智能檢測(cè)技術(shù)

1、智能檢測(cè)技術(shù)1基本情況上課教師：張宏建， 周洪亮，使用的教材： 現(xiàn)代檢測(cè)技術(shù)，張宏建，孫志強(qiáng)編，化學(xué)工業(yè)出版社，20072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“三心二意三心二意”，邁向成功，邁向成功專心、用心、開心；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。無論你做什么事情，都要全力以赴，全新投入，心無旁騖。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)

2、習(xí)的真諦。開心：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，還要享受愛情親情友情，享受自然美景，享受文化藝術(shù)，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)盤子，等天上掉餡餅的時(shí)候，你可以接得住。這個(gè)盤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、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)敏感元件敏感元件信號(hào)放大與變換信號(hào)放大與變換顯示裝置顯示裝置被測(cè)參數(shù)

3、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，通過顯示裝置給出被測(cè)參數(shù)的具體的信息顯示裝置給出被測(cè)參數(shù)的具體的信息。特點(diǎn)。特點(diǎn) 1、敏感元件與被測(cè)參數(shù)、敏感元件與被測(cè)參數(shù)“一一對(duì)應(yīng)一一對(duì)應(yīng)”：被測(cè)參數(shù)就是待：被測(cè)參數(shù)就是待測(cè)參數(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)測(cè)參數(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。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、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

4、了人工智能技術(shù)敏感元件1x1敏感元件 2x2敏感元件 nxn(推理推理)(知識(shí)庫(kù)知識(shí)庫(kù))智能體智能體y1y2ym7二、智能檢測(cè)技術(shù)各種的推理技術(shù)各種的推理技術(shù)專家系統(tǒng)專家系統(tǒng)故障診斷故障診斷人工神經(jīng)元網(wǎng)絡(luò)算法人工神經(jīng)元網(wǎng)絡(luò)算法遺傳算法遺傳算法模糊集合理論模糊集合理論多信息融合技術(shù)（多傳感器，虛擬多傳感多信息融合技術(shù)（多傳感器，虛擬多傳感器信息融合）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；無合適的傳感器）2、重要的設(shè)備和對(duì)象92、人工智能一般原理一、人工智能的發(fā)展2、人工智能一般原理二、人工智能系統(tǒng)的組成輸入輸入/輸出輸出知識(shí)表示知識(shí)表示知識(shí)庫(kù)知識(shí)庫(kù)知識(shí)求解、推理

5、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）2 803146 572 813046 572 843106 572 083146 572 863140 57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)1 203846 57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)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)啟動(dòng)S0放入放入OPEN表表OPEN表表=空？空？取

6、取OPEN表中最前面的節(jié)點(diǎn)表中最前面的節(jié)點(diǎn)N放入放入CLOSED表，冠以序號(hào)表，冠以序號(hào)n節(jié)點(diǎn)節(jié)點(diǎn)N=Sg?N可擴(kuò)展？可擴(kuò)展？擴(kuò)展擴(kuò)展N，將其子節(jié)點(diǎn)依次放入，將其子節(jié)點(diǎn)依次放入OPEN表末尾，冠以指向表末尾，冠以指向N的返回指針的返回指針成功成功失敗失敗YYYNNN1718（2）深度優(yōu)先搜索特點(diǎn)：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：推銷員旅行22四、謂詞邏輯與邏輯推理（1）原子公式由謂詞

7、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)GREATER(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)xxxx25(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

8、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；若某書與儒林外史同類，則一定不與水滸同類；沒有人喜歡的書不會(huì)和三國(guó)演義同類；俞平伯只讀與紅樓夢(mèng)同類的書。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)x28LIKE(x，三國(guó)演義)READ(x，水滸)SAMESORT

9、 (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)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)x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：SAMESOR

10、T (紅樓夢(mèng)，儒林外史)； LIKE(俞平伯，三國(guó)演義)291:34Measurement of gas-liquid 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 flow3、基于神經(jīng)網(wǎng)絡(luò)的檢測(cè)（

11、1）生物神經(jīng)元模型生物神經(jīng)元模型細(xì)胞體細(xì)胞體軸突軸突突觸突觸樹突樹突細(xì)胞體細(xì)胞體軸突軸突突觸突觸樹突樹突當(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)生電脈沖通過軸突輸出當(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)生電脈沖通過軸突輸出31（2 2）人工神經(jīng)元模型）（10Niiix)(fy 為激發(fā)函數(shù)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)）階躍函數(shù)（b）符號(hào)函數(shù)）符號(hào)函數(shù)0vf(v)1-11-10vf(v)1（c）分段函數(shù)）分段函數(shù)（d）Sigmoid函數(shù)函數(shù) 為激發(fā)函數(shù)為激發(fā)函數(shù)-e11)(f33（3 3）人工神經(jīng)網(wǎng)絡(luò)x0 x

12、1Xn-1ijjtO1O2Ol)(10jNiiijjxfbtmjjjttbc)(10)(ttcfo 34（4 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)210)(21mtttpodERERpRRRnn135求jtttpjtOOEEjtpttttpOdOE2 jttjtjttttjttbOObcfccOO1tjjtttjtbbOO1ttjiijwx jjwjjmtjttjbbw110其中，其中，36（5 5）多樣本BPBP訓(xùn)練算法增量型學(xué)習(xí)算法1）?。┤?，Emax；選??；選取R各初值各初值2）P1=1，E=03）由）由XP1、R求求OP14）計(jì)算）

13、計(jì)算 及及 5）求）求R（與單樣本一樣計(jì)算），并（與單樣本一樣計(jì)算），并R=R+ R6）若）若P1P，P1=P1+1，轉(zhuǎn)，轉(zhuǎn)3） 否則轉(zhuǎn)否則轉(zhuǎn)7）7）若）若EEmax，訓(xùn)練結(jié)束，訓(xùn)練結(jié)束否則轉(zhuǎn)否則轉(zhuǎn)2）2111)(21PtPtPOdEEEEP1037（5 5）多樣本BPBP訓(xùn)練算法累積型學(xué)習(xí)算法1 1）?。┤?，EmaxEmax；選??；選取R R各初值各初值2 2）P1=1P1=1，E=0E=03 3）由）由X XP1P1、R R求求O OP1P14 4）計(jì)算）計(jì)算 及及 5 5）若）若P1PP1P，P1=P1+1P1=P1+1，轉(zhuǎn)，轉(zhuǎn)3 3） 否則轉(zhuǎn)否則轉(zhuǎn)6 6）6 6）若）若EEmaxEE

14、max，訓(xùn)練結(jié)束，訓(xùn)練結(jié)束，否則轉(zhuǎn)否則轉(zhuǎn)7 7）7 7）求）求R R，并，并R=R+ R=R+ R R，轉(zhuǎn)，轉(zhuǎn)2 2）2111)(21PtPtPOdEEEEP1038累積型學(xué)習(xí)算法中 R R的求取對(duì)于每一個(gè)樣本對(duì)于每一個(gè)樣本XP1，計(jì)算，計(jì)算 進(jìn)一步求得進(jìn)一步求得 1Pjb1PjO1Pt )1 (1111PtPtPtPtOOmPPjPtjtb0111tjjtttjtbbOO139單個(gè) 樣本：（6 6）徑向基函數(shù)（RBFRBF）神經(jīng)網(wǎng)絡(luò)jjjbCXh2exp2X為輸入向量為輸入向量TjnjjjcccC,21第第j個(gè)基函數(shù)的中心；個(gè)基函數(shù)的中心； 中心寬度中心寬度jicjbmjjjhy140（RB

15、FRBF）神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)221yyEdjdjhyy 32jjjjdjbCXhyyb2jjiijdjibcxyyc)2() 1() 1()(kRkRRkRkR 學(xué)習(xí)率學(xué)習(xí)率，動(dòng)量因子動(dòng)量因子41（7 7）神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)1 1、網(wǎng)絡(luò)結(jié)構(gòu)的選擇、網(wǎng)絡(luò)結(jié)構(gòu)的選擇2 2、輸入輸出節(jié)點(diǎn)數(shù)的確定、輸入輸出節(jié)點(diǎn)數(shù)的確定3 3、中間層層數(shù)及節(jié)點(diǎn)數(shù)的選擇、中間層層數(shù)及節(jié)點(diǎn)數(shù)的選擇4 4、各參數(shù)的初始值的確定、各參數(shù)的初始值的確定5 5、學(xué)習(xí)率的確定、學(xué)習(xí)率的確定6 6、樣本數(shù)的確定、樣本數(shù)的確定7 7、神經(jīng)網(wǎng)絡(luò)的不斷訓(xùn)練、神經(jīng)網(wǎng)絡(luò)的不斷訓(xùn)練421:34predict the temperature of the

16、12th layer Temperature prediction in chemical reaction towerStructure of Carbonation TowerTail gasPre-carbonated ammoniacal brineCarbonated ammoniacal brineChilled waterChilled waterCooling waterCooling waterCalcining gas IICalcining gas I1:34 Temperature prediction in chemical reaction towerInput v

17、ariables: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;temperature of 17th layer;temperature of 23th layer the quantity of heat removed by the cooling wat

18、er and chilled water Pretreatment of the input variablesTDNNTransform TDNN output to model outputThe structure of prediction model1:3469.5Time (min)Comparison between the model output and actual temperature based on TDNN model010020030040050060070080090066.56767.56868.569Actual Model OutputTemperatu

19、re ()067.56868.56969.5ActualModel OutputTime (min)Temperature ()Comparison between the model output and actual temperature based on MLP model1002003004005006007008009006766.54 4、基于模糊邏輯推理的檢測(cè)（1 1）模糊邏輯及其基本運(yùn)算模糊邏輯及其基本運(yùn)算PP1QPQP1)-1QPQP（),min(QP),max(QP46（2）模糊語(yǔ)言及隸屬度函數(shù)1 1）語(yǔ)言變量：模糊邏輯運(yùn)算的輸入變量和輸）語(yǔ)言變量：模糊邏輯運(yùn)算的輸入變量

20、和輸出變量；出變量；2 2）語(yǔ)言變量的論域：變量的取值范圍；）語(yǔ)言變量的論域：變量的取值范圍；3 3）量化等級(jí)：對(duì)語(yǔ)言變量在論域內(nèi)進(jìn)行量化）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)；，分成若干個(gè)等級(jí)；4 4）模糊集；）模糊集；5 5）隸屬度函數(shù)：描寫語(yǔ)言變量模糊集與量化）隸屬度函數(shù)：描寫語(yǔ)言變量模糊集與量化等級(jí)的函數(shù)關(guān)系，等級(jí)的函數(shù)關(guān)系，)(x47（3）規(guī)則庫(kù)基于專家知識(shí)基于專家知識(shí)推理規(guī)則：推理規(guī)則： IF A THEN X IF A THEN X （語(yǔ)言變量（語(yǔ)言變量= =“模糊集模糊集”）IF (A AND B) THEN YIF (A AND B) THEN Y48（4 4

21、）模糊推理根據(jù)輸入量、規(guī)則庫(kù)、模擬人類的推理決根據(jù)輸入量、規(guī)則庫(kù)、模擬人類的推理決策過程進(jìn)行推理，給出輸出量與其量化等策過程進(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)。級(jí)的關(guān)系，即隸屬度函數(shù)。求關(guān)系矩陣求關(guān)系矩陣R=DTR=DTC C，為笛卡爾相乘，為笛卡爾相乘其中，其中，D=AD=AB B求求D=AD=AB B則輸出則輸出C C=D=DT TR R， 為模糊矩陣乘為模糊矩陣乘49（5）精確化過程在推理得到的模糊集合中去一個(gè)能最佳代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表這個(gè)模糊推理結(jié)果可能性的精確值的過程，即給出輸出變量的量化等級(jí)。程，即給出輸出變

22、量的量化等級(jí)。1 1）重心法）重心法2 2）加權(quán)平均法）加權(quán)平均法50舉例溫度控制系統(tǒng)，輸入量為溫度差溫度控制系統(tǒng)，輸入量為溫度差e=Te=Td d-T-T；dede（溫度差（溫度差e e的變化量）。輸出量為的變化量）。輸出量為u ue-50-30-15-505153050論域論域de-150-90-30-100103090150u-64-16-4-20241664等級(jí)等級(jí)-4-3-2-101234量化量化表表1 語(yǔ)言變量的論域和量化語(yǔ)言變量的論域和量化51等級(jí)等級(jí)-4-3-2-101234PB00000000.351PS000000.410.40ZE0000.210.2000NS00.410.400000NB10.350000000表表2 2 模糊變量的隸屬度函數(shù)模糊變量的隸屬度函數(shù)52de eNBNSZEPSPBNB*PBPBPSNBNSPBPSPSZENBZEPBPSZENSNBPSPBZENSNSNBPBPBNSNBNB*表表3 3 規(guī)則表規(guī)則表設(shè)：設(shè)：e= “1”，de= “-2”2 . 0) 1 (eZE4 . 0) 1 (ePS1)2(deNS ),(PSNS