簡介：高效連鑄技術發(fā)展至今，漏鋼仍然是困擾連鑄作業(yè)穩(wěn)定性、安全性的主要問題。對于操作復雜的板坯連鑄機，粘結(jié)漏鋼最為常見，造成巨大損失。當前，針對粘結(jié)性漏鋼，主要有兩方面對策其一是探究粘結(jié)性漏鋼產(chǎn)生的機理，以便優(yōu)化各項操作工藝；其二是開發(fā)連鑄漏鋼預報技術，監(jiān)測結(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。目前漏鋼預報技術研究的熱點是如何提高系統(tǒng)的敏捷性，提高預報精度，降低預報率。首先，本文在薄板坯結(jié)晶器熱電偶溫度實測數(shù)據(jù)的基礎上，分析了穩(wěn)定工況下的結(jié)晶器溫度變化及其分布特點；結(jié)合實測的粘結(jié)漏鋼數(shù)據(jù)樣本，對溫度的反映情況進行研究，探討了粘結(jié)傳播過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)性漏鋼的預報，以及測溫系統(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報模型和神經(jīng)網(wǎng)絡漏鋼預報模型，利用上述模型對某鋼廠的生產(chǎn)數(shù)據(jù)進行了離線模擬，取得了良好的效果，同時對比分析了兩種模型的優(yōu)缺點，為漏鋼預報系統(tǒng)的進一步研發(fā)和完善提供了有效手段。最后，在結(jié)晶器熱成像技術的基礎上開發(fā)了結(jié)晶器漏鋼預報系統(tǒng)軟件。該系統(tǒng)具備邏輯判斷預報功能以及神經(jīng)網(wǎng)絡仿真預報功能，集成并整合了各預報模型的優(yōu)點，可通過結(jié)晶器銅板的熱成像對其表面溫度進行監(jiān)測、分析，從而為漏鋼預報提供更為直接、準確監(jiān)控的手段。

簡介：東南大學碩士學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申請學位級別碩士專業(yè)系統(tǒng)分析與集成指導教師趙林度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

簡介：本文的目的是研究運用兩類群體智能算法一粒子群算法簡稱PSO以及具有量子行為粒子群算法簡稱QPSO訓練人工神經(jīng)網(wǎng)絡，特別是徑向基函數(shù)神經(jīng)網(wǎng)絡簡稱RBFNN，以及基于QPSO和RBFNN的生化過程控制。由于神經(jīng)網(wǎng)絡的訓練歸結(jié)為對誤差函數(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算法訓練人工神經(jīng)網(wǎng)絡對于提高神經(jīng)網(wǎng)絡在建模和預測精度上具有重要意義。首先，本文闡述了神經(jīng)網(wǎng)絡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，強調(diào)了QPSO在全局優(yōu)化問題中比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RBFNN為對象，應用PSO與QPSO算法作為訓練算法，給出了具體的操作過程。然后以函數(shù)逼近和地下水位預測問題作為仿真實例，測試了基于PSO訓練的RBF以及QPSO訓練的RBF，比較了兩者的訓練精度和算法收斂速度。仿真結(jié)果表明，用QPSO訓練RBF網(wǎng)絡，精度更高，收斂速度更快。其次，還將QPSO訓練的RBF應用于系統(tǒng)辯識和混沌時間序列預測。文中以幾個著名的測試系統(tǒng)作為實例，將QPSORBF和PSORBF進行測試，仿真結(jié)果表明，對于系統(tǒng)辯識問題，QPSORBF能夠找到的系統(tǒng)參數(shù)更好，收斂速度更快。對于混沌時間序列預測問題，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)絡的生化過程控制。為了測試性能，分別將遺傳算法GEICALGITHM，簡稱GA和QPSO算法用于谷氨酸發(fā)酵過程的生化變量預測，通過智能算法對神經(jīng)網(wǎng)絡的優(yōu)化，建立基于群體智能算法的RBF神經(jīng)網(wǎng)絡預測模型，對難以在線測量的生化變量進行離線預測。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訓練神經(jīng)網(wǎng)絡，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)絡訓練算法，在用神經(jīng)網(wǎng)絡對實際問題建模中能發(fā)揮很好的作用。

簡介：加筋土作為一種新型的土工結(jié)構物，具有施工簡易、造價低廉、穩(wěn)定性好的優(yōu)點，為土木工程師提供了多方面經(jīng)濟適用的手段。加筋土技術已大量廣泛地應用于水利、公路、鐵路、港口和建筑等部門的加筋支擋結(jié)構、加筋土坡和軟土地基加筋。隨著土工合成材料在現(xiàn)代巖土工程中的應用，加筋土技術的應用更加廣泛。因此，對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，加筋土的本構模型難以用先前研究素土得到的本構模型來解釋，本文基于人工智能方法利用草根加筋土三軸實驗數(shù)據(jù)訓練智能網(wǎng)絡，自動生成網(wǎng)絡參數(shù)，得到了加筋土BP神經(jīng)網(wǎng)絡本構模型，RBF神經(jīng)網(wǎng)絡本構模型，ANFIS本構模型，避免了數(shù)學建模確定函數(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)絡本構模型，模型訓練誤差與檢驗誤差均很小，在訓練和檢驗過程中模型擬合曲線與試驗曲線均很吻合，并用模型擬合結(jié)果修正了由試驗誤差引起的最大主應力與草根含量關系曲線的突變點，表明網(wǎng)絡具有良好的容錯能力和較高的精度，可以用做草根加筋土的本構模型。模型擬合得到的不同草根含量的加筋土應力應變預測曲線也滿足最大主應力與草根含量關系曲線，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)絡本構模型，并討論了訓練樣本規(guī)模和誤差控制對網(wǎng)絡精度的影響。訓練樣本規(guī)模越大，網(wǎng)絡對數(shù)據(jù)內(nèi)在規(guī)律的學習也越好。訓練誤差過小可能出現(xiàn)過擬合，導致網(wǎng)絡的容錯能力下降，誤差過大又可能導致網(wǎng)絡對訓練數(shù)據(jù)內(nèi)在規(guī)律學習不夠。（3）建立了草根加筋上ANFIS本構模型，模型擬合得到的不同草根含量的加筋土應力應變預測曲線光滑，且滿足最大主應力與草根含量關系曲線，此模型具有良好的泛發(fā)推廣能力。（4）對比三種智能網(wǎng)絡本構模型擬合得到的預測結(jié)果，表明ANFIS模型具有更好的擬合精度、容錯能力和泛發(fā)能力，說明ANFIS強大的推理能力能更好的提取加筋土內(nèi)在規(guī)律。

簡介：X射線無損探傷是工業(yè)無損檢測的主要方法之一，是保證焊接質(zhì)量的重要技術，其檢測結(jié)果已作為焊縫缺陷分析和質(zhì)量評定的重要判定依據(jù)，應用十分廣泛。但現(xiàn)在的X射線工業(yè)電視大多還都采用人工方式進行在線檢測與分析，而人工檢測本身存在幾個不可避免的缺點，如主觀標準不一致、勞動強度大、檢測效率低等。隨著計算機技術、自動控制技術以及信息和軟件技術迅速地引入焊接領域，焊接生產(chǎn)自動化、智能化已經(jīng)成為21世紀焊接技術發(fā)展的重要方向。在焊縫質(zhì)量檢測方面，如果采用X射線無損探傷計算機輔助評判系統(tǒng)進行在線檢測與分析，可以有效地克服人工評定中因眼睛疲勞、經(jīng)驗差異而引起的漏判與誤判，從而使在線檢測工作客觀化、規(guī)范化和智能化。目前，人們已經(jīng)開展了許多研究工作，在圖像預處理及缺陷自動分類等方面均有良好的進展，但是到目前為止，在焊縫缺陷的自動分類識別及評價方面，多為依據(jù)特征的描述型方法，其效果仍有待提高，在這方面進一步開展研究，無疑具有重要意義。本課題擬將以X射線實時成像法獲得的焊縫缺陷為對象，對其缺陷提取及分類方法進行研究，設計基于人工智能神經(jīng)網(wǎng)絡的焊接缺陷自動識別系統(tǒng)，并給出相應的實驗結(jié)果。

簡介：自然免疫系統(tǒng)作為具有很高智能行為的并行、分布式、自適應信息處理系統(tǒng)為實時問題的解決提供了新的契機充分挖掘、利用、借鑒這種系統(tǒng)的豐富資源不斷開發(fā)新的及豐富、發(fā)展和完善已有的人工免疫模型并展開其理論及應用研究已成為人工智能中人工免疫系統(tǒng)理論及應用的重要研究內(nèi)容及發(fā)展主流在這種背景下本論文針對最優(yōu)化、數(shù)據(jù)聚類、信號模擬問題借鑒免疫學中免疫應答理論提出一系列新的智能算法并展開一系列理論及應用探討所提出的算法可概括為三類免疫算法、多目標優(yōu)化免疫算法及免疫網(wǎng)絡算法這些算法從不同側(cè)面反映了免疫系統(tǒng)的特定動力學行為豐富和發(fā)展了人工免疫系統(tǒng)的內(nèi)涵理論研究、性能測試、比較及實際應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、免疫算法及多目標優(yōu)化免疫算法理論與應用二、免疫網(wǎng)絡算法及應用

簡介：THERESEARCHOFTHESTORAGBASEDONARTIFICIALINTELLADISSERTATIONSUBMITTEDFORTHEDEGREEOFMASTERCANDIDATEXIAOWEIRANSUPERVISORAPROFLIUDINGPINGI夠肖蔚然同學的碩士學位論文針對中間儲倉式制粉系統(tǒng)分別建立制粉單耗和煤粉細度模型，然后采用混合遺傳算法對制粉單耗模型進行尋優(yōu)，以獲得不同工況下制粉單耗最小的運行參數(shù)，最后通過煤粉細度模型對優(yōu)化工況進行煤粉細度預測，根據(jù)預測出的煤粉細度是否在給定范圍內(nèi)來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用價值。該論文將磨煤機存煤量的聲音頻率作為表征信號，提出了一種新型的磨煤機存煤量測量方式一基于頻譜分析的磨煤機存煤量測量。論文設計了多段分頻電路，并以此為核心完成基于頻譜分析的磨煤機存煤量測量儀的設計。磨煤機存煤量測量儀結(jié)構簡單，對運行環(huán)境沒有嚴格要求，具有較高的抗干擾能力，可作為制粉系統(tǒng)優(yōu)化控制與運行調(diào)整的重要組成部分。通過對某電廠50MW機組現(xiàn)場熱態(tài)試驗，表明這種基于煤粉細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用性，可以指導運行人員進行制粉系統(tǒng)的優(yōu)化調(diào)整，從而提高機組運行的安全性和經(jīng)濟性。論文敘述清楚，層次分明，分析方法正確，數(shù)據(jù)可信，觀點J下確。論文反映作者具有較扎實的基礎知識和系統(tǒng)的專業(yè)知識，具備了獨立從事科學研究的能力。論文已經(jīng)達到了碩士學位論文的要求，答辯委員會一致通過肖蔚然同學的論文答辯，建議授予工學碩士學位。論文答辯日期愛忉2年左月Z_日一答辯委員會委員共I【人，到會鴦員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位∽不同意授予碩士學位答辯攜斥殼。主席，主、，7罄飛卅彥委員’一T9會成播以農(nóng)艇圭員簽名一▲

簡介：傳感器網(wǎng)絡是基于應用的網(wǎng)絡，與傳統(tǒng)的無線通信網(wǎng)絡相比，它具有節(jié)點規(guī)模大、自組織多跳、無人值守、無通信基礎設施等特點。而能量約束始終是限制傳感器網(wǎng)絡技術發(fā)展和應用的瓶頸。有效提高網(wǎng)絡能效，降低節(jié)點能耗，并延長網(wǎng)絡生存期，是本文研究工作的核心。圍繞著在路由中兼顧無線傳感器網(wǎng)絡能量有效性和均衡性的主題，以人工智能（AI）為指導，采用神經(jīng)網(wǎng)絡的數(shù)學模型作為分析工具，本文綜合并討論了有關無線傳感器網(wǎng)絡能耗問題的國內(nèi)外研究現(xiàn)狀。同時，論文以研究傳感器網(wǎng)絡的體系架構為前提，分層剖析了傳感器節(jié)點的硬件結(jié)構和設計、各層次的主要算法和協(xié)議、常用傳感器網(wǎng)絡的節(jié)能技術和策略。從硬件和協(xié)議棧兩個層面分析了傳感器節(jié)點能耗產(chǎn)生的主要原因。針對影響節(jié)點能耗的主要因素，分析了傳感器網(wǎng)絡的整體結(jié)構、節(jié)點結(jié)構、通信方式和網(wǎng)絡覆蓋，本文并給出了無線傳輸能耗的數(shù)學模型。在對傳感器網(wǎng)絡關鍵節(jié)能技術，諸如單節(jié)點節(jié)能技術、數(shù)據(jù)融合技術以及垮層節(jié)能算法總結(jié)的基礎上，著重討論和比較了傳感器網(wǎng)絡中幾類經(jīng)典的媒體訪問控制算法、協(xié)議；分析了目前無線傳感器網(wǎng)絡節(jié)能算法、協(xié)議和策略亟待解決的問題。論文的主要成果和貢獻在于將人工智能引入到無線傳感器網(wǎng)絡的路由算法中。首先，結(jié)合傳感器網(wǎng)絡路由層次上的數(shù)據(jù)融合技術，考慮到在平面式路由算法中網(wǎng)絡能量不均衡，路由缺乏可靠的服務質(zhì)量的特點，提出了一種基于神經(jīng)網(wǎng)絡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)點間的數(shù)據(jù)傳輸量，規(guī)避了因數(shù)據(jù)冗余給網(wǎng)絡帶來的數(shù)據(jù)沖突和耗能增大的風險，并解決了因網(wǎng)絡有效性和均衡性相互制約產(chǎn)生的矛盾。其次，與傳統(tǒng)的無線網(wǎng)絡相比，無線傳感器網(wǎng)絡的路由是以數(shù)據(jù)為中心。為了保證數(shù)據(jù)傳輸路徑的可靠性、穩(wěn)定性和實時性，同時兼顧網(wǎng)絡能量有效性和均衡性特點，依托SOMDF算法設計了一種新的動態(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)點能耗，并延長了網(wǎng)絡的生存期。最后，鑒于無線傳感器網(wǎng)絡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和非線性動態(tài)的人工神經(jīng)網(wǎng)絡回聲狀態(tài)網(wǎng)絡模型融合到分族路由算法中，提出了帶有動態(tài)記憶效應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)點的通信能耗，減少因族頭的選擇和分族周期的確定所帶來的時耗，平衡了傳感器網(wǎng)絡的總能量，達到了有效延長網(wǎng)絡生存期的目的。為了驗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、節(jié)點能耗和網(wǎng)絡的能量均衡性四個方面，對SOMDF算法、DRS策略和ESNRS算法進行了性能測試和評估，最后以算法仿真的性能曲線說明了測評的結(jié)果。

簡介：物流配送是物流活動中直接與消費者相聯(lián)系的環(huán)節(jié)。在物流的各項成本中，配送成本占了相當高的比例。配送中車輛路徑的合理與否對物流配送服務水平、成本和效益影響很大。采用科學、合理的方法來進行車輛路徑的優(yōu)化，是物流配送領域的重要研究課題。其中尤其是帶時間窗的物流配送車輛路徑優(yōu)化問題VEHICLEROUTINGPROBLEMWITHTIMEWINDOWS，VRPTW更是當前研究的重點?，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)度問題提供了新的工具。帶時間窗的車輛路徑問題計算復雜，屬于NPHARD問題。本文研究了帶時間窗的車輛路徑問題模型的構建，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)化問題中。針對蟻群算法的不足，分別通過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，同時對蟻群算法進行了改進，將魚群算法中擁擠度的概念引入到蟻群算法中，在優(yōu)化過程的初期，設置較強的擁擠度限制，保證大部分螞蟻不受信息素濃度的影響而進行隨機尋優(yōu)。為解決蟻群算法求解時間長，容易出現(xiàn)停滯的問題，應用轉(zhuǎn)移系數(shù)的概念，提高了蟻群的計算速度，從而增強算法遍歷尋優(yōu)能力。經(jīng)過多次對比實驗表明，使用混合優(yōu)化算法可以實現(xiàn)優(yōu)化物流配送線路，可以有效而快速地求得問題的最優(yōu)解或近似最優(yōu)解。采用SOLOMON問題中R101作為實例數(shù)據(jù)基礎，采用面向?qū)ο蟮腃語言編寫了計算程序，對混合人工魚群蟻群算法進行了計算驗證，證實了該算法可行性和有效性；同時對部分SOLOMON數(shù)據(jù)進行了多次驗證，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；最后對提出的混合群智能算法中的各項參數(shù)進行了對比分析，探討了所用參數(shù)的最優(yōu)組合。

簡介：點擊查看更多人工智能在直接轉(zhuǎn)矩控制中的應用研究.pdf精彩內(nèi)容。

簡介：點擊查看更多煤氣流分布模式識別與布料指導人工智能系統(tǒng)的設計與實現(xiàn).pdf精彩內(nèi)容。

簡介：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、遠距離、大容量輸電及全國性聯(lián)網(wǎng)已成為必然，因而，對保證電網(wǎng)安全與穩(wěn)定運行的繼電保護技術提出了更高的要求。一些傳統(tǒng)的繼電保護和故障診斷技術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、動作速度快的母線保護一直為繼電保護工作者們所關注。目前，基于人工智能技術的繼電保護系統(tǒng)越來越受到重視，本文對此展開了研究工作。母線是電力系統(tǒng)廠站最重要的設備之一，母線保護是保障母線安全和可靠運行的保護設備。尋找性能完善、功能強大、可靠性高及智能化程度高的母線保護是母線保護研究的方向。本文分析了傳統(tǒng)的母線繼電保護所存在的不足，運用人工智能技術所具有的自適應、自學習能力，提出基于人工智能技術的母線繼電保護的概念，并建立了相關的保護模型。全文包括兩大部分，第一部分是基于人工神經(jīng)網(wǎng)絡的母線保護的研究，第二部分是基于多AGENT技術的母線保護的研究。本文第二章闡述傳統(tǒng)母線保護的發(fā)展過程和其優(yōu)缺點。從母線實現(xiàn)方式、實現(xiàn)原理和實現(xiàn)結(jié)構上闡述了母線保護的發(fā)展狀況，并提出了母線保護的幾個關注問題。傳統(tǒng)的母線保護大多采用電流比相原理或帶比率制動的電流差動原理來實現(xiàn)，這兩種原理保護的主要缺點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)絡及多AGENT系統(tǒng)的概念、特點和結(jié)構。第四章詳細介紹基于人工神經(jīng)網(wǎng)絡的母線保護的研究。對母線保護人工神經(jīng)網(wǎng)絡模型的構建、模型參數(shù)的學習估計算法等進行了研究分析，并進行母線保護人工神經(jīng)網(wǎng)絡模型的實例訓練，驗證該保護的可行性。第五章介紹基于多AGENT技術的母線保護系統(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技術的母線保護系統(tǒng)，該保護系統(tǒng)由協(xié)調(diào)層AGENT和執(zhí)行層AGENT構成，通過各變電站之間的光纖通信網(wǎng)進行通信，該保護系統(tǒng)相對于傳統(tǒng)的母線保護具有不受電流互感器飽和的影響，能夠自適應被保護母線的各種運行方式，運行可靠，保護動作速度快動作時間在30MS左右等優(yōu)點。并對此進行了仿真實驗，驗證該保護的可行性。論文最后總結(jié)了全文的工作，并提出下一步的研究方向。關鍵訶繼電保護，母線保護，人工神經(jīng)網(wǎng)絡，多AGENT系統(tǒng)，分布式保護

簡介：知識發(fā)現(xiàn)本質(zhì)是建立在高維空間中的數(shù)學計算問題人類對于傳統(tǒng)空間的研究已經(jīng)經(jīng)過數(shù)千年但是對于高維空間的數(shù)學研究才剛剛開始。盡管如此借助于其核心技術人工智能的發(fā)展知識發(fā)現(xiàn)已經(jīng)取得了非常豐碩的成果。傳統(tǒng)數(shù)學所無法解決的問題例如圖象識別垃圾郵件攔截網(wǎng)頁相似度匹配等問題都得到了一定程度上的解決。但是從技術本身來看這些都是支持向量機SUPPTVECTMACHINESVM的一些低級別的應用對于更廣闊的未來而言技術的發(fā)展帶來了無限的可能。本文盡可能詳盡地回顧了知識與知識發(fā)現(xiàn)的理論與沿革人工智能技術的發(fā)展與核心算法BP網(wǎng)絡BACKPROPAGATIONNEUTRALWK與支持向量機。在此基礎上本文提出了知識發(fā)現(xiàn)所面臨的三大問題學科交叉不足局限于理工科等傳統(tǒng)領域而對文科和商科覆蓋不足對非結(jié)構化數(shù)據(jù)處理能力欠缺尤其是類似于WD和WEB的非結(jié)構化和半結(jié)構化數(shù)據(jù)；知識表示混亂至今沒有統(tǒng)一的標準。針對以上三個問題本文設計了三個實驗1本文以WD文件說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工具箱進行了異體字分類識別。最后用Z語言對異體字分類的定義進行了闡述。2本文針對上海國拍勁標網(wǎng)上的上海市車牌歷次競標記錄采用WEB抓取的方式獲得自開始拍賣以來至今的所有數(shù)據(jù)。將這些數(shù)據(jù)作為數(shù)據(jù)源用BP網(wǎng)絡對車牌價格所形成的多元函數(shù)進行了擬合對后期的車牌價格走勢進行了預測。與此同時將本文中獲得的結(jié)果與傳統(tǒng)經(jīng)濟學方法進行了對比證明了AI算法相對于傳統(tǒng)經(jīng)濟學方法的優(yōu)越性。最后針對本文的函數(shù)用Z語言進行了描述。3作為管理學碩士本文對管理學中參數(shù)化評估以及它的多種進化形態(tài)進行了回顧并將BP網(wǎng)絡和SVM分類技術相結(jié)合提出了動態(tài)參數(shù)化評估的概念。這種新評估方式主要認為舊有的評估方法存在參數(shù)人為任意設定權值僵化而容易被有所針對性的回避而不能產(chǎn)生正確的評估效果。為了避免上述現(xiàn)象的發(fā)生本文認為應該從樣本自身出發(fā)由樣本自身描述問題的本質(zhì)。首先使用SVM對樣本的特征進行提取得出參數(shù)項；其次根據(jù)參數(shù)項對樣本進行循環(huán)計算得到每個項的權值；最后依據(jù)不同的權值對權值進行函數(shù)擬合和預測。這樣構成的參數(shù)評估系統(tǒng)每當產(chǎn)生新的樣本的時候則系統(tǒng)重新計算并對權重和參數(shù)進行調(diào)節(jié)。無疑具有更好的自適應能力和更符合現(xiàn)實要求的特點。本文進行了一次針對上海房價指數(shù)的動態(tài)參數(shù)實證研究針對上海市房產(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r的影響作為參數(shù)以影響的程度作為權重進行計算；最后以Z語言對整個動態(tài)參數(shù)化評估系統(tǒng)作出了描述。本文以如上述三個實驗的方式對本文提出的問題進行了討論和解釋。針對學科交叉問題本文結(jié)合中文學科提取WD文件中的異體字并使用SVM技術進行了識別；結(jié)合筆者本科時代的經(jīng)濟學背景使用BP網(wǎng)絡對來自WEB的上海車牌拍賣數(shù)據(jù)進行了函數(shù)擬合最后作為一名管理學的碩士將SVM的分類技術和BP網(wǎng)絡的函數(shù)擬合技術結(jié)合而提出了動態(tài)參數(shù)化評估對管理學中參數(shù)化評估進行了改進。針對非結(jié)構化數(shù)據(jù)源問題本文實驗中所采用的WD文件WEB數(shù)據(jù)都是非結(jié)構化數(shù)據(jù)采用規(guī)則抽取方式將非結(jié)構化數(shù)據(jù)轉(zhuǎn)化為準結(jié)構化或者結(jié)構化數(shù)據(jù)進行知識發(fā)現(xiàn)；對于知識表示問題本文使用了Z語言對每次實驗所得到的知識進行了結(jié)構化描述。雖然本文針對知識發(fā)現(xiàn)的問題進行了一番探討與改進但是仍然存在諸多不足之處對于動態(tài)參數(shù)化評估而言各參數(shù)之間的優(yōu)先級顯然不可能是同級的對于優(yōu)先度排序方向的研究還有所欠缺；對于文字識別而言噪音與誤注所造成的偏差較大；對于時間序列的經(jīng)濟函數(shù)擬合而言精度還可以進一步提高。這一切都有待于進一步的完善。

簡介：該文在對齒輪設計方法及有關設計軟件的分析研究基礎上構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)絡技術、專家系統(tǒng)技術、面向?qū)ο蟮能浖_發(fā)技術和OBJECTARX開發(fā)技術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)的集成開發(fā)環(huán)境以AUTOCAD2000為運行平臺適用于WINDOWS98NT2000操作系統(tǒng)GCAD系統(tǒng)包括參數(shù)計算、參數(shù)化繪圖、專家系統(tǒng)、輔助功能和幫助系統(tǒng)五個部分通過MATLAB引擎充分發(fā)揮了MATLAB及AUTOCAD各自的優(yōu)勢通過利用人工神經(jīng)網(wǎng)絡映射齒輪系數(shù)為齒輪傳動的結(jié)構優(yōu)化設計奠定了基礎通過參數(shù)化設計實現(xiàn)了齒輪的二維參數(shù)化繪圖和三維實體建模通過將專家系統(tǒng)應用于GCAD系統(tǒng)中初步實現(xiàn)了集方案輔助決策、設計、計算、校核、分析以及繪圖功能于一體提高了齒輪設計水平、設計質(zhì)量和設計人員的工作效率GCAD系統(tǒng)的構建思想和方法對研究和開發(fā)新型CAD系統(tǒng)具有一定的理論意義和實用價值

簡介：大連理工大學碩士學位論文硅基生命人工智能的發(fā)展前景姓名王毅申請學位級別碩士專業(yè)科學技術哲學指導教師胡光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