面向智能制造的機器智能理論與方法

第1章 緒論 001
1.1 智能科學技術的歷史使命和研究方向 001
1.1.1 歷史使命 001
1.1.2 研究方向 001
1.2 機器智能概述 003
1.2.1 機器智能的定義 003
1.2.2 機器智能的發(fā)展 003
1.2.3 機器智能技術手段 004
1.3 智能制造概述 005
1.3.1 智能制造的定義 005
1.3.2 智能制造的發(fā)展 006
1.3.3 智能制造的特征 007
1.3.4 智能制造的實現(xiàn)基礎 009
1.4 機器智能與智能制造 011
1.5 本書的主要內(nèi)容和章節(jié)安排 012
參考文獻 013
第2章 制造系統(tǒng)中的智能化需求場景 015
2.1 產(chǎn)品的智能化需求 015
2.1.1 智能產(chǎn)品 015
2.1.2 產(chǎn)品智能化設計 017
2.1.3 產(chǎn)品質量自適應控制 018
2.2 工藝的智能化需求 019
2.2.1 工藝模型自主生成 019
2.2.2 工藝路徑智能規(guī)劃 020
2.2.3 工藝參數(shù)自適應優(yōu)化 021
2.3 裝備的智能化需求 023
2.3.1 裝備自感知與監(jiān)控 023
2.3.2 裝備故障預測與自診斷 025
2.3.3 裝備自主協(xié)同與柔性生產(chǎn) 026
2.4 決策的智能化需求 028
2.4.1 智能排產(chǎn)與調(diào)度 028
2.4.2 智能無人物流 032
2.4.3 人機協(xié)作與共融 034
2.5 本章小結 036
參考文獻 036
第3章 面向智能制造的機器智能結構模擬方法與應用 039
3.1 基于結構模擬的機器智能理論與方法 039
3.2 結構模擬之人工神經(jīng)網(wǎng)絡模型 042
3.2.1 單層感知機 042
3.2.2 多層感知機與BP神經(jīng)網(wǎng)絡 047
3.2.3 Hopfield反饋神經(jīng)網(wǎng)絡 050
3.3 結構模擬之卷積神經(jīng)網(wǎng)絡模型 053
3.3.1 卷積神經(jīng)網(wǎng)絡模型的基本元素 053
3.3.2 傳統(tǒng)卷積神經(jīng)網(wǎng)絡模型 056
3.3.3 因果卷積神經(jīng)網(wǎng)絡模型 057
3.4 結構模擬之循環(huán)神經(jīng)網(wǎng)絡模型 059
3.4.1 時序數(shù)據(jù) 060
3.4.2 傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡模型 061
3.4.3 長短期記憶網(wǎng)絡模型 062
3.5 結構模擬方法在智能制造中的應用案例 064
3.5.1 基于LSTM的通風系統(tǒng)熱需求功率智能預測 064
3.5.2　融合因果卷積與LSTM的鋰離子電池狀態(tài)智能監(jiān)控 068
3.6 本章小結 080
參考文獻 081
第4章 面向智能制造的機器智能功能模擬方法與應用 083
4.1　基于功能模擬的機器智能理論與方法 083
4.2 功能模擬之因果知識推理方法 089
4.2.1 數(shù)據(jù)中的因果關系發(fā)現(xiàn)理論 089
4.2.2 兩階段的因果關系推理方法 092
4.2.3 基于因果知識的制造系統(tǒng)可觀可控分析 098
4.3 功能模擬之專家系統(tǒng)構建與開發(fā) 100
4.3.1 專家系統(tǒng)的基本概念 100
4.3.2 專家系統(tǒng)的基本類型 104
4.3.3 專家系統(tǒng)的開發(fā)工具 107
4.4 功能模擬方法在智能制造中的應用案例 109
4.4.1 基于知識推理的復雜機械產(chǎn)品裝配質量控制 109
4.4.2 航天結構件的三維數(shù)控加工工藝設計專家系統(tǒng)開發(fā) 121
4.5 本章小結 126
參考文獻 127
第5章 面向智能制造的機器智能行為模擬方法與應用 129
5.1 感知-動作系統(tǒng) 129
5.2 行為模擬之機器感知方法 133
5.2.1 機器感知基本原理 133
5.2.2 無線傳感器網(wǎng)絡基本概念 136
5.2.3 信息融合基本概念 137
5.3 行為模擬之模式分類方法 138
5.3.1 基本概念 138
5.3.2 特征抽取與選擇 140
5.3.3 常用模式分類方法 142
5.3.4 性能評估 147
5.4 行為模擬之計算智能算法 150
5.4.1 計算智能的基本概念 150
5.4.2 模糊計算方法 151
5.4.3 進化計算方法 152
5.5 行為模擬方法在智能制造中的應用案例 156
5.5.1 基于并行多目標遺傳算法的生產(chǎn)資源優(yōu)化配置 156
5.5.2 基于模糊邏輯控制的物料運輸任務調(diào)度 163
5.6 本章小結 168
參考文獻 169
第6章 面向智能制造的機器智能機制模擬方法與應用 171
6.1　基于機制模擬的機器智能理論與方法 171
6.2　機制模擬之復雜系統(tǒng)的網(wǎng)絡化建模分析方法 174
6.2.1　網(wǎng)絡科學基本理論介紹 174
6.2.2 基于復雜網(wǎng)絡理論的制造系統(tǒng)優(yōu)化決策方法 177
6.2.3 數(shù)據(jù)與網(wǎng)絡融合的制造系統(tǒng)建模與分析方法 182
6.3 機制模擬之強化學習方法 185
6.3.1 強化學習的基本框架 185
6.3.2 多智能體強化學習方法 189
6.4 機制模擬之“關聯(lián)+預測+調(diào)控”智能決策新模式 191
6.4.1 關聯(lián)：制造系統(tǒng)耦合作用機理的智能分析 191
6.4.2 預測：制造系統(tǒng)性能演化規(guī)律的智能預測 193
6.4.3 調(diào)控：制造車間性能調(diào)控機制的智能構建 197
6.5 機制模擬方法在智能制造中的應用案例 202
6.5.1 基于復雜網(wǎng)絡的飛機總裝系統(tǒng)工時波動影響力評估 202
6.5.2　考慮工時柔性可變的制造系統(tǒng)資源動態(tài)調(diào)整 210
6.6　本章小結 220
參考文獻 221
第7章 面向智能制造的機器智能其他理論與方法 223
7.1 多智能體與群集智能 223
7.1.1 復雜系統(tǒng)理論 224
7.1.2 多智能體系統(tǒng)的一致性控制 225
7.1.3 群集智能行為的生物原型 225
7.1.4 蟻群算法 226
7.1.5 粒子群算法 228
7.2 腦皮質學習算法 229
7.2.1 層級實時記憶 229
7.2.2 空間沉積的實現(xiàn) 230
7.2.3 時間沉積的實現(xiàn) 232
7.2.4 腦皮質學習算法原理 234
7.3 多智能體系統(tǒng)在智能制造中的典型應用 236
7.3.1 基于多智能體協(xié)同的大規(guī)模物料運輸調(diào)度優(yōu)化 237
7.3.2 基于多智能體的多機器人控制 238
7.4 群集智能算法在智能制造中的典型應用 240
7.4.1 基于兩階段多目標蟻群算法的云物流服務調(diào)度優(yōu)化 240
7.4.2 基于粒子群算法的柔性車間調(diào)度系統(tǒng) 242
7.4.3 基于腦皮質算法的時間序列異常檢測 243
7.5 本章小結 246
參考文獻 246
第8章 機器智能和智能制造的前沿動態(tài)與發(fā)展方向 248
8.1 機器智能的前沿動態(tài)與困難瓶頸 249
8.1.1 機器智能的最新進展和前沿動態(tài) 249
8.1.2 機器智能理論面臨的困難與瓶頸 253
8.2 智能制造的前沿動態(tài)與困難瓶頸 255
8.2.1 智能制造的最新進展和前沿動態(tài) 255
8.2.2 智能制造面臨的困難與瓶頸 261
8.3 本章小結 264
參考文獻 264