人工智能研究综述精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的人工智能研究综述主题范文，仅供参考，欢迎阅读并收藏。

第1篇：人工智能研究综述范文

关键词：人工智能；人机交互；机器学习；深度学习；数据挖掘

中图分类号：TP27 文献标识码：A 文章编号：1671-2064（2017）03-0221-02

人工智能是当今科技发展中最具潜力的热点问题之一，2016年初轰动世界的谷歌AlphaGo打败围棋世界冠军李世石的经典案例更是引起了全世界广泛的关注和热议。“人工智能”这个概念再次被推到了风口浪尖。那么，究竟什么是人工智能呢？它会对我们的生活有什么影响？在这个背景下，我们深入探究人工智能及其相关的技术领域，对于人工智能的普及和发展有着重要意义，也希望能给予人工智能相关领域的科学研究者们提供一些参考和方向。

1 什么是人工智能

人工智能（Artificial Intelligence，AI）是一门全新的信息技术科学，是计算机科学技术的一个重要分支，是指对于模拟、拓展和延伸人类的智能的应用系统及相关的理论和技术方法的开发研究。主要通过研究及了解人类智能的本质从而开发出能给出类似人类智能反馈的智能机器，计算机系统在理解目标方向之后所取得的最大化成果是计算机实现的最大智慧。人工智能不单单是一个特定的技术，它所研究的往往是能创造智能意识的高科技机器，包括了算法和其他应用程序，处理的任务也远远超出了简单计算，从学习感知规划到推理识别控制等等。人工智能的研究方向包含语言及图像识别技术、机器人设计、自然语言处理等，日益成熟的理论方法和技术实践也使得应用领域范围大规模扩张，人工智能是人类智慧的结晶，未来也可能展现出超过人类的智能。

2 人机智能的研究方向

人工智能的科学研究通常涉及到数学、逻辑学、认知科学、以及最重要的计算机科学等多学科领域，延伸出了以下几个主要的研究方向：

2.1 逻辑推理与证明

早期的人工智能更多的解决了大量数学问题，逻辑推理是基础也是研究时间最长最重点的领域之一。通过找到可靠的证明或者反证方法实现潜在的定理证明，根据数据库的实例进行推导并及时更新证明结论，演绎和直觉相结合，在推理和证明中实现部分智能。

2.2 问题求解

问题求解领域的一大重要应用则是下棋程序的功能实现，化繁为简、将困难的问题点拆分成为独立的子问题进行求解；而另一个实例则是数学方程的求解实现，分析各种公式符号的组合意义从而为科学研究者提供强有力的基础保障。问题求解中所运用的搜索和规约也是人工智能领域中的两大基本技术。

2.3 自然语言处理

自然语言处理也叫自然语言理解（Natural Language Processing，NLP），是指借助计算机来处理使用人类语言作为计算对象的算法程序，并研究相关的理论方法和技术。NLP是人工智能领域的主要研究方向之一，也是发展时间较长的研究方向之一。语音识别、搜索引擎、机器翻译等等都是NLP的重要研究内容，目前也都在人工智能领域获得了突出的应用成果。

2.4 专家系统

专家系统是指具有大量模拟人类相关领域专家知识和经验的智能计算机程序系统，依托于人工智能相关技术，根据专家系统所提供的数据方法进行判断推理进一步决策，从而代替人类专家解决一部分该领域的特定问题。从知识表示技术的角度上看，专家系统可分为基于网络语义、基于规则、基于逻辑、基于框架等几种类别；而从任务类型及专家系统主要解决的问题类型的角度来看，专家系统也可分成解释型（分析和阐述符号数据的意义）、调试型（根据故障制定排除方案）、预测型（根据现状预测指定对象未来可能的结果）、维修型（针对特定故障制定并实施规划方案）、设计型（按指定需求制作图样和方案）、规划型（根据指定目标制定行动方案）等。

专家系统的建立包含以下几个步骤：（1）初始专家知识库的设计：包括问题、知识、概念、形式、规则等多个概念的筹建；（2）开发和试验系y原型机；（3）改进与归纳专家知识库等。

专家系统的实现通常建立在大量的数据统计与人类专家提供的问题解决实例上，没有精确或统一的求解算法，因此也会造成一些局限性。在人工智能与计算机科学快速发展的今天，专家系统也逐渐更重视理论和基础研究，除了基于经验的理论，基于规则和模型的方法也将投入到实际运用中，未来的专家系统将更偏向协同式和分布式方向发展。

2.5 机器学习

机器学习是指计算机自动获取新的推理算法和新的科学事实的过程，是计算机具有智能的基础。计算机的学习能力是人工智能研究史上的突出成就与重要进展，也是人工智能初步实现的重要标志。机器学了在人工智能领域有着重要应用，对于探索人类智慧的奥秘以及学习方法和机理都有着重要意义，机器学习的时代才刚刚开始，各种理论方法也正在逐步完善中，未来精彩可期。

3 人工智能的应用

人工智能的首次提出至今已有60年的历史，在这个循序渐进的过程中，无论是功能场景还是机器模式，都逐渐从单一到通用、从简单到复杂，表达方法也更多种多样。目前主要通过赋予机器产品一定的人类智能从而有效地提升机器工作效率及能力，未来的人工智能将更多的模拟人类生活环境及思维方式来设计出真正具有人类智能的高效人机系统。

3.1 人工智能在各个行业的应用

人工智能已经运用到人类生产生活的各个方面，主要包括以下几点：（1）以智能汽车为代表的自动化交通方式。（2）种类繁多的家庭智能服务机器人。（3）用于临床支持和病人看护中的自动化智能设备及医疗器械。（4）智能教育辅导系统、线上学习和智能辅助学习设备的普及。（5）基于图像处理和自然语言处理的各类音乐社交软件及VR设备的兴起给互联网娱乐时代带来的巨大变革。（6）逻辑证明及智能分析在公共安全领域的预测及防范。（7）大量重复机械的劳动逐渐由智能机器取代，人类承担着更多的创新及实践工作。

3.2 人工智能生活应用实例

作为辅助人类生产生活的重要工具，日趋成熟的智能机器人已经快速走进了人们的日常生活中，下面我们介绍几种常见的使用场景：（1）智能房屋和家居生活的构建：目前的智能停留在自动控制I域，通过用户指令来便捷的操控比如电视、窗帘、灯具、空调等等；而未来，人工智能的发展将根据你的日常行为了解你的习惯喜好，利用传感器和自动装置搜集用户的行为数据，通过机器学习和深度学习算法改造你所居住的环境。最终实现真正意义上的智能家居生活。（2）无人驾驶的智能汽车：主要通过导航和定位实现规定路线的行驶、通过激光测距、雷达感应和照相等技术，配合复杂的计算公式从而辨别和避让各种障碍，最终脱离人类操控的环境下自动完成发动、驾驶、刹车等动作。行驶的安全性和准确性在智能机器的帮助下其实更可靠，我们完全有理由相信未来自动驾驶将成为人们出行的新方式。（3）基于神经网络的新型翻译方式：在线翻译相信大多数人都不陌生，使用范围广普及率极高，但其准确性一直都是人们关注的焦点之一。谷歌翻译负责人表示将在部分功能上尝试使用深度学习技术，如果能顺利实施必将使得翻译准确性的研究取得实质性突破，而基于神经网络的翻译方式则将帮助计算机更好地模拟和理解人类思维，使得翻译结果更流畅合乎规范，也方便人们更好地理解。

4 人工智能的发展历程

人工智能的发展历程不算很长，但发展速度却异常迅猛。跟所有新兴的前沿学科一样，人工智能的发展中也经历了和低谷时期。根据不同时期代表性人物和事件的发生，我们大致可以将整个过程分为以下几个阶段：

（1）1950年，举世闻名的“图灵测试”（图灵，英国数学家，1912―1954）首次发表于《计算机与智能》一文，即通过房间外的人和两个房间内的人和机器分别对话中，是否能区分人和机器从而判断出机器是否具有了人的智能。这是人类对于人工智能最初的概念。

（2）1956年，由香农、麦卡锡、朗彻斯特和明斯基共同发起的DARTMOUTH学会于达特茅斯大学召开，会上首次提出“人工智能”一词，这是历史上第一次关于人工智能领域的研讨会，见证了人工智能学科研究的开端。

（3）1960年以来，生物进化领域逐渐建立起了遗传、策略和规划等算法。1992年计算智能由Bezdek提出，计算智能对于生物进化学的探究有着重大意义，涵盖了模式识别、人工生命、神经网络、进化计算等多学科集合与交叉。

（4）上世纪90年代开始，专家系统逐渐兴起，对于专家知识库的不断改进以及基于规则和模型的协同式分布式专家系统将是未来使用的主要趋势。

（5）从1960年神经网络首次应用于自动控制的实施，到1965年人工智能启发式推理规则的方法引入，再到1977年运筹学理论中概念智能控制模式的成功借鉴，人工智能的发展也顺利引导了自动控制模式逐渐切换到了智能控制模式。

（6）从1956年AI概念的正式提出以来，人工智能领域已经取得了众多突破性的成就和进展，很多天马行空的想象也随着科技的进步在一代代科学工作者的不断努力下逐渐设计落实，人工智能已经从科学研究逐渐走向了人们的日常生活中，成为了当下最具潜力的多学科交叉的前沿科学。

5 人工智能的未来与发展趋势

从人工智能的提出到逐渐走入人们生活，人工智能的概念一经问世则得到了人们的普遍关注，甚至带动了语音识别、自然处理处理、机器学习、数据挖掘等一系列相关学科的发展和兴盛。人工智能领域中的创新和蓬勃发展是趋势也是必然，通过了解人工智能学科的发展历程及应用领域，我们大致可以推测出关于未来人工智能的一些方向：（1）机器学习和深度学习算法指导下更聪明更多样性更具智能的机器系统。（2）自然语言处理应用中更自然的人机互动交流。（3）机器学习时代更快速的数据处理分析策略。（4）各研发企业和机构对于人工智能先进技术更激烈的竞争和角逐。（5）超人工智能（Artificial Super Intelligence，简称ASI）时代下AI是否会走向失控给人们带来的微恐惧。

6 结语

在短短60年的时间内，人工智能的快速发展已经从很大程度上改善和刷新了人们的生活方式。人工智能的深入研究和实现正在不断帮助我们探索这个世界、帮助我们搜寻信息应对各种各样的挑战。人工智能在逐渐强大的同时，有机遇也存在着巨大的挑战和技术瓶颈，距离人工智能时代的真正实现还有很长的路要走。而人工智能的不断更迭完善，是否能取得超越人类智力和认知的智能、是否会出现违背人类价值观的危险行为将是未来很长一段时间内需要研究的重要课题。

参考文献

[1]李红霞.人工智能的发展综述[J].甘肃科技纵横，2007，36（5）：17-18.

第2篇：人工智能研究综述范文

1人工智能技术的综述

人工智能技术是以计算机技术为基础，融合多门学科的综合性科学技术，其主要是通过计算机模拟构建人的智能，并且创建机器人系统和专家系统实现对电气自动控制系统的智能化操作。人工智能技术的突出特点是：一是操作性。人工智能技术主要是依托计算机的控制实现对电气设备的控制，因此人工智能技术具有很强的逻辑性，便于控制人员进行操作；二是价值大。人工智能技术不仅融合了计算机技术，而且其还实现了对电气设备的自动化控制与监测，实现了以较小的投入获得更大的经济效益的目的。比如通过人工智能技术可以减少人工操作环节，进而为企业节省相当多的人力资源成本费用；三是准确性比较高。人工智能技术主要是计算机依据人的智能建立计算机控制系统，实现对电气设备的精确性操作，比如利用人工智能技术可以对电气设备的运行情况进行智能检测与处理，避免了人工检测所存在的弊端。

2人工智能技术在电气自动化控制系统中应用的必要性

人工智能技术的最大优势就是通过对电气控制系统信息的收集、研究，制定出具体的有效处理措施，从而代替传统的依靠人脑进行操作的模式。将人工智能技术应用到电气自动化控制系统中具有重要的意义：

2.1能够有效解决电气自动化控制过程中存在的病态结构问题

电气自动化控制过程中因为电气设备精密度越来越高，因此在运行过程中所出现的病态结构很难应用传统的方式表达出来，而人工智能技术则可以有效解决此类问题，其完全有能力利用定量与定性相结合的控制方式对控制系统进行计算与分析。

2.2实现自动控制系统的数据采集与处理功能

将人工智能技术应用到电气自动化控制中能够依托专家系统对电气设备进行实时监视，并且对相关信息进行自动收集与储存，一旦发现存在潜在故障或者存在事故的事件，人工智能技术就会自动采取相应的控制方式，对故障进行自动处理，进而避免了电气系统故障的进一步扩大化。

2.3简化了人工操作过程，降低了人工操作造成的损失

人工智能技术通过计算机设备就可以实现对电气设备的自动化控制，比如电气系统的人工智能化控制系统就可以通过鼠标对控制开关进行自动控制，并且对励磁电流进行调整。同时电气人工智能控制系统还设定了应用管理权限，限制了相应操作人员的权限，实现了专人专岗制度，细化了操作责任制度。

3人工智能技术在电气自动化控制中应用的思路分析

3.1人工智能技术在电气自动化设备中的应用

我们知道电气自动化控制系统属于非常负责的控制系统，其不仅包含复杂的元件，而且还需要操作人员严格按照自动化控制系统的要求进行操作，而将人工智能技术应用到电气设备中可以实现计算机的自动化操作，最重要的就是可以代替传统的需要人工进行设备检测的落后模式，实现了对电气设备的运行状态、故障检测以及维修意见等一体的功能，降低了人工操作的失误性，提高了电气设备的应用寿命，为企业节省了大量的成本。

3.2人工智能技术在电气控制过程中的应用

将智能技术应用到电气自动化控制过程中，是人工智能技术发展的重要动力，通过人工智能化的电气控制系统不仅可以提高电气设备的工作效率，而且还可以降低电气自动化控制中的故障发生率。人工智能技术主要师模糊控制、专家控制以及神经网络控制和集成智能控制。本文以专家控制为例，专家控制就是将专家系统的设计规范和运行机制与电气控制刘楠相结合实现实时控制系统的设计，其主要是对自动控制的知识获取、表示以及推理机制的建立。

3.3在事故和故障诊断中人工智能技术的应用分析

人工智能技术在电气设备故障中的作用是非常大的，尤其是对发动机的故障检修是具有重要作用的，我们知道在电气设备中由于其结构比较复杂，依靠人工很难对其进行深入的检测，因此需要借助人工智能技术实现对设备的检修。我们以变压器为例，将智能技术应用到变压器的故障检修中首先就是先收集电压器油体中分解的气体，然后通过对油体气体的分析，找出故障的原因，进而自动形成解决措施。这样有效避免了人工检测所出现的失误现象。另外人工智能技术在电气设备操作中的应用价值也比较大。通过人工智能技术可以实现电气自动化控制环节的简单化，比如在机床加工中，如果运用人工智能技术则能够有效降低机床操作的复杂性，并且能够对机床的运行信息进行收集与储存，便于日后对相关信息的查询。

4结束语

第3篇：人工智能研究综述范文

[关键词]信息科学；信息技术；旅游；交叉研究；系统综述

[中图分类号]F59

[文献标识码]A

[文章编号]1002—5006（2013）01—0114—15

1 引言

旅游领域正在经历着一个以商业实践和研究活动为平台的迅猛发展期，对于旅游研究者而言，把握领域最新研究进展、了解已被研究的内容以及思考未来的研究方向是非常重要的。在我国的旅游研究中，针对各种研究主题的综述性研究非常丰富，然而信息科学与旅游的交叉研究并没有得到足够的重视。

交叉研究或跨学科研究一词源于1926年美国哥伦比亚大学心理学家伍德沃斯（Woodworth）创建的英文形容词：interdisciplinary（跨学科的），指超过一个学科范围的研究活动。信息科学是一种横断科学与方法科学，在信息科学所涉及的4个方面研究中：（1）电子科学与技术、信息与通信系统、信息获取与处理；（2）计算机科学与技术、网络与信息安全；（3）控制理论与工程、系统科学与工程、人工智能与智能系统；（4）半导体科学与信息器件、信息光学与光电子器件、激光技术与技术光学，其中3个方面都与旅游研究在研究对象上发生交叉（如旅游博客数据挖掘、旅游推荐系统），且旅游研究也不断采用信息科学的理论与方法去解决问题（如人工智能在旅游预测中的应用、计算机仿真在游憩行为研究中的应用），体现了交叉研究和跨学科特征。信息科学与旅游的交叉研究客观存在，且已经经历了20多年的发展。

旅游研究一直是一个开放的体系，吸纳着其他学科的营养；信息科学与旅游研究的交叉与融合为解决旅游领域的新矛盾、新问题和探索新规律、新原理提供了新的思维方式和科学的研究方法，是信息时代旅游发展的产物与趋势。信息科学与旅游的交叉研究无论对旅游学术研究还是对旅游业发展都具有非常重要的意义，其研究进展应得到关注与重视。

已有关于信息科学与旅游交叉研究进展的综述研究川没有体现出两种研究的“交叉”性，即信息科学研究中有哪些以旅游为研究对象或者解决旅游领域的问题？旅游研究中涉及哪些信息科学方法与技术应用？这些问题的回答对于研究者广泛与深入开展信息科学与旅游的交叉研究具有重要意义。

为了较为全面地阐述信息科学与旅游研究之间的“交叉性”，本文采用系统综述方法对该交叉领域最近12年发表的文献进行了搜集、筛选、整理、归纳与分析.以期帮助相关研究者了解这一交叉领域的主要研究问题及所取得的研究进展，并对今后的深入研究有所借鉴与启发。

2 系统综述方法

系统综述（systematic review）又称系统评价，起源于医学领域，是指在复习、分析、整理和综合原始文献的基础上进行的二次研究方法，目前已经被广泛应用于循证医学（evidence—based medicine），逐步应用于社会学、教育学、图书情报等领域。系统综述可被精确区分为两种类型：（1）定性系统综述，原始文献的研究结果被分析与总结，但未经统计学合并；（2）定量系统综述，又称元（meta）分析或荟萃分析，应用统计学方法对若干个研究结果进行定量统计合并的过程。在某些不强调或较难实施统计学合并的研究领域，直接将定性系统综述称为系统综述，将其作为一种对某研究问题、主题或现象的可获得的所有研究进行评价和解释的方法，目标在于通过一种可信的、严格的以及可审计的方法来提供公正的研究评价。信息科学与旅游科学的交叉研究属于较难实现统计学合并的研究领域，因此本文采用定性系统综述方法，简称系统综述。

本文关于信息科学与旅游的交叉研究的系统综述研究包含如下步骤：

（1）确定研究问题

为了全面了解与分析信息科学与旅游的交叉研究现状，本文确定了如下系统综述的研究问题：①信息科学研究中面向旅游的研究主要有哪些方面？②旅游研究中与信息科学相关的研究主要有哪些方面？③信息科学与旅游的交叉研究有哪些趋势？

（2）确定文献搜索策略

基于所确定的研究问题，设计如下文献搜索策略：

①搜索工具与数据库：采用Google Scholar、IEEE Xplore、ScienceDirect；

②搜索关键字：采用关键字组合“tourism”AND（“computer”OR“communication technology”），即“旅游”与“计算机”或“通信技术”同时出现；计算机科学与技术是信息科学研究领域中最为活跃的方向之一，计算机科学与技术、通信科学与技术在信息科学研究中具有一定的代表性；经过反复搜索测试，“计算机”与“通信技术”作为关键字与“旅游”进行组合搜索，搜索结果能够较为全面地覆盖信息科学与旅游的交叉研究，实现本文系统综述的研究目标；③搜索的时间范围：2000年之后。

（3）文献搜索

按照上述搜索策略分别在3个工具与数据库进行搜索。Google Scholar显示共有54500条结果（2011年12月22日），其只提供最相关的前1000条；IEEE Xplore（搜索字段为“摘要”）共搜索到46条结果（2011年12月24日）；ScienceDirect（搜索字段为“题目”或“关键字”或“摘要”）共搜索到36条结果（2011年12月24日）。

（4）文献筛选

在上述搜索到的条目中，按照表1所示的文献入选和剔除标准，筛选用于本文系统综述的文献。

表1所示第一步完成后共有512篇文献入选。第二步经过多次逐步细化筛选，最终确定用于本文系统综述的入选文献共245篇，其中期刊论文158篇，会议论文87篇。245篇文献来自106种期刊和58种会议，文献来源分散且涉及领域广泛，有关文献来源、作者等的定量分析结果已另文撰写，本文则侧重对系统综述研究步骤（1）所确定的研究问题的回答。

（5）分析与完成报告

根据系统综述研究步骤（1）所确定的研究问题，对入选文献进行分类、分析与总结。分析结果见下一章节。

为了分别回答问题1与问题2，本文需要将入选文献划分为旅游研究和信息科学研究两种视角，分别简称为旅游类研究和信息类研究。而事实上，当两种研究产生交叉与融合，进行上述严格区分是较为困难的。为此，本如下处理：

（1）按照文献来源所属学科范畴进行划分，如来源于Tourism Management及《旅游学刊》的文献则划入旅游类，来源于Expert Systems with Applications及《计算机工程》的文献则划入信息类；

（2）按照期刊载文的学科范畴划分，如《华东经济管理》刊载旅游类文章，则归为旅游类，《北京工商大学学报（自然科学版）》刊载信息技术类文章，则归为信息类；

（3）按照入选文献的具体内容划分，一些综合性期刊无法直接确认属于哪一类，则阅读入选文章原文，如果偏重人文社会学视角，则归入旅游类；如果偏重信息科学及技术视角，则归入信息类。

由此，经管类、电子商务、地理类等期刊归入旅游类中，测绘类期刊归入信息类中；两类分别含有入选文献147篇和98篇。

3 综述结果与分析

3.1问题1：信息科学研究中面向旅游的研究主要有哪些方面？

“面向旅游”并不特指专用于或专门针对旅游的研究，而是指其研究问题由旅游领域而产生，或者旅游是其最为典型的应用。面向旅游的信息科学研究几乎涉及了信息科学研究范畴的各个方面，而许多研究领域更是体现了信息科学领域较新及较前沿的研究方向与热点，如表2所示。面向旅游的信息科学研究中最受关注的研究主题是应用系统、人工智能、地理信息系统、移动应用、推荐系统以及语义网与本体等；而Web服务、虚拟现实、普适计算、计算机仿真也受到了一定程度的关注。下面对表2排序前10的研究主题的进展情况进行详细阐述。

3.1.1

应用系统

应用系统指面向各种终端设备，如电脑、手机、PDA（掌上电脑）、电话等使用者的可用人机交互系统，也包含网站（Web）应用系统。本文为了强调移动应用和推荐系统两类特殊的应用系统，在本类研究主题统计中将其排除，另列类别。应用系统研究占据了面向旅游的信息科学研究的较大比重。一方面是因为信息科学向旅游研究中进行渗透的最初方式正是其在旅游行业中的实际应用；另一方面是人选文献中我国研究占据较大比重且较集中于该类研究。

应用系统的相关研究可分为：①战略设计或实施建议，如航空业信息技术应用战略与战术研究，以及非洲撒哈拉以南地区的旅游组织实施电子商务的建议；②技术架构设计，如基于面向服务的体系架构（service oriented architecture，SOA）的旅游资源信息服务模型研究；③系统设计与开发，如一种智能旅游行程导航系统，以及四川、山西和赣东北等目的地或区域管理信息系统的设计与开发。

3.1.2人工智能

人工智能是面向旅游的信息科学研究较多采用的方法与技术，可将相关研究分成以下几个方面：①推理，即采用人工智能推理技术支撑各种应用系统，如基于贝叶斯网的旅游行程推理；②数据挖掘，如旅游突发事件预测预警、消费者特征分析、基于机器学习的旅游博客观点挖掘以及数据仓库技术在旅游业中的应用；③主体（agent），如主体旅游者进行数据采集、分析并向旅游者进行旅游推荐弛；④评价，如基于神经网络的上海旅游可持续发展能力评价；⑤决策支持，如旅游目的地选择决策支持系统。

3.1.3地理信息系统

旅行活动是一种人地关系，地理信息是设计与开发各种旅游应用系统的重要信息资源，地理信息系统就是为这些应用系统提供地理信息使用接口的重要支撑系统。个性化目的地推荐系统、基于短信服务的餐馆推荐系统、导航系统、位置服务系统、旅游资源监控预警系统以及古建筑信息系统等应用系统都离不开地理信息系统的支撑。上述“应用系统”主题研究中，几乎所有面向目的地与区域的管理信息系统的设计与开发都离不开地理信息系统。有关旅游地理信息系统本身的研究也较为活跃，如雅安市WebGIS（万维网地理信息系统）的实现研究、基于WebGIS的旅游地理信息系统研发以及泰山三维（3D）地理信息系统的研发。

3.1.4移动应用

移动通信技术，特别是移动终端技术的快速发展，使得面向旅游者手持终端（如手机、PDA）的各种移动应用得到了迅猛发展。相比较于传统的计算机应用，移动应用较好体现了旅游以“人为中心”而不是计算机为中心的理念。相关研究主要集中于面向旅游者服务的信息推送与搜索、导航、实时路线及目的地推荐；并向普适计算的方向进行扩展，如手机电子门票、基于全球定位系统的车辆监控与导航以及手机与环境之间的交互游戏等。除了面向旅游者服务外，移动应用研究还包含面向旅游研究者、旅游公共管理与服务部门以及旅游企业的旅游行为数据采集与分析，如可通过基于手机数据的散客流分析，对目的地住宿的可容纳量进行估算。移动应用中与位置信息相关的应用也被称为位置服务，如位置信息服务、导航以及实时路线推荐等。

3.1.5推荐系统

推荐系统是为解决互联网“信息过载”问题而提出的一种个性化服务，帮助用户从大量信息中发现其可能感兴趣的或者满足其需求的资源，如信息、服务以及商品等，并自动生成个性化推荐。目前，推荐系统在旅游中的典型应用为旅游行程规划，可面向旅游电子商务用户，也可面向互联网用户；可规划旅行的时间、地点以及活动等全套行程规划引，也可推荐旅游目的地、餐厅以及住宿等。推荐系统主要采用人工智能、语义网、移动应用、定位与地理信息系统等技术。相关研究还涉及用户个性语义模型、系统架构设计等方面。

3.1.6语义网和本体

语义网（semantic Web）是传统网站的一种扩展。在语义网中，信息具有明确的含义——语义，人类语言与机器语言之间能够相互理解，机器能够自动地处理和集成网上对于人而言可用的信息，使得人与机器之间的交流变得像人与人之间交流一样顺畅。本体（ontology）是用来描述网络文档中术语的明确含义及其之间关系的技术，能够实现语义网信息处理的自动化，提高网站搜索的准确性以及网站服务质量。旅游领域是语义Web与本体研究的问题来源与典型应用对象，如基于语义Web与本体技术的旅游中小企业间信息交换、动态生成客户供给的客户关系管理、旅游网站信息系统、旅游目的地管理系统以及旅行推荐系统。这些系统能够对旅游领域知识进行本体表达，从而集成对于用户有用的或者满足用户需求的语义信息；其中，旅游知识域的本体表达、行程规划的语义信息推理是实现这些系统的关键技术。

3.1.7Web服务

Web服务（Web services）是Web上数据和信息集成的有效机制，是解决Web上各种应用系统高维护与更新代价的最为合理的解决方案。因此，Web服务在旅游中主要用于信息集成、交换以及系统之间的互操作。Web服务技术对于旅游目的地管理而言非常重要，能够实现旅游目的地营销系统与旅游企业之间以及目的地旅游企业之间的异构数据交换、共享以及集成。Web技术还是Web推荐系统的重要技术之一，能够获取推荐系统所需的动态与实时的万维网数据。

3.1.8虚拟现实

虚拟现实技术主要用于旅游目的地、景区、景点的市场营销。国内的相关研究集中于旅游目的地、景区及景点等的虚拟展示，如西安市360度全景虚拟旅游系统、北京妙峰山古建筑群的网络虚拟漫游系统、村镇民俗旅游资源的立体展示。郑鹏等认为这是一种旅游产品的虚拟试用体验。而国外的相关研究则侧重于游客的现场体验，特别针对历史文化遗产与遗迹，如意大利的PEACH（personal experience with active cultural heritage，个性化体验活动的文化遗产）项目针对提升游客在博物馆对于文化遗产的体验以及马来西亚凯利城堡（Kellie’s Castle）的虚拟旅游原型研发。虚拟现实技术在旅游中的应用还包含了旅游开发与遗产保护，如十三陵景区的虚拟复原。

3.1.9普适计算

普适计算模式下人们能够在任何时间、任何地点、以任何方式进行信息的获取与处理。由于移动终端设备及其应用的发展，普适计算在旅游研究中非常活跃，如一种面向移动终端的基于旅游本体的信息广播与推送方法研究，用以解决传统移动终端对于旅游者需要花费昂贵的“漫游”网络连接费用以及需要主动获取信息等问题；一个面向德国雷根斯堡（Regensburg）游客的移动终端游戏的设计与应用，游客可以通过在空中晃动手机来与游戏中的历史人物沟通，该游戏以一种有趣的方式向游客介绍雷根斯堡的历史。普适计算是我国目前形成研究热点的物联网应用的基础理论与技术之一。

3.1.10计算机仿真

计算机仿真技术研究中面向旅游的研究包含基于概率统计方法对上海旅游服务系统顾客满意度进行仿真以及基于系统动力学方法对新度假制度对城郊旅游的影响进行仿真等。

3.2问题2：旅游研究中与信息科学相关的研究主要有哪些方面？

旅游研究中与信息科学方法与技术相关的研究范围较为广泛，表3显示本文入选文献中归入旅游类的研究主题共有43种。其中最受关注的研究主题是电子商务、网站评估以及在线消费者行为。人工智能、移动通信、地理信息系统等信息科学方法与技术在旅游中受到了相应重视。旅游网站空间、系统评价、网络营销、应用系统以及正在大范围普及的Web 2.0互联网应用模式也受到了旅游研究的重视。信息科学领域中的某些前沿研究也在旅游研究中得到了关注，如计算机仿真、推荐系统、Web服务、语义网与本体。

进一步对表3各类主题的文献内容进行剖析与归纳，可以得到以下旅游研究中与信息科学方法与技术相关的6个研究范畴：

3.2.1信息技术对旅游的影响

信息技术对旅游的影响研究主要包含信息技术对旅游产业的影响与信息技术在旅游中的应用影响两个方面。其中，信息技术在旅游中的应用影响又分为现状研究、作用研究、影响因素研究等方面。

信息技术对旅游产业的影响主要体现在其对传统旅游产业价值链的重构上，集中表现于电子商务对旅游产业的影响、新型电子中介（供应商、互联网门户网站、拍卖网站、数字电视、移动商务等）对传统电子中介（计算机订座系统、全球分销系统等）的影响、信息技术对分销渠道的影响。

信息技术在旅游中的应用现状研究主要侧重于旅游企业，如电子商务在北京旅游企业中的应用现状、土耳其旅行社对互联网的使用情况、爱尔兰旅游中小企业和乡村微型住宿业对信息技术使用情况的分析、南非中小旅游企业对于信息技术使用的状况研究。

信息技术对旅游的作用研究既包含旅游企业整体层面，如信息技术对埃及中小接待企业发展的积极作用、知识管理对于澳大利亚旅游业的作用等；又包含旅游企业的某项具体功能，如信息技术应用对于泰国酒店运营效率的作用；还包含旅游资源开发与保护方面，如计算机技术对于泰国古建筑重建的重要作用。

信息技术应用的影响因素研究对于旅游业如何有效应用信息技术而言是非常重要的。相关研究包含：①电子商务的应用影响，如泰国旅游企业应用电子商务的影响因素、酒店业应用电子商务的影响因素②网络营销对旅游企业的影响，如互联网广告对旅行社运营的影响；③旅游企业对技术应用的态度，如希腊旅行社对互联网技术的使用情况与态度；④旅游者对信息技术使用的态度，如游客在度假时是否愿意使用基于技术的信息、影响旅游者使用互联网进行旅游规划的因素。

3.2.2信息技术在旅游中的应用模式

目前，信息技术在旅游中的应用模式研究主要集中于电子商务模式、网络营销以及Web 2.0。电子商务模式的相关研究有区域旅游电子商务开发计划研究、旅游电子商务模式现状与趋势研究、旅游电子商务模式以及运营模式研究等。

网络营销是除了电子商务之外信息技术在旅游中最主要的应用模式。网络营销研究多围绕网站展开，如英国农村接待企业网站营销现状研究、塞尔维亚旅游网站网络促销现状和形式研究、美国旅游官方网站网络营销使用分析、旅游目的地营销组织网站的客户需求研究。此外，在线葡萄酒旅游以及在线客户关系管理都是一种网络营销方式。

随着互联网技术的发展，Web 2.0作为一种新型的互联网应用模式受到了旅游领域的高度关注。相关研究可以分为如下几个方面：①营销，即基于Web 2.0的网络营销方式，这是目前旅游研究领域最为关注的方面，如Web 2.0对克罗地亚旅游产品的营销作用研究、博客对于旅游市场营销的中介作用；②旅游者行为与服务，如Web 2.0下网络旅游消费行为模式及旅游网站应用研究、基于Web 2.0的用户个性化定制研究以及基于人工智能技术的微博“旅游情感”数据挖掘；③网站分类，如Web 2.0旅游网站的分类机制研究。

此外，面向产业价值网络的四川旅游信息资源整合推进模式和机制是一种信息技术在旅游中应用模式的有效探索。

3.2.3信息技术在旅游中的应用评价

网站评价是信息技术应用评价研究中最主要的内容。从评价对象上看，相关研究涉及官方旅游网站、目的地营销组织网站、各国及地区旅游网站；从评价内容上，包含有效性评价、可用性评价、使用分析、功能分析、网站设计、网站旅游本体分析、游客价值以及网站访问者分析等；从评价方法上有调查法、启发式方法、数据包络分析法、内容分析法、网站日志分析法、领域本体分析法等。

随着移动通信技术的发展，移动应用在旅游领域得到了广泛应用，针对移动应用系统的评价研究也受到研究者的关注，如从用户角度对移动应用进行评价、各种移动旅游者指南功能与可用性评价。

3.2.4信息社会视角的旅游研究对象

较传统旅游研究对象，如旅游资源、旅游企业以及旅游者等，信息社会视角的旅游研究对象发生了扩展，如从旅游者的地理时空变化扩展到了在线旅游者行为变化，从旅游资源的空间格局扩展到了旅游网站的网络结构等。

在线旅游者行为研究中最受关注的是消费行为研究，如消费影响因素与满意度、忠诚度与推荐行为、在线分享行为。随着社会网络的形成，在线旅游者的情绪研究得到关注，如通过旅游者在论坛、博客（微博）上的评论分析旅游者情绪，相关方法包含内容分析、统计与语言学分析、人工神经网络方法以及数据挖掘技术等。一项研究还将旅游者的博客进行了计算机可视化，用来辅助其他旅游者的旅行计划。此外，旅游目的地营销组织网站的旅游者在线行为也受到研究者的关注。

目的地地理尺度的旅游网站空间结构也受到研究者的关注，主要包含方法研究与案例研究。方法研究有统计方法以及网络拓扑图方法等；案例包含欧洲、意大利厄尔巴岛]以及河北省等。

旅游虚拟社区是社会信息化背景下形成的新型社区，部分旅游研究者对其给予了关注，如针对具有中国文化背景的芒果社区网（Mango）的综合性研究。

3.2.5社会信息化下的旅游研究方法

社会信息化下的旅游研究方法包含两个方面的含义。

一是指传统旅游研究方法可借助社会信息化背景进行扩展，如网络调查方法扩展了传统现场发放问卷的调查方法；基于射频识别（RFID）与全球定位系统（GPS）技术的追踪系统扩展了传统旅游者游憩行为问卷调查方法，并提高了数据的精度；遥感与地理信息系统（RS&GIS）技术可提高旅游资源监测的准确性等。

二是指旅游研究方法对于信息科学方法与技术的借鉴。人工智能是旅游研究中采用最多的信息科学方法与技术，其在旅游研究中的应用可以分为以下几个方面：①需求预测，如基于人工神经网络的西班牙巴利亚利群岛旅游时间序列预测、遗传算法在旅游需求预测中的应用、模糊时间序列及灰色理论在短时间序列旅游需求预测中的应用以及人工智能方法与其他预测方法的比较；②在线行为分析，如基于机器学习（machine learning）的在线消费者行为数据挖掘；③基于主体（agent）的旅游系统仿真研究，采用人工智能研究领域的重要分支——多主体系统（multi-agent system，MAS）对多层面、多地理尺度旅游系统进行计算机仿真，探索旅游主体之间的相互作用与规律，如基于多主体的旅游空间结构演化研究、旅游者在目的地以及景区范围的动态性研究。

计算机仿真方法与技术在旅游研究中的应用也受到了旅游研究者的关注，具体研究包含以下几个方面：①预测，如旅游收入预测；②旅游经济研究，如区域旅游经济系统动力学分析；③旅游主体行为研究，如上述人工智能研究中基于主体的旅游系统仿真研究。

地理信息系统（GIS）是信息科学与地理科学的交叉研究领域，作为旅游研究的一种研究方法或工具，主要被用于旅游资源评价。

3.2.6旅游领域中的信息科学研究

随着移动终端设备在旅游者中的普及，旅游研究者对移动应用的相关研究给予了较大关注，如上下文适应的移动应用体系框架设计、上下文相关的信息推动服务系统设计以及用于博物馆导游的多媒体技术研究。语义网与本体是信息科学的前沿领域，但由于其对于提升面向旅游者的网络服务质量具有非常重要的作用，也受到了旅游研究者的关注，如用于搜索引擎的旅游域语义表示研究。智能系统作为信息科学的前沿领域，在旅游研究中也受到了关注，除了综述性研究外，还出现了有关智能系统设计方面的研究。

应用系统的规划建议与系统结构设计是旅游研究者较为关注的信息技术研究，如基于知识管理视角的目的地管理系统设计。而其中以我国的相关研究为最多，如赣东北网络旅游信息系统研究、上饶市旅游资源信息系统。

数字旅游是一种典型的旅游与信息技术的综合叉研究主题，在我国旅游研究领域受到了关注，既包含了偏重技术的研究，如数字旅游的体系框架，也包含了围绕数字旅游系统建设的保障体系研究，如相关政策法规方面的研究。

3.3问题3：信息科学与旅游的交叉研究有哪些趋势？

尽管信息科学与旅游的交叉研究在近12年间经历了快速发展，但其仍然属于新兴交叉学科，其发展需要相关学者更为广泛与深入的探索研究。在本节，笔者在对最近12年信息科学与旅游的交叉研究进行系统整理的基础上，通过捕捉旅游类与信息类研究共同关注的研究主题（表4），以及基于笔者对信息科学以及旅游研究趋势的把握，找到信息科学与旅游交叉研究中的研究重点，其反映了两类科学的交叉发展趋势，或者研究者们重新认识某些对该交叉领域的发展来讲非常重要的问题。以下分别对它们进行阐述：

3.3.1人工智能在旅游领域的深入应用

人工智能方法与技术是信息技术发展的高级阶段，研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术，涉及知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面的研究内容。尽管目前人工智能在旅游中的应用以旅游需求预测最为成熟，然而其相关理论、方法与技术并没有在旅游领域中得到充分应用。如何充分利用人工智能方法与技术来有效处理与使用旅游数据、信息与知识，深入挖掘旅游者、旅游公共管理与服务部门以及旅游企业的特征、存在的问题并进行决策支持，是信息科学与旅游科学交叉研究中较为迫切与前沿的问题。

3.3.2基于语义网与本体的旅游推荐系统

语义网与本体研究是信息科学领域的前沿领域，是海量网络信息之间相互理解的基础。互联网的发展使得传统面向旅游者的“线下”服务扩展至“线上”，包含以传统计算机为中心的和以新兴各种移动终端为中心的“线上”服务，“线上”服务质量对于信息时代的旅游者体验是非常重要的。基于语义网与本体技术的旅游推荐系统正是提升网络服务质量的有效方法与工具，如何将语义网、本体技术以及旅游推荐系统进行理论、方法以及应用上的有效集成，使其对旅游者具有实际应用价值，是信息科学与旅游科学交叉研究中的另一个前沿问题。

3.3.3

普适计算与旅游（物联网、移动互联与旅游）

普适计算是我国目前形成研究热点的物联网应用的基础。随着移动终端设备及其应用的发展，传统以计算机为中心的网络服务扩展至以移动终端一旅游者为中心，基于普适计算模式的连接物与物、人与物、人与人的物联网以及各种移动应用系统在旅游研究与实际应用中得到了重视。然而，无论是普适计算还是物联网，在信息科学研究中都是前沿领域，存在许多未解问题，因此，普适计算以旅游领域为问题域或典型应用，将同时有助于其本身以及旅游问题的解决。

第4篇：人工智能研究综述范文

关键词 人工智能 人工情感 发展

中图分类号：TP311.13 文献标识码：A

1人工情感概述

人工情感是人工智能里一个重要的研究领域。所谓人工情感，就是赋予人类式情感的机器。即用人工的方法和技术赋予计算机或机器人以人类式的情感，使之具有表达、识别和理解喜乐哀怒，模仿、延伸和扩展人的情感的能力。当然，实现上述目标是许多科学家的梦想，然而，与人工智能其他方面技术的高度发展相比，人工情感研究所取得的进展却是微乎其微，情感始终是横跨在人脑与电脑之间一条无法愈越的鸿沟。很长时间内，情感机器人只能是科幻小说中的重要素材，却很少纳入科学家们的研究课题之中。

不过，随着科学技术的发展，世界上越来越多的国家开始进行人工情感技术方面的研究。目前，在国际上，人工情感领域主要是进行情感机器人的研究。

2人工情感的发展综述

2.1情感计算

情感计算的概念是在1997年由MIT媒体实验室皮卡德（R.W.Picard）教授提出A。她在自己的专著《情感计算》中提出“情感计算是关于情感、由情感引发以及意图影响情感方面的计算”。情感计算的目标是赋予计算机感知，理解与表达情感的能力，从而使计算机能够与人更加友好、和谐地交流。随后，情感计算领域成为了国内外人工智能专家研究的热点，世界各国都在情感计算领域进行着广为深入的研究。而关于情感计算，美国最早展开研究，而且美国人进行的最为深入，研究的成果也最先进。

2008年4月美国麻省理工学院的科学家们展示了他们最新开发出的情感机器人“Nexi”，该机器人不仅能理解人的语言，还能够对不同语言做出相应的喜怒哀乐反应，还能够通过转动和睁闭眼睛、皱眉、张嘴、打手势等形式表达其丰富的情感。这款机器人完全可以根据人面部表情的变化来做出相应的反应。它的眼睛中装备有CCD（电荷耦合器件）摄像机，这使得机器人在看到与它交流的人之后就会立即确定房间的亮度并观察与其交流者的表情变化。IBM公司的“蓝眼计划”，可使计算机知道人想干什么，如当人的眼瞄向电视时，它竟知道人想打开电视机，它便发出指令打开电视机。此外该公司还研究了情感鼠标。可根据手部的血压及温度等传感器感知用户的情感。

然而，目前情感计算研究也面临着很多的难题，比如情感信息的获取，如何对其进行建模等等。

2.2人工心理

人工心理理论是由中国北京科技大学教授、中国人工智能学会人工心理与人工情感专业委员会主任王志良教授提出的。他指出，人工心理就是利用信息科学的手段，对人的心理活动（着重是人的情感、意志、性格、创造）的更全面内容的再一次人工机器（计算机、模型算法等）实现。其目的在于从心理学广义层次上研究人工情感、情绪与认知、动机与情绪的人工机器实现的问题。它的应用前景是非常广泛的。如：支持开发有情感、意识和智能的机器人；真正意义上的拟人机械研究；使控制理论更接近于人脑的控制模式；人工心理应用的另一大领域是符合人性化的商品设计和市场开发。目前国内外在人工心理领域进行了大量的研究，例如基于人工心理理论的商品选购专家系统，基于人工心理的智能化的E-learning系统研究等等。目前中国在人工理论领域上的研究总体来说比较深入。

2.3 感性工学

感性工学就是将感性与工程结合起来的技术，是在感性科学的基础上，通过分析人类的感性，把人的感性需要加入到商品设计、制造中去，它是一门从工程学的角度实现能给人类带来喜悦和满足的商品制造的技术科学。它将人们对“物”（即已有产品、数字或虚拟产品）的感性意象定量、半定量地表达出来，并与产品设计特性相关联，以实现在产品设计中体现“人”（这里包括消费者、设计者等）的感性感受，设计出符合“人”的感觉期望的产品。

因为感性工学这一概念是由日本提出的，所以日本对此开展的研究比较早。日本从上世纪九十年代就开始了感性工学（Kansei Engineering）的研究。而且已经形成举国研究“感性工学”的。1996年日本文部省就以国家重点基金的方式开始支持“情感信息的信息学、心理学研究”的重大研究课题，参加该项目的有十几个大学和研究单位，主要目的是把情感信息的研究从心理学角度过渡到心理学、信息科学等相关学科的交叉融合。每年都有日本感性工学全国大会召开。与此同时，一向注重经济利益的日本，在感性工学产业化方面取得了很大成功。日本各大公司竞相开发、研究、生产了所谓的个人机器人（Personal Robot）产品系列。其中，以SONY公司的AIBO机器狗（已经生产6万只，获益近10亿美元）和QRIO型以及SDR-4X型情感机器人为典型代表。日本新开发的情感机器人取名“小IF”，可从对方的声音中发现感情的微妙变化，然后通过自己表情的变化在对话时表达喜怒哀乐，还能通过对话模仿对方的性格和癖好。

3总结

通过对国内外的基于人工智能的人工情感的研究分析，目前人工情感领域总体发展很迅猛，但是并没有太多的突破，而美国、日本等国家对这一领域的研究更为深入，研究成果也更为先进和领先。而中国对人工情感领域的投入也不断加大，中国在这一领域的某些方面的研究甚至处于国际领先地位。相信在不久的将来，通过国际社会的努力，人工情感将会取得重大突破，给人类社会带来福音。

参考文献

[1] 史忠植.智能科学[M].北京：清华大学出版社，2006（8）.

第5篇：人工智能研究综述范文

关键词：人工智能 自动化 电气工程 控制系统

中图分类号：TP18 文献标识码：A 文章编号：1007-3973（2013）012-160-02

人工智能与传统方法相比较，具有许多方面的优良性能，智能化的系统大大代替了大量的人工繁琐的工作，又提高了系统操作的灵敏性和精确性，在功能要求越来越高的许多行业中应用相当广泛。最近10多年来，各种电子技术和高科技手段的日新月异，许多科研机构就自动化控制中的人工智能技术开展了大量的研究工作，取得了丰硕的成果。下面笔者就人工智能在在电气工程方面的应用做一综述。

1 人工智能技术的优势

（1）控制对象的模型在设计之前已经成型。在电气工程方面，由于许多参数具有复杂性，利用传统技术无法确定哪些具体的参数变化会导致结果的相应变化，从而表现出的外在结果复杂多样，难以归纳出具有一定规律性的结论来，这就是信息的非线性特征必然决定了随机结果出现的原因。人工智能通过专家系统，利用控制器能对各种参数进行精密分析，并给出正确的指令，而使得各种对象在动态变化中得到精确地控制。

（2）人工智能控制器的自身性能能够自我调节，以趋更加完善，应用的技术及参数可以有实际响应时间、下降时间、鲁棒性能等变化。

（3）人工智能控制器操作起来比较直观、简洁，即使经过一般的专业操作技术岗前培训，也能很快掌握人性化的人机交互对话系统，还能依照各种实际情况进行适应本人习惯或工作需要的界面设计。

（4）人工智能控制器性能稳定，能对各种数据进行科学的处理，可适范围比较宽泛，由于驱动器的特性很多，控制器都能对输入的各种数据信息做出很好的筛选和判断。

2 电气工程中人工智能的运用

2.1 提高了电气设备设计的水平

计算机技术的更新换代率非常快，引导了电气产品的设计手段发生了革命性变化，CAD（计算机辅助设计）的引入，大大缩短了产品研发的周期。在CAD中嵌入人工智能，使得电气设计变得非常直观，模块化的操作设计模式和大大缩短了设计的周期，同时由于计算机技术的精确化，也使得产品的质量得到很大程度的改良。人工智能系统能够优化电气产品的设计，主要借助于遗传算法和专家系统两方面来完成。遗传算法具有明显的算法优势，计算结果的精度也很高，因此遗传算法及其衍生算法普遍应用于对电气产品的智能化优化设计中。电气设备发生故障一般是不确定性的，具有很大的随机性，表现在发生故障的部位和发生故障的时间方面，但一般会在故障发生之前总会出现一定的先兆，利用专家系统就可以将预兆和故障之间的复杂关系准确而及时地反映出来，并给出预警信号。

2.2 精确诊断出引起电气设备发生事故及故障的原因

由于目前电气设备的自动化和集成化很高，一旦发生故障，利用传统的分析方法难以准确找出故障发生的部位。如发动机、发电机和变压器等设备出现故障的频率一般比较高，其原因是非常复杂和多变的，并且具有很强的突发性，还具有快速解决的特定要求，若处理不当或不及时，就会造成二次损失或事故，甚至会造成非常严重的不可预见性后果。人工智能系统融入了神经网络和模糊理论等技术，可以很好地解决传统分析方法所出现的延时处理或诊断失误等问题。传统方法诊断故障的原理是：变压器等电器设备一旦发生故障，其中的油的成分会发生一定的变化，因而对提取的样本进行成分分析，就可以判断出变压器等电气设备是否发生了功能性故障。采用这种传统方式耗时较多，浪费人力，准确性不高。

2.3 对电气控制过程中的有效应用进行分析

电气技术越来越复杂，越来越现代化，其控制过程就显得愈来愈重要，是确保电气设备稳定而高效运行的保护神。长期以来这一问题是学术界和工程界所面临的一大棘手课题。功能越来越完善、技术含量越来越丰富，这些均对技术人员的理论水平和操作技能提出了非常严格的高要求，在目前阶段下，提高操作人员的技能水平和效率就成为科研人员孜孜追求的一个目标。人工智能的引入和广泛地应用，和计算机运算能力等核心技术的长足进步，以及交互性的界面，都使得日常化的操作变得直观、简洁，还可以实现远程控制及其监控，大大提高了操作人员的安全性，也对电气设备的良好运行提供了可靠的保证。另外，还对某些重要的数据和信息进行了即时的存储和备份，以便以后进行调用、对比分析等。还可以自动生成各种报表，大大降低了人工费用，也减少了物力、财力等资源的大量投入，工作效率大幅度得到提高，精确度更加细致。

2.4 实现了控制和保护双重功能

在电气设备中，人工智能能对所有开关量、模拟量数据实时自动采集并进行科学的处理，并能做到定时、批量地整理和储存。还可以通过对系统的历史运转情况进行画面模拟显示，电流、电压、隔离开关、断路器等电机设备的运转状态到直观形象的反应，一目了然。技术操作人员可以根据实际情况进行相关数据的分析及建立图表。综合集成了声光、语音、电话、图象等多模式同时或选择性报警。在操作控制方面，智能化技术使技术人员可以通过键盘或鼠标实现对隔离开关，断路器等的现场或者远程控制，励磁电流的调整。

2.5 在电力系统自动化中的应用

人们对电力行业在生产中要保持稳定性和流畅性的要求不断提高，现在很多大型的电力企业均将PLC 控制系统逐步代替辅助系统中的比较传统落后的继电控制器。通过PLC 控制系统可以一方面对某个工艺流程进行实时的控制，另一方面协调全厂的安全生产。火力发电厂中的输煤控制系统由主站层、现场传感器和远程IO站三部分组成连贯的网络体系结构。其中，由人机接口和PLC 共同构成主站层，少许工作人员在设置有主站层的集控室内，通过系统的显示屏以自动控制为主手动控制为辅对系统进行监视和控制，可以大幅提高发电企业生产效率。随着PLC 技术的应用，实现了电厂不同发电机组在供电系统之间自动切换，供电的可靠性和稳定性得到很大程度上的提高。

3 结束语

综上所述，随着微电子技术的飞速发展和软件技术的快速提高，人们的日常生活发生了很大的变化，无数的科研成果慢慢转换成生产力，改变着我们的生活方式，同时也促进了人工智能技术的不断提高。硬件方面的技术和工艺水平同样也在飞速发展，电子集成技术更加成熟，功能更加强大。芯片制造技术更是锦上添花，人工智能的控制能力和控制精度愈加得到提高，应用范围日趋广泛而深入，产品成本的下降也带动终端销售价格的大幅度下降，良性循环下的技术催生，使得人工智能技术在生活和生产中的许多方面都得到更加广泛的应用，高度的自动化特征使人们体验到神奇的便利性。可以预见，人工智能在电气自动化控制中将会有更加广阔的远景。

参考文献：

[1] 郭策，范然.设计智能建筑电气自动化系统的思路[J].中国新技术新产品，2012（05）.

[2] 周超.人工智能技术在电气自动化控制中的运用[J].硅谷，2012（08）.

[3] 朱子龙.人工智能技术在电气自动化控制中的运用探讨[J].科技创新与应用，2012（17）.

[4] 陆伟民.人工智能技术及应用[M].上海：同济大学出版社，1998.

[5] 王洪钟.人工智能技术在电气自动化控制中的应用探讨[J].科技创新导报，2012（25）.

第6篇：人工智能研究综述范文

【关键词】人工智能技术；电厂；应用；探讨

人工智能简称为AI，是对人类大脑简化及抽象，也是人类智能模拟的重要途径，现在我国人工智能工具主要有专家系统、模糊理论、神经网络、禁忌搜索、粒子群算法及遗传算法等，随着我国电力事业大力发展，很多人工智能技术被应用在了电厂中，并发挥了巨大作用，优化了电厂中电力系统的组合、运行及市场定价等众多问题，保证电厂供电的安全可靠性。

1 AI在我国电厂应用及探讨

1.1 专家系统应用与探讨

专家系统可简称为ES，它所面向主要是各非结构问题，特别是处理启发式、定性的或者不确定知识信息，通过各样的推理过程来达到系统所要求任务目标，在上世纪80年代，为了克服原有控制理论不足，自动控制领域工程师及学者将专家系统方法及思想引入了控制系统中进行应用及探讨。典型专家系统主要有推理机、知识库、知识获取机制以及人机界面四部分组成，专家系统在我国电厂里的应用是最早及较为成熟的人工智能技术，并且发展了很多专家系统，在电力系统不同领域被应用，像电网调度、系统恢复、监测和诊断、预想事故筛选等，特别是监测核事故诊断成为专家系统在电厂中最主要应用领域。依据知识存储方式不同，能把ES分为决策树、知识经验、规则及模型等不同形式，模型形式的知识所表达方式是比较适合实时处理的，比基于规则形式推理方式要更为简单及快捷及容易维护。ES在输电网络诊断故障里的典型应用为产生式规则系统，就是把断路器、保护器动作逻辑和运行人员诊断经验运用规则的形式进行表示，并形成知识库，依据报警信息进行知识库推理，以获得诊断结论，这种产生式规则专家系统在电厂中能够被广泛应用主要是因这种专家系统及故障诊断特点所决定的，在输电网络里断路器及一级保护间的关系能用模块化及直观规则进行表示，并且能允许删除、增加及修改某些规则，从而保证诊断系统有效性及实时性，对不确定问题在一定程度上给予了解决，还能给出一些符合人类语言结论及解释能力。同时，框架法的专家系统能够进行分类结构知识表达，以及对事物间的相关性进行表达，并简化继承性知识存储及表述。专家系统这种人工智能技术尽管能有效模拟完成故障诊断，可在电厂实际应用里，还存在着一定不足，主要为知识获取及维护问题，并且接口也不是很友好，对故障诊断里的很多不确定因素也无法有效解决，从而影响了诊断准确性。

1.2 遗传算法应用与探讨

遗传算法能简称为GA，是根据遗传机制及自然选择在计算机上，进行生物化机制模拟来寻优搜索的算法可在庞大复杂搜索空间里进行合适搜索，并找出最优及准最优的解决方法，这种算法简单及适用，其鲁棒性也比较强，这种智能技术对求解问题基本没有限制，对常规求解复杂过程涉及较少，可得到局部或全部的最优解集，与传统优化技术相比，这种技术更能解决及处理传统难以解决的非线性问题，因此，这种技术被广泛应用在电厂中的电力市场、规划及调度等方面，并且在故障诊断上，其应用效果也是不错的，可对输电网络中，故障诊断模型的建立成为了遗传算法存在主要途径，也是值得探讨问题，遗传算法如果可以建立适合数学模型，不仅能解决电力系统中的故障诊断问题，还能解决其他类似故障诊断问题，加强遗传算法合理模型建立是应该研究及探讨的。

1.3 神经网络应用与探讨

神经网络技术简称为ANN，其主要特点为广泛化、高度并行处理及非线性的映射功能等，对于控制领域具有较强吸引力，对于没有模型及复杂的不确定问题具有学习能力及自适应力，能够用在控制系统自适应环节及补偿环节里，非线性描述能力能够用在非线性控制及辨识中，而快速计算能力能够进行复杂控制问题计算优化，其定量及定性分布存储及合成能力能够用在复杂控制系统里的图像信息处理利用及接口转换，容错能力能够应用在非结构过程控制，网络神经已成为电厂应用中最成功的智能技术，像网络神经在电厂故障诊断中的应用，每个神经网络均负责系统里的部分诊断，ANN技术经过现场很多样本学习及训练，对其中阈值及连接权进行不断调整，让知识隐式分布于所有网络中，以实现模式记忆，这样ANN就具有获得较多知识能力，这种人工智能技术广泛应用在电力系统监测、诊断、实时控制、状态评估及负荷预测等领域，并且依据神经网络技术的负荷预测已经成为电厂电力系统中最成功应用之一。

2 其它人工智能技术应用及探讨

2.1 粒子群算法及模糊理论应用与探讨

粒子群算法可称为PSO算法，这种智能技术算法简单，容易实现，并且可调节参数也比较少，已经被应用在了很多学科及领域里，在电厂中也正被尝试及应用，可这种算法的精度不是很高，还容易陷入局部极值中。其设计思路为：在多维解的搜索空间里，运用这种算法，可在初始化之后得到一群随机的粒子，并搜索到最有位置及全局极值，这种算法能够被应用在电厂变电站的选址上，并且在电源规划上也有一定优越性，可也面临着诸多不确定因素，加强这些因素全面有效描述，成为电厂应用及探讨方向所在。模糊理论简称为FS，是自动控制及模糊逻辑相结合而成的，其功能是模拟人类决策及推理过程，运用专家经验及知识来控制规则的，可有效处理未知及不准确控制问题，并且不用建模，是种非线性的控制，以万能逼近的定理作为充分理论依据的，模糊控制器可当做万能的，完成所需任何非线性的控制任务，在很多工程及领域系统里，都没有办法建立较为精准数学模型，这使得模糊理论得到了广泛应用，在电厂里，自然也得到了较为广泛应用，像电厂的故障诊断里，一些故障及征兆间的关系是比较模糊的，不确定的，这时所得结果也就是模糊的，其传统方法去为依据专家经验进行模糊关系矩阵建立，并对模糊关系给予组合及合并等，随着这种智能技术发展，将模糊知识库运用语言变量进行表达，更接近人类表达习惯，对于问题多个解决方案，依据模糊度高低来优化排序，在一定程序上，增加了专家系统容错性，这种理论已被应用在电厂故障诊断识别、变压器保护及配电系统等领域里。

2.2 禁忌搜索算法

这种技术比较适合优化组合问题解决，可处理不可微目标函数，其理论思想为运用灵活记忆技术，把最近若干次的迭代过程进行反方向移动，并记录进tabu表里，处在这个表里的移动是不能在现有迭代过程里实现的，从而避免了已访问解群体的访问及循环产生，这种技术主要有tabu表、移动及特赦规则三要素组成，这种智能技术在电厂的电力系统里也得到了应用，主要运用了十进制及二进制编码这两类方案对实际系统给予优化计算，这种技术对局部最优解跳出方面具有较大优势，并且收敛效果好，能够进行快速寻优，可运用单点搜索不能够在全部空间内进行搜索，这使得初始值好坏直接决定了算法速度及其解质量。

3 结束语

近些年，人工智能技术在电厂中的应用除了以上算法及技术外，还有分布式人工智能、混合智能、蚁群算法及混沌优化法等，随着我国电力事业不断发展，市场竞争不断加大，人工智能技术在电厂中的应用是越来越广泛及发展良好。

参考文献

[1]朱祝武.人工智能发展综述[J].中国西部科技,2011(17)

第7篇：人工智能研究综述范文

关键词：人工智能 足球机器人 全自主

1、引言

机器人足球比赛已经成为一项全世界瞩目的高科技对抗赛。在世界上影响较大的赛事主要有两个,一个是由国际机器人足球联合会(FIRA)组织的微机器人世界杯,每年举行一次,同时进行这一领域的学术研究；另一个是由国际人工智能协会组织的机器人世界杯RoboCup,也是每年一届,它要求参赛的机器人是自主式的,其复杂程度和制作成本较高。

足球机器人为智能系统的研究提供了一个很好的载体,它充分体现了人工智能、机器人学、传感器技术等多技术的发展水平和融合程度,也从另一个侧面反映了一个国家信息与自动化领域的科技发展水平。足球机器人不仅将静态环境下单智能体对单智能体的挑战提升为多智能体对多智能体的对抗,并实现了在复杂环境下,以实时控制的方式进行信息的处理和决策分布。

2、足球机器人

2.1 足球机器人比赛种类

FIRA机器人足球比赛种类:半自主型机器人足球;全自主型机器人足球;仿真机器人足球;超小型半自主机器人机器人足球;超小型全自主机器人足球;类人机器人足球。

RoboCup机器人足球比赛种类:电脑仿真比赛;小型足球机器人赛;中型自主足球机器人赛;四腿机器人足球赛;拟人机器人足球赛。

2.2 机器人足球比赛情况简介

在足球场上,是装有完整的智能控制系统的车型足球机器人,机器人可以自主的收集周围的信息和比赛的情况,并能自主的进行行为决策,包括导航定位,寻找足球、队员和球门,遇到对方队员进行自主避障,并选择时机带球入门。

比赛一般先进行小组赛,出线队伍进入下一轮淘汰赛,如果打成平局,则进入加时赛,若仍不能分出胜负,则双方互罚点球决胜负。比赛分成上下两个半场,各十分钟,中场休息五分钟。

机器人采用上下布局的视觉系统结构。位于比赛场地上方的摄像机能进行旋转,时刻搜集比赛现况。CCD摄像机固定在机器人的"腹部",镜头朝向机器人的正前方,负责识别距离机器人很近的目标物体。

3、全自主足球机器人

全自主足球机器人的系统结构。随着机器人足球比赛在全世界的火热进行,研制出更接近人类形态、智能和运动水平的机器人,并且在没有人干预的情况下,按照足球比赛规则,在真实的足球赛场上,跟人类进行真正意义的足球比赛,成为了这个领域的终极目标。

系统结构。（图1）是足球机器人的基本系统结构图。通过教练机广播任务,各个机器人通过局域网接受任务,各个机器人通过各自的系统进行相互配合,完成球场上的比赛过程（图1）。

(1)机器人视觉子系统。机器人的视觉子系统主要通过自身携带的各类传感器进行现场信息的采集,进而进行环境地图的绘制、路径规划、任务设计等工作,并通过对现场球体、队员、对方球员和环境的感知完成自身定位、足球现况分析、任务分析,同时采用目标跟踪技术进行路径跟踪、人体运动的检测与跟踪、对特定目标物体的跟踪等技术。在机器人身上安装全景视觉传感器和前向、前向视觉传感器,它们各司其职,并行工作。全景视觉传感器是最重要最关键的传感器,它主要用于大范围的信息采集,精度高实时性好。前向视觉传感器安装在机器人胸前,可以采集并精确识别前方脚下目标,这恰巧是全景视觉传感器的盲区。(2)无线通信子系统。要使多机器人之间能够有效的通讯和配合,就需要采用先进的通讯设备和可靠的通讯协议通信系统采用基于无线局域网的通信技术,完成网络信息传送,该传输过程是一个全双工、共享的过程,实现点对点或者点对面的信息交互。(3)决策子系统。全自主机器人的一个典型特点就是具备完整的决策能力,每个机器人都能根据其他系统提供的信息,准确分析和判断出比赛过程中的各种形势,采用人工智能的算法,采取最优的路径规划算法进行避障和运动,使机器人做出高速正确的决策,达到赢球的目的。(4)控制子系统。控制子系统是机器人最重要的结构。机器人根绝其他系统所提供的各种信息进行综合分析后向机器人发出控制指令。控制系统是一个复杂并且精确要求很高的系统,运动控制和运动性能的好坏直接影响机器人的比赛能力和比赛结果。

4、结语

通过对现有机器人足球比赛状况的分析和对全自主足球机器人系统的研究,可见要实现能跟人类足球对抗的机器人还需要解决很多的技术难题和增强各种先进技术的融合程度,随着科技的进步,这些问题也会逐步解决。

参考文献

[1]谢云,杨宜民.全自主机器人足球系统的研究综述[J].机器人.2004年,第26卷第5期:474-476.

[2]朱力.目前各国机器人发展情况[J]。China youth s&t,2003,11:38-39.

第8篇：人工智能研究综述范文

【关键词】建筑能耗预测方法；工程方法；统计方法；人工智能；支持向量机

1 建筑能耗现状

建筑能耗占总能耗的40%，占CO2总排放量的36%。[1]建造能耗预测对提高建筑的能源性能，达到节能和减少环境影响的目的有很显著的作用。

精确的能耗预测是很困难的，最近几年，很多预测方法已经被提出和应用在能耗预测的问题上。其中使用最广泛的人工智能方法是人工神经网络和支持向量机。

2 预测方法

2.1 工程方法

工程方法使用物理原理计算热动力学和整个建筑水平或子组件水平的能源行为。在过去五十年他们已经充分发展了。这些方法大致可以分成两类，详细的综合的方法和简化的方法。

综合方法使用非常精细的物理函数或热动力学，按部就班的准确计算建筑所有组件的能源消耗，输入建筑和环境信息（比如外部气候条件、建筑施工，操作，公用事业费率和空调设备）。几百种软件工具已经被开发出来用于评估能源效率，例如DOE-2， EnergyPlus， BLAST， ESP-r.有些已经被广泛应用于提高建筑能耗水平和分析能源消耗和建筑保护措施。

虽然这些精细的仿真工具是有效并且准确的，但是，这些工具是基于物理原理得到准确的仿真结果，他们需要详细的建筑和环境参数作为输入数据。这些参数对很多组织来说很难得到，而且运行这些工具需要繁琐的专家工作，使这个很难执行而且成本效率不高。因此一些研究人员提出了相对简单的模型作为某些应用程序的代替。

简化的模型有两种。一种是度日数法，是单测量法，这种稳定状态下的模型适用于评估小型建筑的能耗基于维护的能耗占主导位的时候。另一种是bin数据方法，或者叫逐时温度方法。可以用于模拟大型建筑，内部产生的负荷占主导地位或者负荷时非线性的根据室内外气温的变化而不同。

在简化模型和精确模型之间没有明显的界限。用一些综合性的工具来进行简单的模拟也是可能的，例如EnergyPlus。[2]AI-Homoud建议，如果是为了研究趋势，对比系统，然后简化分析方法可能就足够了。相比之下，对于详细的建筑能耗分析和子系统和生命周期成本分析，更综合的工具应该更合适。[3]

2.2 统计方法

统计回归模型简单的把与能耗或者能源指数与影响变量相关联。这些实证模型是从历史性数据中开发出来的，也就是说训练模型之前我们需要收集足够的历史数据。许多关于回归模型的研究被提出基于以下问题。

首先是在简化变量的基础上预测能量使用率，例如一个或者一些气象参数。其次是预测有用的能源指数。第三是估计能源使用的重要参数，例如总的热损失系数，总热容量，增益因子（在分析建筑或者低层次系统的热行为上是很有用的）。

Aydinalp-Koksal and Ugursal[4]建议当我们预测国家级别建筑能耗时考虑基于回归算法的模型叫Conditional Demand Analysis（CDA）需求条件分析。在他们的实验比较中，CDA表现出了准确预测能力和神经网络和工程方法一样好。但是，更容易开发和使用。然而CDA的缺点是缺少细节和灵活性而且它需要大量的输入信息。CDA同样应用于分析住宅能耗的早期工作。

2.3 神经网络

人工神经网络被广泛应用于建筑能耗预测应用方面的人工智能模型。这种模型擅长解决非线性问题而且是对这种复杂的应用程序（建筑能耗预测）的有效的解决方法。过去的二十年里，研究人员已经应用ANNs分析在不同条件下多种建筑类型的能耗。例如热/冷负荷，用电量，子水平部件运行于优化，使用参数的估计。

神经网络和其他预测模型的对比，Azadehetal.[5]指出神经网络对于用电波动较大的制造业的年电力消耗预测优于通过ANOVA方差分析计算的传统的非线性回归模型。Aydinalpetal.[6]指出神经网络在估计家电，照明和制冷能耗ALC和社会经济因素对加拿大住宅市场消费的影响方面比工程模型可以得到更高的预测表现。Neto[7]在建筑能耗预测方面比较了复杂的工程模型和神经网络模型。两个模型都表现出了和高的准确率，但是，ANN在短期预测方面比工程模型稍微好一点。

2.4 支持向量机

支持向量机SVMs逐渐应用于研究和产业。他是高度有效的模型，在解决非线性问题时甚至需要很少数量的训练数据。在过去五年里许多在建筑能耗分析上进行了关于这些模型的研究。

Lietal.[8]用SVMs预测办公建筑的逐时冷负荷。支持向量回归的表现比传统BP神经网络要好。Hou and Lian[9]也使用SVMs预测HVAC系统的冷负荷，结果显示SVMs比ARIMA模型要好。

所有的研究表明SVMs在预测逐时和逐月建筑能耗方面都很好的表现。

3 讨论与展望

通过上述的介绍和分析，明显表示评估一个建筑能耗系统需要大量的计算。从子系统水平到建筑水平到区域水平或者国家水平。每个模型都有他自己的优点在特定方面的应用上。

工程模型表现了很大的变化。它可以是很复杂的全面的模型可以被用于精确的计算。相反，通过采用一些简化的战略，它可以成为一个轻量级的模型，容易开发研制，同时保持准确度。详细的工程模型的一个被普遍接受的缺点是在实际中很难运行。因为他的高复杂性和缺乏输入信息。

统计模型相对容易研发，但是它的缺点是很明显的。缺乏准确性和灵活性。

ANNs和支持向量机，善于解决非线性问题，使他们适用于建筑能耗预测。只要模型选择和参数设定的好他们可以给出很高准确度的预测。在很多情况下支持向量机比人工神经网络表现出了更加优越的性能。在两种模型的缺点是他们需要足够多的历史性能数据和极度复杂性。

4 结论

文章回顾了最近在预测建筑能耗方面的工作。因为建造能量行为的复杂性和影响因素的不确定性，许多模型提出了这个应用程序旨在准确，健壮的和易于使用的预测。研究主要关注于应用这些模型对建筑能耗的预测问题，优化模型参数，简化这些问题或者模型开发。每个模型被开发而且有他的优点和缺点。然而，人工智能发展很迅速，很多新的和更强大的技术在这个领域开发出来可能在预测建筑能耗方面有突破。

【参考文献】

[1]European Parliament and Council. Directive 2010/31/EU of the European Parliament and of the Council of 19 May 2010 on the energy performance of buildings[J]. Official Journal of the European Union， 2010， L153：13-35.

[2]Crawley DB， Lawrie LK， Winkelmann FC， Buhl WF， Huang YJ， Pedersen CO， et al.EnergyPlus： creating a new-generation building energy simulation program[J].Energy and Buildings，2001，33（4）：319-31.

[3]Al-Homoud MS. Computer-aided building energy analysis techniques[J]. Building and Environment， 2001， 36（4）： 421-33.

[4]Aydinalp-Koksal M， Ugursal VI. Comparison of neural network， conditional demand analysis and engineering approaches for modeling end-use energy consumption in the residential sector[J]. Applied Energy， 2008， 85（4）： 271-96.

[5]Azadeh A，Ghaderi S， Sohrabkhani S. Annual electricity consumption forecasting by neural network in high energy consuming industrial sectors[J]. Energy Conversion and Management， 2008， 49（8）： 2272-8.

[6]Aydinalp M，Ugursal VI， Fung AS. Modeling of the appliance， lighting， and spacecooling energy consumptions in the residential sector using neural networks[J]. Applied Energy， 2002， 71（2）：87-110.

[7]NetoAH，Fiorelli FAS. Comparison between detailed model simulation and artificial neural network for forecasting building energy consumption[J]. Energy and Buildings， 2008， 40（12）： 2169-76.

第9篇：人工智能研究综述范文

关键词：智能控制 专家控制 模糊控制 神经网络控制 遗传算法

1．引言

智能控制是自动控制发展的高级阶段，是人工智能、控制论、信息论、系统论、仿生学、进化计算和计算机等多种学科的高度综合与集成，是一门新兴的边缘交叉学科。智能控制是当今国内、外自动化学科中的一个十分活跃和具有挑战性的领域，代表着当今科学和技术发展的最新方向之一。它不仅包含了自动控制、人工智能、系统理论和计算机科学的内容，而且还从生物学等学科汲取丰富的营养，正在成为自动化领域中最兴旺和发展最迅速的一个分支学科。

2．智能控制产生的背景

从控制理论学科发展的历程来看，该学科的发展经历了三个主要阶段。

第一阶段为20世纪40—60年代的“经典控制理论”时期，经典控制理论以反馈理论为基础，是一种单回路线性控制理论。主要采用传递函数、频率特性、根轨迹为基础的频率分析方法。主要研究单输入一单输出、线性定长系统的分析和设计。

第二阶段为20世纪60—70年代的“现代控制理论”时期，现代控制理论主要研究具有高性能、高精度的多变量参数系统的最优控制问题。采用的方法包括状态空间法、Bellman动态规划方法，Kalman滤波理论和Pontryagin极大值原理等。现代控制理论可以解决多输入多输出问题，系统可以是线性定长的，也可以是非线性时变的。

第三阶段为20世纪70年代至今的“大系统理论”和“智能控制理论”时期。由于现代控制理论过多地依赖对象的数学模型，其控制算法较为理想化，设计方法非常数字化，因此在面对难以用数学模型描述或者具有时变、非线性、不确定特性的复杂系统时，现代控制系统也显得无能为力。为了提高控制系统的品质和寻优能力，控制领域的研究人员开始考虑把人工智能技术用于控制系统。近年来，控制领域的研究人员把传统的控制理论与模糊逻辑、神经网络、遗传算法等智能技术相结合，充分利用人的经验知识对复杂系统进行控制，逐渐形成了智能控制这一新兴学科。

3．智能控制的基本概念和特点

传统的控制方法建立在被控对象的精确数学模型之上，智能控制是针对系统的复杂性、非线性、不确定性等提出来的。IEEE控制系统协会把智能控制归纳为：智能控制系统必须具有模拟人类学习和自适应的能力。一个智能控制系统一般应具有以下一些特点。

1)能对复杂系统（如非线性、多变量、时变、环境扰动等）进行有效的全局控制，并具有较强的容错能力；

2)具有以只是表示的非数学广义模型和以数学模型表示的混合控制过程，能根据被控对象的动态过程进行辨识，采用开闭环控制和定性与定量相结合的多模态控制方式；

3)能对获取的信息进行实时处理并给出控制决策，通过不断优化参数和寻找控制器的最佳结构形式，以获得整体最优控制性能。

4)具有自学习、自适应、自组织能力，能从系统的功能和整体优化的角度来分析和综合系统，以实现预期的控制目标。

4．智能控制理论的基本内容

4.1 专家控制(EC-Expert Control)

由人工智能领域发展起来的专家控制是一种基于知识的智能计算机程序的技术。专家控制的实质是基于控制对象和控制规律的各种知识，并且要以智能的方式利用这些知识，以求得控制系统尽可能的优化和实用化。专家系统一般由知识库、推理机、解释机制和知识获取系统等组成。知识库用于存储某一领域专家的经验性知识、原理性知识、可行操作与规则等。可通过知识获取系统对原有知识进行修改和扩充。推理机根据系统信息并利用知识库中知识按一定的推理策略来解决当前的问题。解释机制对找到的知识进行解释，为用户提供了一个人机界面。专家控制的特点为：

1)具有领域专家级的专业知识，能进行符号处理和启发式推理。转贴于

2)具有获取知识能力，具有灵活性、透明性和交互性。

4.2模糊控制(FC-Fuzzy Control)

模糊控制是以模糊集合论、模糊逻辑推理和模糊语言变量为基础的一种计算机数字控制。对于无法建立数学模型或难以建立数学模型的场合，可以用模糊控制技术来解决。模糊控制就是在被控对象模糊模型的基础上，利用模糊控制器，采用推理的手段进行系统控制的一种方法。模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标。模糊控制器由模糊化、规则库、模糊推理和清晰化四个功能模块组成。模糊化模块实现对系统变量论域的模糊划分和对清晰输入值的模糊化处理。规则库用于存储系统的基于语言变量的控制规则和系统参数。模糊推理是一种从输入空间到输出空间的非线性映射关系，控制规则形式为If{控制输入A}then{控制输出B}，即如果已知控制输入A，则通过模糊推理得出控制输出B。清晰化模块将推出的模糊推理推出的控制输出转化为清晰的输出值。模糊控制的特点为：

1)提供了一种实现基于自然语言描述规则的控制规律的新机制。

2)提供了一种非线性控制器，这种控制器一般用于控制含有不确定性和难以用传统非线性理论处理的场合。

4.3 神经网络控制(NNC-Neural Networks Control)

神经网络控制是在控制系统中采用神经网络这一工具，对难以通过常规方法进行描述的复杂非线性对象进行建模，或充当控制器，或信息处理，或模式识别，或故障诊断等，或以上几种功能的组合，这种神经网络控制系统的控制方式即为神经网络控制。神经网络控制采用仿生学的观点对智能系统中的高级信息处理问题进行研究，神经网络控制的特点为：

1)能充分逼近任意非线性特性。

2)分布式并行处理机制。

3)自学习和自适应能力。

4)数据融合能力。

5)适合于多变量系统，可进行多变量处理。

4.4 遗传算法(GA-Genetic Algorithm)

遗传算法是一种基于生物进化模拟的启发式智能算法，它的基本策略是：将待优化函数的自变量编码成类似基因的离散数值码，然后通过类似基因进化的交叉、变异、繁殖等操作获得待优化函数的最优或近似最优解。在智能控制中，遗传算法广泛应用于各类优化问题，遗传算法可以用于复杂的非线性系统的辨识，多变量系统控制规则的优化，智能控制参数的优化等常规控制方法难以奏效的问题。遗传算法具有可扩展性，可以同专家系统、模糊控制和神经网络结合，为智能控制的研究注入新的活力。如可用遗传算法对模糊控制的控制规则和隶属度函数进行优化，对神经网络的权值进行优化等。遗传算法的特点为：

1)以决策变量的编码作为运算对象。

2)直接以目标函数值作为搜索信息。

3)同时进行解空间的多点搜索。

4)使用自适应的概率搜索技术。

5．结束语

智能控制已广泛应用于工业、农业、军事等众多领域，已经解决了大量的传统控制无法解决的实际控制应用问题，呈现出强大的生命力和发展前景。它将随着专家系统、模糊控制、神经网络等控制技术的发展而不断发展。

参考文献

[1]师黎，陈铁军，李晓媛等，智能控制理论及应用[M].北京：清华大学出版社．2009.

[2]黄志高，徐成金，谭斌．智能控制理论综述[J]．土木机床，2004 (3):30-32．

[3]宋胜利．智能控制技术概论[M]．北京：国防工业出版社，2008．

[4]王永骥，涂健，神经元网络控制[M]．北京：机械工业出版社，1998．

[5] Rubaai A，Kotaru R，Kankam M D.A continually online - trained neural network controller for brushless DC motor drives [J].lndustry Applications，IEEE Transactions ，2000 ，36(2)：475 - 483.