[论文]NSFCproposal2009虚拟人脑d.doc

国家自然科学基金申请书 2009版申请代码： 受理部门： 收件日期：受理编号：第 25 页 版本1.000.000国家自然科学基金申 请 书(2009版) 您现在不能检查保护文档或打印文档，请根据以下三个步骤操作： 1)如果您是Word2000,word XP, word 2003或以上版本用户，请把Word宏的安全性设为:中 方法: Word菜单-工具-宏-安全性-安全级,设置为中 (如果您是Word97用户，继续执行以下步骤) (如果您是Office2007用户，点击word左上角安全警告处选项中的启用该内容) 2)关闭本文档，重新打开本文档 3)点击启用宏按钮，即可开始填写本文档或打印了资助类别： 亚类说明： 附注说明： 项目名称： 申 请 者： 电话： 依托单位： 通讯地址： 邮政编码： 单位电话： 电子邮件： 申报日期： 2009年3月1日国家自然科学基金委员会基本信息 申 请 者 信 息姓名性别男出生年月1953年5月民族汉族学位硕士职称教授主要研究领域综合智能网络综合控制与信息处理 电电子邮件qc_ 传国别或地区中国个人网页 工作单位重庆大学 /自动化学院在研项目批准号 依托单位信息名称联系人胡学东 电子邮件 电网站地址/ 合作单位信息单 位 名 称项 目 基 本 信 息项目名称资助类别面上项目 亚类说明 附注说明 申请代码F0305:人工智能与知识工程F0307:认知科学及智能信息处理基地类别重庆大学罗克韦尔自动化实验室部门开放预计研究年限2009年1月 2011年12月研究属性应用基础研究 摘 要(限400字)：面对现实世界中日趋复杂的控制对象，本项目根据人脑的感觉、感知、行为、互动以及认知等基本特征，运用知识表示及重构、三维数据库等技术和数理统计方法，提出了一种基于当前信息、近期信息、远期信息、特殊信息以及领域信息，具有自行学习、自动记忆、自主控制能力的虚拟人脑控制器，用来模拟人脑的信息存储过程和思维决策过程。该控制器能够通过研究数据信息的敏感度、变化频度及分类规律以模拟人脑的记忆机制，并定义信息相似度研究数据库信息的重构法则以模拟人脑的思维和联想机理。在此基础上，研究建立基于数据库信息的虚拟人脑控制器模型及算法，以实现控制器在学习中控制、在控制中再学习，从而具有“控制器终身学习”的能力。然后，在实验室建立具有自行学习、自动记忆、自主控制能力的电梯群控制模型。该项目具有科学的研究价值，研究成果具有广泛的应用前景。关 键 词(用分号分开，最多5个)虚拟人脑控制器；三维数据库；数理统计；知识表示与重构 项目组主要参与者（注: 项目组主要参与者不包括项目申请者，国家杰出青年科学基金类项目不填写此栏。）编号姓 名出生年月性别职 称学 位单位名称电话电子邮件项目分工每年工作时间（月）11955-7-16 女教授博士重庆大学L.zhangleeds.ac.uk 虚拟人脑建模与仿真 4 21960-2-1 男教授硕士重庆大学 虚拟人脑控制器模型 9 31960-12-28 女教授博士重庆大学 信息分层理论与算法 9 41980-11-13 男讲师硕士重庆大学 动态数信息分析算法 11 51984-10-6 男博士生硕士重庆大学 知识重构算法 11 61985-5-6 男博士生硕士重庆大学 信号频度分析算法研究 10 71974-11-28 男硕士生学士重庆大学 实时信息智能统计算法 10 81985-12-15 男硕士生学士重庆大学 数据处理与仿真研究 10 91984-11-13 男硕士生学士重庆大学 控制器仿真研究 10 总人数高级中级初级博士后博士生硕士生10410023说明: 高级、中级、初级、博士后、博士生、硕士生人员数由申请者负责填报（含申请者），总人数自动生成。经费申请表 （金额单位：万元）科目申请经费备注（计算依据与说明）一.研究经费21.60001.科研业务费5.8000（1）测试/计算/分析费1.2000测试和计算（2）能源/动力费2.1000电耗费，月均700元，按30个月计（3）会议费/差旅费1.0000国际、国内会议差旅费（4）出版物/文献/信息传播费1.5000版面费、专利费（5）其它2.实验材料费12.6000（1）原材料/试剂/药品购置费12.6000软件工具包购买；实验貉材；资料费；（2）其它3.仪器设备费1.2000（1）购置0.5000购置元器件、印制电路、高性能控制设备等（2）试制0.7000文献资料4.实验室改装费5.协作费2.0000外协加工二.国际合作与交流费2.00001.项目组成员出国合作交流2.境外专家来华合作交流2.0000差旅和招待费用三.劳务费1.5000研究人员补贴四.管理费1.1000学校管理费5%合 计26.2000与本项目相关的其他经费来源国家其他计划资助经费其他经费资助（含部门匹配）其他经费来源合计0.0000报告正文（一）立项依据与研究内容： 1、项目的立项依据当前，随着科学技术的突飞猛进，对工业控制的影响也越来越大：一方面，控制对象日趋复杂，存在有严重的非线性和不确定性，使许多系统无法用数学模型精确描述；另一方面，控制要求日益提高，不仅需要控制的精确性，更注重控制的鲁棒性、实时性、容错性以及对环境的自适应和学习能力。为此，建立在精确数学模型基础上的古典和现代控制方法将面临空前的挑战，同时也给新控制方法的发展带来了良好机遇。就当前国际最新智能控制方法及应用的状况和发展趋势来看，随着人工神经网络理论、模糊数学理论，模式识别理论及专家系统理论等基础理论的不断发展和完善，并融合生理学、心理学、行为学、运筹学、传统控制理论等多学科的知识和方法，出现了许多有效的智能控制理论和方法，其中主要有：(1)神经网络控制(NNC)；(2)模糊控制(FC)；(3)专家控制(EC)；(4)分级递阶智能控制(HIC)；(5)拟人智能控制(AHIC)；（6）学习控制；(7)集成智能控制，即将几种智能控制方法或机理融合在一起而构成的智能控制方法；(8)组合智能控制方法，即将智能控制和传统控制有机地结合起来而形成的控制方法。就目前智能控制系统的研究和发展来看，智能控制还有许多问题有待解决，主要有：智能控制理论与应用的研究；充分运用心理学、生理学等学科的基本理论，深入研究人脑的思维学习过程，建立切实可行的智能控制体系结构；研究适合智能控制系统的并行处理机、信号处理器、传感器和智能开发工具软件，使智能控制得到广泛的应用。然而，智能控制系统是一门跨学科、综合集成的理论，需要多学科提供基础支持的科学，同时也将随着相关理论学科的发展而不断发展。一方面，智能控制系统是要使用知识去解决问题，首先应该以适当的方法来表示知识。尽管知识在人脑中的表示、存储和使用机理仍然是一个尚待揭开之谜，但以形式化的方法表示知识并供计算机作自动处理已经发展成为较成熟的技术知识表示技术。知识表示就是研究用机器表示知识的可行性、有效性的一般方法，可以看作是将知识符号化并输入到计算机的过程和方法。因此，有学者称知识表示是知识数据结构与知识处理机制的统一体，既考虑知识表示语言又考虑了知识使用。知识表示语言是用知识结构来描述获取到的领域知识，而知识使用则是应用这些知识实现智能行为。目前，关于知识的表示方法主要分为结构化方法和非结构化方法，前者主要包括逻辑方法和产生式方法，后者主要包括语义网络和框架等。另一方面，现代认知心理学的核心，就是把人脑看作是一种如同计算机的信息加工系统，以计算机信息加工的观点来研究人的心理活动。人脑的信息加工处理过程中关键的一个部分是信息的存贮，即人脑的记忆。记忆是智力活动的基础和仓库，一切智力活动都是从记忆开始的。记忆力是人脑反映经验的一种能力，而现代智能控制理论则把记忆力看成是人脑对输入的信息进行编码、储存和提取的能力。此外，认知学习理论的基础就是认为在人的行为背后都有一个相应的思维过程，行为的变化是可观察的，并且通过行为的变化也可以推断出学习者内心的活动。如Ausubel提出的有意义学习理论（又称同化理论），其核心思想是获得新信息主要取决于认知结构中已有的有关观念；有意义学习是通过新信息与学习者认知结构中已有的概念相互作用才得以发生；由于这种相互作用的结果，导致了新旧知识意义的同化。Gagne提出的信息加工学习理论则将学习过程类比成计算机的信息加工过程，学习结构由感受登记器、短时记忆、长时记忆、控制器、输出系统组成，认知过程可分为选择性接收、监控、调节、复述、重构。在这个信息加工过程中，非常关键部分是执行控制和期望。执行控制是指已有的学习经验对当前学习过程的影响，期望是指动机系统对学习过程的影响，整个学习过程都是在这两个部分的作用下进行的。2002年，微软公司计划开发一种庞大的数据库，这个基于PC的数据库能够将个人所有的生活经历全部记录下来，并将这一数据库标准化，使人们可以用常规的搜索引擎来搜寻他们的记忆，这将使存储大脑记忆成为可能！本项目首先将深入研究人脑的信息加工处理过程、信息存贮机制以及如何利用其存贮信息思考、分析和解决新问题的学习控制过程，使系统能在其运行过程中逐步获取知识及环境的非预知信息积累经验；尔后，以人脑记忆机制和计算机的数据库存贮在某些方面的共同之处为切入点，提出基于当前信息、近期信息、远期信息、特殊信息以及领域信息，具有自行学习、自动记忆、自主控制能力的控制器模型设计思想，用来模仿人脑信息存贮、获取知识及学习和思维决策过程，建立自适应控制器模型，以实现控制器在学习中控制、在控制中学习，从而达到控制器的智能从无到有、从有到更有，使控制器具有终身学习的功能。用MATLAB软件仿真该模型的有效性，并且能在一些非常复杂的控制系统(如，电梯群控制)应用中得到实际推广。参考文献：1 李祖枢,徐亚庆.仿人智能控制.北京:国防工业出版社出版,2003.2 周登勇,戴汝为.人工生命.模式识别与人工智能,1998,11(4).3 蒋新松.智能科学与智能技术.信息与控制,1994,23(1).4 蔡自兴.智能控制.北京:电子工业出版社,1990.5 贝斯特著,黄希庭译.认知心理学.北京:中国轻工业出版社,2000.6 王文杰,叶世伟.人工智能原理与应用.北京:人民邮电出版社,2004.7 杨善林,倪志伟.机器学习与智能决策支持系统.北京:科学出版社,2004.8 Scardamalia M., Bereiter C.Computer support for knowledge building communities J.The Journal of the Learning Sciences, 1994, 3(3)9 Kang M., P.Byun. A Conceptual Framework for a Web-Based Knowledge Construction Support System J.Educational Technology, 2001, 41(7-8)10 Sakchai Wiriyacoonkasem, Albert C. Esterline. Adaptive Learning Expert System J.IEEE (S7803-6312).200011 Soundar Kumara, Inyong Ham. Use of Associative Memory and Self-Organization in Conceptual Design J.Annals of the CIRP, 199012 Shyi-Ming Chen, Ming-Shiow Yeh, Pei-Yung Hsiao. A comparison of similarity measure of fuzzy values. Fuzzy Sets and Systems, 1995, 72(1)13 Rami Zwick, Edward Carlitein, David V. Budescu. Measures of similarity among fuzzy concepts: a comparative analysis. Approximate Reasoning, 1987, 1(2)14 Grady Booch, James Rumbaugh, Ivar Jacobson. The Unified Modeling Language User GuideM. Addison-Wesley15 Tom M. Mitchell. Machine Learning M. McGraw-Hill, 199716 Liping an, Jianyuan Yan, Lingyun Tong. An Integrated Rule based and Case-based Reasoning Svstem for Customer Service Management. E-Business Engineering, 2005. ICEBE 2005.IEEE International Conference on 12-18 Oct. 2005 Page(s)17 Yingfin Wang, Tao Hu, Shensheng Zhang. Ontology-based Reconfigurable Case-based Reasoning System for Knowledge Integration J.Systems, Man and Cybernetics, 2003. IEEE International Conference on Volume 5, 5-8 Oct. 200318 Yinglin Wang, Jie Wang, Shensheng Zhang. Collaborative knowledge management by integrating knowledge modeling and workflow modelingC. Information Reuse and Integration, Conf, 2005. IRI -2005 IEEE International Conference on Aug. 15-17, 200519 Liu Jingjun, Zhang Shensheng, Wang Yinglin. Research on knowledge sharing and reuse among agents with multiple ontologiesJ. Computer Integrated Manufacturing Systems ,1999 ,5 (6)20 Hashemi R R, Blane L A. A Hybrid Intelligent System for Predicting Bank Holding Structures J. European Journal of Operational Research (S1045-9227). 199821 Sakchai Wiriyacoonkasem, Albert C Esterline. Adaptive Learning Expert System J.IEEE (S7803-6312). 200022 Soundar Kumara and Inyong Ham. Use of Associative Memory and Self-Organization in Conceptual Design J. Annals of the CIRP, 199023 Wei Weixian, Feng Jia, Study on multi-objective weights combination assigning methodJ.System Engineering and Electric Technology,1998(2)24 H.Wang, D.Bell, F.Murtagh, Axiomatic Approach to Feature Subset Selection Based on Relevance, IEEE Trans, PAMI, 1999, vol.21, No.325 Allen R B. User models theory, method, and practice. Int.J.Man-Manchine studies, 199026 Kennedy J.The particle swarm:Social adaptation of knowledgeC.In:Proc IEEE Int Conf on Evolutionary Computation, Indiamalolis,199727 Simon Haykin. Adaptive Filter Theory M.Fourth Edition, Pearson Prentice Hall, 20022、项目的研究内容、研究目标,以及拟解决的关键问题。研究内容：1、研究人脑信息加工处理系统中的信息存贮、知识获取、经验积累、自主学习等行为过程；迄今为止，世界上最高级、最有成效的控制器还是人类本身，因为人类具有处理模糊信息和直觉推理等多种智能。因此，深入研究人脑记忆机制、知识获取、经验积累，模拟人脑的思维、学习和控制行为过程，对复杂的不确定系统进行有效控制，具有十分重要的意义。2、基于数据库信息的知识表示及自学习模型的研究；按信息的生命期来分类，大脑对信息处理的三个记忆阶段分别在学习中发挥了不同的作用：感知记忆(Sensory Memory，相当于电脑上的输入系统)，主要获取来自外部世界的声音、图像、触觉、嗅觉、味觉等；工作记忆（Working Memory, 也称为短期记忆），主要负责集合、组织和理解信息；长期记忆（Long-Term Memory，具有海量存储能力），主要储存大量有结构的已有知识，这些知识来自于宏观学习过程的建构累积。由此，在信息处理过程中，按信息的时效来分类，主要将数据库信息分为当前信息、近期信息和远期信息；按信息的紧缓程度来分类，主要将其分为一般信息和紧急信息；按信息的所属领域来分类，又可将其分为控制领域信息、医学领域信息、电梯领域信息等其它领域信息。最终，通过研究数据信息的敏感度、变化频度及规律，对数据库信息进行分类和关联分析及建立系统的自学习模型。3、基于数据库信息的虚拟人脑控制器模型的研究；人类具有利用已有经验进行归纳和推理并解决新问题的能力，这种能力是由人脑的记忆构造决定的。人脑在早期发育阶段的记忆过程主要是素材和基本经验块堆的建立和积累，即机械记忆；在成熟阶段的记忆过程主要是经验块堆的关联和重组，即关联记忆。由关联记忆形成的人脑活动，使人的思维模式天生具有归纳和推理能力。人的大脑之所以先进，就在于人的大脑除了能机械地记住一些信息外，还能通过联想把记忆深处的信息挖掘出来进行当前的信息加工。因此，人的大脑能学习其实就是工作记忆（容量很小、保存时间也很短）不断发生的重演过程，新的信息在工作记忆中被处理后(也即是经验的重组)，会通过编码与长期记忆中的已有信息进行整合并存储下来（长期记忆的存储是海量的）。本课题提出的基于数据库的虚拟人脑控制系统，为了能在一定程度上实现大脑的关联记忆，将研究基于数据库的信息重构法则及其算法实现，并建立相应的控制模型。4、基于数据库的虚拟人脑控制器模型的综合及MATLAB仿真；模仿人脑信息存贮、知识获取、经验积累和学习控制行为过程，在以上数据库分类原则和信息重构法则的基础上，建立基于数据库的自适应控制器模型。该模型能使控制器在学习中控制、在控制中再学习，从而达到控制器智能从无到有，从有到更有，实现控制器终身学习的目的。实验室用MATLAB软件仿真该控制器模型的有效性。5、虚拟人脑控制器模型在电梯群控制中的应用。电梯群是一个不确定性、动态变化、非确定性的复杂系统。目前，已有很多智能控制系统成功地应用于电梯群控制，比如专家系统、模糊控制、神经网络控制、遗传算法以及一些综合智能控制等。这些方法在一定程度上能适应电梯交通的不确定性、控制目标的多样性、非线性表现等动态特性，并取得了一定的成绩，但在资源利用效率等方面还存在较大缺陷。在电梯群中，一天中的交通情况看似无序，其实是有规律可循的。人的大脑很容易通过学习和经验积累来分辨出这种规律，但对机器而言，要识别出这种规律则不是很容易。因此，我们模拟人脑知识获取、经验积累和学习控制行为过程，运用本课题提出的基于数据库的虚拟人脑控制器模型实现对电梯群的智能控制。研究目标：模仿人的大脑信息存贮、知识获取、经验积累和学习的过程行为，在计算机中基于数据库信息完成知识的表示及重构，并在此基础上建立基于数据库的虚拟人脑控制器模型，使系统能在其运行过程中逐步获取过程知识及环境的非预知信息积累经验，以实现控制器在学习中控制、在控制中再学习，从而使控制器具有终身学习的能力。把虚拟人脑控制器模型应用于实际控制器中，可以提高电梯群等复杂控制系统的运行效率，节约资源，使运行更加人性化。拟解决的关键问题：(1)基于数据库信息的知识表示；(2)基于数据库信息的知识重构；(3)基于数据库的虚拟人脑控制器模型。3、拟采取的研究方案及可行性分析。首先从宏观上研究人脑记忆机制和自主学习行为，形成关于人脑学习行为的报告。现代认知心理学认为，人的信息加工系统主要由四部分组成，即感受器、加工器、记忆装置、效应器，如图（一）所示。信息加工系统中的感受器是接受信息的装置，环境中的种种信息的输入，首先就是由感受器予以接收的；信息加工系统中的加工器，是整个信息加工系统的控制中枢，决定着信息加工系统如何去发挥作用，系统的各部分均通过它而联成一体，其主要功能是制定出目标，并产生出达到目标、完成计划的手段，也即决定目标和目标的顺序，监督当前目标的执行；信息加工系统中的记忆部分，是系统中存贮信息的地方。其中有两种记忆：长时记忆和工作记忆。长时记忆是将信息进行较长时间存贮的记忆，它贮存着大量的各种各样的信息-运动技能、语言信息、规则以及获得的加工信息的“程序”等，这些信息大都处于相对静止状态，当需要提取其中某部分信息时，记忆即被激活，这类被激活部分的长时记忆又被称为“活动状态的记忆”(或称“主动记忆”)。活动状态的记忆信息并不是全部参与当前的心理活动，而是其中的一部分又经过精细加工而处于“工作记忆”状态。“工作记忆”虽来自长时记忆，但又不同于长时记忆，而成为一种独立的结构，它包括一个内部的注意焦点的信息以及正用于加工被激活的信息的特殊操作。一般认为，“工作记忆”是一种进行精细的认知活动的“工作空间”；信息加工系统中的效应器是信息加工系统对信息做出反应的部分，这是整个系统的最后一个结构组成。它控制着一个系统的全部输出，从人的运动动作到言语和表情。信息加工系统中的各个部分相互关联、相互作用，从而形成一个协调的有机整体。在信息加工系统中，信息流程如下：首先，感受器从环境中接受信息，并将信息输送给加工器，进行加工处理，即抽取并连结信息的基本特点进行编码，然后输入到记忆部分进行存贮。当信息加工系统受到某个指令，记忆装置中的某些存贮信息会被激活而转变成工作记忆。这一激活与转换过程，都是在中枢加工器作用或控制下进行的。最后，由加工器发出的目标执行指令通过效应器来完成。效应器的具体动作程序，均是严格按照工作记忆中的信息指令进行的。感受器加工器记忆装置效应器图一 人脑的信息加工处理系统信息获取虚拟人脑控制器数据库控制输出图二 基于数据库的虚拟人脑控制系统当前数据库近期数据库远期数据库虚拟人脑控制器领域数据库紧急数据库时间图三 数据库信息的分类及之间的联系基于数据库的虚拟人脑控制系统，如图（二）所示。该系统由四部分组成，信息获取、虚拟人脑控制器、数据库、控制输出。知识获取和控制输出两部分是系统对外界环境的接口；控制器相当于人脑信息加工系统的加工器，是整个系统的控制核心，完成知识获取到控制输出的自主控制，完成数据库的访问及信息的重构。数据库相当于人脑信息加工系统的记忆装置，完成信息的分类存贮。按照人脑的记忆方式，我们把系统数据库分为当前、近期、长期数据库和紧急数据库及领域数据库(分别对应系统的当前、一般、历史、特殊和专业特征)，它们之间的联系如图（三）实箭头所示，各种数据库信息的相互转换都由虚拟人脑控制器进行控制；另一方面，建立一个时间属性的三维数据库：当前、近期和远期数据库之间可以独立于控制器自行进行数据信息间的转换，如图(三)空心箭头所示。根据数据信息的敏感度及变化频度，把敏感度高或变化频度高的数据存入近期数据库，频度低的数据存入到远期数据库，远期数据库中的数据也有可能被唤起记忆而存入到当前数据库，近期数据库中的数据也会因为一段时间的变化频度低或随着时间的变化而逐渐被移植到远期数据库；敏感度高的信息为了达到访问的快速要求始终放在某个固定位置的紧急数据库中；领域数据库存储某个领域的数据库信息。这样可以模拟人脑信息存储、知识获取、经验累积的学习过程。在基于数据库的知识表示算法中，我们有两种方案可选，第一种方案是数据库里数据表中的每条记录代表一个已发生的事件，每条记录的每个字段表示事件的属性，考虑了该事件的原因和结果字段后该事件信息成为一个知识点。第二种方案是一个知识点对应数据库里的数据表上的一个视图。对于事件的属性字段，可以是定性或定量，离散或连续的。当定性的字段在输入算法运算前，可以用模糊数学的知识进行模糊化成数据量。为了反映数据信息的时间属性，我们在数据库字段中定义了时间标尺，从一定程度上可以认为数据库由以前的二维表的通常表示变成了三维空间。在基于数据库的知识重构算法中，对于给定的目标事件，如何从数据库中检索和选择已有的最为相似的事件决定了此算法的学习与推理性能。事件间的相似性度量是检索的关键。在事件间相似度的评估中，通常是建立一个相似性计算机函数对当前事件与已有事件进行比较，常用的相似性度量函数有：Tversky 对比匹配函数、改进的Tversky匹配法、距离度量法(也称最近邻算法)和Weber计算法。最近邻算法是最常用的一种算法，下面以它为例介绍初步提出的知识重构算法：假设事件是它的特征值，在数据库模型中代表事件记录的各个字段，是对应的权重。是n-维特征空间上的一个点，。对于D上的两个点，则在D上的距离为：其中 在上式中r=2时，为欧拉距离。除了常用的欧拉距离、曼哈顿距离、无限模距离外，还有其它的距离度量函数，如Hausdorff, Minkowsky, Mahalanobis, Hamming等。为我们的相似度量定义，当r=2时为欧拉距离度量法：当r=1时为Hamming距离度量法：在数据库的知识重构中，当目前发生的事件在数据库的已发生事件中存在时，对于该事件的决策很容易根据已有经验得出；当出现新事件时，我们初步提出的重构公式为：电梯群是一个复杂的非线性系统，其交通数据知识的获取也是一个复杂的过程，非常适合该模型的应用。把课题提出的基于数据库的虚拟人脑控制器模型应用于这种控制中能实现很好的控制。4、本项目的特色与创新之处。研究数据库信息的敏感度、变化频度用来表示知识动态属性。提出基于三维数据库信息的知识表示及重构法用来模拟人脑的记忆和思维决策机制。在研究基于数据库的知识表示及重构法则基础上，提出基于三维数据库的虚拟人脑控制器模型，模拟人脑的信息存贮及自主学习过程，实现控制器的终身学习功能。该控制器模型，自适应性强，能模仿人的智能对环境的变化做出响应。5、年度研究计划及预期研究结果。年度研究计划：2009年1月2009年5月(1) 对方案进行优化分解，制定本项目的详细工作计划；(2) 研究人脑的信息加工处理过程；(3) 研究人脑存贮信息及获取知识的过程；(4) 研究人脑的学习过程。2009年6月2010年8月(1) 对上一阶段的研究进行总结，写成总结报告；(2) 研究分析数据库信息之间的关系、信息变化频度、信息灵敏度及信息分类规律；(3) 研究分析数据库信息的知识表示及重构算法；(4) 数据库的虚拟人脑控制器模型；(5) 阶段总结并撰写相关论文。20010年9月2011年5月在电梯群控制中验证该控制器模型的有效性；20011年6月2011年12月（1）对该控制系统进行可靠性、智能性等的评估，分析和总结；（2）发表论文和撰写结题报告。预期研究成果：预期研究成果之一：基于数据库信息的知识表示及重构算法；预期研究成果之二：建立能反映人脑记忆、思维和决策过程的虚拟人脑控制器的模型；预期研究成果之三：建立起基于电梯群控制的虚拟人脑控制器的实验室验证模型。（二）研究基础与工作条件1、研究基础申请者长期从事自动化技术领域的研究工作。承担并完成了多项国家和省部级科研项目的研究。作为主要研究者参与了“蓄电池多微机测试，通信、数据管理及监控系统”、“SF1000蓄电池大电流微机放电装置”、“蓄电池电脑化成”、“SS系列蓄电池微机寿命测试装置”、“三相可控硅桥全数据化控制”、“219焊管集散控制系统”、“明治生命计算机保险系统”、“光缆、海底电缆CIMS制造系统”、 “机器人运动轨迹自动优化与编程”、“基于网络的摩托车发动机耐久性能监测系统”、“摩托车台架疲劳测控系统”、“基于Internet的三峡库区水质在线监测模型的研究”、 和“基于Internet的城市火灾实时监测的模型与研究”等十多项项目的开发研究工作，获四川省科技进步奖，四川省优秀软件奖和重庆市科技进步奖等各种奖励9项。发表研究论文30余篇，编写了可编程序控制器原理及应用一书，并获得重庆大学优秀教材奖。先后去法国、日本学习和研究9余年,现重庆大学罗克韦尔自动化实验室主任，重庆市首届学科学术带头人。申请者具有坚实的理论基础，学风严谨、学术思想活跃，具有很强的学术研究水平和科学研究能力。同时对能量变换与传输技术进行了前期研究，积累了大量的相关技术资料，获得了初步的研究成果。本项目组具有良好的试验条件和人员配备。已进行了项目相关的基本试验，能够确保电能的有效传输，并提出了进行高效中长距离无线电能传输的可行性方案。参加本项目研究的成员已发表数十篇自动化技术相关的研究文章，并收集了大量的技术资料，为本项目的研究进行了技术储备，做好了充分的前期研究工作。2、工作条件申请人现在重庆大学Rockwell自动化实验室从事科研工作。实验室具有较雄厚的资源：高性能网络服务器1台，工业计算机2台，Rockwell工业自动化控制设备若干台，配备有DH485、DH+、设备网(DeviceNet)、控制网(ContrlNet)及以太网(Ethernet)等网络，3O多台所计算机构成的局域网与校园网相连。同时，实验室拥有一批具有博士学位的年轻教师和博士生、硕士生所构成的团结向上的科学研究队伍，这是保证能够继续和完成本项目所有研究任务的基础。3、申请人简历1）段其昌简历：19731977 重庆大学电机系工业企业电气自动化专业学生； 19771984 重庆大学电机系助教； 19831984 四川外国语学院出国预备部进修法语； 19841987 法国巴黎高等师范学校留学生；19871991 重庆大学计算机及自动化系讲师； 19911994 重庆大学电子信息工程学院副教授； 19942000 日本FUJIKURA中央研究所研发工作； 2000至今 重庆大学自动化学院教授，重庆大学罗克韦尔实验室主任。获奖情况：四川省科技进步奖三等奖、四川省优秀软件二等奖、重庆市科技进步三等奖、重庆市高等教育优秀教学成果二等奖、重庆大学优秀教材奖、罗克韦尔自动化最佳教学实验室奖（Award for Outstanding Teaching Performance in appreciation of the labs excellent contribution to Rockwell Automation）、罗克韦尔自动化最佳实验室主任奖（Award for Best Lab Director In Appreciation of his outstanding contribution to Rockwell Automation）、Rockwell Automation Teacher Award等各种奖励18项。论文：1 段其昌，张红雷，基于搜索空间可调的自适应粒子群优化算法与仿真，此文已被控制与决策录用2段其昌,郝风霞，The research of DFIG Wind Power Generator System Exited by Matrix converter，发表于第18届CACIS会议，被评为优秀文章，并被推荐到系统仿真学报。3段其昌,郝风霞，Adaptive Fuzzy Control used in DFIG Variable Speed Constant Frequency Wind Power Generator System，已被第七届全球智能控制与自动化国际会议录用。4 Duan Qichang ,Tang Yi ，L.Zhang Design and Realization of Network Video Server Based on Single DSP, 2006 International Conference on Innovative Computing,Information and Control,IEEE Publisher5 Duan Qichang，Jin Hongbo Monitoring System of Water Environmental Safety of China Three Gorges Based on GPRS&GIS, (2005ISSST) PROGRESS IN SAFETY SCIENCE AND TECHNOLOGY 6 Duan Qichang, Mao Li Research of SMB-Based Highly Distributed Data Acquisition System, 2006 International Conference on Innovative Computing,Information and Control,IEEE Publisher7 Duan Qichang Jin Hongbo，L.Zhang The Self-study and Auto-control Model of Machines Lifetime Learning based Database, 2006 International Conference on Innovative Computing,Information and Control,IEEE Publisher8 Duan Qichang Jin Hongbo，The Power Function Neural Network and its Application in English Letter Recognition，the IASTED International Conference on Computational Intelligence (CI 2005), July 04 to July 06, 2005, at Calgary, Canada. 9 Duan Qichang，Mao Li Design of Remoter Fire Alarm System Based on GSM, (2006ISSST) PROGRESS IN SAFETY SCIENCE AND TECHNOLOGY I10 段其昌，陈卓，何强.基于Internet的智能火灾监控系统.重庆大学学报自然科学版，2004.4论文编号：1000-582X(2004)04-0053-0411 Duan Qichang, Mao Li， Research and Design of GSM-Based Fire Alarm System, Proceedings of the 11th Joint International Computer Conference12 段其昌，何国胜， 基于线性插值机理的两级倒立摆建模与实现, 控制工程, ISSN 1671-7848 CN21-1476/TP13 段其昌，金洪波 ，基于分层模板库的两类印刷体字符识别, 计算机科学CRSSC2005, ISSN 1002-137X CN50-1075/TP14 段其昌，金洪波，幂函数及统计预处理在英文字母识别中的应用, 计算机仿真, ISSN 1006-9348 CN11-3724/TP15段其昌，基于数据库的机器终身自学习自主控制模型, 中国人工智能学会第二届人工生命及应用学术会议论文集16 段其昌，张昆，MATLAB与PLC之间的通讯技术, 自动化技术与应用17 张从力，段其昌，李新，潘锦铃. Research of Fire Hazard Critical Guidelines of Mine Use Belt Conveyor and Automatic Fighting Fire System. WCICA2004. Vol.4 of 6，杭州，2004.06（论文编号：S1880；第五届全球智能控制与自动化大会；ISBN:0-7803-8273-0；IEEE Catalog Number:04EX788；Library of Congress Number:2003115847）18 张从力，段其昌，李新，冯刚. Development of Integral Intelligent Device use Gas Monitoring and Control. 2004ISSST. Vol.IV, 上海，2004.10（论文编号：755；EI检索；2004安全科学与技术国际会议（2004ISSST）19 张从力，李新，段其昌，潘锦铃Research on Treatment Gas Accumulation on Upper Corner of Mining Working Face. 2004ISSST. Vol.IV, 上海，2004.10（论文编号：754；EI检索；2004安全科学与技术国际会议（2004ISSST）20 陈卓，段其昌，张从力. 基于OPC和Web的水质在线监测系统的设计. 中国仪器仪表学会第六届青年学术会议. 仪器仪表学报，2004特刊, 2004.10（仪器仪表学报，2004特刊；论文编号：122；论文首先在“中国仪器仪表学会第六届青年学术会议”上发表，然后在“仪器仪表学报”上全文刊出。）21 金洪波，段其昌，张从力. 表决算法及其在PTR2000通讯协议中的应用. 中国仪器仪表学会第六届青年学术会议. 仪器仪表学报，2004特刊, 2004.10（仪器仪表学报，2004特刊；论文编号：109；论文首先在