智能檢測(cè)技術(shù)和一般原理

1、1智能檢測(cè)技術(shù)和一般原理2上課內(nèi)容： 1、緒論（第一章） 2、人工智能一般原理 3、基于神經(jīng)網(wǎng)絡(luò)的檢測(cè)（第五章） 4、基于模糊邏輯推理的檢測(cè)（第八章） 5、專家系統(tǒng)（第七章） 6、信息融合技術(shù)（第九章）上課與考試要求：3“三心二意”，邁向成功專心、用心、開(kāi)心；知曉天意和人意專心：做每一件事情都要付出百分之百甚至百分之一百二十的精力。無(wú)論你做什么事情，都要全力以赴，全新投入，心無(wú)旁騖。用心：要會(huì)思考，在做每一件事情的時(shí)候都要學(xué)會(huì)問(wèn)一個(gè)為什么。這樣才能加深理解、舉一反三。追本溯源才是學(xué)習(xí)的真諦。開(kāi)心：要學(xué)會(huì)享受生活。我們除了工作學(xué)習(xí)，還有家人朋友，還要享受愛(ài)情親情友情，享受自然美景，享受文化藝術(shù)，

2、享受一切。4天意：要抓住機(jī)遇。這里的天，不是上帝，不是佛祖，是你自己。天上不會(huì)掉餡餅的（給你），但是，你得備著個(gè)盤(pán)子，等天上掉餡餅的時(shí)候，你可以接得住。這個(gè)盤(pán)子就是你自己的知識(shí)、能力、閱歷，還有你愿意改變的勇氣。人意：要學(xué)會(huì)自己做抉擇。經(jīng)商創(chuàng)業(yè)、豪宅名車(chē)、帥哥美女、埋頭科研、出國(guó)深造？哪一個(gè)適合你？抉擇往往是困難的。選擇一條適合自己的道路，聽(tīng)取他人的建議但不盲從。堅(jiān)持自己，相信自己。51、緒論一、傳統(tǒng)檢測(cè)技術(shù)及特點(diǎn)敏感元件信號(hào)放大與變換顯示裝置被測(cè)參數(shù) 用敏感元件將被測(cè)參數(shù)轉(zhuǎn)換成易于觀測(cè)的信息量，通過(guò)顯示裝置給出被測(cè)參數(shù)的具體的信息。特點(diǎn) 1、敏感元件與被測(cè)參數(shù)“一一對(duì)應(yīng)”：被測(cè)參數(shù)就是待測(cè)參

3、數(shù)；敏感元件的輸出與被測(cè)參數(shù)之間有確定的函數(shù)關(guān)系；測(cè)量結(jié)果主要取決于敏感元件。 2、敏感元件不能滿足新的測(cè)量要求我們?cè)撛鯓幼觯?二、智能檢測(cè)技術(shù)將人工智能的技術(shù)和方法應(yīng)用于參數(shù)的檢測(cè)一定要有敏感元件一定應(yīng)用了人工智能技術(shù)敏感元件1x1敏感元件 2x2敏感元件 nxn(推理)(知識(shí)庫(kù))智能體y1y2ym7二、智能檢測(cè)技術(shù)各種的推理技術(shù)專家系統(tǒng)故障診斷人工神經(jīng)元網(wǎng)絡(luò)算法遺傳算法模糊集合理論多信息融合技術(shù)（多傳感器，虛擬多傳感器信息融合）8二、智能檢測(cè)技術(shù)應(yīng)用：1、難測(cè)參數(shù)（現(xiàn)有傳感器測(cè)量誤差大；無(wú)合適的傳感器）2、重要的設(shè)備和對(duì)象2、人工智能一般原理一、人工智能的發(fā)展102、人工智能一般原理二、人

4、工智能系統(tǒng)的組成輸入/輸出知識(shí)表示知識(shí)庫(kù)知識(shí)求解、推理 智能體11三、狀態(tài)空間法與圖搜索法狀態(tài)空間法是基于解答空間的問(wèn)題表示和求解方法。（尋找最佳路徑）用狀態(tài)空間圖表示，節(jié)點(diǎn)代表狀態(tài)，弧線代表狀態(tài)空間的關(guān)系操作符12舉例（重排九宮）280314657281304657284310657208314657286314057左移上移下移右移節(jié)點(diǎn)初始節(jié)點(diǎn)弧線子節(jié)點(diǎn)120384657目標(biāo)節(jié)點(diǎn)13圖搜索方法（1）廣度優(yōu)先搜索法（2）深度優(yōu)先搜索（3）啟發(fā)式搜索1415(1)廣度優(yōu)先搜索法特點(diǎn)逐行搜索，先進(jìn)先出；總可以找到目標(biāo)節(jié)點(diǎn)；搜索效率低16廣度優(yōu)先搜索算法啟動(dòng)S0放入OPEN表OPEN表=空？取OP

5、EN表中最前面的節(jié)點(diǎn)N放入CLOSED表，冠以序號(hào)n節(jié)點(diǎn)N=Sg?N可擴(kuò)展？擴(kuò)展N，將其子節(jié)點(diǎn)依次放入OPEN表末尾，冠以指向N的返回指針成功失敗YYYNNN1718（2）深度優(yōu)先搜索特點(diǎn)：晚生成的節(jié)點(diǎn)優(yōu)先擴(kuò)展不一定能找到目標(biāo)節(jié)點(diǎn)搜索效率高19（3）啟發(fā)式搜索對(duì)OPEN表各節(jié)點(diǎn)進(jìn)行評(píng)價(jià)，擇優(yōu)擴(kuò)展評(píng)價(jià)函數(shù)：E(x)=d(x)+h(x) min d(x)已花的代價(jià) h(x)到目標(biāo)節(jié)點(diǎn)所需的代價(jià)2021（4）代價(jià)圖345634例如：推銷(xiāo)員旅行22四、謂詞邏輯與邏輯推理（1）原子公式由謂詞符號(hào)和若干個(gè)項(xiàng)組成的謂詞公式。是謂詞邏輯的最小單位RED(flower)INDOOR(robot,room1)GR

6、EATER(x,3)23(2)合適公式由多個(gè)原子公式應(yīng)用連詞構(gòu)成的復(fù)合謂詞公式合?。ǎ芭c” 原子公式1 原子公式2析?。╒），“或”原子公式1 V原子公式2非（），“否” 原子公式蘊(yùn)涵（），“條件結(jié)論”原子公式1 原子公式2等價(jià)（）24（3）量詞全稱量詞（ ）“所有”（ ）INDOOR(x,room1)存在量詞（ ） “有”（ ）INDOOR(x,room1)25(4)合適公式的性質(zhì)26（5）邏輯推理（歸結(jié)原理） 文字：一個(gè)原子或原子公式的否定子句：有文字的析取組成的公式P V QTP V RTQ V RT消解原理27舉例喜歡三國(guó)演義者必讀水滸；若某書(shū)與儒林外史同類，則一定不與水滸同類；沒(méi)

7、有人喜歡的書(shū)不會(huì)和三國(guó)演義同類；俞平伯只讀與紅樓夢(mèng)同類的書(shū)。求證：如果紅樓夢(mèng)與儒林外史同類，則俞平伯一定不喜歡三國(guó)演義。LIKE(x，三國(guó)演義)READ(x，水滸)SAMESORT (y，儒林外史) SAMESORT(y，水滸) LIKE (x，y) SAMESORT(y，三國(guó)演義) READ (俞平伯，y)SAMESORT(y，紅樓夢(mèng))求證：SAMESORT (紅樓夢(mèng)，儒林外史)LIKE(俞平伯，三國(guó)演義)28LIKE(x，三國(guó)演義)READ(x，水滸)SAMESORT (y，儒林外史) SAMESORT(y，水滸) LIKE (x，y) SAMESORT(y，三國(guó)演義) READ (俞平伯

8、，y)SAMESORT(y，紅樓夢(mèng))求證：SAMESORT (紅樓夢(mèng)，儒林外史)LIKE(俞平伯，三國(guó)演義)子句： LIKE(x，三國(guó)演義) V READ(x，水滸)子句： SAMESORT (y，儒林外史) V SAMESORT(y，水滸)子句： LIKE (x，y) V SAMESORT(y，三國(guó)演義)子句： READ (俞平伯，y) V SAMESORT(y，紅樓夢(mèng))對(duì)求證的取否SAMESORT (紅樓夢(mèng)，儒林外史)LIKE(俞平伯，三國(guó)演義)子句：SAMESORT (紅樓夢(mèng)，儒林外史)； LIKE(俞平伯，三國(guó)演義)2022/7/23Measurement of gas-liquid

9、two-phase flowComplicated flow systemParameters to be measured:Single phase flow rate;Total flow rate;Phase fraction;Flow patternBubble flowSlug flowAnnular flowWave flowFlow patterns in gas-liquid two-phase flowsStratified flow303、基于神經(jīng)網(wǎng)絡(luò)的檢測(cè)（1）生物神經(jīng)元模型細(xì)胞體軸突突觸樹(shù)突細(xì)胞體軸突突觸樹(shù)突當(dāng)神經(jīng)元所有輸入的總效應(yīng)達(dá)到閾值電平時(shí)，才產(chǎn)生電脈沖通過(guò)軸突輸

10、出31（2）人工神經(jīng)元模型 為激發(fā)函數(shù)n-110 x0 x1Xn-1fy人工神經(jīng)元模型320vf(v)10vf(v)1-1（a）階躍函數(shù)（b）符號(hào)函數(shù)0vf(v)1-11-10vf(v)1（c）分段函數(shù)（d）Sigmoid函數(shù) 為激發(fā)函數(shù)33（3）人工神經(jīng)網(wǎng)絡(luò)x0 x1Xn-1ijjtO1O2Ol34（4）基于反向傳播網(wǎng)絡(luò)的學(xué)習(xí)（BP算法）神經(jīng)網(wǎng)絡(luò)比較計(jì)算R希望輸出輸出輸入神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)35求其中，36（5）多樣本BP訓(xùn)練算法增量型學(xué)習(xí)算法1）取 ，Emax；選取R各初值2）P1=1，E=03）由XP1、R求OP14）計(jì)算 及 5）求R（與單樣本一樣計(jì)算），并R=R+ R6）若P1P，P1=

11、P1+1，轉(zhuǎn)3） 否則轉(zhuǎn)7）7）若EEmax，訓(xùn)練結(jié)束否則轉(zhuǎn)2）37（5）多樣本BP訓(xùn)練算法累積型學(xué)習(xí)算法1）取 ，Emax；選取R各初值2）P1=1，E=03）由XP1、R求OP14）計(jì)算 及 5）若P1P，P1=P1+1，轉(zhuǎn)3） 否則轉(zhuǎn)6）6）若EEmax，訓(xùn)練結(jié)束，否則轉(zhuǎn)7）7）求R，并R=R+ R，轉(zhuǎn)2）38累積型學(xué)習(xí)算法中R的求取對(duì)于每一個(gè)樣本XP1，計(jì)算 進(jìn)一步求得 單個(gè) 樣本：39（6）徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)X為輸入向量第j個(gè)基函數(shù)的中心； 中心寬度40（RBF）神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) 學(xué)習(xí)率，動(dòng)量因子41（7）神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)1、網(wǎng)絡(luò)結(jié)構(gòu)的選擇2、輸入輸出節(jié)點(diǎn)數(shù)的確定3、中間層層數(shù)

12、及節(jié)點(diǎn)數(shù)的選擇4、各參數(shù)的初始值的確定5、學(xué)習(xí)率的確定6、樣本數(shù)的確定7、神經(jīng)網(wǎng)絡(luò)的不斷訓(xùn)練2022/7/23predict the temperature of the 12th layer Temperature prediction in chemical reaction towerStructure of Carbonation TowerTail gasPre-carbonated ammoniacal brineCarbonated ammoniacal brineChilled waterChilled waterCooling waterCooling waterCalcin

13、ing gas IICalcining gas I2022/7/23Temperature prediction in chemical reaction towerInput variables:flowrate of carbonated ammoniacal brine;flowrate of pre-carbonated ammoniacal brine ;flowrate of calcining gas I;flowrate of calcining gas II;temperature of 5th layer;temperature of 7th layer;temperatu

14、re of 17th layer;temperature of 23th layer the quantity of heat removed by the cooling water and chilled water Pretreatment of the input variablesTDNNTransform TDNN output to model outputThe structure of prediction model2022/7/2369.5Time (min)Comparison between the model output and actual temperatur

15、e based on TDNN model010020030040050060070080090066.56767.56868.569Actual Model OutputTemperature ()067.56868.56969.5ActualModel OutputTime (min)Temperature ()Comparison between the model output and actual temperature based on MLP model1002003004005006007008009006766.5454、基于模糊邏輯推理的檢測(cè)（1）模糊邏輯及其基本運(yùn)算46（

16、2）模糊語(yǔ)言及隸屬度函數(shù)1）語(yǔ)言變量：模糊邏輯運(yùn)算的輸入變量和輸出變量；2）語(yǔ)言變量的論域：變量的取值范圍；3）量化等級(jí)：對(duì)語(yǔ)言變量在論域內(nèi)進(jìn)行量化，分成若干個(gè)等級(jí)；4）模糊集；5）隸屬度函數(shù)：描寫(xiě)語(yǔ)言變量模糊集與量化等級(jí)的函數(shù)關(guān)系，47（3）規(guī)則庫(kù)基于專家知識(shí)推理規(guī)則： IF A THEN X （語(yǔ)言變量=“模糊集”）IF (A AND B) THEN Y48（4）模糊推理根據(jù)輸入量、規(guī)則庫(kù)、模擬人類的推理決策過(guò)程進(jìn)行推理，給出輸出量與其量化等級(jí)的關(guān)系，即隸屬度函數(shù)。求關(guān)系矩陣R=DTC，為笛卡爾相乘其中，D=AB求D=AB則輸出C=DTR， 為模糊矩陣乘49（5）精確化過(guò)程在推理得到的模糊集合中去一個(gè)能最佳代表這個(gè)模糊推理結(jié)果可能性的精確值的過(guò)程，即給出輸出變量的量化等級(jí)。1）重心法2）加權(quán)平均法50舉例溫度控制系統(tǒng)，輸入量為溫度差e=Td-T；de（溫度差e的變化量）。輸出量為ue-50-30-15-505153050論域de-150-90-30-100103090150u-64-16-4-20241664等級(jí)-4-3-2-101234量化表1 語(yǔ)言變量的