導(dǎo)語(yǔ)：如何才能寫好一篇人工智能技術(shù)論文，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

在飛行流量管理方面，飛行流量管理系統(tǒng)通過(guò)與輔助決策系統(tǒng)相結(jié)合，構(gòu)成了人工智能輔助決策系統(tǒng)的飛行流量管理模塊。該模塊主要通過(guò)計(jì)算飛行流量來(lái)避免飛行流量的沖突，進(jìn)而根據(jù)分析結(jié)果進(jìn)行航班的排序。從具體的應(yīng)用情況來(lái)看，首先，飛行流量的計(jì)算需要大量的原始數(shù)據(jù)，而這些數(shù)據(jù)既包含了歷史數(shù)據(jù)，也包含了實(shí)時(shí)數(shù)據(jù)。同時(shí)，由于這些數(shù)據(jù)是來(lái)自于空域、機(jī)場(chǎng)和氣象等多個(gè)方面的復(fù)雜信息，所以系統(tǒng)需要建立相應(yīng)的飛行流量管理數(shù)據(jù)庫(kù)，從而保證數(shù)據(jù)的準(zhǔn)確性和及時(shí)性，進(jìn)而保證飛行流量計(jì)算結(jié)果的可靠性。其次，在進(jìn)行飛行流量計(jì)算時(shí)，系統(tǒng)利用了飛行動(dòng)力學(xué)計(jì)算原理。根據(jù)數(shù)據(jù)庫(kù)的信息，系統(tǒng)對(duì)飛機(jī)的四維飛行軌跡進(jìn)行了計(jì)算，從而可以得知飛機(jī)的降落時(shí)間和降落地點(diǎn)。這樣，系統(tǒng)就可以得出任意航段和交匯點(diǎn)在任意時(shí)間的飛行架次，進(jìn)而列出潛在的飛行流量沖突信息。再者，在得知以上信息后，系統(tǒng)需要對(duì)這些信息進(jìn)行分析，從而進(jìn)行航班的排序，進(jìn)而避免飛行流量的沖突。在排序方面，系統(tǒng)不僅可以實(shí)現(xiàn)飛行計(jì)劃的過(guò)程仿真，還可以找出空域資源的“空閑”狀態(tài)，進(jìn)而利用該狀態(tài)，進(jìn)行航班和起降順序的調(diào)整。而具體的排序原則有兩個(gè)，一是優(yōu)先級(jí)排序，二是全排列。其中，優(yōu)先排序是按照一定的標(biāo)準(zhǔn)給這些航班擬定優(yōu)先級(jí)，然后按照優(yōu)先順序進(jìn)行航班的排序。而優(yōu)先級(jí)的擬定標(biāo)準(zhǔn)有很多，比如飛行任務(wù)、機(jī)型、機(jī)場(chǎng)和時(shí)間等因素，都可以成為優(yōu)先級(jí)的擬定標(biāo)準(zhǔn)。全排列原則是對(duì)沖突的航班進(jìn)行全排列，從而根據(jù)每一次排列的延誤損失，選擇損失最小的排序方法。相比較來(lái)說(shuō)，全排序法雖然較為科學(xué)，但是系統(tǒng)需要承擔(dān)的運(yùn)算量較大，因此會(huì)占用系統(tǒng)較多的內(nèi)存資源。

2人工智能技術(shù)在飛行沖突探測(cè)與解脫管理方面的應(yīng)用

人工智能技術(shù)的應(yīng)用可以使空中交通管理系統(tǒng)具有高智能化的特征，從而滿足飛行沖突與解脫管理方案自動(dòng)生成的需要。具體來(lái)說(shuō)，實(shí)現(xiàn)這一功能的模塊是飛行沖突探測(cè)與解脫輔助決策模塊，而該模塊是由沖突探測(cè)與解脫系統(tǒng)和輔助決策系統(tǒng)組成的。該模塊不但可以實(shí)現(xiàn)飛行沖突的預(yù)測(cè)，還可以為管制人員提供飛行沖突調(diào)配的決策方案，從而減輕管制人員的壓力，幫助他們做出正確的決定。所以，該系統(tǒng)的應(yīng)用，彌補(bǔ)了人類與機(jī)器各自存在的不足，從而有效的避免了因人為失誤或機(jī)械故障而造成的飛行事故。從原理角度來(lái)看，系統(tǒng)首先通過(guò)分析飛行沖突情況來(lái)制定可能的解脫方案，然后根據(jù)航空器優(yōu)先級(jí)分類方法和沖突類型判定法等多種規(guī)則，進(jìn)行方案的選擇和排除。在這一推理過(guò)程中，為了保證系統(tǒng)推理的有效性，系統(tǒng)需要根據(jù)大量的規(guī)則來(lái)進(jìn)行方案的推理選擇。而這些規(guī)則，則要被統(tǒng)一存入知識(shí)庫(kù)系統(tǒng)中。這樣，管制人員只要在平時(shí)做好知識(shí)庫(kù)系統(tǒng)的更新和維護(hù)，就能夠保證系統(tǒng)推理的有效性，從而根據(jù)系統(tǒng)提供的方案，來(lái)進(jìn)行飛行沖突航班的排序。

3結(jié)論

篇2

論文摘要：隨著計(jì)算機(jī)技術(shù)的發(fā)展和應(yīng)用，制造也得發(fā)展已經(jīng)離不開(kāi)計(jì)算機(jī)了，計(jì)算機(jī)輔助工藝設(shè)計(jì)和人工智能應(yīng)運(yùn)而生，當(dāng)很多非專業(yè)性人士對(duì)此概念十分模糊，本文初步解釋兩個(gè)概念和其應(yīng)用范圍。

計(jì)算機(jī)輔助工藝設(shè)計(jì)(CAPP：Computer Aided ProeessPlanning)，自1965年由挪威人Nikbel提出以來(lái)，其系統(tǒng)特性經(jīng)歷了檢索式、派生式、混合式、創(chuàng)成式、智能化等過(guò)程，智能化CAPP是當(dāng)前CAPP系統(tǒng)的研究熱點(diǎn)。CAPP是現(xiàn)代制造業(yè)信息化的一部分，是計(jì)算機(jī)集成制造系統(tǒng)(CIMS：Computer IntegratedManufacturing Systems)中的橋梁和紐帶。“人工智能”(Artificial Intelligence)簡(jiǎn)稱AI。它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能研究如何用計(jì)算機(jī)去模擬、延伸和擴(kuò)展人的智能;如何把計(jì)算機(jī)用得更聰明;如何設(shè)計(jì)和建造具有高智能水平的計(jì)算機(jī)應(yīng)用系統(tǒng);如何設(shè)計(jì)和制造更聰明的計(jì)算機(jī)以及智能水平更高的智能計(jì)算機(jī)等。人工智能是相對(duì)于人類智能而言的，它是采用人工的方法和技術(shù)來(lái)模擬、延伸和擴(kuò)展人類智能行為的一門綜合學(xué)科。

將人工智能技術(shù)(AI技術(shù))應(yīng)用到CAPP系統(tǒng)開(kāi)發(fā)中，使CAPP系統(tǒng)在知識(shí)獲取、知識(shí)推理等方面模擬人的思維方式，解決復(fù)雜的工藝規(guī)程設(shè)計(jì)問(wèn)題，使其具有人類“智能”的特性即為智能化CAPP，是AI在CAPP中的一種應(yīng)用。

CAPP系統(tǒng)分為專用型和工具型系統(tǒng)。前者可以根據(jù)用戶的特定需求定制開(kāi)發(fā)，針對(duì)性強(qiáng)，具有較好的實(shí)用性，但對(duì)系統(tǒng)進(jìn)行功能擴(kuò)展困難;后者可以由用戶根據(jù)自身特定的要求進(jìn)行二次開(kāi)發(fā)，可以實(shí)現(xiàn)更多的柔性和開(kāi)放性，這種系統(tǒng)與CAD(計(jì)算機(jī)輔助設(shè)計(jì))、CAM(計(jì)算機(jī)輔助制造)、PDM(產(chǎn)品數(shù)據(jù)管理)等系統(tǒng)的信息共享存在缺陷。

CAPP設(shè)計(jì)理論目前研究的很少，機(jī)械產(chǎn)品設(shè)計(jì)理論研究的較多，有學(xué)者認(rèn)為設(shè)計(jì)理論與方法由設(shè)計(jì)理論基礎(chǔ)層、設(shè)計(jì)工具和支持技術(shù)平臺(tái)層等三大部分組成。有的學(xué)者提出四理論框架，即設(shè)計(jì)過(guò)程理論、性能需求理論、知識(shí)流理論和多方利益協(xié)調(diào)理論。CAPP設(shè)計(jì)理論與機(jī)械產(chǎn)品設(shè)計(jì)理論既有共同性又有特殊性，特別在智能化設(shè)計(jì)方法方面有較大的差別，因此認(rèn)為面向智能化的CAPP設(shè)計(jì)理論與方法體系結(jié)構(gòu)由有三層組成，即基礎(chǔ)科學(xué)層、信息技術(shù)層和智能化設(shè)計(jì)方法層。

在機(jī)械產(chǎn)品工藝設(shè)計(jì)中，存在大量的不確定因素，許多問(wèn)題需要靠經(jīng)驗(yàn)來(lái)解決，早期建立在單純依賴于成組技術(shù)基礎(chǔ)上的CAPP系統(tǒng)，不能很好地解決這些離散知識(shí)的獲取問(wèn)題，只能設(shè)計(jì)出檢索式或派生式系統(tǒng)。近年來(lái)，人工智能技術(shù)在CAPP系統(tǒng)

開(kāi)發(fā)中的應(yīng)用，使CAPP技術(shù)得到了較大的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)就是AI在CAPP系統(tǒng)中一大應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)(ANN： ArtificialNeuralNetwork)是按照生物神經(jīng)系統(tǒng)原理處理真實(shí)世界的客觀事物，它由大量的簡(jiǎn)單的非線性處理單元高度并聯(lián)而成，具有信息的分布式存儲(chǔ)、并行處理、自組織和自學(xué)習(xí)及聯(lián)想記憶等特性;多層前饋網(wǎng)絡(luò)誤差反向傳播(ErrorBack Propagation，簡(jiǎn)稱BP)算法。反向傳播算法(BP)是一種監(jiān)督訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的算法，每一個(gè)訓(xùn)練范例在網(wǎng)絡(luò)中經(jīng)過(guò)兩遍傳遞計(jì)算：第一遍向前推算，從輸入層開(kāi)始，傳遞各層并經(jīng)過(guò)處理后，產(chǎn)生一個(gè)輸出，并得到一個(gè)該實(shí)際輸出和所需輸出之差的差錯(cuò)矢量;第二遍向后推算，從輸出層至輸入層，利用差錯(cuò)矢量對(duì)權(quán)值進(jìn)行逐層修改。

AI在CAPP中的另一應(yīng)用——粗糙集技術(shù)。粗糙集(RS：Rough Set)理論是一種擅長(zhǎng)處理含糊和不確定問(wèn)題的數(shù)學(xué)工具，在理論中“知識(shí)”被認(rèn)為是一種對(duì)對(duì)象的分類能力，通常采用二維決策表來(lái)描述論域的信息，其中列表示屬性，行表示對(duì)象，每行表示該對(duì)象的一條信息。屬性分為條件屬性和決策屬性，論域中的對(duì)象根據(jù)條件屬性的不同，被劃分到具有不同決策屬性的決策類中。在CAPP系統(tǒng)中，可以用RS理論構(gòu)建專家系統(tǒng)，對(duì)知識(shí)進(jìn)行獲取及優(yōu)化，其基本思路是：將各種零件的加工特征和已知加工方法表達(dá)成條件屬性和決策屬性的形式，一行表示一種零件，多種零件構(gòu)成一個(gè)二維表，對(duì)屬性進(jìn)行量化，組織決策表，再采用一定的約簡(jiǎn)算法對(duì)屬性集和屬性值進(jìn)行約簡(jiǎn)，去掉冗余的條件屬性和決策規(guī)則，得到最小化決策規(guī)則集，當(dāng)輸入待加工的零件加工特征時(shí)，就可得到優(yōu)化的加工工藝。

遺傳算法，AI在CAPP系統(tǒng)的又一應(yīng)用。遺傳算法(Genetic Algorithm)是模擬達(dá)爾文遺傳選擇和自然淘汰的生物進(jìn)化過(guò)程的計(jì)算模型，是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法。遺傳算法是從代表問(wèn)題可能潛在解集的一個(gè)種群開(kāi)始的，而一個(gè)種群則由經(jīng)過(guò)基因編碼的一定數(shù)目的個(gè)體組成，每個(gè)個(gè)體實(shí)際上是帶有染色體特征的實(shí)體。因此，在一開(kāi)始需要實(shí)現(xiàn)從表現(xiàn)型到基因型的映射即編碼工作，如二進(jìn)制編碼。初代種群產(chǎn)生之后，按照適者生存和優(yōu)勝劣汰的原理，逐代演化產(chǎn)生出越來(lái)越好的近似解，在每一代，根據(jù)問(wèn)題域中個(gè)體的適應(yīng)度大小挑選個(gè)體，并借助于自然遺傳學(xué)的遺傳算子進(jìn)行組合交叉和變異，產(chǎn)生代表新的解集的種群。這個(gè)過(guò)程將導(dǎo)致種群像自然進(jìn)化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個(gè)體經(jīng)過(guò)解碼，可以作為問(wèn)題近似最優(yōu)解。

智能化CAPP系統(tǒng)開(kāi)發(fā)中還有模糊推理、混沌理論等智能化方法，實(shí)際應(yīng)用中，往往將多種智能技術(shù)相互結(jié)合，綜合運(yùn)用，發(fā)揮各自的特長(zhǎng)，如人工神經(jīng)網(wǎng)絡(luò)具有知覺(jué)形象思維的特性，而模糊推理等具有邏輯思維的特性，將這些方法相互滲透和結(jié)合，可起到互補(bǔ)的作用，提高智能化水平。

智能化是今后CAPP系統(tǒng)發(fā)展的主要趨勢(shì)，但從目前的人工智能技術(shù)水平來(lái)看，不可能使CAPP系統(tǒng)在智能化水平上有實(shí)質(zhì)性的突破，因?yàn)槟壳暗娜斯ぶ悄芗夹g(shù)主要是模擬人的邏輯思維和邏輯推理方面的能力，不能有效地模擬人的形象思維、抽象思維和創(chuàng)造性思維能力，而CAPP系統(tǒng)不僅要有推理的功能，還要有“聯(lián)想”的功能， CAPP系統(tǒng)開(kāi)發(fā)是要解決大量的人類思維活動(dòng)方面的智能問(wèn)題。因此要提高CAPP系統(tǒng)的智能化水平，必須在人工智能技術(shù)方面有新的發(fā)展，要解決人工智能技術(shù)方面的問(wèn)題，必須在一些基礎(chǔ)

理論和基礎(chǔ)科學(xué)方面有新的突破，如在生命科學(xué)、數(shù)學(xué)等方面要有新的突破。由此可見(jiàn)，在可以預(yù)見(jiàn)的將來(lái)，智能化CAPP系統(tǒng)的發(fā)展仍將是在充分發(fā)揮人的智能優(yōu)勢(shì)的基礎(chǔ)上，綜合應(yīng)用各種人工智能技術(shù)，實(shí)現(xiàn)CAPP系統(tǒng)的智能化。

通過(guò)以上論述，相信大家對(duì)計(jì)算機(jī)輔助工藝設(shè)計(jì)與人工智能以及AI在CAPP中的應(yīng)用有了一定的了解。人工智能技術(shù)的不斷發(fā)展，智能化CAPP系統(tǒng)必將在知識(shí)獲取、表達(dá)和處理的靈活性和有效性上得到進(jìn)一步的發(fā)展，提高CAPP系統(tǒng)的智能化水平，從而提高現(xiàn)代制造技術(shù)水平，是我國(guó)由制造大國(guó)成為制造強(qiáng)國(guó)。

參考文獻(xiàn)：

篇3

關(guān)鍵詞：關(guān)鍵詞：人工智能；應(yīng)用領(lǐng)域；發(fā)展趨勢(shì)

中途分類號(hào)：TP39    文獻(xiàn)標(biāo)識(shí)碼：A     文章編號(hào)：

引言:

計(jì)算機(jī)學(xué)科的一個(gè)重要分支就是人工智能，它與基因工程、納米科學(xué)被列為二十一世紀(jì)三大尖端技術(shù)、同時(shí)人工智能是一門匯集了多種學(xué)科相互滲透發(fā)展起來(lái)的交叉學(xué)科。對(duì)于人工智能的定義，至今尚未統(tǒng)一，美國(guó)斯坦福大學(xué)人工智能研究中心尼爾遜教授認(rèn)為：人工智能是關(guān)于知識(shí)的學(xué)科——怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)；麻省理工學(xué)院的溫斯頓教授認(rèn)為：人工智能就是研究如何使計(jì)算機(jī)去做過(guò)去只有人才能做的智能工作。除此之外，還有很多種不同的觀點(diǎn)，但這些說(shuō)法都形象地反映了人工智能學(xué)科的基本內(nèi)容和核心思想，那就是：人工智能是研究如何用人工的方法在計(jì)算機(jī)上模擬、實(shí)現(xiàn)和擴(kuò)展人類智能的一門科學(xué)與技術(shù)。

1. 人工智能技術(shù)的發(fā)展

人工智能（(Artificial Intelligence)從上世紀(jì)50年展到現(xiàn)在，有也有低迷的時(shí)期。研究的方法和研究的態(tài)度也有多種，不管是何觀點(diǎn),它們都推動(dòng)著人工智能技術(shù)的發(fā)展。今天人工智能技術(shù)已滲透到人類生活的方方面面，實(shí)實(shí)在在的影響著科學(xué)技術(shù)的發(fā)展。

2. 人工智能技術(shù)的應(yīng)用

我們可以看到，當(dāng)今社會(huì)很多領(lǐng)域的各種技術(shù)的發(fā)展都涉及到了人工智能技術(shù)。下面就人工智能的幾種典型應(yīng)用做如下探討：

2.1人工智能應(yīng)用之問(wèn)題的求解

人工智能中的問(wèn)題解求，就是如何讓機(jī)器去解決人類會(huì)遇到的問(wèn)題，如何根據(jù)某一具體問(wèn)題找到思考問(wèn)題并解決這個(gè)問(wèn)題的方法。目前，人工智能技術(shù)已經(jīng)可以通過(guò)計(jì)算機(jī)程序解決了如何考慮要解決的問(wèn)題，并能尋求較為準(zhǔn)確的解決方案。

2.2人工智能應(yīng)用之邏輯的推理與定理的證明

人工智能研究中最持久的探究領(lǐng)域之一就是邏輯推理。有關(guān)定理的證明就是讓機(jī)器證明非數(shù)值性的真假。其中比較重要的是，通過(guò)找到合理、準(zhǔn)確的方法，集中注意力在大型數(shù)據(jù)庫(kù)中的有效事實(shí)，關(guān)注可信度證明，并在出現(xiàn)新信息時(shí)適時(shí)修改這些證明。

2.3人工智能應(yīng)用之自然語(yǔ)言的處理

智能的另一表現(xiàn)就是進(jìn)行自然語(yǔ)言的交流，自然語(yǔ)言處理就是讓機(jī)器與人類進(jìn)行無(wú)阻礙的溝通，這正是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例。目前此領(lǐng)域的主要研究?jī)?nèi)容是：如何利用計(jì)算機(jī)系統(tǒng)以主題和對(duì)話情境為基礎(chǔ)，生成和理解自然語(yǔ)言。

2.4人工智能應(yīng)用之模式的識(shí)別

如何使機(jī)器具有感知能力也是智能的表現(xiàn)。模式的識(shí)別是利用人工智能技術(shù)開(kāi)發(fā)智能機(jī)器的關(guān)鍵，主要是通過(guò)計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來(lái)研究模式的自動(dòng)處理和判讀，讓計(jì)算機(jī)實(shí)現(xiàn)“看見(jiàn)”，“聽(tīng)見(jiàn)”等功能。計(jì)算機(jī)模式識(shí)別的主要特點(diǎn)是速度快，準(zhǔn)確率高，效率高，計(jì)算機(jī)模式識(shí)別也為人類認(rèn)識(shí)自身智能提供了有利幫助。

2.5人工智能應(yīng)用之智能信息的檢索技術(shù)

在科學(xué)技術(shù)飛速發(fā)展的今天，人類已進(jìn)入了“知識(shí)爆炸”的時(shí)代。傳統(tǒng)檢索系統(tǒng)已經(jīng)滿不足了對(duì)如今如此數(shù)量巨大以及種類繁多的文獻(xiàn)檢索要求。人工智能科技持續(xù)穩(wěn)定發(fā)展的重要前提就是智能檢索模塊，可以說(shuō)，智能信息的檢索技術(shù)的運(yùn)用勢(shì)在必行。

2.6人工智能應(yīng)用之專家系統(tǒng)

我們常說(shuō)的專家系統(tǒng)就是指從人類專家那里獲取的知識(shí)，并用來(lái)解決只有專家才能解決的疑難問(wèn)題。這是一種基于知識(shí)的系統(tǒng)，從而也被稱為知識(shí)基系統(tǒng)。專家系統(tǒng)是人工智能技術(shù)中研究最活躍，最有成效的一個(gè)領(lǐng)域。現(xiàn)在的專家系統(tǒng)尤其特殊的模仿了專家在處理故障時(shí)的思維方式，其水平有時(shí)甚至可以超過(guò)人類專家的水平。

2.7人工智能應(yīng)用之機(jī)器人學(xué)

機(jī)器人對(duì)我們并不陌生，已在多個(gè)領(lǐng)域獲得了越來(lái)越普遍的應(yīng)用，諸如農(nóng)業(yè)、工業(yè)、商業(yè)、旅游業(yè)、航空和海洋等。那么，機(jī)器人學(xué)所研究的問(wèn)題主要包括從機(jī)器人手臂的最佳移動(dòng)到實(shí)現(xiàn)機(jī)器人目標(biāo)的動(dòng)作序列的規(guī)劃方法。機(jī)器人和機(jī)器人學(xué)的研究對(duì)人工智能思想的發(fā)展都起到了促進(jìn)作用。

3. 人工智能技術(shù)發(fā)展趨勢(shì)

科學(xué)技術(shù)是第一生產(chǎn)力，但技術(shù)的發(fā)展往往是遠(yuǎn)遠(yuǎn)超越我們的想象。就目前的一些前瞻性研究可以看出，未來(lái)人工智能技術(shù)的發(fā)展有如下幾大趨勢(shì)：

3.1問(wèn)題求解

問(wèn)題求解一般包括兩種，一種是指解決管理活動(dòng)中由于意外引起的非預(yù)期效應(yīng)或與預(yù)期效應(yīng)之間的偏差。正在逐漸發(fā)展成為搜索和問(wèn)題歸約這類人工智能的基本技術(shù)；另一種問(wèn)題的求解程序，是把各種數(shù)學(xué)公式符號(hào)匯編在一起。其性能已達(dá)到非常高的水平，并正在被許多工程師和科學(xué)家應(yīng)用，甚至還有些程序能夠用經(jīng)驗(yàn)來(lái)改善其性能。

3.2機(jī)器學(xué)習(xí)

人工智能研究的核心課題之一就是機(jī)器學(xué)習(xí)。我們知道學(xué)習(xí)是人類智能的重要特征，那么機(jī)器學(xué)習(xí)就是指機(jī)器自動(dòng)獲取知識(shí)的過(guò)程。機(jī)器學(xué)習(xí)是機(jī)器獲取知識(shí)的根本途徑，也是機(jī)器智能的重要標(biāo)志。計(jì)算機(jī)的機(jī)器學(xué)習(xí)主要研究?jī)?nèi)容為如何讓計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)能力。今后機(jī)器學(xué)習(xí)的研究主要是研究人腦思維的過(guò)程、人類學(xué)習(xí)的機(jī)理等。

3.3模式識(shí)別

用計(jì)算機(jī)實(shí)現(xiàn)模式(文字、聲音、人物、物體等)的自動(dòng)識(shí)別，彌補(bǔ)計(jì)算機(jī)對(duì)外部世界感知能力低下的缺陷，使計(jì)算機(jī)能夠通過(guò)感官接受外界信息，識(shí)別和理解周圍環(huán)境。依然是人工智能技術(shù)今后研究的重要方向。因?yàn)槟Ｊ阶R(shí)別能為人類認(rèn)識(shí)自身智能提供線索，也是開(kāi)發(fā)智能機(jī)器的一個(gè)最關(guān)鍵的突破口。目前計(jì)算機(jī)模式識(shí)別系統(tǒng)的研究熱點(diǎn)主要為三維景物、活動(dòng)目標(biāo)的識(shí)別和分析方面。傳統(tǒng)的用統(tǒng)計(jì)模式和結(jié)構(gòu)模式的識(shí)別方法將會(huì)被近年來(lái)迅速發(fā)展起來(lái)的模糊數(shù)學(xué)模式、人工神經(jīng)網(wǎng)絡(luò)模式的方法逐漸取代，特別是神經(jīng)網(wǎng)絡(luò)方法在模式識(shí)別中取得較大進(jìn)展。

3.4專家系統(tǒng)

專家系統(tǒng)是根據(jù)某領(lǐng)域中一個(gè)或多個(gè)專家提供的知識(shí)或經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過(guò)程，以便解決那些需要人類專家處理的復(fù)雜問(wèn)題的智能軟件，它是一個(gè)具有大量的專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。目前各種專家系統(tǒng)已遍布各個(gè)專業(yè)領(lǐng)域，因此專家系統(tǒng)還將是人工智能應(yīng)用研究最廣泛和最活躍的應(yīng)用領(lǐng)域之一。

3.5人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)，常被簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。是未來(lái)人工智能應(yīng)用的新領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)是指由大量處理單元（神經(jīng)元）互連而成的網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)能力，主要擅長(zhǎng)處理復(fù)雜的多維的非線 性問(wèn)題，不但可以解決定量的問(wèn)題，還可以解決定性的問(wèn)題，同時(shí)人工神經(jīng)網(wǎng)絡(luò)還具有大規(guī)模并行處理和分布的信息存儲(chǔ)能力。或許未來(lái)智能計(jì)算機(jī)的構(gòu)成可能就是作為主機(jī)的馮•諾依曼型機(jī)與作為智能外圍的人工神經(jīng)網(wǎng)絡(luò)的結(jié)合。

4. 結(jié)論語(yǔ)

人工智能的基本思想已經(jīng)在許多領(lǐng)域中得到應(yīng)用，對(duì)于人工智能技術(shù)未來(lái)的發(fā)展還有很多未知的可能，但無(wú)論如何發(fā)展都將推動(dòng)人類在科學(xué)與生活領(lǐng)域的發(fā)展。

參考文獻(xiàn)：

[1]胡勤.人工智能概述[J].電腦知識(shí)與技術(shù)，2010，（13）：3507-3509.

[2]朱福喜，湯怡群等.人工智能原理[M].武昌：武漢大學(xué)出版社，2002.87-91.

[3]張妮等.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].煤礦機(jī)械，2009，（02）：4-7.

[4]亓慧.議當(dāng)代人工智能的應(yīng)用領(lǐng)域和發(fā)展?fàn)顩r[J].福建電腦，2008，（05）：33.

[5]蔡自興，徐光.人工智能及其應(yīng)用[M].北京：清華大學(xué)出版社，2003.51-93.

[6]王鴻斌，張立毅等.人工神經(jīng)網(wǎng)絡(luò)理論及其應(yīng)用[J].山西電子技術(shù)，2006，（02）：41-43.

篇4

關(guān)鍵詞：人工智能；電氣；自動(dòng)化

人工智能技術(shù)是隨著計(jì)算機(jī)技術(shù)發(fā)展逐步形成的，是基于人的智能為基礎(chǔ)理論進(jìn)行研究和探索，其目的是開(kāi)發(fā)出一種能夠具有人類智能的智能機(jī)器，在當(dāng)前最為常見(jiàn)的人工智能方式有機(jī)器人、語(yǔ)言識(shí)別和圖像處理系統(tǒng)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，是計(jì)算機(jī)發(fā)展中利用相應(yīng)的技術(shù)手段對(duì)各種信息資源進(jìn)行辨別和分析的基礎(chǔ)。隨著社會(huì)發(fā)展中，人們對(duì)電力需求的日益增加，使得在電力系統(tǒng)發(fā)展的過(guò)程中，對(duì)其控制方式也在逐步的提高。要實(shí)現(xiàn)其良好的控制措施和控制手段，傳統(tǒng)的人為控制方法早已無(wú)法滿足當(dāng)前社會(huì)發(fā)展的需求，這就使得在電氣施工中對(duì)人工智能技術(shù)要求不斷增加，從而提高電氣設(shè)備運(yùn)行質(zhì)量。實(shí)現(xiàn)機(jī)械的自動(dòng)化，能夠使得機(jī)械在進(jìn)行運(yùn)轉(zhuǎn)的過(guò)程中脫離人類的控制自我進(jìn)行調(diào)節(jié)和運(yùn)行，從而降低人力成本和管理成本。積極運(yùn)用人工智能的新成果無(wú)疑有利的，是基于當(dāng)前電氣自動(dòng)化學(xué)科應(yīng)用和分析過(guò)程中實(shí)現(xiàn)其發(fā)展的前提和關(guān)鍵，更好死社會(huì)發(fā)展中智能技術(shù)手段進(jìn)行分析與應(yīng)用的結(jié)局。

1、人工智能應(yīng)用理論分析

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開(kāi)發(fā)用于模擬，延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)．并生產(chǎn)出一種新的能以人類智能相似的方式作出反應(yīng)的智能機(jī)器 該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別 自然語(yǔ)言處理和專家系統(tǒng)等。自從1956年“人工智能 一詞在Dartmouth學(xué)會(huì)上提出以后，人工智能研究飛速發(fā)展，成為以計(jì)算機(jī)為主．涉及信息論．控制論， 自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語(yǔ)言學(xué)、醫(yī)學(xué)和哲學(xué)的一門學(xué)科。人工智能研究的一個(gè)主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜的工作。 當(dāng)今社會(huì)，計(jì)算機(jī)技術(shù)已經(jīng)滲透到生產(chǎn)生活的方方面面，計(jì)算機(jī)編程技術(shù)的日新月異催生自動(dòng)化生產(chǎn)，運(yùn)輸，傳播的快速發(fā)展。人腦是最精密的機(jī)器，編程也不過(guò)是簡(jiǎn)單的模仿人腦的收集、分析、交換、處理、回饋，所以模仿模擬人腦的機(jī)能將是實(shí)現(xiàn)自動(dòng)化的主要途徑。電氣自動(dòng)化控制是增強(qiáng)生產(chǎn)、流通、交換、分配等關(guān)鍵一環(huán)，實(shí)現(xiàn)自動(dòng)化，就等于減少了人力資本投入，并提高了運(yùn)作的效率。隨著信息技術(shù)的發(fā)展，許多新方法和技術(shù)進(jìn)入工程化、產(chǎn)品化階段，這對(duì)自動(dòng)控制技術(shù)提出獷新的挑戰(zhàn)，促進(jìn)了智能理論在控制技術(shù)中的應(yīng)用， 以解決用傳統(tǒng)的方法難以解決的復(fù)雜系統(tǒng)的控制問(wèn)題。

當(dāng)今社會(huì)，計(jì)算機(jī)技術(shù)已經(jīng)滲透到生產(chǎn)生活的方方面面．計(jì)算機(jī)編程技術(shù)的日新月異催生自動(dòng)化生產(chǎn)，運(yùn)輸 傳播的快速發(fā)展。人腦是最精密的機(jī)器，編程也不過(guò)是簡(jiǎn)單的模仿人腦的收集、分析、交換、處理、回饋．所以模仿模擬人腦的機(jī)能將是實(shí)現(xiàn)自動(dòng)化的主要途徑。電氣自動(dòng)化控制是增強(qiáng)生產(chǎn)．流通、交換、分配等關(guān)鍵一環(huán)．實(shí)現(xiàn)自動(dòng)化，就等于減少了人力資本投入，并提高了運(yùn)作的效率。

2、人工智能控制器的優(yōu)勢(shì)

不同的人工智能控制通常用完全不同的方法去討論。但Al控制器例如：神經(jīng)、模糊、模糊神經(jīng)以及遺傳算法都可看成一類非線性函數(shù)近似器。這樣的分類就能得到較好的總體理解．也有利于控制策略的統(tǒng)一開(kāi)發(fā)。這些Al函數(shù)近似器比常規(guī)的函數(shù)估計(jì)器具有更多的優(yōu)勢(shì)．這些優(yōu)勢(shì)如下：

(1)它們的設(shè)計(jì)不需要控制對(duì)象的模型(在許多場(chǎng)合，很難得到實(shí)際控制對(duì)象的精確動(dòng)態(tài)方程，實(shí)際控制對(duì)象的模型在控制器設(shè)計(jì)時(shí)往往有很多不確實(shí)性因素，例如：參數(shù)變化，非線性時(shí)，往往不知道)。

(2)通過(guò)適當(dāng)調(diào)整(根據(jù)響應(yīng)時(shí)間 下降時(shí)間、魯棒性能等)它們能提高性能。例如模糊邏輯控制器的上升時(shí)間比最優(yōu)PID控制器快1.5倍 ，下降時(shí)間快3.5倍， 過(guò)沖更小。

(3)它們比古典控制器的調(diào)節(jié)容易。

(4)在沒(méi)有必須專家知識(shí)時(shí)．通過(guò)響應(yīng)數(shù)據(jù)也能設(shè)計(jì)它們。

(5)運(yùn)用語(yǔ)言和響應(yīng)信息可能設(shè)計(jì)它們。

總而言之，當(dāng)采用自適應(yīng)模糊神經(jīng)控制器、規(guī)則庫(kù)和隸屬函數(shù)在模糊化和反模糊化過(guò)程中能夠自動(dòng)地實(shí)時(shí)確定。有很多方法來(lái)實(shí)現(xiàn)這個(gè)過(guò)程，但主要的目標(biāo)是使用系統(tǒng)技術(shù)實(shí)現(xiàn)穩(wěn)定的解，并且找到最簡(jiǎn)單的拓樸結(jié)構(gòu)配置．自學(xué)習(xí)迅速，收斂快速。

3、人工智能的應(yīng)用現(xiàn)狀

隨著人工智能技術(shù)的發(fā)展，許多高等院校及科研機(jī)構(gòu)就人工智能在電氣設(shè)備的應(yīng)用方面展開(kāi)了研究工作，如將人工智能用于電氣產(chǎn)品優(yōu)化設(shè)計(jì)，故障預(yù)測(cè)及診斷、控制與保護(hù)等領(lǐng)域。

3.1 優(yōu)化設(shè)計(jì)

電氣設(shè)備的設(shè)計(jì)是一項(xiàng)復(fù)雜的工作 它不僅要應(yīng)用電路、電磁場(chǎng)、電機(jī)電器等學(xué)科的知識(shí)，還要大量運(yùn)用設(shè)計(jì)中的經(jīng)驗(yàn)性知識(shí)。傳統(tǒng)的產(chǎn)品設(shè)計(jì)是采用簡(jiǎn)單的實(shí)驗(yàn)手段和根據(jù)經(jīng)驗(yàn)用手工的方式進(jìn)行的．因此很難獲得最優(yōu)方案。隨著計(jì)算機(jī)技術(shù)的發(fā)展，電氣產(chǎn)品的設(shè)計(jì)從手工逐漸轉(zhuǎn)向計(jì)算機(jī)輔助設(shè)計(jì)(CAD)，大大縮短了產(chǎn)品開(kāi)發(fā)周期。人工智能的引進(jìn)．使傳統(tǒng)的CAD技術(shù)如虎添翼．產(chǎn)品設(shè)計(jì)的效率及質(zhì)量得到全面提高。用于優(yōu)化設(shè)計(jì)的人工智能技術(shù)主要有遺傳算法和專家系統(tǒng)。遺傳算法是一種比較先進(jìn)的優(yōu)化算法，非常適合于產(chǎn)品優(yōu)化設(shè)計(jì)。因此電氣產(chǎn)品人工智能優(yōu)化設(shè)計(jì)大部分采用此種方法或其改進(jìn)方法。

3.2 故障診斷

電氣設(shè)備的故障與其征兆之間的關(guān)系錯(cuò)綜復(fù)雜，具有不確定性及非線性．用人工智能方法恰好能發(fā)揮其優(yōu)勢(shì)。已用于電氣設(shè)備故障診斷的人工智能技術(shù)有：模糊邏輯、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)。

變壓器由于在電力系統(tǒng)中的特殊地位而備受關(guān)注，有關(guān)方面的研究論文較多。目前對(duì)變壓器進(jìn)行故障診斷最常用的方法是對(duì)變壓器油中分解的氣體進(jìn)行分析．

3．3智能控制

人工智能控制技術(shù)在自動(dòng)控制領(lǐng)域的研究與應(yīng)用已廣泛展開(kāi)．但在電氣設(shè)備控制領(lǐng)域所見(jiàn)報(bào)道不多?？捎糜诳刂频娜斯ぶ悄芊椒ㄖ饕?種：模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家系統(tǒng)控制。由于模糊控制是其中最為簡(jiǎn)單、最具實(shí)際意義的方法．因而它的應(yīng)用實(shí)例最多。

篇5

關(guān)鍵詞：人工智能技術(shù)；電力系統(tǒng)；繼電保護(hù)

中圖分類號(hào)：F407.61 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：

1暫態(tài)保護(hù)

隨著對(duì)人工智能技術(shù)在繼電保護(hù)領(lǐng)域的深人研究,相繼出現(xiàn)了用人工神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)故障類型的判別、故障距離的確定、方向保護(hù)、主設(shè)備保護(hù);用小波理論的數(shù)學(xué)手段分析故障產(chǎn)生信號(hào)的整個(gè)頻帶的信息并用于實(shí)現(xiàn)故障檢測(cè)。這些人工智能技術(shù)不僅為提高故障判別精確度提供了手段,而且能夠使一些基于單一工頻信號(hào)的傳統(tǒng)算法難以識(shí)別的間題得到解決。然而目前為止,人工智能的應(yīng)用還沒(méi)有能夠提供取代傳統(tǒng)保護(hù)的新的原理,而且這些方法的應(yīng)用同樣受傳感器頻寬的限制,其結(jié)果往往是通過(guò)復(fù)雜的計(jì)算和繁瑣的工作只能換取故障識(shí)別的準(zhǔn)確度或可靠性的一點(diǎn)提高。通過(guò)檢測(cè)故障暫態(tài)產(chǎn)生的高頻信號(hào)來(lái)實(shí)現(xiàn)傳輸線及電力設(shè)備等的保護(hù):“是新一代的電力系統(tǒng)繼電保護(hù)思想,簡(jiǎn)稱“暫態(tài)保護(hù)”。故障暫態(tài)產(chǎn)生的信號(hào)中含有大量的信息,其中包括故障的類型、方向、位置、持續(xù)時(shí)間等。這些信息貫穿于信號(hào)的整個(gè)頻域,從直流、工頻到高頻。在基于工頻的傳統(tǒng)保護(hù)方式中,故障產(chǎn)生的高頻量被當(dāng)作于擾濾掉,大量的研究工作用在設(shè)計(jì)濾掉高頻信號(hào)的濾波器上?！皶簯B(tài)保護(hù)”首先通過(guò)特殊設(shè)計(jì)的高頻檢測(cè)裝置及算法來(lái)從故障暫態(tài)中提取所需的高頻信號(hào),利用專門設(shè)計(jì)的快速信號(hào)處理算法來(lái)判斷故障。微處理機(jī)技術(shù)的發(fā)展使得暫態(tài)保護(hù)的實(shí)現(xiàn)成為可能。

擺開(kāi)情況下發(fā)生經(jīng)過(guò)渡電阻的短路就是一非線性問(wèn)題,距離保護(hù)很難正確作出故障位置的判別,從而造成誤動(dòng)或拒動(dòng);如果用神經(jīng)網(wǎng)絡(luò)方法,經(jīng)過(guò)大量故障樣本的訓(xùn)練,只要樣本集中充分考慮了各種情況,則在發(fā)生任何故障時(shí)都可正確判別。提出擁有限脈沖相應(yīng)(finiteimpulseresponse)ANN構(gòu)造單相和三相變壓器的差動(dòng)保護(hù),這種ANN模型適于處理瞬時(shí)信號(hào),研究了3種結(jié)構(gòu):第一種用于檢測(cè)單相變壓器的內(nèi)部故障;第2種用于檢測(cè)三相變壓器的內(nèi)部故障;第3種由一組第1種結(jié)構(gòu)的ANN組成,用于檢測(cè)三相變壓器的內(nèi)部故障。在分析BP算法缺點(diǎn)的基礎(chǔ)上,提出了一種變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)的最大值算法,通過(guò)簡(jiǎn)化訓(xùn)練過(guò)程,加快網(wǎng)絡(luò)收斂和診斷推理速度,從而提高故障識(shí)別率,實(shí)現(xiàn)故障的自動(dòng)診斷和智能化綜合保護(hù)。需要指出,神經(jīng)網(wǎng)絡(luò)方法雖然有利于克服專家系統(tǒng)的知識(shí)獲取瓶頸、知識(shí)庫(kù)維護(hù)困難等問(wèn)題,但它不適于處理啟發(fā)性知識(shí)。而且,由于ANN技術(shù)本身不夠完備,它的學(xué)習(xí)速度慢,訓(xùn)練時(shí)間長(zhǎng)以及解釋功能弱,從而影響了神經(jīng)網(wǎng)絡(luò)的實(shí)用化。其它如遺傳算法、進(jìn)化規(guī)劃等也都有其獨(dú)特的求解復(fù)雜問(wèn)題的能力。將這些人工智能方法適當(dāng)結(jié)合可使求解速度更快。天津大學(xué)從1996年起進(jìn)行神經(jīng)網(wǎng)絡(luò)式繼電保護(hù)的研究,已取得初步成果。

3人工神經(jīng)網(wǎng)絡(luò)型繼電保護(hù)

人工神經(jīng)網(wǎng)絡(luò)(ANN)是模擬人腦組織結(jié)構(gòu)和人類認(rèn)知過(guò)程的信息處理系統(tǒng)。早在1943年,已由心理學(xué)家WarrenS.Meeulloeh和數(shù)學(xué)家WalthH.Pitts提出神經(jīng)元數(shù)學(xué)模型,后被冷落了一段時(shí)間,80年代又迅猛興起〔,飛。ANN之所以受到人們的普遍關(guān)注,是由于它具有本質(zhì)的非線形特征、并行處理能力、強(qiáng)魯棒性以及自組織自學(xué)習(xí)的能力。其中研究得最為成熟的是誤差的反傳模型算法(BP算法),它的網(wǎng)絡(luò)結(jié)構(gòu)及算法直觀、簡(jiǎn)單,在工業(yè)領(lǐng)域中應(yīng)用較多。對(duì)于電力系統(tǒng)這個(gè)存在著大量非線性的復(fù)雜大系統(tǒng)來(lái)講,ANN理論在電力系統(tǒng)繼電保護(hù)中的應(yīng)用具有很大的潛力,很多難以列出方程式或難以求解的復(fù)雜的非線性問(wèn)題,應(yīng)用神經(jīng)網(wǎng)絡(luò)方法則可迎刃而解。例如在輸電線兩側(cè)系統(tǒng)電勢(shì)角度

4模糊理論

1965年,美國(guó)學(xué)者L.A.Zadeh在“Informatio-nandConirol’,上首先提出了模糊集合的概念,其論文“FuzzySets”開(kāi)創(chuàng)了模糊數(shù)學(xué)及其應(yīng)用的新紀(jì)元。在模糊理論發(fā)展的初期,它在電力系統(tǒng)中的應(yīng)用是十分有限的,這主要是因?yàn)殡娏ο到y(tǒng)的工程師首先考慮的是電力系統(tǒng)的可靠性,對(duì)模糊邏輯還持有懷疑態(tài)度。但隨著這一理論的不斷發(fā)展完善,它在電力系統(tǒng)中的應(yīng)用領(lǐng)域也越來(lái)越廣泛,華北電力大學(xué)楊奇遜教授提出在特征層次上模擬人腦識(shí)別事物的方法來(lái)識(shí)別電氣量的特征。人類認(rèn)識(shí)事物的過(guò)程是在特征層次上對(duì)事物進(jìn)行分類和識(shí)別,并不需要復(fù)雜、精確的計(jì)算。模糊模式識(shí)別為進(jìn)行這類特征識(shí)別提供了有效的工具。微機(jī)保護(hù)正是在這一點(diǎn)上模擬人類識(shí)別事物的特征,辨別和區(qū)分不同的對(duì)象,最終通過(guò)原理上的智能化實(shí)現(xiàn)更高的性能。用模糊理論構(gòu)造變壓器保護(hù)原理,以區(qū)別內(nèi)部故障、涌流、過(guò)激以及電流互感器飽和情況下的外部故障。選取變壓器原、副邊的電流為特征量,根據(jù)EMTP程序得到的仿真結(jié)果,采用統(tǒng)計(jì)方法得到模糊規(guī)則。之后,采用DemPster一Shafer證據(jù)理論對(duì)模糊規(guī)則進(jìn)行處理,得到最終結(jié)果?；谀：碚撛O(shè)計(jì)一種序分量高壓線路保護(hù)選相元件。目前華北電力大學(xué)研制成功應(yīng)用模糊理論的高壓線路保護(hù)一套,現(xiàn)已通過(guò)鑒定,并批量投人運(yùn)行。然而,在模糊理論中,由于隸屬度的獲取,復(fù)雜系統(tǒng)的模糊模型的建立、辨識(shí),語(yǔ)言規(guī)則的獲取、遺忘、修改等理論和方法還不夠完善,使該理論的應(yīng)用受到了限制。從目前情況來(lái)看,將模糊集理論與人工智能中的專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等相結(jié)合不失為解決這一困難的好方法。

5小波分析

小波分析是一種嶄新的時(shí)頻分析方法,具有良好的時(shí)頻局部化特性和對(duì)信號(hào)自適應(yīng)、“變焦距”多尺度分析能力,適合于對(duì)非平穩(wěn)信號(hào)的處理。小波分析是Fourier變換的突破性進(jìn)展,并發(fā)展了窗Fourier變換的局部化思想,它的窗寬隨頻率增高而縮小,符合高頻信號(hào)的分辨率較高的要求。小波分析的主要特點(diǎn)之一是具有用多重分辨率來(lái)刻劃信號(hào)局部特性的能力,從而它很適合探測(cè)在正常信號(hào)中出現(xiàn)的瞬態(tài)反常現(xiàn)象并展示其成分。建立了電壓行波的故障特征和小波變換模極大值之間的聯(lián)系,為構(gòu)造性能優(yōu)良、可靠的行波測(cè)距和行波保護(hù)奠定了重要的數(shù)學(xué)基礎(chǔ)。提出一種用小波理論區(qū)分變壓器勵(lì)磁涌流和短路電流的新原理。華北電力大學(xué)楊奇遜、劉萬(wàn)順教授提出利用小波理論進(jìn)行特征提取,利用模糊集方法區(qū)分變壓器勵(lì)磁涌流和故障的新方法。該方法通過(guò)小波變換的模極大值的符號(hào)特征來(lái)提取勵(lì)磁涌流的間斷角特征,這種從定量到定性的識(shí)別方法為研制新型的變壓器保護(hù)提供了一種較先進(jìn)的新原理。采用小波變換對(duì)故障后的暫態(tài)現(xiàn)象進(jìn)行分析,以快速識(shí)別故障類型,可用于高速保護(hù)。提出用小波變換和ANN檢測(cè)變壓器故障。先用EMTP程序產(chǎn)生變壓器在正常運(yùn)行和故障時(shí)的信號(hào)(主要是電流信號(hào)),之后用小波變換進(jìn)行處理,提取特征量,最后用ANN進(jìn)行訓(xùn)練和估計(jì)。通過(guò)應(yīng)用小波變換提取重要的特征量,ANN的結(jié)構(gòu)得以簡(jiǎn)化,訓(xùn)練速度得到提高。

6結(jié)束語(yǔ)

隨著人工智能技術(shù)的不斷發(fā)展,新的方法也在不斷涌現(xiàn),在電力系統(tǒng)繼電保護(hù)中的應(yīng)用范圍也在不斷擴(kuò)大,為繼電保護(hù)的發(fā)展注人了新的活力。將不同的人工智能技術(shù)結(jié)合在一起,分析不確定因素對(duì)保護(hù)系統(tǒng)的影響,從而提高保護(hù)動(dòng)作的可靠性,是今后智能保護(hù)的發(fā)展方向。雖然上述智能方法在電力系統(tǒng)繼電保護(hù)中應(yīng)用取得了一些成果,但這些理論本身還不是很成熟,需要進(jìn)一步完善,而且某些應(yīng)用還只是處于探討和實(shí)驗(yàn)階段,距離工程實(shí)際還有差距,因此無(wú)論是在理論研究還是工程應(yīng)用方面都還有很多工作要做。隨著電力系統(tǒng)的高速發(fā)展和計(jì)算機(jī)、通信等各種技術(shù)的進(jìn)步和發(fā)展,可以預(yù)見(jiàn),人工智能技術(shù)在繼電保護(hù)領(lǐng)域必會(huì)得到應(yīng)用,以解決用常規(guī)方法難以解決的問(wèn)題。

參考文獻(xiàn):

[1] 陳斌.人工智能技術(shù)在繼電保護(hù)中的應(yīng)用與發(fā)展[J]. 廣東科技. 2009(22)

[2] 張梓奇,蘇健祥.人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用探討[J]. 科技資訊. 2007(21)

篇6

>> 引入深度學(xué)習(xí)的人工智能類課程 中西合璧的人工智能課程雙語(yǔ)教學(xué)模式 可調(diào)戲的人工智能 生活中的人工智能 不斷超越的人工智能 逐漸靠近的人工智能 正在落地的人工智能 2035年的人工智能 航天類專業(yè)“人工智能”課程的教學(xué)探索 林業(yè)院校人工智能課程教學(xué)的思考 人工智能導(dǎo)論課程的興趣教學(xué)法 人工智能概論課程的教學(xué)思考 “人工智能”課程教學(xué)的實(shí)踐與探索 游戲開(kāi)發(fā)應(yīng)用中的“人工智能”課程教學(xué)方法探討 人工智能的應(yīng)用研究 人工智能的日常應(yīng)用 人工智能的應(yīng)用和發(fā)展 淺析電氣自動(dòng)化控制中的人工智能應(yīng)用 分析繼電保護(hù)中的人工智能技術(shù)及其應(yīng)用 電氣自動(dòng)化控制中的人工智能應(yīng)用分析 常見(jiàn)問(wèn)題解答 當(dāng)前所在位置：l)。在情境創(chuàng)設(shè)時(shí),教師根據(jù)學(xué)生特點(diǎn)提出了多種應(yīng)用需求,例如化妝品銷售咨詢等。學(xué)生利用該工具,興趣盎然地開(kāi)發(fā)了自己的小型專家系統(tǒng),不僅理解了專家系統(tǒng)的特點(diǎn)、作用、運(yùn)行方式等,還具有強(qiáng)烈的成就感。

2.2面向研究的情境創(chuàng)設(shè)

蘇霍姆林斯基認(rèn)為,研究型教學(xué)法應(yīng)該充分體現(xiàn)學(xué)生的主體地位,激勵(lì)、引導(dǎo)和幫助學(xué)生去主動(dòng)發(fā)現(xiàn)問(wèn)題、分析問(wèn)題和解決問(wèn)題,激發(fā)學(xué)生學(xué)習(xí)的內(nèi)在興趣和成就動(dòng)機(jī)[4]。人工智能課程中包含了大量的前沿問(wèn)題,研究型課題比比皆是,如何平衡這些研究課題與興趣、實(shí)用的關(guān)系,是教學(xué)設(shè)計(jì)中重點(diǎn)考慮的內(nèi)容。

下面以“規(guī)劃”中的路徑規(guī)劃內(nèi)容為例,詳細(xì)分析以研究為導(dǎo)向的情境創(chuàng)設(shè)過(guò)程。表2給出了整個(gè)教學(xué)設(shè)計(jì)。

綜合幾次研究課題完成情況,班級(jí)中有1/3的學(xué)生通過(guò)廣泛查閱資料和多次與教師討論,提交了質(zhì)量尚可的標(biāo)準(zhǔn)格式論文,并因此獲得了學(xué)院的科研學(xué)分。除此之外,教師還組織這部分具備一定科研潛力的學(xué)生參加科研項(xiàng)目,進(jìn)一步磨練科研技能,極大提高了學(xué)生的學(xué)習(xí)興趣和能力。

3DBR驅(qū)動(dòng)的教學(xué)過(guò)程

人工智能課程各單元內(nèi)容相對(duì)獨(dú)立,難以形成統(tǒng)一的聯(lián)系,怎樣驗(yàn)證各單元的學(xué)習(xí)效果?從提出問(wèn)題到任務(wù)解決,每個(gè)單元的學(xué)習(xí)通常要跨越幾節(jié)課甚至幾周,怎樣在此期間保持學(xué)生的興趣和關(guān)注?

DBR是情境設(shè)計(jì)、實(shí)施、評(píng)價(jià)、再設(shè)計(jì)、理論形成等環(huán)節(jié)多次迭代循環(huán)的過(guò)程,柯林斯稱之為“不斷進(jìn)步的修正”(Progressive Refinement),以檢測(cè)設(shè)計(jì)的價(jià)值。因此,評(píng)價(jià)是教學(xué)過(guò)程中非常重要的一環(huán)。本課程教學(xué)主要做好兩個(gè)環(huán)節(jié),以驅(qū)動(dòng)整個(gè)教學(xué)過(guò)程的推進(jìn)。

1) 實(shí)踐環(huán)節(jié)。

通常的實(shí)踐環(huán)節(jié)是課程結(jié)束后固定時(shí)間的實(shí)際任務(wù),而本課程的實(shí)踐卻貫穿整個(gè)教學(xué)過(guò)程,是單元教學(xué)、教師、學(xué)生之間的粘合劑。實(shí)踐包括應(yīng)用型實(shí)踐和研究型實(shí)踐,一般在每個(gè)單元教學(xué)開(kāi)始,提出問(wèn)題后,實(shí)踐任務(wù)就被布置下去,例如前面所述的“黑白棋”、“路徑規(guī)劃算法研究”等。學(xué)生接受任務(wù)后,帶著問(wèn)題搜索解決途徑,在此期間需要教師提供方法指導(dǎo)及答疑(既可固定時(shí)間,也可通過(guò)E-mail等形式)。及時(shí)地交流,特別是針對(duì)實(shí)際問(wèn)題的交流,不僅有效率,而且便于教師及時(shí)調(diào)整教學(xué)設(shè)計(jì)。

2) 教學(xué)評(píng)價(jià)。

除了課程考核以外,每個(gè)教學(xué)單元結(jié)束時(shí)都有反饋和評(píng)價(jià)環(huán)節(jié)。評(píng)價(jià)方式包括單元測(cè)試、編寫軟件測(cè)試、研討會(huì)等。具體采用何種形式,要根據(jù)前一階段的反饋信息決定。這些來(lái)自學(xué)生反饋信息包括前一階段學(xué)習(xí)的接受情況、興趣點(diǎn)、其他課業(yè)繁忙情況等。在學(xué)期的不同時(shí)間點(diǎn)采用合適的評(píng)價(jià)方式,有助于加強(qiáng)學(xué)習(xí)刺激,總結(jié)和發(fā)現(xiàn)教學(xué)設(shè)計(jì)中的問(wèn)題,及時(shí)調(diào)整。

通過(guò)上述兩個(gè)環(huán)節(jié)的推動(dòng),精心設(shè)計(jì)的教學(xué)內(nèi)容得以順利實(shí)施并被學(xué)生欣然接受。2/3的學(xué)生在整個(gè)學(xué)期教學(xué)中都保持了積極的態(tài)度和充分的關(guān)注度,確實(shí)感受到人工智能的魅力,并能夠從技術(shù)角度看待人工智能,消除了未學(xué)或初學(xué)時(shí)的神秘感。

4教學(xué)實(shí)施效果分析

1) 正效果分析。

中原工學(xué)院計(jì)算機(jī)學(xué)院作為普通工科院校,以培養(yǎng)實(shí)用型人才為主,人工智能并非主干課程,學(xué)生重視程度不足。兩年來(lái),經(jīng)過(guò)教師與學(xué)生的共同努力,教學(xué)改革成果逐步體現(xiàn)。人工智能類學(xué)生人數(shù)從過(guò)去的5%上升到15%,科研論文數(shù)量從1%上升到20%。有20%的學(xué)生接觸過(guò)或正在從事人工智能類項(xiàng)目的研究與開(kāi)發(fā),考研選擇人工智能科目的學(xué)生比例從0上升到15%,考研成功人數(shù)占畢業(yè)生總?cè)藬?shù)的20%。

人工智能教學(xué)中采用的應(yīng)用型與研究型情境創(chuàng)設(shè),不僅促進(jìn)了學(xué)生理解接受知識(shí),而且鍛煉提高了學(xué)生獨(dú)立分析、解決問(wèn)題及開(kāi)發(fā)能力。學(xué)習(xí)也不再局限于課堂,而是拓展到圖書(shū)館、互聯(lián)網(wǎng)等更廣闊的空間。學(xué)生在學(xué)習(xí)期間保持了高度的關(guān)注,充分發(fā)揮了主動(dòng)性和主體意識(shí),為持續(xù)發(fā)展奠定了良好的基礎(chǔ)。

2) 不足分析。

DBR的方法論能夠促使教師在教學(xué)過(guò)程中不斷完善教學(xué)設(shè)計(jì),融合先進(jìn)的教學(xué)理論及工具,逐步加深學(xué)習(xí)的理解和設(shè)計(jì)的提升,切實(shí)提高教學(xué)效果。然而,仍然存在一些DBR無(wú)法解決或完善的問(wèn)題。具體表現(xiàn)在:

(1) 缺乏合適的教材。目前大多數(shù)教材的示例以解答式或推證式為主,設(shè)計(jì)型或?qū)嶋H項(xiàng)目案例較少。

(2) 投入時(shí)間限制。盡管上述教學(xué)設(shè)計(jì)和教學(xué)過(guò)程都經(jīng)過(guò)精心準(zhǔn)備與實(shí)施,但是要取得好的成效,還需要教師和學(xué)生都投入大量時(shí)間交流、研究或開(kāi)發(fā)。而學(xué)生課業(yè)繁忙造成了實(shí)施的瓶頸。

這些不足制約了上述教學(xué)方法的實(shí)際實(shí)施效果,需要今后不斷改進(jìn)。

5小結(jié)

本文針對(duì)普通工科院校學(xué)生特點(diǎn),將DBR研究成果應(yīng)用于人工智能課程。教學(xué)效果表明,精心設(shè)計(jì)的應(yīng)用型與研究型情境有助于維持學(xué)生長(zhǎng)時(shí)間的關(guān)注度、主動(dòng)性和興趣;強(qiáng)調(diào)基于評(píng)價(jià)的修正使教學(xué)過(guò)程可調(diào)節(jié),學(xué)生的學(xué)習(xí)效果更可靠。希望本文研究能夠?qū)θ斯ぶ悄芙虒W(xué)及學(xué)生培養(yǎng)起到一定的參考作用,下一階段的主要工作是進(jìn)行適合的教材建設(shè)。

參考文獻(xiàn):

[1] 楊南昌. 基于設(shè)計(jì)的研究:正在興起的學(xué)習(xí)研究新范式[J]. 中國(guó)電化教育,2007(5):6-10.

[2] 曾安,余永權(quán),曾碧. 人工智能課程教學(xué)模式的探討[J]. 江西教育學(xué)院學(xué)報(bào):綜合版,2006,27(6):40-43.

[3] 李鳴華. 案例教學(xué)法在高中人工智能課程中的運(yùn)用研究[J]. 中國(guó)電化教育,2008(2):99-102.

[4] 楊種學(xué). 研究型教學(xué)法在數(shù)據(jù)結(jié)構(gòu)課程中的應(yīng)用研究[J]. 計(jì)算機(jī)教育,2007(1):55-56.

DBR Utilized Teaching Method for Artificial Intelligence

WANG Lu, LU Xiao-xia

(School of Computer, Zhongyuan University of Technology, Zhengzhou 450007, China)

篇7

研討會(huì)邀請(qǐng)函格式【一】

關(guān)于出席機(jī)器人和人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新研討會(huì)的邀請(qǐng)函

XX高函〔2017〕29號(hào)

XX省科學(xué)技術(shù)廳

各有關(guān)單位：

為落實(shí)《XX省科技創(chuàng)新十三五規(guī)劃》，明確我省機(jī)器人和人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新主攻方向，凝練2018-2020年省科技項(xiàng)目申報(bào)指南重點(diǎn)內(nèi)容，推動(dòng)機(jī)器人和人工智能技術(shù)在智能制造、智慧生活、現(xiàn)代服務(wù)業(yè)等領(lǐng)域的深入應(yīng)用，培育經(jīng)濟(jì)發(fā)展新動(dòng)能，XX省科學(xué)技術(shù)廳決定組織召開(kāi)XX省機(jī)器人和人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新研討會(huì)。

一、會(huì)議組織

主辦單位：XX省科學(xué)技術(shù)廳

協(xié)辦單位：XX省自動(dòng)化學(xué)會(huì)

二、時(shí)間和地點(diǎn)

2017年3月24日(星期五)上午9:00-12:00。XX省軍區(qū)迎賓樓酒店(原XX省軍區(qū)招待所西院，石家莊市裕華東路100號(hào))五樓報(bào)告廳。

三、參會(huì)人員

省內(nèi)相關(guān)高等院校、科研機(jī)構(gòu)機(jī)器人和人工智能領(lǐng)域?qū)＜壹皩W(xué)術(shù)帶頭人;

省內(nèi)機(jī)器人和人工智能領(lǐng)域相關(guān)企業(yè)的企業(yè)家、產(chǎn)品或技術(shù)研發(fā)負(fù)責(zé)人;

省內(nèi)相關(guān)產(chǎn)業(yè)園區(qū)的管理負(fù)責(zé)人。

參會(huì)人員約50人。

四、相關(guān)事項(xiàng)

1、請(qǐng)各位參會(huì)嘉賓圍繞我省或本園區(qū)、本企業(yè)機(jī)器人和人工智能領(lǐng)域技術(shù)創(chuàng)新的現(xiàn)狀、發(fā)展重點(diǎn)、創(chuàng)新方向及創(chuàng)新需求等做好發(fā)言準(zhǔn)備，一般每人發(fā)言時(shí)間10-15分鐘，請(qǐng)制作PPT。

2、請(qǐng)參會(huì)嘉賓于3月22日(星期三)下午5點(diǎn)前將參會(huì)人員名單報(bào)會(huì)務(wù)組，發(fā)言PPT請(qǐng)于3月23日(星期四)下午5點(diǎn)前發(fā)會(huì)務(wù)組。

3、研討會(huì)交通、食宿費(fèi)自理。

誠(chéng)邀相關(guān)專家、學(xué)者、企業(yè)家、產(chǎn)業(yè)園區(qū)負(fù)責(zé)人出席會(huì)議并做交流發(fā)言。

省科技廳聯(lián)系人：

會(huì)務(wù)組(XX省自動(dòng)化學(xué)會(huì)辦公室)聯(lián)系人：

傳真：

E-mail:

XX省科學(xué)技術(shù)廳

2017年3月21日

研討會(huì)邀請(qǐng)函格式【二】

2017年是中國(guó)全面建成小康社會(huì)的關(guān)鍵之年。為貫徹關(guān)于推動(dòng)中華優(yōu)秀傳統(tǒng)文化傳承、創(chuàng)新和博物館發(fā)展的一系列重要論述，落實(shí)國(guó)家戰(zhàn)略背景下的博物館信息化建設(shè)，持續(xù)推進(jìn)科技支撐文化繁榮發(fā)展，建設(shè)社會(huì)主義文化強(qiáng)國(guó)，XX數(shù)字科普協(xié)會(huì)、XX博物館學(xué)會(huì)、中國(guó)博物館協(xié)會(huì)博物館數(shù)字化專業(yè)委員會(huì)、中國(guó)文物學(xué)會(huì)文物攝影專業(yè)委員會(huì)、中科院網(wǎng)絡(luò)科普聯(lián)盟、XX聯(lián)合大學(xué)擬在6月89日聯(lián)合主辦2017年XX數(shù)字博物館研討會(huì)。

XX數(shù)字博物館研討會(huì)是在XX市科學(xué)技術(shù)協(xié)會(huì)、XX市文物局、XX市經(jīng)濟(jì)和信息化委員會(huì)指導(dǎo)下的數(shù)字博物館方面的綜合學(xué)術(shù)交流活動(dòng)。從2005年開(kāi)始，每?jī)赡昱e辦一次，已成功舉辦了六屆XX數(shù)字博物館研討會(huì)，出版了五本研討會(huì)論文集。XX數(shù)字博物館研討會(huì)對(duì)利用高新技術(shù)特別是數(shù)字技術(shù)推動(dòng)博物館(科技館)信息化建設(shè)，推動(dòng)文物數(shù)字資源利用，推動(dòng)博物館(科技館)提升公共服務(wù)能力等方面具有積極地指導(dǎo)作用，得到社會(huì)和行業(yè)贊譽(yù)與認(rèn)可。

2017年XX數(shù)字博物館(科技館)研討會(huì)將更廣泛地邀請(qǐng)與數(shù)字博物館(科技館)建設(shè)相關(guān)的博物館(科技館)、企業(yè)、機(jī)構(gòu)以及科技、科普、教育、設(shè)計(jì)、藝術(shù)等領(lǐng)域的專家學(xué)者齊聚一堂，共同圍繞主題和議題進(jìn)行深入探討。

研討會(huì)還將舉辦展覽，展示數(shù)字博物館(科技館)、有關(guān)企業(yè)和機(jī)構(gòu)在此領(lǐng)域的新技術(shù)、新成果、新案例，宣傳成功經(jīng)驗(yàn)，提供更具針對(duì)性、務(wù)實(shí)性的交流機(jī)會(huì)。根據(jù)實(shí)際情況，我們擬組織優(yōu)秀展覽、展示產(chǎn)品評(píng)審。在此，組委會(huì)特邀請(qǐng)您和您單位積極組織提交論文和展覽、展示產(chǎn)品并參加研討會(huì)和展覽展示。

一、研討會(huì)議題

主題：用互聯(lián)網(wǎng)+模式，講博物館故事

分議題：

1、新技術(shù)應(yīng)用助力博物館數(shù)字內(nèi)容建設(shè)

2、數(shù)字博物館創(chuàng)意設(shè)計(jì)與融合發(fā)展

3、新興媒體助力博物館的傳播與服務(wù)

4、數(shù)字博物館價(jià)值挖掘與應(yīng)用

二、論文提交方法

本屆研討會(huì)論文提交方法：

1.電子郵件：

2.電子光盤：投寄或直接報(bào)送均可。

3.收稿截止日期：2017年4月30日。

4.錄用通知發(fā)放日期：2017年5月15日。

三、論文要求與基本格式

來(lái)稿請(qǐng)投中文稿，一般不超過(guò)5000字。

要求見(jiàn)附件1。

四、展覽展示要求

1.2017-2017年數(shù)字博物館(科技館)建設(shè)成果。

2.數(shù)字化專項(xiàng)展陳、互動(dòng)、體驗(yàn)類案例(如APP、二維碼、微視頻等)。

3.數(shù)據(jù)管理與文物資源最新應(yīng)用技術(shù)及案例。

要求見(jiàn)附件2。

五、聯(lián)系辦法

研討會(huì)組委會(huì)辦公室設(shè)在XX數(shù)字科普協(xié)會(huì)。

聯(lián) 系 人：

電子郵箱：

聯(lián)系電話：

通訊地址：XX市朝陽(yáng)區(qū)育慧里4號(hào)604室

郵編：

研討會(huì)邀請(qǐng)函格式【三】

XX光學(xué)系統(tǒng)(Radiant Vision Systems)通過(guò)高分辨率CCD相機(jī)、分析軟件、與技術(shù)支持等一體化解決方案幫助您將產(chǎn)線生產(chǎn)效率與顯示器產(chǎn)品質(zhì)量提升至一個(gè)更高的層次。

Radiant將于2017年4月11日中國(guó)電子信息博覽會(huì)展會(huì)現(xiàn)場(chǎng)舉辦XX光學(xué)系統(tǒng)技術(shù)研討會(huì)，屆時(shí)，Radiant技術(shù)專家將與您共同探討平板顯示產(chǎn)品及新興顯示技術(shù)(OLED,ARVR, 車載)產(chǎn)品缺陷檢測(cè)等問(wèn)題，并將為您著重展現(xiàn)這種自動(dòng)化檢測(cè)技術(shù)在平板顯示器及其他顯示器產(chǎn)品制造環(huán)節(jié)的實(shí)踐應(yīng)用。

2017 XX光學(xué)系統(tǒng)研討會(huì)

時(shí)間： 2017年4月11日 上午 9:30 - 12:00

地點(diǎn)： 深圳會(huì)展中心3樓314會(huì)議室

日程：略

由于現(xiàn)場(chǎng)席位有限，若您對(duì)本場(chǎng)研討會(huì)感興趣，您可以：

篇8

鐘老師，您已經(jīng)研究了幾十年的信息科學(xué)?！缎畔⒖茖W(xué)原理》一書(shū)已經(jīng)重印到第五版。您能否給讀者們講一講，信息科學(xué)是什么？有什么特點(diǎn)？

鐘義信：簡(jiǎn)要地說(shuō)，信息科學(xué)就是研究信息及其運(yùn)動(dòng)規(guī)律的科學(xué)。具體地說(shuō)，信息科學(xué)是“以信息為研究對(duì)象、以信息運(yùn)動(dòng)規(guī)律為研究?jī)?nèi)容、以信息科學(xué)方法為研究指南、以擴(kuò)展人的智力能力（它是信息能力的有機(jī)整體）為研究目標(biāo)”的一門新興橫斷科學(xué)。

武?。簭母拍睢⒍x來(lái)看，信息科學(xué)與計(jì)算機(jī)科學(xué)并不完全一樣。因?yàn)樾畔⒖茖W(xué)是以信息運(yùn)動(dòng)規(guī)律為研究?jī)?nèi)容的，研究?jī)?nèi)容既不專指計(jì)算，也不是專指計(jì)算機(jī)。從這個(gè)角度思考，信息科技課程與計(jì)算機(jī)課程的內(nèi)容將有很大的區(qū)別。這對(duì)于一線信息技術(shù)教師來(lái)說(shuō)，了解信息科學(xué)就更加重要了。您能否給我們講一講信息科學(xué)的核心內(nèi)容是什么？它對(duì)于整個(gè)社會(huì)能發(fā)揮什么作用？

鐘義信：信息科學(xué)的概念（定義）也可以通過(guò)它的基本模型來(lái)表現(xiàn)（見(jiàn)下頁(yè)圖1）。

這個(gè)模型也可以簡(jiǎn)化為以下更直觀一些的模型（見(jiàn)下頁(yè)圖2）。

考察信息科學(xué)的定義和它的基本模型（以及簡(jiǎn)化模型）可以知道：

信息科學(xué)最大的特點(diǎn)是研究“信息”（而不是物質(zhì)和能量）。

它的核心內(nèi)容就是研究“信息運(yùn)動(dòng)規(guī)律，即信息-知識(shí)-智能轉(zhuǎn)換的規(guī)律”。

世間一切物質(zhì)的運(yùn)動(dòng)都會(huì)產(chǎn)生信息。人類正是通過(guò)研究信息，才能認(rèn)識(shí)世界（包括自然和社會(huì)）。因此，信息科學(xué)的研究目標(biāo)，就是“擴(kuò)展人類的智力能力，也就是擴(kuò)展人類認(rèn)識(shí)世界和改造世界的能力”。這就是信息科學(xué)對(duì)于整個(gè)社會(huì)的作用所在。

武?。何矣浀媚?jīng)講過(guò)信息分成主客體關(guān)系，那么我們理解基本模型與簡(jiǎn)化模型也是一步步地發(fā)展出來(lái)的。從簡(jiǎn)到繁是否可以這樣理解？（如下頁(yè)圖3）

從信息定義的基本模型中，還可以看到信息科學(xué)在特別關(guān)注著策略，尤其是人的策略。從這個(gè)角度來(lái)看，信息科技課程中會(huì)有著一批以前沒(méi)有的教學(xué)內(nèi)容。技術(shù)課中的學(xué)習(xí)計(jì)算機(jī)操作的教學(xué)目標(biāo)是學(xué)會(huì)操作。而信息科技框架下的課程則需要以應(yīng)用技術(shù)，挖掘其中的問(wèn)題解決策略，了解信息科學(xué)概念與原理為主要目標(biāo)了。

每個(gè)學(xué)科都會(huì)有一批本學(xué)科的科學(xué)家，像牛頓對(duì)于物理，哈勃對(duì)于天文，歐姆對(duì)于電學(xué)……信息科學(xué)是一門新興的橫斷科學(xué)，那么您認(rèn)為這門學(xué)科中有代表性的信息科學(xué)家有哪些人？

鐘義信：橫斷科學(xué)，是在概括和綜合多門學(xué)科的基礎(chǔ)上形成的一類學(xué)科。它不是以客觀世界的某種物質(zhì)結(jié)構(gòu)及其運(yùn)動(dòng)形式為研究對(duì)象，而是從許多物質(zhì)結(jié)構(gòu)及其運(yùn)動(dòng)形式中抽出某一特定的共同方面作為研究對(duì)象，其研究對(duì)象橫貫多個(gè)領(lǐng)域甚至一切領(lǐng)域。所以，信息科學(xué)家、信息技術(shù)專家會(huì)有自己的領(lǐng)域，但會(huì)在共同的信息方向有突出貢獻(xiàn)。

如香農(nóng)（Shannon）在1948年發(fā)表了論文“通信的數(shù)學(xué)理論”，奠定了“通信信息論”;維納（Wiener）在1948年出版了著作《控制論》，奠定了隨機(jī)控制理論，貝塔朗菲（Bertalanffy）在20世紀(jì)60年代出版了《一般系統(tǒng)論》，建立了系統(tǒng)論。西蒙（Simon）對(duì)功能模擬的人工智能理論做出了奠基性的貢獻(xiàn)，費(fèi)根鮑姆（Feigenbaum）是人工智能專家系統(tǒng)的開(kāi)拓者，閔斯基（Minsky）對(duì)人工神經(jīng)網(wǎng)絡(luò)和認(rèn)知理論有突出的貢獻(xiàn)，查德（Zadeh）創(chuàng)建了支持信息科學(xué)研究的模糊集合和模糊邏輯， 柯?tīng)柲曷宸颍↘olmogorov）對(duì)信息理論和控制理論都有杰出貢獻(xiàn)，等等。這些人都在信息科學(xué)領(lǐng)域有過(guò)不同方面的重要建樹(shù)，都可以稱之為信息科學(xué)家。

由于我國(guó)只有各種信息技術(shù)的學(xué)術(shù)機(jī)構(gòu)而沒(méi)有專門的信息科學(xué)的學(xué)術(shù)機(jī)構(gòu)，很少純粹信息科學(xué)方面的交流機(jī)會(huì)，因此很難確定誰(shuí)是信息科學(xué)家。不過(guò)，由于我國(guó)信息化建設(shè)的迅猛發(fā)展，確實(shí)出現(xiàn)了不少在信息科學(xué)技術(shù)方面做出重要貢獻(xiàn)的人員。

武健：信息科學(xué)是一門新興的學(xué)科。既然是“新興”，那么它一定在發(fā)展，甚至是快速發(fā)展。您認(rèn)為信息科學(xué)主要研究的方向與進(jìn)展如何？現(xiàn)階段出現(xiàn)了什么樣的困難？

鐘義信：相對(duì)而言，信息科學(xué)是一門非常年輕的學(xué)科。因此，它的主要研究方向應(yīng)當(dāng)是信息科學(xué)的基礎(chǔ)理論，研究信息的基本運(yùn)動(dòng)規(guī)律。其中包括信息理論、知識(shí)理論、智能理論，特別是信息、知識(shí)、智能之間的轉(zhuǎn)換理論（一體化理論）。

經(jīng)過(guò)半個(gè)多世紀(jì)的研究和探索，我們?cè)谶@些基礎(chǔ)研究方面取得了可喜的進(jìn)展，具體表現(xiàn)在：建立了超越與拓展傳統(tǒng)信息論的“全信息理論”，發(fā)現(xiàn)了“知識(shí)的生態(tài)學(xué)規(guī)律”，創(chuàng)建了“機(jī)制模擬的人工智能理論”，實(shí)現(xiàn)了“結(jié)構(gòu)主義、功能主義、行為主義人工智能理論”的統(tǒng)一，還創(chuàng)建了“基礎(chǔ)意識(shí)―情感―理智三位一體的高等人工智能”，特別值得提到的是，發(fā)現(xiàn)了意義重大的“信息轉(zhuǎn)換與智能創(chuàng)生定律”。

在取得這些進(jìn)展的過(guò)程中，發(fā)現(xiàn)物質(zhì)科學(xué)（代表性科學(xué)是物理科學(xué)）的科學(xué)觀（還原論）和方法論（分而治之）不適用于信息科學(xué)（和智能科學(xué)）研究，總結(jié)并提出了適用于信息科學(xué)研究的新的科學(xué)觀和方法論。

面臨的主要困難是：由于信息科學(xué)和智能理論的研究對(duì)象多數(shù)是非常復(fù)雜的問(wèn)題，因此現(xiàn)有的數(shù)學(xué)工具不敷應(yīng)用，特別是其中的邏輯理論還相當(dāng)單薄，不足以支持這些復(fù)雜問(wèn)題的創(chuàng)新研究。這是當(dāng)前信息科學(xué)發(fā)展中的“瓶頸”。

武健：信息科學(xué)關(guān)系到的方法論可以分成信息科學(xué)研究的方法論和信息技術(shù)應(yīng)用的方法論。根據(jù)這樣的觀點(diǎn)，在信息科技課程中，需要以完整的信息綜合活動(dòng)展開(kāi)教學(xué)，而不適合片面地學(xué)習(xí)信息獲取、信息處理某一個(gè)片段。因?yàn)樾畔⒖茖W(xué)方法論更強(qiáng)調(diào)從整體到局部，不建議從信息運(yùn)動(dòng)中的某一細(xì)節(jié)去理解典型的信息過(guò)程。

信息科技的方法論分成理論研究層級(jí)和技術(shù)應(yīng)用層級(jí)。您認(rèn)為在信息科學(xué)研究中，常用的方法與手段有哪些？

鐘義信：與物理科學(xué)研究方法最大的不同，是不再采用“分而治之，各個(gè)擊破”這種流行了數(shù)百年之久而且一直行之有效的傳統(tǒng)科學(xué)研究方法論，而是改為運(yùn)用全新的“信息轉(zhuǎn)換與智能創(chuàng)生”方法論。

原因是：“分而治之”方法論在把系統(tǒng)分解為若干子系統(tǒng)的時(shí)候，必定會(huì)丟失各個(gè)子系統(tǒng)之間相互聯(lián)系相互作用的信息，而這些信息正是復(fù)雜信息系統(tǒng)的生命線。就像研究人腦思維奧秘的時(shí)候，如果采用“分而治之”的方法把人腦分解為若干部分進(jìn)行研究，即使把每個(gè)部分都研究好了，也無(wú)法揭示人腦思維的奧秘，因?yàn)榉纸庵蟮倪@些人腦部分根本無(wú)法復(fù)原為活的人腦。

“信息轉(zhuǎn)換與智能創(chuàng)生”方法認(rèn)為，信息系統(tǒng)是一個(gè)生態(tài)系統(tǒng)：由信息生成知識(shí)進(jìn)而生成智能（策略），從而按照策略解決問(wèn)題。它強(qiáng)調(diào)信息、知識(shí)、智能（策略）之間的相互聯(lián)系和相互作用，強(qiáng)調(diào)信息、知識(shí)、智能（策略）之間的生態(tài)聯(lián)系，根據(jù)外部世界客體的信息和認(rèn)識(shí)主體的目的，可以通過(guò)學(xué)習(xí)創(chuàng)生解決問(wèn)題的智能策略。

至于具體的研究工具，基本也是硬件試驗(yàn)和軟件仿真（包括虛擬現(xiàn)實(shí)）。

武?。涸谛畔⒖茖W(xué)體系中，您認(rèn)為這個(gè)領(lǐng)域中最基本的概念和原理是什么？

鐘義信：信息科學(xué)最基本的概念包括信息、知識(shí)、智能。人們往往把信息科學(xué)技術(shù)僅僅局限在“信息”范疇，這其實(shí)是對(duì)信息科學(xué)技術(shù)嚴(yán)重的。經(jīng)過(guò)這樣的信息科學(xué)技術(shù)的作用，就大大被削弱了。

信息科學(xué)最基本的原理則是：信息―知識(shí)―智能轉(zhuǎn)換原理。正確運(yùn)用這個(gè)基本原理，人們就可以在具體的環(huán)境中求出解決問(wèn)題、而且保證實(shí)現(xiàn)“主客雙贏”的智能策略，從而滿意地解決問(wèn)題。

武?。阂话闳硕贾?，現(xiàn)代科學(xué)與技術(shù)有著不可分割的密切關(guān)系。一方面，很多人還不知道什么是信息科學(xué)，另一方面，還不能想象信息科學(xué)與信息技術(shù)之間有什么關(guān)系。您認(rèn)為兩者有什么樣的區(qū)別與聯(lián)系？

鐘義信：信息科學(xué)與信息技術(shù)是一對(duì)孿生的概念，信息科學(xué)是信息技術(shù)的理論基礎(chǔ)，信息技術(shù)是信息科學(xué)理論的具體實(shí)現(xiàn)。兩者相互聯(lián)系，相互促進(jìn)。

武?。汉芏嗳苏J(rèn)為信息技術(shù)就是計(jì)算機(jī)技術(shù)加上網(wǎng)絡(luò)技術(shù)，信息技術(shù)就是能夠用計(jì)算機(jī)上網(wǎng)。這部分人覺(jué)得，信息技術(shù)就是信息技術(shù)，不是什么“關(guān)于信息的技術(shù)”。關(guān)于這些觀點(diǎn)您是怎么看的？從信息科學(xué)的角度來(lái)看信息技術(shù)應(yīng)當(dāng)包含什么內(nèi)容？

鐘義信：只要對(duì)照信息科學(xué)的簡(jiǎn)化模型，就可以很明確地回答：信息技術(shù)不等于計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)，因?yàn)檫@個(gè)說(shuō)法很不全面，忽略了傳感技術(shù)，忽略了控制技術(shù)，特別是忽略了人工智能技術(shù)。

實(shí)際上，在以往，關(guān)于“信息技術(shù)”的概念，確實(shí)曾經(jīng)流行過(guò)很多各不相同的說(shuō)法。其中比較出名的包括：

1C說(shuō)――認(rèn)為“信息技術(shù)就是Communication技術(shù)”，理由是：信息論就是通信論;也有一些人認(rèn)為“信息技術(shù)就是Computer技術(shù)”，理由是：計(jì)算機(jī)就是用來(lái)處理信息的技術(shù)。

2C說(shuō)――認(rèn)為“信息技術(shù)就是Computer+ Communication技術(shù)”。

3C說(shuō)――認(rèn)為“信息技術(shù)就是Computer+ Communication + Control技術(shù)”。

但是，對(duì)照信息科學(xué)的簡(jiǎn)化模型就可以明白，這些說(shuō)法都屬于“以偏概全”的認(rèn)識(shí)，都是不全面的認(rèn)識(shí)。

從信息科學(xué)的簡(jiǎn)化模型可以非常清晰地了解到具體的信息技術(shù)內(nèi)容，包括實(shí)現(xiàn)信息獲取功能的“傳感技術(shù)”，實(shí)現(xiàn)信息傳遞和策略傳遞功能的“通信技術(shù)”，實(shí)現(xiàn)信息預(yù)處理功能的“計(jì)算機(jī)技術(shù)和存儲(chǔ)技術(shù)”，實(shí)現(xiàn)信息認(rèn)知功能和智能決策功能的“人工智能技術(shù)”，實(shí)現(xiàn)策略執(zhí)行功能的“控制技術(shù)”，以及實(shí)現(xiàn)反饋學(xué)習(xí)和策略優(yōu)化的“信息系統(tǒng)自組織技術(shù)”等。

武?。耗J(rèn)為未來(lái)20～30年，信息科技最有意思的發(fā)展可能是什么？

鐘義信：根據(jù)“科學(xué)技術(shù)擬人律”，未來(lái)20～30年，信息科學(xué)技術(shù)最有意義的發(fā)展將是人工智能技術(shù)。

對(duì)照信息科學(xué)簡(jiǎn)化模型就知道，擴(kuò)展感覺(jué)器官功能的傳感技術(shù)、擴(kuò)展傳導(dǎo)神經(jīng)系統(tǒng)的通信技術(shù)、擴(kuò)展思維器官預(yù)處理功能的計(jì)算機(jī)技術(shù)以及擴(kuò)展效應(yīng)器官功能的控制技術(shù)都是相對(duì)而言的技術(shù)，擴(kuò)展思維器官認(rèn)知功能和決策功能的人工智能技術(shù)才是核心技術(shù)。目前信息技術(shù)已經(jīng)得到長(zhǎng)足的發(fā)展（未來(lái)當(dāng)然還會(huì)繼續(xù)發(fā)展），這就為核心信息技術(shù)的發(fā)展打好了基礎(chǔ)，也產(chǎn)生了需求。因此，未來(lái)20～30年間，人工智能科學(xué)技術(shù)必然成為發(fā)展的主導(dǎo)潮流。

武健：您認(rèn)為學(xué)習(xí)信息科技的知識(shí)對(duì)于中小學(xué)生來(lái)說(shuō)有何意義？有沒(méi)有哪一部分內(nèi)容需要在現(xiàn)階段特別強(qiáng)調(diào)的？

鐘義信：中小學(xué)生絕對(duì)應(yīng)當(dāng)學(xué)習(xí)基本的信息科學(xué)知識(shí)，掌握信息技術(shù)的基本能力。當(dāng)今的時(shí)代是信息時(shí)代，不學(xué)習(xí)信息科學(xué)技術(shù)，就會(huì)成為落伍的一代，被淘汰的一代。這是非常危險(xiǎn)的。

當(dāng)然，中小學(xué)生學(xué)習(xí)信息科學(xué)技術(shù)應(yīng)當(dāng)遵循“循序漸進(jìn)”的認(rèn)知規(guī)律和“興趣引導(dǎo)”的教學(xué)方法。事實(shí)上，信息科學(xué)技術(shù)本身的發(fā)展就是循序漸進(jìn)的，如圖4所示。

武?。耗鷮?duì)中小學(xué)的信息科學(xué)與技術(shù)課程（不等同于計(jì)算機(jī)課程）有何期望與要求？

鐘義信：根據(jù)“信息科學(xué)技術(shù)”的定義，“計(jì)算機(jī)科學(xué)技術(shù)”只是“信息科學(xué)技術(shù)”的一個(gè)組成部分。部分不等于全體，部分不能代替全體。所以，不能用“計(jì)算機(jī)”課程代替“信息科學(xué)技術(shù)”課程。

中小學(xué)的信息科學(xué)技術(shù)教育是一個(gè)極其重要的問(wèn)題，又是一個(gè)十分復(fù)雜的問(wèn)題。我們不能就事論事孤立地討論中小學(xué)的信息科學(xué)技術(shù)課程，而應(yīng)當(dāng)把它作為“國(guó)家信息科學(xué)技術(shù)教育系統(tǒng)工程”來(lái)統(tǒng)籌考慮：小學(xué)階段學(xué)什么？中學(xué)階段學(xué)什么？大學(xué)階段學(xué)什么？碩士研究生階段學(xué)什么？博士研究生階段學(xué)什么？等等。

按照“信息科學(xué)技術(shù)教育系統(tǒng)工程”的思路，中小學(xué)生應(yīng)當(dāng)通過(guò)“學(xué)習(xí)最為基礎(chǔ)的信息科學(xué)概念”和“掌握最為基本的信息技術(shù)能力”形成“最淺層（然而又是準(zhǔn)確的）的信息科學(xué)技術(shù)觀念和濃厚的興趣”。其中，“觀念和興趣”是最重要的，而“概念和能力”則是支撐這種“觀念和興趣”的支柱。

武?。虹娎蠋煟兄x您的指導(dǎo)。您認(rèn)為2010年后，學(xué)科基本研究才逐步成熟起來(lái)。一門學(xué)科從成熟到走進(jìn)基礎(chǔ)教育往往需要十多年的工作，而信息科技課程的發(fā)展將是長(zhǎng)期的。希望您以后能夠經(jīng)常關(guān)注基礎(chǔ)教育中的信息科技課程發(fā)展，給我們更多指導(dǎo)。

附錄：

篇9

論文摘要：隨著數(shù)據(jù)庫(kù)技術(shù)和人工智能技術(shù)的不斷進(jìn)步，數(shù)據(jù)挖掘技術(shù)逐步發(fā)展起來(lái)，作為當(dāng)前計(jì)算機(jī)信息技術(shù)中的一項(xiàng)較為新興的技術(shù)，綜合運(yùn)用了數(shù)理統(tǒng)計(jì)、模式識(shí)別、計(jì)算智能、人工智能等多項(xiàng)先進(jìn)技術(shù)，主要是從大量的數(shù)據(jù)中來(lái)發(fā)現(xiàn)和挖掘一些隱含的有價(jià)值的知識(shí)，從大型的數(shù)據(jù)庫(kù)數(shù)據(jù)中挖掘一些人們比較感興趣的知識(shí)，本文主要講了數(shù)據(jù)挖掘技術(shù)的概念、數(shù)據(jù)挖掘技術(shù)在保護(hù)設(shè)備故障信息中的實(shí)現(xiàn)方法以及數(shù)據(jù)挖掘技術(shù)保護(hù)設(shè)備故障信息管理的基本功能等問(wèn)題。

數(shù)據(jù)挖掘技術(shù)作為當(dāng)前計(jì)算機(jī)信息技術(shù)中的一項(xiàng)較為新興的技術(shù)，綜合運(yùn)用了數(shù)理統(tǒng)計(jì)、模式識(shí)別、計(jì)算智能、人工智能等多項(xiàng)先進(jìn)技術(shù)，主要是從大量的數(shù)據(jù)中來(lái)發(fā)現(xiàn)和挖掘一些隱含的有價(jià)值的知識(shí)，也就是從大型的數(shù)據(jù)庫(kù)數(shù)據(jù)中挖掘一些人們比較感興趣的知識(shí)，這些被提取的知識(shí)通常會(huì)表現(xiàn)為模式、規(guī)律、規(guī)則和概念，將數(shù)據(jù)挖掘的所有對(duì)象定義成數(shù)據(jù)庫(kù)或者是文件系統(tǒng)以及其他的一些組織在一起的數(shù)據(jù)集合，數(shù)據(jù)挖掘技術(shù)也是現(xiàn)在智能理論系統(tǒng)的重要研究?jī)?nèi)容，已經(jīng)開(kāi)始被應(yīng)用于行政管理、醫(yī)學(xué)、金融、商業(yè)、工業(yè)等不同的領(lǐng)域當(dāng)中，在保護(hù)設(shè)備故障信息管理方面發(fā)揮出了積極的作用。

一、數(shù)據(jù)挖掘技術(shù)的概念

隨著數(shù)據(jù)庫(kù)技術(shù)和人工智能技術(shù)的不斷進(jìn)步，數(shù)據(jù)挖掘技術(shù)逐步發(fā)展起來(lái)，主要是指從大量的數(shù)據(jù)中發(fā)現(xiàn)和挖掘一些隱含的有價(jià)值的有用信息和知識(shí)，這些被提取的知識(shí)通常會(huì)表現(xiàn)為模式、規(guī)律、規(guī)則和概念，將數(shù)據(jù)挖掘的所有對(duì)象定義成數(shù)據(jù)庫(kù)或者是文件系統(tǒng)以及其他的一些組織在一起的數(shù)據(jù)集合，當(dāng)前數(shù)據(jù)挖掘技術(shù)已經(jīng)逐漸被應(yīng)用于了醫(yī)藥業(yè)、保險(xiǎn)業(yè)、制造業(yè)、電信業(yè)、銀行業(yè)、市場(chǎng)營(yíng)銷等不同的領(lǐng)域，隨著計(jì)算技術(shù)、網(wǎng)絡(luò)技術(shù)以及信息技術(shù)的不斷進(jìn)步，在故障診斷過(guò)程中所采集到的數(shù)據(jù)可以被廣泛地存儲(chǔ)在不同的數(shù)據(jù)庫(kù)當(dāng)中，如果依然采用傳統(tǒng)的數(shù)據(jù)處理方法來(lái)對(duì)這些海量的信息數(shù)據(jù)進(jìn)行分析處理，不僅會(huì)浪費(fèi)大量的實(shí)踐而且也很難挖掘到有效的信息數(shù)據(jù)，同時(shí)，盡管智能診斷以及專家系統(tǒng)等方式在故障的診斷過(guò)程中已經(jīng)被得到了廣泛的應(yīng)用，但是這些方法卻仍然存在著很多推理困難、知識(shí)瓶頸等一些尚未完全被解決的問(wèn)題，采用數(shù)據(jù)挖掘技術(shù)就可以比較有效地來(lái)解決這些難題，在故障診斷的過(guò)程中發(fā)揮其獨(dú)特的優(yōu)勢(shì)。從不同的角度進(jìn)行分析，數(shù)據(jù)挖掘技術(shù)可以分為不同的方法，就目前的發(fā)展現(xiàn)狀來(lái)看，常用的數(shù)據(jù)挖掘技術(shù)方法主要有遺傳算法、粗集方法、神經(jīng)網(wǎng)絡(luò)方法以及決策樹(shù)方法等。

二、數(shù)據(jù)挖掘技術(shù)在保護(hù)設(shè)備故障信息中的實(shí)現(xiàn)方法

1.基本原理。在設(shè)備出現(xiàn)故障時(shí)采用數(shù)據(jù)挖掘技術(shù)對(duì)設(shè)備進(jìn)行一系列的故障診斷，也就是說(shuō)根據(jù)這一設(shè)備的運(yùn)行記錄，對(duì)其運(yùn)行的趨勢(shì)進(jìn)行預(yù)測(cè)，并對(duì)其可能存在的運(yùn)行狀態(tài)進(jìn)行分類，故障診斷的實(shí)質(zhì)就是一種模式識(shí)別方式，對(duì)機(jī)器設(shè)備的故障進(jìn)行診斷的過(guò)程也就是該模式匹配和獲取的過(guò)程。

2.對(duì)故障診斷的數(shù)據(jù)挖掘方法建模。針對(duì)機(jī)械故障的診斷來(lái)說(shuō)，首先就應(yīng)當(dāng)獲取一些關(guān)于本機(jī)組的一些運(yùn)行參數(shù)，既要包括機(jī)器在正常運(yùn)行以及平穩(wěn)工作時(shí)的信息數(shù)據(jù)，也應(yīng)當(dāng)包括機(jī)器在出現(xiàn)故障時(shí)的一些信息數(shù)據(jù)，在現(xiàn)場(chǎng)的監(jiān)控系統(tǒng)中往往就會(huì)存在著相應(yīng)的正常工作狀態(tài)下以及出現(xiàn)故障時(shí)的不同運(yùn)行參數(shù)，而數(shù)據(jù)挖掘的任務(wù)就是從這些雜亂無(wú)章的信息樣本庫(kù)中找出其中所隱藏著的內(nèi)在規(guī)律，并且從中提取各自故障的不同特征，在對(duì)故障的模式進(jìn)行劃分時(shí)，我們通?？梢越柚怕式y(tǒng)計(jì)的方式，在對(duì)故障模式進(jìn)行識(shí)別時(shí)可以采用較為成熟的關(guān)聯(lián)規(guī)則理論，實(shí)現(xiàn)變量之間的關(guān)聯(lián)關(guān)系，并最終得到分類所需要用到的一些規(guī)則，從而最終達(dá)到分類的目的，依據(jù)這些規(guī)則，就可以對(duì)一些新來(lái)的數(shù)據(jù)進(jìn)行判斷，而且可以準(zhǔn)確地對(duì)故障進(jìn)行分類，找出故障所產(chǎn)生的原因和解決故障的正確方法。

三、數(shù)據(jù)挖掘技術(shù)保護(hù)設(shè)備故障信息管理的基本功能

1.數(shù)據(jù)傳輸功能。數(shù)據(jù)挖掘技術(shù)保護(hù)設(shè)備故障信息管理與分析系統(tǒng)的主要數(shù)據(jù)來(lái)源就是故障信息的分站系統(tǒng)，而分站系統(tǒng)中的數(shù)據(jù)是各個(gè)子站的一個(gè)數(shù)據(jù)匯總，而保護(hù)設(shè)備故障信息管理與分析系統(tǒng)所采用的獲取數(shù)據(jù)的主要方式就是一些專門的通信程序構(gòu)建起系統(tǒng)與分站之間的聯(lián)系，將分站上的一些匯總數(shù)據(jù)傳輸?shù)焦收闲畔⑾到y(tǒng)的數(shù)據(jù)庫(kù)中，分析系統(tǒng)所具有的數(shù)據(jù)傳輸功能，在進(jìn)行數(shù)據(jù)的處理時(shí)又能做到不影響原先分站數(shù)據(jù)庫(kù)的正常運(yùn)行，并且具備抗干擾能力強(qiáng)、計(jì)算效率高的優(yōu)點(diǎn)。

2.數(shù)據(jù)的分析功能。系統(tǒng)在正常運(yùn)行時(shí)，會(huì)從故障信息子站或者是分站采集相關(guān)的數(shù)據(jù)并且對(duì)這些采集到的數(shù)據(jù)進(jìn)行分析整理，最終得到有用的數(shù)據(jù)信息，利用數(shù)據(jù)挖掘技術(shù)對(duì)龐大的故障數(shù)據(jù)進(jìn)行分析、分類以及整理，能夠有效地找出有用的信息，歸并一些冗余的信息，對(duì)信息進(jìn)行有效地存儲(chǔ)和分類。另外，數(shù)據(jù)挖掘技術(shù)還具有信息查詢的功能，可以進(jìn)行不同條件下的查詢，例如按時(shí)間段、報(bào)告類型、設(shè)備型號(hào)以及單位等進(jìn)行查詢，實(shí)現(xiàn)查詢后的備份轉(zhuǎn)存等，根據(jù)故障信息系統(tǒng)所提供高的數(shù)據(jù)信息以及本系統(tǒng)庫(kù)中所保存的一些整定阻抗值，可以通過(guò)邏輯判斷生產(chǎn)繼電保護(hù)動(dòng)作的分析報(bào)告，主要包括對(duì)故障過(guò)程的簡(jiǎn)述、故障切除情況以及保護(hù)動(dòng)作情況等，可以便于繼電保護(hù)人員直觀的對(duì)保護(hù)裝置的動(dòng)作情況進(jìn)行分析。

四、結(jié)語(yǔ)

隨著企業(yè)自動(dòng)化程度的不斷提高以及數(shù)據(jù)庫(kù)技術(shù)的迅速發(fā)展，很多企業(yè)在一些重要的設(shè)備方面都安裝了監(jiān)測(cè)系統(tǒng)，對(duì)設(shè)備運(yùn)行過(guò)程中的一些重要參數(shù)和數(shù)據(jù)進(jìn)行采集，采用數(shù)據(jù)挖掘技術(shù)可以有效地解決設(shè)備故障診斷中的一些知識(shí)獲取瓶頸，將數(shù)據(jù)挖掘系統(tǒng)充分應(yīng)用到監(jiān)控系統(tǒng)中，有效解決故障診斷中的一些困難，事實(shí)證明，將數(shù)據(jù)挖掘技術(shù)應(yīng)用到故障診斷中是非常有效的，也是值得研究和學(xué)習(xí)的新型技術(shù)手段。

參考文獻(xiàn)：

[1]李勛,龔慶武,楊群瑛,羅思需,李社勇.基于數(shù)據(jù)挖掘技術(shù)的保護(hù)設(shè)備故障信息管理與分析系統(tǒng)[j].電力自動(dòng)化設(shè)備,2011,9

[2]李建業(yè),劉志遠(yuǎn),蔡乾,趙洪波.基于web的故障信息系統(tǒng)[j].電力信息化,2007,s1

篇10

[關(guān)鍵詞]人工智能；神經(jīng)網(wǎng)絡(luò)控制；模糊神經(jīng)元控制；自適應(yīng)控制

中圖分類號(hào)：U686 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-914X（2017）15-0069-01

1.序言

人工智能控制技術(shù)一直沒(méi)能取代古典控制方法。但隨著現(xiàn)代控制理論的發(fā)展，控制器設(shè)計(jì)的常規(guī)技術(shù)正逐漸被廣泛使用的人工智能軟件技術(shù)（人工神經(jīng)網(wǎng)絡(luò)、模糊控制、模糊神經(jīng)網(wǎng)絡(luò)、遺傳算法等）所替代。這些方法的共同特點(diǎn)是：都需要不同數(shù)量和類型的必須的描述系統(tǒng)和特性的“a priori”知識(shí)。由于這些方法具有很多優(yōu)勢(shì)，因此工業(yè)界強(qiáng)烈希望開(kāi)發(fā)、生產(chǎn)使用這些方法的系統(tǒng)，但又希望該系統(tǒng)實(shí)現(xiàn)簡(jiǎn)單、性能優(yōu)異。

2、人工智能在直流傳動(dòng)中的運(yùn)用

2.1.模糊邏輯控制應(yīng)用

主要有兩類模糊控制器，Mamdani和Sugeno型。到目前為止只有Mamdani模糊控制器用于調(diào)速控制系統(tǒng)中。值得注意的是這兩種控制器都有規(guī)則庫(kù)，它是一個(gè)if-then模糊規(guī)則集。但Sugeno控制器的典型規(guī)則是“如果X是A，并且y是B，那么Z=f（x，y）”。這里A和B是模糊集；Z=f（x，y）是x，y的函數(shù)，通常是輸入變量x，y的多項(xiàng)式。當(dāng)f是常數(shù)，就是零階Sugeno模型，因此Sugeno是Mamdani控制器的特例。

Mamdani控制器由下面四個(gè)主要部分組成：

2.1.1模糊化實(shí)現(xiàn)輸入變量的測(cè)量、量化和模糊化。隸屬函數(shù)有多種形式。

2.1.2知識(shí)庫(kù)由數(shù)據(jù)庫(kù)和語(yǔ)言控制規(guī)則庫(kù)組成。開(kāi)發(fā)規(guī)則庫(kù)的主要方法是：把專家的知識(shí)和經(jīng)歷用于應(yīng)用和控制目標(biāo)；建模操作器的控制行動(dòng)；建模過(guò)程；使用自適應(yīng)模糊控制器和人工神經(jīng)網(wǎng)絡(luò)推理機(jī)制。

2.1.3推理機(jī)是模糊控制器的核心，能模仿人的決策和推理模糊控制行為。

2.1.4反模糊化實(shí)現(xiàn)量化和反模糊化。在各種出版物中，介紹了許多被模糊化的控制器，但這應(yīng)與“充分模糊”控制器完全區(qū)分開(kāi)來(lái)，“充分模糊”控制器才是完全意義上的模糊控制器，被模糊化的控制器易于實(shí)現(xiàn)，往往通過(guò)改造現(xiàn)有古典控制器得以實(shí)現(xiàn)，如被模糊化的PI控制器（FPIC）使用模糊邏輯改變控制器的比例、積分參數(shù)，從而使系統(tǒng)的性能得到提高（17），控制器參數(shù)的微小變化可能導(dǎo)致特性的極大提高，被模糊化的控制器參數(shù)調(diào)整方法如下：P（ti）=P（ti-1）+kP*CP，I（ti）=I（ti-1）*CI。但如應(yīng)用“充分”模糊邏輯控制器，系統(tǒng)響應(yīng)遠(yuǎn)遠(yuǎn)優(yōu)于FPIC和最優(yōu)古典PI控制器，用于最優(yōu)化常規(guī)控制器的計(jì)算時(shí)間比模糊化控制器所需的時(shí)間多得多。因此，使用最小配置的FPIC控制器是可能的選擇之一，事實(shí)上，這也是用現(xiàn)有驅(qū)動(dòng)裝置實(shí)現(xiàn)的最簡(jiǎn)單方法。

2.2.ANNS的應(yīng)用

過(guò)去二十年，人工神經(jīng)網(wǎng)絡(luò)（ANNS）在模式識(shí)別和信號(hào)處理中得到廣泛運(yùn)用。由于ANNS有一致性的非線性函數(shù)估計(jì)器，因此它也可有效的運(yùn)用于電氣傳動(dòng)控制領(lǐng)域，它們的優(yōu)勢(shì)是不需要被控系統(tǒng)的數(shù)學(xué)模型，一致性很好，對(duì)噪音不敏感。另外，由于ANNS的并行結(jié)構(gòu)，它很適合多傳感器輸入運(yùn)用，比如在條件監(jiān)控、診斷系統(tǒng)中能增強(qiáng)決策的可靠性，當(dāng)然，最近電氣傳動(dòng)朝著最小化傳感器數(shù)量方向發(fā)展，但有時(shí)，多傳感器可以減少系統(tǒng)對(duì)特殊傳感器缺陷的敏感性，不需要過(guò)高的精度，也不需要復(fù)雜的信號(hào)處理。

3.人工智能在交流傳動(dòng)中的應(yīng)用

3.1.模糊邏輯的應(yīng)用

在大多數(shù)討論模糊邏輯在交流傳動(dòng)中運(yùn)用的文章中，都介紹的是用模糊控制器取代常規(guī)的速度調(diào)節(jié)器，可英國(guó)Aberdeen大學(xué)開(kāi)發(fā)的全數(shù)字高性能傳動(dòng)系統(tǒng)中有多個(gè)模糊控制器（4），這些模糊控制器不僅用來(lái)取代常規(guī)的PI或PID控制器，同時(shí)也用于其他任務(wù)。該大學(xué)還把模糊神經(jīng)控制器用于各種全數(shù)字高動(dòng)態(tài)性能傳動(dòng)系統(tǒng)開(kāi)發(fā)中。也有一些優(yōu)秀的文章論述運(yùn)用模糊邏輯控制感應(yīng)電機(jī)的磁通和力矩。

矢量控制器也是一種間接控制類型，并且很好的特性。文獻(xiàn)（27）提出了一種模糊邏輯速度控制器。它的輸入標(biāo)定因子是變化的。實(shí)驗(yàn)結(jié)果也驗(yàn)證了所提方案的有效性。該系統(tǒng)中模糊速度控制器與常規(guī)的PI速度控制器和CRPWM塑變器一起使用，它往往用來(lái)補(bǔ)償可能的慣性和負(fù)載轉(zhuǎn)矩的擾動(dòng)。常規(guī)PI控制器用來(lái)穩(wěn)定系統(tǒng)的穩(wěn)態(tài)速度響應(yīng)。矢量控制器使用轉(zhuǎn)子磁通觀測(cè)器觀測(cè)（UI觀測(cè)器，iw觀測(cè)器（1）（4）），模糊邏輯用于轉(zhuǎn)子電阻的估計(jì)。

到目前為止，只有兩種運(yùn)用人工智能技術(shù)的工業(yè)產(chǎn)品，其一是下節(jié)介紹的安川矢量變頻器，另一個(gè)是日立矢量變頻器，日立公司最近開(kāi)發(fā)了J300系列IGBT矢量變頻器，功率范圍是5.5KW--55KW。它的主要特點(diǎn)是使用無(wú)傳感器矢量控制算法和強(qiáng)大的自調(diào)整功能。無(wú)傳感器磁通矢量控制方案采樣兩相定子電流，在初始自整定階段，電機(jī)和負(fù)載的慣性以及其他參數(shù)例如定子電感，定子和轉(zhuǎn)子電阻、勵(lì)磁電感等參數(shù)被計(jì)算。日立公司宣稱這是世界上第一臺(tái)使用模糊控制的變頻器。它考慮了電機(jī)和系統(tǒng)的特性，轉(zhuǎn)矩計(jì)算軟件在整個(gè)頻率范圍保證了轉(zhuǎn)矩的精確控制。變頻器的主要性能指標(biāo)如下：1Hz時(shí)150%或更高的啟動(dòng)轉(zhuǎn)矩；在3∶1的速度范圍（20到60HZ/16到50HZ）電機(jī)不用降低功率使用；速度調(diào)節(jié)比率小于。

AI控制器也能提高直接轉(zhuǎn)矩控制系統(tǒng)的性能，這也是值得深入研究的一個(gè)寬廣領(lǐng)域。英國(guó)Aberdeen大學(xué)的研究人員開(kāi)發(fā)了基于人工智能的開(kāi)關(guān)矢量選擇器以及速度、轉(zhuǎn)矩、磁通觀測(cè)器等，初步結(jié)果令人鼓舞（9）?？梢灶A(yù)見(jiàn)不久的將業(yè)，將會(huì)得到更好的結(jié)果，將會(huì)出現(xiàn)更多的工業(yè)應(yīng)用產(chǎn)品（47）（48）。

3.2.神經(jīng)網(wǎng)絡(luò)的應(yīng)用

非常少的文章討論神經(jīng)網(wǎng)絡(luò)用于交流電機(jī)的控制，大量文章討論神經(jīng)網(wǎng)絡(luò)在交流電機(jī)和驅(qū)動(dòng)系統(tǒng)的條件監(jiān)測(cè)和診斷中的運(yùn)用。文獻(xiàn)（33）介紹了使用常規(guī)反向轉(zhuǎn)波算法的ANN用于步進(jìn)電機(jī)控制算法的最優(yōu)化。該方案使用實(shí)驗(yàn)數(shù)據(jù)，根據(jù)負(fù)載轉(zhuǎn)矩和初始速度來(lái)確定最大可觀測(cè)速度增量。這就需要ANN學(xué)習(xí)三維圖形映射。該系統(tǒng)與常規(guī)控制算法（梯形控制法）相比具有更好的性能，并且大大減少了定位時(shí)間，對(duì)負(fù)載轉(zhuǎn)矩的大范圍變化和非初始速度也有滿意的控制效果。文獻(xiàn)（34）用兩個(gè)ANNS控制和辯識(shí)感應(yīng)電機(jī)，但只給出了仿真研究。

最后值得指出的是現(xiàn)在發(fā)表的大多數(shù)有關(guān)ANN對(duì)各種電機(jī)參數(shù)估計(jì)的論文，一個(gè)共同的特點(diǎn)是，它們都是用多層前饋ANNS，用常規(guī)反向傳播算法，只是學(xué)習(xí)算法的模型不同或被估計(jì)的參數(shù)不同。

參考文獻(xiàn)：

[1] 蔡自興.關(guān)于人工智能學(xué)派及其在理論、方法上的觀點(diǎn).高技術(shù)通訊，1995，5（5）：55―57