1、智能控制: 即设计一个控制器（或系统），使之具有学习、抽象、推理、决策等功能，并能根据环境（包括被控对象或被控过程）信息的变化做出适应性反应，可以有各种人工智能的水平，从而实现由人来完成的任务。 2、智能控制由哪几部分组成？各自的特点是什么？ ①模糊控制（通过模拟人脑的思维方法设计控制器，可实现复杂系统的控制） ②神经网络控制（从机理上对人脑生理系统进行简单结构的模拟，具有并行机制、模式识别、记忆和自学习能力的特点，能充分逼近任意复杂的非线性系统，能够学习与适应不确定系统的动态特性，有很强的鲁棒性和容错性） ③遗传算法（可用于模糊控制规则的优化及神经网络参数及权值的学习） 3、比较智能控制和传统控制的特点 传统控制和智能控制的主要区别： ①传统控制方法在处理复杂化和不确定性问题方面能力很低；智能控制在处理复杂性、不确定性方面能力较高。智能控制系统的核心任务是控制具有复杂性和不确定性的系统，而控制的最有效途径就是采用仿人智能控制决策。 ②传统控制是基于被控对象精确模型的控制方式；智能控制的核心是基于知识进行智能决策，采用灵活机动的决策方式迫使控制朝着期望的目标逼近。 传统控制和智能控制的统一： 智能控制擅长解决非线性、时变等复杂控制问题，而传统控制适于解决线性、时不变等相对简单的控制问题。 智能控制的许多解决方案是在传统控制方案基础上的改进，因此，智能控制是对传统控制的扩充和发展，传统控制是智能控制的一个组成部分。 在这个意义上，传统控制和智能控制可以统一在智能控制的框架下，而不是被智能控制所取代。 智能控制研究对象的特点：(1)不确定性的模型 (2)高度的非线性 (3)复杂的任务要求 智能控制的特点：(1)分层递阶的组织结构 (2)自学习能力 (3)自适应能力 (4)自组织能力(5)优化能力 4、专家系统：是一类包含着知识和推理的智能计算机程序，其内部含有大量的某个领域的专家水平的知识和经验，具有解决专门问题的能力。 专家控制：是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。 5、专家控制与专家系统的区别： ①专家系统能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的自动决策。专家控制比专家系统对可靠性和抗干扰有着更高的要求。 ②专家系统处于离线工作方式，而专家控制要求在线获取反馈信息，即要求在线工作方式。 6、专家控制器的分类 ①直接型专家控制器：用于取代常规控制器，直接控制。具有模拟操作人工智能的功能。该控制器的任务和功能相对比较简单，但需要在线、实时控制。
火电机组实用智能优化控制技术 发表时间：2020-01-16T14:49:09.813Z 来源：《当代电力文化》2019年 18期作者：王奇 [导读] 随着科学技术的快速发展，智能优化控制已经成为了火电机组未来优化发展的必然趋势 摘要：随着科学技术的快速发展，智能优化控制已经成为了火电机组未来优化发展的必然趋势。同时，通过智能优化控制技术的有效利用还可以降低硬件改造成本，将机组潜藏的节能潜力充分挖掘出来，具有周期短、投资低以及节能效果明显等优势。然而，通过对实际情况进行分析可以发现，目前相应智能优化控制技术的应用还有一定的问题存在，对其作用发挥造成了非常大的消极影响。鉴于这种情况，本文首先对智能控制技术进行了简单介绍，然后对几种目前常用的火电机组实用智能优化控制技术进行了深入探究，希望可以为其作用发挥起到一定的指导借鉴作用。 关键词：火电机组；智能优化；实用控制技术 随着时代的快速发展和社会的不断进步，人们的环保理念也随之出现了显著提升，常用的燃烧煤种也越来越多，这也给火电机组工作展开带去了新的挑战。在这种背景下，要想有效提升火电机组工作效率，降低能源消耗，相关工作人员必须要转变自身的工作理念，通过智能优化控制技术的有效利用对火电机组进行优化，这样才可以在节约能源的同时，进一步提高其工作效率，为相关工作的顺利展开起到更大的推动作用。所以，本文展开火电机组实用智能优化控制技术探究有着重要的现实意义。 一、智能控制技术分析 智能控制是以人工智能和自动控制为基础产生的新兴交叉学科，通过智能控制方法的有效利用可以切实解决像是现代控制技术以及经典反馈控制等传统控制方法难以有效解决的复杂问题。同时，智能控制这一概念是由Mendel与Leonde两人在上个世纪60年代中后期提出的，并且该理论自此以后获得了突飞猛进的发展，而且被广泛应用到了各行各业，然而，到现在为止，相关专家学者在智能控制定义、理论以及结构等方面的描述还不符合系统性的要求。另外，从控制类型入手进行分析可以得出，智能控制技术主要由模糊控制、神经网络控制、学习控制、仿人智能控制、专家控制、分层递阶控制以及其余混合型方法等几部分组成，而且要想将其作用充分发挥出来完成对火电机组的优化，相关人员应该综合考虑实际需要以及现代传统控制技术展开工作，这样才可以将智能优化控制技术的作用更大程度的发挥出来，为生产工作的顺利展开做出更大的贡献。 二、常用的火电机组实用智能优化控制技术 （一）锅炉智能燃烧优化控制技术探究 一直以来，由于控制对象存在不确定性而且复杂等特点，电站锅炉燃烧控制一直都属于智能控制技术研究的重难点。但是，相关工作人员在进行研究的时候，应该以DCS历史数据挖掘法为基础，更多的还都是展开对工况条件不同的氧量以及二次风配条件的优化探究。除此之外，分许国内测量工作的实际情况可以得出，现在我国测量人员所常用的炉侧氧量、飞灰、风量等仪表的测量精确度都比较低，可靠性也相对较差，这种情况也就造成了目前常用的基于试验的燃烧调整技术依旧是不可取代的，而且煤质以及负荷的频繁波动更是极大的提升了人们获得在线样本的难度，导致了人们在固定时间当中可使用的样本规模量相对较小，必须要综合考虑专家经验展开锅炉控制。所以，要想将锅炉智能燃烧优化控制技术的作用充分发挥出来，相关研究人员应该综合考虑国内电厂所存在的煤质、负荷波动频繁、智能化程度低、需要手动干预以及运行效率低等情况展开优化调整实验，并以此为基础提升边界函数的合理性，利用智能建模算法构建更为优秀的控制系统，最终达到闭环优化控制目标。 （二）基于凝结水变负荷的深度滑压节能控制技术探究 所谓凝结水变负荷实际上指的就是通过凝结水系统蓄能完成负荷调节的目标，这项技术已经得到了准确验证并为广泛应用到了机组峰值调整工作当中。然而，将主蒸汽调节阀以及主蒸汽压力波动等影响元素排除以后可以发现，凝结水变负荷的响应幅度以及时间都很难独立满足电网一次调频需求。另外，水位和其之间存在的联系也对其持续应用时间造成了比较大的限制。所以，相关人员在以此为基础应用这项优化控制技术的目标就是跳出现有技术束缚，将其负荷调节能力的作用充分发挥出来，从而为火电机组工作的顺利展开起到更大的推动作用。 （三）基于指数预测的脱硝优化自动控制技术探究 目前我国常用的SCR烟气脱硝系统基本上都有NOx质量浓度测量非常滞后，原有控制方式效果也比较差，不仅没有办法有效完成自动控制，甚至空气预热器还会由于氨逃逸量过大而出现堵塞的情况，而通过基于指数预测的脱硝优化自动控制技术应用则可以有效解决这些问题。这主要是因为基于指数预测的脱硝优化自动控制技术可以按照烟气NOx的生成影响因素展开在线分析工作，完成相应浓度指数预测回路的构建，打造精准与智能度更强的预喷氨闭环控制系统，以此来有效增强控制精度以及控制效果，消除系统所存在的不稳定和测量滞后问题，进而为火电机组工作效率以及工作质量的增强贡献更大的力量。 三、结束语 总而言之，随着现代化进程的不断推进，现有火电机组所暴露出的问题也越来越多。要想有效提高其性能，为相关工作的顺利展开提供更有力的支持和保障，必须要对火电机组进行智能优化，并且有效利用智能优化控制技术还可以进一步提升火电机组工作效率，将其潜能更大程度的释放出来。但是，到现在为止，火电机组的实用智能优化却依旧有一定问题存在，极大的阻碍了其作用发挥。要想有效解决这些问题，相关工作人员必须要转变工作理念，综合考虑实际工作需要展开智能优化，这样才可以将其作用充分发挥出来，从而为我国现代化事业的发展建设做出更大的贡献。 参考文献： [1]朱晓星,寻新,陈厚涛,王志杰,王锡辉,彭梁.基于智能算法的火电机组启动优化控制技术[J].中国电力,2018,51(10):43-48. [2]高海东,高林,樊皓亮,王林,侯玉婷.火电机组实用智能优化控制技术[J].热力发电,2017,46(12):1-5. [3]张晓宇,王天伟,李燕,王懋譞,王永富.火电机组燃烧系统智能综合优化控制研究[J].中国电机工程学报,2019,39(09):2544-2553.
模式识别的研究现状与发展趋势 摘要：随着现今社会信息技术的飞速发展, 人工智能的应用越来越广泛, 其中模式识别是人工智能应用的一个方面。而且现今的模式识别的应用也越来越得到大家的重视与支持，在各方面也有重大的进步。模式识别也成为人们身边不可或缺的一部分。关键词：人工智能，技术，模式识别，前景 Abstract：In the modern society with the rapid development of information technology, the application of a rtificial intelligence is more and more extensive, among them pattern recognition is one of the ap ply of artificial intelligence. And now the application of pattern recognition is also more and more to get everyone's attention and support, in various aspects have significant progress. Pattern rec ognition has become an integral part of people around. Keywords: Artificial Intelligence, Technology,Pattern Recognition, prospects 一，引言 如今计算机硬件的高速发展, 以及计算机应用领域的不断开拓, 人们开始要求计算机能够更有效地感知诸如声音、文字、图像、温度、震动等人类赖以发展自身、改造环境所运用的信息资料。但就一般意义来说, 目前一般计算机却无法直接感知它们, 我们常用的键盘、鼠标等外部设备, 对于这些外部世界显得无能为力。虽然摄像机、图文扫描仪、话筒等设备业已解决了上述非电信号的转换, 并与计算机联机, 但由于识别技术不高, 而未能使计算机真正知道采录后的究竟是什么信息。计算机对外部世界感知能力的低下, 成为开拓计算机应用的瓶颈, 也与其高超的运算能力形成强烈的对比。于是, 着眼于拓宽计算机的应用领域, 提高其感知外部信息能力的学科———模式识别, 便得到迅速发展。 人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式, 是对人类感知外界功能的模拟, 研究的是计算机模式识别系统, 也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。现将人工智能在模式识别方面的一些具体和最新的应用范围遍及遥感、生物医学图象和信号的分析、工业产品的自动无损检验、指纹鉴定、文字和语音识别、机器视觉地圈模式识别等方面。 二，现状 以地图模式识别为例，地图模式识别是由计算机来对地图进行识别与理解, 并借助一定的技术手段, 让计算机研究和分析地图上的各种模式信息, 获取地图要素的质量意义。其计算处理的过程类似于人对地图的阅读。 地图模式识别是近年来在地图制图领域中新兴的一门高新技术, 是信息时代人工智能、模式识别技术在地图制图中的具体应用。由于它是传统地图制图迈向数字地图制图的一座桥梁, 因此,地图模式识别遥感技术、地理信息系统一起, 被称为现代地图制图的三大技术。 目前, 地图模式识别由于具有广泛的应用价值和发展潜力,因而受到了人们的普遍重视。尤其是随着现今的计算机及其外部硬件环境的不断提高, 科技不过发展的情况下，
“985工程” 流程工业综合自动化科技创新平台学术方向建设《项目指南》（第一批） 学术方向复杂工业过程的智能控制与优化 责任教授：杨光红 流程工业综合自动化科技创新平台 二ΟΟ六年五月二十八日
一、研究方向支持的主要领域 复杂工业过程的智能控制与优化方向将开展复杂系统的多目标优化理论与方法研究，容错控制方法研究以提高容错能力和可靠性，考虑在网络化环境下智能控制与优化的新挑战；以及复杂工业过程控制系统中各层次的智能控制与特殊问题研究。主要支持以下研究主题： 1）容错控制系统的多目标优化设计方法及应用； 2）基于模糊模型的非线性鲁棒与智能控制； 3）广义系统的鲁棒控制：不确定性广义系统的鲁棒控制理论、以受限机器人系统、电力系统、经济系统、生物系统为背景的控制器设计方法和仿真。 4）切换系统的鲁棒控制、多目标优化设计方法及应用； 5）运动目标视觉跟踪技术； 6）巡诊查房机器人技术及原型样机； 7）网络控制系统：通信网络系统、基于无线传感器网等的控制方法、控制系统优化设计及复杂互联系统协调控制方法。 二、研究方向建设的总体目标 本学术方向建设的总体目标是：取得一批原创性强的研究成果，部分成果有重大突破并达到国际领先水平，推动复杂工业过程的智能控制与优化理论的进一步发展，以提高我国在相关学科的整体研究水平。 具体指标： 1）在国内外主要学术刊物和重要国际会议上发表60篇以上论文，其中SCI等检索收录论文30篇，包括在本领域著名国际杂志发表论文15篇； 2）争取申请成功4项国家自然科学基金，2项省部、市自然科学基金项目； 3）培养博士生和硕士生50名（毕业25名以上）。 三、建议课题 课题1：容错控制系统的多目标优化设计 1.1 研究目的与意义 在许多实际工程系统(诸如飞行器控制系统、电力控制系统、网络控制系统等)设计过程中，为了降低由于系统出现故障而带来的损失，通常要求所设计的系统具有可靠性，即所设计的系统要有容错功能。容错控制控制系统是指所设计的控制器不但能对系统正常运行时提供理想的性能保证，而且在执行器、传感器或元部件发生故障时，仍能使闭环系统是稳定的并具有可接受的特性。容错控制方法主要分为：主动容错控制与被动容错控制。主动容错控制是指在故障发生后需要重新调整控制器的参数，也可能需要改变
优化算法、智能算法、智能控制技术的特点和应用在建立了以频域法为主的经典控制理论的基础上，智能控制技术逐步发展。随着信息技术的进步新方法和新技术进入工程化、产品化阶段。这对自动控制理论技术提出了新的挑战，促进了智能理论在控制技术中的应用。下面介绍了优化算法、智能算法、智能控制技术的特点及应用。 优化算法特点及应用 什么是优化？就是从各种方案中选取一个最好的。从数学角度看，优化理论就是研究如何在状态空间中寻找到全局最优点。优化算法通常用来处理问题最优解的求解，这个问题有多个变量共同决定的优化算法的一个特点往往给出的是一个局部最优解，不是绝对的最优解，或者说全局最优解。一种优化算法是否有用很大程度取决问题本身，如果问题本身就是比较无序的，或许随机搜索是最有效的。常用有3种优化算法:遗传算法、蚁群算法、免疫算法等。 遗传算法是一种基于模拟遗传机制和进化论的并行随机搜索优化算法。遗传算法在控制领域中，已被用于研究离散时问最优控制、方程的求解和控制系统的鲁棒稳定问题等。遗传算法用来训练神经网络权值，对控制规则和隶属度函数进行优化，也可用来优化网络结构。 蚁群算法是群体智能的典型实现，是一种基于种群寻优的启发式搜索算法。蚁群算法小仅能够智能搜索、全局优化，而具有鲁棒性、正反馈、分布式计算、易与其它算法结合等特点。等人将蚁群算法先后应用于旅行商问题、资源二次分配问题等经典优化问题，得到了较好的效果。在动态环境下，蚁群算法也表现出高度的灵活性和健壮性，如在集成电路布线设计、电信路山控制、交通建模及规划、电力系
统优化及故障分析等方面都被认为是目前较好的算法之一。 智能算法的特点及应用 智能计算也有人称之为“软计算”。是人们受生物界的启迪，根据其原理，模仿求解的算法。 智能计算的思想：利用仿生原理进行设计(包括设计算法)。常用的智能算法：1）人工神经网络算法、2）遗传算法、3)模拟退火算法、4）群集智能算法。其应用领域有：神经元和局部电路建模系统神经生物学和神经建模、进化计算、模式识别、信息检索、生物信息学、语音、图像处理、自然语言理解 智能控制技术的特点和应用 在建立了以频域法为主的经典控制理论的基础上，智能控制技术逐步发展。控制技术首先在工业生产中得到了广泛的应用智能控制与传统控制相比，在理论法、应用领域、性能指标等而存在明显的小同，主要表现在:1）在应用领域上，传统控制着重解决不太复杂的过程控制和大系统的控制问题;而智能控制主要解决高度非线性、小确定性和复杂系统控制问题;2）在理论方法上，传统控制理论通常采用定量力法进行处理，而智能控制系统大多采用符号加工的力法;传统控制通常捕获精确知识，而智能控制通常是学习积累的精确知识;传统控制通常是用数学模型来描述系统，而智能控制系统则是通过经验、规则用符号来描述系统;3）在性能指标方面，传统控制有严格的性能指标，智能控制没有统一的性能指标，而主要关注其目的和行为是否达到。 智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等 模糊控制是用机器模拟人对系统的控制，就是在被控对象的模糊模型的基础上运用
模式识别与智能系统 （081104） 一、培养目标 培养热爱祖国，拥护中国共产党的领导，拥护社会主义制度，遵纪守法，品德良好，具有服务国家、服务人民的社会责任感，掌握本学科坚实的基础理论和系统的专业知识，具有创新精神、创新能力和从事科学研究、教学、管理等工作能力的高层次学术型专门人才。 模式识别与智能系统是20世纪60年代以来在信号处理、人工智能、控制论、计算机技术等学科基础上发展起来的新型学科。该学科以各种传感器为信息源，以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统性能。模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值的控制科学与工程的重要学科分支。 本学科培养德智体全面发展，具有坚实和系统的模式识别与智能系统理论知识和实践技能，了解模式识别与智能系统学科发展的前沿和动态，能够适应我国经济、科技、教育发展需要，面向二十一世纪的科学研究、工程技术和高等教育的高层次人才。学位获得者业务上应具有具备从事在本学科及相关学科领域独立开发研究工作的能力，注意理论联系实际，能够分析和解决现代经济建设和交叉学科中涌现出的新课题；能够熟练利用计算机解决本学科的有关问题；较为熟练地掌握一门外国语；具有健康的体格。 二、研究方向 （一）智能机器人系统 主要进行智能机器人控制与决策系统的研究与开发，包括自主移动机器人、特种机器人、服务机器人、工业机器人等内容。机器人的自主定位、导航、避障与多机器人协调控制为主要研究方向。 （二）系统仿真技术与应用 主要研究方向为控制系统仿真与计算机辅助设计、半实物仿真与实时控制、分数阶与网络控制系统仿真、系统建模校验与验证及仿真算法和高层体系结构理论与应用技术、工业过程建模仿真和提高控制效果与系统性能的方法研究。 （三）图像处理与计算机视觉 研究图像信息获取、处理、分析、理解与识别分类等理论与技术，研究图像处理技术在医学影像处理、动态目标识别与跟踪、智能交通系统、军事等领域的工程应用问题。 （四）建筑智能化技术 本方向以建筑智能化技术为背景，主要研究智能建筑系统集成理论与技术、
人工智能与模式识别 摘要：信息技术的飞速发展使得人工智能的应用围变得越来越广，而模式识别作为其中的一个重要方面，一直是人工智能研究的重要方向。在介绍人工智能和模式识别的相关知识的同时，对人工智能在模式识别中的应用进行了一定的论述。模式识别是人类的一项基本智能，着20世纪40年代计算机的出现以及50年代人工智能的兴起，模式识别技术有了长足的发展。模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理的研究有交叉关系。模式识别的发展潜力巨大。 关键词：模式识别；数字识别；人脸识别中图分类号； Abstract: The rapid development of information technology makes the application of artificial intelligence become more and more widely. Pattern recognition, as one of the important aspects, has always been an important direction of artificial intelligence research. In the introduction of artificial intelligence and pattern recognition related knowledge at the same time, artificial intelligence in pattern recognition applications were discussed.Pattern recognition is a basic human intelligence, the emergence of the 20th century, 40 years of computer and the rise of artificial intelligence in the 1950s, pattern recognition technology has made great progress. Pattern recognition and statistics, psychology,
摘要：在此我综述智能控制技术的现状及发展,首先简述智能控制的性能特点及主要方法;然后介绍智能控制在各行各业中的应用现状;接着论述智能控制的发展。智能控制技术的主要方法，介绍了智能控制在各行各业中的应用。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 关键词：智能控制应用自动化 浅谈智能控制技术现状及发展 在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。 一、智能控制的性能特点及主要方法 1.1根据智能控制的基本控制对象的开放性，复杂性，不确定性的特点，一个理想的智能控制系统具有如下性能： （1）系统对一个未知环境提供的信息进行识别、记忆、学习，并利用 积累的经验进一步改善自身性能的能力，即在经历某种变化后，变化后的
模式识别与智能系统硕士点 研究生入学复试大纲 复试笔试满分为150分，包括基本能力测试（45分）和专业基础知识测试（105分）两部分。采取闭卷考试，考试时间一般为2至3小时。 有关专业基础知识测试的说明 专业基础知识测试（105分）由21道题目组成，参加笔试同学可从中任意选择7道完成，每题15分。专业知识点包括以下七个方面： 一．图象处理(共3题) 考试知识点：数字图象直方图、基于直方图均衡化的图象增强、边缘检测算子、梯度大小/方向计算、频域滤波基础、频域滤波操作的基本步骤。 辅导材料：冈萨雷斯等，《数字图象处理》,第二版，电子工业出版社, 2003.3, ISBN 7-5053-8236-5。认真阅读该书的3.3, 4.2, 10.1。 二．信息安全(共2题) 考试知识点：信息熵的计算、信源编码。 辅导材料：《信息与编码理论基础》，万旺根，上海大学出版社。 三．人工智能(共2题) 考试知识点：人工智能的基本概念。 辅导材料：廉师友，人工智能技术导论（第二版）廉师友西安电子科技大学出版社, 2002.7, ISBN 7-5606-0811-6。认真阅读该书的第一章。 四．微型计算机原理(共5题) 考试知识点：80x86指令寻址模式及汇编指令的书写格式；不同进制数之间的转换；汇编程序的阅读；计数器模块8253及其编程；可编程中断控制器8259模块及其编程。 注：相关硬件模块控制字格式不需记忆。（提供）
辅导材料：微型计算机技术及应用（第3版），戴梅萼等，清华大学出版社，2003 五．多媒体信息处理(共4题) 考试知识点：1.多媒体基本概念 多媒体技术，多媒体系统的层次结构，多媒体系统的组成 2.多媒体数据压缩： 数据压缩算法概念及分类，统计编码，预测编码，变换编码，分形编码 静态图像压缩标准JPEG，运动图像压缩标准MPEG，音频压缩标准 3.音频信息处理 声音数字化，音频文件格式，声卡的组成与设计(含声卡的工作原理、硬件设计、软件结构、编程接口等) 4.视频信息处理 视频信号数字化，视频的文件格式，视频压缩卡的设计 辅导材料：多媒体技术基础及应用，钟玉琢等，北京：清华大学出版社，2006.2 六．生物特征识别(共2题) 考试知识点：生物信息学序列联配（双序列比对，多序列比对）。 辅导材料：David W. Mount，《生物信息学：序列与基因组分析（影印）》,Bioinformatics: Sequence and Genome Analysis, Cold Spring Harbor Lab(CSHL) Press。认真阅读sequence alignment 的相关内容。 七．射频识别(共3题) 考试知识点：电子标签的基本概念。 辅导材料：纪震，李慧慧等，《电子标签原理与应用》,西安电子科技大学出版社, 2005.12, ISBN 705606-1599-6。认真阅读该书的第一章。
模式识别与智能系统 Pattern Recognition & Intelligent System （专业代码：081104） 一、学科概况 本校模式识别与智能系统学科为国务院1993年批准的博士学位授予权学科，2001年经国务院学位委员会批准为国家级重点学科（二级学科）；本学科所在的控制科学与工程学科具有一级学科博士学位授予权,同时拥有一级学科博士后流动站。本学科主要从事模式识别与智能系统的理论与应用研究，为本校“211工程”重点建设学科。经过多年的建设，现有博士生导师七名，百余名的博士生研究队伍，和先进的教学与科研硬设备环境。多年来，一批科研成果达到国际与国内先进水平。 二、培养目标 本学科培养的模式识别与智能系统的硕士研究生应具有较宽广的基础理论及较深入的专业知识，能解决国家经济建设与国防中在本领域内的工程技术的应用课题，具有较好的理论联系实际的能力。 三、学制和学分 全日制硕士研究生实行以两年半制为主的弹性学制，原则上不超过5年。 总学分33学分，其中必修课程不少于14学分。
四、硕士课程设置 五、科研能力与水平 1. 掌握本学科的基础理论和专业知识，对所研究的课题有新的见解，取得新的成果。对于学术型学位的硕士研究生，还应熟悉国内外相关的学术研究动态。 2. 工作认真踏实，能独立进行科研工作并圆满完成科研任务。 3. 对于应用型、复合型学位的硕士研究生，能发现实践中与本学科相关的需求，能提出工程解决方案；对于学术型学位的硕士研究生，能提出和界定科学问题。
4. 硕士研究生在校期间应积极发表学术论文，参与学术交流。 六、开题报告 为确保学位论文的质量，指导教师应针对每个硕士研究生的类型和层次，确定选题范围。硕士研究生在导师的指导下，通过阅读文献、收集资料和调查研究后确定研究课题，提交开题报告。开题报告的主要内容包括： （1）课题来源及研究的目的和意义； （2）国内外在该方向的研究现状及分析； （3）主要研究内容； （4）研究方案及进度安排，预期达到的目标； （5）预计研究过程中可能遇到的困难和问题以及解决的措施； （6）主要参考文献。 提交开题报告的时间一般为第四小学期，开题报告字数应在5000字以上。开题报告的评议结果为通过或不通过。硕士研究生学位论文选题、开题的要求详见《南京理工大学硕士学位论文选题、开题及撰写的有关规定 七、学位论文 学位论文工作是研究生培养的重要组成部分，是对研究生进行科学研究或承担专业技术工作的全面训练，是培养研究生创新能力、综合运用所学知识发现问题、分析问题和解决问题能力的重要环节。 硕士学位论文要求概念清楚、立论正确、分析严谨、计算正确、数据可靠、文句简练、图表清晰、层次分明，能体现硕士研究生具有宽广的理论基础，较强的独立工作能力和优良的学风。在阐明论文的目的、意义和成果时，应有实事求是的科学态度。 硕士研究生的论文工作必须在导师指导下，由研究生独立完成。完成后应按照《中华人民共和国学位条理暂行实施办法》和《南京理工大学博士、硕士学位授予细则》的规定,组织论文评审和答辩。获准参加答辩的前提条件是：必须修满规定的学分，外语通过学位英语考试或通过国家英语六级考试，其余学科基础课程成绩不得低于70分并完成教学实践、科研实习。
人工智能与模式识别 摘要：模式识别(Pattern Recognition)是人类的一项基本智能，着20世纪40年代计算机的出现以及50年代人工智能的兴起，模式识别技术有了长足的发展。模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理的研究有交叉关系。模式识别的发展潜力巨大。 关键词:人工智能模式识别模式识别的方法模式识别的应用模式识别的发展潜力 正文: 模式识别的定义是借助计算机，就人类对外部世界某一特定环境中的客体、过程和现象的识别功能(包括视觉、听觉、触觉、判断等)进行自动模拟的科学技术。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。(计算机)模式识别在20世纪60年代初迅速发展并成为一门新学科。 模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数 值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（Supervised Classification）和无监督的分类(Unsupervised Classification)两种。二者的主要差别在于，各实验样本所属的类别是否预先已知。一般说来，有监督的分类往往需要提供大量已知类别的样本，但在实际问题中，这是存在一定困难的，因此研究无监督的分类就变得十分有必要了。 此外，模式还可分成抽象的和具体的两种形式。前者如意识、思想、议论等,属于概念识别研究的范畴,是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。 模式识别研究主要集中在两方面,一是研究生物体(包括人)是如何感知对象的，属于认识科学的范畴,二是在给定的任务下,如何用计算机实现模式识别的理论和方法。 模式识别与很多学科都有联系，它与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理的研究有交叉关系。例如自适应或自组织的模式识别系统包含了人工智能的学习机制；人工智能研究的景物理解、自然语言理解也包含模式识别问题。又如模式识别中的预处理和特征抽取环节应用图像处理的技术；图像处理中的图像分析也应用模式识别的技术。 模式识别的方法主要有决策理论方法和句法方法，模式识别方法的选择取决于问题的性质。如果被识别的对象极为复杂，而且包含丰富的结构信息，一般采用句法方法；被识别对象不很复杂或不含明显的结构信息，一般采用决策理论方法。这两种方法不能截然分开，在句法方法中，基元本身就是用决策理论方法抽取的。在应用中，将这两种方法结合起来分别施加于不同的层次，常能收到较好的效果。 模式识别的应用非常广泛，比较典型的有：1 文字识别：在信息技术及计算机技术日益普及的今天，如何将文字方便、快速地输入到计算机中已成为影响人机接口效率的一个重要瓶颈，也关系到计算机能否真正在我过得到普及的应用。
智能控制技术的发展现状及心得体会 摘要： 在此综述了智能控制技术的现状及发展，首先简述智能控制的性能特点及主要方法，然后介绍智能控制在各行各业中的应用现状，接着论述智能控制的国内外发展和现状。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出创新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 关键词：智能控制模糊控制神经网络遗传算法 一、引言 智能控制作为当今的一种交叉前沿学科，其研究中心始终是解决传统控制理论、方法（包括经典控制、现代控制、自适应控制、鲁棒控制、大系统方法等）所难以解决的不确定性问题。自智能控制概念的提出，自动控制界纷纷仿效，主流是人工智能技术引入到自动控制系统中，寻求难以精确建模的复杂系统的自动控制(自治)。 在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。 二、智能控制的性能特点 智能控制是自动控制发展的新的阶段，主要用来解决那些用传统方法难以解决的复杂、非线性和不确定的系统控制问题。智能控制系统具有以下几个特点：(1)较强的学习能力： 能对未知环境提供的信息进行识别、记忆、学习、融合、分析、推理，并利用积累的知识和经验不断优化、改进和提高自身的控制能力； (2)较强的自适应能力： 具有适应受控对象动力学特性变化、环境特性变化和运行条件变化的能力； (3)较强的容错能力： 系统对各类故障具有自诊断、屏蔽和自恢复能力； (4)较强的鲁棒性： 系统性能对环境干扰和不确定性因素不敏感； (5)较强的组织功能： 对于复杂任务和分散的传感信息具有自组织和协调功能，使系统具有主动性和灵活性； (6)实时性好：
一、题目 基于粒子算法的控制器优化设计 二、指导思想和目的要求 1、利用已有的专业知识，培养学生解决实际工程问题的能力； 2、锻炼学生的科研工作能力和培养学生的团结合作攻关能力； 三、主要技术指标 1、熟悉掌握粒子群算法的基本原理； 2．对PID 控制进行优化设计； 摘 要 粒子群算法是一种基于群体智能的启发式全局搜索算法，粒子群算法通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。它具有易理解、易实现、全局搜索能力强等特点，倍受科学与工程领域的广泛关注，已经成为发展最快的智能优化算法之一。 PID 参数的寻优方法有很多种，各种方法都有各自的特点，应按照实际系统的特点选择适当的方法。本文主要研究基于粒子群算法的PID 控制系统参数优化设计方法，主要工作如下：其一，选择被控对象，本文选取的控制对象为不稳定系统的传递函数，对控制系统进行仿真，并对结果进行分析。其二，根据粒子群算法的特点，设置算法中的相应参数，对PID 的p k 、i k 、d k 进行优化；其三，采用Simulink 对优化后的控制系统进行仿真，得到系统优化后的响应曲线。通过对结果分析可知，将粒子群算法应用于PID 参数优化设计是完全可行的。 关键词：PID 控制，粒子群算法，优化设计，Simulink
ABSTRACT Particle swarm optimization is an emerging global based on swarm intelligence heuristic search algorithm, particle swarm optimization algorithm competition and collaboration between particles to achieve in complex search space to find the global optimum. It has easy to understand, easy to achieve, the characteristics of strong global search ability, and has never wide field of science and engineering concern, has become the fastest growing one of the intelligent optimization algorithms. The PID parameters optimization method has a lot of kinds, all kinds of methods all have their own characteristics, should according to the characteristics of the actual system choosing proper method. There are a lot of methods of optimization for the parameters of PID, and each of them has its own characteristics. The proper methods need to be selected according to the actual characteristics of the system. In this paper we adopt the Particle Swarm Optimization to tune the parameters. To finish it, the following tasks should be done. First, choose the controlled object, this paper selects control object for unstable system transfer function, through the simulation of control system step by step. Second, according to the characteristics of the particle swarm algorithm, each of the parameters set PSO, use of MATLAB program, to optimize the p k 、i k 、d k of the PID. Third, Using simulink tool of simulation of PID parameters optimization system, and simulation that the optimal parameters of the system to be affected, curve. Analysis results indicate that the algorithm process, performance index has been declining, PSO looking for more optimal parameters, so by using particle swarm optimization algorithm of the obtained result is obvious. KEY WORDS: PID, Particle Swarm Optimization, Optimal Design, Simulink
人工智能的模式识别与机器视觉 模式识别 “模式”(Panern)一词的本意是括完整天缺的供模仿的标本或标识。模式识别就是识别出给定物体所模仿的标本或标识。计算机模式识别系统使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。 模式识别是一个不断发展的学科分支，它的理论基础和研究范围也在不断发展。在二维的文字、图形和图像的识别方而，已取得许多成果。三维景物和活动目标的识别和分析是目前研究的热点。语音的识别和合成技术也有很大的发展。基于人工神经网络的模式识别技术在手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面已经有许多成功的应用。模式识别技术是智能计算机和智能机器人研究的十分重要的基础 机器视觉 实验表明，人类接受外界信息的80％以上来自视觉，10％左右来自听觉，其余来自嗅觉、味觉及触觉。在机器视觉方面，只要给计算机系统装上电视摄像输入装置就可以“看见”周围的东西。但是，视觉是一种感知，机器视觉的感知过程包含一系列的处理过程，例如，一个可见的景物由传感器编码输入，表示成一个灰度数值矩阵；图像的灰度数值由图像检测器进行处理，检测器检测出图像的主要成分，如组成景物的线段、简单曲线和角度等；这些成分又校处理，以便根据景物的表面特征和形状特征来推断有关景物的特征信息；最终目标是利用某个适当的模型来表示该景物。 视觉感知问题的要点是形成一个精练的表示来取代极其庞大的未经加工的输入情息，把庞大的视觉输人信息转化为一种易于处理和有感知意义的描述。 机器视觉可分为低层视觉和高后视觉两个层次，低层视觉主要是对视觉团像执行预处理，例如，边缘检测、运动目标检测、纹理分析等，另外还有立体造型、曲面色彩等，其目的是使对象凸现出来，这时还谈不上对它的理解。高层视觉主要是理解对象，显然，实现高层视觉需要掌捏与对象相关的知识。 机器视觉的前沿研究课题包括：实时图像的并行处理，实时图像的压缩、传输与复原，三绍景物的建模识别，动态和时变视觉等。 人娄的钉能活动过程主要是一个获得知识并运用知识的过程，知识是智能的基础。为了使计算机具有钉能，能模拟人类的智能行为，就必须使它具有知识。把人类拥有的知识采用适当的模式表示出来以便存储到计算机中，这就是知识表示要解决的问题。知识表示是对知识的一种描述，或者说是一组约定，是一种计算机可以接受的用于描述知识的数据结构，对知识进行表木就是把知识表示咸便于计算机存储和利用的菜种数据结构。知识表示方法给出的知识表示形式称为知识表示程式，知识表示模式分为外部表示模式和内部表示模式两个层次。知识外部表示模式是与软件开发的工具、运行的软件平台无关的知识表示的形式化描述。知