人工智能研究綜述精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能研究綜述主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：人工智能研究綜述范文

關鍵詞：人工智能；人機交互；機器學習；深度學習；數據挖掘

中圖分類號：TP27 文獻標識碼：A 文章編號：1671-2064（2017）03-0221-02

人工智能是當今科技發展中最具潛力的熱點問題之一，2016年初轟動世界的谷歌AlphaGo打敗圍棋世界冠軍李世石的經典案例更是引起了全世界廣泛的關注和熱議。“人工智能”這個概念再次被推到了風口浪尖。那么，究竟什么是人工智能呢？它會對我們的生活有什么影響？在這個背景下，我們深入探究人工智能及其相關的技術領域，對于人工智能的普及和發展有著重要意義，也希望能給予人工智能相關領域的科學研究者們提供一些參考和方向。

1 什么是人工智能

人工智能（Artificial Intelligence，AI）是一門全新的信息技術科學，是計算機科學技術的一個重要分支，是指對于模擬、拓展和延伸人類的智能的應用系統及相關的理論和技術方法的開發研究。主要通過研究及了解人類智能的本質從而開發出能給出類似人類智能反饋的智能機器，計算機系統在理解目標方向之后所取得的最大化成果是計算機實現的最大智慧。人工智能不單單是一個特定的技術，它所研究的往往是能創造智能意識的高科技機器，包括了算法和其他應用程序，處理的任務也遠遠超出了簡單計算，從學習感知規劃到推理識別控制等等。人工智能的研究方向包含語言及圖像識別技術、機器人設計、自然語言處理等，日益成熟的理論方法和技術實踐也使得應用領域范圍大規模擴張，人工智能是人類智慧的結晶，未來也可能展現出超過人類的智能。

2 人機智能的研究方向

人工智能的科學研究通常涉及到數學、邏輯學、認知科學、以及最重要的計算機科學等多學科領域，延伸出了以下幾個主要的研究方向：

2.1 邏輯推理與證明

早期的人工智能更多的解決了大量數學問題，邏輯推理是基礎也是研究時間最長最重點的領域之一。通過找到可靠的證明或者反證方法實現潛在的定理證明，根據數據庫的實例進行推導并及時更新證明結論，演繹和直覺相結合，在推理和證明中實現部分智能。

2.2 問題求解

問題求解領域的一大重要應用則是下棋程序的功能實現，化繁為簡、將困難的問題點拆分成為獨立的子問題進行求解；而另一個實例則是數學方程的求解實現，分析各種公式符號的組合意義從而為科學研究者提供強有力的基礎保障。問題求解中所運用的搜索和規約也是人工智能領域中的兩大基本技術。

2.3 自然語言處理

自然語言處理也叫自然語言理解（Natural Language Processing，NLP），是指借助計算機來處理使用人類語言作為計算對象的算法程序，并研究相關的理論方法和技術。NLP是人工智能領域的主要研究方向之一，也是發展時間較長的研究方向之一。語音識別、搜索引擎、機器翻譯等等都是NLP的重要研究內容，目前也都在人工智能領域獲得了突出的應用成果。

2.4 專家系統

專家系統是指具有大量模擬人類相關領域專家知識和經驗的智能計算機程序系統，依托于人工智能相關技術，根據專家系統所提供的數據方法進行判斷推理進一步決策，從而代替人類專家解決一部分該領域的特定問題。從知識表示技術的角度上看，專家系統可分為基于網絡語義、基于規則、基于邏輯、基于框架等幾種類別；而從任務類型及專家系統主要解決的問題類型的角度來看，專家系統也可分成解釋型（分析和闡述符號數據的意義）、調試型（根據故障制定排除方案）、預測型（根據現狀預測指定對象未來可能的結果）、維修型（針對特定故障制定并實施規劃方案）、設計型（按指定需求制作圖樣和方案）、規劃型（根據指定目標制定行動方案）等。

專家系統的建立包含以下幾個步驟：（1）初始專家知識庫的設計：包括問題、知識、概念、形式、規則等多個概念的籌建；（2）開發和試驗系y原型機；（3）改進與歸納專家知識庫等。

專家系統的實現通常建立在大量的數據統計與人類專家提供的問題解決實例上，沒有精確或統一的求解算法，因此也會造成一些局限性。在人工智能與計算機科學快速發展的今天，專家系統也逐漸更重視理論和基礎研究，除了基于經驗的理論，基于規則和模型的方法也將投入到實際運用中，未來的專家系統將更偏向協同式和分布式方向發展。

2.5 機器學習

機器學習是指計算機自動獲取新的推理算法和新的科學事實的過程，是計算機具有智能的基礎。計算機的學習能力是人工智能研究史上的突出成就與重要進展，也是人工智能初步實現的重要標志。機器學了在人工智能領域有著重要應用，對于探索人類智慧的奧秘以及學習方法和機理都有著重要意義，機器學習的時代才剛剛開始，各種理論方法也正在逐步完善中，未來精彩可期。

3 人工智能的應用

人工智能的首次提出至今已有60年的歷史，在這個循序漸進的過程中，無論是功能場景還是機器模式，都逐漸從單一到通用、從簡單到復雜，表達方法也更多種多樣。目前主要通過賦予機器產品一定的人類智能從而有效地提升機器工作效率及能力，未來的人工智能將更多的模擬人類生活環境及思維方式來設計出真正具有人類智能的高效人機系統。

3.1 人工智能在各個行業的應用

人工智能已經運用到人類生產生活的各個方面，主要包括以下幾點：（1）以智能汽車為代表的自動化交通方式。（2）種類繁多的家庭智能服務機器人。（3）用于臨床支持和病人看護中的自動化智能設備及醫療器械。（4）智能教育輔導系統、線上學習和智能輔助學習設備的普及。（5）基于圖像處理和自然語言處理的各類音樂社交軟件及VR設備的興起給互聯網娛樂時代帶來的巨大變革。（6）邏輯證明及智能分析在公共安全領域的預測及防范。（7）大量重復機械的勞動逐漸由智能機器取代，人類承擔著更多的創新及實踐工作。

3.2 人工智能生活應用實例

作為輔助人類生產生活的重要工具，日趨成熟的智能機器人已經快速走進了人們的日常生活中，下面我們介紹幾種常見的使用場景：（1）智能房屋和家居生活的構建：目前的智能停留在自動控制I域，通過用戶指令來便捷的操控比如電視、窗簾、燈具、空調等等；而未來，人工智能的發展將根據你的日常行為了解你的習慣喜好，利用傳感器和自動裝置搜集用戶的行為數據，通過機器學習和深度學習算法改造你所居住的環境。最終實現真正意義上的智能家居生活。（2）無人駕駛的智能汽車：主要通過導航和定位實現規定路線的行駛、通過激光測距、雷達感應和照相等技術，配合復雜的計算公式從而辨別和避讓各種障礙，最終脫離人類操控的環境下自動完成發動、駕駛、剎車等動作。行駛的安全性和準確性在智能機器的幫助下其實更可靠，我們完全有理由相信未來自動駕駛將成為人們出行的新方式。（3）基于神經網絡的新型翻譯方式：在線翻譯相信大多數人都不陌生，使用范圍廣普及率極高，但其準確性一直都是人們關注的焦點之一。谷歌翻譯負責人表示將在部分功能上嘗試使用深度學習技術，如果能順利實施必將使得翻譯準確性的研究取得實質性突破，而基于神經網絡的翻譯方式則將幫助計算機更好地模擬和理解人類思維，使得翻譯結果更流暢合乎規范，也方便人們更好地理解。

4 人工智能的發展歷程

人工智能的發展歷程不算很長，但發展速度卻異常迅猛。跟所有新興的前沿學科一樣，人工智能的發展中也經歷了和低谷時期。根據不同時期代表性人物和事件的發生，我們大致可以將整個過程分為以下幾個階段：

（1）1950年，舉世聞名的“圖靈測試”（圖靈，英國數學家，1912―1954）首次發表于《計算機與智能》一文，即通過房間外的人和兩個房間內的人和機器分別對話中，是否能區分人和機器從而判斷出機器是否具有了人的智能。這是人類對于人工智能最初的概念。

（2）1956年，由香農、麥卡錫、朗徹斯特和明斯基共同發起的DARTMOUTH學會于達特茅斯大學召開，會上首次提出“人工智能”一詞，這是歷史上第一次關于人工智能領域的研討會，見證了人工智能學科研究的開端。

（3）1960年以來，生物進化領域逐漸建立起了遺傳、策略和規劃等算法。1992年計算智能由Bezdek提出，計算智能對于生物進化學的探究有著重大意義，涵蓋了模式識別、人工生命、神經網絡、進化計算等多學科集合與交叉。

（4）上世紀90年代開始，專家系統逐漸興起，對于專家知識庫的不斷改進以及基于規則和模型的協同式分布式專家系統將是未來使用的主要趨勢。

（5）從1960年神經網絡首次應用于自動控制的實施，到1965年人工智能啟發式推理規則的方法引入，再到1977年運籌學理論中概念智能控制模式的成功借鑒，人工智能的發展也順利引導了自動控制模式逐漸切換到了智能控制模式。

（6）從1956年AI概念的正式提出以來，人工智能領域已經取得了眾多突破性的成就和進展，很多天馬行空的想象也隨著科技的進步在一代代科學工作者的不斷努力下逐漸設計落實，人工智能已經從科學研究逐漸走向了人們的日常生活中，成為了當下最具潛力的多學科交叉的前沿科學。

5 人工智能的未來與發展趨勢

從人工智能的提出到逐漸走入人們生活，人工智能的概念一經問世則得到了人們的普遍關注，甚至帶動了語音識別、自然處理處理、機器學習、數據挖掘等一系列相關學科的發展和興盛。人工智能領域中的創新和蓬勃發展是趨勢也是必然，通過了解人工智能學科的發展歷程及應用領域，我們大致可以推測出關于未來人工智能的一些方向：（1）機器學習和深度學習算法指導下更聰明更多樣性更具智能的機器系統。（2）自然語言處理應用中更自然的人機互動交流。（3）機器學習時代更快速的數據處理分析策略。（4）各研發企業和機構對于人工智能先進技術更激烈的競爭和角逐。（5）超人工智能（Artificial Super Intelligence，簡稱ASI）時代下AI是否會走向失控給人們帶來的微恐懼。

6 結語

在短短60年的時間內，人工智能的快速發展已經從很大程度上改善和刷新了人們的生活方式。人工智能的深入研究和實現正在不斷幫助我們探索這個世界、幫助我們搜尋信息應對各種各樣的挑戰。人工智能在逐漸強大的同時，有機遇也存在著巨大的挑戰和技術瓶頸，距離人工智能時代的真正實現還有很長的路要走。而人工智能的不斷更迭完善，是否能取得超越人類智力和認知的智能、是否會出現違背人類價值觀的危險行為將是未來很長一段時間內需要研究的重要課題。

參考文獻

[1]李紅霞.人工智能的發展綜述[J].甘肅科技縱橫，2007，36（5）：17-18.

第2篇：人工智能研究綜述范文

1人工智能技術的綜述

人工智能技術是以計算機技術為基礎，融合多門學科的綜合性科學技術，其主要是通過計算機模擬構建人的智能，并且創建機器人系統和專家系統實現對電氣自動控制系統的智能化操作。人工智能技術的突出特點是：一是操作性。人工智能技術主要是依托計算機的控制實現對電氣設備的控制，因此人工智能技術具有很強的邏輯性，便于控制人員進行操作；二是價值大。人工智能技術不僅融合了計算機技術，而且其還實現了對電氣設備的自動化控制與監測，實現了以較小的投入獲得更大的經濟效益的目的。比如通過人工智能技術可以減少人工操作環節，進而為企業節省相當多的人力資源成本費用；三是準確性比較高。人工智能技術主要是計算機依據人的智能建立計算機控制系統，實現對電氣設備的精確性操作，比如利用人工智能技術可以對電氣設備的運行情況進行智能檢測與處理，避免了人工檢測所存在的弊端。

2人工智能技術在電氣自動化控制系統中應用的必要性

人工智能技術的最大優勢就是通過對電氣控制系統信息的收集、研究，制定出具體的有效處理措施，從而代替傳統的依靠人腦進行操作的模式。將人工智能技術應用到電氣自動化控制系統中具有重要的意義：

2.1能夠有效解決電氣自動化控制過程中存在的病態結構問題

電氣自動化控制過程中因為電氣設備精密度越來越高，因此在運行過程中所出現的病態結構很難應用傳統的方式表達出來，而人工智能技術則可以有效解決此類問題，其完全有能力利用定量與定性相結合的控制方式對控制系統進行計算與分析。

2.2實現自動控制系統的數據采集與處理功能

將人工智能技術應用到電氣自動化控制中能夠依托專家系統對電氣設備進行實時監視，并且對相關信息進行自動收集與儲存，一旦發現存在潛在故障或者存在事故的事件，人工智能技術就會自動采取相應的控制方式，對故障進行自動處理，進而避免了電氣系統故障的進一步擴大化。

2.3簡化了人工操作過程，降低了人工操作造成的損失

人工智能技術通過計算機設備就可以實現對電氣設備的自動化控制，比如電氣系統的人工智能化控制系統就可以通過鼠標對控制開關進行自動控制，并且對勵磁電流進行調整。同時電氣人工智能控制系統還設定了應用管理權限，限制了相應操作人員的權限，實現了專人專崗制度，細化了操作責任制度。

3人工智能技術在電氣自動化控制中應用的思路分析

3.1人工智能技術在電氣自動化設備中的應用

我們知道電氣自動化控制系統屬于非常負責的控制系統，其不僅包含復雜的元件，而且還需要操作人員嚴格按照自動化控制系統的要求進行操作，而將人工智能技術應用到電氣設備中可以實現計算機的自動化操作，最重要的就是可以代替傳統的需要人工進行設備檢測的落后模式，實現了對電氣設備的運行狀態、故障檢測以及維修意見等一體的功能，降低了人工操作的失誤性，提高了電氣設備的應用壽命，為企業節省了大量的成本。

3.2人工智能技術在電氣控制過程中的應用

將智能技術應用到電氣自動化控制過程中，是人工智能技術發展的重要動力，通過人工智能化的電氣控制系統不僅可以提高電氣設備的工作效率，而且還可以降低電氣自動化控制中的故障發生率。人工智能技術主要師模糊控制、專家控制以及神經網絡控制和集成智能控制。本文以專家控制為例，專家控制就是將專家系統的設計規范和運行機制與電氣控制劉楠相結合實現實時控制系統的設計，其主要是對自動控制的知識獲取、表示以及推理機制的建立。

3.3在事故和故障診斷中人工智能技術的應用分析

人工智能技術在電氣設備故障中的作用是非常大的，尤其是對發動機的故障檢修是具有重要作用的，我們知道在電氣設備中由于其結構比較復雜，依靠人工很難對其進行深入的檢測，因此需要借助人工智能技術實現對設備的檢修。我們以變壓器為例，將智能技術應用到變壓器的故障檢修中首先就是先收集電壓器油體中分解的氣體，然后通過對油體氣體的分析，找出故障的原因，進而自動形成解決措施。這樣有效避免了人工檢測所出現的失誤現象。另外人工智能技術在電氣設備操作中的應用價值也比較大。通過人工智能技術可以實現電氣自動化控制環節的簡單化，比如在機床加工中，如果運用人工智能技術則能夠有效降低機床操作的復雜性，并且能夠對機床的運行信息進行收集與儲存，便于日后對相關信息的查詢。

4結束語

第3篇：人工智能研究綜述范文

[關鍵詞]信息科學；信息技術；旅游；交叉研究；系統綜述

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002—5006（2013）01—0114—15

1 引言

旅游領域正在經歷著一個以商業實踐和研究活動為平臺的迅猛發展期，對于旅游研究者而言，把握領域最新研究進展、了解已被研究的內容以及思考未來的研究方向是非常重要的。在我國的旅游研究中，針對各種研究主題的綜述性研究非常豐富，然而信息科學與旅游的交叉研究并沒有得到足夠的重視。

交叉研究或跨學科研究一詞源于1926年美國哥倫比亞大學心理學家伍德沃斯（Woodworth）創建的英文形容詞：interdisciplinary（跨學科的），指超過一個學科范圍的研究活動。信息科學是一種橫斷科學與方法科學，在信息科學所涉及的4個方面研究中：（1）電子科學與技術、信息與通信系統、信息獲取與處理；（2）計算機科學與技術、網絡與信息安全；（3）控制理論與工程、系統科學與工程、人工智能與智能系統；（4）半導體科學與信息器件、信息光學與光電子器件、激光技術與技術光學，其中3個方面都與旅游研究在研究對象上發生交叉（如旅游博客數據挖掘、旅游推薦系統），且旅游研究也不斷采用信息科學的理論與方法去解決問題（如人工智能在旅游預測中的應用、計算機仿真在游憩行為研究中的應用），體現了交叉研究和跨學科特征。信息科學與旅游的交叉研究客觀存在，且已經經歷了20多年的發展。

旅游研究一直是一個開放的體系，吸納著其他學科的營養；信息科學與旅游研究的交叉與融合為解決旅游領域的新矛盾、新問題和探索新規律、新原理提供了新的思維方式和科學的研究方法，是信息時代旅游發展的產物與趨勢。信息科學與旅游的交叉研究無論對旅游學術研究還是對旅游業發展都具有非常重要的意義，其研究進展應得到關注與重視。

已有關于信息科學與旅游交叉研究進展的綜述研究川沒有體現出兩種研究的“交叉”性，即信息科學研究中有哪些以旅游為研究對象或者解決旅游領域的問題？旅游研究中涉及哪些信息科學方法與技術應用？這些問題的回答對于研究者廣泛與深入開展信息科學與旅游的交叉研究具有重要意義。

為了較為全面地闡述信息科學與旅游研究之間的“交叉性”，本文采用系統綜述方法對該交叉領域最近12年發表的文獻進行了搜集、篩選、整理、歸納與分析.以期幫助相關研究者了解這一交叉領域的主要研究問題及所取得的研究進展，并對今后的深入研究有所借鑒與啟發。

2 系統綜述方法

系統綜述（systematic review）又稱系統評價，起源于醫學領域，是指在復習、分析、整理和綜合原始文獻的基礎上進行的二次研究方法，目前已經被廣泛應用于循證醫學（evidence—based medicine），逐步應用于社會學、教育學、圖書情報等領域。系統綜述可被精確區分為兩種類型：（1）定性系統綜述，原始文獻的研究結果被分析與總結，但未經統計學合并；（2）定量系統綜述，又稱元（meta）分析或薈萃分析，應用統計學方法對若干個研究結果進行定量統計合并的過程。在某些不強調或較難實施統計學合并的研究領域，直接將定性系統綜述稱為系統綜述，將其作為一種對某研究問題、主題或現象的可獲得的所有研究進行評價和解釋的方法，目標在于通過一種可信的、嚴格的以及可審計的方法來提供公正的研究評價。信息科學與旅游科學的交叉研究屬于較難實現統計學合并的研究領域，因此本文采用定性系統綜述方法，簡稱系統綜述。

本文關于信息科學與旅游的交叉研究的系統綜述研究包含如下步驟：

（1）確定研究問題

為了全面了解與分析信息科學與旅游的交叉研究現狀，本文確定了如下系統綜述的研究問題：①信息科學研究中面向旅游的研究主要有哪些方面？②旅游研究中與信息科學相關的研究主要有哪些方面？③信息科學與旅游的交叉研究有哪些趨勢？

（2）確定文獻搜索策略

基于所確定的研究問題，設計如下文獻搜索策略：

①搜索工具與數據庫：采用Google Scholar、IEEE Xplore、ScienceDirect；

②搜索關鍵字：采用關鍵字組合“tourism”AND（“computer”OR“communication technology”），即“旅游”與“計算機”或“通信技術”同時出現；計算機科學與技術是信息科學研究領域中最為活躍的方向之一，計算機科學與技術、通信科學與技術在信息科學研究中具有一定的代表性；經過反復搜索測試，“計算機”與“通信技術”作為關鍵字與“旅游”進行組合搜索，搜索結果能夠較為全面地覆蓋信息科學與旅游的交叉研究，實現本文系統綜述的研究目標；③搜索的時間范圍：2000年之后。

（3）文獻搜索

按照上述搜索策略分別在3個工具與數據庫進行搜索。Google Scholar顯示共有54500條結果（2011年12月22日），其只提供最相關的前1000條；IEEE Xplore（搜索字段為“摘要”）共搜索到46條結果（2011年12月24日）；ScienceDirect（搜索字段為“題目”或“關鍵字”或“摘要”）共搜索到36條結果（2011年12月24日）。

（4）文獻篩選

在上述搜索到的條目中，按照表1所示的文獻入選和剔除標準，篩選用于本文系統綜述的文獻。

表1所示第一步完成后共有512篇文獻入選。第二步經過多次逐步細化篩選，最終確定用于本文系統綜述的入選文獻共245篇，其中期刊論文158篇，會議論文87篇。245篇文獻來自106種期刊和58種會議，文獻來源分散且涉及領域廣泛，有關文獻來源、作者等的定量分析結果已另文撰寫，本文則側重對系統綜述研究步驟（1）所確定的研究問題的回答。

（5）分析與完成報告

根據系統綜述研究步驟（1）所確定的研究問題，對入選文獻進行分類、分析與總結。分析結果見下一章節。

為了分別回答問題1與問題2，本文需要將入選文獻劃分為旅游研究和信息科學研究兩種視角，分別簡稱為旅游類研究和信息類研究。而事實上，當兩種研究產生交叉與融合，進行上述嚴格區分是較為困難的。為此，本如下處理：

（1）按照文獻來源所屬學科范疇進行劃分，如來源于Tourism Management及《旅游學刊》的文獻則劃入旅游類，來源于Expert Systems with Applications及《計算機工程》的文獻則劃入信息類；

（2）按照期刊載文的學科范疇劃分，如《華東經濟管理》刊載旅游類文章，則歸為旅游類，《北京工商大學學報（自然科學版）》刊載信息技術類文章，則歸為信息類；

（3）按照入選文獻的具體內容劃分，一些綜合性期刊無法直接確認屬于哪一類，則閱讀入選文章原文，如果偏重人文社會學視角，則歸入旅游類；如果偏重信息科學及技術視角，則歸入信息類。

由此，經管類、電子商務、地理類等期刊歸入旅游類中，測繪類期刊歸入信息類中；兩類分別含有入選文獻147篇和98篇。

3 綜述結果與分析

3.1問題1：信息科學研究中面向旅游的研究主要有哪些方面？

“面向旅游”并不特指專用于或專門針對旅游的研究，而是指其研究問題由旅游領域而產生，或者旅游是其最為典型的應用。面向旅游的信息科學研究幾乎涉及了信息科學研究范疇的各個方面，而許多研究領域更是體現了信息科學領域較新及較前沿的研究方向與熱點，如表2所示。面向旅游的信息科學研究中最受關注的研究主題是應用系統、人工智能、地理信息系統、移動應用、推薦系統以及語義網與本體等；而Web服務、虛擬現實、普適計算、計算機仿真也受到了一定程度的關注。下面對表2排序前10的研究主題的進展情況進行詳細闡述。

3.1.1

應用系統

應用系統指面向各種終端設備，如電腦、手機、PDA（掌上電腦）、電話等使用者的可用人機交互系統，也包含網站（Web）應用系統。本文為了強調移動應用和推薦系統兩類特殊的應用系統，在本類研究主題統計中將其排除，另列類別。應用系統研究占據了面向旅游的信息科學研究的較大比重。一方面是因為信息科學向旅游研究中進行滲透的最初方式正是其在旅游行業中的實際應用；另一方面是人選文獻中我國研究占據較大比重且較集中于該類研究。

應用系統的相關研究可分為：①戰略設計或實施建議，如航空業信息技術應用戰略與戰術研究，以及非洲撒哈拉以南地區的旅游組織實施電子商務的建議；②技術架構設計，如基于面向服務的體系架構（service oriented architecture，SOA）的旅游資源信息服務模型研究；③系統設計與開發，如一種智能旅游行程導航系統，以及四川、山西和贛東北等目的地或區域管理信息系統的設計與開發。

3.1.2人工智能

人工智能是面向旅游的信息科學研究較多采用的方法與技術，可將相關研究分成以下幾個方面：①推理，即采用人工智能推理技術支撐各種應用系統，如基于貝葉斯網的旅游行程推理；②數據挖掘，如旅游突發事件預測預警、消費者特征分析、基于機器學習的旅游博客觀點挖掘以及數據倉庫技術在旅游業中的應用；③主體（agent），如主體旅游者進行數據采集、分析并向旅游者進行旅游推薦弛；④評價，如基于神經網絡的上海旅游可持續發展能力評價；⑤決策支持，如旅游目的地選擇決策支持系統。

3.1.3地理信息系統

旅行活動是一種人地關系，地理信息是設計與開發各種旅游應用系統的重要信息資源，地理信息系統就是為這些應用系統提供地理信息使用接口的重要支撐系統。個性化目的地推薦系統、基于短信服務的餐館推薦系統、導航系統、位置服務系統、旅游資源監控預警系統以及古建筑信息系統等應用系統都離不開地理信息系統的支撐。上述“應用系統”主題研究中，幾乎所有面向目的地與區域的管理信息系統的設計與開發都離不開地理信息系統。有關旅游地理信息系統本身的研究也較為活躍，如雅安市WebGIS（萬維網地理信息系統）的實現研究、基于WebGIS的旅游地理信息系統研發以及泰山三維（3D）地理信息系統的研發。

3.1.4移動應用

移動通信技術，特別是移動終端技術的快速發展，使得面向旅游者手持終端（如手機、PDA）的各種移動應用得到了迅猛發展。相比較于傳統的計算機應用，移動應用較好體現了旅游以“人為中心”而不是計算機為中心的理念。相關研究主要集中于面向旅游者服務的信息推送與搜索、導航、實時路線及目的地推薦；并向普適計算的方向進行擴展，如手機電子門票、基于全球定位系統的車輛監控與導航以及手機與環境之間的交互游戲等。除了面向旅游者服務外，移動應用研究還包含面向旅游研究者、旅游公共管理與服務部門以及旅游企業的旅游行為數據采集與分析，如可通過基于手機數據的散客流分析，對目的地住宿的可容納量進行估算。移動應用中與位置信息相關的應用也被稱為位置服務，如位置信息服務、導航以及實時路線推薦等。

3.1.5推薦系統

推薦系統是為解決互聯網“信息過載”問題而提出的一種個性化服務，幫助用戶從大量信息中發現其可能感興趣的或者滿足其需求的資源，如信息、服務以及商品等，并自動生成個性化推薦。目前，推薦系統在旅游中的典型應用為旅游行程規劃，可面向旅游電子商務用戶，也可面向互聯網用戶；可規劃旅行的時間、地點以及活動等全套行程規劃引，也可推薦旅游目的地、餐廳以及住宿等。推薦系統主要采用人工智能、語義網、移動應用、定位與地理信息系統等技術。相關研究還涉及用戶個性語義模型、系統架構設計等方面。

3.1.6語義網和本體

語義網（semantic Web）是傳統網站的一種擴展。在語義網中，信息具有明確的含義——語義，人類語言與機器語言之間能夠相互理解，機器能夠自動地處理和集成網上對于人而言可用的信息，使得人與機器之間的交流變得像人與人之間交流一樣順暢。本體（ontology）是用來描述網絡文檔中術語的明確含義及其之間關系的技術，能夠實現語義網信息處理的自動化，提高網站搜索的準確性以及網站服務質量。旅游領域是語義Web與本體研究的問題來源與典型應用對象，如基于語義Web與本體技術的旅游中小企業間信息交換、動態生成客戶供給的客戶關系管理、旅游網站信息系統、旅游目的地管理系統以及旅行推薦系統。這些系統能夠對旅游領域知識進行本體表達，從而集成對于用戶有用的或者滿足用戶需求的語義信息；其中，旅游知識域的本體表達、行程規劃的語義信息推理是實現這些系統的關鍵技術。

3.1.7Web服務

Web服務（Web services）是Web上數據和信息集成的有效機制，是解決Web上各種應用系統高維護與更新代價的最為合理的解決方案。因此，Web服務在旅游中主要用于信息集成、交換以及系統之間的互操作。Web服務技術對于旅游目的地管理而言非常重要，能夠實現旅游目的地營銷系統與旅游企業之間以及目的地旅游企業之間的異構數據交換、共享以及集成。Web技術還是Web推薦系統的重要技術之一，能夠獲取推薦系統所需的動態與實時的萬維網數據。

3.1.8虛擬現實

虛擬現實技術主要用于旅游目的地、景區、景點的市場營銷。國內的相關研究集中于旅游目的地、景區及景點等的虛擬展示，如西安市360度全景虛擬旅游系統、北京妙峰山古建筑群的網絡虛擬漫游系統、村鎮民俗旅游資源的立體展示。鄭鵬等認為這是一種旅游產品的虛擬試用體驗。而國外的相關研究則側重于游客的現場體驗，特別針對歷史文化遺產與遺跡，如意大利的PEACH（personal experience with active cultural heritage，個性化體驗活動的文化遺產）項目針對提升游客在博物館對于文化遺產的體驗以及馬來西亞凱利城堡（Kellie’s Castle）的虛擬旅游原型研發。虛擬現實技術在旅游中的應用還包含了旅游開發與遺產保護，如十三陵景區的虛擬復原。

3.1.9普適計算

普適計算模式下人們能夠在任何時間、任何地點、以任何方式進行信息的獲取與處理。由于移動終端設備及其應用的發展，普適計算在旅游研究中非常活躍，如一種面向移動終端的基于旅游本體的信息廣播與推送方法研究，用以解決傳統移動終端對于旅游者需要花費昂貴的“漫游”網絡連接費用以及需要主動獲取信息等問題；一個面向德國雷根斯堡（Regensburg）游客的移動終端游戲的設計與應用，游客可以通過在空中晃動手機來與游戲中的歷史人物溝通，該游戲以一種有趣的方式向游客介紹雷根斯堡的歷史。普適計算是我國目前形成研究熱點的物聯網應用的基礎理論與技術之一。

3.1.10計算機仿真

計算機仿真技術研究中面向旅游的研究包含基于概率統計方法對上海旅游服務系統顧客滿意度進行仿真以及基于系統動力學方法對新度假制度對城郊旅游的影響進行仿真等。

3.2問題2：旅游研究中與信息科學相關的研究主要有哪些方面？

旅游研究中與信息科學方法與技術相關的研究范圍較為廣泛，表3顯示本文入選文獻中歸入旅游類的研究主題共有43種。其中最受關注的研究主題是電子商務、網站評估以及在線消費者行為。人工智能、移動通信、地理信息系統等信息科學方法與技術在旅游中受到了相應重視。旅游網站空間、系統評價、網絡營銷、應用系統以及正在大范圍普及的Web 2.0互聯網應用模式也受到了旅游研究的重視。信息科學領域中的某些前沿研究也在旅游研究中得到了關注，如計算機仿真、推薦系統、Web服務、語義網與本體。

進一步對表3各類主題的文獻內容進行剖析與歸納，可以得到以下旅游研究中與信息科學方法與技術相關的6個研究范疇：

3.2.1信息技術對旅游的影響

信息技術對旅游的影響研究主要包含信息技術對旅游產業的影響與信息技術在旅游中的應用影響兩個方面。其中，信息技術在旅游中的應用影響又分為現狀研究、作用研究、影響因素研究等方面。

信息技術對旅游產業的影響主要體現在其對傳統旅游產業價值鏈的重構上，集中表現于電子商務對旅游產業的影響、新型電子中介（供應商、互聯網門戶網站、拍賣網站、數字電視、移動商務等）對傳統電子中介（計算機訂座系統、全球分銷系統等）的影響、信息技術對分銷渠道的影響。

信息技術在旅游中的應用現狀研究主要側重于旅游企業，如電子商務在北京旅游企業中的應用現狀、土耳其旅行社對互聯網的使用情況、愛爾蘭旅游中小企業和鄉村微型住宿業對信息技術使用情況的分析、南非中小旅游企業對于信息技術使用的狀況研究。

信息技術對旅游的作用研究既包含旅游企業整體層面，如信息技術對埃及中小接待企業發展的積極作用、知識管理對于澳大利亞旅游業的作用等；又包含旅游企業的某項具體功能，如信息技術應用對于泰國酒店運營效率的作用；還包含旅游資源開發與保護方面，如計算機技術對于泰國古建筑重建的重要作用。

信息技術應用的影響因素研究對于旅游業如何有效應用信息技術而言是非常重要的。相關研究包含：①電子商務的應用影響，如泰國旅游企業應用電子商務的影響因素、酒店業應用電子商務的影響因素②網絡營銷對旅游企業的影響，如互聯網廣告對旅行社運營的影響；③旅游企業對技術應用的態度，如希臘旅行社對互聯網技術的使用情況與態度；④旅游者對信息技術使用的態度，如游客在度假時是否愿意使用基于技術的信息、影響旅游者使用互聯網進行旅游規劃的因素。

3.2.2信息技術在旅游中的應用模式

目前，信息技術在旅游中的應用模式研究主要集中于電子商務模式、網絡營銷以及Web 2.0。電子商務模式的相關研究有區域旅游電子商務開發計劃研究、旅游電子商務模式現狀與趨勢研究、旅游電子商務模式以及運營模式研究等。

網絡營銷是除了電子商務之外信息技術在旅游中最主要的應用模式。網絡營銷研究多圍繞網站展開，如英國農村接待企業網站營銷現狀研究、塞爾維亞旅游網站網絡促銷現狀和形式研究、美國旅游官方網站網絡營銷使用分析、旅游目的地營銷組織網站的客戶需求研究。此外，在線葡萄酒旅游以及在線客戶關系管理都是一種網絡營銷方式。

隨著互聯網技術的發展，Web 2.0作為一種新型的互聯網應用模式受到了旅游領域的高度關注。相關研究可以分為如下幾個方面：①營銷，即基于Web 2.0的網絡營銷方式，這是目前旅游研究領域最為關注的方面，如Web 2.0對克羅地亞旅游產品的營銷作用研究、博客對于旅游市場營銷的中介作用；②旅游者行為與服務，如Web 2.0下網絡旅游消費行為模式及旅游網站應用研究、基于Web 2.0的用戶個性化定制研究以及基于人工智能技術的微博“旅游情感”數據挖掘；③網站分類，如Web 2.0旅游網站的分類機制研究。

此外，面向產業價值網絡的四川旅游信息資源整合推進模式和機制是一種信息技術在旅游中應用模式的有效探索。

3.2.3信息技術在旅游中的應用評價

網站評價是信息技術應用評價研究中最主要的內容。從評價對象上看，相關研究涉及官方旅游網站、目的地營銷組織網站、各國及地區旅游網站；從評價內容上，包含有效性評價、可用性評價、使用分析、功能分析、網站設計、網站旅游本體分析、游客價值以及網站訪問者分析等；從評價方法上有調查法、啟發式方法、數據包絡分析法、內容分析法、網站日志分析法、領域本體分析法等。

隨著移動通信技術的發展，移動應用在旅游領域得到了廣泛應用，針對移動應用系統的評價研究也受到研究者的關注，如從用戶角度對移動應用進行評價、各種移動旅游者指南功能與可用性評價。

3.2.4信息社會視角的旅游研究對象

較傳統旅游研究對象，如旅游資源、旅游企業以及旅游者等，信息社會視角的旅游研究對象發生了擴展，如從旅游者的地理時空變化擴展到了在線旅游者行為變化，從旅游資源的空間格局擴展到了旅游網站的網絡結構等。

在線旅游者行為研究中最受關注的是消費行為研究，如消費影響因素與滿意度、忠誠度與推薦行為、在線分享行為。隨著社會網絡的形成，在線旅游者的情緒研究得到關注，如通過旅游者在論壇、博客（微博）上的評論分析旅游者情緒，相關方法包含內容分析、統計與語言學分析、人工神經網絡方法以及數據挖掘技術等。一項研究還將旅游者的博客進行了計算機可視化，用來輔助其他旅游者的旅行計劃。此外，旅游目的地營銷組織網站的旅游者在線行為也受到研究者的關注。

目的地地理尺度的旅游網站空間結構也受到研究者的關注，主要包含方法研究與案例研究。方法研究有統計方法以及網絡拓撲圖方法等；案例包含歐洲、意大利厄爾巴島]以及河北省等。

旅游虛擬社區是社會信息化背景下形成的新型社區，部分旅游研究者對其給予了關注，如針對具有中國文化背景的芒果社區網（Mango）的綜合性研究。

3.2.5社會信息化下的旅游研究方法

社會信息化下的旅游研究方法包含兩個方面的含義。

一是指傳統旅游研究方法可借助社會信息化背景進行擴展，如網絡調查方法擴展了傳統現場發放問卷的調查方法；基于射頻識別（RFID）與全球定位系統（GPS）技術的追蹤系統擴展了傳統旅游者游憩行為問卷調查方法，并提高了數據的精度；遙感與地理信息系統（RS&GIS）技術可提高旅游資源監測的準確性等。

二是指旅游研究方法對于信息科學方法與技術的借鑒。人工智能是旅游研究中采用最多的信息科學方法與技術，其在旅游研究中的應用可以分為以下幾個方面：①需求預測，如基于人工神經網絡的西班牙巴利亞利群島旅游時間序列預測、遺傳算法在旅游需求預測中的應用、模糊時間序列及灰色理論在短時間序列旅游需求預測中的應用以及人工智能方法與其他預測方法的比較；②在線行為分析，如基于機器學習（machine learning）的在線消費者行為數據挖掘；③基于主體（agent）的旅游系統仿真研究，采用人工智能研究領域的重要分支——多主體系統（multi-agent system，MAS）對多層面、多地理尺度旅游系統進行計算機仿真，探索旅游主體之間的相互作用與規律，如基于多主體的旅游空間結構演化研究、旅游者在目的地以及景區范圍的動態性研究。

計算機仿真方法與技術在旅游研究中的應用也受到了旅游研究者的關注，具體研究包含以下幾個方面：①預測，如旅游收入預測；②旅游經濟研究，如區域旅游經濟系統動力學分析；③旅游主體行為研究，如上述人工智能研究中基于主體的旅游系統仿真研究。

地理信息系統（GIS）是信息科學與地理科學的交叉研究領域，作為旅游研究的一種研究方法或工具，主要被用于旅游資源評價。

3.2.6旅游領域中的信息科學研究

隨著移動終端設備在旅游者中的普及，旅游研究者對移動應用的相關研究給予了較大關注，如上下文適應的移動應用體系框架設計、上下文相關的信息推動服務系統設計以及用于博物館導游的多媒體技術研究。語義網與本體是信息科學的前沿領域，但由于其對于提升面向旅游者的網絡服務質量具有非常重要的作用，也受到了旅游研究者的關注，如用于搜索引擎的旅游域語義表示研究。智能系統作為信息科學的前沿領域，在旅游研究中也受到了關注，除了綜述性研究外，還出現了有關智能系統設計方面的研究。

應用系統的規劃建議與系統結構設計是旅游研究者較為關注的信息技術研究，如基于知識管理視角的目的地管理系統設計。而其中以我國的相關研究為最多，如贛東北網絡旅游信息系統研究、上饒市旅游資源信息系統。

數字旅游是一種典型的旅游與信息技術的綜合叉研究主題，在我國旅游研究領域受到了關注，既包含了偏重技術的研究，如數字旅游的體系框架，也包含了圍繞數字旅游系統建設的保障體系研究，如相關政策法規方面的研究。

3.3問題3：信息科學與旅游的交叉研究有哪些趨勢？

盡管信息科學與旅游的交叉研究在近12年間經歷了快速發展，但其仍然屬于新興交叉學科，其發展需要相關學者更為廣泛與深入的探索研究。在本節，筆者在對最近12年信息科學與旅游的交叉研究進行系統整理的基礎上，通過捕捉旅游類與信息類研究共同關注的研究主題（表4），以及基于筆者對信息科學以及旅游研究趨勢的把握，找到信息科學與旅游交叉研究中的研究重點，其反映了兩類科學的交叉發展趨勢，或者研究者們重新認識某些對該交叉領域的發展來講非常重要的問題。以下分別對它們進行闡述：

3.3.1人工智能在旅游領域的深入應用

人工智能方法與技術是信息技術發展的高級階段，研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術，涉及知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面的研究內容。盡管目前人工智能在旅游中的應用以旅游需求預測最為成熟，然而其相關理論、方法與技術并沒有在旅游領域中得到充分應用。如何充分利用人工智能方法與技術來有效處理與使用旅游數據、信息與知識，深入挖掘旅游者、旅游公共管理與服務部門以及旅游企業的特征、存在的問題并進行決策支持，是信息科學與旅游科學交叉研究中較為迫切與前沿的問題。

3.3.2基于語義網與本體的旅游推薦系統

語義網與本體研究是信息科學領域的前沿領域，是海量網絡信息之間相互理解的基礎。互聯網的發展使得傳統面向旅游者的“線下”服務擴展至“線上”，包含以傳統計算機為中心的和以新興各種移動終端為中心的“線上”服務，“線上”服務質量對于信息時代的旅游者體驗是非常重要的。基于語義網與本體技術的旅游推薦系統正是提升網絡服務質量的有效方法與工具，如何將語義網、本體技術以及旅游推薦系統進行理論、方法以及應用上的有效集成，使其對旅游者具有實際應用價值，是信息科學與旅游科學交叉研究中的另一個前沿問題。

3.3.3

普適計算與旅游（物聯網、移動互聯與旅游）

普適計算是我國目前形成研究熱點的物聯網應用的基礎。隨著移動終端設備及其應用的發展，傳統以計算機為中心的網絡服務擴展至以移動終端一旅游者為中心，基于普適計算模式的連接物與物、人與物、人與人的物聯網以及各種移動應用系統在旅游研究與實際應用中得到了重視。然而，無論是普適計算還是物聯網，在信息科學研究中都是前沿領域，存在許多未解問題，因此，普適計算以旅游領域為問題域或典型應用，將同時有助于其本身以及旅游問題的解決。

第4篇：人工智能研究綜述范文

關鍵詞 人工智能 人工情感 發展

中圖分類號：TP311.13 文獻標識碼：A

1人工情感概述

人工情感是人工智能里一個重要的研究領域。所謂人工情感，就是賦予人類式情感的機器。即用人工的方法和技術賦予計算機或機器人以人類式的情感，使之具有表達、識別和理解喜樂哀怒，模仿、延伸和擴展人的情感的能力。當然，實現上述目標是許多科學家的夢想，然而，與人工智能其他方面技術的高度發展相比，人工情感研究所取得的進展卻是微乎其微，情感始終是橫跨在人腦與電腦之間一條無法愈越的鴻溝。很長時間內，情感機器人只能是科幻小說中的重要素材，卻很少納入科學家們的研究課題之中。

不過，隨著科學技術的發展，世界上越來越多的國家開始進行人工情感技術方面的研究。目前，在國際上，人工情感領域主要是進行情感機器人的研究。

2人工情感的發展綜述

2.1情感計算

情感計算的概念是在1997年由MIT媒體實驗室皮卡德（R.W.Picard）教授提出A。她在自己的專著《情感計算》中提出“情感計算是關于情感、由情感引發以及意圖影響情感方面的計算”。情感計算的目標是賦予計算機感知，理解與表達情感的能力，從而使計算機能夠與人更加友好、和諧地交流。隨后，情感計算領域成為了國內外人工智能專家研究的熱點，世界各國都在情感計算領域進行著廣為深入的研究。而關于情感計算，美國最早展開研究，而且美國人進行的最為深入，研究的成果也最先進。

2008年4月美國麻省理工學院的科學家們展示了他們最新開發出的情感機器人“Nexi”，該機器人不僅能理解人的語言，還能夠對不同語言做出相應的喜怒哀樂反應，還能夠通過轉動和睜閉眼睛、皺眉、張嘴、打手勢等形式表達其豐富的情感。這款機器人完全可以根據人面部表情的變化來做出相應的反應。它的眼睛中裝備有CCD（電荷耦合器件）攝像機，這使得機器人在看到與它交流的人之后就會立即確定房間的亮度并觀察與其交流者的表情變化。IBM公司的“藍眼計劃”，可使計算機知道人想干什么，如當人的眼瞄向電視時，它竟知道人想打開電視機，它便發出指令打開電視機。此外該公司還研究了情感鼠標。可根據手部的血壓及溫度等傳感器感知用戶的情感。

然而，目前情感計算研究也面臨著很多的難題，比如情感信息的獲取，如何對其進行建模等等。

2.2人工心理

人工心理理論是由中國北京科技大學教授、中國人工智能學會人工心理與人工情感專業委員會主任王志良教授提出的。他指出，人工心理就是利用信息科學的手段，對人的心理活動（著重是人的情感、意志、性格、創造）的更全面內容的再一次人工機器（計算機、模型算法等）實現。其目的在于從心理學廣義層次上研究人工情感、情緒與認知、動機與情緒的人工機器實現的問題。它的應用前景是非常廣泛的。如：支持開發有情感、意識和智能的機器人；真正意義上的擬人機械研究；使控制理論更接近于人腦的控制模式；人工心理應用的另一大領域是符合人性化的商品設計和市場開發。目前國內外在人工心理領域進行了大量的研究，例如基于人工心理理論的商品選購專家系統，基于人工心理的智能化的E-learning系統研究等等。目前中國在人工理論領域上的研究總體來說比較深入。

2.3 感性工學

感性工學就是將感性與工程結合起來的技術，是在感性科學的基礎上，通過分析人類的感性，把人的感性需要加入到商品設計、制造中去，它是一門從工程學的角度實現能給人類帶來喜悅和滿足的商品制造的技術科學。它將人們對“物”（即已有產品、數字或虛擬產品）的感性意象定量、半定量地表達出來，并與產品設計特性相關聯，以實現在產品設計中體現“人”（這里包括消費者、設計者等）的感性感受，設計出符合“人”的感覺期望的產品。

因為感性工學這一概念是由日本提出的，所以日本對此開展的研究比較早。日本從上世紀九十年代就開始了感性工學（Kansei Engineering）的研究。而且已經形成舉國研究“感性工學”的。1996年日本文部省就以國家重點基金的方式開始支持“情感信息的信息學、心理學研究”的重大研究課題，參加該項目的有十幾個大學和研究單位，主要目的是把情感信息的研究從心理學角度過渡到心理學、信息科學等相關學科的交叉融合。每年都有日本感性工學全國大會召開。與此同時，一向注重經濟利益的日本，在感性工學產業化方面取得了很大成功。日本各大公司競相開發、研究、生產了所謂的個人機器人（Personal Robot）產品系列。其中，以SONY公司的AIBO機器狗（已經生產6萬只，獲益近10億美元）和QRIO型以及SDR-4X型情感機器人為典型代表。日本新開發的情感機器人取名“小IF”，可從對方的聲音中發現感情的微妙變化，然后通過自己表情的變化在對話時表達喜怒哀樂，還能通過對話模仿對方的性格和癖好。

3總結

通過對國內外的基于人工智能的人工情感的研究分析，目前人工情感領域總體發展很迅猛，但是并沒有太多的突破，而美國、日本等國家對這一領域的研究更為深入，研究成果也更為先進和領先。而中國對人工情感領域的投入也不斷加大，中國在這一領域的某些方面的研究甚至處于國際領先地位。相信在不久的將來，通過國際社會的努力，人工情感將會取得重大突破，給人類社會帶來福音。

參考文獻

[1] 史忠植.智能科學[M].北京：清華大學出版社，2006（8）.

第5篇：人工智能研究綜述范文

關鍵詞：人工智能 自動化 電氣工程 控制系統

中圖分類號：TP18 文獻標識碼：A 文章編號：1007-3973（2013）012-160-02

人工智能與傳統方法相比較，具有許多方面的優良性能，智能化的系統大大代替了大量的人工繁瑣的工作，又提高了系統操作的靈敏性和精確性，在功能要求越來越高的許多行業中應用相當廣泛。最近10多年來，各種電子技術和高科技手段的日新月異，許多科研機構就自動化控制中的人工智能技術開展了大量的研究工作，取得了豐碩的成果。下面筆者就人工智能在在電氣工程方面的應用做一綜述。

1 人工智能技術的優勢

（1）控制對象的模型在設計之前已經成型。在電氣工程方面，由于許多參數具有復雜性，利用傳統技術無法確定哪些具體的參數變化會導致結果的相應變化，從而表現出的外在結果復雜多樣，難以歸納出具有一定規律性的結論來，這就是信息的非線性特征必然決定了隨機結果出現的原因。人工智能通過專家系統，利用控制器能對各種參數進行精密分析，并給出正確的指令，而使得各種對象在動態變化中得到精確地控制。

（2）人工智能控制器的自身性能能夠自我調節，以趨更加完善，應用的技術及參數可以有實際響應時間、下降時間、魯棒性能等變化。

（3）人工智能控制器操作起來比較直觀、簡潔，即使經過一般的專業操作技術崗前培訓，也能很快掌握人性化的人機交互對話系統，還能依照各種實際情況進行適應本人習慣或工作需要的界面設計。

（4）人工智能控制器性能穩定，能對各種數據進行科學的處理，可適范圍比較寬泛，由于驅動器的特性很多，控制器都能對輸入的各種數據信息做出很好的篩選和判斷。

2 電氣工程中人工智能的運用

2.1 提高了電氣設備設計的水平

計算機技術的更新換代率非常快，引導了電氣產品的設計手段發生了革命性變化，CAD（計算機輔助設計）的引入，大大縮短了產品研發的周期。在CAD中嵌入人工智能，使得電氣設計變得非常直觀，模塊化的操作設計模式和大大縮短了設計的周期，同時由于計算機技術的精確化，也使得產品的質量得到很大程度的改良。人工智能系統能夠優化電氣產品的設計，主要借助于遺傳算法和專家系統兩方面來完成。遺傳算法具有明顯的算法優勢，計算結果的精度也很高，因此遺傳算法及其衍生算法普遍應用于對電氣產品的智能化優化設計中。電氣設備發生故障一般是不確定性的，具有很大的隨機性，表現在發生故障的部位和發生故障的時間方面，但一般會在故障發生之前總會出現一定的先兆，利用專家系統就可以將預兆和故障之間的復雜關系準確而及時地反映出來，并給出預警信號。

2.2 精確診斷出引起電氣設備發生事故及故障的原因

由于目前電氣設備的自動化和集成化很高，一旦發生故障，利用傳統的分析方法難以準確找出故障發生的部位。如發動機、發電機和變壓器等設備出現故障的頻率一般比較高，其原因是非常復雜和多變的，并且具有很強的突發性，還具有快速解決的特定要求，若處理不當或不及時，就會造成二次損失或事故，甚至會造成非常嚴重的不可預見性后果。人工智能系統融入了神經網絡和模糊理論等技術，可以很好地解決傳統分析方法所出現的延時處理或診斷失誤等問題。傳統方法診斷故障的原理是：變壓器等電器設備一旦發生故障，其中的油的成分會發生一定的變化，因而對提取的樣本進行成分分析，就可以判斷出變壓器等電氣設備是否發生了功能性故障。采用這種傳統方式耗時較多，浪費人力，準確性不高。

2.3 對電氣控制過程中的有效應用進行分析

電氣技術越來越復雜，越來越現代化，其控制過程就顯得愈來愈重要，是確保電氣設備穩定而高效運行的保護神。長期以來這一問題是學術界和工程界所面臨的一大棘手課題。功能越來越完善、技術含量越來越豐富，這些均對技術人員的理論水平和操作技能提出了非常嚴格的高要求，在目前階段下，提高操作人員的技能水平和效率就成為科研人員孜孜追求的一個目標。人工智能的引入和廣泛地應用，和計算機運算能力等核心技術的長足進步，以及交互性的界面，都使得日常化的操作變得直觀、簡潔，還可以實現遠程控制及其監控，大大提高了操作人員的安全性，也對電氣設備的良好運行提供了可靠的保證。另外，還對某些重要的數據和信息進行了即時的存儲和備份，以便以后進行調用、對比分析等。還可以自動生成各種報表，大大降低了人工費用，也減少了物力、財力等資源的大量投入，工作效率大幅度得到提高，精確度更加細致。

2.4 實現了控制和保護雙重功能

在電氣設備中，人工智能能對所有開關量、模擬量數據實時自動采集并進行科學的處理，并能做到定時、批量地整理和儲存。還可以通過對系統的歷史運轉情況進行畫面模擬顯示，電流、電壓、隔離開關、斷路器等電機設備的運轉狀態到直觀形象的反應，一目了然。技術操作人員可以根據實際情況進行相關數據的分析及建立圖表。綜合集成了聲光、語音、電話、圖象等多模式同時或選擇性報警。在操作控制方面，智能化技術使技術人員可以通過鍵盤或鼠標實現對隔離開關，斷路器等的現場或者遠程控制，勵磁電流的調整。

2.5 在電力系統自動化中的應用

人們對電力行業在生產中要保持穩定性和流暢性的要求不斷提高，現在很多大型的電力企業均將PLC 控制系統逐步代替輔助系統中的比較傳統落后的繼電控制器。通過PLC 控制系統可以一方面對某個工藝流程進行實時的控制，另一方面協調全廠的安全生產。火力發電廠中的輸煤控制系統由主站層、現場傳感器和遠程IO站三部分組成連貫的網絡體系結構。其中，由人機接口和PLC 共同構成主站層，少許工作人員在設置有主站層的集控室內，通過系統的顯示屏以自動控制為主手動控制為輔對系統進行監視和控制，可以大幅提高發電企業生產效率。隨著PLC 技術的應用，實現了電廠不同發電機組在供電系統之間自動切換，供電的可靠性和穩定性得到很大程度上的提高。

3 結束語

綜上所述，隨著微電子技術的飛速發展和軟件技術的快速提高，人們的日常生活發生了很大的變化，無數的科研成果慢慢轉換成生產力，改變著我們的生活方式，同時也促進了人工智能技術的不斷提高。硬件方面的技術和工藝水平同樣也在飛速發展，電子集成技術更加成熟，功能更加強大。芯片制造技術更是錦上添花，人工智能的控制能力和控制精度愈加得到提高，應用范圍日趨廣泛而深入，產品成本的下降也帶動終端銷售價格的大幅度下降，良性循環下的技術催生，使得人工智能技術在生活和生產中的許多方面都得到更加廣泛的應用，高度的自動化特征使人們體驗到神奇的便利性。可以預見，人工智能在電氣自動化控制中將會有更加廣闊的遠景。

參考文獻：

[1] 郭策，范然.設計智能建筑電氣自動化系統的思路[J].中國新技術新產品，2012（05）.

[2] 周超.人工智能技術在電氣自動化控制中的運用[J].硅谷，2012（08）.

[3] 朱子龍.人工智能技術在電氣自動化控制中的運用探討[J].科技創新與應用，2012（17）.

[4] 陸偉民.人工智能技術及應用[M].上海：同濟大學出版社，1998.

[5] 王洪鐘.人工智能技術在電氣自動化控制中的應用探討[J].科技創新導報，2012（25）.

第6篇：人工智能研究綜述范文

【關鍵詞】人工智能技術；電廠；應用；探討

人工智能簡稱為AI，是對人類大腦簡化及抽象，也是人類智能模擬的重要途徑，現在我國人工智能工具主要有專家系統、模糊理論、神經網絡、禁忌搜索、粒子群算法及遺傳算法等，隨著我國電力事業大力發展，很多人工智能技術被應用在了電廠中，并發揮了巨大作用，優化了電廠中電力系統的組合、運行及市場定價等眾多問題，保證電廠供電的安全可靠性。

1 AI在我國電廠應用及探討

1.1 專家系統應用與探討

專家系統可簡稱為ES，它所面向主要是各非結構問題，特別是處理啟發式、定性的或者不確定知識信息，通過各樣的推理過程來達到系統所要求任務目標，在上世紀80年代，為了克服原有控制理論不足，自動控制領域工程師及學者將專家系統方法及思想引入了控制系統中進行應用及探討。典型專家系統主要有推理機、知識庫、知識獲取機制以及人機界面四部分組成，專家系統在我國電廠里的應用是最早及較為成熟的人工智能技術，并且發展了很多專家系統，在電力系統不同領域被應用，像電網調度、系統恢復、監測和診斷、預想事故篩選等，特別是監測核事故診斷成為專家系統在電廠中最主要應用領域。依據知識存儲方式不同，能把ES分為決策樹、知識經驗、規則及模型等不同形式，模型形式的知識所表達方式是比較適合實時處理的，比基于規則形式推理方式要更為簡單及快捷及容易維護。ES在輸電網絡診斷故障里的典型應用為產生式規則系統，就是把斷路器、保護器動作邏輯和運行人員診斷經驗運用規則的形式進行表示，并形成知識庫，依據報警信息進行知識庫推理，以獲得診斷結論，這種產生式規則專家系統在電廠中能夠被廣泛應用主要是因這種專家系統及故障診斷特點所決定的，在輸電網絡里斷路器及一級保護間的關系能用模塊化及直觀規則進行表示，并且能允許刪除、增加及修改某些規則，從而保證診斷系統有效性及實時性，對不確定問題在一定程度上給予了解決，還能給出一些符合人類語言結論及解釋能力。同時，框架法的專家系統能夠進行分類結構知識表達，以及對事物間的相關性進行表達，并簡化繼承性知識存儲及表述。專家系統這種人工智能技術盡管能有效模擬完成故障診斷，可在電廠實際應用里，還存在著一定不足，主要為知識獲取及維護問題，并且接口也不是很友好，對故障診斷里的很多不確定因素也無法有效解決，從而影響了診斷準確性。

1.2 遺傳算法應用與探討

遺傳算法能簡稱為GA，是根據遺傳機制及自然選擇在計算機上，進行生物化機制模擬來尋優搜索的算法可在龐大復雜搜索空間里進行合適搜索，并找出最優及準最優的解決方法，這種算法簡單及適用，其魯棒性也比較強，這種智能技術對求解問題基本沒有限制，對常規求解復雜過程涉及較少，可得到局部或全部的最優解集，與傳統優化技術相比，這種技術更能解決及處理傳統難以解決的非線性問題，因此，這種技術被廣泛應用在電廠中的電力市場、規劃及調度等方面，并且在故障診斷上，其應用效果也是不錯的，可對輸電網絡中，故障診斷模型的建立成為了遺傳算法存在主要途徑，也是值得探討問題，遺傳算法如果可以建立適合數學模型，不僅能解決電力系統中的故障診斷問題，還能解決其他類似故障診斷問題，加強遺傳算法合理模型建立是應該研究及探討的。

1.3 神經網絡應用與探討

神經網絡技術簡稱為ANN，其主要特點為廣泛化、高度并行處理及非線性的映射功能等，對于控制領域具有較強吸引力，對于沒有模型及復雜的不確定問題具有學習能力及自適應力，能夠用在控制系統自適應環節及補償環節里，非線性描述能力能夠用在非線性控制及辨識中，而快速計算能力能夠進行復雜控制問題計算優化，其定量及定性分布存儲及合成能力能夠用在復雜控制系統里的圖像信息處理利用及接口轉換，容錯能力能夠應用在非結構過程控制，網絡神經已成為電廠應用中最成功的智能技術，像網絡神經在電廠故障診斷中的應用，每個神經網絡均負責系統里的部分診斷，ANN技術經過現場很多樣本學習及訓練，對其中閾值及連接權進行不斷調整，讓知識隱式分布于所有網絡中，以實現模式記憶，這樣ANN就具有獲得較多知識能力，這種人工智能技術廣泛應用在電力系統監測、診斷、實時控制、狀態評估及負荷預測等領域，并且依據神經網絡技術的負荷預測已經成為電廠電力系統中最成功應用之一。

2 其它人工智能技術應用及探討

2.1 粒子群算法及模糊理論應用與探討

粒子群算法可稱為PSO算法，這種智能技術算法簡單，容易實現，并且可調節參數也比較少，已經被應用在了很多學科及領域里，在電廠中也正被嘗試及應用，可這種算法的精度不是很高，還容易陷入局部極值中。其設計思路為：在多維解的搜索空間里，運用這種算法，可在初始化之后得到一群隨機的粒子，并搜索到最有位置及全局極值，這種算法能夠被應用在電廠變電站的選址上，并且在電源規劃上也有一定優越性，可也面臨著諸多不確定因素，加強這些因素全面有效描述，成為電廠應用及探討方向所在。模糊理論簡稱為FS，是自動控制及模糊邏輯相結合而成的，其功能是模擬人類決策及推理過程，運用專家經驗及知識來控制規則的，可有效處理未知及不準確控制問題，并且不用建模，是種非線性的控制，以萬能逼近的定理作為充分理論依據的，模糊控制器可當做萬能的，完成所需任何非線性的控制任務，在很多工程及領域系統里，都沒有辦法建立較為精準數學模型，這使得模糊理論得到了廣泛應用，在電廠里，自然也得到了較為廣泛應用，像電廠的故障診斷里，一些故障及征兆間的關系是比較模糊的，不確定的，這時所得結果也就是模糊的，其傳統方法去為依據專家經驗進行模糊關系矩陣建立，并對模糊關系給予組合及合并等，隨著這種智能技術發展，將模糊知識庫運用語言變量進行表達，更接近人類表達習慣，對于問題多個解決方案，依據模糊度高低來優化排序，在一定程序上，增加了專家系統容錯性，這種理論已被應用在電廠故障診斷識別、變壓器保護及配電系統等領域里。

2.2 禁忌搜索算法

這種技術比較適合優化組合問題解決，可處理不可微目標函數，其理論思想為運用靈活記憶技術，把最近若干次的迭代過程進行反方向移動，并記錄進tabu表里，處在這個表里的移動是不能在現有迭代過程里實現的，從而避免了已訪問解群體的訪問及循環產生，這種技術主要有tabu表、移動及特赦規則三要素組成，這種智能技術在電廠的電力系統里也得到了應用，主要運用了十進制及二進制編碼這兩類方案對實際系統給予優化計算，這種技術對局部最優解跳出方面具有較大優勢，并且收斂效果好，能夠進行快速尋優，可運用單點搜索不能夠在全部空間內進行搜索，這使得初始值好壞直接決定了算法速度及其解質量。

3 結束語

近些年，人工智能技術在電廠中的應用除了以上算法及技術外，還有分布式人工智能、混合智能、蟻群算法及混沌優化法等，隨著我國電力事業不斷發展，市場競爭不斷加大，人工智能技術在電廠中的應用是越來越廣泛及發展良好。

參考文獻

[1]朱祝武.人工智能發展綜述[J].中國西部科技,2011(17)

第7篇：人工智能研究綜述范文

關鍵詞：人工智能 足球機器人 全自主

1、引言

機器人足球比賽已經成為一項全世界矚目的高科技對抗賽。在世界上影響較大的賽事主要有兩個,一個是由國際機器人足球聯合會(FIRA)組織的微機器人世界杯,每年舉行一次,同時進行這一領域的學術研究；另一個是由國際人工智能協會組織的機器人世界杯RoboCup,也是每年一屆,它要求參賽的機器人是自主式的,其復雜程度和制作成本較高。

足球機器人為智能系統的研究提供了一個很好的載體,它充分體現了人工智能、機器人學、傳感器技術等多技術的發展水平和融合程度,也從另一個側面反映了一個國家信息與自動化領域的科技發展水平。足球機器人不僅將靜態環境下單智能體對單智能體的挑戰提升為多智能體對多智能體的對抗,并實現了在復雜環境下,以實時控制的方式進行信息的處理和決策分布。

2、足球機器人

2.1 足球機器人比賽種類

FIRA機器人足球比賽種類:半自主型機器人足球;全自主型機器人足球;仿真機器人足球;超小型半自主機器人機器人足球;超小型全自主機器人足球;類人機器人足球。

RoboCup機器人足球比賽種類:電腦仿真比賽;小型足球機器人賽;中型自主足球機器人賽;四腿機器人足球賽;擬人機器人足球賽。

2.2 機器人足球比賽情況簡介

在足球場上,是裝有完整的智能控制系統的車型足球機器人,機器人可以自主的收集周圍的信息和比賽的情況,并能自主的進行行為決策,包括導航定位,尋找足球、隊員和球門,遇到對方隊員進行自主避障,并選擇時機帶球入門。

比賽一般先進行小組賽,出線隊伍進入下一輪淘汰賽,如果打成平局,則進入加時賽,若仍不能分出勝負,則雙方互罰點球決勝負。比賽分成上下兩個半場,各十分鐘,中場休息五分鐘。

機器人采用上下布局的視覺系統結構。位于比賽場地上方的攝像機能進行旋轉,時刻搜集比賽現況。CCD攝像機固定在機器人的"腹部",鏡頭朝向機器人的正前方,負責識別距離機器人很近的目標物體。

3、全自主足球機器人

全自主足球機器人的系統結構。隨著機器人足球比賽在全世界的火熱進行,研制出更接近人類形態、智能和運動水平的機器人,并且在沒有人干預的情況下,按照足球比賽規則,在真實的足球賽場上,跟人類進行真正意義的足球比賽,成為了這個領域的終極目標。

系統結構。（圖1）是足球機器人的基本系統結構圖。通過教練機廣播任務,各個機器人通過局域網接受任務,各個機器人通過各自的系統進行相互配合,完成球場上的比賽過程（圖1）。

(1)機器人視覺子系統。機器人的視覺子系統主要通過自身攜帶的各類傳感器進行現場信息的采集,進而進行環境地圖的繪制、路徑規劃、任務設計等工作,并通過對現場球體、隊員、對方球員和環境的感知完成自身定位、足球現況分析、任務分析,同時采用目標跟蹤技術進行路徑跟蹤、人體運動的檢測與跟蹤、對特定目標物體的跟蹤等技術。在機器人身上安裝全景視覺傳感器和前向、前向視覺傳感器,它們各司其職,并行工作。全景視覺傳感器是最重要最關鍵的傳感器,它主要用于大范圍的信息采集,精度高實時性好。前向視覺傳感器安裝在機器人胸前,可以采集并精確識別前方腳下目標,這恰巧是全景視覺傳感器的盲區。(2)無線通信子系統。要使多機器人之間能夠有效的通訊和配合,就需要采用先進的通訊設備和可靠的通訊協議通信系統采用基于無線局域網的通信技術,完成網絡信息傳送,該傳輸過程是一個全雙工、共享的過程,實現點對點或者點對面的信息交互。(3)決策子系統。全自主機器人的一個典型特點就是具備完整的決策能力,每個機器人都能根據其他系統提供的信息,準確分析和判斷出比賽過程中的各種形勢,采用人工智能的算法,采取最優的路徑規劃算法進行避障和運動,使機器人做出高速正確的決策,達到贏球的目的。(4)控制子系統。控制子系統是機器人最重要的結構。機器人根絕其他系統所提供的各種信息進行綜合分析后向機器人發出控制指令。控制系統是一個復雜并且精確要求很高的系統,運動控制和運動性能的好壞直接影響機器人的比賽能力和比賽結果。

4、結語

通過對現有機器人足球比賽狀況的分析和對全自主足球機器人系統的研究,可見要實現能跟人類足球對抗的機器人還需要解決很多的技術難題和增強各種先進技術的融合程度,隨著科技的進步,這些問題也會逐步解決。

參考文獻

[1]謝云,楊宜民.全自主機器人足球系統的研究綜述[J].機器人.2004年,第26卷第5期:474-476.

[2]朱力.目前各國機器人發展情況[J]。China youth s&t,2003,11:38-39.

第8篇：人工智能研究綜述范文

【關鍵詞】建筑能耗預測方法；工程方法；統計方法；人工智能；支持向量機

1 建筑能耗現狀

建筑能耗占總能耗的40%，占CO2總排放量的36%。[1]建造能耗預測對提高建筑的能源性能，達到節能和減少環境影響的目的有很顯著的作用。

精確的能耗預測是很困難的，最近幾年，很多預測方法已經被提出和應用在能耗預測的問題上。其中使用最廣泛的人工智能方法是人工神經網絡和支持向量機。

2 預測方法

2.1 工程方法

工程方法使用物理原理計算熱動力學和整個建筑水平或子組件水平的能源行為。在過去五十年他們已經充分發展了。這些方法大致可以分成兩類，詳細的綜合的方法和簡化的方法。

綜合方法使用非常精細的物理函數或熱動力學，按部就班的準確計算建筑所有組件的能源消耗，輸入建筑和環境信息（比如外部氣候條件、建筑施工，操作，公用事業費率和空調設備）。幾百種軟件工具已經被開發出來用于評估能源效率，例如DOE-2， EnergyPlus， BLAST， ESP-r.有些已經被廣泛應用于提高建筑能耗水平和分析能源消耗和建筑保護措施。

雖然這些精細的仿真工具是有效并且準確的，但是，這些工具是基于物理原理得到準確的仿真結果，他們需要詳細的建筑和環境參數作為輸入數據。這些參數對很多組織來說很難得到，而且運行這些工具需要繁瑣的專家工作，使這個很難執行而且成本效率不高。因此一些研究人員提出了相對簡單的模型作為某些應用程序的代替。

簡化的模型有兩種。一種是度日數法，是單測量法，這種穩定狀態下的模型適用于評估小型建筑的能耗基于維護的能耗占主導位的時候。另一種是bin數據方法，或者叫逐時溫度方法。可以用于模擬大型建筑，內部產生的負荷占主導地位或者負荷時非線性的根據室內外氣溫的變化而不同。

在簡化模型和精確模型之間沒有明顯的界限。用一些綜合性的工具來進行簡單的模擬也是可能的，例如EnergyPlus。[2]AI-Homoud建議，如果是為了研究趨勢，對比系統，然后簡化分析方法可能就足夠了。相比之下，對于詳細的建筑能耗分析和子系統和生命周期成本分析，更綜合的工具應該更合適。[3]

2.2 統計方法

統計回歸模型簡單的把與能耗或者能源指數與影響變量相關聯。這些實證模型是從歷史性數據中開發出來的，也就是說訓練模型之前我們需要收集足夠的歷史數據。許多關于回歸模型的研究被提出基于以下問題。

首先是在簡化變量的基礎上預測能量使用率，例如一個或者一些氣象參數。其次是預測有用的能源指數。第三是估計能源使用的重要參數，例如總的熱損失系數，總熱容量，增益因子（在分析建筑或者低層次系統的熱行為上是很有用的）。

Aydinalp-Koksal and Ugursal[4]建議當我們預測國家級別建筑能耗時考慮基于回歸算法的模型叫Conditional Demand Analysis（CDA）需求條件分析。在他們的實驗比較中，CDA表現出了準確預測能力和神經網絡和工程方法一樣好。但是，更容易開發和使用。然而CDA的缺點是缺少細節和靈活性而且它需要大量的輸入信息。CDA同樣應用于分析住宅能耗的早期工作。

2.3 神經網絡

人工神經網絡被廣泛應用于建筑能耗預測應用方面的人工智能模型。這種模型擅長解決非線性問題而且是對這種復雜的應用程序（建筑能耗預測）的有效的解決方法。過去的二十年里，研究人員已經應用ANNs分析在不同條件下多種建筑類型的能耗。例如熱/冷負荷，用電量，子水平部件運行于優化，使用參數的估計。

神經網絡和其他預測模型的對比，Azadehetal.[5]指出神經網絡對于用電波動較大的制造業的年電力消耗預測優于通過ANOVA方差分析計算的傳統的非線性回歸模型。Aydinalpetal.[6]指出神經網絡在估計家電，照明和制冷能耗ALC和社會經濟因素對加拿大住宅市場消費的影響方面比工程模型可以得到更高的預測表現。Neto[7]在建筑能耗預測方面比較了復雜的工程模型和神經網絡模型。兩個模型都表現出了和高的準確率，但是，ANN在短期預測方面比工程模型稍微好一點。

2.4 支持向量機

支持向量機SVMs逐漸應用于研究和產業。他是高度有效的模型，在解決非線性問題時甚至需要很少數量的訓練數據。在過去五年里許多在建筑能耗分析上進行了關于這些模型的研究。

Lietal.[8]用SVMs預測辦公建筑的逐時冷負荷。支持向量回歸的表現比傳統BP神經網絡要好。Hou and Lian[9]也使用SVMs預測HVAC系統的冷負荷，結果顯示SVMs比ARIMA模型要好。

所有的研究表明SVMs在預測逐時和逐月建筑能耗方面都很好的表現。

3 討論與展望

通過上述的介紹和分析，明顯表示評估一個建筑能耗系統需要大量的計算。從子系統水平到建筑水平到區域水平或者國家水平。每個模型都有他自己的優點在特定方面的應用上。

工程模型表現了很大的變化。它可以是很復雜的全面的模型可以被用于精確的計算。相反，通過采用一些簡化的戰略，它可以成為一個輕量級的模型，容易開發研制，同時保持準確度。詳細的工程模型的一個被普遍接受的缺點是在實際中很難運行。因為他的高復雜性和缺乏輸入信息。

統計模型相對容易研發，但是它的缺點是很明顯的。缺乏準確性和靈活性。

ANNs和支持向量機，善于解決非線性問題，使他們適用于建筑能耗預測。只要模型選擇和參數設定的好他們可以給出很高準確度的預測。在很多情況下支持向量機比人工神經網絡表現出了更加優越的性能。在兩種模型的缺點是他們需要足夠多的歷史性能數據和極度復雜性。

4 結論

文章回顧了最近在預測建筑能耗方面的工作。因為建造能量行為的復雜性和影響因素的不確定性，許多模型提出了這個應用程序旨在準確，健壯的和易于使用的預測。研究主要關注于應用這些模型對建筑能耗的預測問題，優化模型參數，簡化這些問題或者模型開發。每個模型被開發而且有他的優點和缺點。然而，人工智能發展很迅速，很多新的和更強大的技術在這個領域開發出來可能在預測建筑能耗方面有突破。

【參考文獻】

[1]European Parliament and Council. Directive 2010/31/EU of the European Parliament and of the Council of 19 May 2010 on the energy performance of buildings[J]. Official Journal of the European Union， 2010， L153：13-35.

[2]Crawley DB， Lawrie LK， Winkelmann FC， Buhl WF， Huang YJ， Pedersen CO， et al.EnergyPlus： creating a new-generation building energy simulation program[J].Energy and Buildings，2001，33（4）：319-31.

[3]Al-Homoud MS. Computer-aided building energy analysis techniques[J]. Building and Environment， 2001， 36（4）： 421-33.

[4]Aydinalp-Koksal M， Ugursal VI. Comparison of neural network， conditional demand analysis and engineering approaches for modeling end-use energy consumption in the residential sector[J]. Applied Energy， 2008， 85（4）： 271-96.

[5]Azadeh A，Ghaderi S， Sohrabkhani S. Annual electricity consumption forecasting by neural network in high energy consuming industrial sectors[J]. Energy Conversion and Management， 2008， 49（8）： 2272-8.

[6]Aydinalp M，Ugursal VI， Fung AS. Modeling of the appliance， lighting， and spacecooling energy consumptions in the residential sector using neural networks[J]. Applied Energy， 2002， 71（2）：87-110.

[7]NetoAH，Fiorelli FAS. Comparison between detailed model simulation and artificial neural network for forecasting building energy consumption[J]. Energy and Buildings， 2008， 40（12）： 2169-76.

第9篇：人工智能研究綜述范文

關鍵詞：智能控制 專家控制 模糊控制 神經網絡控制 遺傳算法

1．引言

智能控制是自動控制發展的高級階段，是人工智能、控制論、信息論、系統論、仿生學、進化計算和計算機等多種學科的高度綜合與集成，是一門新興的邊緣交叉學科。智能控制是當今國內、外自動化學科中的一個十分活躍和具有挑戰性的領域，代表著當今科學和技術發展的最新方向之一。它不僅包含了自動控制、人工智能、系統理論和計算機科學的內容，而且還從生物學等學科汲取豐富的營養，正在成為自動化領域中最興旺和發展最迅速的一個分支學科。

2．智能控制產生的背景

從控制理論學科發展的歷程來看，該學科的發展經歷了三個主要階段。

第一階段為20世紀40—60年代的“經典控制理論”時期，經典控制理論以反饋理論為基礎，是一種單回路線性控制理論。主要采用傳遞函數、頻率特性、根軌跡為基礎的頻率分析方法。主要研究單輸入一單輸出、線性定長系統的分析和設計。

第二階段為20世紀60—70年代的“現代控制理論”時期，現代控制理論主要研究具有高性能、高精度的多變量參數系統的最優控制問題。采用的方法包括狀態空間法、Bellman動態規劃方法，Kalman濾波理論和Pontryagin極大值原理等。現代控制理論可以解決多輸入多輸出問題，系統可以是線性定長的，也可以是非線性時變的。

第三階段為20世紀70年代至今的“大系統理論”和“智能控制理論”時期。由于現代控制理論過多地依賴對象的數學模型，其控制算法較為理想化，設計方法非常數字化，因此在面對難以用數學模型描述或者具有時變、非線性、不確定特性的復雜系統時，現代控制系統也顯得無能為力。為了提高控制系統的品質和尋優能力，控制領域的研究人員開始考慮把人工智能技術用于控制系統。近年來，控制領域的研究人員把傳統的控制理論與模糊邏輯、神經網絡、遺傳算法等智能技術相結合，充分利用人的經驗知識對復雜系統進行控制，逐漸形成了智能控制這一新興學科。

3．智能控制的基本概念和特點

傳統的控制方法建立在被控對象的精確數學模型之上，智能控制是針對系統的復雜性、非線性、不確定性等提出來的。IEEE控制系統協會把智能控制歸納為：智能控制系統必須具有模擬人類學習和自適應的能力。一個智能控制系統一般應具有以下一些特點。

1)能對復雜系統（如非線性、多變量、時變、環境擾動等）進行有效的全局控制，并具有較強的容錯能力；

2)具有以只是表示的非數學廣義模型和以數學模型表示的混合控制過程，能根據被控對象的動態過程進行辨識，采用開閉環控制和定性與定量相結合的多模態控制方式；

3)能對獲取的信息進行實時處理并給出控制決策，通過不斷優化參數和尋找控制器的最佳結構形式，以獲得整體最優控制性能。

4)具有自學習、自適應、自組織能力，能從系統的功能和整體優化的角度來分析和綜合系統，以實現預期的控制目標。

4．智能控制理論的基本內容

4.1 專家控制(EC-Expert Control)

由人工智能領域發展起來的專家控制是一種基于知識的智能計算機程序的技術。專家控制的實質是基于控制對象和控制規律的各種知識，并且要以智能的方式利用這些知識，以求得控制系統盡可能的優化和實用化。專家系統一般由知識庫、推理機、解釋機制和知識獲取系統等組成。知識庫用于存儲某一領域專家的經驗性知識、原理性知識、可行操作與規則等。可通過知識獲取系統對原有知識進行修改和擴充。推理機根據系統信息并利用知識庫中知識按一定的推理策略來解決當前的問題。解釋機制對找到的知識進行解釋，為用戶提供了一個人機界面。專家控制的特點為：

1)具有領域專家級的專業知識，能進行符號處理和啟發式推理。轉貼于

2)具有獲取知識能力，具有靈活性、透明性和交互性。

4.2模糊控制(FC-Fuzzy Control)

模糊控制是以模糊集合論、模糊邏輯推理和模糊語言變量為基礎的一種計算機數字控制。對于無法建立數學模型或難以建立數學模型的場合，可以用模糊控制技術來解決。模糊控制就是在被控對象模糊模型的基礎上，利用模糊控制器，采用推理的手段進行系統控制的一種方法。模糊模型是用模糊語言和規則描述的一個系統的動態特性及性能指標。模糊控制器由模糊化、規則庫、模糊推理和清晰化四個功能模塊組成。模糊化模塊實現對系統變量論域的模糊劃分和對清晰輸入值的模糊化處理。規則庫用于存儲系統的基于語言變量的控制規則和系統參數。模糊推理是一種從輸入空間到輸出空間的非線性映射關系，控制規則形式為If{控制輸入A}then{控制輸出B}，即如果已知控制輸入A，則通過模糊推理得出控制輸出B。清晰化模塊將推出的模糊推理推出的控制輸出轉化為清晰的輸出值。模糊控制的特點為：

1)提供了一種實現基于自然語言描述規則的控制規律的新機制。

2)提供了一種非線性控制器，這種控制器一般用于控制含有不確定性和難以用傳統非線性理論處理的場合。

4.3 神經網絡控制(NNC-Neural Networks Control)

神經網絡控制是在控制系統中采用神經網絡這一工具，對難以通過常規方法進行描述的復雜非線性對象進行建模，或充當控制器，或信息處理，或模式識別，或故障診斷等，或以上幾種功能的組合，這種神經網絡控制系統的控制方式即為神經網絡控制。神經網絡控制采用仿生學的觀點對智能系統中的高級信息處理問題進行研究，神經網絡控制的特點為：

1)能充分逼近任意非線性特性。

2)分布式并行處理機制。

3)自學習和自適應能力。

4)數據融合能力。

5)適合于多變量系統，可進行多變量處理。

4.4 遺傳算法(GA-Genetic Algorithm)

遺傳算法是一種基于生物進化模擬的啟發式智能算法，它的基本策略是：將待優化函數的自變量編碼成類似基因的離散數值碼，然后通過類似基因進化的交叉、變異、繁殖等操作獲得待優化函數的最優或近似最優解。在智能控制中，遺傳算法廣泛應用于各類優化問題，遺傳算法可以用于復雜的非線性系統的辨識，多變量系統控制規則的優化，智能控制參數的優化等常規控制方法難以奏效的問題。遺傳算法具有可擴展性，可以同專家系統、模糊控制和神經網絡結合，為智能控制的研究注入新的活力。如可用遺傳算法對模糊控制的控制規則和隸屬度函數進行優化，對神經網絡的權值進行優化等。遺傳算法的特點為：

1)以決策變量的編碼作為運算對象。

2)直接以目標函數值作為搜索信息。

3)同時進行解空間的多點搜索。

4)使用自適應的概率搜索技術。

5．結束語

智能控制已廣泛應用于工業、農業、軍事等眾多領域，已經解決了大量的傳統控制無法解決的實際控制應用問題，呈現出強大的生命力和發展前景。它將隨著專家系統、模糊控制、神經網絡等控制技術的發展而不斷發展。

參考文獻

[1]師黎，陳鐵軍，李曉媛等，智能控制理論及應用[M].北京：清華大學出版社．2009.

[2]黃志高，徐成金，譚斌．智能控制理論綜述[J]．土木機床，2004 (3):30-32．

[3]宋勝利．智能控制技術概論[M]．北京：國防工業出版社，2008．

[4]王永驥，涂健，神經元網絡控制[M]．北京：機械工業出版社，1998．

[5] Rubaai A，Kotaru R，Kankam M D.A continually online - trained neural network controller for brushless DC motor drives [J].lndustry Applications，IEEE Transactions ，2000 ，36(2)：475 - 483.