簡(jiǎn)介：高效連鑄技術(shù)發(fā)展至今，漏鋼仍然是困擾連鑄作業(yè)穩(wěn)定性、安全性的主要問(wèn)題。對(duì)于操作復(fù)雜的板坯連鑄機(jī)，粘結(jié)漏鋼最為常見(jiàn)，造成巨大損失。當(dāng)前，針對(duì)粘結(jié)性漏鋼，主要有兩方面對(duì)策其一是探究粘結(jié)性漏鋼產(chǎn)生的機(jī)理，以便優(yōu)化各項(xiàng)操作工藝；其二是開(kāi)發(fā)連鑄漏鋼預(yù)報(bào)技術(shù)，監(jiān)測(cè)結(jié)晶器漏鋼前的征兆，然后采取措施，避免漏鋼事故的發(fā)生。目前漏鋼預(yù)報(bào)技術(shù)研究的熱點(diǎn)是如何提高系統(tǒng)的敏捷性，提高預(yù)報(bào)精度，降低預(yù)報(bào)率。首先，本文在薄板坯結(jié)晶器熱電偶溫度實(shí)測(cè)數(shù)據(jù)的基礎(chǔ)上，分析了穩(wěn)定工況下的結(jié)晶器溫度變化及其分布特點(diǎn)；結(jié)合實(shí)測(cè)的粘結(jié)漏鋼數(shù)據(jù)樣本，對(duì)溫度的反映情況進(jìn)行研究，探討了粘結(jié)傳播過(guò)程中溫度的典型變化特征，著重分析了粘結(jié)的縱向和橫向傳播行為。研究結(jié)果可為高拉速下粘結(jié)性漏鋼的預(yù)報(bào)，以及測(cè)溫系統(tǒng)熱電偶布置方案提供參考。其次，分別建立了邏輯判斷漏鋼預(yù)報(bào)模型和神經(jīng)網(wǎng)絡(luò)漏鋼預(yù)報(bào)模型，利用上述模型對(duì)某鋼廠的生產(chǎn)數(shù)據(jù)進(jìn)行了離線模擬，取得了良好的效果，同時(shí)對(duì)比分析了兩種模型的優(yōu)缺點(diǎn)，為漏鋼預(yù)報(bào)系統(tǒng)的進(jìn)一步研發(fā)和完善提供了有效手段。最后，在結(jié)晶器熱成像技術(shù)的基礎(chǔ)上開(kāi)發(fā)了結(jié)晶器漏鋼預(yù)報(bào)系統(tǒng)軟件。該系統(tǒng)具備邏輯判斷預(yù)報(bào)功能以及神經(jīng)網(wǎng)絡(luò)仿真預(yù)報(bào)功能，集成并整合了各預(yù)報(bào)模型的優(yōu)點(diǎn)，可通過(guò)結(jié)晶器銅板的熱成像對(duì)其表面溫度進(jìn)行監(jiān)測(cè)、分析，從而為漏鋼預(yù)報(bào)提供更為直接、準(zhǔn)確監(jiān)控的手段。

簡(jiǎn)介：東南大學(xué)碩士學(xué)位論文基于人工免疫理論的智能故障診斷方法研究姓名陳鑫遠(yuǎn)申請(qǐng)學(xué)位級(jí)別碩士專業(yè)系統(tǒng)分析與集成指導(dǎo)教師趙林度20070301RESEARCHONINTELLIGENTFAULTDIAGNOSISBASEDONARTIFICIALIMMUNESYSTEMGRADUATECHENXINYTMASUPET詘ORPROFZHSOLINDUSOUTHEASTUNIVERSITYABSTRACTDUETOCOMPLEXITYOFMECHANICALFAILURE，ITISHARDTOFULFILLTHEREQUIREMENTSOFFAULTDIAGNOSISUSINGSINGLEINTELLIGENTTECHNOLOGYUNDERCOMPLEXCIRCUMSTANCESINGLEINTELLIGENTDIAGNOSISTECHNOLOGYHASTHEOBVIOUSLIMITATIONS，ONEISHERMETIZATIONOFMODEL，THEOTHERISTHATIT’SDIFFICULTTOSOLVETHEPROBLEMBETWEENGENERALIZATIONANDHIGHEFFICIENCYATPRESENT，ITBRINGSNEWPROBLEMSWITHSETTLINGEXCEPTIONALFAULTS，THOUGHTHEHYBRIDINTELLIGENTSYSTEMFURFAULTDIAGNOSISOVERCOMESTHELIMITATIONSMENTIONEDABOVERESEARCHOLLTHISISSUEHASALLIMPORTANTMEANINGFORINTELLIGENTFAULTDIAGNOSISSYSTEMTOBEPROVIDEDWITHTOTALLYDIAGNOSISCAPACITYANDSELFADAPTINGSTRUCTUREBASEDONTHEBACKGROUND，THISPAPERSTARTSFROMTHETOBACCOMECHANICALFAULTDIAGNOSISANDANALYSISSYSTEM，INTRODUCESTHEPRINCIPLESANDGENERALMEASURESOFARTIFICIALIMMUNESYSTEM，ANDDISCUSSESTHEAPPLICATIONOFFAULTDIAGNOSIS憾INGARTIFICIALINLMUILESYSTEMTHENUSINGAGENTTECHNOLOGYBRINGSFORWARDADISTRIBUTEDINTELLIGENTFAULTDIAGNOSISSYSTEMMODELBASEDOILIMMUNEAGENTTHEMAINCONTENTINCLUDESTHREEASPECTSASFOLLOWS1THEARTIFICIALINLMUNESYSTEMTECHNOLOGYISINTRODUCED，INCLUDINGTHECONCEPT，MODEL，ARITHMETICANDAPPLICATION2RESEARCHELLFAULTDIAGNOSISTECHNOLOGYBASEDOLLARTIFICIALIILLL／LUNESYSTEM“ANALYZESTHEFAULTDIAGNOSISSCHEMEUSINGARTIFICIALILILMBILESYSTEM，DECOMPOSESTHEDIAGNOSISPROCESSTOSEVERALORDINALCOMPUTINGOPERATIONSADOPTING11011一LINEARANALYSISAPPROACH；FINALLYVALIDATESTHEANTTHODYSINSPECTORINTHISPAPERANDPREFERABLYRESOLVETHEPROBLEMSOFINACTIVATEDSTATEWHENTHEFAULTHAPPEDANDMISINFORMATION3BRINGSFORWARDTHEIMMUNEAGENTBASEDONTHEAGENTSYSTEMANDMULTIAGENTSYSTEM，INADDITIONBUILDADISTRIBUTEDINTELLIGENTFAULTDIAGNOSISSYSTENLMODELBASEDONIMMUNEAGENTDISCUSSESTHESYSTEM’SSELFADAPTINGDISTRIBUTEDBLACKBOARDCOMMUNICATIONMODELANDSELFADAPTINGREEONFIGURINGMODELTOSETUPTHEDIAGNOSISMODELUNDERDISTRIBUTEDNETWORKCIRCUMSTANCEITNLE橢THEREQUIREMENTSOFSYSTEMDIAGNOSISINSUCHCOMPLEXCONDITION，ANDIMPROVESTHEVERACITYOFFAULTH

簡(jiǎn)介：本文的目的是研究運(yùn)用兩類群體智能算法一粒子群算法簡(jiǎn)稱PSO以及具有量子行為粒子群算法簡(jiǎn)稱QPSO訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，特別是徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)稱RBFNN，以及基于QPSO和RBFNN的生化過(guò)程控制。由于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練歸結(jié)為對(duì)誤差函數(shù)的最小化，而誤差函數(shù)一般為多峰的，可能存在許多局部極值，一般的梯度算法往往找不到全局最優(yōu)解。PSO算法和QPSO算法都是全局搜索算法，所以用PSO算法或QPSO算法訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)對(duì)于提高神經(jīng)網(wǎng)絡(luò)在建模和預(yù)測(cè)精度上具有重要意義。首先，本文闡述了神經(jīng)網(wǎng)絡(luò)的基本原理和粒子群算法PSO以及具有量子行為粒子群算法QPSO的基本思想，強(qiáng)調(diào)了QPSO在全局優(yōu)化問(wèn)題中比PSO算法具有更好的收斂性能。接著以徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)RBFNN為對(duì)象，應(yīng)用PSO與QPSO算法作為訓(xùn)練算法，給出了具體的操作過(guò)程。然后以函數(shù)逼近和地下水位預(yù)測(cè)問(wèn)題作為仿真實(shí)例，測(cè)試了基于PSO訓(xùn)練的RBF以及QPSO訓(xùn)練的RBF，比較了兩者的訓(xùn)練精度和算法收斂速度。仿真結(jié)果表明，用QPSO訓(xùn)練RBF網(wǎng)絡(luò)，精度更高，收斂速度更快。其次，還將QPSO訓(xùn)練的RBF應(yīng)用于系統(tǒng)辯識(shí)和混沌時(shí)間序列預(yù)測(cè)。文中以幾個(gè)著名的測(cè)試系統(tǒng)作為實(shí)例，將QPSORBF和PSORBF進(jìn)行測(cè)試，仿真結(jié)果表明，對(duì)于系統(tǒng)辯識(shí)問(wèn)題，QPSORBF能夠找到的系統(tǒng)參數(shù)更好，收斂速度更快。對(duì)于混沌時(shí)間序列預(yù)測(cè)問(wèn)題，QPSORBF的性能和效率同樣優(yōu)于PSORBF。最后，本文還將QPSO用于基于RBF網(wǎng)絡(luò)的生化過(guò)程控制。為了測(cè)試性能，分別將遺傳算法GEICALGITHM，簡(jiǎn)稱GA和QPSO算法用于谷氨酸發(fā)酵過(guò)程的生化變量預(yù)測(cè)，通過(guò)智能算法對(duì)神經(jīng)網(wǎng)絡(luò)的優(yōu)化，建立基于群體智能算法的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，對(duì)難以在線測(cè)量的生化變量進(jìn)行離線預(yù)測(cè)。仿真結(jié)果證明，QPSO的收斂速度明顯高于GA算法，且魯棒性好。本文的研究工作表明，用QPSO訓(xùn)練神經(jīng)網(wǎng)絡(luò)，其性能優(yōu)于其他智能算法如PSO算法和遺傳算法，收斂速度也比PSO算法或GA算法快，這些結(jié)果表明，QPSO是一種高性能的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，在用神經(jīng)網(wǎng)絡(luò)對(duì)實(shí)際問(wèn)題建模中能發(fā)揮很好的作用。

簡(jiǎn)介：加筋土作為一種新型的土工結(jié)構(gòu)物，具有施工簡(jiǎn)易、造價(jià)低廉、穩(wěn)定性好的優(yōu)點(diǎn)，為土木工程師提供了多方面經(jīng)濟(jì)適用的手段。加筋土技術(shù)已大量廣泛地應(yīng)用于水利、公路、鐵路、港口和建筑等部門的加筋支擋結(jié)構(gòu)、加筋土坡和軟土地基加筋。隨著土工合成材料在現(xiàn)代巖土工程中的應(yīng)用，加筋土技術(shù)的應(yīng)用更加廣泛。因此，對(duì)加筋土的理論研究也就更加必要。由于在土中加入了筋材，土的特性發(fā)生改變，加筋土的本構(gòu)模型難以用先前研究素土得到的本構(gòu)模型來(lái)解釋，本文基于人工智能方法利用草根加筋土三軸實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練智能網(wǎng)絡(luò)，自動(dòng)生成網(wǎng)絡(luò)參數(shù)，得到了加筋土BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，RBF神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，ANFIS本構(gòu)模型，避免了數(shù)學(xué)建模確定函數(shù)參數(shù)的困難。主要成果和結(jié)論有（1）建立了草根加筋土BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，模型訓(xùn)練誤差與檢驗(yàn)誤差均很小，在訓(xùn)練和檢驗(yàn)過(guò)程中模型擬合曲線與試驗(yàn)曲線均很吻合，并用模型擬合結(jié)果修正了由試驗(yàn)誤差引起的最大主應(yīng)力與草根含量關(guān)系曲線的突變點(diǎn)，表明網(wǎng)絡(luò)具有良好的容錯(cuò)能力和較高的精度，可以用做草根加筋土的本構(gòu)模型。模型擬合得到的不同草根含量的加筋土應(yīng)力應(yīng)變預(yù)測(cè)曲線也滿足最大主應(yīng)力與草根含量關(guān)系曲線，此模型具有良好的泛發(fā)推廣能力。（2）建立了草根加筋土RBF神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，并討論了訓(xùn)練樣本規(guī)模和誤差控制對(duì)網(wǎng)絡(luò)精度的影響。訓(xùn)練樣本規(guī)模越大，網(wǎng)絡(luò)對(duì)數(shù)據(jù)內(nèi)在規(guī)律的學(xué)習(xí)也越好。訓(xùn)練誤差過(guò)小可能出現(xiàn)過(guò)擬合，導(dǎo)致網(wǎng)絡(luò)的容錯(cuò)能力下降，誤差過(guò)大又可能導(dǎo)致網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)內(nèi)在規(guī)律學(xué)習(xí)不夠。（3）建立了草根加筋上ANFIS本構(gòu)模型，模型擬合得到的不同草根含量的加筋土應(yīng)力應(yīng)變預(yù)測(cè)曲線光滑，且滿足最大主應(yīng)力與草根含量關(guān)系曲線，此模型具有良好的泛發(fā)推廣能力。（4）對(duì)比三種智能網(wǎng)絡(luò)本構(gòu)模型擬合得到的預(yù)測(cè)結(jié)果，表明ANFIS模型具有更好的擬合精度、容錯(cuò)能力和泛發(fā)能力，說(shuō)明ANFIS強(qiáng)大的推理能力能更好的提取加筋土內(nèi)在規(guī)律。

簡(jiǎn)介：X射線無(wú)損探傷是工業(yè)無(wú)損檢測(cè)的主要方法之一，是保證焊接質(zhì)量的重要技術(shù)，其檢測(cè)結(jié)果已作為焊縫缺陷分析和質(zhì)量評(píng)定的重要判定依據(jù)，應(yīng)用十分廣泛。但現(xiàn)在的X射線工業(yè)電視大多還都采用人工方式進(jìn)行在線檢測(cè)與分析，而人工檢測(cè)本身存在幾個(gè)不可避免的缺點(diǎn)，如主觀標(biāo)準(zhǔn)不一致、勞動(dòng)強(qiáng)度大、檢測(cè)效率低等。隨著計(jì)算機(jī)技術(shù)、自動(dòng)控制技術(shù)以及信息和軟件技術(shù)迅速地引入焊接領(lǐng)域，焊接生產(chǎn)自動(dòng)化、智能化已經(jīng)成為21世紀(jì)焊接技術(shù)發(fā)展的重要方向。在焊縫質(zhì)量檢測(cè)方面，如果采用X射線無(wú)損探傷計(jì)算機(jī)輔助評(píng)判系統(tǒng)進(jìn)行在線檢測(cè)與分析，可以有效地克服人工評(píng)定中因眼睛疲勞、經(jīng)驗(yàn)差異而引起的漏判與誤判，從而使在線檢測(cè)工作客觀化、規(guī)范化和智能化。目前，人們已經(jīng)開(kāi)展了許多研究工作，在圖像預(yù)處理及缺陷自動(dòng)分類等方面均有良好的進(jìn)展，但是到目前為止，在焊縫缺陷的自動(dòng)分類識(shí)別及評(píng)價(jià)方面，多為依據(jù)特征的描述型方法，其效果仍有待提高，在這方面進(jìn)一步開(kāi)展研究，無(wú)疑具有重要意義。本課題擬將以X射線實(shí)時(shí)成像法獲得的焊縫缺陷為對(duì)象，對(duì)其缺陷提取及分類方法進(jìn)行研究，設(shè)計(jì)基于人工智能神經(jīng)網(wǎng)絡(luò)的焊接缺陷自動(dòng)識(shí)別系統(tǒng)，并給出相應(yīng)的實(shí)驗(yàn)結(jié)果。

簡(jiǎn)介：自然免疫系統(tǒng)作為具有很高智能行為的并行、分布式、自適應(yīng)信息處理系統(tǒng)為實(shí)時(shí)問(wèn)題的解決提供了新的契機(jī)充分挖掘、利用、借鑒這種系統(tǒng)的豐富資源不斷開(kāi)發(fā)新的及豐富、發(fā)展和完善已有的人工免疫模型并展開(kāi)其理論及應(yīng)用研究已成為人工智能中人工免疫系統(tǒng)理論及應(yīng)用的重要研究?jī)?nèi)容及發(fā)展主流在這種背景下本論文針對(duì)最優(yōu)化、數(shù)據(jù)聚類、信號(hào)模擬問(wèn)題借鑒免疫學(xué)中免疫應(yīng)答理論提出一系列新的智能算法并展開(kāi)一系列理論及應(yīng)用探討所提出的算法可概括為三類免疫算法、多目標(biāo)優(yōu)化免疫算法及免疫網(wǎng)絡(luò)算法這些算法從不同側(cè)面反映了免疫系統(tǒng)的特定動(dòng)力學(xué)行為豐富和發(fā)展了人工免疫系統(tǒng)的內(nèi)涵理論研究、性能測(cè)試、比較及實(shí)際應(yīng)用表明己獲算法是可行的且有效的本研究工作所取得的研究成果概括如下一、免疫算法及多目標(biāo)優(yōu)化免疫算法理論與應(yīng)用二、免疫網(wǎng)絡(luò)算法及應(yīng)用

簡(jiǎn)介：THERESEARCHOFTHESTORAGBASEDONARTIFICIALINTELLADISSERTATIONSUBMITTEDFORTHEDEGREEOFMASTERCANDIDATEXIAOWEIRANSUPERVISORAPROFLIUDINGPINGI夠肖蔚然同學(xué)的碩士學(xué)位論文針對(duì)中間儲(chǔ)倉(cāng)式制粉系統(tǒng)分別建立制粉單耗和煤粉細(xì)度模型，然后采用混合遺傳算法對(duì)制粉單耗模型進(jìn)行尋優(yōu)，以獲得不同工況下制粉單耗最小的運(yùn)行參數(shù)，最后通過(guò)煤粉細(xì)度模型對(duì)優(yōu)化工況進(jìn)行煤粉細(xì)度預(yù)測(cè)，根據(jù)預(yù)測(cè)出的煤粉細(xì)度是否在給定范圍內(nèi)來(lái)反饋控制制粉單耗的優(yōu)化。該論文選題具有一定的理論意義和應(yīng)用價(jià)值。該論文將磨煤機(jī)存煤量的聲音頻率作為表征信號(hào)，提出了一種新型的磨煤機(jī)存煤量測(cè)量方式一基于頻譜分析的磨煤機(jī)存煤量測(cè)量。論文設(shè)計(jì)了多段分頻電路，并以此為核心完成基于頻譜分析的磨煤機(jī)存煤量測(cè)量?jī)x的設(shè)計(jì)。磨煤機(jī)存煤量測(cè)量?jī)x結(jié)構(gòu)簡(jiǎn)單，對(duì)運(yùn)行環(huán)境沒(méi)有嚴(yán)格要求，具有較高的抗干擾能力，可作為制粉系統(tǒng)優(yōu)化控制與運(yùn)行調(diào)整的重要組成部分。通過(guò)對(duì)某電廠50MW機(jī)組現(xiàn)場(chǎng)熱態(tài)試驗(yàn)，表明這種基于煤粉細(xì)度反饋控制的制粉優(yōu)化控制系統(tǒng)具有較高的可靠性和實(shí)用性，可以指導(dǎo)運(yùn)行人員進(jìn)行制粉系統(tǒng)的優(yōu)化調(diào)整，從而提高機(jī)組運(yùn)行的安全性和經(jīng)濟(jì)性。論文敘述清楚，層次分明，分析方法正確，數(shù)據(jù)可信，觀點(diǎn)J下確。論文反映作者具有較扎實(shí)的基礎(chǔ)知識(shí)和系統(tǒng)的專業(yè)知識(shí)，具備了獨(dú)立從事科學(xué)研究的能力。論文已經(jīng)達(dá)到了碩士學(xué)位論文的要求，答辯委員會(huì)一致通過(guò)肖蔚然同學(xué)的論文答辯，建議授予工學(xué)碩士學(xué)位。論文答辯日期愛(ài)忉2年左月Z_日一答辯委員會(huì)委員共I【人，到會(huì)鴦員J人表決票數(shù)優(yōu)秀F票；良好坳票及格票；不及格票表決結(jié)果打“√“優(yōu)秀；良好1／4及格；不及格決議同意授予碩士學(xué)位∽不同意授予碩士學(xué)位答辯攜斥殼。主席，主、，7罄飛卅彥委員’一T9會(huì)成播以農(nóng)艇圭員簽名一▲

簡(jiǎn)介：傳感器網(wǎng)絡(luò)是基于應(yīng)用的網(wǎng)絡(luò)，與傳統(tǒng)的無(wú)線通信網(wǎng)絡(luò)相比，它具有節(jié)點(diǎn)規(guī)模大、自組織多跳、無(wú)人值守、無(wú)通信基礎(chǔ)設(shè)施等特點(diǎn)。而能量約束始終是限制傳感器網(wǎng)絡(luò)技術(shù)發(fā)展和應(yīng)用的瓶頸。有效提高網(wǎng)絡(luò)能效，降低節(jié)點(diǎn)能耗，并延長(zhǎng)網(wǎng)絡(luò)生存期，是本文研究工作的核心。圍繞著在路由中兼顧無(wú)線傳感器網(wǎng)絡(luò)能量有效性和均衡性的主題，以人工智能（AI）為指導(dǎo)，采用神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型作為分析工具，本文綜合并討論了有關(guān)無(wú)線傳感器網(wǎng)絡(luò)能耗問(wèn)題的國(guó)內(nèi)外研究現(xiàn)狀。同時(shí)，論文以研究傳感器網(wǎng)絡(luò)的體系架構(gòu)為前提，分層剖析了傳感器節(jié)點(diǎn)的硬件結(jié)構(gòu)和設(shè)計(jì)、各層次的主要算法和協(xié)議、常用傳感器網(wǎng)絡(luò)的節(jié)能技術(shù)和策略。從硬件和協(xié)議棧兩個(gè)層面分析了傳感器節(jié)點(diǎn)能耗產(chǎn)生的主要原因。針對(duì)影響節(jié)點(diǎn)能耗的主要因素，分析了傳感器網(wǎng)絡(luò)的整體結(jié)構(gòu)、節(jié)點(diǎn)結(jié)構(gòu)、通信方式和網(wǎng)絡(luò)覆蓋，本文并給出了無(wú)線傳輸能耗的數(shù)學(xué)模型。在對(duì)傳感器網(wǎng)絡(luò)關(guān)鍵節(jié)能技術(shù)，諸如單節(jié)點(diǎn)節(jié)能技術(shù)、數(shù)據(jù)融合技術(shù)以及垮層節(jié)能算法總結(jié)的基礎(chǔ)上，著重討論和比較了傳感器網(wǎng)絡(luò)中幾類經(jīng)典的媒體訪問(wèn)控制算法、協(xié)議；分析了目前無(wú)線傳感器網(wǎng)絡(luò)節(jié)能算法、協(xié)議和策略亟待解決的問(wèn)題。論文的主要成果和貢獻(xiàn)在于將人工智能引入到無(wú)線傳感器網(wǎng)絡(luò)的路由算法中。首先，結(jié)合傳感器網(wǎng)絡(luò)路由層次上的數(shù)據(jù)融合技術(shù)，考慮到在平面式路由算法中網(wǎng)絡(luò)能量不均衡，路由缺乏可靠的服務(wù)質(zhì)量的特點(diǎn)，提出了一種基于神經(jīng)網(wǎng)絡(luò)自組織映射模型的平面路由算法自組織映射融合（SOMDF）算法，它可降低節(jié)點(diǎn)間的數(shù)據(jù)傳輸量，規(guī)避了因數(shù)據(jù)冗余給網(wǎng)絡(luò)帶來(lái)的數(shù)據(jù)沖突和耗能增大的風(fēng)險(xiǎn)，并解決了因網(wǎng)絡(luò)有效性和均衡性相互制約產(chǎn)生的矛盾。其次，與傳統(tǒng)的無(wú)線網(wǎng)絡(luò)相比，無(wú)線傳感器網(wǎng)絡(luò)的路由是以數(shù)據(jù)為中心。為了保證數(shù)據(jù)傳輸路徑的可靠性、穩(wěn)定性和實(shí)時(shí)性，同時(shí)兼顧網(wǎng)絡(luò)能量有效性和均衡性特點(diǎn)，依托SOMDF算法設(shè)計(jì)了一種新的動(dòng)態(tài)路由選擇（DRS）策略，該策略將路由按照由SOMDF算法給出的鏈接評(píng)估質(zhì)量（CEQ）的量值大小，依次劃分為主傳輸路由（TR）和備用傳輸路由（BR），采用“輪喚”方式工作，有效地降低了節(jié)點(diǎn)能耗，并延長(zhǎng)了網(wǎng)絡(luò)的生存期。最后，鑒于無(wú)線傳感器網(wǎng)絡(luò)的分族路由算法具有一定的聚類和自組織特性，將一種帶有短期記憶效應(yīng)和非線性動(dòng)態(tài)的人工神經(jīng)網(wǎng)絡(luò)回聲狀態(tài)網(wǎng)絡(luò)模型融合到分族路由算法中，提出了帶有動(dòng)態(tài)記憶效應(yīng)的分族路由算法回聲狀態(tài)路由選擇（ESNRS）算法，它可以有效降低傳感器節(jié)點(diǎn)的通信能耗，減少因族頭的選擇和分族周期的確定所帶來(lái)的時(shí)耗，平衡了傳感器網(wǎng)絡(luò)的總能量，達(dá)到了有效延長(zhǎng)網(wǎng)絡(luò)生存期的目的。為了驗(yàn)證論文提出的算法優(yōu)劣，本文分別從算法的收斂性、傳輸延時(shí)、節(jié)點(diǎn)能耗和網(wǎng)絡(luò)的能量均衡性四個(gè)方面，對(duì)SOMDF算法、DRS策略和ESNRS算法進(jìn)行了性能測(cè)試和評(píng)估，最后以算法仿真的性能曲線說(shuō)明了測(cè)評(píng)的結(jié)果。

簡(jiǎn)介：物流配送是物流活動(dòng)中直接與消費(fèi)者相聯(lián)系的環(huán)節(jié)。在物流的各項(xiàng)成本中，配送成本占了相當(dāng)高的比例。配送中車輛路徑的合理與否對(duì)物流配送服務(wù)水平、成本和效益影響很大。采用科學(xué)、合理的方法來(lái)進(jìn)行車輛路徑的優(yōu)化，是物流配送領(lǐng)域的重要研究課題。其中尤其是帶時(shí)間窗的物流配送車輛路徑優(yōu)化問(wèn)題VEHICLEROUTINGPROBLEMWITHTIMEWINDOWS，VRPTW更是當(dāng)前研究的重點(diǎn)?，F(xiàn)代智能優(yōu)化算法包括禁忌搜索算法、模擬退火算法、蟻群算法、人工魚群法等，這些算法的出現(xiàn)為求解配送車輛優(yōu)化調(diào)度問(wèn)題提供了新的工具。帶時(shí)間窗的車輛路徑問(wèn)題計(jì)算復(fù)雜，屬于NPHARD問(wèn)題。本文研究了帶時(shí)間窗的車輛路徑問(wèn)題模型的構(gòu)建，基于魚群算法和蟻群算法提出一種混合優(yōu)化算法用于物流配送路徑優(yōu)化問(wèn)題中。針對(duì)蟻群算法的不足，分別通過(guò)人工魚群算法獲取初始解、信息素更新策略的選擇和狀態(tài)轉(zhuǎn)移概率的改進(jìn)，同時(shí)對(duì)蟻群算法進(jìn)行了改進(jìn)，將魚群算法中擁擠度的概念引入到蟻群算法中，在優(yōu)化過(guò)程的初期，設(shè)置較強(qiáng)的擁擠度限制，保證大部分螞蟻不受信息素濃度的影響而進(jìn)行隨機(jī)尋優(yōu)。為解決蟻群算法求解時(shí)間長(zhǎng)，容易出現(xiàn)停滯的問(wèn)題，應(yīng)用轉(zhuǎn)移系數(shù)的概念，提高了蟻群的計(jì)算速度，從而增強(qiáng)算法遍歷尋優(yōu)能力。經(jīng)過(guò)多次對(duì)比實(shí)驗(yàn)表明，使用混合優(yōu)化算法可以實(shí)現(xiàn)優(yōu)化物流配送線路，可以有效而快速地求得問(wèn)題的最優(yōu)解或近似最優(yōu)解。采用SOLOMON問(wèn)題中R101作為實(shí)例數(shù)據(jù)基礎(chǔ)，采用面向?qū)ο蟮腃語(yǔ)言編寫了計(jì)算程序，對(duì)混合人工魚群蟻群算法進(jìn)行了計(jì)算驗(yàn)證，證實(shí)了該算法可行性和有效性；同時(shí)對(duì)部分SOLOMON數(shù)據(jù)進(jìn)行了多次驗(yàn)證，結(jié)果表明混合人工魚群蟻群算法與其它啟發(fā)式算法相比具有優(yōu)越性；最后對(duì)提出的混合群智能算法中的各項(xiàng)參數(shù)進(jìn)行了對(duì)比分析，探討了所用參數(shù)的最優(yōu)組合。

簡(jiǎn)介：點(diǎn)擊查看更多人工智能在直接轉(zhuǎn)矩控制中的應(yīng)用研究.pdf精彩內(nèi)容。

簡(jiǎn)介：點(diǎn)擊查看更多煤氣流分布模式識(shí)別與布料指導(dǎo)人工智能系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf精彩內(nèi)容。

簡(jiǎn)介：隨著現(xiàn)代電力系統(tǒng)的發(fā)展，尤其是三峽電廠的發(fā)電及“西電東送”速度的加快，超高壓、遠(yuǎn)距離、大容量輸電及全國(guó)性聯(lián)網(wǎng)已成為必然，因而，對(duì)保證電網(wǎng)安全與穩(wěn)定運(yùn)行的繼電保護(hù)技術(shù)提出了更高的要求。一些傳統(tǒng)的繼電保護(hù)和故障診斷技術(shù)已不能滿足電力系統(tǒng)不斷發(fā)展的要求。研究可靠性高、選擇性好、動(dòng)作速度快的母線保護(hù)一直為繼電保護(hù)工作者們所關(guān)注。目前，基于人工智能技術(shù)的繼電保護(hù)系統(tǒng)越來(lái)越受到重視，本文對(duì)此展開(kāi)了研究工作。母線是電力系統(tǒng)廠站最重要的設(shè)備之一，母線保護(hù)是保障母線安全和可靠運(yùn)行的保護(hù)設(shè)備。尋找性能完善、功能強(qiáng)大、可靠性高及智能化程度高的母線保護(hù)是母線保護(hù)研究的方向。本文分析了傳統(tǒng)的母線繼電保護(hù)所存在的不足，運(yùn)用人工智能技術(shù)所具有的自適應(yīng)、自學(xué)習(xí)能力，提出基于人工智能技術(shù)的母線繼電保護(hù)的概念，并建立了相關(guān)的保護(hù)模型。全文包括兩大部分，第一部分是基于人工神經(jīng)網(wǎng)絡(luò)的母線保護(hù)的研究，第二部分是基于多AGENT技術(shù)的母線保護(hù)的研究。本文第二章闡述傳統(tǒng)母線保護(hù)的發(fā)展過(guò)程和其優(yōu)缺點(diǎn)。從母線實(shí)現(xiàn)方式、實(shí)現(xiàn)原理和實(shí)現(xiàn)結(jié)構(gòu)上闡述了母線保護(hù)的發(fā)展?fàn)顩r，并提出了母線保護(hù)的幾個(gè)關(guān)注問(wèn)題。傳統(tǒng)的母線保護(hù)大多采用電流比相原理或帶比率制動(dòng)的電流差動(dòng)原理來(lái)實(shí)現(xiàn)，這兩種原理保護(hù)的主要缺點(diǎn)是抗電流互感器飽和的能力較差。第三章介紹人工神經(jīng)網(wǎng)絡(luò)及多AGENT系統(tǒng)的概念、特點(diǎn)和結(jié)構(gòu)。第四章詳細(xì)介紹基于人工神經(jīng)網(wǎng)絡(luò)的母線保護(hù)的研究。對(duì)母線保護(hù)人工神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建、模型參數(shù)的學(xué)習(xí)估計(jì)算法等進(jìn)行了研究分析，并進(jìn)行母線保護(hù)人工神經(jīng)網(wǎng)絡(luò)模型的實(shí)例訓(xùn)練，驗(yàn)證該保護(hù)的可行性。第五章介紹基于多AGENT技術(shù)的母線保護(hù)系統(tǒng)的研究。利用AGENT的自治、協(xié)調(diào)和分布特性，提出了基于多AGENT技術(shù)的母線保護(hù)系統(tǒng)，該保護(hù)系統(tǒng)由協(xié)調(diào)層AGENT和執(zhí)行層AGENT構(gòu)成，通過(guò)各變電站之間的光纖通信網(wǎng)進(jìn)行通信，該保護(hù)系統(tǒng)相對(duì)于傳統(tǒng)的母線保護(hù)具有不受電流互感器飽和的影響，能夠自適應(yīng)被保護(hù)母線的各種運(yùn)行方式，運(yùn)行可靠，保護(hù)動(dòng)作速度快動(dòng)作時(shí)間在30MS左右等優(yōu)點(diǎn)。并對(duì)此進(jìn)行了仿真實(shí)驗(yàn)，驗(yàn)證該保護(hù)的可行性。論文最后總結(jié)了全文的工作，并提出下一步的研究方向。關(guān)鍵訶繼電保護(hù)，母線保護(hù)，人工神經(jīng)網(wǎng)絡(luò)，多AGENT系統(tǒng)，分布式保護(hù)

簡(jiǎn)介：知識(shí)發(fā)現(xiàn)本質(zhì)是建立在高維空間中的數(shù)學(xué)計(jì)算問(wèn)題人類對(duì)于傳統(tǒng)空間的研究已經(jīng)經(jīng)過(guò)數(shù)千年但是對(duì)于高維空間的數(shù)學(xué)研究才剛剛開(kāi)始。盡管如此借助于其核心技術(shù)人工智能的發(fā)展知識(shí)發(fā)現(xiàn)已經(jīng)取得了非常豐碩的成果。傳統(tǒng)數(shù)學(xué)所無(wú)法解決的問(wèn)題例如圖象識(shí)別垃圾郵件攔截網(wǎng)頁(yè)相似度匹配等問(wèn)題都得到了一定程度上的解決。但是從技術(shù)本身來(lái)看這些都是支持向量機(jī)SUPPTVECTMACHINESVM的一些低級(jí)別的應(yīng)用對(duì)于更廣闊的未來(lái)而言技術(shù)的發(fā)展帶來(lái)了無(wú)限的可能。本文盡可能詳盡地回顧了知識(shí)與知識(shí)發(fā)現(xiàn)的理論與沿革人工智能技術(shù)的發(fā)展與核心算法BP網(wǎng)絡(luò)BACKPROPAGATIONNEUTRALWK與支持向量機(jī)。在此基礎(chǔ)上本文提出了知識(shí)發(fā)現(xiàn)所面臨的三大問(wèn)題學(xué)科交叉不足局限于理工科等傳統(tǒng)領(lǐng)域而對(duì)文科和商科覆蓋不足對(duì)非結(jié)構(gòu)化數(shù)據(jù)處理能力欠缺尤其是類似于WD和WEB的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)；知識(shí)表示混亂至今沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)。針對(duì)以上三個(gè)問(wèn)題本文設(shè)計(jì)了三個(gè)實(shí)驗(yàn)1本文以WD文件說(shuō)文玉篇中的一章作為數(shù)據(jù)源采用規(guī)則提取的方式將WD文件字典中的字進(jìn)行了量化抽取。以量化后的結(jié)果載入MATLAB并使用SVM工具箱進(jìn)行了異體字分類識(shí)別。最后用Z語(yǔ)言對(duì)異體字分類的定義進(jìn)行了闡述。2本文針對(duì)上海國(guó)拍勁標(biāo)網(wǎng)上的上海市車牌歷次競(jìng)標(biāo)記錄采用WEB抓取的方式獲得自開(kāi)始拍賣以來(lái)至今的所有數(shù)據(jù)。將這些數(shù)據(jù)作為數(shù)據(jù)源用BP網(wǎng)絡(luò)對(duì)車牌價(jià)格所形成的多元函數(shù)進(jìn)行了擬合對(duì)后期的車牌價(jià)格走勢(shì)進(jìn)行了預(yù)測(cè)。與此同時(shí)將本文中獲得的結(jié)果與傳統(tǒng)經(jīng)濟(jì)學(xué)方法進(jìn)行了對(duì)比證明了AI算法相對(duì)于傳統(tǒng)經(jīng)濟(jì)學(xué)方法的優(yōu)越性。最后針對(duì)本文的函數(shù)用Z語(yǔ)言進(jìn)行了描述。3作為管理學(xué)碩士本文對(duì)管理學(xué)中參數(shù)化評(píng)估以及它的多種進(jìn)化形態(tài)進(jìn)行了回顧并將BP網(wǎng)絡(luò)和SVM分類技術(shù)相結(jié)合提出了動(dòng)態(tài)參數(shù)化評(píng)估的概念。這種新評(píng)估方式主要認(rèn)為舊有的評(píng)估方法存在參數(shù)人為任意設(shè)定權(quán)值僵化而容易被有所針對(duì)性的回避而不能產(chǎn)生正確的評(píng)估效果。為了避免上述現(xiàn)象的發(fā)生本文認(rèn)為應(yīng)該從樣本自身出發(fā)由樣本自身描述問(wèn)題的本質(zhì)。首先使用SVM對(duì)樣本的特征進(jìn)行提取得出參數(shù)項(xiàng)；其次根據(jù)參數(shù)項(xiàng)對(duì)樣本進(jìn)行循環(huán)計(jì)算得到每個(gè)項(xiàng)的權(quán)值；最后依據(jù)不同的權(quán)值對(duì)權(quán)值進(jìn)行函數(shù)擬合和預(yù)測(cè)。這樣構(gòu)成的參數(shù)評(píng)估系統(tǒng)每當(dāng)產(chǎn)生新的樣本的時(shí)候則系統(tǒng)重新計(jì)算并對(duì)權(quán)重和參數(shù)進(jìn)行調(diào)節(jié)。無(wú)疑具有更好的自適應(yīng)能力和更符合現(xiàn)實(shí)要求的特點(diǎn)。本文進(jìn)行了一次針對(duì)上海房?jī)r(jià)指數(shù)的動(dòng)態(tài)參數(shù)實(shí)證研究針對(duì)上海市房產(chǎn)交易中心CN上的成交數(shù)據(jù)以WEB抓取的形式獲得；以不同區(qū)域?qū)ι虾７績(jī)r(jià)的影響作為參數(shù)以影響的程度作為權(quán)重進(jìn)行計(jì)算；最后以Z語(yǔ)言對(duì)整個(gè)動(dòng)態(tài)參數(shù)化評(píng)估系統(tǒng)作出了描述。本文以如上述三個(gè)實(shí)驗(yàn)的方式對(duì)本文提出的問(wèn)題進(jìn)行了討論和解釋。針對(duì)學(xué)科交叉問(wèn)題本文結(jié)合中文學(xué)科提取WD文件中的異體字并使用SVM技術(shù)進(jìn)行了識(shí)別；結(jié)合筆者本科時(shí)代的經(jīng)濟(jì)學(xué)背景使用BP網(wǎng)絡(luò)對(duì)來(lái)自WEB的上海車牌拍賣數(shù)據(jù)進(jìn)行了函數(shù)擬合最后作為一名管理學(xué)的碩士將SVM的分類技術(shù)和BP網(wǎng)絡(luò)的函數(shù)擬合技術(shù)結(jié)合而提出了動(dòng)態(tài)參數(shù)化評(píng)估對(duì)管理學(xué)中參數(shù)化評(píng)估進(jìn)行了改進(jìn)。針對(duì)非結(jié)構(gòu)化數(shù)據(jù)源問(wèn)題本文實(shí)驗(yàn)中所采用的WD文件WEB數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)采用規(guī)則抽取方式將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為準(zhǔn)結(jié)構(gòu)化或者結(jié)構(gòu)化數(shù)據(jù)進(jìn)行知識(shí)發(fā)現(xiàn)；對(duì)于知識(shí)表示問(wèn)題本文使用了Z語(yǔ)言對(duì)每次實(shí)驗(yàn)所得到的知識(shí)進(jìn)行了結(jié)構(gòu)化描述。雖然本文針對(duì)知識(shí)發(fā)現(xiàn)的問(wèn)題進(jìn)行了一番探討與改進(jìn)但是仍然存在諸多不足之處對(duì)于動(dòng)態(tài)參數(shù)化評(píng)估而言各參數(shù)之間的優(yōu)先級(jí)顯然不可能是同級(jí)的對(duì)于優(yōu)先度排序方向的研究還有所欠缺；對(duì)于文字識(shí)別而言噪音與誤注所造成的偏差較大；對(duì)于時(shí)間序列的經(jīng)濟(jì)函數(shù)擬合而言精度還可以進(jìn)一步提高。這一切都有待于進(jìn)一步的完善。

簡(jiǎn)介：該文在對(duì)齒輪設(shè)計(jì)方法及有關(guān)設(shè)計(jì)軟件的分析研究基礎(chǔ)上構(gòu)建了基于人工智能的齒輪CAD系統(tǒng)框架提出了以人工神經(jīng)網(wǎng)絡(luò)技術(shù)、專家系統(tǒng)技術(shù)、面向?qū)ο蟮能浖_(kāi)發(fā)技術(shù)和OBJECTARX開(kāi)發(fā)技術(shù)為特色的新一代齒輪CAD系統(tǒng)GCADGEARCADGCAD以MICROSOFT公司的VISUALC60和AUTODESK公司的OBJECTARX2000作為系統(tǒng)的集成開(kāi)發(fā)環(huán)境以AUTOCAD2000為運(yùn)行平臺(tái)適用于WINDOWS98NT2000操作系統(tǒng)GCAD系統(tǒng)包括參數(shù)計(jì)算、參數(shù)化繪圖、專家系統(tǒng)、輔助功能和幫助系統(tǒng)五個(gè)部分通過(guò)MATLAB引擎充分發(fā)揮了MATLAB及AUTOCAD各自的優(yōu)勢(shì)通過(guò)利用人工神經(jīng)網(wǎng)絡(luò)映射齒輪系數(shù)為齒輪傳動(dòng)的結(jié)構(gòu)優(yōu)化設(shè)計(jì)奠定了基礎(chǔ)通過(guò)參數(shù)化設(shè)計(jì)實(shí)現(xiàn)了齒輪的二維參數(shù)化繪圖和三維實(shí)體建模通過(guò)將專家系統(tǒng)應(yīng)用于GCAD系統(tǒng)中初步實(shí)現(xiàn)了集方案輔助決策、設(shè)計(jì)、計(jì)算、校核、分析以及繪圖功能于一體提高了齒輪設(shè)計(jì)水平、設(shè)計(jì)質(zhì)量和設(shè)計(jì)人員的工作效率GCAD系統(tǒng)的構(gòu)建思想和方法對(duì)研究和開(kāi)發(fā)新型CAD系統(tǒng)具有一定的理論意義和實(shí)用價(jià)值

簡(jiǎn)介：大連理工大學(xué)碩士學(xué)位論文硅基生命人工智能的發(fā)展前景姓名王毅申請(qǐng)學(xué)位級(jí)別碩士專業(yè)科學(xué)技術(shù)哲學(xué)指導(dǎo)教師胡光20051201王毅硅基生命一人工智能的發(fā)展前景THELIFEOFSILICON一一ARTIFICIALINTELLIGENCEDEVELOPMENTFOREGROUNDABSTRACTTHISTHESISSTUDIESTHECONCEPTIONOFTHELIFEOFSILICONITISCOMMONKNOWLEDGETHATTHELIFCONEARTHISBASEDONCARBON11他NISWHETHERTHELIFEOFSILICONSIMILITUDEDWITHONEOFCARBONTHETHESISFIRSTSTUDIESTHEESSENCEOFLIFEABOUTORIGINANDNATUREBETWEENTHELIFEOFCARBONANDTHATOFSILICONITCANBECONCLUDEDTHATITISIMPOSSIBLETHALLIFEOFSILICONAPPEARSLHROU功OUTNATUREEVOLUTIONBECAUSECOMPUTERSTRUCTUREISBASEDONSILICON，WE渤TRYTODEFINEARTIFICIALINTELLIGENCEINTEIMSOFTHELIFEOFSILICONNEESSENCEOFLIFCISTHEFIRSTPROBLEMWEFACEANDITSRESULTSWILLGROUNDTHISTHESISALONGWITHTHEDEVELOPMENTOFSCIENCE，ASWELLASTHECHANGEOFTIMES，THEREAPPEAREDVARIOUSDEFINITIONSOFLIFEONTHEBASISOFCONTRIBUTIONMADEBYPREVIOUSTHINKERS，THISTHESISBRINGSUPANEWDEFINITIONTHATLIFCMEANSPRIMARILYINFORMATIONITISMYUNDERSTANDINGTHATTHEBASICACTIVATIONOFLIREMEANSINFORMATION，THEGROWTHOFLIFE，GENETICVARIATION，ANDTHEEVOLUTIONMEANSALSOTHEEXCHANGEOFINFORMATIONFURTHERMORE，EVENTHETHINKSOFWHICHHUMANSAREALWAYSPMUD，ANDTHEEMOTIONTHATEXISTINALLKINDSOFFORILLOFHUMANCOMMUNICATIONMP盟TLLALSOTHEEXCHANGEOFINFORMATIONBREEDONTHEDEFINITIONOFLIFCASINFORMATION，ANDONTHEORYOFCOGNITIVECOMPUTATIONALISM，LSTRIVETOANALYSETHERATIONALTHINKINGPERCEPTIVETHINKING，THEAFFECTIONOFBODYONINTELLIGENCE，ANDMORALITYANDSOCIETYITISMYCONCLUSIONTHATITISPOSSIBLETOREALIZETHEINTELLIGENCEWITHSOCIALTRAITANDTHEVIEWOFVALUEINADDITION，THISTHESISANALYSESANDCRITICIZESSOMEPOPULARCHALLENGESCONCERNINGINTELLIGENCE，INCLUDINGINCOMPLETENESSTHEOREMKEYWORDSARTIFICIALINTELLIGENCE；COMPUTATIONALISM；THELIFEOFSIFICONINCOMPLETENESSTHEOREM