当前位置：文档库 › 人机一体化智能系统综合感知体系建模方法研究_杨灿军

人机一体化智能系统综合感知体系建模方法研究_杨灿军

人机一体化智能系统综合感知体系建模方法研究＊

杨灿军　陈　鹰

(浙江大学流体传动及控制国家重点实验室·杭州,310027)

摘要:在分析人机感知的不同特征基础上,提出人机一体化综合感知方法,并对人机一体化综合感知体系进行了建模研究,并以智能驾驶系统为例对人机一体化智能驾驶综合感知体系作了简要说明.阐明了人机一体化综合智能感知技术的广泛应用前景.

关键词:智能系统;人工智能;人机系统;人机一体化;智能感知文献标识码:A

Study the Model of the Comprehensive Perception

of Humachined Intelligent System

YANG Canjun and CHEN Ying

(The State Key Laboratory for Fluid Power Transmis s i on and Control ,Zhejiang University ·Hangzhou ,310027,P .R .China )

A bstract :T his paper studied on modeling the humachined perception of hu machi ned system based on the analy sis of hu -man and machine 's perception ,and the hu machined perception system for the intelligent driving system had been introduced simply .

Key words :intelligent system ;artificial intelligence ;man -machine sy stem ;humachined system ;intelligent perception

1　引言(Introduction )

随着计算机、传感器、机电自动化、系统工程及

人工智能技术的迅速发展,目前智能系统的研究已成为许多研究领域的热点课题之一.而智能感知是实现系统智能化的关键技术之一,为了让机器能充分地理解环境,人们发明了各种各样的传感器,为智能系统的研究打下了良好基础.人们试图利用现代传感器技术、多传感器信息融合等技术来模拟人的各种感觉器官来感知周围环境,虽然取得了一定的研究成果,但离能够真正模拟人的各种感觉系统还相距较远.为此,我们基于人机一体化思想[1～3]提出了人机一体化综合感知的实现方法.我们在比较了人和机器感知特征区别的时候,认识到人的有些感知功能是机器无法模拟的,而有时机器能够感知到的人却无法感知得到,所以在可能的情况下,在充分发挥人和智能机器各自的感知优势的基础上,建立人机一体化感知体系,将能更进一步扩大人类的视野,提高人类认识世界的能力.

2　人机感知特征对比(Contrast with man ma -chine characteristics )

人类在感知外界事物时,常常把许多部分或多种属性组成的对象看作是具有一定结构的统一整体.人们在感知熟悉对象时,只要感知到它的个别属性或主要特征,就可以根据积累的经验而知道它的全部属性和特征,整体地感知它.这往往是机器所无法感知得出来的.再者,人类在感知对象时,能把某些对象从背景中优先区分出来,并予以清晰地反映其特征.另外,在人们的感知事物的过程中,人们不自觉地用以往所获得的知识经验来理解当前所感知对象的特征,所以人类在感知某一事物时,同这个事物有关的知识经验越丰富,对它的认识就越深刻.但由于人的感知系统受生理和心理因素的影响,人的感知系统也有一定的局限性.例如人的感知具有限值性、模糊性、个体差异性等,同时由于人的各感觉器官之间存在着相互作用,因此,有时人会产生错觉[3～5].

与人相比,机器感知具有精确性强、环境适应性强、感知范围广、统一性好的优点,但机器的综合感知困难.与人相比机器感知最主要的优点就是精确性强,机器传感器可以对相关的物理量进行定量检

　＊基金项目:本文得到国家自然科学基金(N 59975079)资助.

收稿日期:1998-09-03;收修改稿日期:1999-06-03.

第17卷第2期2000年4月控制理论与应用

CONTROL T HE ORY AND APPLICATION S Vol .17,No .2

Apr .,2000

文章编号:1000-8152(2000)02-0220-05

测,根据传感器的精度,可以对相关的物理量检测到一定的精确度,而人对这些物理量只能通过定性的估计来比较大小;机器感知器对环境具有高度的承受能力,在一些人所不能到达的环境,机器往往可以胜任.例如:在有毒或有放射线刺激的环境下的监测,以及在超高压、超低压及核辐射环境下的检测等;到目前为止,机器能感知的范围远远超过人的感知范围.例如:人所看不到的红外线、紫外线,听不到的超声波等过强或过弱的感知信号,机器传感器大部分都能检测出来;由于所设计的传感器具有统一的标准,所以不同的同一种传感器所检测出的量具有统一性,不象人的感知具有个体差异;机器在感知单一信息时,往往很精确,范围很广,但是有许多综合信息需要同时感知时,机器实现起来就不象人那么方便.

3　人机一体化综合感知体系模型(The model

of the comprehensive perception of huma -chined intelligent system )

通过以上对人和机器感知特征的分析比较可知:有些信息只有人才能感觉到,而有些信息只有用机器传感器才能检测到,而且不同的人或传感器所感知或检测的范围也不一样.因此,在可能的情况下,应尽量将适合于人感知的任务交给人去感知,把适合于机器感知的任务交给机器去做.另外,可以根据人机的不同感知特征,采用人帮机或机帮人的方式,来增强整个系统的感知功能.为此,我们建立了以下人机一体化感知模型

图1中数字标号的含义如下:1———适合于人感知的信息;2———适合于机器感知的信息;3———人感知的信息向机器传递;

4———机器感知的信息向人传递;

5———机器对人本身的状态监测;6———人对机器状态的监控;

7———人感知的需要和机器感知信息融合的信息;8———机器感知的需要和人感知信息融合的信息;

9———人直接感知的信息;10———机器直接感知的信息;11———人机感知信息的融合信息.

4　实现方法研究(Study on the implement methods )

所谓的人机一体化信息感知,其关键在于人机信息感知的合理化分工与密切的协作配合.4.1　人机信息感知分工(Dividing the work of human

and machine 's perception )根据人和机器感知的不同特征,我们对人机信息感知进行了合理化分工,我们将适合于机器进行检测的精确度高的定量信息、人类感知阀值之外的信息、人类无能为力的恶劣环境及恶劣条件下的信息等交给机器去进行检测感知.对于模糊定性信息、整体综合信息、具有多义性的信息等信息的感知以及同时需要感知视觉、听觉、触觉、嗅觉等多种信息才能准确获得的信息通常交给人去感知[1～3].4.2　人机信息感知的融合(Fusing the human and

machine 's perception )

在信息感知过程中,常常需要人和机器进行综合感知,有时候有些信息需要先由人感知进行粗定位,然后由机器进行精确定位,而有些信息则需要先由机器进行感知,然后由人再去进行确认.有时候有些信息往往需要人和机器同时进行感知,然后对所感知信息进行融合才能获得所需的准确信息.

为了实现人机感知信息的融合,首先应该让人和机器都能充分了解对方感知的信息,为了让人能充分形象地理解机器所感知的信息,通常将机器所感知的信息以人类容易接受的形式(如:可视化的语音、图象等形式)表示出来,为此人们正不断地研究出各种各样的可视化理论方法,在建立人机一体化感知体系过程中,我们将借鉴一系列的可视化技术和方法.为了让人更好地理解机器所感知的信息,有时还需要将机器感知的精确信息模糊化.目前信息模糊化技术已经是比较成熟的技术,通常是根据机器感知输入信息的上下限,确定信息的论域U ,将输入信息的变化范围相应地映射到特定的论域上,其次给出输入信息量的模糊量级,最后建立这些模糊集的隶属度函数,常见的模糊隶属度函数有三角形函数、梯形函数、正态函数、高斯函数、钟形函数等

[7]

　2期人机一体化智能系统综合感知体系建模方法研究221

为了便于机器接受人的感知信息,综合考虑人的语言变量信息,常常还要用模糊定位规则,把每个语言值用估计的渐变函数定位,使之离散化、定量化、精确化.在自然语言中还常常利用修饰词来区分和刻划语言模糊值的程度,如:“较”、“很”、“稍微”、“相当”、“极”、“大约”、“近似”、“倾向于”等来描述模糊值.为此人们常常引入语言算子的概念,语言算子通常分成三类:语气算子、模糊化算子和判定化算子.其中语气算子是表达模糊值的肯定程度,如:很、微、极、略、比较、特别等,若把它放在模糊语言的前面,可调整该模糊语言词义的肯定程度.这就意味着,这类词可视为某种算子或变换,称之为语气算子,可表示为:

H λ∶H λ( A (μ)=( A (μ))λ

(1)

这里的H λ即称为语气算子,其中λ为一实数,当λ>1时,H λ叫做集中化算子(比如:“很”=H 2,“极”

=H 4);当λ<1时,H λ叫做松散化算子(比如:“略”=H 1/2,“微”=H 1/4);诸如“大约”、“几乎”、“近似”等修饰词属于模糊化算子,它是将肯定的转化为模糊的,把模糊的变得更加模糊.模糊算子可以用模糊线性变换来表示.给定模糊关系 E ∈(U ×U ),由 E 诱导的线性变换F :U ※U ,则:

F ( A )(μ)=∨v ∈U

( A (v )∧ E (v ,u )).(2)

一般情况下,这里所用的模糊关系 E ,通常是U

上的模糊相似关系;

E (v ,u )=e -(v -u )

,　|v -u |<δ,

0, |v -u |≥δ.(3)

特别当U =R (实数域)时,可以置其中δ为适当选定的正实数;诸如“偏向”、“倾向于”、“多半是”等词汇,也可对模糊词给出一种粗糙的判断,叫做判定化

算子,它一般表示形式为:

P a ∶P a ( A )(u )=d a ( A (u )),

(4)

其中d a 是定义在[0,1]上的实函数: