Sistema de control jerárquico - Hierarchical control system

Un sistema de control jerárquico (HCS) es una forma de sistema de control en el que un conjunto de dispositivos y software de gobierno se organiza en un árbol jerárquico . Cuando los enlaces en el árbol son implementados por una red de computadoras , entonces ese sistema de control jerárquico es también una forma de sistema de control en red .

Visión general

Un sistema construido por humanos con un comportamiento complejo a menudo se organiza como una jerarquía. Por ejemplo, una jerarquía de mando tiene entre sus características notables el organigrama de superiores, subordinados y líneas de comunicación organizativa . Los sistemas de control jerárquico están organizados de manera similar para dividir la responsabilidad de la toma de decisiones.

Cada elemento de la jerarquía es un nodo vinculado en el árbol. Los comandos, las tareas y los objetivos que se deben lograr fluyen hacia abajo del árbol desde los nodos superiores a los nodos subordinados, mientras que las sensaciones y los resultados de los comandos fluyen hacia arriba del árbol desde los nodos subordinados a los superiores. Los nodos también pueden intercambiar mensajes con sus hermanos. Las dos características distintivas de un sistema de control jerárquico están relacionadas con sus capas.

  • Cada capa superior del árbol opera con un intervalo de tiempo de planificación y ejecución más largo que su capa inmediatamente inferior.
  • Los estratos inferiores tienen tareas, metas y sensaciones locales, y sus actividades son planificadas y coordinadas por estratos superiores que generalmente no anulan sus decisiones. Las capas forman un sistema inteligente híbrido en el que las capas reactivas más bajas son subsimbólicas. Las capas superiores, con limitaciones de tiempo relajadas, son capaces de razonar a partir de un modelo de mundo abstracto y realizar la planificación. Una red de tareas jerárquica es una buena opción para la planificación en un sistema de control jerárquico.

Además de los sistemas artificiales, se propone organizar los sistemas de control de un animal como una jerarquía. En la teoría del control perceptivo , que postula que el comportamiento de un organismo es un medio para controlar sus percepciones, se sugiere que los sistemas de control del organismo estén organizados en un patrón jerárquico a medida que se construyen sus percepciones.

Estructura del sistema de control

Niveles funcionales de una operación de control de fabricación.

El diagrama adjunto es un modelo jerárquico general que muestra los niveles funcionales de fabricación utilizando el control computarizado de un sistema de control industrial.

Refiriéndose al diagrama;

  • El nivel 0 contiene los dispositivos de campo, como los sensores de flujo y temperatura, y los elementos de control final, como las válvulas de control.
  • El nivel 1 contiene los módulos de entrada / salida (E / S) industrializados y sus procesadores electrónicos distribuidos asociados.
  • El nivel 2 contiene las computadoras de supervisión, que recopilan información de los nodos del procesador en el sistema y proporcionan las pantallas de control del operador.
  • El nivel 3 es el nivel de control de producción, que no controla directamente el proceso, pero se ocupa de monitorear la producción y monitorear los objetivos.
  • El nivel 4 es el nivel de programación de producción.

Aplicaciones

Fabricación, robótica y vehículos

Entre los paradigmas robóticos se encuentra el paradigma jerárquico en el que un robot opera de arriba hacia abajo, pesado en la planificación, especialmente la planificación del movimiento . La ingeniería de producción asistida por computadora ha sido un foco de investigación en NIST desde la década de 1980. Su instalación de investigación de fabricación automatizada se utilizó para desarrollar un modelo de control de producción de cinco capas. A principios de la década de 1990, DARPA patrocinó una investigación para desarrollar sistemas de control inteligente distribuidos (es decir, en red) para aplicaciones tales como sistemas de mando y control militares. NIST se basó en investigaciones anteriores para desarrollar su sistema de control en tiempo real (RCS) y el software del sistema de control en tiempo real, que es un sistema de control jerárquico genérico que se ha utilizado para operar una celda de fabricación , un robot grúa y un vehículo automatizado .

En noviembre de 2007, DARPA llevó a cabo el Urban Challenge . La obra ganadora, Tartan Racing emplea un sistema de control jerárquico, con capas misión de planificación , la planificación de movimientos , la generación de comportamiento, la percepción, el modelado mundo y mecatrónica .

Inteligencia artificial

La arquitectura de subsunción es una metodología para desarrollar inteligencia artificial que está fuertemente asociada con la robótica basada en el comportamiento . Esta arquitectura es una forma de descomponer el comportamiento inteligente complicado en muchos módulos de comportamiento "simples", que a su vez están organizados en capas. Cada capa implementa un objetivo particular del agente de software (es decir, el sistema en su conjunto), y las capas superiores son cada vez más abstractas. El objetivo de cada capa subsume el de las capas subyacentes, por ejemplo, la decisión de avanzar por la capa de comer-alimento tiene en cuenta la decisión de la capa más baja de evitación de obstáculos. La conducta no necesita ser planificada por una capa superior, sino que las conductas pueden ser desencadenadas por entradas sensoriales y, por lo tanto, solo están activas en circunstancias en las que podrían ser apropiadas.

El aprendizaje por refuerzo se ha utilizado para adquirir comportamientos en un sistema de control jerárquico en el que cada nodo puede aprender a mejorar su comportamiento con la experiencia.

Constituyentes en un nodo de la Arquitectura del modelo de referencia de James Albus

James Albus , mientras estaba en NIST, desarrolló una teoría para el diseño de sistemas inteligentes llamada Arquitectura de modelo de referencia (RMA), que es un sistema de control jerárquico inspirado en RCS. Albus define cada nodo para contener estos componentes.

  • La generación de comportamiento es responsable de ejecutar las tareas recibidas del nodo padre superior. También planifica y emite tareas para los nodos subordinados.
  • La percepción sensorial es responsable de recibir sensaciones de los nodos subordinados, luego agruparlas, filtrarlas y procesarlas en abstracciones de nivel superior que actualizan el estado local y que forman sensaciones que se envían al nodo superior.
  • El juicio de valor es responsable de evaluar la situación actualizada y evaluar planes alternativos.
  • El modelo mundial es el estado local que proporciona un modelo para el sistema controlado, el proceso controlado o el entorno en el nivel de abstracción de los nodos subordinados.

En sus niveles más bajos, el RMA se puede implementar como una arquitectura de subsunción, en la que el modelo mundial se asigna directamente al proceso controlado o al mundo real, evitando la necesidad de una abstracción matemática, y en el que se puede implementar la planificación reactiva con restricciones de tiempo. como una máquina de estados finitos . Sin embargo, los niveles más altos de RMA pueden tener modelos y comportamientos matemáticos del mundo sofisticados implementados mediante planificación y programación automatizadas . La planificación es necesaria cuando ciertos comportamientos no pueden ser desencadenados por sensaciones actuales, sino más bien por sensaciones predichas o anticipadas, especialmente aquellas que surgen como resultado de las acciones del nodo.

Ver también

Referencias

  1. ↑ Findeisen, página 9
  2. ^ [1] Archivado 2008-01-19 en ladescripción del equipo Wayback Machine Tartan Racing
  3. ^ Urmson, C. et al., Tartan Racing: A Multi-Modal Approach to the DARPA Urban Challenge Archivado el 20 de mayo de 2013 en Wayback Machine 2007, página 4
  4. ^ Brooks, RA "La planificación es sólo una forma de evitar averiguar qué hacer a continuación" Archivado el 11 de marzo de 2007 en Wayback Machine , Informe técnico, Laboratorio de Inteligencia Artificial del MIT, 1987
  5. ^ Takahashi, Y. y Asada, M., Adquisición de comportamiento mediante aprendizaje por refuerzo multicapa. En Actas de la Conferencia Internacional IEEE de 1999 sobre Sistemas, Hombre y Cibernética, páginas 716-721
  6. ^ Albus, JS Una arquitectura de modelo de referencia para el diseño de sistemas inteligentes. Archivado el16 de septiembre de 2008en la Wayback Machine en Antsaklis, PJ, Passino, KM (Eds.) (1993) Una introducción al control inteligente y autónomo. Kluwer Academic Publishers, 1993, Capítulo 2, págs. 27-56. ISBN  0-7923-9267-1
  7. ^ Meystel, AM, Albus, JS, Intelligent Systems, John Wiley and Sons, Nueva York, 2002, págs. 30-31

Otras lecturas

  • Albus, JS (1996). "La Ingeniería de la Mente" . From Animals to Animats 4: Actas de la Cuarta Conferencia Internacional sobre Simulación de Comportamiento Adaptativo . Prensa del MIT.
  • Albus, JS (2000). "Arquitectura del modelo de referencia 4-D / RCS para vehículos terrestres no tripulados". Robótica y Automatización, 2000. Actas. ICRA'00. Conferencia Internacional IEEE sobre . 4 . doi : 10.1109 / ROBOT.2000.845165 .
  • Findeisen, W .; Otros (1980). Control y coordinación en sistemas jerárquicos . Chichester [Ing.]; Nueva York: J. Wiley.

enlaces externos