（计算机应用技术专业论文）基于人工智能的质量监控系统研究与应用.pdf

摘要 氧气在钢铁、冶炼、医疗等领域发挥了重要的作用，许多工业部门都采用很多方 法来制取氧气。在空分制氧的工业流程中，很多外界因素直接影响到氧气的质量。如 何制取高质量的氧气，是个迫在眉睫的问题。 本文结合了人工智能的相关技术，即神经网络技术和专家系统技术，设计了空分 制氧质量监控系统。在计算机众多学科研究成果基础之上，综合利用神经网络、专家 系统在各行各业最新研究成果的同时，对质量监控系统进行了研究与实践，并取得了 一定的进展。根据神经网络的特点，对前馈型神经网络算法和反馈型神经网络算法进 行比较，就其典型模型- b p 网络模型与h o p f i e l d 网络模型进行分析，最后确定其中 一种对制氧质量进行预测；利用专家系统类型、结构和工作原理，对本系统发生的异 常情况能够及时、准确地进行质量监控，依据专家系统的设计步骤，研发了异常处理 专家系统。 关键词：空气分离法人工智能神经网络感知器专家系统 a b s t r a c t o x y g e ni si m p o r t a n tt o s o m ef i e l d s ，s u c ha si r o na n ds t e e l ，s m e l lt r e a t m e n t s o i n d u s t r i e sh a v em a n u f a c t u r e do x y g e nb ym a n ym e t h o d s i nt h ew o r kf l o wo f m a k i n go x y g e n b ys e p a r a t i n ga i r , s o m ee x t e r n a lf a c t o r sw i l la f f e c td i r e c t l yt h eo x y g e nq u a l i t y i ti sac r u c i a l p r o b l e mt h a th o wt oi m p r o v et h eh i g hq u a l i t y t h e p a p e r h a sd e s i g n e dt h eq u a l i t yc o n t r o l l i n gs y s t e mt om a k eo x y g e nb ys e p a r a t i n ga i r i th a sc o m b i n e da r t i f i c i a li n t e l l i g e n c e sr e l a t i n gt e c h n o l o g y , m a i n l yc o m b i n en e r v en e t w o r k a n de x p e r ts y s t e m o nt h eb a s eo fal o to fc o m p u t e r ss c i e n t i f i cr e s e a r c ha c h i e v e m e n t s ，a n d t h en e w l ya c h i e v e m e n t so f u t i l i z i n gc o m p r e h e n s i v e l yn e r v en e t w o r ka n de x p e r ts y s t e mi n a i lk i n d so fp r o f e s s i o n s ，t h ep a p e rh a ss t u d i e da n dp r a c t i c e dt h eq u a l i t yc o n t r o l l i n gs y s t e m ， a n dh a sm a d e p r o g r e s s a c c o r d i n gt on e r v en e t w o r k sf e a t u r e s ，t h ep a p e rh a sc o m p a r e dt h e a l g o r i t h mb e t w e e nf o r w a r dn e t w o r k a n dc y c l en e t w o r k , a n a l y z e dt h ep a r e mb e t w e e nb pa n d h o p f i e l d ，a n da tl a s td e f i n eo n e t of o r e c a s tt h eo x y g e n sq u a l i t y ；t h ep a p e ra l s oh a su t i l i z e d t h et y p e ，s t r u c t u r ea n dw o r k i n gp r i n c i r l l eo ft h ee x p e r ts y s t e m ，i t sp u r p o s ei st oc o n t r o l p r o m p t l ya n da c c u r a t e l yt h ea b n o r m a lc i r c u m s t a n c e sh a p p e n e di nt h es y s t e m ，j u d g i n gb yt h e d e s i g n i n gs t e p so f t h ee x p e r ts y s t e m ，d e v e l o p e dt h ea b n o r m a lh a n d l i n ge x p e r ts y s t e m k e yw o r d s ：a i r - s e p a r a t e dm e t h o d a r t i f i c i a l i n t e l l i g e n c e n e r v en e t w o r k p e r c e p t i o n - m a c h i n ee x p e r ts y s t e m 长春理工大学硕士学位论文原创性声明 本人郑重声明：所呈交的硕士学位论文，基于人工智能的质量监控系统研究 与应用是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已 经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品 成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本 人完全意识到本声明的法律结果由本人承担。 作者签名：l 8坦1 2 年卫月五日 长春理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“长春理工大学硕士、博士学位论文版权 使用规定”，同意长春理工大学保留并向国家有关部门或机构送交学位论文的复印 件和电子版，允许论文被查阅和借阅。本人授权长春理工大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段 保存和汇编学位论文。 作者签名 指导导师 年卫月三细 年堋三如 第1 章绪论 1 1 课题背景及国内外研究现状 1 1 1 课题背景 氧气的制造，在国内外许多工业领域都十分热门，原因在于氧气的应用特别广泛。 在钢铁行业，将高纯氧吹入转炉使铁中的碳、硫、磷、硅等杂质氧化，可以大大缩短 冶炼的时间，提高钢的质量；在有色金属行业，用富氧代替空气进行熔炼，可以降低 能耗，减少有害烟气量，提高设备生产能力；在化学工业，合成氨生产化肥过程中使 用氧气可以强化工艺过程，提高化肥产量；在能源工业，利用氧气煤气化及煤气化联 合发电等；在机械工业，使用氧气进行金属切割及焊接；在国防工业，液氧可做火箭 和超音速飞机的助燃剂，液氧浸泡的可燃物可做炸药；在医疗部门，病人的急救及辅 助治疗也离不开氧气。 工业制氧方法有很多种，随着时间的推移和技术的不断发展，主要有以下几种： 1 水电解法 将水电解产生氧气：2 h 2 0 = 0 2 + 2 h z 利用水电解法可以同时生产氢气和氧气，并且氧气的纯度很高，但是此方法比较 危险，因为氢气是属于易燃易爆气体，每生产1 m 3 氧气的同时可以生产2 m 3 的氢气，而 且耗电量大，每生产1 m 3 的氧气耗电量约为1 2 1 5 度，不适合大量氧气的生产。 2 化学法 ( 1 ) 将氯酸钾加热分解出氧气，1 公斤氯酸钾能放出2 7 0 升氧气； ( 2 ) 氧化钡加热生成过氧化钡，再加热放出氧气，2 b a o + 0 2 = 2 b a 0 2 ，2 b a o z = 2 b a o + 0 2 ， 1 公斤氧化钡可以制取1 0 0 升氧气。 利用化学法生产氧气原料贵重，消耗量大；生产能力小；也不适宜大量生产。 3 空气分离法 ( 1 ) 低温法将空气压缩、冷却，使空气饱和液化，利用氧、氮组分的沸点差， 用精馏的方法将氧氮分离，从而获得高纯度的氧和氮。低温法是实现空气分离深冷与 精馏的组合，是目前应用最为广泛的空气分离方法，在国内外的制氧行业中占统治地 位。 低温法生产氧气产量较大，目前国内最大的制氧机在宝钢，制氧能力为7 2 0 0 0 m 3 h ， 国外最大的制氧机在巴西，制氧能力为1 1 0 0 0 0 m 3 h , 氧气和氮气纯度高，氧气的纯度 可达9 9 6 以上，氮气纯度可达9 9 9 9 ；电耗低；适宜大规模生产；可以同时生产氩 气等稀有气体。 ( 2 ) 吸附法让空气通过分子筛吸附塔，利用分子筛对空气中的氧、氮组分选择 性吸附而使空气分离获得氧气。 吸附法生产氧气流程简单，常温运行，设备便易，投资少；全自动控制，制氧快 速，能耗低，生产l m 3 的氧气耗能只有0 4 k w h ；但是产品单一，不能同时生产氧和氮； 纯度低，氧气纯度只有9 0 9 3 ：另外，分子筛体积大，不适合大型化生产，一般只 用在小于4 0 0 0 m 3 h 氧气的场合；分子筛切换时间太短( 两分钟) ，系统容易出现故障， 不适合连续运转。 ( 3 ) 膜分离法利用有机聚合膜的选择渗透性，从气体混合物中将氧、氮分离， 获得富氧气体。 根据氧、氮、氩透过膜的速率不同，氧 氩 氮，氧气透过膜的速度约为氮气的4 5 倍。由于分离膜很薄，而且具有很多的微孔，分离膜对不同的气体组分具有选择透过 性，所以氧气最先分离出来。再加上不同气体组分在分离膜中的溶解度和扩散系数不 同，在膜中形成气体浓度梯度，同样能够分离出氧气。 利用膜分离法产品纯度较低，氧纯度只有4 0 5 0 ，它可以生产高纯度的氮气；装 置简单，操作方便，运动元件及易损元件少，运行比较平衡，但是分离膜易堵塞，而 且分离膜制造困难，价格高，因此不适合大型化生产。 到目前为止，工业领域制氧技术主要是空气分离法，但随着科技飞跃的发展，使 得信息技术、微电子技术在自动化企业和控制系统中广泛的应用起来，工业控制网络 与信息管理网络的一体化发展，企业生产过程数字化的数据采集、调节控制、监控与 组态设计以及设备维护、生产管理、经营决策等环节，将通过一体化的网络通信平台 统一到一个完整的综合自动化信息系统，以实现现场设备的数字化、生产过程控制的 智能化、企业管理的信息化以及咨询服务的网络化。在此基础上，通过采用一些实时 数据库技术、软测量技术、数据融合与数据处理技术、先进控制与过程优化技术、e r p 技术等，实现工业生产过程的远程监控、故障诊断与维护，实现工业企业全厂的管控 一体化。事实上，自从计算机发明以来，自动化技术就和信息技术紧密结合到了一起。 信息技术的发展，给自动化技术提供了越来越多的手段和越来越便捷的工具，使得过 去很多自动化技术中高超的技巧( 例如各种复杂的p i d 算法和诸如均匀控制、解耦控 制、模糊控制等高级算法) 变成了一段比较容易实现的软件代码。 近年来，人们根据计算机技术的迅猛发展和日益广泛的应用，自然地会提出人类 智力活动能不能由计算机来实现的问题。几十年来，人们一向把计算机当作是只能以 极快地、熟练地、准确地运算数字的机器。但是在当今世界要解决的问题并不完全是 数值计算，像语言的理解和翻译、图形和声音的识别、决策管理等都不属于数值计算， 特别是医疗诊断要有专门的特有的经验和知识的医师才能做出j 下确的诊断、工业生产 高质量的产品要减少很多不必要的浪费带来更高的效益。这就要求计算机能从“数据 处理”扩展到还能“知识处理”的范畴。计算机能力范畴的转化是导致“人工智能” 快速发展的重要因素。 人工智能“1 研究的目标就是要设计并制造一种智能机器系统。目的在于使该系统 能代替人，去完成诸如感知、学习、联想、推理；为了使人类生活得更美好，让机器 能够去理解并解决各种复杂困难的问题，代替人去巧妙地完成各种具有思维劳动的任 务，成为人类最聪明最忠实的助手和朋友。利用人工智能，要最大限度地发挥计算机 2 的灵巧性，使电脑能模拟人脑，在机器上实现各种智能。例如，让计算机能够看、听、 读、说、写；使计算机还能想、学、模仿、执行命令甚至出谋献策及创新等。此外， 从长远来看，人工智能既然能够设计智能系统，就应该能够充分理解并能解释人类的 各种智能现象和行为。 1 1 2 国内外研究现状 9 0 年代以来，国外发展起一种利用高效吸附剂的真空变压吸附( v p s a ) 空气分离 制氧新技术，与传统的深冷分离空分制氧技术相比，具有装置简单、能耗低、自动化 程度高、开停车快等优点，在产氧量1 5 0 0 0 m 3 h 以下时，制氧成本低于深冷分离装置， 国际上发展很快。而我国一直未能掌握此技术，特别是高效吸附剂制备技术，因此国 外公司利用其技术垄断地位，将该高效吸附剂与制氧设备捆绑后以高昂价格向我国出 售。但是，人工智能技术并未应用到此技术上，因为此时人工智能才刚刚崛起，这个 新生事物一时无法在电脑上模仿人脑的思考，更不用说是应用到工业质量监控系统中 去。 当日本政府提出了第五代计算机k i p s ( 知识信息处理系统) 的十年研究计划，并 投入巨资加以支持的时候，在全世界形成了a i 发展竞争热潮，并有人称之为a i 发展 的里程碑。在这个时期，北京大学化学院吸附技术课题组经过多年研发，发明了高效 离子交换新工艺和特殊结构的吸附剂焙烧炉，并解决了低硅铝比x 型分子筛放大生产 过程中的难题，开发出低成本生产l i l s x 型变压吸附空分制氧高效吸附剂的新工艺， 吸附剂在2 5 c 、l a t m 下，n 2 吸附量 一2 2 m l g 、0 2 吸附量3 9 m l g ，性能显著高于目前 国内已有的吸附剂，也优于国外同类产品，达到国际领先水平。 利用此高效吸附剂，北京北大先锋科技有限公司开发出成套真空变压吸附空分制氧 技术，包括发明了特殊结构的气流分布器，解决了变压吸附空分制氧装置大型化时大 直径浅吸附床气流分布不均匀难题，在国内首次实现了锂分子筛( l i l s x ) 高效吸附剂 的大型变压吸附空分制氧，o ：纯度9 0 - - 9 5 、单位制氧电耗0 3 3 一o 3 5 k w h ，使我国 变压吸附空分制氧技术达到国际先进水平，结束了外国公司在我国的技术垄断地位。 1 2 论文研究内容 本文研究内容是为及时监测控制空分制氧流水线运行质量情况，研究了基于人工 智能的质量监控系统。该系统的主要目的：一是通过提取空气注入双层压缩机内，对 其相关指标如压力、温度、湿度等分析评价，将空气由气态转为液态和其他杂质进行 监控；二是对液态空气进行分流的动态检测，如溶点、沸点、提氧纯度等参数；三是 以真实、准确、及时的信息，反映整个流水线制氧的结果，对不符合标准的流程给予 警告、并提示相应的修改信息，以提高工作效率、减少资源浪费、材料耗费等。四是 从动态监测、动态预警、目标完成情况监控和保值增值完成情况、效绩评价等方面全 方位、多层次监控空分制氧系统的运行质量和运行效益。 具体有以下几个方面： 1 质量监控系统应用的相关技术 详细地描述了空分制氧工业流程，为了实时监测质量，研发了基于人工智能的质 量监控系统，较为系统地介绍了人工智能的概念、内容及应用领域，根据其综合性极 强、实现智能问题的机器求解、技术完善的特点，着重地分析了在空分制氧整个质量 监控系统中，采用的相关技术手段神经网络技术和专家系统。 2 建立神经网络模型 目前人工神经网络作为一种非线性的、与大脑智能相似的网络模型，主要包括两种， 一是前馈神经网络，二是反馈神经网络，详细地分析对比二者的算法与典型模型，选 择其一，为质量监控系统建立神经网络模型。从数据库中提取空分制氧过程中的各种 参数，作为神经网络模型的训练样本，对整个系统进行预测。 3 设计专家系统 专家系统广泛地应用于医疗诊断、地质勘探、石油化工、军事等各个领域，运用其 技术对空分制氧监控系统的结果进行动态监测、动态预警，设计一个异常处理专家系 统，详细介绍系统的结构、实现及运行过程，防止不应有的损失，产生较大的社会效 益和经济效益。 1 3 论文内容组织 本文共分为五章： 第1 章：绪论。着重介绍了本课题的研究背景、国内外的研究现状、论文的研究 内容及论文的内容组织。 第2 章：质量监控系统相关技术。详细地阐述了空分制氧流水线的工作过程，系 统地介绍了人工智能的概念、内容及应用领域，并分析了其质量监控中采用专家系统 和神经网络技术的必要性。 第3 章：建立神经网络模型。概述神经网络模型学习规则、拓扑结构，详细地分 析了前馈神经网络与反馈神经网络的构成，对两种神经网络具有代表性的典型模型进 行了算法的比较，确定了在空分制氧质量监控系统中神经网络模型的建立及其建立过 程，并对系统运行的结果进行预测。 第4 章：异常处理专家系统的设计。针对空分制氧流程出现的异常情况，设计了 异常处理专家系统。主要介绍了专家系统的结构与工作原理，以及系统的结构、系统 的实现和运行。 第5 章：总结与展望。对本文进行了总结，对下一步研究工作进行了展望。 4 第2 章质量监控系统相关技术 本章阐述了空分制氧流水线的工作过程，并在质量控制方面，即采用人工智能技 术作了较为系统地介绍，根据人工智能的概念、内容及应用领域，着重分析了在质量 监控系统中神经网络技术和专家系统技术的重要性。 2 1 空分制氧工作流程 空气是气体的混合物，主要包含氮气( 约占空气体积的4 5 ) 、氧气( 约占空气体 积的1 5 ) 。干燥空气的组成见表2 1 。 表2 - l 干燥空气的组成 气体名称组成( 容积)气体名称组成( 容积) 氮 7 8 0 8 4 氙 0 8 7 x 1 0 。3 氧2 0 9 4 6氢0 5 0 x 1 0 一 氩 0 9 3 4 = 氧化碳 0 0 3 5 氖1 8 2 1 x 1 0 3乙炔0 1 0 1 0 氦5 2 4 x 1 0 1碳氢化合物1 _ 0 1 0 1 氪 1 1 4 1 0 4 ( 乙炔除外) 工业上先将尘埃、水和二氧化碳除去，然后把净化的空气送入双层压缩机内。此 压缩机的第一层是空气液化装置。根据在低温高压的条件下，空气也能液化，因此在 第一层压缩机内，使空气的压强增大，温度降低，直到转变成液态，得到液态空气。 此时的液态空气，主要是由液态氧和液态氮组成，还有少量的杂质。我们把液态空气 注入第二层压缩机进一步精馏。由于氧和氮的沸点不同，液态氮的沸点比液态氧的沸 点低，在此压缩机内将液态空气蒸发，把沸点不同的各种成分分离开来，所以，氮气 先从液态空气中蒸发出来，剩下的主要是液态氧。通过升温，即可得到氧气。如图2 1 所示。 图2 1 空分制氧工作流程 2 2 人工智能概述 伴随着计算机及其信息科学的长足发展与进步，人工智能这一新兴研究领域吸引了 众多的青年学者前仆后继的艰辛奋斗，迄今已经取得了许多世人瞩目的成就：诸如计 算机战胜人类，成为国际象棋世界冠军：具有情绪表现的玩具机器人；具有简单检测 与判断操作的智能家用电器；各种具有复杂功能的智能飞行器等。 人们把人工智能同宇航空间技术、原子能技术一起誉为2 0 世纪对人类影响最为深 远的三在前沿科学技术成就。与前三次工业革命( 动力工业革命、能源工业革命、电 子工业革命) 目标不同，人工智能宣称的目标不只在于实现人的肢体功能、体力工具 的替代与延伸，而更重要的是实现人的大脑功能和智慧能力的替代与延伸。 2 2 1 人工智能概念 人工智能“1 ，英译名为a r t i f i c i a li n t e l l i g e n c e ，简称a i ，即研究人类智能活 动的规律，构造具有一定智能的人工系统，让计算机去完成以往需要人的智力才能胜 任的工作，也就是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。 从学科地位和发展水平柬看，人工智能是当代科学技术的前沿学科；也是一门新 思想、新理论、新技术、新成就不断涌现的新兴学科。人工智能的研究，是在计算机 科学、信息论、控制论、心理学、生理学、数学、物理学、化学、生物学、医学、哲 学、语言学、社会学等多学科的基础上发展起来的，因此，它又是一门综合性极强的 边缘学科。 2 2 2 人工智能内容 人工智能既是综合性极强的边缘学科，又是兼容并蓄的基础科学，理论体系不断丰 富完善，前沿攻关及实验课题层出不穷。 早期学者们认为，在人工智能基础理论和基本系统中，至少应包括如下4 方面的 基本技术“1 ： 1 机器学习和知识获取技术主要有信息变换技术，知识信息的理解技术，知 识的条理化、规则化技术，机器的感知与成长技术等。 2 知识表示与处理技术包括知识模型的建立与描述技术、表示技术及各种知 识模型处理技术方法等。 3 知识推理和搜索技术尤其包括演绎推理计算和智能搜索技术。 4 a i 系统构成技术包括a i 语言，硬件系统及智能应用系统等方面的构成技 术等。 基于人工智能上述基本技术，可以认为人工智能目i j i 的基本研究内容应包括以下 几个方面： 1 机器感知 所谓机器感知就是使机器( 计算机) 具有类似于人的感知能力，包括视觉、听觉、 触觉、力感、味觉、嗅觉、知觉等。其中以机器视觉与机器听觉为主。机器视觉是让 机器能够识别并理解文字、图像、景物等；机器听觉则是让机器能识别并理解人类语 言表达及语声、音响等。从而形成了人工智能的两个专门的研究领域，即模式识别与 自然语言理解技术分支。 2 机器思维 所谓机器思维是指对感知得来的外部信息及机器内部的各种工作信息进行有目的 处理。正像人的智能是来自大脑的思维活动一样，机器智能也主要是通过机器思维实 6 现的。因此，机器思维是人工智能研究中最重要而关键的部分。为了使机器能模拟人 类的思维活动，尤其需要开展以下几方面的研究工作： ( 1 ) 知识的表示，特别是各种不精确、不完全知识的表示。 ( 2 ) 知识的推理，特别是各种不精确推理、归纳推理、非单调推理、定性推理， 还包括各种启发式搜索推理及控制策略的研究。 ( 3 ) 神经网络、人脑的结构及其工作原理。 3 机器学习 人类具有获取新知识、学习新技巧，并在实践中不断完善、改进的能力，机器学习 就是要使计算机具有这种能力，使它能自动地获取知识，能直接向书本学习，能通过 与人谈话学习，能通过对环境的观察学习，并在实践中实现自我完善，克服人们在学 习中存在的局限性，例如容易忘记、效率低以及注意力分散等。 4 机器行为 与人的行为能力相对应，机器行为主要是指计算机的表达能力，即“说”、“写”、 “画”的能力，对于智能机器人，它还应具有人的四肢功能，即能走路，能取物，能 操作等。 2 2 3 人工智能应用领域 人工智能主要研究用机器( 主要是计算机) 来模仿和实现人类的智能行为，经过 几十年的发展，人工智能应用在不少领域得到发展，在我们的日常生活和学习当中也 有许多地方得到应用。 1 机器翻译 机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成 这一过程的软件系统叫做机器翻译系统。几十年来，国内外许多专家、学者为机器翻 译的研究付出了大量的心血和汗水。虽然至今还没有一个实用、全面、高质量的自动 翻译系统出现，不过也取得了很大的进展，特别是作为人们的辅助翻译工具，机器翻 译已经得到大多数人的认可。目前，国内的机器翻译软件不下百种，根据这些软件的 翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻译类。词典类翻 译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单 词或词组的词义，并提供单词的发音，为用户了解单词或词组含义提供了极大的便利。 汉化翻译软件的典型代表是“东方快车2 0 0 0 ”，它首先提出了“智能汉化”的概念， 使翻译软件的辅助翻译作用更加明显。以“译星”、“雅信译霸”为代表的专业翻译 系统，是面对专业或行业用户的翻译软件，但其专业翻译的质量与人们的实用性还有 不少差距，有人评价说“满篇英文难不住，满篇中文看不懂”，该说法虽然比较极端， 但机译译文的质量确实却一直是个老大难问题。 在目前的情况下，计算机辅助翻译应该是一个比较好的实际选择。事实上，在很 多领域中，计算机辅助人类工作的方式已经得到了广泛的应用，例如c a d 软件。如果 计算机辅助技术用于语言的翻译研究，应该同样可以起到很大的辅助作用，这就是所 7 谓的“计算机辅助翻译”。它集机器记忆式翻译、语法分析式翻译和人际交互式翻译 为一体，把翻译过程中机械、重复、琐碎的工作交给计算机来完成。这样，翻译者只 需将精力集中在创造性的思考上，有利于工作效率的提高。 机器翻译研究归根结底是一个知识处理问题，它涉及到有关语言内的知识、语言 问的知识、以及语言外的世界知识，其中包括常识和相关领域的专门知识。随着因特 网的普及与发展，机器翻译的应用前景十分广阔。作为人类探索自己智能和操作知识 的机制的窗口，机器翻译的研究与应用将更加诱人。 2 模式识别 模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里， 我们把环境与客体统称为“模式”。随着计算机技术的发展，用计算机实现模式( 文 字、声音、人物、物体等) 的自动识别，是开发智能机器的一个最关键的突破口，也 为人类认识自身智能提供线索。对人类来说，特别重要的是对光学信息和声学信息的 识别。这是模式识别的两个重要方面。市场上可见到的代表性产品有光学字符识别系 统、语音识别系统等。 计算机识别的显著特点是速度快、准确性和效率高。识别过程与人类的学习过程 相似。 以“汉字识别”为例：首先将汉字图像进行处理，抽取主要表达特征并将其特征 与汉字的代码存在计算机中。就像把老师教我们这个字叫什么、如何写的知识记忆在 大脑中。这一过程叫做“训练”。识别过程就是将输入的汉字图像经处理后与计算机 中所保存的全部汉字进行比较，找出最相近的字作为识别结果，这一过程叫做“匹配”。 语音识别就是让计算机能昕懂人说的话，一个重要的例子就是七国语言( 英、日、 意、韩、法、德、中) 口语自动翻译系统。其中，中文部分的实验平台设立在中国科 学院自动化所的模式识别国家重点实验室，这是口语翻译研究跨入世界领先水平的标 志。该系统实现后，人们出国预定旅馆、购买机票、在餐馆对话和兑换外币时，只要 利用电话网络和国际互联网，就可用手机、电话等与“老外”通话。 指纹是人体的一个重要特征，具有唯一性。北京大学有关专家对数字图像的离散 几何性质进行了深入研究，建立了从指纹灰度图像精确计算纹线局部方向、进而提取 指纹特征信息的理论与算法，随后研究成功了适于民用身份鉴定的全自动指纹鉴定系 统，以及适于公安刑事侦破的指纹鉴定系统。从而开创了我国指纹自动识别系统应用 的先河。 3 机器自动定理证明 机器定理证明( m a c h i n et h e o r e mp r o v i n g ) 是人工智能中最早进行探索并得到成功 应用的一个经典领域。可以说，通过机器定理证明问题的研究，为人工智能的发展起 到了重要推动作用。 定理证明的实质是：针对前提a 和结论b ，要求证明a b 的永真性。然而直接证 明a 一 b 的永真性十分困难。为此h e r b r a n d ( 海伯伦) 和r o b i n s o n ( 鲁宾逊) 先后进 8 行了卓有成效的研究，从而使定理证明得以在计算机上使用反演逻辑来完成。 新的历史条件下，对机器自动定理证明提出了更高的要求：机器必须能够像人一 样从环境甚至从领域中学习知识，从环境和领域中归纳智能规则，进而使用消解反演 原理，自动完成定理的领导证明。 4 智能决策支持系统 智能决策支持系统( i n t e l l i g e n td e c i s i o ns u p p o r ts y s t e m ，i d s s ) 是人工智能 与管理科学结合的产物，是把人工智能有关技术应用于决策支持系统领域而形成的独 立学科分支。 决策支持系统是以管理科学、运筹学、控制论和行为科学为基础，是在传统的管 理信息系统( m i s ) 基础上发展起来的一种计算机科学的管理方法，是以特定形式辅助 决策的一种科学工具。由于决策支持系统与人工智能原本是平行发展的两个学科，各 自有自己的研究方法与发展道路，因而要将两者结合起来，尚需解决许多技术上的难 题。 5 神经网络和专家系统 实际上，人工智能最广泛最有成效的应用领域是人工神经网络和专家系统，在后 面的章节中会详细地介绍。 2 3 空分制氧质量监控系统的技术手段 在空分制氧工作流程中，我们可以知道，在双层空气压缩机内，获得氧气完全受 控于外界环境，如压力、温度、气体的沸点、熔点等。这些参数的改变直接影响着最 终氧气的纯度。因此，设计一个质量监控系统，进一步完善空分制氧工业的完成情况， 提高质量和运行效益。 人工智能技术“。1 是本世纪科学技术的前沿和焦点，是现代信息技术的精髓，通 过学习，了解到人工智能的内涵及应用技术，则设计空分制氧质量监控系统主要采用 了神经网络技术和专家系统。 2 3 1 人工神经网络 1 概述 人工神经网络，简称神经网络，是一个用大量简单处理单元经广泛连接而组成的 人工网络，用来模拟大脑神经系统的结构和功能。作为智能的载体脑，拥有1 0 0 亿个神经元，即神经细胞，而且，每个神经元又通过多达一万个的突触与其他神经元 相连接，由此构成了一个规模庞大的、结构复杂的、并行处理的信息网络。 早在1 9 4 3 年，神经心理学家麦克洛奇和数学家皮兹就提出了形式神经元的数学模 型( m p 模型) ，从此开创了神经科学理论研究的时代，1 9 4 4 年赫布( h e b b ) 提出了改 变神经元连接强度的h e b b 规则，它们至今仍在各种神经网络模型的研究中起着重要的 作用。2 0 世纪6 0 年代至7 0 年代，由于神经网络研究自身的局限性，致使其研究陷入 了低潮，但到8 0 年代由霍普菲尔特( j j h o p f i e l d ) 提出了 i n n 模型，从而有力地推 动了神经网络的研究，由此又使人工神经网络的研究进入了一新的发展时期。 9 神经网络技术涉及的学科十分广泛，有神经生理学、认识科学、数理科学、心理 学、信息科学、计算机科学、微电子学、光学、动力学、生物电子学等。目前在神经 网络研究方法上已形成多个流派，最富有成果的研究工作包括：多层网络b p 算法， h o p f i e l d 网络模型，自适应共振理论，自组织特征映射理论等。人工神经网络是在现 代神经科学的基础上提出来的。它虽然反映了人脑功能的基本特征，但远不是自然神 经网络的逼真描写，而只是它的某种简化抽象和模拟。 2 在质量监控系统中的意义 在空分制氧流程中，影响提取氧气纯度的各项参数都等势分布贮存于网络内的各 神经元，具有很强的鲁棒性和容错性，建立的网络结构充分逼近任意复杂的非线性关 系，采用并行分布处理方法，使得快速进行大量运算成为可能。 在设计质量监控系统时，将许多不同的样本参数和对应识别的结果输入人工神经 网络，网络就会通过自学习功能，慢慢学会识别结果。这种自学习功能对于预测有特 别重要的作用，这样可以降低成本、劳动力，提高氧气的提取纯度，带来更好的经济 效益。另外，在这个系统中寻找一个复杂问题的最优解时，可能需要很大的计算量， 利用针对这种问题来设计神经网络模型，发挥计算机的高速运算能力，就会很快找到 优化解。 2 3 2 专家系统 1 简述 专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含 有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的 方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。专家系 统是人工智能应用研究最活跃和最广泛的应用领域之一，涉及到社会各个方面，各种专 家系统已遍布各个专业领域，取得很大的成功。 例如，地矿勘探专家系统p r o s p e c t o r 拥有1 5 种矿藏知识，能根据岩石标本及地 质勘探数据对矿藏资源进行估计和预测，能对矿床分布、储藏量、品味、开采价值等 进行推断，制订合理的开采方案，成功地找到了超亿美元的铜矿；专家系统m y c i n 能 识别5 1 种病菌，正确使用2 3 种抗菌素，可协助医生诊断、治疗细菌感染性血液病， 为患者提供最佳处方，成功地处理了数百病例；美国d e c 公司的专家系统x c 0 n 能根据 用户需求确定计算机的配置，专家来做这项工作一般需要3 个小时，而该系统只需要 半分钟；d e c 公司还建立了另外一些专家系统，由此产生的净收益每年超过4 0 0 0 万美 元。 专家系统是一种具有特定领域内大量知识与经验的程序系统，它应用人工智能技 术、模拟人类专家求解问题的思维过程来求解领域内的各种问题，其水平可以达到甚 至超过人类个体专家的水平。 2 在质量监控系统中的作用 专家系统具有很强的解释功能，能回答用户提出的问题，向用户解释它的决策动 1 0 机和结论的推理过程，使用户能清楚地了解系统处理问题正确性，通过增强系统的透 明度而取信于用户。在空分制氧质量监控系统中，专家系统将判断氧气的纯度，而且 必须给予用户提示信息，那么，这一专家系统就会向用户解释为什么会氧气纯度过低， 怎么样来处理这种情况。 专家系统往往要解决的是那些不确定型的、非结构化的复杂高难问题，它用推理 的方法把问题领域局限在比较狭窄的特定领域中，力求在解决某一个应用领域的特定 问题时达到甚至超过领域专家的水平。专家系统的高性能取决于知识库所使用的知识 表示是否能很好地表示知识，以及是否具有良好的推理方法。另外，专家系统解决的 是人们在生产实践、科学研究、产品设计以及其他领域的实际问题，更多地强调实用。 它不像人那样容易疲劳、遗忘，易受环境、情绪的影响。专家系统便于保存和大面积 推广各种专家的宝贵知识，更有效地发挥各种专业人才的作用，再加上它具有的解释 功能，系统设计者和领域专家就可方便地找出系统隐含的错误，便于对系统进行维护。 第3 章建立神经网络模型 神经网络的基本组成单元是神经元，在数学上的神经元模型是和在生物学上的神 经细胞对应的。或者说，人工神经网络理论是用神经元这种抽象的数学模型来描述客 观世界的生物细胞的。神经网络是一个高度非线性动力学系统。虽然，每个神经元的 结构和功能都不复杂，但是神经网络的动态行为则是十分复杂的，因此，用神经网络 可以表达实际物理世界的各种现象。 神经网络模型“1 由网络拓扑、节点特点和学习规则来表示。人工神经网络的模型 现在有数十种之多，应用较多的典型的神经网络模型包括b p 网络、h o p f i e l d 网络、a r t 网络和k o h o n e n 网络。在本章中主要介绍前馈型神经网络( b p 网络模型) 和反馈型神 经网络( h o p f i e l d 网络模型) ，分析其算法，并在空分制氧质量监控系统中建立一种神 经网络模型来预测系统的结果。 3 1 神经网络模型结构 k o h o n e nt 指出人工神经网络9 1 就是由简单单元( 通常为适应型) 组成的广泛并 行互连的网络，它的组织能够模拟生物神经系统的真实世界物体所做出的交互反映。 3 1 1 神经网络节点的描述 如图3 1 所示。 一 图3 1 神经元结构模型 设u 。为构成神经网络的某个神经元的内部状态，0 。为阈值，x 。为输入信号，w 。，表 示从u 。到u 。连接的权值。s 。表示外部输入信号( 在某些情况下，它可以控制神经元u 。， 使它保持在某一状态) ，上述假设可描述为： 0i = x j w i j + s 一0i ( 3 1 ) u i = f ( o1 )( 3 2 ) y i _ g ( u 。) = h ( o - ) ，h = g f ( 3 3 ) 3 1 2 神经网络的拓扑结构 1 不含反馈的前向网络 神经元分层排列，组成输入层、隐层( 亦称中问层，可有若干层) 和输出层，每 1 2 ： h k 一层的神经元只接受前一层神经元的输入。输入模式经过各层的顺次变换后，得到输 出层输出，感知器和误差反向传播算法中所使用的网络都属于这种类型。 2 从输出层到输入层有反馈的前向网络 输出层的结果又反馈到输入层的神经元，它可用来存贮某种模式序列，如神经认知 机。 3 层内有反馈的前向网络 通过层内神经元间的相互结合，可以实现同一层内神经元之间的横向抑制或兴奋机 制，这样可以限制每层内能同时动作的神经元数，或者把每层内的神经元分成若干组， 让每组作为一个整体来动作。例如，可以利用横向抑制机制把某层内具有最大输出的 神经元挑选出来，而抑制其他神经元处于无输出状态。 4 相互结合型网络 这种网络是在任意两个神经元之间都有可能有连接。h n n 和b o l t z 一 b a l l 机都属于这 一类。在无反馈的前向网络中，信号一旦通过某个神经元，过程就结束了。而在相互 结合网络中，信号要在神经元之间反复往返传递，网络处在一种不断改变状态的动态 之中。从某个初态开始，经过若干次的变化，才会达到某种平衡状态。根据网络的结 构和神经元的特性，还有可能进入周期振荡或其他如浑沌等不平衡状态。 以上1 ，2 和3 看作是4 的一种特殊情况，但不论从网络的计算和学习机制看，还 是从它们应用的场合看，都有很大的区别。 3 1 3 神经网络的学习规则 1 相关规则 依据连接之间的激活水平改变权系( 死记学习) 。 网络中若第i 个与第j 个神经元同时处于兴奋状态，则它们之间的连接权值应当 加强，即： w i j ( n + 1 ) = w i ，( n ) + w i j w i j _ n y t y j ， n o ( 3 4 ) 其中r l 为学习率，要求：y 0 ，1 或y 一1 ，+ 1 ) 。这种规则也称h e b bdd 学习 规则。 2 纠错规则 依据输出节点的外部反馈来改变权系，使实际输出与期望输出相一致( 有教师指 导的学习) 。 ( 1 ) 单层网络的学习规则 如果一个节点的输出正确，则连接权值不变。 如果输出本应为0 而为1 ，则相应地减小权值。 如果输出本应为1 而为0 ，则相应地增加权值。 网络中神经元j 与神经元i 的连接权值为w m 则对权值的修正为： w i j - r i6 t y j ( 3 5 ) 其中：t l 一学习率；6 。_ t 。一y 。为i 的偏差，即i 的实际输出和教师信号之差； 6 一学习规则。 ( 2 ) 广义6 学习规则 用于多层网络，对于输出层节点和相邻隐层节点问的权值修正用6 学习规则，对 于其他层间的连接权值，则使用广义6 学习规则。设i 为隐层节点，其偏差的计算为： 6 。= f ( 0i ) 6 。w 。( 3 - 6 ) a w 。j - n6 i y j( 3 7 ) 其中：6 。一i 的上一层节点的偏差；w 。一i 与k 间的连接权值。i 的下一层节点的 偏差可以用递归的方法得到。 ( 3 ) b o l t z m a n n 机学习规则( 模拟退火算法) 模拟退火算法是应用于神经网络中的一种重要的算法，该算法能找到全局最优解。 1 9 5 3 年m e r o p o l sn 等人研究二维相变时提出模拟退火算法，1 9 8 3 年h i n t o nge ， s e j n o w s k itj 和a c k l e ydh 把这种方法用于神经网络，提出了b o l t z m a n n 机。1 9 8 4 年g e m a ns 和g e m a nd 给出了退为率( 温度随时间变化率) 为：t ( t ) t ( 0 ) 。c 1 l nt ， 其中t ( 0 ) 是初始温度。这个退火过程太慢，因而效率低，难于实用。1 9 8 5 年h a r o l dh s z u 提出了一种快速模拟退火算法，使这种方法有了实际应用的可能性，退火率为： t ( t ) v ( o ) o c l t 。 ( 4 ) 梯度下降算法 将数学上的最优化方法应用于a n n 中，权值的修正量正比于误差对加权的一阶导 数。 x w 。j - 一i le w 。j ( 3 8 ) 其中：e 一描述误差的误差函数；r i 一学习率。 3 无教师指导的学习规则 学习表现为适应于输入空间的检测规则。 在学习过程中，神经元均参与彼此间的竞争活动，具有最大输出的节点是获胜者。 该获胜节点具有抑制其竞争者的能力和激活邻近节点的能力。只有获胜节点和其邻近 节点的权值允许被调整。获胜节点的邻近区域( 胜域) 在学习过程中逐渐变小。这种 学习规则也称竞争学习规则。 3 1 4 神经网络的分类 神经网络在目前已有几十种不同的模型。人们按不同的角度对神经网络进行分类， 通常可按5 个原则进行神经网络的归类。 1 按照网络的结构区分，则有前向网络和反馈网络。 2 按照学习方式区分，则有有教师学习和无教师学习网络。 3 按照网络性能区分，则有连续型和离散性网络，随机型和确定型网络。 4 按照突触性质区分，则有一阶线性关联网络和高阶非线性关联网络。 5 按对生物神经系统的层次模拟区分，则有神经元层次模型，组合式模型，网络 1 4 层次模型，神经系统层次模型和智能型模型。 3 2 前馈型神经网络 前馈型( f e e d f o r w a r dt y p e ) 网络n ”是由输入层，若干中间层( 隐蔽层) 和输出 层构成，层内各单元间无连接，层间的连接是由输入层经中间层至输出层，信号一个 方