范文一:控制理论与人工智能
第23卷第2期
V o. l 23No . 2周口师范学院学报Journa l o f Zhoukou No r m alUn iversity 2006年3月M ar . 2006
控制理论与人工智能
于新生, 刘德华
(周口师范学院物理系, 河南周口466000)
摘要:综述了控制理论各个发展阶段的主要理论要点, 在阐述人工智能理论的基础上, 提出人工情感即机
器人情感的实现是智能控制发展的必经过程, 情感思维控制是机器人高级智能控制的一个主要部分.
关键词:控制理论; 数学模型; 智能控制
中图分类号:TP 27 文献标识码: A 文章编号:16719476(2006) 020065-03
控制理论是随着工业革命的浪潮而逐渐发展起来的. 首先, 是实现对动力机的控制, 比如对蒸汽机、内燃机运行进度的控制, 这是人工所无法完成的. 速度调节器的采用, 可以使机器平稳地运行, 而不会发生失控现象. 通过对装有调节器的蒸气机系统动态特性的分析, 以及对船舶驾驶控制系统的研究, 成为控制理论研究的开端. 随着电子技术的发展, 对放大信号的噪声控制以及对波形失真的控制, 使反馈控制理论得到进一步发展. 期间, 为了设计和制造飞机及船用的自动驾驶仪、火炮定位系统、雷达跟踪系统以及其他基于反馈原理的军用装备, 进一步促进并完善了自动控制理论的发展. 到第二次世界大战以后, 已形成一套完整的自动控制理论体系, 即以系统传递函数为基础的经典控制理论. 它主要研究单输入、单输出、线性定常系统的分析和设计问题.
经典控制理论的方法, 是针对研究的对象系统, 先建立一定的数学描述) ) ) 即模型. 它能够反映出被控制系统的全部主要特征, 并能定量的确定下来, 同时在数学上或物理上易于分析处理. 这样确定下来的控制系统的数学模型, 是描述系统输入、输出物理量(或变量), 以及内部各物理量(或变量) 之间关系的数学表达式. 合理的数学模型应以最简化的形式, 正确代表被控制对象或系统的动态特性. 通常, 忽略了一些对系统特征影响较小的次要因素后, 即可得一个简化的数学模型(对于自动控制系统, 通常是线性微分方程). 线性控制系统的研究有重要的使用价值, 因为线性微分方程的求解较易, 一般都有标准的方法. 特别是, 可以用拉氏变换求解线性微分方程. 线性系统满足叠加原理, 这使对线性系统的研究更加方便.
用拉氏变换解线性常微分方程, 可将数学中的微积分运算转化为代数运算, 并能单独地表明初始条件的影响, 是一种简单易行的工程数学方法. 有了微分方程的拉氏变换后, 即可以得到非常有用的传递函数. 传递函数定义为系统输入量的拉氏变换式与输出量的拉氏变换式之比, 它是复变量S 的函数. 传递函数的形式只决定于系统的结构和参数, 与输入量的大小和形式无关. 它是一种高度抽象的数学模型. 因此, 对于具有同样传递函数的系统, 输入输出的物理量不同, 则代表的物理意义不同(比如具有同样传递函数的两个完全不同的系统) ) ) 一个是机械系统, 一个是电子系统). 这就是人们在实验室通过电子系统做模拟实际动力机械系统实验的理论基础.
对于一个自动控制系统, 建立了数学模型) ) ) 即系统的传递函数以后, 就可以运用一定的方法对系统的控制性能进行全面的分析和计算. 对于线性定常系统, 常用的工程方法有时域分析法、根轨迹法和频率法.
所谓时域分析法, 即控制系统以时间作为独立变量, 研究分析系统的输出. 通过对系统外施一给定的输入信号, 研究系统的时间响应来评价系统的性能. 在时域分析法中, 根据系统的微分方程, 以拉氏变换作为数学工具, 直接解出控制系统的时间响应, 然后根据响应的表达式及其描述曲线来分析系统的控制性收稿日期:20050928作者简介:于新生(1949) , 男, 河南周口人, 副教授, 主要从事机电控制、智能控制理论研究.
66 周口师范学院学报2006年3月能, 诸如稳定性、快速性、稳定精度等.
经典控制理论中的根轨迹法, 是在已知控制系统开环传递函数的零、极点分布的基础上, 研究某一个或某些参数的变化对特性方程的根(闭环极点) 影响的一种图解方法. 应用根轨迹法可以在已知系统开环零、极点的条件下, 绘制出系统特性方程的根在S 平面上随参数变化而运动的轨迹. 借助这种方法, 常常可以比较简便直观地分析系统特性方程式的根与系统参数之间的关系, 进而得到系统性能与参数的关系, 是经典的控制系统理论中最基本的方法之一. 而频率法是研究自动控制系统性能的又一种数学模型. 在研究方法上, 频率法与根轨迹法相像, 也是不必直接求解系统的微分方程, 而是间接地利用系统的开环特性分析闭环的响应. 它也是一种图解的方法, 其特点是不但可以根据系统的开环频率特性去判断闭环系统的性能, 并且能方便的分析系统中对暂态响应的影响, 从而进一步指出改善系统性能的途径.
经典控制理论对于简单的单输入、单输出系统的问题解决是有效的, 但是只能揭示系统输入输出间的外部特性, 对于系统内部的结构特性则无能为力, 其仅仅适用于线性定常单输入、单输出的系统. 可从实际工程控制的现状来看, 控制系统正朝着更加复杂的方向发展, 要求控制系统完成复杂的任务, 并提供非常高的精度, 这样的系统可以具有多个输入量和多个输出量, 并且可能是时变的. 例如飞机自动驾驶系统、现代航天器的飞行控制系统,, 对于这样复杂的系统, 用经典的控制理论很难做到. 于是, 一种对复杂控制系统进行分析和设计的新方法, 即现代控制理论, 在航空航天技术的推动下, 于1960年前后开始发展起来.
现代控制理论是在引入状态和状态空间概念的基础上发展起来的. 现代控制理论中的线性系统部分运用状态空间法进行分析, 通过采用矩阵理论的数学工具, 描述系统, 特别是多输入、多输出系统的输入内部状态输出之间的因果关系. 既反映了系统的外部特性, 又揭示了系统内部的结构特性. 既可用于线性定常系统, 又可应用于线性时变系统.
在现代控制理论的发展中, 形成了许多的分支. 如最优控制、系统辩识、随机控制、自适应控制等, 都是以线性系统理论为基础. 同时, 非线性系统理论, 大系统理论等也都不同程度地受到了线性系统的概念、方法和结果的影响、推动.
控制理论的进一步发展是最近几十年才刚刚展露头角的智能控制理论. 它包括模糊控制、神经网络、专家控制等一系列的人工智能控制理论. 控制理论的发展必然走向模拟和综合人类的智能. 事实上, 在科学技术如此发达的今天, 人类大脑的高超作用仍是不可忽视的主要因素. 迄今为止, 世界上最高级最有成效的控制器还是人类自身. 人类具有比其他任何动物都高度发达的大脑, 人具有处理模糊信息和直觉推理的多种智能. 因此, 深入研究人类大脑神经系统的机能, 模拟人类大脑思维控制的功能, 通过多种方式实现对传统控制难以实现的复杂不确定性系统进行卓有成效的智能控制, 是控制理论发展的必然趋势.
传统控制(经典控制理论和现代控制理论) 的主要特征是基于模型的控制, 即首先要建模) ) ) 实现对实际被控物理对象的数学模型的建立. 但是随着人类生产力发展水平的提高, 需要被控制的对象越来越复杂. 其复杂性表现为高度的非线性, 高噪声干扰, 动态突变性以及分散的传感元件和执行元件, 分层和分散的决策机构, 多时间尺度, 复杂的信息结构等. 这些复杂性都难以用精确的数学模型(微分方程或差分方程) 来描述. 然而, 对这样复杂系统的控制性能的要求越来越高, 这都使得基于精确模型的传统控制系统难以解决. 因此, 把人工智能的方法引入控制系统, 将控制理论的分析和理论的洞察力与人工智能的灵活框架结合起来, 才有可能得到新的认识上的突破. 智能控制系统具有拟人的智能或仿人的智能, 即人工智能. 这种智能主要表现在智能决策上, 能够有效地解决复杂性和不确定性的控制问题.
模糊控制就是在研究人的控制行为特点的基础上发展起来的. 对于无法构造数学模型的被控制对象, 让计算机模仿人的思维方式, 进行控制决策. 人的控制可以用语言加以描述, 总结成一系列的条件语句, 即控制规则. 运用微机的程序来实现这些控制规则, 这样就很像是人的思考行为了. 总之, 模糊控制是基于专家经验和专业领域的知识, 总结出若干条模糊控制规则, 构成描述具有不确定性复杂对象的模糊关系, 通过被控系统输出误差和模糊关系的推理合成来获得控制量, 从而对系统进行控制.
模拟人类大脑的机能, 人们又创造出了人工神经网络(可以通过计算机软件实现或通过大规模集成化硬件电路实现), 并且进一步实现了神经网络控制系统. 即在控制系统中采用神经网络这一工具对难以, , .
第23卷第2期于新生, 等:控制理论与人工智能 67 制具有很强的逼近非线性函数的能力, 即非线性映射能力. 神经网络还具有自学能力、自适应能力. 可以实现最优化的决策控制, 神经网络学习控制, 自组织控制,, 将神经网络控制与模糊控制相结合, 可以实现更加复杂高效的神经网络模糊控制系统. 在人工智能的新技术不断出现及智能控制的应用不断深化的过程中, 神经网络必将在和其他的新技术相融合中, 发挥出更大的作用.
人工智能发展的最高水平的体现就是现代智能机器人. 智能机器人要实现更为复杂的仿人控制, 就不仅要使它具有人类的智力思维模式, 还需要使机器人具有人类的情感思维模式. 研究表明, 人类的思维决策是辩证逻辑思维与情感思维的结合. 情感思维可以使个体以最佳的行为方式(即控制方式), 与社会的其他成员, 特别是与其具有情感联系的某些人之间协同交互作用, 达到最优化的效果. 在未来的智能机器人控制系统中, 不具备情感思维模式的控制是难以想象的, 是不完备的. 这就是要在机器人身上, 实现仿人类的人工感情思维控制. 这一问题, 牵涉到机器人与人类之间的情感交流以及机器人相互之间的情感交流. 情感思维模式是动物, 特别是人类智慧的突出表现, 是生物, 特别是人类在长期的社会进化中所逐渐形成的复杂控制系统. 如何能以在机器人身上得到实现, 将是控制理论要进一步深入研究的课题, 也是人工智能发展必将达到的新阶段.
参考文献:
[1]胡寿松. 自动控制原理[M].北京:科学出版社, 2001.
[2]刘豹. 现代控制理论[M].北京:机械工业出版社, 2004.
[3]李士勇. 模糊控制、神经控制和智能控制论[M].哈尔滨:哈尔滨工业大学出版社, 1996.
Control theory and artifici al i ntelli gence
YU X i n O sheng , LI U De O hua
(D epar t m ent of Phys i cs , Zhoukou N or m a lU n i versity , Zhoukou 466000, China)
Abstract :Th is article su mm arized t he m a i n theo ry ma i npo i n ts of con tro l theo ry i n each develop m ent phase . Based on the e labo -ra ti on a rtific i a l Inte lli gence theo ry , w e propo sed t hat the artifi c ial emo ti on(the robot e m otion rea liza ti on) is the essential pro cess o f intelligent contro l develop m ent , and the e m oti on thought contro l i s the m a i n pa rt of robo t senior i nte lli gence contro l.
K ey word s :contro l t heory ; m athem ati ca lm ode; l i nte lli gence contro l
(上接第52页)
[3]Po rt o J A, G arc a O V ida l F J , P endry J B . T rans m ission resonances on m eta llic grati ngs w ith very na rrow slits[J].Phy s . R ev . Le tt , 1999, 83:2845-2848.
[4]Popov E , N ev i re M, Enoch S , de Forne l F . T heory of light trans m i ssi on through sub w aveleng t h per i od i c ho le a rrays[J].Phys .
R ev . L ett , 2000, 62:16100-16103.
[5]K i m T J , T hio T, Ebbesen T W , et a. l Control of optical trans m ission through m eta ls perforated w i th sub w ave l eng t h ho l e array s
[J].O pt . L ett, 1999, 24:256-261.
[6]Sa l omon L, G r illot F, Zayats A V, et a. l N ear O field d i str i bution of opti ca l trans m ission of period ic sub w ave length hole i n a me-t
a l fil m [J].Phys . Rev . L ett , 2001, 86:1110-1113.
[7]K li pa N, Sunji c M. Dyna m ica l effecti ve po tentia l s i n electron tunne ling :pat h O i ntegral study[J].Phy s . R ev . B , 1995, 52:12408
-12411.
[8]N essH, H isher A J . A m atri x me t hod for treati ng t he coup li ng bet ween an electron and a s u rface p l as m on :a dynam ical i m age
potenti a l i n m ode l tunne lli ng j unctions[J].Phy s . :Condesed M atte r , 1998, 10:3697-3701.
[9]雷军. 上海交通大学博士论文, 2002:20-29.
[10]Barton G. So m e surface effects in the hydrodynam ic model o fm eta ls[J].R ep . P rog . Phys , 1979, 42:963-975.
The periodically corrugated surface effect on the dis persion
relation of surface plas mon polaritons
WU X i n , WANG Zh i O guo
(Depart m ent of Physics, Tong jiUn iversity , Shanghai 200092, China)
Abstrac t :In orde r to understand t he effect of sem i -i n finite m e tal w ith per i odicall y corrugated surface on the e lectron ic co llec -ti ve exc itati on , the s u rface p l as m on modes on such surface are stud i ed w it h the hydrodyna m i c m ode. l T he dispersi on re lati on in t h is case i s com pared w it h t he one o f plane i nter face to st udy the e ffect o f pe ri od i ca l structure on dispe rs i on re lati on . s :; re ;
范文二:人工智能与CAD
人工智能与 CAD
摘要:人工智能(Artificial Intelligence , AI )是计算机科学、控制论、信息论、神经 生理学、 语言学等多种学科互相渗透而发展起来的一门新兴学科。 人工智能主要是研究、 解 释和模拟人类智能、 智能行为及其规律, 用人工的方法和技术使计算机系统能模仿、 实现和 扩展人类的智能行为。人工智能与 CAD 系统结合就形成了智能 CAD 系统 (ICAD)。智能 CAD 系统是 CAD 技术的一个重要发展趋势。 人工智能在 CAD 中的应用主要集中在知识工程的引入, 发展专家 CAD 系统。 它将许多实例和有关专业范围内的经验、 准则结合在一起 , 给设计者更 全面,更可靠的指导。
关键词 :CAD ; 人工智能 (AI); 专家系统; 智能 CAD 技术 (ICAD);
Abstract :artificial intelligence ( Artificial Intelligence, AI ) is computer science, control theory, information theory, neurophysiology, linguistics and other disciplines to infiltrate each other and the development of an emerging discipline. Artificial intelligence is the main research, interpretation and modeling of human intelligence, intelligent behavior and its law, the use of artificial methods and techniques so that the computer system can mimic, implementation and extension of human intelligent behavior. Artificial intelligence and CAD system of intelligent CAD system ( ICAD ). Intelligent CAD system in CAD technology is an important development trend. It will be many examples and relevant professional range of experience, standards together, give designers more comprehensive, more reliable guide.
Keywords:CAD;Artificial Intelligence; Expert system; ICAD
CAD 技术 就是利用计算机及其图形设备帮助设计人员进行设计工作。 在工程 和产品设计中,计算机可以帮助设计人员担负计算、信息存储和制图等项工作。 在设计中通常要用计算机对不同方案进行大量的计算、 分析和比较, 以决定最优 方案;各种设计信息,不论是数字的、文字的或图形的,都能存放在计算机的内 存或外存里, 并能快速地检索; 设计人员通常用草图开始设计, 将草图变为工作 图的繁重工作可以交给计算机完成;利用计算机可以进行与图形的编辑、放大、
缩小、平移和旋转等有关的图形数据加工工作。
人工智能 (Artificial Intelligence, AI) 是计算机科学控制论、信息论、 神经生理学、 语言学等多种学科相互渗透而发展起来的一门新兴边缘学科。 它是 研究开发用于模拟、 延伸和扩展人的智能的理论、 方法、 技术及应用系统的一门 新的技术科学。 人工智能是计算机科学的一个分支, 它企图了解智能的实质, 并 生产出一种新的能以人类智能相似的方式做出反应的智能机器, 该领域的研究包 括机器人、语言识别、图像识别、自然语言处理和专家系统等。在这些研究领域 中,其共同的基本特点是让机器学会“思考” ,成为智能机器(Intelligence machine) 。
人工智能问题的求解是以知识为基础的,知识表示是人工智能的核心技术之 一。所谓知识表示,就是对知识的一种描述,是一组约定,是一种使计算机可以 接受的用于描述知识的数据结构。 对知识进行表示就是把知识表示成便于计算机 存储和利用的某种结构目前常用的知识表示发法有谓词表示法、产生式表示法、 框架表示法、语义表示法、面向对象表示法等多种方法。
人工智能在 CAD 中的应用:智能 CAD(ICAD)
ICAD 是一种由多个智能体(或称专家系统)与多种 CAD 功能模块有机集成 的支持产品设计的复杂系统。它强调以下的思想:
a ) ICAD 是传统 CAD 技术与专家系统技术的有机集成;
b ) ICAD 中一般包括有多个专家系统,或称智能体;
c ) ICAD 系统应该为复杂产品的创新设计、革新设计或变型设计提供强大、可变 化的支持或工作平台;
d ) ICAD 支持复杂产品设计的范围应包括产品需求分析方案设计、 装配结构设计、 可制造分析、工程分析、优化设计、详细设计及运动仿真等环节。
智能 CAD 发展的两个阶段
1. ICAD 的初级阶段—设计型专家阶段
它们表现为智能 CAD 发展的初级阶段, 有着某些共同的特性 :首先, 问题比较 单一,只涉及单一领域的知识,大都只用一个专家系统进行工作:其次,专 家系统开始于 CAD 有关模块集成在一起,系统不但有知识库与符号推理,还 有数据库、图形库、运算及工程分析,形成了设计型专家系统。
2. ICAD 的高级阶段— 面向动态联盟的集成化智能设计系统(intergrated intelligent CAD,IICAD)系统是智能 CAD 的高级阶段,代表了 ICAD 的发展 方 向 , 从 而 在 人 的 主 导 下 将 复 杂 产 品 的 设 计 自 动 化 推 向 更 高 的 水 平
在 ICAD 研究与应用开发中,要解决三个基本问题:1. 设计知识模型的表示与建
模方法; 2. 知识利用; 3.ICAD 的体系结构
智能 CAD 的应用非常广,在这里只给出其中几个应用的例子。
1.自动方案生成。理想的智能 CAD 是:人类提出设计的要求,由计算机来 模拟设计师,自动地设计出形式多样的且能满足要求的设计方案来。
2.智能交互。在智能 CAD 系统中,系统可以用户输入的信息为基础,通过 计算机已具备的知识和推理,自动获得更多的信息,从而使得交互变得简便。
3.智能显示。色彩方面、真实感方面。
由上述内容可见智能 CAD 技术对于普通的 CAD 技术有着无可比拟的优势, 相 信随着人工智能技术和 CAD 技术的更进一步的发展, 人工智能技术在 CAD 中的应 用也将更广泛,智能 CAD 将会在各个领域的设计制造行业独当一面。
参考文献
[1]王隆太、朱灯林等著 . 机械 CAD/CAM技术第三版,机械工业出版社, 2010
[2]袁泽虎、戴锦春等著 . 计算机辅助设计与制造,中国水利水电出版社, 2004
[3]曹承志著 . 人工智能技术,清华大学出版社,
2010
范文三:智能与人工智能
智能与人工智能
姓名:张颖硕 学号:1345536204 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。
著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义:“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为:“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
人工智能就其本质而言,是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。 《人工智能的未来》,这本书诠释了智能的内涵,阐述了大脑工作的原理,并告诉我们如何才能制造出真正意义上的智能机器——这样的智能机器将不再仅仅是对人类大脑的简单模仿,它们的智能在许多方面会远远超过人脑。霍金斯认为,从人工智能到神经网络,早先复制人类智能的努力无一成功,究其原因,都是由于人们并未真正了解智能的内涵和人类大脑。所谓智能,就是人脑比较过去、预测未来的能力。大脑不是计算机,不会亦步亦趋、按部就班的根据输入产生输出。大脑是一个庞大的记忆系统,它储存着在某种程度上反映世界真实结构的经验,能够记忆事件的前后顺序及其相互关系,并依据记忆做出预测。形成智能、感觉、创造力以及知觉等基础的,就是大脑的记忆-预测系统 。
人工智能在计算机上实现时有两种不同的方式。一种是采用传统的编程技术,使系统呈现智能的效果,而不考虑所用方法是否与人或
动物机体所用的方法相同。它已在一些领域内作出了成果,如文字识别、电脑下棋等。另一种是模拟法,它不仅要看效果,还要求实现方法也和人类或生物机体所用的方法相同或相类似。为了得到相同智能效果,两种方式通常都可使用。采用前一种方法,需要人工详细规定程序逻辑,如果游戏简单,还是方便的。如果游戏复杂,角色数量和活动空间增加,相应的逻辑就会很复杂,人工编程就非常繁琐,容易出错。而一旦出错,就必须修改原程序,重新编译、调试,最后为用户提供一个新的版本或提供一个新补丁,非常麻烦。采用后一种方法时,编程者要为每一角色设计一个智能系统来进行控制,这个智能系统开始什么也不懂,但它能够学习,能渐渐地适应环境,应付各种复杂情况。这种系统开始也常犯错误,但它能吸取教训,下一次运行时就可能改正,至少不会永远错下去。利用这种方法来实现人工智能,要求编程者具有生物学的思考方法,入门难度大一点。但一旦入了门,就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定,应用于复杂问题,通常会比前一种方法更省力。
人工智能对世界发展带来的深远的影响。(1)人工智能对自然科学的影响。在需要使用数学计算机工具解决问题的学科,人工智能带来的帮助不言而喻。更重要的是,人工智能反过来有助于人类最终认识自身智能的形成。(2)人工智能对经济的影响。专家系统更深入各行各业,带来巨大的宏观效益。人工智能也促进了计算机工业网络工业的发展。但同时,也带来了劳务就业问题。由于人工智能在科技和工程中的应用,能够代替人类进行各种技术工作和脑力劳动,会造成社会结构的剧烈变化。(3)人工智能对社会的影响。人工智能也为人类文化生活提供了新的模式。现有的游戏将逐步发展为更高智能的交互式文化娱乐手段,今天,游戏中的人工智能应用已经深入到各大游戏制造商的开发中。
伴随着人工智能和智能机器人的发展,不得不讨论是人工智能本身就是超前研究,需要用未来的眼光开展现代的科研,因此很可能触及伦理底线。作为科学研究可能涉及到的敏感问题,需要针对可能产生的冲突及早预防,而不是等到问题矛盾到了不可解决的时候才去想办法化解。
范文四:人工智能研究与发展-人工智能论文
内容摘要:
50多年来,人工智能在模式识别、知识工程、机器人等领域已取得重大成就,
但离真正的人类智能还相差甚远。当今网络时代,人工智能科学要在学科交叉研
究中实现人工智能的发展与创新,会更加关注认知科学、脑科学、生物智能、物
理学、网络科学与人工智能之间的交叉渗透,重视认知物理学的研究;自然语言是
人工智能研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量
表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络
的小世界模型和无标度特性,把网络拓扑作为知识表示的一种新方法,研究网络
拓扑的演化与网络动力学行为,研究网络智能。本文对这3个重要方向进行了阐述,
并提出了建议。
关键词:
网络时代;人工智能;不确定性人工智能;网络智能
Abstract:
Pattern recognition, knowledge engineering, and robotics have made significant progress in the 50 year history of artificial intelligence, yet AI disp lays far from human intelligence. In the current networks, if researchers in artificial intelligence want to maximize developments and innovations in interdiscip linary studies, they must pay more attention to the intersections and infiltrations of cognitive science,brain science, physics, network,science, computer science, and artificial
intelligence. Research in cognitive physicswill be an especially important direction in AI. Natural language is an important objective in AI research; we need to establish an uncertainty transformation model that can quantitatively rep resent its concep ts. This dictates that an AI science with uncertainty will be developed. Considering the small world model and scale2free features of comp lex networks in real life, we need to use network topology as a new way for knowledge rep resentation. Thiswill aid study of the progress of network topology, network dynamics and intelligence. This paper discusses these three directions in detail. Some concrete suggestions for further research are also provided.
Keywords:
network age; artificial intelligence; intelligence with uncertainty; networked intelligence
1
人工智能研究与发展
人工智能学科诞生已半个多世纪,先后出现有逻辑学派(符号主义)、控制论学派(联结主义)和仿生学派(行为主义)。符号主义方法以物理符号系统假设和有限合理性原理为基础,联结主义方法以人工神经网络和进化计算为核心,行为主义方法则侧重研究感知和行动之间的关系。这些理论和方法在模式识别、知识工程、机器人等领域取得了伟大成就,极大地推动了科技进步和社会发展。
人工智能自诞生起就引发了人们无限美丽的想象和憧憬,但其发展过程也存在着不少争议和困惑:什么才算是真正的“智能”? 为什么再高级的电脑、再智能的机器与人类的智能相比仍然那么幼稚? 回顾最近十几年来,我们在国家自然科学基金项目、国家863计划、973计划的支持下,承担的人工智能研究工作,也让我们深深陷入了对在网络时代人工智能发展的新的特征和走向的思考。
1 在交叉学科研究中实现人工智能的创新
人工智能的研究范畴一直是很宽泛的,涉及到哲学、认知科学、行为科学、脑科学、生理学、语言学、数学以及信息论、控制论等许多学科领域。人工智能这种综合性、交叉渗透性早在它诞生之日起就得到充分的体现。在达特茅斯会议上,有包括数学、神经生理学、心理学、信息论和计算机科学等多领域的学者参加,科学家们从各自学科的角度出发,根据不同的学科背景,产生了激烈碰撞。 尽管出发点有所不同,它们都汇聚到研究人类智能活动的表现形式和认知规律,模拟人类某些智能行为和方法,构造具有一定智能的人工系统,让计算机去完成以往需要人的智力才能胜任的工作,从而诞生了“人工智能”这一新的学科。
当今,网络无所不在,网络拓扑成为知识表示的重要手段,网络中的节点,可以是形形色色的行为主体,主体之间相互作用。网络科学是研究网络中节点相互作用的理论和方法。人工智能在起点时刻发生的碰撞,今天甚至可以通过网络拓扑进行形式化研究。网络时代人工智能发展的主要动力,更是要来自更广泛学科的交叉渗透,而各学科自身的飞速发展,为人工智能交叉研究提供了广阔的空间。 1. 1 重视和脑科学的交叉研究
脑科学的目的是认识脑、保护脑和创造脑。人脑是生物智能最杰出的表现,是自然界中最复杂最高级的智能系统。计算机很早就被称为电脑,说明人工智能要用电脑模拟人脑、制造机器生命的伟大目标。因此脑科学和人工智能的交叉是
2
必然的。人工智能是研究怎样使计算机来模仿人脑所从事的推理、学习、思考等思维活动,来解决人类专家才能处理的复杂问题。人们的认知活动反应在大脑上很可能对应着一定的生理上的化学、电学的变化,但是目前生命科学还不能在思维活动与亚细胞的化学、电学层次的活动建立确切的关系。也不能决定什么样的神经构造可以决定着哪些认知模式的发生。因而脑科学今后的任务仍将是从多层次来研究脑的整合功能,包括脑如何感知,如何理解语言,如何产生情感,并将对神经活动的认识推向细胞和分子水平。
1. 2 重视和认知科学的交叉研究
认知科学是研究人类感知和人类思维过程的科学,包括研究感知、记忆、学习、语言和其他认知活动。感知是大脑通过各种感觉器官接受外界的声、光、触、嗅等信息,其中视觉感知起着尤为重要的作用。认知以感知为基础,知觉是脑对客观各种属性的综合反应,知觉的表达是研究其他各个层面认知过程的基础。记忆是对感知的保持,有了记忆,当前的反映才能在以前反映的基础上进行,人才能积累经验。记忆和遗忘是大脑的本能。学习是基本的认知活动,有人把学习分为感知学习、认知学习和意义学习。学习主要是通过语言来表达的,人类智能和其他生物智能最突出的差别就在于语言,尤其是文字语言。语言以语音为外壳、词汇为材料、语法为规则。还有很多其他的认知行为,如注意、意识等,通过生物的对比实验,来理解心理活动和表象(如情绪)之间的关系,实现情感计算。人工智能要想在知识的表示、存储、搜索、优化、预测、计划、判断、自适应等方面取得突破性成果,必然要把研究目标拓广到整个认知科学的理论、实验和实证中去。 1. 3 重视和物理学的交叉研究
人类在对客观世界的认识过程中,已经取得的最集中、最突出的惊人成就当
还有天文学的大爆炸理论,大陆漂移说和属物理学。如原子物理学、粒子物理学,
进化论等。人们对物质结构的认识,一方面去探索大尺度的目标,包括行星、星球、银河系等,另一方面积极探索微观世界,发现物质更小的构成单元,从分子、原子深入到原子核、再到中子、质子,进一步又深入到夸克层次。用更统一的理论去覆盖这4种相互作用,是物理学大家孜孜不倦的追求。诺贝尔物理学奖获得者李政道曾说:“科学,不管天文、物理、生物、化学,对自然界的现象,进行新的准确的抽象,科学家抽象的叙述越简单,应用越广泛,科学创造也就越深刻”。 如此精辟的结论,启发了一个深刻的问题: 21世纪物理学的发展依然是简化归纳。
3
当今, 人工智能研究中一个十分活跃的分支——数据挖掘,追溯到早期是以演绎为主的专家系统的潮流而动,期望能够通过对数据的分析、清洗、整合、挖掘、模拟人的认知和思维活动,发现新的知识,这种抽象的过程,本质上也是简化归纳。那么,对人脑自身的认识是否可以借鉴对客观世界的认知呢? 21世纪认知和思维科学发展的一个重要方向,就是把现代物理学中对客观世界的认知理论成果引伸到对主观世界的认知中来,这就是我们孜孜所求的方向,不妨称之为认知物理学。以从关系数据库中发现知识为例不妨将发现知识的背景看作是一个具,
有M 维属性的N条记录构成的逻辑数据库,即M 维论域空间中的N 个客体表示的数据分布每一个客体看作是论域空间的一个点电荷或质点位于场内的所有其。 ,
他客体都将受到该客体的某种作用力。 这样一来,在整个论域空间就会形成一个场,所谓数据库中的知识发现,就是在发现状态空间从不同粒度上研究这些客体之间通过场发生的相互作用和关系, 模拟人类知识发现中的抽象过程。
人类智能的一个公认特点,是人们能够从极不相同的粒度上观察和分析同一问题,不仅能够在同一粒度世界里进行问题求解,而且能够很快地从一个粒度世界跳到另一个粒度世界,甚至具有同时处理不同粒度世界的能力,这正是人类问题求解的强有力表现。而人类的认知和思维的过程,实际上对应着不同粒度表述的概念在不同尺度之间的转化过程。如何形式化描述人类认知过程中从数据到概念,从概念到规则的发现状态转换,以及知识由细粒度到粗粒度的逐步归纳简约的过程,也是人工智能研究中的基础问题。 我们借鉴物理空间的多视图、多层次等特点,借用物理学中状态空间转换的思想,形成了知识发现状态空间转换的框架,空间中的每个状态代表一个相对稳定的知识形态,而认知过程则对应着从一个状态空间到另一状态空间的转换,数据场成为发现状态空间转换的重要工具。
人类的智能包括3个方面:数学计算、逻辑思维和形象思维。用计算机模拟人的数学计算是人工智能的第一阶段, 50年来,机器模拟人的逻辑思维能力取得了巨大成功,但是用计算机模拟人类不确定性智能、模拟形象思维还差之很远。形象思维是指通过直觉感知对象的图像,进行想象、联想或顿悟等。直觉和想象力离不开视觉和形象,视觉、形象在大脑中残留形成一个形象思维的空间,可借鉴物理学中的场,描述形象思维空间各个像素之间的相互作用。
2 自然语言应该成为人工智能研究的直接切入点
2. 1 人工智能研究中的不同切入点
4
50年的人工智能研究忽略了一个基本事实:人脑的思维基本上不是确定的、纯数学的,自然语言才是人类思维活动的载体。人工智能必须直面自然语言。自然语言中的基本单元是语言值,概念是人类思维的基本“细胞”,能够起到“认知浓缩”的作用,使认识从低级的感性阶段上升为高级的理性阶段,人脑中概念形成过程就是思维的一种表现。以概念为基础的语言、理论、模型是人类描述和理解世界的方法。用概念的方法把握量和量的不确定性,比确定性数学表达更真实,更有普遍性。客观世界中有许多问题,其最有效的知识表示方法只能是文字语言。
本人认为,人工智能应该从自然语言直接切入,抓住自然语言中的概念不放,研究定量到定性,从数据到知识的思维过程,以及思维所运用的信息的形式化组织。当前,WEB信息搜索引擎,从关键词组合入手的词搜索已经取得了巨大成功,基于语义网络的语句搜索也展现出诱人的前景,这就是一个个证明。 2. 2 自然语言中的不确定性和不确定性人工智能
不确定性是客观世界固有的属性,自然语言带有不确定性是很自然的,是人类思维的本质特征。概念作为人类思维的基本“细胞”,也不可避免的带有不确定性。概念中的不确定性有很多种,最主要的是模糊性和随机性,二者密切相关。 因此,研究模糊性和随机性的关联性,尤其是通过概率测度理论研究模糊性,建立云模型,理解云的数学性质,运用云方法进行数据挖掘,一直是我们长期研究的重要内容。语言的不确定性,非但没有妨碍人们的使用和交流,相反倒是被安然地接受,这说明人类智能对不确定性有很强的表达、处理和理解能力,正是不确定性的存在,才导致语言使用的鲁棒性。
人工智能已经建立的各种符号语言,与自然语言相比,它们过分精确与严密,通过精确的数学运算和传统的集合运算去实现词计算,就失去了词语的不同情境下的自适应性,也就失去了词计算的普遍性。人们寄期望于表示概念的语言值的不确定性研究及其语义网络的研究取得突破。如果不能用自然语言作为其知识表示的基础,建立不起不确定性人工智能的理论和方法,人工智能也就永远实现不了跨越的梦想。
2. 3 用于不确定性转换的云模型
以概念为基础的自然语言是人类知识描述和思维活动的载体。人借助语言进行思维,并不涉及过多的量的数学运算。自然语言中的概念是定性的,对自然语言中概念的不确定性的形式化,是不确定性人工智能的基础要求。考虑到物理学在
5
对客观世界的认识中原子模型起了重要作用,把概念作为语言的基本模型,就好像把原子看作是物质组成的基本模型一样。以自然语言中的概念为切入点,在概率理论基础上研究隶属度的不确定性并建立了定性和定量转换模型——云模型。
云模型作为自然语言的原子模型,可以反映自然语言中概念的随机性、模糊性及其关联性。云模型仅仅使用期望、熵和超熵3个数字特征就足以在整体上表征一个概念。这对理解定性概念的内涵和外延有极其重要的意义。目前,云模型用于智能控制,成功地实现了对三级倒立摆的实时动平衡姿态的转换;用于数据挖掘,实现了对关联规则和预测知识的发现;用期望、熵和超熵3个数字特征表示物种、遗传和变异,模拟自然界的演化,云进化计算方法可获得更优解;还作为数据库水印、软件水印或流媒体水印用于信息安全中。云模型和云计算作为不确定性人工智能研究中定性定量转换的有力工具,必将在更多的领域得到广泛应用。 3 把网络拓扑作为知识表示的基本方法来研究网络智能
3. 1 复杂网络研究的重大成果:小世界和无标度特性
20世纪的科学研究,认识到简单确定性的系统会演变为复杂的、不确定的行为,如分形结构,蝴蝶效应等,还认识到复杂系统在随时间的演变和变异过程中会突变,物理学中称为相变。导致相变的诱因和临界条件,成为人们研究复杂系统的核心问题。复杂系统不单单是简单个体单元的叠加,不可能用单元的个体性质来预言复杂系统整体丰富的行为,要研究个体之间相互作用形成的群体智能。
人们对大量实际的复杂系统进行实证研究和建模分析,发现这些网络的演化规则非常相似。实际生活中的复杂系统,是受某些简单规则所驱动的组织行为,这些不同系统、不同学科之间的相似性,以及宏观和微观上的自相似性,导致复杂系统和复杂网络的研究必然是跨系统、跨尺度和跨学科的。
复杂网络还具有鲁棒性和脆弱性并存的特点。 其除了小世界和无标度之外,
抗随机攻击和随机故障的能力很强,但是在故意有目的地针对精英节点的攻击面前,表现脆弱。网络拓扑的决定性,反应了节点之间相互作用的拓扑形态,比一个个的节点要重要得多。无论是因特网、神经网,还是生态链都可能具有相同的行为特性,受制于某些基本的法则。目前,对网络拓扑的研究已成为研究复杂系统动力学性质的强有力的工具。
3. 2 网络拓扑作为知识表示的研究方法
如果说符号语言也好,自然语言也好,还是一个个符号、一个个词连接起来的
6
一维的形式化知识表示方法的话,那么将网络拓扑作为二维的知识表示形态是一件很有意义的研究。拓扑是一种特殊的图形,人对图形、图像的表示方法和理解能力是人类智能的重要表现。把网络拓扑作为知识表示,首先要能够用计算机方法模拟生成现实世界中复杂网络的拓扑结构。现实世界的复杂网络是一个演化的过程,理想的、严格数学意义下的随机网络、小世界网络和无标度网络几乎不存在。因此,如何模拟生成能够最大程度符合真实网络统计特征的网络拓扑是把网络拓扑作为知识表示的基础性问题。把一些典型的网络模型通过带有不确定性的生长、叠加、变异等方式合成为一个复杂网络是有意义的研究工作。
基于云分形的复杂网络发展演化过程,将一个初始网络拓扑作为云模型中的种子——期望拓扑,按照大致自相似的规则复制生长,用云模型中的熵和超熵控制变异的程度,生成的每一次网络结构,相当于云模型中的一个云滴。这样不仅模拟生成了具有小世界、无标度特征的复杂网络,而且较好地反映了网络演化过程中的不确定性。在用网络拓扑作为知识表示的过程中,将研究对象表示为节点,对象之间的关系表示为边,节点的位置、节点的属性,边的属性、以及边的距离等等都可以赋予特定的物理含义。更进一步地,网络拓扑中的节点,代表各种各样的实体;节点的属性可借助物理学中的粒子性来表征。节点间的边可借助物理学中的波动性来表征。以此为基础,形成计算实验平台,研究网络上的动力学行为,模拟复杂网络在什么样的临界条件下会发生网络节点的级联失效或连锁崩溃行为,这就是网络化的智能。它区别于使用传统的人工智能技术去解决网络路由算法、WEB搜索引擎等的网络智能,也区别于传统的分布式智能。发现复杂网络中不确定性的规律性,无序中的有序性,竞争中的协同性,又称网络化数据挖掘。 把网络拓扑作为知识表示方法,针对实际的复杂网络,提出通过拓扑势方法,挖掘出最能代表它的骨干拓扑结构,排列出网络中节点的重要性次序、边的重要性次序,发现不同的社团成员,以及挖掘出社团的结构模式等,都是很有意义的研究工作。 4 结束语
科学发展到今天,一方面是高度分化,学科在不断细分,新学科、新领域不断产生;另一方面是高度融合,更多地呈现学科交叉和综合的趋势。这种特征在人工智能研究中表现尤其突出。秉承人工智能学科交叉的天性,并把它作为创新思想的源泉,必将孕育网络时代人工智能的大突破,对人类文明产生重大影响。
7
参考文献
【1】 王士同.人工智能教程(第二版).电子工业出版社,2008 【2】 崔良沂,赵永昌.人工智能[M].北京:清华大学出版社,2005:3-48 【3】 蔡自兴,徐光祐.人工智能及其应用[M].北京:清华大学出版社,2005:
10-23
【4】 孔松涛.人工智能的发展及应用[J].河南科技.2003(10):19-20 【5】 李德毅,杜 益.不确定性人工智能[M].北京:国防工业出版社,2005 【6】 李德毅,刘 坤,孙 岩,等.涌现计算E辑:技术科学,2007,37(10):
1248-1257
【7】 石纯一,黄昌宁等.人工智能原理.北京:清华大学出版社,1993 【8】 张师帅.非确定推理的几个问题.计算机工程.1992(4)
【9】 张成奇.专家系统中的不精确推理概述.计算机科学,1987(1) 【10】史忠植.知识工程.北京:清华大学出版社,1988
8
安徽新华学院人工智能课程成绩评定表
信息工程学院 班 级:06计算机科学与技术(2)班 院 系:
学 号: 062102501227 姓 名: 陈 远 涛
论文题目:
人工智能研究与发展
教师评定等级:
教师签字:
年 月 日
9
范文五:人工智能在控制领域的理论与应用
人工智能在控制领域的理论与应用
1 引言
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质.并生产出一种新的能以人类智能相似的方式作出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
本文在查阅国内外有关文献资料的基础上对人工智能技术近年来在控制领域的应用状况进行综述并对该技术今后的研究方向做了展望与探讨。
2 人工智能(AI)及智能控制的基本概念
人工智能是计算机学科的一个重要分支,一直处于计算机技术的前沿,被人们称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。
2.1 人工智能的定义及应用领域
2.1.1 人工智能的定义
人工智能(AI)也称机器智能,它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
2.1.2 人工智能的应用领域
①问题求解
计算机博弈是人工智能中关于对策和斗智问题的研究领域。目前,计算机博弈主要以下棋为研究对象,但研究的主要目的不是为了让计算机与人下棋,而是为了给人工智能研究提供一个试验场地。在下棋程序中体现出来的一些步骤,例如能够思考如何向前走几步,不仅要把对手的方法、步骤考虑进去,还能够把困难问题进行逐步分解,最终战胜对方的能力。如今的计算机软件已具有如象棋、围棋的世界锦标赛的先进水平。
②逻辑推理与定理证明
逻辑推理是人工智能研究中最持久的领域之一,重要的一点是要找到一些对策及方 法,把大量的素材集中在一个大型数据库中(数据库需有很复杂的逻辑结构,甚至还要有模糊记忆),留意可信的证明,并在出现新信息时即时修正这些证明。定理证明就是让计算机模拟人类证明定理的方法,自动实现非数值符号的演算过程。如信息检索和医疗诊断等都可以和定理证明问题一样加以形式化。它方便了人类,促进了科学发展,达到了人类所不能及的智力。
③自然语言处理
自然语言处理主要研究如何使计算机能够理解和生成自然语言。现在的自然语言理解往往与模式识别、计算机视觉等技术结合在一起,在文字识别和语音识别系统的配合下进行书面语言和有声语音的理解。
④智能信息检索技术
当今,科学技术的飞速发展,信息获取是目前计算机科学与技术研究中迫切需要研究的 课题。这一技术在人工智能领域的应用,能使人工智能迈向更广泛的实际应用当中。 ⑤专家控制系统
专家系统是基于专家知识和符号推理方法的智能系统,它将专家领域的经验用知识表示的方法表示出来,放入数据库中,根据这些素材在推理机的作用下,解决某一专门行业内需要专家才能解决的问题。如在第二代专家系统中,把原理和经验分离开来,并引入基于前者的深层推理和基于后者的浅层推理,从而提高了系统运行的强壮性。现在这一点已被证实。如在矿物勘测、化学分析、医学诊断方面,专家系统已经达到了人类专家的水平。例如:地质勘探软件程序系统发现了一个钼矿沉积,价值超过1亿美元。MY CIN系统可以对人类血液传染病、乳腺癌的诊断治疗方案能够提供咨询意见;对患有细菌性血液病、脑膜炎方面的诊断和治疗方案已经超过了这一领域的专家水平。
2.2 智能控制理论及研究领域
智能控制是在人工智能及自动控制等多学科之上发展起来的一门新兴、交叉学科,它具有非常广泛的应用领域,如专家控制、智能机器人控制、智能过程控制、智能故障诊断及智能调度与规划等。
2.2.1 智能控制的定义
所谓智能控制是通过定性与定量相结合的方法,针对环境和任务的复杂性与不确定性,有效自主地实现复杂信息的处理及优化决策与控制功能。
2.2.2 智能控制的研究领域
传统控制包括经典反馈控制和现代控制理论,它们的主要特征是基于精确的系统数学模型控制,在复杂问题的实际应用中遇到了不少难题。因此,需将人工智能的方法引入控制系统,从而实现系统的智能化,即通过采用仿人智能控制决策,迫使控制系统向期望的方向发展。 智能控制是一类无需(或尽可能少的)人的干预就能够独立自主地应付环境条件或加工对象的变化,有效地驱动智能机器实现其目标的自动控制,它是自动控制的最新发展阶段,对智能控制系统的研究和设计,重点放在对任务和世界模型的描述、符号和环境的识别以及知识库和推理机的设计开发上,即放在智能机模型上。
3 人工智能在电气工程自动化中的应用
3.1 电气设备优化设计
电气设备的优化设计工作比较复杂,需要结合电路、电磁场、电机电器等方面的基础知识和丰富的设计经验知识。以往电气产品设计缺少相关技术的支持,效率很低,工作量也很大,很难设计出科学合理的方案。随着计算机技术迅速发展,计算机辅助设计(CAD )逐渐替代了手工设计,大大缩短了产品开发周期,同时也提高了设计人员设计产品质量和设计的效率,使设计逐渐迈向智能化和高效化。电气产品的优化设计中人工智能应用 ,主要有遗传算法与专家系统这两种方法。由于遗传算法可以直接操作结构对象,可指导优化与 自动获取搜索空间、自行调整搜索的方向,计算方法先进,计算结果精度高,在电气产品的智能化优化设计中普遍应用。而专家系统主要是依据某领域的一个或是多个专家提供经验与知识来进行合理的判断与推理,模仿人类专家决策的过程,进而处理需要人类专家处理的问题 ,这在电气产品的优化设计中也是一种比较重要的方式。除此两种方法外目前模糊逻辑和神经网络等方法也有被运用到电气设备的优化设计当中。
3.2 对电气设备故障分析与诊断
在电气工程自动化系统中,发动机、发电机和变压器等出现故障的频率较高,使用传统方式分析收集的变压器油产生的气体,根据气体样本的分析结果来判断故障是否存在。这样消耗了大量的时间,诊断效率和准确率都较低。而实际上的故障需要得到快速的解决,如果得不到及时诊断处理,将有可能会造成严重的损失。而利用智能技术能够有效的进行故障的分析和诊断。电气设备在进行长时间的工作后 ,不可避免的会出现各种问题 ,合理的运用智能技术 ,可以有效的诊断问题并及时采取方法处理。电力工程运用智能技术时,对于变压器的不良状况进行诊断,有效的缩小导致问题的范围,可以很好的减少了维修和检查的工作量 ,在较短的时间内准确的找到问题所在。可以大大的提升了故障的诊断准确率,从而很好解决遇到的故障问题。人工智能的故障诊断方法,如图1所示。
3.3 对电气控制过程中的应用
电气控制过程可以确保电气化系统稳定高效的运行,但是电气控制对技术人员的操作过程要求非常严格而且具体操作也很复杂。而人工智能借助计算机或自动计算等核心技术,实现了代替部分需要人类智能额的负责劳动,从而可以很好的解决以上的问题。界面化的形式不单能简化日常操作过程中操作流程,还可以对电气系统进行远程控制与操作。除此之外还可对及时储存某些重要信息或资料,以方便日后的查阅。而且通过该技术还可自动进行表报的生成 ,大大的降低了人力物力资源的投入 ,同时也提高工作效率和精确度。人工智能在电气自动化中的应用的模糊控制主要是通过电气传统过程中的直流和交流传动的作用来实现的。在交流传动过程的相关问题应用,一般都是用模糊控制器取代传统的常规调速控制器,从而更好的实现控制功能。
3.4 智能控制和保护功能
在电气工程自动化中,综合利用智能技术和自动化技术可以实现对设备控制的自主性和高效率。智能技术进行智能控制的范围如下:(1)对相关数据的收集和处理。利用人工智能技术可以实现对所有开关量 、模拟量数据进行实时的自动采集 ,并根据预先设计好的要求进行定时批量的整理和存贮等相关工作。对某些参数进行设置和修改 ,对软压板的退投进行及时的保护。(2)对画面的显示。利用人工智能技术可运用图像生成软件进行真实面面模拟通过模拟有关设备和整个系统的工作运行情况,然后以画面的形式表现出来,显示在屏幕上。而且还可以同步表现电流和电压的情况 ,操作人员可根据电流、电压、隔离开关、断路器等电机设备的运转状态,建立相关数据和图表对未来走向进行分析和判断。不过应考虑实际控制端设备的硬件条件有没有符合需求,以防止出现因控制终端因生成图像等需要耗费大量运算资源,或系统其它重要控制程序的运行不稳定或者卡死的情况。这实现了对各主要设备的模拟量数值、实际开关状态的实时智能监视挂牌检修功能。(3)进行有效的监控。利用智能技术可对模拟量和开关量进行全程同步的监测,发生异常情况时,可综合集成了声光 、
语音 、电话图像等多模式同时或选择性报警,同时,还顺序的记录了系统中的各项事件和在线分析负序量计算等。(4)进行操作控制。在操作控制上,技术人员可通过键盘或鼠标对隔离开关,断路器等的现场或者远程进行控制和对励磁电流的准确调整。此外,还可以进行带负荷操作和停机操作和对有关人员的权限进行限制等。(5)对设备的管理。利用智能技术 对整个系统进行管理 ,指挥其 自动保存运行日志,自动生成报表的和存储或打印,描绘系统运行曲线等。
4 总结
人工智能是一门新的技术科学,它的目的在于对人的智能的模拟、延伸和扩展的技术、方法理论及应用系统进行研究和开发。人工智能是计算机科学的重要的组成部分,使机器能够完成一些通常只有靠人类智能才能做到的相对复杂的工作是其研究的一个主要的目标。在电气工程中应用人工智能,实现机械设备的自动化操作,对电气工程中控制系统运行稳定性的提高、生产效率的加快以及系统设备的改造都有着非常重要的作用。社会的进步要求人类的经济生活更加智能化,以节省宝贵的人类时间去做其它有益的事情。电气自动化控制领域的革新需要人工智能的大力支持,而人工智能在自动化控制方面的优势在这个领域也确实能够得到极大的发挥。促进自动化控制的发展进步,促进了智能理论在控制技术中的应用,以解决用传统的方法难以解决的复杂系统的控制问题。
因此,智能化技术在电气工程自动化控制中可以发挥极大的作用。
参考文献:
[1] 刘金琨.智能控制[M].北京:电子工业出版社,2009.
[2] 敖志刚.人工智能及专家系统导论[M].北京:机械工业出版社,2010.
[3] 张培铭.展望 21世纪电器发展方向一人工智能电器[J].电工技术杂志,2009.
[4] 陈洪峰.国内电气 自动化发展状况 与趋势[J].科技创新导报,2009.
[5] 吴秀生.电气传送系统下的智能控制[J]电源技术应用,2013,11:168-171.
[6] 王金亮.人工智能技术在电气自动化控制系统中的应用研究[J].科技致富向导2012,
30:315—316.
[7] 杨越胜.人工智能在电气传动控制中的应用[J].企业导报,2011,11:243—244
[8] 周业元.人工智能在电气传动控制中的应用研究[J].机电信息,20 13,24 :97—98.
[9] 马德光.陈海娟 电气自动化控制系统中智能技术的应用[J] 科技创新与应用
2013(5).
[10]孙壮 信息自动化在电力系统中的运用探索[J] 数字化用户 2013(6).
[11]关荣峰 对电力系统中智能技术应用的探讨[J] 科技致富向导 2013(14).
[12]刘文权 智能技术在电力系统中的应用[J] 科技与生活 2011(24).
[13]张书舟 电气传动系统智能控制的几点思考[J] 青年与社会 2013(9).
[14]徐鹏 电气自动化控制方式的研究[J] 科技广场2009(7).
[15]叶干洲 人工智能技术在电气自动化控制中的应用[J] 科技资讯2010(15).
[16]王亚云 浅谈电气自动化控制中的人工智能技术[J] 科技创业月刊2010(1).
[17]王宜建.赵辉 浅谈电气自动化控制中的人工智能技术[J] 中国科技纵横2009(6).
[18]毛龙飞.张平.杨欢.张辉宇 浅谈电气自动化控制系统的应用及发展[J] 产业与科技论
坛 2013(5).
[19]李多琳.聂海涛 智能技术应用电力系统自动化中的出现的问题研究与分析[J] 数字化
用户 2013(24).
[20]曹晓梅 电力系统微机继电保护一体化和人工智能化探讨[J] 科技促进发展
2011(12).
[21]张秩瑞 浅谈电气自动化在日常生活中的作用和发展趋势[J] 中国科技博览
2010(18).
[22]梁金夏.潘天赐 智能化技术在电气工程自动化控制中的应用[J] 科技风 2013(7).
[23]武海丽 初识人工智能[J].科技创新导报2009,02:196.
[24]肖斌.薛丽敏.李照顺 对人工智能发展新方向的思考[J]信息技术2009,12:166-168.
[25]朱祝武 人工智能发展综述[J]中国西部科技2011,10(17):08-10.
[26]刘金琨.智能控制[M].北京:电子工业出版社,2009.
[27]熊忠良 人工智能在计算机网络技术中的应用分析[J] 计算机光盘软件与应用.
[28]王艳.浅谈人工智能在电气自动化控制中应用[J].科技向导,2010(26).
[29]王洪钟 人工智能技术在电气自动化控制中的应用探讨[J] 科技创新导报,2012(25).
[30]朱子龙 人工智能技术在电气自动化控制中的运用探讨[J] 科技创新与应
用,2012(17).
[31]]周超 人工智能技术在电气自动化控制中的运用[J] 硅谷 ,2012(08).
[32]刘向楠 探讨电气工程自动化的人工智能技术[J]. 华东科技:学术版, 2013(10): 6-6.
[33]牛美英.渠基磊.吴志鹏 人工智能在电气工程自动化中的应用[J]. 价值工程, 2013,
32(23): 27-28.
[34]朱金芳 人工智能在电气工程自动化中的运用[J] 化学工程与装备, 2013(5):
175-177.
[35]