面向智能製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 機器智能的發展 003
1.2.3 機器智能技術手段 004
1.3 智能製造概述 005
1.3.1 智能製造的定義 005
1.3.2 智能製造的發展 006
1.3.3 智能製造的特徵 007
1.3.4 智能製造的實現基礎 009
1.4 機器智能與智能製造 011
1.5 本書的主要內容和章節安排 012
參考文獻 013
第2章 製造系統中的智能化需求場景 015
2.1 產品的智能化需求 015
2.1.1 智能產品 015
2.1.2 產品智能化設計 017
2.1.3 產品質量自適應控制 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 工藝路徑智能規劃 020
2.2.3 工藝參數自適應優化 021
2.3 裝備的智能化需求 023
2.3.1 裝備自感知與監控 023
2.3.2 裝備故障預測與自診斷 025
2.3.3 裝備自主協同與柔性生產 026
2.4 決策的智能化需求 028
2.4.1 智能排產與調度 028
2.4.2 智能無人物流 032
2.4.3 人機協作與共融 034
2.5 本章小結 036
參考文獻 036
第3章 面向智能製造的機器智能結構模擬方法與應用 039
3.1 基於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網絡模型 042
3.2.1 單層感知機 042
3.2.2 多層感知機與BP神經網絡 047
3.2.3 Hopfield反饋神經網絡 050
3.3 結構模擬之捲積神經網絡模型 053
3.3.1 捲積神經網絡模型的基本元素 053
3.3.2 傳統捲積神經網絡模型 056
3.3.3 因果捲積神經網絡模型 057
3.4 結構模擬之循環神經網絡模型 059
3.4.1 時序數據 060
3.4.2 傳統循環神經網絡模型 061
3.4.3 長短期記憶網絡模型 062
3.5 結構模擬方法在智能製造中的應用案例 064
3.5.1 基於LSTM的通風系統熱需求功率智能預測 064
3.5.2　融合因果捲積與LSTM的鋰離子電池狀態智能監控 068
3.6 本章小結 080
參考文獻 081
第4章 面向智能製造的機器智能功能模擬方法與應用 083
4.1　基於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 數據中的因果關系發現理論 089
4.2.2 兩階段的因果關系推理方法 092
4.2.3 基於因果知識的製造系統可觀可控分析 098
4.3 功能模擬之專家系統構建與開發 100
4.3.1 專家系統的基本概念 100
4.3.2 專家系統的基本類型 104
4.3.3 專家系統的開發工具 107
4.4 功能模擬方法在智能製造中的應用案例 109
4.4.1 基於知識推理的復雜機械產品裝配質量控制 109
4.4.2 航天結構件的三維數控加工工藝設計專家系統開發 121
4.5 本章小結 126
參考文獻 127
第5章 面向智能製造的機器智能行為模擬方法與應用 129
5.1 感知-動作系統 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 特徵抽取與選擇 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製造中的應用案例 156
5.5.1 基於並行多目標遺傳算法的生產資源優化配置 156
5.5.2 基於模糊邏輯控制的物料運輸任務調度 163
5.6 本章小結 168
參考文獻 169
第6章 面向智能製造的機器智能機制模擬方法與應用 171
6.1　基於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的網絡化建模分析方法 174
6.2.1　網絡科學基本理論介紹 174
6.2.2 基於復雜網絡理論的製造系統優化決策方法 177
6.2.3 數據與網絡融合的製造系統建模與分析方法 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+預測+調控”智能決策新模式 191
6.4.1 關聯：製造系統耦合作用機理的智能分析 191
6.4.2 預測：製造系統性能演化規律的智能預測 193
6.4.3 調控：製造車間性能調控機制的智能構建 197
6.5 機制模擬方法在智能製造中的應用案例 202
6.5.1 基於復雜網絡的飛機總裝系統工時波動影響力評估 202
6.5.2　考慮工時柔性可變的製造系統資源動態調整 210
6.6　本章小結 220
參考文獻 221
第7章 面向智能製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 復雜系統理論 224
7.1.2 多智能體系統的一致性控制 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 230
7.2.3 時間沉積的實現 232
7.2.4 腦皮質學習算法原理 234
7.3 多智能體系統在智能製造中的典型應用 236
7.3.1 基於多智能體協同的大規模物料運輸調度優化 237
7.3.2 基於多智能體的多機器人控制 238
7.4 群集智能算法在智能製造中的典型應用 240
7.4.1 基於兩階段多目標蟻群算法的雲物流服務調度優化 240
7.4.2 基於粒子群算法的柔性車間調度系統 242
7.4.3 基於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 機器智能和智能製造的前沿動態與發展方向 248
8.1 機器智能的前沿動態與困難瓶頸 249
8.1.1 機器智能的最新進展和前沿動態 249
8.1.2 機器智能理論面臨的困難與瓶頸 253
8.2 智能製造的前沿動態與困難瓶頸 255
8.2.1 智能製造的最新進展和前沿動態 255
8.2.2 智能製造面臨的困難與瓶頸 261
8.3 本章小結 264
參考文獻 264