Système de contrôle hiérarchique - Hierarchical control system

Un système de contrôle hiérarchique (HCS) est une forme de système de contrôle dans lequel un ensemble de dispositifs et de logiciels de gestion est organisé dans une arborescence hiérarchique . Lorsque les liens dans l'arbre sont mis en œuvre par un réseau informatique , alors ce système de contrôle hiérarchique est également une forme de système de contrôle en réseau .

Aperçu

Un système construit par l'homme avec un comportement complexe est souvent organisé en hiérarchie. Par exemple, une hiérarchie de commandement a parmi ses caractéristiques notables l' organigramme des supérieurs, des subordonnés et des lignes de communication organisationnelle . Les systèmes de contrôle hiérarchiques sont organisés de la même manière pour diviser la responsabilité de la prise de décision.

Chaque élément de la hiérarchie est un nœud lié dans l'arborescence. Les commandes, les tâches et les objectifs à atteindre descendent dans l'arbre des nœuds supérieurs aux nœuds subordonnés, tandis que les sensations et les résultats des commandes remontent dans l'arbre des nœuds subordonnés aux nœuds supérieurs. Les nœuds peuvent également échanger des messages avec leurs frères et sœurs. Les deux caractéristiques distinctives d'un système de contrôle hiérarchique sont liées à ses couches.

  • Chaque couche supérieure de l'arborescence fonctionne avec un intervalle de temps de planification et d'exécution plus long que sa couche immédiatement inférieure.
  • Les couches inférieures ont des tâches, des buts et des sensations locales, et leurs activités sont planifiées et coordonnées par les couches supérieures qui ne l'emportent généralement pas sur leurs décisions. Les couches forment un système intelligent hybride dans lequel les couches réactives les plus basses sont sous-symboliques. Les couches supérieures, ayant des contraintes de temps relâchées, sont capables de raisonner à partir d'un modèle de monde abstrait et d'effectuer une planification. Un réseau de tâches hiérarchique convient parfaitement à la planification dans un système de contrôle hiérarchique.

Outre les systèmes artificiels, il est proposé que les systèmes de contrôle d'un animal soient organisés en hiérarchie. Dans la théorie du contrôle perceptuel , qui postule que le comportement d'un organisme est un moyen de contrôler ses perceptions, il est suggéré que les systèmes de contrôle de l'organisme soient organisés selon un modèle hiérarchique au fur et à mesure que leurs perceptions sont construites.

Structure du système de contrôle

Niveaux fonctionnels d'une opération de contrôle de fabrication.

Le diagramme ci-joint est un modèle hiérarchique général qui montre les niveaux de fabrication fonctionnels en utilisant le contrôle informatisé d'un système de contrôle industriel.

En se référant au schéma ;

  • Le niveau 0 contient les appareils de terrain tels que les capteurs de débit et de température, et les éléments de contrôle final, tels que les vannes de régulation
  • Le niveau 1 contient les modules d'entrées/sorties (E/S) industrialisés et leurs processeurs électroniques distribués associés.
  • Le niveau 2 contient les ordinateurs de supervision, qui rassemblent les informations des nœuds de processeur sur le système, et fournissent les écrans de contrôle de l'opérateur.
  • Le niveau 3 est le niveau de contrôle de la production, qui ne contrôle pas directement le processus, mais concerne le suivi de la production et le suivi des objectifs
  • Le niveau 4 est le niveau de planification de la production.

Applications

Fabrication, robotique et véhicules

Parmi les paradigmes robotiques se trouve le paradigme hiérarchique dans lequel un robot fonctionne de manière descendante, lourde de planification, en particulier de planification de mouvement . L'ingénierie de production assistée par ordinateur est un axe de recherche au NIST depuis les années 1980. Son centre de recherche sur la fabrication automatisée a été utilisé pour développer un modèle de contrôle de production à cinq couches. Au début des années 90, la DARPA a financé des recherches pour développer des systèmes de contrôle intelligents distribués (c'est-à-dire en réseau) pour des applications telles que les systèmes de commandement et de contrôle militaires. Le NIST s'est appuyé sur des recherches antérieures pour développer son système de contrôle en temps réel (RCS) et son logiciel de système de contrôle en temps réel qui est un système de contrôle hiérarchique générique qui a été utilisé pour faire fonctionner une cellule de fabrication , une grue robotisée et un véhicule automatisé .

En novembre 2007, la DARPA a organisé l' Urban Challenge . L'entrée gagnante, Tartan Racing a utilisé un système de contrôle hiérarchique, avec une planification de mission en couches , une planification de mouvement , une génération de comportement, une perception, une modélisation du monde et de la mécatronique .

Intelligence artificielle

L'architecture de subsomption est une méthodologie de développement de l'intelligence artificielle fortement associée à la robotique basée sur le comportement . Cette architecture est un moyen de décomposer un comportement intelligent compliqué en de nombreux modules de comportement "simples", qui sont à leur tour organisés en couches. Chaque couche met en œuvre un objectif particulier de l' agent logiciel (c'est-à-dire le système dans son ensemble), et les couches supérieures sont de plus en plus abstraites. L'objectif de chaque couche subsume celui des couches sous-jacentes, par exemple la décision d'avancer par la couche manger-aliments prend en compte la décision de la couche la plus basse d'évitement d'obstacles. Le comportement n'a pas besoin d'être planifié par une couche supérieure, mais les comportements peuvent être déclenchés par des entrées sensorielles et ne sont donc actifs que dans des circonstances où ils pourraient être appropriés.

L'apprentissage par renforcement a été utilisé pour acquérir un comportement dans un système de contrôle hiérarchique dans lequel chaque nœud peut apprendre à améliorer son comportement avec l'expérience.

Constituants dans un nœud de l' architecture du modèle de référence de James Albus

James Albus , alors qu'il était au NIST, a développé une théorie pour la conception de systèmes intelligents appelée Reference Model Architecture (RMA), qui est un système de contrôle hiérarchique inspiré du RCS. Albus définit chaque nœud pour contenir ces composants.

  • La génération de comportement est responsable de l'exécution des tâches reçues du nœud parent supérieur. Il planifie et attribue également des tâches aux nœuds subordonnés.
  • La perception sensorielle est chargée de recevoir les sensations des nœuds subordonnés, puis de les regrouper, de les filtrer et de les traiter autrement en abstractions de niveau supérieur qui mettent à jour l'état local et qui forment des sensations qui sont envoyées au nœud supérieur.
  • Le jugement de valeur est responsable de l'évaluation de la situation mise à jour et de l'évaluation des plans alternatifs.
  • Le modèle mondial est l'état local qui fournit un modèle pour le système contrôlé, le processus contrôlé ou l'environnement au niveau d'abstraction des nœuds subordonnés.

À ses niveaux les plus bas, la RMA peut être implémentée en tant qu'architecture de subsomption, dans laquelle le modèle mondial est mappé directement sur le processus contrôlé ou le monde réel, évitant le besoin d'une abstraction mathématique, et dans laquelle une planification réactive limitée dans le temps peut être mise en œuvre comme une machine à états finis . Cependant, les niveaux supérieurs de la RMA peuvent avoir des modèles et des comportements mathématiques sophistiqués du monde mis en œuvre par une planification et une programmation automatisées . La planification est nécessaire lorsque certains comportements ne peuvent pas être déclenchés par des sensations actuelles, mais plutôt par des sensations prédites ou anticipées, en particulier celles qui résultent des actions du nœud.

Voir également

Les références

  1. ^ Findeisen, page 9
  2. ^ [1] Archivé 2008-01-19 dans ladescription de l'équipe Wayback Machine Tartan Racing
  3. ^ Urmson, C. et al., Tartan Racing: A Multi-Modal Approach to the DARPA Urban Challenge Archivé 2013-05-20 à la Wayback Machine 2007, page 4
  4. ^ Brooks, RA "La planification est juste un moyen d'éviter de savoir quoi faire ensuite" Archivé 2007-03-11 à la Wayback Machine , rapport technique, MIT Artificial Intelligence Laboratory, 1987
  5. ^ Takahashi, Y., et Asada, M., Acquisition du comportement par apprentissage par renforcement multicouche. Dans Actes de la conférence internationale IEEE 1999 sur les systèmes, l'homme et la cybernétique, pages 716-721
  6. ^ Albus, JS Une architecture de modèle de référence pour la conception de systèmes intelligents. Archivé le 2008-09-16 à la Wayback Machine à Antsaklis, PJ, Passino, KM (Eds.) (1993) Une introduction au contrôle intelligent et autonome. Kluwer Academic Publishers, 1993, chapitre 2, pp27-56. ISBN  0-7923-9267-1
  7. ^ Meystel, AM, Albus, JS, Intelligent Systems, John Wiley and Sons, New York, 2002, pp 30-31

Lectures complémentaires

  • Albus, JS (1996). "L'ingénierie de l'esprit" . From Animals to Animats 4: Actes de la quatrième conférence internationale sur la simulation du comportement adaptatif . Presse MIT.
  • Albus, JS (2000). « Architecture de modèle de référence 4-D/RCS pour les véhicules terrestres sans pilote ». Robotique et automatisation, 2000. Actes. ICRA'00. Conférence internationale de l'IEEE sur . 4 . doi : 10.1109/ROBOT.2000.845165 .
  • Findeisen, W.; Autres (1980). Contrôle et coordination dans les systèmes hiérarchiques . Chichester [Anglais]; New York : J. Wiley.

Liens externes