华中科技大学研究生课程考试答题本
考生姓名
考生学号
系、年级
类别
考试科目智能移动机器人
考试日期 2014年12月26日
评分
注意：1、无评卷人签名试卷无效
2、必须用钢笔或者圆珠笔阅卷，使用红色。用铅笔阅卷无效
（双面打印）
Control Architectures for Intelligent
Mobile Robots
Abstract. Control architecture is a very important concept for the design
of intelligent mobile robots. This article has a simple introduction about
the dominant control architectures, i.e. deliberative control architecture,
reactive control architecture hybrid deliberative/reactive control
architecture and behavior-based control architecture. Meanwhile,
introduce the subsumption control architecture which is similar to the
behavior-based control architecture, but very popular. In the time, the
article makes comparisons between them, and introduces their
advantages and disadvantages.
Keywords. Mobile robots, Robot control, Control architecture
1 Introduction
In the 21st century, it is expected that robots with different degrees of autonomy and mobility will play an increasingly important role in all aspects of human life. With the robotic technologies development of the robotics with the past few years, there are more and more inspiring and remarkable success stories for robotics. And mobile robots have been widely applied in many fields. Such as factory automation dangerous environment detection, office automation, hospital, entertainment, education, space exploration, farm automation, military and security system.
Furthermore, mobile robots pose a unique challenge to artificial intelligence researchers. Mobile robots need to be used to deal with key issues such as uncertainty, reliability, and real-time response.
For dealing with the challenge, control architecture for mobile robots becomes a growing interest and a popular subject. Robotic control architecture can be seen as a mixture of engineering and cognitive science and as such it presents unusual challenges to the programmer. Robotic control methodologies have tended to move from simplistic, predefined actuator actions based on specific input criteria to tight
feedback loops with input from the environment, giving more robust solutions. In these environments, where many such control loops are required, the opportunities for the application of parallel programming to create simple and robust solutions are numerous.
Even simple robots can have many different tasks to do simultaneously. For example, a robot might try to avoid bumping into walls whilst also trying to create the largest treacle pudding in the world. The latter task is the main purpose of the robot, but the first is important for the robot to meet its goal as designed and needs to be handled constantly alongside the robot’s main task.
So an excellent control architecture for mobile robots is a very important. The article has a simple introduction to the control architecture.
2 The control architecture for intelligent mobile robots
In the charter, we will have a quick look at some main control architectures which are deliberative control reactive control hybrid control and behavior-based control and introduce how they work. The Table 1 shows the difference between them.
Table 1: Difference between control architectures
2.1 The Deliberative Control Architecture
The deliberative control architecture, namely hierarchical control architecture, uses a centralized world model for verifying sensory information and generating
actions in the world. More simply, the robot takes all of the available sensory information, and all of the internally stored knowledge it has, and it reasons about it in order to create a plan of action. When it faces with the relative situation, the robot senses its environment, plans its next action based on these senses, and then takes appropriate action using available actuators.
From what said above, it’s easy to find that th e robot explicitly plans its next action from the knowledge it has gathered about the environment so far at every stage. Essentially these robots just select actions from rule matches on the current ‘perceptions’ from sensory input. The follow Figure 1 shows the structure of a deliberative robot control architecture. From the figure, it’s easy to know that the work method is that the modules that be designed in advance work to read values from the sensors available to provide data about the environment, devise strategies to perform the desired behaviors given the environmental state, and then compose the signals that control the actuators to achieve those behaviors.
Figure 1: The typical structure of a deliberative robot control system But in the early stage, the approach employs a top-down analysis of the desired behavior of the robot during the design phase and then the implementation of a sequence of modules. So deliberative approaches have been criticized for scaling poorly with the complexity of the problem and consequently not allowing for reaction in real-time.
2.2 The Reactive Control Architecture
Strictly speaking, the reactive control architecture is not a control architecture, for the purely reactive systems do not use any internal representation of the environment, and perform no search: they react to the current sensory information.
The typical structure of a reactive robot control system (as shown in Figure 2) is very simple.
Figure 2: The typical structure of a reactive robot control system Comparing with the deliberative control architecture, it can be found that reactive systems have no the ‘Plan’ unit. Actually they use a direct mapping between sensors and actuators, and minimal, if any, state information. They consist of collection of rules that map specific situations to specific actions. Just like the knee-jerk reaction, they are based on “stimulus-response”. And it won’t be decided by your brain. So we can say the way that reactive control works is similar with the unconditioned reflex of the human. It’s a great idea, because you should do all the things by your brain, or you will be very tired. It’s the same for robots. And this allows the robot to respond very quickly to changing and unstructured environments at the same time.
Every coin has two sides. It can’t be exception. The reactive control architecture also has many disadvantages. For example, it is often too difficult to split up all possible situations this way, or it may require unnecessary encoding. Limitations to this approach are that such robots, because they only look up actions for any sensory input, do not usually keep much information around, have no memory, no internal
representation around them, and no ability to learn over time. Due to their inability to store information dynamically, purely reactive strategies are less used, although it’s effective for a variety of problems.
All in all, with more and more building blocks of a reactive system (reactive rules coupling sensors and actuators) developed, it has a bright future.
2.3 The Hybrid Deliberative/Reactive control architecture
The two kinds of control architectures mentioned above both have advantages and disadvantages. So designers came up with the hybrid deliberative/reactive control architecture to combine the best of both Reactive and Deliberative approaches. Just like the human, we control our bodies by spinal cords and brains. The deliberative approach like the control by the brain, and the reactive approach like the control by spinal cords. So in the hybrid deliberative/reactive control architecture, one part of the robot’s “brain” plans, while another deals with immediate reaction, such as avoiding obstacles and staying on the road. If we just put the two parts together, it’s can’t get the result that one add one greater two. The greater challenge of this approach is not just bringing the two parts of the brain together, but also allowing them to talk to each other, and resolve conflicts between the two. So a “third” part of the robot brain is required. A s a result these systems are often called “three-layer systems”.
The three-layer architecture consists of three components: a reactive feedback control mechanism, a reactive plan execution mechanism, and a mechanism for performing time-consuming deliberative computations.
In different robots, the components have different names. So we just named them with the controller, the sequencer, and the deliberator.
The controller consists of one or more threads of computation that implement one or more feedback control loops, tightly coupling sensors to actuators. Usually the controller contains a library of hand-crafted transfer functions. Which ones are active at any given time is determined by an external input to the controller.
The sequencer's job is to select which primitive Behavior (i.e. which transfer function) the controller should use at a given time, and to supply parameters for the Behavior. By changing primitive Behaviors at strategic moments the robot can be coaxed into performing useful tasks. Of course, that the outcome of selecting a particular primitive in a particular situation might not be the intended one. So the sequencer must be able to respond conditionally to the current situation, whatever it might be.
The deliberator is the locus of time-consuming computations. The deliberator can interface to the rest of the system in two different ways. It can produce plans for the sequencer to execute, or it can respond to specific queries from the sequencer. The deliberator is very smart but slow. It likes your brain.
Now let’s look at the structure of the hybrid deliberative/reactive control architecture (as shown in Figure 3).
Figure 3: The typical structure of a hybrid robot control system From the figure 3, we can get that the sense-plan-act (SPA) approach has a significant architectural feature. It’s that the flow of control among these components is unidirectional and linear. Information flows from sensors to world model to plan to effectors, never in the reverse direction.
The hybrid deliberative/reactive control architecture is very popular. There are
several systems which demonstrate the hybrid deliberative/reactive control approach: Arkin’s AuRA [Arkin, 1986], Gat’s Atlantis [Gat 1991], Lyon’s Planner-Reactor [Lyons & Hendriks, 1992], Georgeff’s PRS [Georgeff & Lansky 1987], etc.
2.4 The Behavior-Based Control Architecture
This chapter will introduce the behavior-based control architecture which is one of the three dominant paradigms for robot control. The other two are reactive control and hybrid control.
The behavior-based control is focused around the idea of removing centralized control structures and instead linking actions directly to changes in the input sources themselves. The behavior-based approaches are an extension of reactive systems that fall between the purely reactive and the planner-based extremes. The behavior-based strategies are strictly more powerful than purely reactive approaches since they have no fundamental limitations on internal state.
A behavior-based control system has a general structure that is similar to that shown in Figure 4. It is composed by various interconnected agents forming a control system in a layered fashion. The interconnections between agents are dynamically established, and are controlled by a message passing system.
As can be seen in Figure 4, there are three categories of agents. The agents in charge of acquiring information about the environment are the Sensor agents and are directly or indirectly connected to physical sensors. Those indirectly connected to physical sensors, like Agent S3 in Figure 4, just process information delivered by other agents, and are called Virtual Sensor agents. In a similar way, there are Actuator agents, which send information to physical actuators present in the system. There are also Virtual Actuator agents, which are similar to the virtual sensor agents.
Finally, there is a last group of agents, called Behavior agents, which receive information from the Sensor agents, process it, and send the results to the Actuator agents or other Behavior agents. As any other agent, the Behavior agents can be active
or inactive in a given instant. In Figure 4, the agent B2 is inactive. Immediately after being activated by a message sent by agent B1, it must rearrange the connections in order to modify the overall behavior of the system.
Figure 4: A behavior-based control system considered as an interconnection of agents
The key difference between behavior-based and hybrid systems is in the way representation and time-scale are handled. Hybrid systems typically employ a low-level reactive system that functions on a short time-scale, and a high-level planner that functions on a long time-scale. The two interact through a middle layer. Consequently hybrid systems are often implemented with so-called three-layer architectures.
In contrast, behavior-based systems attempt to make the representation, and thus the time-scale, of the system uniform. Behavior-based representations are parallel, distributed, and active, in order to accommodate the real-time demands of other parts of the system. Furthermore, they are implemented using the behavior structure, much like the rest of the system.
2.5 The Subsumption Control Architecture
The subsumption control architecture is probably the most widely known mobile robot control architecture. Subsumption has been widely influential in autonomous robotics and elsewhere in real-time AI. It was introduced by Rodney Brooks and colleagues in 1986.
The subsumption control architecture is a reactive robotic architecture heavily associated with behavior-based robotics.
Now, let’s have a look at the difference between the traditional architectures (as shown in Figure 5) and the Brook’s subsumption archi tecture (as shown in Figure 6).
Figure 5: Traditional Architectures (Linear Organization)
Figure 6: Brook’s Subsumption Architecture (Parallel Organization) The subsumption approach involves building robot control systems with increasing levels of competence. Each additional level builds upon and potentially interacts with the inputs and outputs of existing, previous levels to add higher levels of competency, leaving the lower levels intact, functional and operational within the overall system. The higher levels build upon the lower levels to create more complex behaviors. The behavior of the system as a whole is the result of many interacting simple behaviors. The layers operate asynchronously. Thus, each layer is fully capable of controlling the robot by itself, albeit in a possibly simple-minded way.
The main advantages of the architecture are:
1) The emphasis on iterative development & testing of real-time systems in their target domain;
2) The emphasis on connecting limited, task-specific perception directly to the expressed actions that require it;
3) The emphasis on distributive and parallel control, thereby integrating the perception, control, and action systems in a manner similar to animals.
The main disadvantages of the architecture are:
1) The difficulty of designing adaptable action selection through highly
distributed system of inhibition and suppression;
2) The lack of large memory and symbolic representation, which seems to restrict the architecture from understanding language;
When subsumption architecture was developed, the novel setup and approach of subsumption architecture allowed it to be successful in many important domains where traditional AI had failed, namely real-time interaction with a dynamic environment. The lack of large memory storage, symbolic representations, and central control, however, places it at a disadvantage at learning complex actions, in-depth mapping, and understanding language.
3 Conclusions
This article described the main control architectures for intelligent mobile robots. It has been seen that the control architecture constrains the way an autonomous robot senses, reasons and acts, thus affecting its task performance. So having a good knowledge of control architectures is essential for the designers to design a mobile robot. At the same the article makes comparisons between them in order to understand them better.
Acknowledgements
At the end of the article, I am very grateful to my teacher Professor Luo for his careful classroom instruction. Meanwhile thanks to the pioneers of the robotics for their great contribution to the world.
References
[1] Karrera Amaierako Proiektua. Agent-based control architecture for a mobile robot.
[2] Jonathan SIMPSON, Christian L. JACOBSEN. Mobile Robot Control The Subsumption
Architecture and occam-pi. Communicating Process Architectures. 2006
[3] Erann Gat. On Three-Layer Architectures . Artificial Intelligence and Mobile Robots. AAAI
Press.
[4] Arkin, R.C. Behavior-Based Robotics. Cambridge. MA: MIT press. 1998
[5] Brooks, R.A. A robust layered control system for a mobile robot. IEEE Journal of Robotics
and Automation, RA-2. 1986
[6] Daniel Toal, Colin Flanagan. Subsumpption architecture for the control of robots.
[7] Magnus Egerstedt. Control of Autonomous Mobile Robots .
[8] Omead Amidi. Integrated Mobile Robot Control . Carnegie Mellon University . 1990
[9] Kirsanov Kirill . The Architecture of Robotics Control Software for Heterogeneous
Mobile Robots Network. 24th DAAAM International Symposium on Intelligent
Manufacturing and Automation, 2013
[10] Jonathan H. Connell. SSS: A Hybrid Architecture Applied to Robot Navigation. the
Proceedings of the 1992 IEEE Conference on Robotics and Automation (ICRA-92), pp.
2719-2724.
[11] José Eduardo Mendon?a Xavier, Hansj?rg Andreas Schneebeli. A Framework based on
concurrent Object-oriented programming for Building Behavior-based Control Systems for Mobile Robots.
[12] Subsumption architecture. https://www.doczj.com/doc/6a8937874.html,/wiki/Subsumption_architecture
[13] Behavior-based robotics. https://www.doczj.com/doc/6a8937874.html,/wiki/Behavior-based_robotics
[14] Hierarchical control system. https://www.doczj.com/doc/6a8937874.html,/wiki/Hierarchical_control_system
[15] Robotic paradigms. https://www.doczj.com/doc/6a8937874.html,/wiki/Robotic_paradigms
一、引言 (3) 二、轧机液压AGC数学模型 (3) 三、基于BP神经网络的轧机AGC过程控制 (5) （一）人工神经网络基本思想及其发展 (6) （二）人工神经网络的工作原理 (7) （三）人工神经网络的主要功能特点 (8) 四、神经网络辨识 (9) （一）扩展BP神经算法 (9) （二）基于时间序列的动态模型辨识 (11) 五、辨识结果 (12) （一）轧制力辨识 (12) （二）液压AGC参数辨识 (13) 六、结果检验 (14) （一）模型检验 (14) （二）辨识结果对比 (14) 七、结论 (15) 八、参考文献: (15)
先进过程控制技术在轧机液压领域的应用 摘要:轧机液压AGC控制过程的力控精度直接影响带钢的组织性能和力学性能，是保证板带质量和板形良好的关键因素。所以对轧机液压AGC的力控制，成为热轧生产中的重要环节，对其过程进行分析和研究具有深远的现实意义。本文以国内某热轧厂轧机液压AGC控制为背景，对如何提高轧机液压AGC控制的力控精度从控制方法上入手进行了较深入系统的研究。在分析液压AGC的组成元件及其动态特性的基础上, 利用神经网络具有逼近任何非线性函数且具有自学习和自适应的能力, 建立基于时间序列的前馈动态模型辨识结构, 应用扩展BP算法对轧机液压AGC力控制系统进行非线性预测, 将预测结果应用最小二乘辨识方法进行线性系统的特征参数辨识, 仿真及实测结果表明此方法行之有效, 为轧机液压AGC的控制提供了新途径。 关键词:自适应辨识;板带轧机;液压AGC;神经网络
Advanced process control technology in the field of rolling mill hydraulic applications Abstr act: In the process of rolling mill hydraulic AGC control force control precision directly affects the organization performance and mechanics performance of the steel strip, is guarantee the quality of strip and plate shape of the key factors. So the force control of rolling mill hydraulic AGC, become the important link between the hot rolling production, analyzes its process and research has far-reaching practical significance. This paper, taking a warmwalzwerk domestic mill hydraulic AGC control as the background, on how to improve the force control precision of the rolling mill hydraulic AGC control from the control methods of conducted in-depth study of the system. Based on the analysis of dynamic characteristics of hydraulic AGC components and, on the basis of using the neural network has any nonlinear function approximation, and has the ability of self learning and adaptive feedforward dynamic model identification based on time series structure, extend the BP algorithm was applied to rolling mill hydraulic AGC force control system for nonlinear prediction, and the predicted results using least squares identification method for characteristic parameters of a linear system identification, simulation and experimental results show that this method is effective, for rolling mill hydraulic AGC control provides a new way. Key wor ds: adaptive identification; stripe mill; hydraulic AGC; neural network
小论知识与知识表示方法 摘要： 知识是人们在生产生活中经常使用的词汇，知识表示的过程是用一些约定的符号把知识编码成计算机可以接受的数据形式。知识的表示方法例如一阶谓词逻辑表示法，产生式表示法，语义网络表示法，框架表示法和过程规则表示法等等。目前，产生式表示法已经成了人工智能中应用最多的一种知识表示模式，尤其是在专家系统方面，产生式的基本形式P→Q 或者 IF P THEN QP是产生式的前提，也称为前件，它给出了该产生式可否使用的先决条件，由事实的逻辑组合来构成；Q是一组结论或操作，也称为产生式的后件，它指出当前题P 满足时，应该推出的结论或应该执行的动作。 关键字：知识；知识表示；产生式表示法 引言： 知识和知识表示方法是人们生活中必不可少的一部分，知识表示能力是指知识表示方法能否正确、有效地将推理所需要的各种知识表示出来，这是对知识表示方法的最为重要的要求。因为产生式表示方
法的自然性，有效性，一致性获得了所有人的肯定，成为构造专家系统的第一选择的知识表示方法。 正文： 1、知识 1.1知识的定义 知识是经过筛选和整理的信息，是对事物运动变化规律的表述，是人类对客观世界一种较为准确、全面的认识和理解。 1.2知识的特性 1）真假性及其相对性 2）不确定性 3）矛盾性或相容性 4）可表示性与可利用性 1.3知识的分类 1）叙述型知识，有关系统状态、环境、条件和问题的概念、定义和事实的知识。 2）过程型知识，有关系统变化、问题求解过程的操作、演算和运动的知识。 3）控制型知识，有关如何选择相应的操作、演算和行动的比较、判断、管理和决策的知识。 2、知识表示方法——产生式表示方法 “产生式”由美国数学家波斯特（E.POST）在1943年首先提出，它根据串代替规则提出了一种称为波斯特机的计算模型，模型中的每
仪器分析心得体会 篇一：仪器分析的感想 对仪器分析课程的认识和感想 仪器分析是高等学校等有关专业开设的一门基础课，其目的是使学生在大学学习期间掌握有关仪器分析中一些常用方法的基本原理、特点和应用，对于将来参加科学研究或具体实际工作都是很有益的。 仪器分析法是以物理和化学及其信号强度为基础建立起来的一种分析方法，使用比较复杂和特殊的仪器。仪器分析的基本原理源于分析化学。分析仪器的发展与分析化学的发展紧密相关，分析化学经历过三次重大变革，使得仪器分析也逐步升级，从仪器化、电子化、计算机化到智能化、信息化以至仿生化。 常用的仪器分析方法主要包括几类：光学分析法、电化学分析法、色谱分析法、质谱法。这些方法依据的原理不同，具有的性能指标如精密度、灵敏度、检出限、测定下限、线性范围、准确度等，在选择方法时，还要有一些考虑，如对样品结果准确度的要求，还有费用（包括仪器的购置费、运转费）、样品量、分析速度等。使用仪器分析法检测样品，具有效率高、速度快、方便、实用的特点。 仪器分析的应用范围十分广泛。仪器分析与科学四大理论（天体、地球、生命、人类起源和深化）及人类社会面临
的五大危机（资源、粮食、能源、人口、环境）问题的解决密切相关，也与工农业生产及人们日常衣食住行用的质量保证等领域密切相关，仪器分析的发展包括仪器和方法两方面的发展，仪器分析的发展趋势表现在建立原位、在体、实时、在线的动态分析检测方法建立无损以及多参数同时检测方法。现在以实现各种分析法的联用；分析仪器的智能化、自动化和微型化等几个方面。 通过对仪器分析这一课程的学习，对常用仪器的基本原理、特点、使用方法和应用都有了大致的认识和掌握。这门学科的实用性强，应用广泛。它的方法和基本思想如逻辑思维，对以后的科研和日常的工作有巨大的帮助。如果能对仪器分析这门课程有深刻认识，对以后仪器的创新和发展也能尽到一份力。 篇二：《仪器分析》问题学习法总结 《仪器分析》问题学习法心得体会 虽然只有短短的八周学习时间，但在张玲老师的指导学习下，使我对仪器分析这门学科了解颇多。通过学习是我知道仪器分析是我们学化学的必学的一门课程，是化学分析中不可缺少的方法。而且随着科技的发展，仪器分析变得越来越重要，在化学分析中的应用也越来越广泛。因此，我们必须学好仪器分析。就像张玲老师说的那样，大学毕业后我们什么书都可以卖掉，但《仪器分析》这本书一定要留下来。
用模糊控制实现恒压供水 参考文献： 文献一：基于模糊控制的恒压供水研究 中图分类号: TU991 文献标识码: A 文章编号: 1672- 9900(2007)04- 0028- 03 总结： 由于供水系统的管网和水泵存在着非线性、多变量等特性, 而且相间有交叉耦合, 很难建立精确的数学模型。如果采用常规的PID 算控制,往往难以得到较理想的静动态特性。采用模糊逻辑控制的方法对水压进行控制, 可以达到良好的控制性能。模糊控制器结构如图1示。采用双输入单输出的形式, 以水压给定值SP 和实际水压测量值PV 的误差e( e=SP- PV) 及误差变化率ec( ec=de/dt) 作为糊控制器的输入量, 经模糊化后分别得到模糊量 E 和EC, 并分别用模糊语言加以描述, 建立输入和输出之间的模糊控制规则。如果用PLC 进行在线模糊推理,将花费大量运算时间,从而影响系统工作。根据控制规则采用离线方式计算出模糊控制表, 存于可编程控制器PLC 内存中, 在实时控制时将复杂的推理运算过程简化为查表运算, 极大地提高了恒压供水系统的响应速度。
系统将自调整模糊控制技术应用到基于PLC 控制的变频调速恒压供水系统中,能够很好地克服供水系统数学模型难以确定、使用传统PID控制方式调节器参数调整困难的缺点, 较好地消除了系统非线性、时变等因素的干扰影响。系统经过调试和实际运行, 其压力始终稳定在设定的范围内, 具有节约能源、操作方便、自动化控制程度高等优点, 系统可广泛应用于住宅小区、高楼供水系统。 文献二：恒压供水系统的模糊控制 (1·温州大学工业工程学院,浙江温州325000;2·浙江大学工业控制技术国家重点实验室,浙江杭州310000) 总结： 恒压供水是指用户段不管用水量大小,总保持管网水压基本恒定,这样,既可满足各部位的用户对水的需求,又不使电动机空转,造成电能的浪费。为实现上述目标,利用PLC根据给定压力信号和反馈 压力信号,通过模糊推理运算,控制变频器调节水泵转速,从而达到控制管网水压的目的。变频恒压供水系统如图3—1所示。根据供水压力要求,采用一用一备变频恒压供水系统。
人工智能在电子信息上的应用————专家系统 引言： 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 专家系统是人工智能应用研究的一个重要领域。它实现了人工智能从理论研究走向实际应用，从一般思维方法探讨转入专门知识运用的重大突破。专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。 摘要: 专家系统是人工智能应用研究的主要领域。专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，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。它运用于医疗、军事、地质勘探、教学、化工等领域，产生了巨大的经济效益和社会效益。现在，专家系统已成为人工智能领域中最活跃、最受重视的领域。 关键词：人工智能，专家系统 正文： 1、什么是专家系统 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。 目前，对什么是专家系统还没有一个严格公认的形式化定义。作为一种一般的解释，可以认为专家系统是一种具有大量专门知识与经验的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。 2、专家系统的基本结构 专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。 在其中，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。 人工智能中的知识表示形式有产生式、框架、语意网络等，而在专家系统中运用得较为普遍的知识是产生式规则。产生式规则以IF…THEN…的形式出现，就像编程语言里的条件语句一样，IF后面跟的是条件（前件），THEN后面的是结论（后件），条件与结论均可以通过逻辑运算AND、OR、NOT进行复合。在这里，产生式规则的理解非常简单：如果前提条件得到满足，就产生相应的动作或结论。产生式专家系统的知识库中包含了大量的规则，换言之，这里的知识库就是一个规则集。 3、专家系统的特性（与人类专家相比） 专家系统作为一个计算机程序系统具有如下几个特性： （1）不受时间限制：人类专家的工作时间有限，但专家系统是恒久，一旦开发完成，可随时使用，并可二十四小时持续运作。
《现代仪器分析》教学大纲 课程编号： 课程名称：现代分析/ Modern Instrumental Analysis 学时/学分：40 /2.5 先修课程：无机及分析化学、有机化学 适用专业：化学工程与工艺 开课学院（部）、系(教研室)：化学工程学院制药工程系 一、课程的性质与任务 仪器分析与光谱解析是制药工程专业的学科基础必修课。 本课程要求学生掌握各种仪器分析方法的基本原理、基本方法和基本操作。熟悉各种典型光谱的解析及色谱法的分离条件的选择。了解各种仪器的工作原理，以及各种仪器分析方法在药学中的应用。 二、课程的教学内容、基本要求及学时分配 （一）教学内容 1.电位法及永停滴定法 电化学分析法的基本原理（分类、基本原理）；直接电位法、电位滴定法和永停滴定法的测定方法、应用及示例。 2.气相色谱法 气相色谱法的基本原理（基本概念、塔板理论、Van Deemter方程式简介），色谱柱（固定液、载体、气－液色谱填充柱的制备），气－固色谱填充柱、毛细管色谱柱简介，检测器（热导、氢焰）分离条件的选择，定性、定量分析方法，应用与示例等。 3.高效液相色谱法 高效液相色谱法的基本原理（Van Deemter）； 方程式在HPLC与GC中表现形式、Giddings方程式简介），各类高效液相色谱法：液－固吸附色谱法、液－液分配色谱法、化学键合相色谱法（反相键合相色谱法、正相键合相色谱法、离子抑制色谱法、离子对色谱法），离子交换色谱法与离子色谱法、空间排斥色谱法，其他色谱法简介（胶束色谱法、手性色谱法、亲合色谱法），高效液相色谱固定相，流动相、仪器装置、定性与定量分析方法及毛细电泳法简介。 4.紫外—可见光度法 紫外—可见光谱的跃迁机理；Lambert-beer定律；精细结构；溶剂效应；wood-word吸收定则及应用。 5.红外光谱法 红外光谱的跃迁机理；判别定则；拉曼光谱；Fourier变换红外光谱；试样的制备和仪器等。 6.核磁共振 核自旋能级跃迁的基本原理；Zeeman能级；Boltzman分布；核的进动与弛豫；化学位移及其影响因素；13C—1H自旋—自旋偶合；偶合常数及其影响因素；NMR光谱的改进；奥氏核效应；二维谱。 7.质谱
西交《现代仪器分析》在线作业15秋100分答案 一、单选题（共 25 道试题，共 50 分。） 1. 气相色谱中，相对校正因子与（）无关。、 A. 载气种类 B. 检测器结构 C. 标准物 D. 检测器类型 正确答案： B 2. 某有色物质溶液，每100mL中含该物质0.2mg。今用1cm比色杯在某波长下测得透光率为10％，这该物质的E1％1cm= ( )、 现代仪器分析论文 A. 1.0 × 102 B. 1.0× 103 C. 5.0 × 102 D. 5.0× 103 正确答案： D 3. 3,3-二甲基戊烷：受到电子流轰击后, 最容易断裂的键位是: ( ) 、 A. 1和4 B. 2和3 C. 5和6 D. 2和3 正确答案： B 4. 对于异丙叉丙酮CH3COCH=C(CH3)2的溶剂效应，以下说法正确的是（）。、 A. 在极性溶剂中测定n→π*跃迁吸收带，λmax发生短移 B. 在极性溶剂中测定n→π*跃迁吸收带，λmax发生长移 C. 在极性溶剂中测定π→π*跃迁吸收带，λmax发生短移 D. n→π*和π→π*跃迁吸收带波长与溶剂极性无关。 正确答案： A 5. 某稀溶液浓度为C, 测得透光率为T，若该溶液浓度变为0.5C，2C，3C，则其透光率将分别为（）。、 A. 0.5T，2T，3T B. T1/2，T2，T3 C. T×lg0.5，T×lg2，T×lg3 D. T/0.5, T/2, T/3 正确答案： B 6. 下列哪种因素将使组分的保留时间变短？( )。、 A. 降低流动相的流速 B. 增加色谱柱柱长 C. 正相色谱环己烷-二氯甲烷流动相系统增大环己烷比例 D. 反相色谱乙腈-水流动相系统增加乙腈比例 正确答案： D 7. Van Deemter方程中，影响A项的因素有（）、 A. 载气分子量
复习题库 绪论 1、仪器分析法： （）2、以下哪些方法不属于电化学分析法。 A、荧光光谱法 B、电位法 C、库仑分析法 D、电解分析法（）3、以下哪些方法不属于光学分析法。 A、荧光光谱法 B、电位法 C、紫外-可见吸收光谱法 D、原子吸收法（）4、以下哪些方法不属于色谱分析法。 A、荧光广谱法 B、气相色谱法 C、液相色谱法 D、纸色谱法 5、简述玻璃器皿的洗涤方法和洗涤干净的标志。 6、简述分析天平的使用方法和注意事项。 第一章电位分析法 1、电化学分析法： 2、电位分析法： 3、参比电极：
4、指示电极： 5、pH实用定义： （）6、以下哪些方法不属于电化学分析法。 A、荧光光谱法 B、电位法 C、库仑分析法 D、电解分析法 （）7、在电位分析法，作为指示电极，其电极电位应与测量离子的活度。 A、符合能斯特方程式 B、成正比 C、与被测离子活度的对数成正比 D、无关 （）8、饱和甘汞电极的外玻璃管中装的是。 A、0.1mol/L KCl溶液 B、1mol/L KCl溶液 C、饱和KCl溶液 D、纯水 （）9、关于pH 玻璃电极膜电位的产生原因，下列说法正确的是。 A、氢离子在玻璃表面还原而传递电子 B、钠离子在玻璃膜中移动 C、氢离子穿透玻璃膜而使膜内外氢离子产生浓度差 D、氢离子在玻璃膜表面进行离子交换和扩散的结果
（）10、下列不是直接电位法中常用的pH标准缓冲溶液。A、pH=4.02 B、pH=6.86 C、pH=7.00 D、pH=9.18 （）11、实验室常用的pH＝6.86（25℃）的标准缓冲溶液为。 A、0.1 mol/L 乙酸钠+ 0.1 mol/L 乙酸 B、0.025 mol/L 邻苯二甲酸氢钾 C、0.1 mol/L 氢氧化钠 D、0.025 mol/L 磷酸二氢钾和磷酸氢二钠（）12、pH复合电极的参比电极是。 A、饱和甘汞电极 B、银－氯化银电极 C、铂电极 D、银电极 （）13、经常不用的pH复合电极在使用前应活化。 A、20min B、30min C、12h D、8h （）14、pH复合电极在使用前应用下列哪种溶液活化。 A、纯水 B、饱和KCl 溶液 C、0.1mol/L KCl 溶液 D、0.1mol/LHCl溶液 （）15、已知待测水样的pH大约为5左右，定位溶液最好选。 A、pH4 和pH7 B、pH2 和pH7 C、pH7 和pH9 D、pH4 和pH9
2015级硕士期末论文《现代控制理论综述》 课程现代控制理论姓名 学号 专业 2016 年1 月 4 日
经典控制理论与现代控制理论的差异 现代控制理论是建立在状态空间法基础上的一种控制理论，是自动控制理论的一个主要组成部分。在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进行的，基本的方法是时间域方法。现代控制理论比经典控制理论所能处理的控制问题要广泛得多，包括线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。它所采用的方法和算法也更适合于在数字计算机上进行。现代控制理论还为设计和构造具有指定的性能指标的最优控制系统提供了可能性。现代控制理论的名称是在1960年以后开始出现的，用以区别当时已经相当成熟并在后来被称为经典控制理论的那些方法。现代控制理论已在航空航天技术、军事技术、通信系统、生产过程等方面得到广泛的应用。现代控制理论的某些概念和方法，还被应用于人口控制、交通管理、生态系统、经济系统等的研究中。 现代控制理论是在20世纪50年代中期迅速兴起的空间技术的推动下发展起来的。空间技术的发展迫切要求建立新的控制原理，以解决诸如把宇宙火箭和人造卫星用最少燃料或最短时间准确地发射到预定轨道一类的控制问题。这类控
制问题十分复杂，采用经典控制理论难以解决。1958年，苏联科学家Л.С.庞特里亚金提出了名为极大值原理的综合控制系统的新方法。在这之前，美国学者R.贝尔曼于1954年创立了动态规划，并在1956年应用于控制过程。他们的研究成果解决了空间技术中出现的复杂控制问题，并开拓了控制理论中最优控制理论这一新的领域。1960～1961年，美国学者R.E.卡尔曼和R.S.布什建立了卡尔曼-布什滤波理论，因而有可能有效地考虑控制问题中所存在的随机噪声的影响，把控制理论的研究范围扩大，包括了更为复杂的控制问题。几乎在同一时期内，贝尔曼、卡尔曼等人把状态空间法系统地引入控制理论中。状态空间法对揭示和认识控制系统的许多重要特性具有关键的作用。其中能控性和能观测性尤为重要，成为控制理论两个最基本的概念。到60年代初，一套以状态空间法、极大值原理、动态规划、卡尔曼-布什滤波为基础的分析和设计控制系统的新的原理和方法已经确立，这标志着现代控制理论的形成。 现代控制理论所包含的学科内容十分广泛，主要的方面有：线性系统理论、非线性系统理论、最优控制理论、随机控制理论和适应控制理论。 线性系统理论是现代控制理论中最为基本和比较成熟的一个分支，着重于研究线性系统中状态的控制和观测问题，其基本的分析和综合方法是状态空间法。按所采用的数学工具，线性系统理论通常分成为三个学派：基于几何概念和方法的几何理论，代表人物是W.M.旺纳姆;基于抽象代数方法的代数理论，代表人物是R.E.卡尔曼；基于复变量方法的频域理论，代表人物是H.H.罗森布罗克。 非线性系统理论的分析和综合理论尚不完善。研究领域主要还限于系统的运动稳定性、双线性系统的控制和观测问题、非线性反馈问题等。更一般的非线性系统理论还有待建立。从70年代中期以来，由微分几何理论得出的某些方法对
2016秋《自然辩证法概论》课程期末论文 班级__ 学号__ 姓名__ 开课学院马克思主义学院任课教师_ 成绩________
人工智能对人类未来社会的影响 摘要：近年来，由于“深度学习”神经网络的提出，突破瓶颈的人工智能迅速发展，各大科技公司也纷纷布局。人工智能逐渐融入人们生活，并极大的促进了社会发展，同时其飞速的发展也引发了人们对于人工智能未来与人类关系的忧虑。 关键词：人工智能人类未来 一、人工智能的发展 今年全球最热门的词汇，“人工智能”无疑是其中之一。前不久谷歌AlphaGo与李世石的围棋人机大战,是继1997年IBM计算机“深蓝”战胜人类国际象棋冠军之后，人工智能领域的又一重大里程碑。提到人工智能，因为受科幻小说或电影的影响，大多数人会想到屠杀人类的机器人大军，但就其本质而言，人工智能是对人的意识、思维的信息过程的模拟，现代人工智能主要依靠数据和算法。1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。随后，人工智能与众多学科产生融合并飞速进展，但在90年代暴力破解需要的呈指数增长的计算量使人工智能发展陷入僵局。直到2006年“深度学习”神经网络的提出，才取得了突破性进展。深度学习算法体现出来的高性能，掀起了新一代人工智能技术的革新浪潮。“近年来，谷歌、微软、IBM、 百度等拥有大数据的高科技公司相继投入大量资源进行深度学习技术研发，在语音、图像、自然语言、在线广告等领域取得显着进展。”[1] 二、人工智能对现代人类社会的影响 人工智能在我们的生活中早已是随处可见，例如，大多数智能手机上都有的语音助手，使用搜索引擎时跳出的快捷项等。人工智能也对社会生产产生众多影响，例如，富士康每年计划打造1万台机器人同时裁掉6万员工，报社使用人工智能进行简单的新闻编辑，甚至有机构在研发已在研发能写药物处方的算法。“技术的社会价值可以表现为积极的正面价值，推动社会发展增进人类幸福，但也可以表现为消极的负面价值，给社会带来诸多风险。”[2]人工智能在初步发展阶段会极大的造福人类，这也正是人类研发其的原因，但也有人担心现阶段人工智能带来的问题，如失业，对科技的依赖等。首先，对于失业，新闻编辑，富士康员工，药师等人员所做的重复性工作由人工智能代替可以把人类从繁重的劳动中解放出来，提高生产生活的效率和质量。被替换掉的人力资源可以进行更高级的生产，促进社会进步。当年工业化刚开始的时候也曾出现过这样的忧虑，现在看来那时的忧虑完全没有必要，现在情况依旧如此。当然让人们放弃熟悉的事物做出改变是比较困难的，却也是无法违背的。其次，对科技的过分依赖，生活中经常听到不要过度的使用手机这类“善良”的劝告，但在我看来，经常使用手机是必须的。手机是当前人与人连接最高效的方式，在信息时代线上生存是大势所趋，如有必要，时刻保持在线。现在只是处于过渡阶段，虽然人们已经通过手机连接，但线下生活依旧是主流，所以在习惯于线下生活的较年长人的眼里，花费大量时间看手机是不务正业。认识趋势，看到趋势，顺应趋势才是明智得做法。所以老师们不应徒劳的去劝说同学们上课不要看手机，而应积极地结合趋势寻找新的传授知识的
毛细管电泳综述 摘要：自 1988 年第一台商品化的毛细管电泳仪问世，距今已有二十多年的时光。在这期间，毛细管电泳（CE）技术无论在理论还是应用方面，都得到了飞速的发展。今天，CE 技术已逐渐成熟，在分析化学、生物化学、环境化学、材料化学、临床化学、有机化学、天然产物化学和药物化学等领域有着广泛的应用。CE 技术作为一种强有力的分离分析手段，已成功地应用于小分子、大分子、中性化合物和荷电化合物的分离。检测器是毛细管电泳仪器的关键部件，本文主要对毛细管电泳的检测器进行讨论，介绍一下我们自制的电导检测器。关键词：毛细管电泳，检测器 第一章前言 电泳是指带电粒子在电场作用下向电性相反的方向迁移的现象，据此对某些化学或生物化学组分进行分离的技术称为电泳技术。毛细管电泳(CE)又称高效毛细管电泳(HPCE)，是指以毛细管为分离室，以高压电场为驱动力的一类新型现代电泳技术，它于 80 年代中后期迅速发展，其原理是在高压电场和毛细管分离通道中，依据试样中各组分电泳淌度和分配行为上的差异而实现分离的一类分析技术。与经典电泳相比，毛细管电泳法克服了由于焦耳热引起的谱带宽和柱效较低的缺点。毛细管电泳引入高的电场强度，改善了分离质量，具有分离效率高、速度快和灵敏度高等特点，而且所需样品少、成本低，更为重要的是，它又是一种自动化的仪器分析方法。毛细管电泳法与高效液相色谱一样同是液相分离技术，在很大程度上两者互为补充，但无论从效率、速度、用量和成本来说，毛细管电泳法都显示了它独特的优势。毛细管电泳分离技术与传统的平板电泳和现代液相色谱分离技术相比具有很多优点：1.高效（105-107理论塔板数/米）；2.快速（几十秒至几十分钟）； 3.分离模式多，选择自由度大； 4.分析对象广，从无机离子到整个细胞； 5.高速自动化； 6.样品需量小，无环境污染,运行成本低，如:毛细管电泳可通过改变操作模式和缓冲液成分，根据不同的分子性质(如大小、电荷数、疏水性等)对极广泛的物质进行有效分离,而高效液相色谱法要用价格昂贵的色谱柱和溶剂。可见，毛细管电泳法具有仪器简单、分离模式多样化、应用范围广、分析速度快、分离效率高、灵敏度高、分析成本低、环境污染小等优点。 CE的研究可追溯到60 年代，1967 年由Stellen Hjerten 撰写的一篇论文，他使用3 mm 内径的石英毛细管，进行自由溶液区带电泳(CZE)[1]，由于意识到焦耳热会引起严重的峰展宽，他使用旋转毛细管的方法减小温度梯度的影响。1974 年，Virtanen 通过实验比较，认为使用细内径毛细管是降低焦耳热效应、提高分离效率的主要方法[2]。1979 年，Mikkers 采用200 μm 内径的聚四氟乙烯管和电导检测器分离了16 种有机离子，获得了105 plates/m 的高柱效[3]，这是毛细管电泳发展中第一个突破性成就。第二个突破性成就是Jorgenson 等人于1981 年完成的[4]，他们采用内径为75 μm 的石英毛细管和荧光检测器，配以30 kV 的高电压，获得了 4 × 105 plates/m 的柱效，使传统电泳技术发生了根本变革，迅速发展成为可与气相色谱(GC)和高效液相色谱(HPLC)相媲美的新颖的分离和分析技术——高效毛细管电泳(HPCE)。1983 年Hjerten 开展了很多开创性的工作，把传统的聚丙烯酰胺凝胶电泳移植到毛细管中，创建了毛细管凝聚电泳(CGE)[5]；1984 年Terabe 在毛
《人工智能导论》 课程论文 题目：人工智能导论课程论文 专业：计算机科学与技术 班级：N计科12-1F 姓名：吴文定 学号：24122401811 指导老师：白天
目录 前言 (3) 一、专家系统简介 (4) 二、关键字： (5) 三、专家系统概念和理论 (6) 四、专家系统的发展概况 (7) 五、专家系统的应用分析 (8) 六、专家系统的发展前景 (12) 七、专家系统的总结 (13) 八、学习心得 (14) 参考文献 (15)
前言 人工智能是经过40多年发展起来的一门综合性学科，它旨在研究如何利用计算机等现代工具设计模拟人类智能行为的系统。在众多的人工智能应用领域中，专家系统是30多年来发展起来的一种最具代表性的智能应用系统，它旨在研究如何设计基于知识的计算机程序系统来模拟人类专家求解专门问题的能力。专家系统是人工智能中最活跃的一个分支，是人工智能发展最重要的推动力。 由于人类对自身的思维规律和智能行为仍在探索中，因此，人工智能与专家系统仍然是一门开放的年轻学科。近几年来，人工智能与专家系统的研究越来越深入，新的思想、新的理论以及新的方法与技术不断涌现，新的研究成果不断充实着这一研究领域，尤其是模糊逻辑与神经网络及其结合的研究已成为当前人工智能或智能模拟的重要研究方向，学术论文数以千计，应用成果迭出。
一、专家系统简介 摘要:自从1965年世界上第一个专家系统DENDRAL问世以来，专家系统的技术和应用，在短短的30年间获得了长足的进步和发展。特别是20世纪80年代中期以后，随着知识工程技术的日渐丰富和成熟，各种各样的实用专家系统如雨后春笋般地在世界各地不断涌现。构建专家系统用到的思维方式可能是各种认知工具中最难的,因为它需要形式推理与逻辑推理,建构专家系统需要智力上的参与和挑战。本文首先介绍了专家系统的概念和理论及发展概况，并着重分析他们的应用和发展前景。
武汉工程大学 2010—2011学年度第二学期期末试卷 考试课程：现代仪器分析考核类型：考试A卷 考试形式：闭卷出卷教师：徐兰英 考试专业：环境工程考试班级：研究生 一、名词解释（5×4） 1、离子色谱 2、参比电极 3、生色团 4、摩尔吸光系 5、酸差 二、选择题（从下列各题备选答案中选出一个正确答案，并将其代号写在答题纸上。多选 或少选均不给分。每小题2分，共30分。） 1、符合吸收定律的溶液稀释时，其最大吸收峰波长位置。 A、向长波移动 B、向短波移动 C、不移动 D、不移动，吸收峰值降低 2、分子的紫外-可见吸收光谱呈带状光谱，其原因是什么？。 A、分子中价电子运动的离域性质； B、分子中价电子能级的相互作用； C、分子振动能级的跃迁伴随着转动能级的跃迁； D、分子电子能级的跃迁伴随着振动、转动能级的跃迁。 3、下列因素中，对色谱分离效率最有影响的是。 A、柱温 B、载气的种类 C、柱压 D、固定液膜厚度 4、用NaOH直接滴定法测定H3BO3含量能准确测定的方法是。 A、电位滴定法 B、酸碱中和法 C、电导滴定法 D、库伦分析法 5、总离子强度调节缓冲剂的最根本的作用是。 A、调节pH值 B、稳定离子强度 C、消除干扰离子 D、稳定选择性系数 6、已知在c(HCl)=1mol/L的HCl溶液中：ΦCr2O72-/Cr3+=1.00V, ΦFe3+/Fe2+=0.68V。若以K2CrO7滴定Fe2+ 时，选择下列指示剂中的哪一种最适合。 A、二苯胺（Φ=0.76V）； B、二甲基邻二氮菲—Fe3+（Φ=0.97V）； C、次甲基蓝（Φ=0.53V）； D、中性红（Φ=0.24V）； 7、进行电解分析时，要使电解能持续进行，外加电压应。 A、保持不变 B、大于分解电压 C、小于分解电压 D、等于分解电压 A卷【第页共页】
现代仪器分析综述 （1309011025 韩武） 现代仪器分析为现代分析化学奠定了雄厚的学科理论基础——信息理论, 使现代仪器分析已经成为分析化学极其重要的组成部分，现代仪器分析所采用的分析仪器是化学、光学、电学、磁学、机械及计算机科学等现代科学综合发展的产物，仪器本身就是科学技术水平的标志。若能充分利用现代仪器分析方法和技术, 就能更加全面、准确地认识物质世界, 进一步促进科学技术向纵深发展。 1、现代分析仪器的发展及发展趋向 现代仪器分析是在化学分析的基础上逐步发展起来的一类分析方法，现代分析仪器对科技领域的发展起着关键作用,一方面科技领域对分析仪器不断提出更高的要求,另一方面随着科学技术的飞速发展,新材料、新器件不断涌现又大大推动了分析仪器的快速更新,同时为仪器分析中老方法的不断更新、新方法的不断建立提供了物质和技术基础,大大地促进了现代仪器分析的快速发展。现代分析仪器的发展趋向主要有以下特点:向多功能化、自动化和智能化方向发展，向专用型和微型化方向发展，向多维分析仪器方向发展，向联用分析仪器方向发展。仪器分析的最主要的功能是人类五官感触的延伸，人类智慧利用了光、电和磁的物理特性通过物理和化学手段将微小的物理量放大，而获得感知小型化集成化（芯片）、多功能化（联用技术）和高稳定、高灵敏度检测是仪器分析发展的最高境界。20 世纪 70 年代中期首先出现了二维气相色谱技术,70 年代后期迅速发展了二维质谱技术和二维核磁共振波谱技术。二维气相色谱技术可使 用一种流动相在两根串联的色谱柱上对组成复杂的样品实现完全分离:二维质谱技术可同时提供强的碎片离子峰和强的分子离子峰,从而获得完整的结构信息;二维核磁共振波谱技术可提供固体物质、生物大分子的三维结构,显示原子核在样品中分布的立体图像。由上述分析仪器的发展和发展趋向 ,可知现代分析仪器是一种高科技产品,它综合采用了各种技术的最新成果,在不断创新与自身发展的同时,又为各个科技领域的研究和发展提供有力的手段和重要的信息。 2、现代仪器分析的内容和分类 现代仪器分析方法内容丰富，种类繁多，每种方法都有相对独立的物理及物理化学原理，现已有三四十种，新的方法还在不断地出现。为了便于学习和掌握，根据测量原理和信号特点，大致分为电化学分析法、色谱分析法、质谱分析法，
学院：化学化工学院 专业：应用化学 年级： 2013级 姓名：周玉佳 论文（设计）题目：气相色谱 指导教师：曹俊涛职称：讲师成绩： 2015 年 6 月 15 日
目录 摘要 ........................................................................................................ 错误！未定义书签。关键词 ...................................................................................................... 错误！未定义书签。Abstract ................................................................................................... 错误！未定义书签。Keywords................................................................................................. 错误！未定义书签。引言 ...................................................................................................... 错误！未定义书签。 1 气相色谱法的起源 (1) 2气相色谱法的发展 .............................................................................. 错误！未定义书签。 3 气相色谱的普遍应用 .......................................................................... 错误！未定义书签。 3.1 气相色谱石油石化工业分析应用 (2) 3.2 气相色谱在农药残留检测方面的应用 (2) 3.3 气相色谱在药物和临床分析中的应用 (3) 4 结语 (3) 参考文献 (3)
中南林业科技大学 课程论文 论文名称：人工智能课程论文 班级：信息与计算科学一班 姓名：丁洁（20083687）指导教师：黄慧华 日期：2011 - 10
人工智能课程论文 摘要：人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。 关键字：人工智能、智能化电子、符号计算、模式识别、专家系统、机器翻译人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 一、人工智能的具体描述 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的
上海大学2015-2016 学年秋季学期研究生课程考试 小论文 课程名称：高等仪器分析课程编号：11S009002 论文题目:TEM在core-shell介孔分子筛合成方面的应用 研究生姓名: 黄乐学号: 15722175 论文评语: 成绩: 任课教师: 张剑秋 评阅日期:
TEM在core-shell介孔分子筛合成方面的应用 黄乐 （上海大学环境与化学工程学院，上海200444） 摘要：介孔分子筛也称作介孔沸石，这种材料在催化，吸附和高新技术先进功能材料等方面有着重大应用，其中在催化方面的应用更加为人们所熟知。Core-shell结构的沸石是在普通的沸石表面包裹上一层鸡蛋壳一样的壳状物质，而且在沸石核心与壳之间一般会有一个空腔，这样就能更大的增加吸附催能力，提高催化效率，使之有更广泛的应用。关于这种沸石，由于是涉及纳米级的检测，所以当表征它时，一般会用到XRD,SEM,TEM和氮气吸附脱附仪等等一些仪器。其中，需要了解沸石的内部形态结构，晶格，网格时，一般会使用SEM来观察，分辨率要求更高时，就会选用TEM来观察其形貌结构。当需要了解沸石的细微结构，以及尺寸较小时的沸石，高分辨率透射电镜是一种研究局部和缺陷结构的有力工具。 关键词：TEM；Core-shell；介孔分子筛；形貌 Application of TEM in synthesis of core-shell mesoporous zeolite Huang Le (School of Environmental and chemical engineering, Shanghai University, Shanghai 200444, China) Abstract: Mesoporous molecular sieves are also known as mesoporous zeolites, which have important applications in catalysis, adsorption, and advanced functional materials, and applications of mesoporous zeolites are well known in catalysis. The Core-shell structure of the zeolite is a kind of zeolite covered a layer of egg shell on the surface , and there is a cavity between the core and the shell, which can increase the adsorption catalytic ability and improve the catalytic efficiency, so that it can be used more widely. About this kind of zeolite, because it is involved in the detection of nano scale, so when it needs characterization , in general, XRD, SEM, TEM , nitrogen adsorption desorption instrument and some of the instruments will be used. In addition,we requires a understanding of the internal structure of the zeolite, the lattice, the grid, and in general it will use SEM to observe,when needing higher resolution requirements,TEM will be chosen to observe its morphology structure. When it is necessary to understand the fine structure and the size of the zeolite, the high resolution transmission electron microscopy is a powerful tool to study the local and the structure of the defects. Key words: TEM；Core-shell；Mesoporous molecular sieves；Morphology 1 前言 多孔分子筛材料,由于其空旷的骨架，巨大的比表面积以及规整可调的孔结构,在催化、吸附、分离等领域已经得到了非常广泛的应用,同时也为人类创造了巨大的经济效益。[1]由于在石油加工过程中，传统的微孔分子筛由于孔径较小，重油分子不能进入孔道，从而限制了催化反应的进行，而有序的介孔材料提供了介孔的孔道结构，这更加有利于重油的催化转化。但是，目前受到无定型孔壁组成的限制,其水热稳定性、酸性稳定性和强度还较差，未能达到工业应用要求。功能性设计是促进材料科学领域不断发展的驱动力。Core-shell复合材料是一类将具有不同功能或孔道结构的不同组分在不同空间上均匀、可控分布的功能性材料。 Core-shell即核-壳纳米复合材料，核-壳纳米复合材料是以一个尺寸在微米至纳米级的颗粒为核，在其