包邮面向智能制造的机器智能理论与方法

第1章 绪论 001 1.1 智能科学技术的历史使命和研究方向 001 1.1.1 历史使命 001 1.1.2 研究方向 001 1.2 机器智能概述 003 1.2.1 机器智能的定义 003 1.2.2 机器智能的发展 003 1.2.3 机器智能技术手段 004 1.3 智能制造概述 005 1.3.1 智能制造的定义 005 1.3.2 智能制造的发展 006 1.3.3 智能制造的特征 007 1.3.4 智能制造的实现基础 009 1.4 机器智能与智能制造 011 1.5 本书的主要内容和章节安排 012 参考文献 013 第2章 制造系统中的智能化需求场景 015 2.1 产品的智能化需求 015 2.1.1 智能产品 015 2.1.2 产品智能化设计 017 2.1.3 产品质量自适应控制 018 2.2 工艺的智能化需求 019 2.2.1 工艺模型自主生成 019 2.2.2 工艺路径智能规划 020 2.2.3 工艺参数自适应优化 021 2.3 装备的智能化需求 023 2.3.1 装备自感知与监控 023 2.3.2 装备故障预测与自诊断 025 2.3.3 装备自主协同与柔性生产 026 2.4 决策的智能化需求 028 2.4.1 智能排产与调度 028 2.4.2 智能无人物流 032 2.4.3 人机协作与共融 034 2.5 本章小结 036 参考文献 036 第3章 面向智能制造的机器智能结构模拟方法与应用 039 3.1 基于结构模拟的机器智能理论与方法 039 3.2 结构模拟之人工神经网络模型 042 3.2.1 单层感知机 042 3.2.2 多层感知机与BP神经网络 047 3.2.3 Hopfield反馈神经网络 050 3.3 结构模拟之卷积神经网络模型 053 3.3.1 卷积神经网络模型的基本元素 053 3.3.2 传统卷积神经网络模型 056 3.3.3 因果卷积神经网络模型 057 3.4 结构模拟之循环神经网络模型 059 3.4.1 时序数据 060 3.4.2 传统循环神经网络模型 061 3.4.3 长短期记忆网络模型 062 3.5 结构模拟方法在智能制造中的应用案例 064 3.5.1 基于LSTM的通风系统热需求功率智能预测 064 3.5.2 融合因果卷积与LSTM的锂离子电池状态智能监控 068 3.6 本章小结 080 参考文献 081 第4章 面向智能制造的机器智能功能模拟方法与应用 083 4.1 基于功能模拟的机器智能理论与方法 083 4.2 功能模拟之因果知识推理方法 089 4.2.1 数据中的因果关系发现理论 089 4.2.2 两阶段的因果关系推理方法 092 4.2.3 基于因果知识的制造系统可观可控分析 098 4.3 功能模拟之专家系统构建与开发 100 4.3.1 专家系统的基本概念 100 4.3.2 专家系统的基本类型 104 4.3.3 专家系统的开发工具 107 4.4 功能模拟方法在智能制造中的应用案例 109 4.4.1 基于知识推理的复杂机械产品装配质量控制 109 4.4.2 航天结构件的三维数控加工工艺设计专家系统开发 121 4.5 本章小结 126 参考文献 127 第5章 面向智能制造的机器智能行为模拟方法与应用 129 5.1 感知-动作系统 129 5.2 行为模拟之机器感知方法 133 5.2.1 机器感知基本原理 133 5.2.2 无线传感器网络基本概念 136 5.2.3 信息融合基本概念 137 5.3 行为模拟之模式分类方法 138 5.3.1 基本概念 138 5.3.2 特征抽取与选择 140 5.3.3 常用模式分类方法 142 5.3.4 性能评估 147 5.4 行为模拟之计算智能算法 150 5.4.1 计算智能的基本概念 150 5.4.2 模糊计算方法 151 5.4.3 进化计算方法 152 5.5 行为模拟方法在智能制造中的应用案例 156 5.5.1 基于并行多目标遗传算法的生产资源优化配置 156 5.5.2 基于模糊逻辑控制的物料运输任务调度 163 5.6 本章小结 168 参考文献 169 第6章 面向智能制造的机器智能机制模拟方法与应用 171 6.1 基于机制模拟的机器智能理论与方法 171 6.2 机制模拟之复杂系统的网络化建模分析方法 174 6.2.1 网络科学基本理论介绍 174 6.2.2 基于复杂网络理论的制造系统优化决策方法 177 6.2.3 数据与网络融合的制造系统建模与分析方法 182 6.3 机制模拟之强化学习方法 185 6.3.1 强化学习的基本框架 185 6.3.2 多智能体强化学习方法 189 6.4 机制模拟之“关联+预测+调控”智能决策新模式 191 6.4.1 关联：制造系统耦合作用机理的智能分析 191 6.4.2 预测：制造系统性能演化规律的智能预测 193 6.4.3 调控：制造车间性能调控机制的智能构建 197 6.5 机制模拟方法在智能制造中的应用案例 202 6.5.1 基于复杂网络的飞机总装系统工时波动影响力评估 202 6.5.2 考虑工时柔性可变的制造系统资源动态调整 210 6.6 本章小结 220 参考文献 221 第7章 面向智能制造的机器智能其他理论与方法 223 7.1 多智能体与群集智能 223 7.1.1 复杂系统理论 224 7.1.2 多智能体系统的一致性控制 225 7.1.3 群集智能行为的生物原型 225 7.1.4 蚁群算法 226 7.1.5 粒子群算法 228 7.2 脑皮质学习算法 229 7.2.1 层级实时记忆 229 7.2.2 空间沉积的实现 230 7.2.3 时间沉积的实现 232 7.2.4 脑皮质学习算法原理 234 7.3 多智能体系统在智能制造中的典型应用 236 7.3.1 基于多智能体协同的大规模物料运输调度优化 237 7.3.2 基于多智能体的多机器人控制 238 7.4 群集智能算法在智能制造中的典型应用 240 7.4.1 基于两阶段多目标蚁群算法的云物流服务调度优化 240 7.4.2 基于粒子群算法的柔性车间调度系统 242 7.4.3 基于脑皮质算法的时间序列异常检测 243 7.5 本章小结 246 参考文献 246 第8章 机器智能和智能制造的前沿动态与发展方向 248 8.1 机器智能的前沿动态与困难瓶颈 249 8.1.1 机器智能的*新进展和前沿动态 249 8.1.2 机器智能理论面临的困难与瓶颈 253 8.2 智能制造的前沿动态与困难瓶颈 255 8.2.1 智能制造的*新进展和前沿动态 255 8.2.2 智能制造面临的困难与瓶颈 261 8.3 本章小结 264 参考文献 264