人工智能应用领域毕业论文(2)
人工智能应用领域毕业论文篇二
人工智能在工程技术领域的具体应用研究
[摘 要]人工智能工程应用系统的发展及其背景是在人类科技与革新的大爆发乃是本世纪的特点。由总体而言，在本世纪内，各门科技学科的理论体系得到了充实和完善。到本世纪下半叶则体现为各类技术的集成与综合。由此，人类的社会生产力水平得到了史无前例的迅速增长。近四五十年发展尤为迅速。
[关键词]人工智能，工程技术应用
首先，介绍下人工智能(Artificial Intelligence，AI)是一门综合了计算机科学、生理学、哲学的交叉学科。人工智能的研究课题涵盖面很广，从机器视觉到专家系统，包括了许多不同的领域。 其中特点是让机器学会“思考”
人工智能学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。
1.20世纪80年代，专家系统技术的逐渐成熟及计算机技术的迅速发展，使得智能控制和决策的研究也取得了较大进展。计算智能是一种仿生计算方法，它从生物底层对智能行为进行模拟和研究，拓展了传统的计算模式，为复杂问题的求解提供了新的解决办法。为了提高计算智能的应用效率，本文分析了二进制遗传算法中早熟收敛的成因，指出了传统的变异算子在防止早熟收敛方面的不足，提出了一种能有效预防早熟现象的二元变异算子，并在此基础上提出了一种便于用常规逻辑门电路实现的遗传算法。鉴于参数选择对于遗传算法求解效率的影响。
2.人工智能在工程技术各行各业的应用
(1)工业过程中的智能控制。生产过程的智能控制主要包括两个方面：局部级和全局级。
(2)机械制造中的智能控制。在现代先进制造系统中，需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况，人工智能技术为解决这一难题提供了有效的解决方案。
(3)电力电子学研究领域中的智能控制。电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控制是一个复杂的过程，国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中，取得了良好的控制效果 。
(4)人工智能在水利工程中应用。大坝安全监测自动化系统结构和大坝安全智能决策支持系统(DSIDSS)。
1)针对大坝安全监测系统的可靠性问题，将现场总线监测网络结构和基于现场总线的通信网络模型应用于大坝安全监测系统中，提高了系统的可靠性和系统组网的灵活性，使大坝安全监测自动化系统可根据现场条件灵活组网，增加了系统的实用性。重点研究了监控网络的系统结构、网络通讯模式和功能分布。
2)针对自动化监控系统的数据真实性和合理性检验问题，研究了大坝安全监测数据的预处理方法，应用灰色系统理论和过程突变理论建立了监测数据的在线检验模型，有效地解决了自动化系统监测数据的合理性和真实性的在线检验问题。
3)应用人工神经网络技术研究了大坝监测数据的分析方法，建立了基于自学习神经元的自学习即网络监控模型，为大坝安全监控模型的建立和预测提供了新的思路和方法。
4)针对合理处理DSIDSS中的不确定因素问题，采用模糊测度和模糊积分理论的基本思想和方法进行了处理。结合模糊集和可能性理论，提出了大坝安全等级划分和安全判据的表示方法。应用模糊测度和模糊积分理论，较好地解决了大坝安全综合评价中不确定性因素的计算机表示和处理方法。
5)探讨了DSIDSS中的知识表示和推理技术，应用知识的语义网络和模糊产生式规则表示方法，建立了大坝安全智能决策支持系统的知识库。所采用的模糊推理方法克服了传统Bayes推理方法的部分缺陷，在实际应用中表明是合理有效的一种推理模式。
人工智能的过程及在工程技术转化的顺序包含：
1.机器学习
机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新
的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。
2.模式识别
1). 模式识别概述
模式识别(Pattern Recognition)是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。(计算机)模式识别在20世纪60年代初迅速发展并成为一门新学科。
模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。应用计算机对一组事件或过程进行辨识和分类，所识别的事件或过程可以是文字、声音、图像等具体对象，也可以是状态、程度等抽象对象。这些对象与数字形式的信息相区别，称为模式信息。
2).模式识别的应用(1)文字识别(2)语音识别(3)图像识别(4)医学诊断
3.专家系统
1).专家系统概述
专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。
2).发展历史
专家系统的发展已经历了3个阶段，正向第四代过渡和发展。 第一代专家系统(dendral、macsyma等)以高度专业化、求解专门问题的能力强为特点。但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。
第二代专家系统(mycin、casnet、prospector、hearsay等)属单学科专业型、应用型系统
第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略
3. 专家系统的基本结构
专家系统的基本结构如图所示，其中箭头方向为数据流动的方向。专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。知识库用来存放专家提供的知识。专家系统的问题求解过程是通过知识库中的知识来模拟专家的思维方式的，因此，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。
人工智能在物联网的应用
物联网智能是利用人工智能技术服务于物联网络的技术是将人工智能的理论方法和技术通过具有智能处理功能的软件部署在网络服务器中去服务于接入物联网的物品设备和人。
1.智能物联网
1)智能物联网概念
智能物联网就是对接入物联网的物品设备产生的信息能够实现自动识别和处理判断，并能将处理结果反馈给接入的物品设备，同时能根据处理结果对物品设备进行某种操作指令的下达使接入的物品设备作出某种动作响应.而整个处理过程无需人类的参与。
2)智能物联网的实现途径
要实现物联网智能化就必须让人工智能成为物联知终端、传输网络、具有人工智能的数据处理服务器。
2.物联网需要的人工智能技术
1)物联网中需要来自人工智能技术的研究成果.如问题求解、逻辑推理证明、专家系统、数据挖掘、模式识别、自动推理、机器学习、智能控制等技术。
2)物联网的智能控制
在物联网的应用中.控制将是物联网的主要环节.如何在物联网中实现智能控制将是物联网发展的关键。
3.物联网智能模型
基于对人工智能技术的认识和研究.依据人工智能模型.推演出了智能物联网智能化模型。智能物联网被分为五个层次机器感知交互层、通信层、数据层、智能处理层、人机交互层，共五层。
人工智能应用领域毕业论文相关文章：
3.人工智能毕业论文