Nowatorskie układy regulacji bazujące na układach tzw. sztucznej inteligencji znajdują zastosowanie przede wszystkim w robotyce, przemyśle samochodowym oraz w nowoczesnych wózkach inwalidzkich. Dzięki nim udaje się unowocześnić i usprawnić schematy układów regulacji, a także zaprogramować ich działanie.
Naukowcy z Uniwersytetu w Portsmouth w Wielkiej Brytanii dyskutowali o tym, w jaki sposób sztuczna inteligencja może przyczynić się do rozwoju inżynierii sterowania. Jak to się już niejednokrotnie zdarzało, napotkali na swojej drodze dwa problemy związane z inżynierią sterowania. Przede wszystkim należało sprawić, by niektóre wewnętrzne układy regulacji zachowywały się w przewidywalny i pożądany sposób w określonym czasie, a jednocześnie to zewnętrzny układ regulacji miał decydować, w jaki sposób ten pierwszy ma postępować. Ważnym elementem tej koncepcji jest wprowadzenie odpowiednich punktów referencyjnych lub profili, które wewnętrzny układ regulacji rozpoznałyby jako wejścia. Czy wykorzystanie sztucznej inteligencji może być pomocne przy rozwiązywaniu tego problemu?
Wewnętrzny układ regulacji
Inżynieria sterowania zajmuje się przede wszystkim tym, aby różne systemy dynamiczne (np. systemy mechaniczne) zachowywały się i działały w określony sposób. Dotyczy to także kwestii projektowania sterowników. Dotychczas najczęściej napotkane problemy wewnętrznego układu regulacji polegały na skonstruowaniu odpowiedniego sterownika, który kontrolowałby dany system czy zakład. Chodziło o połączenie systemów ze sterownikami i siłownikami (w tym konkretnym przypadku – połączenie silników wózka inwalidzkiego z czujnikami ultrasonicznymi, umożliwiającymi omijanie przeszkód), a problem ten został rozwiązany za pomocą obsługi przerwań komputerowych, obwodów timerów, dodatkowych mikrosterowników czy prostej kontroli otwartego układu regulacji.
Wewnętrzne układy regulacji w aplikacjach przemysłowych są podobne do układów nerwowych zwierząt. Kierują one procesami, które zachodzą w dużej mierze nieświadomie i regulują np. bicie serca, szybkość oddechu, odruch źreniczny i inne. Ten sam układ odpowiada za reakcję walki lub ucieczki i sprawia, że w konkretnej sytuacji zwierzę albo podejmie walkę, albo ucieknie. Ten automatyczny system nerwowy ma dwie odnogi: układ współczulny i układ przywspółczulny. Pierwszy z nich odpowiedzialny jest za szybką reakcję i mobilizację autonomicznego układu nerwowego, ten drugi zaś odpowiada za powolne wprowadzenie organizmu w stan odpoczynku. W naszym przypadku odpowiadało to systemowi szybkiego sterowania wózka inwalidzkiego i powolnej kontroli istotnych czujników monitorujących, w celu szybkiej zmiany na wejściu silnika.
Sterowanie automatyczne
Ze sterowaniem automatycznym mamy do czynienia wtedy, kiedy urządzenie jest zaprojektowane w taki sposób, by nie wymagało świadomego udziału człowieka. Pierwsze takie systemy powstały ponad 2 tys. lat temu i za przykład można tutaj podać zbudowany w Egipcie w III w. p.n.e. zegar wodny Ktesibiosa. Od tego czasu skonstruowano wiele urządzeń sterowanych automatycznie. Starsze z nich wykonywane były zwykle w otwartym układzie regulacji, a nowsze – najczęściej już w zamkniętym.
Pierwszymi urządzeniami z zamkniętym układem, w którym wykorzystano sprzężenia zwrotne czujnika w wewnętrznym układzie regulacji, są: regulator temperatury paleniska Drebbela skonstruowany w 1620 r., a także regulator odśrodkowy obrotów, służący do regulowania szybkości wypuszczania pary w silnikach parowych. Obydwa te wynalazki zostały później wykorzystane w silniku parowym Watta w 1788 r. W tym okresie większość systemów sterowania bazowała na mechanizmach regulacji, a Maxwell (1868) wykorzystał równania różniczkowe do zbadania dynamiki systemów sterowania. Następnie Routh (1874) i Hurwitz (1895) zbadali warunki stabilności tych systemów. Pragnęli oni zmierzyć osiągi końcowe urządzenia sterującego, by później wykorzystać swoje pomiary do zapewnienia sprzężenia na wejściu siłowników, co z kolei umożliwiłoby wprowadzenie poprawek i dostosowanie działania urządzenia do przyjętych założeń.
Sterowniki ze sprzężeniami
Pierwotnie sterowniki ze sprzężeniami były konstruowane jako oddzielne, wielozadaniowe urządzenia, a dopiero Minorsky (1922) wynalazł regulator PID, kiedy pracował w General Electric Laboratory, gdzie pomagał zainstalować i przetestować system automatycznego sterowania w statkach. Od tamtej pory w otwartych układach regulacji stosowano regulatory PID, a sterowniki ze sprzężeniami posłużyły w latach 50. i 60. do opracowania zasad optymalnego sterowania. W 1956 r. opracowana została Zasada Maksimum (Pontriagina), a w tym samym i kolejnym roku przedstawiono fundamenty teorii dynamicznego programowania. W latach 70. dokonał się rozwój stochastyki, a także technik tzw. sterowania odpornego. Techniki i metody projektowania układów sterowania opierały się na systemach linearnego pojedynczego wejścia i pojedynczego wyjścia, które bazowały na charakterystykach częstotliwościowych albo na różniczkowej transformacji Laplace’a. Pojawienie się komputerów, a także potrzeba kontroli nad obiektami balistycznymi, dla których niezbędne było opracowanie modeli fizycznych, doprowadziły do zastosowania podejścia opartego na równaniu stanu, które to wypierało zwyczajne równania różniczkowe i zastępowało je równaniami różniczkowymi pierwszego rzędu. To z kolei umożliwiło rozwój nowoczesnych systemów, a także teorii sterowania z naciskiem na wykorzystanie modeli fizycznych i opisujących ich zachowanie wzorów matematycznych.
Sterowanie adaptacyjne
W tamtym czasie produkowano jedynie sterowniki elektryczne lub przynajmniej elektromechaniczne, jednakże w latach 1969/70 Ted Hoff zaprojektował mikroprocesor dla firmy Intel i od tamtej pory cena mikroprocesorów i pamięci spadała zgodnie z prawem Moore’a, według którego liczba tranzystorów na układzie scalonym będzie się podwajała średnio co dwa lata. Doprowadziło to do zdecydowanego uproszczenia procesu montowania sterowników ze sprzężeniami w wewnętrznym układzie regulacji. Nowsze systemy wykorzystywały początkowo sterowanie odporne, a później adaptacyjne, które nie wymaga wcześniejszego dostarczenia danych, a także zakłada zmienność parametrów lub ich niepewność. Na przykład masa samolotu będzie się zmieniała w ciągu lotu ze względu na spalanie paliwa, albo inaczej: osoba na wózku inwalidzkim wraz z upływem dnia będzie coraz bardziej zmęczona. W obu przypadkach niezbędne jest zastosowanie prawa niskiego poziomu sterowania, które jest w stanie przystosować się do zmieniających się warunków.
Układy sterowania zewnętrznego
Wewnętrzne układy regulacji wymagają danych na wejściu – punktów czy profili referencyjnych. Początkowo stanowiły one ustaloną wartość, np. zegar wodny Ktesibiosa wymagał określenia odpowiedniego poziomu wody, a regulator temperatury Drebbela – żądanej wartości temperatury. W momencie kiedy wewnętrzne układy regulacji zostały dopracowane do takiego stopnia, że można je było pozostawić bez kontroli (chociaż często były monitorowane), skupiono się na rozwoju zewnętrznych układów regulacji.
Podczas gdy wewnętrzne systemy regulacji są zbliżone w swej naturze do układu nerwowego zwierząt czy ludzi, zewnętrzne układy regulacji przypominają ich mózgi w tym sensie, że działają bardziej świadomie i są mniej przewidywalne pod względem automatyki. Nawet organizmy takie jak płazienice mają prosty i jasno zdefiniowany układ nerwowy z systemem centralnym i peryferyjnym, który ma w sobie nieskomplikowany, automatyczny układ nerwowy.
Mózg stanowi nadrzędny ośrodek sterowania takimi funkcjami, jak chodzenie, mówienie czy przełykanie. Kontroluje on także naszą zdolność myślenia, zachowania i wszelkie czynności intelektualne (kognitywne), np. w jaki sposób do czegoś podchodzimy, jak postrzegamy i w jaki sposób rozumiemy świat i wszystko, co nas otacza, w jaki sposób się uczymy i zapamiętujemy itd. W rozważanej przez nas aplikacji chodziło o to, dokąd chciałaby się udać osoba na wózku inwalidzkim i co chciałaby zrobić, a także czy w związku z tym powinny znaleźć zastosowanie odpowiednie parametry sterowania. W obydwu przypadkach okazało się, że im bardziej skomplikowany jest wyższy poziom kontroli nad zewnętrznymi układami regulacji, w tym bardziej przewidywalny i powtarzalny sposób muszą się zachowywać wewnętrzne układy regulacji.
Pierwotnie inżynieria sterowania zajmowała się kwestiami systemów ciągłych. Rozwój komputerów i mikrosterowników doprowadził do powstania inżynierii sterowania dyskretnego, ponieważ komunikacja pomiędzy cyfrowymi sterownikami w komputerach a fizycznymi systemami jest oparta na zegarach i układach taktujących. Wiele systemów sterowania bazuje obecnie na sterowaniu komputerowym i składa się zarówno z analogowych, jak i cyfrowych komponentów. Kluczem do ich sukcesu jest niemonitorowane i adaptacyjne uczenie się.
Komputer jednak może wykonywać także inne zadania, poza sterowaniem zewnętrznym układem regulacji w celu wygenerowania pożądanych sygnałów wejściowych dla wewnętrznych układów regulacji. Wiele osób uważa, że mózg może być stymulowany maszynami, a w związku z tym, że posiada on inteligencję, mózgi stymulowane maszynowo również musiałyby posiadać inteligencję, a co za tym idzie, maszyny stymulujące je również mogą być inteligentne. Współczesna technologia pozwala nam na bezpośrednie „skopiowanie” mózgu do sprzętu i oprogramowania komputera oraz założenie, że taka symulacja będzie tożsama z oryginałem.
Programy komputerowe mają spore zasoby pamięciowe i szybkości obliczeń, jednakże są ograniczone zdolnościami ich twórców. Dlatego część umiejętności nabywanych przez ludzi w wieku nastoletnim może być w nich zaimplementowana, jednakże wiele prostych, intuicyjnych umiejętności dwulatków już nie. Sprawa jest jeszcze bardziej skomplikowana w tym zakresie, że nauki kognitywne wciąż nie określiły, co stanowi umiejętności człowieka. Mechanizmy inteligentnego sterowania mogą się różnić od tych, które mają ludzie.
Ilekroć ludzie radzą sobie z pewnymi zadaniami lepiej albo komputery zużywają do tego samego zadania zbyt wiele zasobów obliczeniowych, by wykonać je równie dobrze, tylekroć okazuje się, że programistom brakuje zrozumienia mechanizmów intelektualnych potrzebnych do efektywnego wykonania danego zadania. Być może dane zadanie da się wykonać lepiej, ale w inny sposób.
Podczas gdy inżynierowie sterowania odchodzą od tradycyjnych elektromechanicznych i analogowo-elektronicznych technologii sterowania i przerzucają się na cyfrowe, mechatroniczne systemy sterowania z komputerową analizą danych i algorytmami podejmowania decyzji, na horyzoncie pojawiają się już nowatorskie technologie komputerowe, które mogą wprowadzić jeszcze dalej idące zmiany. Zewnętrzne układy regulacji stają się coraz bardziej skomplikowane i coraz mniej przewidywalne wraz z rozwojem mikrosterowników i komputerów. Określa się je mianem sztucznej inteligencji, od kiedy termin ten utworzył John McCarthy w 1955 r.
Autorzy: David A. Sanders i Alexander Gegov są pracownikami Uniwersytetu w Portsmouth w Wielkiej Brytanii.
Artykuł zredagowany przez Marka T. Hoske, Content Managera w „Control Engineering”.
