人工智能應(yīng)用領(lǐng)域畢業(yè)論文(2)
人工智能應(yīng)用領(lǐng)域畢業(yè)論文篇二
人工智能在工程技術(shù)領(lǐng)域的具體應(yīng)用研究
[摘 要]人工智能工程應(yīng)用系統(tǒng)的發(fā)展及其背景是在人類科技與革新的大爆發(fā)乃是本世紀(jì)的特點(diǎn)。由總體而言，在本世紀(jì)內(nèi)，各門科技學(xué)科的理論體系得到了充實(shí)和完善。到本世紀(jì)下半葉則體現(xiàn)為各類技術(shù)的集成與綜合。由此，人類的社會(huì)生產(chǎn)力水平得到了史無(wú)前例的迅速增長(zhǎng)。近四五十年發(fā)展尤為迅速。
[關(guān)鍵詞]人工智能，工程技術(shù)應(yīng)用
首先，介紹下人工智能(Artificial Intelligence，AI)是一門綜合了計(jì)算機(jī)科學(xué)、生理學(xué)、哲學(xué)的交叉學(xué)科。人工智能的研究課題涵蓋面很廣，從機(jī)器視覺到專家系統(tǒng)，包括了許多不同的領(lǐng)域。 其中特點(diǎn)是讓機(jī)器學(xué)會(huì)“思考”
人工智能學(xué)科是計(jì)算機(jī)科學(xué)中涉及研究、設(shè)計(jì)和應(yīng)用智能機(jī)器的一個(gè)分支。
1.20世紀(jì)80年代，專家系統(tǒng)技術(shù)的逐漸成熟及計(jì)算機(jī)技術(shù)的迅速發(fā)展，使得智能控制和決策的研究也取得了較大進(jìn)展。計(jì)算智能是一種仿生計(jì)算方法，它從生物底層對(duì)智能行為進(jìn)行模擬和研究，拓展了傳統(tǒng)的計(jì)算模式，為復(fù)雜問題的求解提供了新的解決辦法。為了提高計(jì)算智能的應(yīng)用效率，本文分析了二進(jìn)制遺傳算法中早熟收斂的成因，指出了傳統(tǒng)的變異算子在防止早熟收斂方面的不足，提出了一種能有效預(yù)防早熟現(xiàn)象的二元變異算子，并在此基礎(chǔ)上提出了一種便于用常規(guī)邏輯門電路實(shí)現(xiàn)的遺傳算法。鑒于參數(shù)選擇對(duì)于遺傳算法求解效率的影響。
2.人工智能在工程技術(shù)各行各業(yè)的應(yīng)用
(1)工業(yè)過程中的智能控制。生產(chǎn)過程的智能控制主要包括兩個(gè)方面：局部級(jí)和全局級(jí)。
(2)機(jī)械制造中的智能控制。在現(xiàn)代先進(jìn)制造系統(tǒng)中，需要依賴那些不夠完備和不夠精確的數(shù)據(jù)來(lái)解決難以或無(wú)法預(yù)測(cè)的情況，人工智能技術(shù)為解決這一難題提供了有效的解決方案。
(3)電力電子學(xué)研究領(lǐng)域中的智能控制。電力系統(tǒng)中發(fā)電機(jī)、變壓器、電動(dòng)機(jī)等電機(jī)電器設(shè)備的設(shè)計(jì)、生產(chǎn)、運(yùn)行、控制是一個(gè)復(fù)雜的過程，國(guó)內(nèi)外的電氣工作者將人工智能技術(shù)引入到電氣設(shè)備的優(yōu)化設(shè)計(jì)、故障診斷及控制中，取得了良好的控制效果 。
(4)人工智能在水利工程中應(yīng)用。大壩安全監(jiān)測(cè)自動(dòng)化系統(tǒng)結(jié)構(gòu)和大壩安全智能決策支持系統(tǒng)(DSIDSS)。
1)針對(duì)大壩安全監(jiān)測(cè)系統(tǒng)的可靠性問題，將現(xiàn)場(chǎng)總線監(jiān)測(cè)網(wǎng)絡(luò)結(jié)構(gòu)和基于現(xiàn)場(chǎng)總線的通信網(wǎng)絡(luò)模型應(yīng)用于大壩安全監(jiān)測(cè)系統(tǒng)中，提高了系統(tǒng)的可靠性和系統(tǒng)組網(wǎng)的靈活性，使大壩安全監(jiān)測(cè)自動(dòng)化系統(tǒng)可根據(jù)現(xiàn)場(chǎng)條件靈活組網(wǎng)，增加了系統(tǒng)的實(shí)用性。重點(diǎn)研究了監(jiān)控網(wǎng)絡(luò)的系統(tǒng)結(jié)構(gòu)、網(wǎng)絡(luò)通訊模式和功能分布。
2)針對(duì)自動(dòng)化監(jiān)控系統(tǒng)的數(shù)據(jù)真實(shí)性和合理性檢驗(yàn)問題，研究了大壩安全監(jiān)測(cè)數(shù)據(jù)的預(yù)處理方法，應(yīng)用灰色系統(tǒng)理論和過程突變理論建立了監(jiān)測(cè)數(shù)據(jù)的在線檢驗(yàn)?zāi)Ｐ?，有效地解決了自動(dòng)化系統(tǒng)監(jiān)測(cè)數(shù)據(jù)的合理性和真實(shí)性的在線檢驗(yàn)問題。
3)應(yīng)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)研究了大壩監(jiān)測(cè)數(shù)據(jù)的分析方法，建立了基于自學(xué)習(xí)神經(jīng)元的自學(xué)習(xí)即網(wǎng)絡(luò)監(jiān)控模型，為大壩安全監(jiān)控模型的建立和預(yù)測(cè)提供了新的思路和方法。
4)針對(duì)合理處理DSIDSS中的不確定因素問題，采用模糊測(cè)度和模糊積分理論的基本思想和方法進(jìn)行了處理。結(jié)合模糊集和可能性理論，提出了大壩安全等級(jí)劃分和安全判據(jù)的表示方法。應(yīng)用模糊測(cè)度和模糊積分理論，較好地解決了大壩安全綜合評(píng)價(jià)中不確定性因素的計(jì)算機(jī)表示和處理方法。
5)探討了DSIDSS中的知識(shí)表示和推理技術(shù)，應(yīng)用知識(shí)的語(yǔ)義網(wǎng)絡(luò)和模糊產(chǎn)生式規(guī)則表示方法，建立了大壩安全智能決策支持系統(tǒng)的知識(shí)庫(kù)。所采用的模糊推理方法克服了傳統(tǒng)Bayes推理方法的部分缺陷，在實(shí)際應(yīng)用中表明是合理有效的一種推理模式。
人工智能的過程及在工程技術(shù)轉(zhuǎn)化的順序包含：
1.機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)(Machine Learning)是研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新
的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域，它主要使用歸納、綜合而不是演繹機(jī)器學(xué)習(xí)的研究是根據(jù)生理學(xué)、認(rèn)知科學(xué)等對(duì)人類學(xué)習(xí)機(jī)理的了解，建立人類學(xué)習(xí)過程的計(jì)算模型或認(rèn)識(shí)模型，發(fā)展各種學(xué)習(xí)理論和學(xué)習(xí)方法，研究通用的學(xué)習(xí)算法并進(jìn)行理論上的分析，建立面向任務(wù)的具有特定應(yīng)用的學(xué)習(xí)系統(tǒng)。這些研究目標(biāo)相互影響相互促進(jìn)。
2.模式識(shí)別
1). 模式識(shí)別概述
模式識(shí)別(Pattern Recognition)是人類的一項(xiàng)基本智能，在日常生活中，人們經(jīng)常在進(jìn)行“模式識(shí)別”。隨著20世紀(jì)40年代計(jì)算機(jī)的出現(xiàn)以及50年代人工智能的興起，人們當(dāng)然也希望能用計(jì)算機(jī)來(lái)代替或擴(kuò)展人類的部分腦力勞動(dòng)。(計(jì)算機(jī))模式識(shí)別在20世紀(jì)60年代初迅速發(fā)展并成為一門新學(xué)科。
模式識(shí)別(Pattern Recognition)是指對(duì)表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進(jìn)行處理和分析，以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程，是信息科學(xué)和人工智能的重要組成部分。應(yīng)用計(jì)算機(jī)對(duì)一組事件或過程進(jìn)行辨識(shí)和分類，所識(shí)別的事件或過程可以是文字、聲音、圖像等具體對(duì)象，也可以是狀態(tài)、程度等抽象對(duì)象。這些對(duì)象與數(shù)字形式的信息相區(qū)別，稱為模式信息。
2).模式識(shí)別的應(yīng)用(1)文字識(shí)別(2)語(yǔ)音識(shí)別(3)圖像識(shí)別(4)醫(yī)學(xué)診斷
3.專家系統(tǒng)
1).專家系統(tǒng)概述
專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的方法來(lái)處理該領(lǐng)域問題。
2).發(fā)展歷史
專家系統(tǒng)的發(fā)展已經(jīng)歷了3個(gè)階段，正向第四代過渡和發(fā)展。 第一代專家系統(tǒng)(dendral、macsyma等)以高度專業(yè)化、求解專門問題的能力強(qiáng)為特點(diǎn)。但在體系結(jié)構(gòu)的完整性、可移植性等方面存在缺陷，求解問題的能力弱。
第二代專家系統(tǒng)(mycin、casnet、prospector、hearsay等)屬單學(xué)科專業(yè)型、應(yīng)用型系統(tǒng)
第三代專家系統(tǒng)屬多學(xué)科綜合型系統(tǒng)，采用多種人工智能語(yǔ)言，綜合采用各種知識(shí)表示方法和多種推理機(jī)制及控制策略
3. 專家系統(tǒng)的基本結(jié)構(gòu)
專家系統(tǒng)的基本結(jié)構(gòu)如圖所示，其中箭頭方向?yàn)閿?shù)據(jù)流動(dòng)的方向。專家系統(tǒng)通常由人機(jī)交互界面、知識(shí)庫(kù)、推理機(jī)、解釋器、綜合數(shù)據(jù)庫(kù)、知識(shí)獲取等6個(gè)部分構(gòu)成。知識(shí)庫(kù)用來(lái)存放專家提供的知識(shí)。專家系統(tǒng)的問題求解過程是通過知識(shí)庫(kù)中的知識(shí)來(lái)模擬專家的思維方式的，因此，知識(shí)庫(kù)是專家系統(tǒng)質(zhì)量是否優(yōu)越的關(guān)鍵所在，即知識(shí)庫(kù)中知識(shí)的質(zhì)量和數(shù)量決定著專家系統(tǒng)的質(zhì)量水平。
人工智能在物聯(lián)網(wǎng)的應(yīng)用
物聯(lián)網(wǎng)智能是利用人工智能技術(shù)服務(wù)于物聯(lián)網(wǎng)絡(luò)的技術(shù)是將人工智能的理論方法和技術(shù)通過具有智能處理功能的軟件部署在網(wǎng)絡(luò)服務(wù)器中去服務(wù)于接入物聯(lián)網(wǎng)的物品設(shè)備和人。
1.智能物聯(lián)網(wǎng)
1)智能物聯(lián)網(wǎng)概念
智能物聯(lián)網(wǎng)就是對(duì)接入物聯(lián)網(wǎng)的物品設(shè)備產(chǎn)生的信息能夠?qū)崿F(xiàn)自動(dòng)識(shí)別和處理判斷，并能將處理結(jié)果反饋給接入的物品設(shè)備，同時(shí)能根據(jù)處理結(jié)果對(duì)物品設(shè)備進(jìn)行某種操作指令的下達(dá)使接入的物品設(shè)備作出某種動(dòng)作響應(yīng).而整個(gè)處理過程無(wú)需人類的參與。
2)智能物聯(lián)網(wǎng)的實(shí)現(xiàn)途徑
要實(shí)現(xiàn)物聯(lián)網(wǎng)智能化就必須讓人工智能成為物聯(lián)知終端、傳輸網(wǎng)絡(luò)、具有人工智能的數(shù)據(jù)處理服務(wù)器。
2.物聯(lián)網(wǎng)需要的人工智能技術(shù)
1)物聯(lián)網(wǎng)中需要來(lái)自人工智能技術(shù)的研究成果.如問題求解、邏輯推理證明、專家系統(tǒng)、數(shù)據(jù)挖掘、模式識(shí)別、自動(dòng)推理、機(jī)器學(xué)習(xí)、智能控制等技術(shù)。
2)物聯(lián)網(wǎng)的智能控制
在物聯(lián)網(wǎng)的應(yīng)用中.控制將是物聯(lián)網(wǎng)的主要環(huán)節(jié).如何在物聯(lián)網(wǎng)中實(shí)現(xiàn)智能控制將是物聯(lián)網(wǎng)發(fā)展的關(guān)鍵。
3.物聯(lián)網(wǎng)智能模型
基于對(duì)人工智能技術(shù)的認(rèn)識(shí)和研究.依據(jù)人工智能模型.推演出了智能物聯(lián)網(wǎng)智能化模型。智能物聯(lián)網(wǎng)被分為五個(gè)層次機(jī)器感知交互層、通信層、數(shù)據(jù)層、智能處理層、人機(jī)交互層，共五層。
人工智能應(yīng)用領(lǐng)域畢業(yè)論文相關(guān)文章：