智能控制恙相对熵最小化

根据神经行为学和认识心理学观点提出智能控制系统的新构型,从相对熵最小化原理构建智能控制理论。从神经生理和神经网络理论证明分层智能控制系统的基本原理ＩＰＤＩ（Ｉｎｃｒｅａｓｉｎｇ ｐｒｅｃｉｓｉｏｎ ｗｉｔｈ ｄｅｃｒｅａｓｉｎｇ ｉｎｔｅｌｌｉ－ｇｅｎｃｅ）＾［１,２］。从相对熵最小化观点和ＩＰＤＩ原理出发,讨论智能系统的智能行为,给出关于智能系统学习过程的几个定理和学习算法。     

基于生物网络的智能控制与优化研究进展

生物网络在生物系统中扮演着维持动态平衡的重要角色,受其启发可提出多种新颖的智能控制和优化的理论与技术.为此,对这一研究领域进行了较系统的综述,主要包括受免疫网络、神经内分泌网络、神经内分泌免疫网络、生物整体网络等研究领域启发而形成的控制理论、技术及其应用方法.未来基于生物网络的智能控制与优化,将更加注重对上述生物网络间互连融合以及协同机制的进一步挖掘,及其在控制理论和工程方面的创新应用,同时充分吸收生物学最新成果,抽象并产生多种新型生物智能控制器及其控制方法,以更好地满足复杂系统对智能系统的应用需求.     

神经网络系统学习过程初探

本文给出了神经网络系统学习过程的一个随机模型--马尔柯夫模型,从最大熵原理的观点讨论神经网络系统的学习过程,提出将神经网络系统的学习过程分为两个阶段的想法并给出学习过程的算法.     

智能控制工程研究的进展

结合智能控制研究的几个理论分支,着重从机器人控制,机械制造,电力电子学,工业过程和广义控制几个方面分析了当前智能控制的主要应用领域,指出其中的研究热点和重点,通过总结智能控制工程的现状,提出进一步开展智能控制应用研究的若干对策,包括从基础理论研究和应用系统评估上寻求更成熟的理论指导,明确智能控制研究的目标是建立智能系统模型并实现控制器的智能化,在选择应用对象和设计控制器对遵循“简单”与“复杂”的辨证关系,重视知识技术创新和加快新型智能控制软硬件研制的步伐等。     

关于智能系统工程科学技术体系的思考

就建立智能系统工程科学技术体系提出了创新观点,从智能、系统、工程多重组合角度对智能系统工程的内涵进行了详细分析研究,从理论、技术、工程应用、学科建设不同层面对智能系统工程研究对象、研究领域、研究方法进行了系统分析,构建了智能系统工程科学技术体系框架.对智能系统工程发展前景谈了作者的思考看法.     

端边云协同的复杂工业过程运行控制智能系统

针对难以建立数学模型的复杂工业运行控制过程,利用可获得的过程控制系统设定值和运行指标以及相关变量的工业大数据和运行控制过程特性,将系统辨识与深度学习相结合,建立以实际运行指标以及相关变量为输入,以实际过程控制系统设定值为输出的运行控制过程数字孪生模型,提出云-边协同的过程控制系统设定值智能控制方法.所提出方法由云-运行控制过程数字孪生模型、边-过程控制系统设定值智能控制模型和自校正机制组成.将工业互联网与工业过程控制系统相结合,提出端边云协同的工业运行控制智能系统的架构和功能,采用所提出控制系统设定值智能控制方法,研制工业过程运行控制智能系统,并在选矿关键设备—–高压辊磨成功应用.所提出系统安全、可靠和优化运行,取得了显著的节能减排效果.     

基于生态演化的通用智能系统结构模型研究

从系统论、认知神经科学和生态演化的角度看, 智能是指生物体根据环境、条件、目标, 自适应地调整自身或调度各种资源实现目标的能力, 智能起源于生命, 智能是生物的基本特征.借助于脑神经系统演化的历史, 展示了自然智能的演化过程, 并由此构建了一个基于生态演化的通用智能系统结构模型, 系统地分析了一般智能系统的普遍性、开放性、动态演化性、相对稳定性、功能性、结构性、依附性、相对独立性、可延续性等基本特征.论文根据智能演化进程将智能系统分为7级, 利用智能系统结构模型分类探索专用人工智能和通用人工智能的发展方向以及有关智能系统的学习方法.这些工作对人工智能和智能科学基础理论研究与应用具有一定的启发意义.     

基于复随机样本的结构风险最小化原则

统计学习理论目前是处理小样本学习问题的最佳理论.然而,该理论主要是针对实随机样本的,它难以讨论和处理现实世界中客观存在的涉及复随机样本的小样本统计学习问题.结构风险最小化原则是统计学习理论的核心内容之一,是构建支持向量机的重要基础.基于此,研究了基于复随机样本的统计学习理论的结构风险最小化原则.首先,给出了标志复可测函数集容量的退火熵、生长函数和VC维的定义,并证明了它们的一些性质;其次,构建了基于复随机样本的学习过程一致收敛速度的界;最后,给出了基于复随机样本的结构风险最小化原则,证明了该原则是一致的,同时推导出了收敛速度的界.     

自动化学科面临的挑战

本文分析了控制理论与应用、模式识别与智能系统、导航制导与控制、系统科学与工程、人工智能与自动化交叉等领域的发展现状. 结合科技发展、国内国际研究前沿和新兴领域对自动化科学技术的需求, 提出重点发展智能控制理论和方法、高性能作业机器人、信息物理系统、导航与控制技术、重大装备自动化技术、自主智能系统和人工智能驱动的自动化技术优先领域, 加强数据驱动控制理论、人工智能基础理论研究, 进一步发展人机协同、跨域融合的智能自动化, 为实现国家社会的全面信息化智能化提供理论和技术保障.     

智能控制理论研究

本文主要探讨建立智能控制理论问题,并从人工智能产生式系统理论和控制论方法论的观点出发,较系统地阐述了该理论的基本内容.     

基于PLC智能家居系统的研究

针对当前家居系统的安防报警和智能控制的不足,本文设计出智能家居系统。首先对智能家居系统的总体方案进行了详细分析,描述了系统结构和智能家居内部组网方案;其次从硬件和软件两个方面分别详细分析了安防报警和智能控制,并给出了原理图和部分核心代码。本文对于硬件设计人员和软件研发人员都有着一定的积极作用。     

An intelligent diagnosis system based on principle component analysis and ANFIS for the heart valve diseases

In this paper, an intelligent diagnosis system based on principle component analysis (PCA) and adaptive network based on fuzzy inference system (ANFIS) for the heart valve disease is introduced. This intelligent system deals with combination of the feature extraction and classification from measured Doppler signal waveforms at the heart valve using the Doppler ultrasound (DHS). Here, the wavelet entropy is used as features. This intelligent system has three phases. In pre-processing phase, the data acquisition and pre-processing for DHS signals are performed. In feature extraction phase, the feature vector is extracted by calculating the 12 wavelet entropy values for per DHS signal and dimension of Doppler signal dataset, which are 12 features, is reduced to 6 features using PCA. In classification phase, these reduced wavelet entropy features are given to inputs ANFIS classifier. The correct diagnosis performance of the PCA–ANFIS intelligent system is calculated in 215 samples. The classification accuracy of this PCA–ANFIS intelligent system was 96% for normal subjects and 93.1% for abnormal subjects.     

Principle of minimum entropy production in applied soft computing for advanced intelligent robotics and mechatronics

A new approach to design of smart intelligent control systems for advanced robotics and mechatronics is developed. The principle of minimum entropy production in a control object motion and a control system as a fitness function for genetic algorithm is used. Simulation results of a smart robust control of non-linear systems described as coupled oscillators are presented.     

Intelligent control systems. II. Design of self-organized robust knowledge bases in contingency control situations

Informational technology for design of robust knowledge bases based on discovery synergetic effect of their self-organization in contingencies is developed. The principle of minimum of information entropy used in quantum algorithm guarantees the necessary condition of self-organization, the minimum of required initial information in learning signals; thermodynamic minimum criterion of the new measure of generalized entropy production provides sufficient condition of self-organization, robustness of control processes. In risky conditions and contingencies, the optimization of knowledge bases according to information-thermodynamic criteria, using the quantum algorithm of self-organization, provides invariant real-time achieving of the control objective with required robustness level of an intelligent control system. Example of efficient simulation of self-organization of robust knowledge bases in an intelligent control system of dynamically unstable essentially nonlinear object in contingencies is given.     

一种新型的自学习智能式城市交通实时控制系统

本文介绍了作者与合作者们研制成功的城市交通智能式实时控制系统(简称TICS)的硬体结构框图,从交通工程学、计算机技术、系统结构和控制方式等角度分析了它的基本原理,给出了包括主控回路和学习回路的控制原理框图,从交通状态推理和实时控制变量推理二个方面介绍了它的推理机制,说明了它的学习机制,最后简述了对周期、相位差、绿信比的处理原则.     

基于信息熵的多传感器数据的融合方法

针对多只传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的信息熵,提出了一种新的多传感器数据的融合方法。该方法以最小化各传感器测量数据的信息熵之和为目标函数,通过求解极值问题,得到了多传感器数据的融合结果。可以较好地避免受主观因素影响的关系矩阵,充分利用实验数据,防止有效数据的丢失。该算法简洁稳定,可用于提高智能仪表的测量准确度和改善智能仪表的抗干扰能力。     

Optimal control of distributed multiagent systems with finite-time group flocking

The flocking of multiple intelligent agents, inspired by the swarm behavior of natural phenomena, has been widely used in the engineering fields such as in unmanned aerial vehicle (UAV) and robots system. However, the performance of the system (such as response time, network throughput, and resource utilization) may be greatly affected while the intelligent agents are engaged in cooperative work. Therefore, it is concerned to accomplish the distributed cooperation while ensuring the optimal performance of the intelligent system. In this paper, we investigated the optimal control problem of distributed multiagent systems (MASs) with finite-time group flocking movement. Specifically, we propose two optimal group flocking algorithms of MASs with single-integrator model and double-integrator model. Then, we study the group consensus of distributed MASs by using modern control theory and finite-time convergence theory, where the proposed optimal control algorithms can drive MASs to achieve the group convergence in finite-time while minimizing the performance index of the intelligence system. Finally, experimental simulation shows that MASs can keep the minimum energy function under the effect of optimal control algorithm, while the intelligent agents can follow the optimal trajectory to achieve group flocking in finite time.     

污水输送泵站的模糊控制及其仿真

污水泵站系统具有非线性、慢时变、滞后性等特点,采用常规的PID控制很难获得满意的控制效果。本文采用模糊控制来实现污水泵站的智能控制,模糊控制器不需要建立被控对象的精确数学模型,并且结构简单,具有良好的控制鲁棒性。通过仿真结果可以看出,模糊控制的控制策略能够在使目标水位恒定的情况下,实现系统控制,达到最小能耗和最少污染双重目标。