Why does language matter to artificial intelligence?

Artificial intelligence, conceived either as an attempt to provide models of human cognition or as the development of programs able to perform intelligent tasks, is primarily interested in theuses of language. It should be concerned, therefore, withpragmatics. But its concern with pragmatics should not be restricted to the narrow, traditional conception of pragmatics as the theory of communication (or of the social uses of language). In addition to that, AI should take into account also the mental uses of language (in reasoning, for example) and the existential dimensions of language as a determiner of the world we (and our computers) live in. In this paper, the relevance of these three branches of pragmatics-sociopragmatics, psychopragmatics, and ontopragmatics-for AI are explored.     

Higher-Order and Modal Logic as a Framework for Explanation-Based Generalization

Certain tasks, such as formal program development and theorem proving, fundamentally rely upon the manipulation of higher-order objects such as functions and predicates. Computing tools intended to assist in performing these tasks are at present inadequate in both the amount of knowledge they contain (i.e., the level of support they provide) and in their ability to learn (i.e., their capacity to enhance that support over time). The application of a relevant machine learning technique—explanation-based generalization (EBG)—has thus far been limited to first-order problem representations. We extend EBG to generalize higher-order values, thereby enabling its application to higher-order problem encodings.Logic programming provides a uniform framework in which all aspects of explanation-based generalization and learning may be defined and carried out. First-order Horn logics (e.g., Prolog) are not, however, well suited to higher-order applications. Instead, we employ Prolog, a higher-order logic programming language, as our basic framework for realizing higher-order EBG. In order to capture the distinction between domain theory and training instance upon which EBG relies, we extend Prolog with the necessity operator of modal logic. We develop a meta-interpreter realizing EBG for the extended language, Prolog, and provide examples of higher-order EBG.     

基于变论域理论的模糊自适应控制方法研究

针对一类非线性、快时变性以及模型不确定性问题,设计了一种基于变论域的模糊自适应控制器。利用模糊模型逼近控制系统的非线性部分,以及采用李亚普诺夫方法证明所设计的非线性控制系统的渐进稳定性并推导出自适应律。最后将设计的控制器应用于倒立摆,仿真结果表明跟踪性能良好。     

一个基于实例推理的软件过程知识复用方法

过程资产库的建立和基于过程资产的项目过程定义是一个组织的软件能力成熟度达到已定义级的关键标志,传统的过程资产库中存储的过程往往是通过文字描述和使用者判断其适用性,用于项目过程的建立。本文提出了一种基于实例推理(CBR)的过程知识复用方法,通过过程特征的刻画和实例相似度计算,实现过程实例的提取和复用。实践证明,该方法有助于提高过程知识复用的准确度和自动化程度,为软件过程改进中的过程建立提供有效手段。     

一种简化的三维模糊制器

针对三维模糊控制器规则多,结构复杂,难以实现的问题,提出了一种简化的三维模糊控制器。该方法是把三个输入量分别为偏差、偏差变化、偏差的偏差变化的一维模糊控制器加权融合实现简化的三维模糊控制器。并提出了根据不同类型的被控对象设置三个加权系数。加权系数具有粗调、细调和微调的作用,类似于传统PID调节器的比例、积分和微分,实现对系统静差的消除。     

变电站智能告警专家系统的不确定性知识表示

在变电站智能告警专家系统中,针对业务知识的不确定性和复杂性,文中设计了一种不确定性知识的表示方法,可以使采用该方法构建的知识库更有利于推理机的推理和知识库的自学习。该方法根据领域知识将变电站信号进行分层分类,以子知识库的形式进行知识的组织,克服了知识的复杂性。而且它采用一种模糊产生式表示业务知识,将模糊推理规则映射为模糊产生式,解决了知识的不确定性问题。实验分析表明,该方法适合进行变电站关联信号的告警推理,结合系统对知识的自学习机制,可以有效降低告警的差错率和虚警率。     

基于模糊PID控制的数字溢流阀的建模与仿真

研究数字溢流阀系统性能优化问题,由于系统存在非线性,造成响应特性差。传统控制器参数整定后无法根据工况的变化调整,造成数字溢流阀响应速度慢。针对上述问题,为改善数字溢流阀的性能,提出一种自适应模糊PID控制的数字溢流阀,利用模糊推理的方法,在线调整PID控制器参数,以适应工况的变化,达到较好的控制效果。通过仿真表明,自适应模糊PID控制的数字溢流阀响应速度快、控制精度高,工作稳定。可作为实现高性能数字溢流阀的一种有效方案。     

一种改进粒子群算法在水轮机控制中的应用

关于水轮发电机控制系统优化问题,水轮发电机组的控制技术对于水轮发电机组稳定工作非常重要。针对保证供电质量,改善调节系统的非线性时滞特性,利用具有局部搜索能力的粒子群算法对水轮发电机组进行模糊PID控制可以确保控制的稳定性。首先,根据水轮发电机组的控制原理和模糊PID控制器的基本结构,提出具有局部搜索能力的改进粒子群算法,利用模糊PID控制器以及采用了改进粒子群算法的模糊PID控制器,用MATLAB软件对水轮发电机组进行优化控制仿真,仿真结果表明采用改进粒子群算法的模糊PID控制器具有最优的控制效果。     

神经网络PID在PLC系统控制中的应用研究

针对传统的PID算法由于难以给出精确的数学模型,使得系统参数设定困难,同时系统控制效果上存在一定的缺陷,造成系统安全性和可靠性降低,系统控制质量不高。为了解决传统的PID算法所带来的问题,提出了基于模糊神经网络的PID算法,将PID算法、模糊控制算法以及神经网络算法相结合,形成了一种智能控制算法。将算法应用在PLC控制系统中,实验表明算法有效的实现了PID参数的自整定,并且提高了控制质量,具有一定的实际应用推广价值。     

火炮磁流变后坐系统仿真

将磁流变技术应用于火炮反后坐装置是目前正在发展的一种降低火炮后坐力的新技术,优化火炮反后坐装置控制,达到实时调节阻力。针对某型号火炮,在建立动力学模型和电磁模型的基础上设计了磁流变反后坐系统。为实现理想的后坐控制规律,提出了PID和模糊控制算法。利用ADAMS和MATLAB进行联合仿真,仿真结果表明,在后坐行程范围内,最大后坐阻力分别为3.71×105N,3.53×105N,相比传统火炮减小了13%和17%,并且模糊控制的后坐阻力曲线具有良好的"平台效应",实现了控制目标,表明磁流变阻尼器良好的可控性和应用于火炮后坐系统中的可行性。