人工智能研究領(lǐng)域論文(2)
人工智能研究領(lǐng)域論文
人工智能研究領(lǐng)域論文篇二
人工智能技術(shù)在選煤領(lǐng)域的應(yīng)用
【摘 要】人工智能技術(shù)是第三次科技革命中計算機技術(shù)的一個重要組成部分，其應(yīng)用在工業(yè)生產(chǎn)中，必然會帶來產(chǎn)業(yè)發(fā)展的革命性的變化。人工智能技術(shù)和選煤技術(shù)相交叉，實現(xiàn)選煤技術(shù)的智能化，以達到選煤生產(chǎn)效率的提高。人工智能技術(shù)在選煤領(lǐng)域中的研究成果主要有一下三個生產(chǎn)系統(tǒng)：選煤廠管理專家系統(tǒng)、選煤廠設(shè)計專家系統(tǒng)、智能型選煤設(shè)備圖形數(shù)據(jù)庫。本文對這三種生產(chǎn)系統(tǒng)作出了簡要的介紹和分析。
【關(guān)鍵詞】人工智能;選煤;管理;設(shè)計
一、前言
所謂的人工智能技術(shù)，即將人類的操作技術(shù)和知識借助電子設(shè)備而轉(zhuǎn)化成為機器智能的一項復(fù)雜技術(shù)，是電子計算機應(yīng)用發(fā)展的方向。人工智能技術(shù)，不僅節(jié)省人力，而且在操作正確的前提下會保證生產(chǎn)效率的極大提高。如今，在選煤技術(shù)中應(yīng)用人工智能，是選煤生產(chǎn)技術(shù)的極大進步。而選煤領(lǐng)域中的人工智能技術(shù)分別為以下三個生產(chǎn)系統(tǒng)：選煤廠管理專家系統(tǒng)、選煤廠設(shè)計專家系統(tǒng)、智能型選煤設(shè)備圖形數(shù)據(jù)庫。
二、選煤廠管理專家系統(tǒng)
在管理上，整個選煤廠是一個機器復(fù)雜的管理大系統(tǒng)，在這樣復(fù)雜的系統(tǒng)中，如何根據(jù)市場的實際情況、企業(yè)的外部條件和選煤生產(chǎn)的內(nèi)在活動規(guī)律，及時調(diào)整生產(chǎn)策略，保證最佳運營狀態(tài)以獲得最大收益是選煤廠經(jīng)營決策者所面臨的重要的問題。而選煤廠管理專家系統(tǒng)，則可以很好地解決決策者們所面臨的問題，有效得提高其對整個市場和選煤廠內(nèi)部情況的了解，從而做出正確的運營決策。
選煤廠管理專家系統(tǒng)的主要內(nèi)容包含以下四個方面：生產(chǎn)信息實時管理網(wǎng)絡(luò)信息系統(tǒng)、產(chǎn)品質(zhì)量預(yù)測、生產(chǎn)操作參數(shù)優(yōu)化子系統(tǒng)、基于局域網(wǎng)絡(luò)的生產(chǎn)信息專家分析與決策系統(tǒng)和生產(chǎn)結(jié)構(gòu)與經(jīng)濟效益優(yōu)化子系統(tǒng)。通過上述四個主要內(nèi)容之間的相互配合，選煤專家系統(tǒng)可以積極地配合和輔助領(lǐng)導(dǎo)進行經(jīng)營決策，為選煤廠的實時經(jīng)營作出學(xué)科的知道，從而實現(xiàn)選煤行業(yè)的信息化和生產(chǎn)系統(tǒng)可以得到監(jiān)控的良好的管理環(huán)境。
但是在實際操作過程中，因為不同選煤廠的經(jīng)營狀況和生產(chǎn)規(guī)模大小各異，每個選煤廠都有自己的管理和經(jīng)營人員配備和物資配備，同時有些選煤廠對人工智能能提高效益存在著一定的不信任，因此，面對這些情況，如何使得選煤廠管理專家與不同類型的選煤廠的管理實際能夠進行比較合適的匹配，真正把先進的管理技術(shù)和理念運用到不同的選煤廠，從而提高整個選煤行業(yè)的生產(chǎn)效率，提高選煤廠的的經(jīng)濟效益，是選煤廠專家系統(tǒng)需要解決的實際問題。通常，按照不同情況區(qū)別對待的原則，可以采取以下幾項措施：第一，經(jīng)濟效益好、管理水平高的選煤廠，適合運用選煤管理專家的管理理論，總結(jié)經(jīng)驗，從而建立起自己的知識數(shù)據(jù)庫;第二，對不同生產(chǎn)規(guī)模和地域的選煤廠的差異，可以建立起靈活性比較高的、可以改動的動態(tài)數(shù)據(jù)庫;第三，對于一些比較模糊的管理問題，一般會采用模糊的評價理論進行處理，從而建立起隸屬于函數(shù)標識的模糊子集百搭知識。
三、選煤廠設(shè)計專家
選煤廠設(shè)計專家系統(tǒng)，即主要是供選煤廠的設(shè)計技術(shù)人員使用，其主要解決的問題是，在先每場設(shè)計和改造的活動中，選擇怎樣的選煤方法和構(gòu)建怎樣的產(chǎn)品結(jié)構(gòu)。整個系統(tǒng)分為幾個子系統(tǒng)：塊煤分選子系統(tǒng)、末煤分選子系統(tǒng)、原煤準備子系統(tǒng)和煤泥處理子系統(tǒng)。系統(tǒng)所采用的方法是非線性規(guī)劃的方法，來建立起產(chǎn)業(yè)和產(chǎn)品結(jié)構(gòu)優(yōu)化的處理模型。在操作方面，用戶首先要輸入原煤資料和一些必要的、清晰的約束條件之后，其下屬的四個子系統(tǒng)會按照專家知識，在最短的時間內(nèi)自行選擇出最為科學(xué)的、實用的產(chǎn)品方案和生產(chǎn)流程。
選煤廠的設(shè)計過程是一個極其復(fù)雜的流程，工作量和所要求的技術(shù)程度相當高，這就必須依賴設(shè)計人員的知識儲備和經(jīng)驗的積累，所以特別適用于專家系統(tǒng)技術(shù)。但是，因為知識程度的復(fù)雜和專業(yè)術(shù)語的相對獨立性，以及專業(yè)知識量大、知識類型豐富、知識重復(fù)調(diào)用和交叉調(diào)用這些顯著的特點，在構(gòu)建選煤廠專家系統(tǒng)時，專家的知識表達存在著加大的困難。所以，為了盡量縮減上述困難，一般會采用如下的表達形式：第一，生產(chǎn)式規(guī)則。在生產(chǎn)式系統(tǒng)當中，專業(yè)知識被劃分為事實和規(guī)則這兩部分，所謂的規(guī)則是推理和行為的過程，其組織方式存在著一定的差異，在通常的CPDES系統(tǒng)當中，規(guī)則的存在方式是獨立和結(jié)構(gòu)化這兩種方式;第二，過程表示法。所謂的過程表示法，即在知識表達中將事情的發(fā)展過程進行分配指
標式描述，允許在過程中調(diào)用不同的子過程;第三，面向?qū)ο蟊硎尽４朔N方法是將事物看做不同部分、不同層次的簡單的對象的復(fù)合體;第四，其他表示方法。對于一些不易表達或精確度不高的知識，應(yīng)該采用魔術(shù)子集處理的方式等方法。
四、智能型選煤設(shè)備圖形數(shù)據(jù)庫
所謂的智能型選煤設(shè)備圖形數(shù)據(jù)庫，是為了便于 計算機設(shè) 計圖形，針對選煤廠設(shè)計過程中的CAD設(shè)備圖形調(diào)用、設(shè)備選型以及設(shè)備購置等幾個環(huán)節(jié)而開發(fā)的.其主要由以下六個部分構(gòu)成：設(shè)備選型計算子系統(tǒng)、設(shè)備三視圖繪制子系統(tǒng)、設(shè)備參數(shù)庫、CAD接口程序、設(shè)備網(wǎng)上訂購和設(shè)備清冊編制子系統(tǒng)。該系統(tǒng)的主要功效是：完成選煤設(shè)備的選型、設(shè)備購置和安裝概算書的編制、CAD調(diào)用繪圖和網(wǎng)上訂貨等一些基本的技術(shù)性的 工作。在“智能型選煤設(shè)備圖形數(shù)據(jù)庫”開發(fā)中，可以將原設(shè)備的參數(shù)、圖庫等進行重組，從而構(gòu)建可利用的專家知識來進行選型、利用的圖形數(shù)據(jù)庫。在此基礎(chǔ)上開發(fā)專家系統(tǒng)，并與CAD系統(tǒng)集成利用。“智能型選煤設(shè)備圖形數(shù)據(jù)庫”使用的 軟件主要是3DMAX、AUTOCADR2000、Paradox和D EiPHI。這些軟件在工程設(shè)計中發(fā)揮著重要的作用，對于數(shù)據(jù)庫的構(gòu)建也發(fā)揮著不可代替的作用，這些軟件的靈活些體現(xiàn)在不僅可以單機操作，而且還可以在網(wǎng)上進行聯(lián)機運行。
結(jié) 語
上述所介紹的三種人工智能技術(shù)已經(jīng)是目前比較成熟的選煤智能技術(shù)，但是因為選煤廠的經(jīng)營規(guī)模和現(xiàn)狀的不同，上述所說的人工智能技術(shù)的 實踐 應(yīng)用達不到整體上的技術(shù)要求，而所產(chǎn)生的負面效應(yīng)往往被歸咎于技術(shù)的不成形。所以，要想提高選煤行業(yè)的整體生產(chǎn)效率，不僅需要技術(shù)上的支持，還需要選煤廠 管理者在觀念上的更新和資金上的保障，這樣，技術(shù)的優(yōu)勢才能實現(xiàn)其最大化的發(fā)揮。
參考文獻
[1]付麗. 現(xiàn)代化的選煤技術(shù)與選煤管理初探[J].黑龍江科技信息，2007.
[2]匡亞莉. 選煤工藝 藝術(shù)與管理[M].中國礦業(yè)大學(xué)學(xué)報，2006.
人工智能研究領(lǐng)域論文相關(guān)文章：
1.人工智能應(yīng)用領(lǐng)域畢業(yè)論文
5.人工智能期末論文