簡介：無功補償優(yōu)化問題一直在電力網絡的規(guī)劃設計和安全經濟運行中占有重要的位置不僅有利于節(jié)點電壓水平的改善也能加強對網絡損耗成本的控制。而隨著大量的分布式電源引入中低壓電網中的情況將會越來越多關于無功補償優(yōu)化問題的研究也將具有新的意義。本文對無功優(yōu)化所針對的電網算例進行模型化的數學處理對應的目標函數取為系統(tǒng)的有功功率網損費用和無功補償裝置安裝維護費用之和為最小。按照網絡和電源的結構特點得出等效的分布式電源的數學模型和電氣網絡的數學模型。并且提出了含有無功注入補償法的前推回代潮流計算方案。將對應的潮流約束條件確定為網絡電壓的指標合格線路上流過的功率不越限和保證功率平衡。提出和使用MATLAB程序編寫了人工免疫原理與二進制粒子群相結合的混合智能算法程序以在保持粒子群算法的收斂速度的同時結合人工免疫原理算法的優(yōu)點提高算法的全局最優(yōu)解的搜索能力。根據現實生活中分布式電源的輸出功率和電網中用戶負荷隨著季節(jié)氣候的變化而變化的情況將算例所對應的網絡負荷方式取為四個季節(jié)共四個時間段的情況再考慮到計算的精度將其擬合為四種負荷方式從而使算例情況更符合實際的規(guī)律。本文使用28節(jié)點算例和33節(jié)點算例。通過對算例的計算表明本文所提出的算法能夠有效地解決帶有分布式電源的電網無功優(yōu)化補償問題補償效果顯著說明該方法具有很好的實用性具有一定的使用前景。

簡介：生物免疫系統(tǒng)（BIOLOGICALIMMUNESYSTEM，BIS）具有良好的多樣性、耐受性、免疫記憶、分布式并行處理、自組織、自學習、自適應和魯棒性等特點。計算機的安全問題與生物免疫系統(tǒng)所遇到的問題具有驚人的相似性，兩者都要在不斷變化的環(huán)境中維持系統(tǒng)的穩(wěn)定性。人體免疫系統(tǒng)具有天生發(fā)現并消滅外來病原體的能力，生物免疫系統(tǒng)所具有的這些特性正是計算機科學工作者所夢寐以求的?；谌斯っ庖叩娜肭謾z測思想應運而生?；谌斯っ庖呷肭謾z測算法中最經典的當屬新墨西哥大學的FREST所提出來的否定選擇算法，又稱反向選擇算法。其主要思想是定義一個自我集，隨機產生一個檢測器與該自我集進行耐受，和自我集匹配的檢測器刪除，那些經過耐受期留存下的成為成熟檢測器，用于入侵檢測。該算法的檢測器生成是隨機的，沒有任何方向性，導致最后產生的成熟檢測器不可避免地產生冗余。反向選擇算法的核心是R連續(xù)位匹配算法，該算法恒定的匹配概率導致了檢測黑洞的產生。本文對傳統(tǒng)的免疫入侵檢測算法進行了分析，發(fā)現了以下問題首先，否定選擇算法中的匹配算法不可避免地導致了“黑洞”的產生，如何盡可能地避免“黑洞”產生呢其次，否定選擇算法中檢測器都是隨機產生的，盡管要進行免疫耐受的過程，但檢測器和檢測器之間的“冗余”卻不可避免的產生了，而且檢測器集規(guī)模越大，冗余越大，如何消除冗余問題最后，如何構建一個高效穩(wěn)定的入侵檢測模型呢針對上述問題，本文開展工作如下1本文采用一種將待匹配字符串進行分段的思想，通過對每段設置不同的匹配系數，以及有針對地設置關鍵字段位，形成一種可控的匹配概率，避免了由于R連續(xù)位匹配算法的恒定匹配概率，而使得基于反向選擇算法的檢測系統(tǒng)可能出現的檢測黑洞。2提出一個冗余剔除算法，根據冗余成熟檢測器之間相似的結構特性，采用滑動窗口思想，對檢測器集進行冗余消除，解決了隨機產生的初始檢測器不可避免地為成熟檢測器的冗余埋下隱患的問題，以及無窮盡的非我個體和有限的成熟檢測器集合之間存在的矛盾問題，同時能保證檢測器集的性能不變。3構建了一個新型的基于人工免疫的入侵檢測模型。該模型通過聚類算法對數據集進行分類，產生自體抗原和非自體抗原。非自體抗原通過遺傳算法、冗余剔除算法以及反向選擇算法產生成熟檢測器集。成熟檢測器集在一定的匹配閾值下形成記憶檢測器集。測試集先經過記憶檢測器集，再通過成熟檢測器集，在此過程中完成記憶檢測器和成熟檢測器的更新。在隨機數據集和1998DARPA數據集上，通過VC上的程序仿真實驗，對傳統(tǒng)算法和改進算法中檢測器的適應度和覆蓋度進行對比分析，證明改進算法能有效地改進入侵檢測系統(tǒng)性能，有效地消除黑洞問題和檢測器冗余問題。

簡介：點擊查看更多基于人工智能的變電站缺陷管理系統(tǒng).pdf精彩內容。

簡介：點擊查看更多基于搜索算法的人工智能在五子棋博弈中的應用研究.pdf精彩內容。

簡介：本論文是在中國科學院合肥智能機械研究所重點創(chuàng)新基金項目“仿生感知機器人”和中國科學院XXXX基金項目“衛(wèi)星寄生機器人自主軟著陸系統(tǒng)關鍵技術研究”基金編號XXXX的資助下完成的。本文首先分別運用PID控制方法和神經網絡控制方法對無人直升機系統(tǒng)做了控制分析，指出控制方法的優(yōu)缺點和控制過程中存在的不足；而后提出基于神經網絡的PID控制方法，并對這種控制方法進行分析。當運用基于神經網絡的PID控制方法對無人直升機整體系統(tǒng)進行控制時，設計的控制結構復雜，參數調節(jié)困難，程序的復雜度大。為了解決這一問題，并驗證論文所提出的控制方法的可行性，對無人直升機系統(tǒng)做了一些合理性的假設，并對系統(tǒng)的數學模型進行進一步的簡化，得到無人直升機線性化模型，且根據研究的需要，把無人直升機系統(tǒng)的運動分為三個分運動的形式6；最后，對無人直升機系統(tǒng)的三個分運動的基于神經網絡的PID控制方法，運用MATLAB工具編寫程序進行仿真，并對對仿真結果進行分析，得出基于神經網絡的控制方法可以快速準確地跟蹤輸入信號的結論，證明了論文提出的控制方法的有效性。

簡介：西南交通大學碩士學位論文人工智能技術在遠程作業(yè)系統(tǒng)中的應用研究姓名楊繼宏申請學位級別碩士專業(yè)電力系統(tǒng)及其自動化指導教師李治20030601ABSTRACTINTELLIGENTDISTANCEEXERCISESYSTEMIDESFORSHORTISANINTERNETBASEDEXERCISESYSTEMINCHARACTERWITHINTELLIGENCE，OPENSTRUCTUREDISCIPLINECROSSANDMULTILAYERUSINGTHISSYSTEM，WECANFINISHEXERCISECOURSEONCOMPUTERINCLUDINGSUBJECTDESIGN，ASSIGNMENT，ANSWERINGQUESTIONS，AUTODISTINGUISHINGEVALUATINGANDSUMMINGUPBECAUSEOFUSINGARTIFICIALINTELLIGENCEAIFORSHORTANDEXPERTSYSTEMESFORSHORTTECHN0109Y，ITCANNOTONLYAUTODISTINGUISHSUBJECTIVETHEMESSUCHASCALCULATIVEORPROBATIVEONESBUTALSOPENETRATEANDDYNAMICALLYCONSTRUCT1EARNINGCASEHISTORYOFSTUDENTATPRESENT，THEEDUCATIONSOFTWAREINTHEFORMOFEXERTISEINHOMEMARKETONLYCANDISTINGUISHOBJECTIVESUBJECTSSUCHASSELECTIVEORBLANKFILLEDONESBUTCANNOTDEALWITHSUBJECTIVETHEMESSUCHASCALCULATIVEORPROBATIVEONESANDTHEFOREIGNRESEARCHLEVELOFRELATIVEFIELDSISALMOSTALIKETHECIVILTHECREATIONANDADVANCEMENTOFTHISPROJECTISOBVIOTLSCONSIDERINGTHATSTUDENTDOESHOMEWORKONPAPERANDTEACHERCORRECTSITWITHMANPOWERTHEDEVELOPMENTOFIDESISOFGREATVALUEFIRSTLY，ITCANREMARKABLYIMPROVETEACHINGQUALITY，EFFICIENCYANDBENEFITINEXERCISEFURTHERMORE，TRANSMITTINGHOMEWORKBYPOSTOFFICEOREMAILWEAKENSTHESUPERVISIONOFHOMEWORKANDIDESCANADVANCETHEREPUTATIONANDQUALITYOFDISTANTEDUCATIONTHIRDLY，IDESCANEXERTNETWORKRESOURCESOFSCHOOLORUNIVERSITYANDITWILLPLAYANIMPORTROLEONTHEREFORMATIONOFTRADITIONALTEACHINGMETHODSTHATUSESMODERNINFORMATIONTECHNOLOGYFROMTHEPOINTOFVIEWOFAITECHNOLOGY。THISPAPERDESCRIBESKNOWLEDGEREPRESENTATION，KNOWLEDGEACQUIREMENTANDKNOWLEDGEREASONINGOFIDESASWELLASTHEREFINEMENTOFKNOWLEDGEBASEIESTRUCTURALTRANSFORMATIONTHATISAUTHOR’SPRIMARYTASK

簡介：點擊查看更多基于人工免疫系統(tǒng)的水電機組智能診斷方法研究.pdf精彩內容。

簡介：隨著科技的發(fā)展，信息化在經濟增長中的作用日益顯著，依據信息對企業(yè)問題做出快速科學的決策，對優(yōu)化企業(yè)資源配置、提高企業(yè)的核心競爭力等方面起到非常重要的作用。目前大多數企業(yè)普遍采用手工報表分析數據的決策方式，這種方法存在工作量大、速度慢及容易丟失數據等問題，因此管理者迫切需要一套適合自身企業(yè)發(fā)展的決策支持系統(tǒng)來及時了解企業(yè)信息，做出利于企業(yè)發(fā)展的決策。本文進行了“基于人工智能技術的企業(yè)決策支持系統(tǒng)”的研究，對決策支持系統(tǒng)相關的關鍵技術進行總結和研究，提出基于數據倉庫和數據挖掘相結合的企業(yè)決策支持系統(tǒng)的解決方案。本文主要做了以下方面的研究論文以關聯(lián)規(guī)則的挖掘問題為研究對象，介紹并分析對比了APRII算法和FPGROWTH算法；同時研究了決策樹算法的代表算法ID3算法，并對他們各自的性能及其優(yōu)劣有了初步的認識和總結。論文在研究關聯(lián)規(guī)則挖掘和決策樹分類算法與決策支持系統(tǒng)結合時，對其中遇到的問題進行了分析，并在此基礎上研究分析了一種基于決策樹的快速關聯(lián)規(guī)則挖掘算法，為架設一種平臺來幫助企業(yè)決策提供了方法和實現途徑。由上述所提出的算法，論文設計了一種決策支持系統(tǒng)平臺，并對其中的決策樹分類過程、剪枝過程、分類結果及關聯(lián)規(guī)則挖掘的可視化等問題和實現步驟進行了探討和設計。最后以耗油和車身重量等屬性決策汽車所屬年代這一決策過程為例，進一步驗證本文所提算法及設計平臺的正確性和有效性。

簡介：點擊查看更多基于ACS算法的最優(yōu)模糊PID控制器設計及其在CIP-Ⅰ智能人工腿中的應用.pdf精彩內容。

簡介：滾動軸承是機械設備中最常用的部件之一，因此對滾動軸承故障診斷的研究十分重要。當滾動軸承某一元件表面出現局部損傷時，在受載運行過程中要周期性地撞擊與之相互作用的其他元件表面，從而產生周期性的沖擊脈沖力。由于沖擊脈沖力的頻帶很寬，會覆蓋軸承系統(tǒng)的各個固有頻率，所以該脈沖力同理想脈沖一樣必然激起軸承系統(tǒng)的各個固有振動。這樣原來的平穩(wěn)振動信號變成了非平穩(wěn)振動信號。傅立葉變換在頻域上是完全局部化的，但它不能提供任何時域的局部化特征，因此它不適應非平穩(wěn)信號的分析。小波分析能多尺度地同時提供信號在時域和頻域的局部化信息，因而成為信號處理尤其是非平穩(wěn)信號處理的重要手段。人工神經網絡因其特有的優(yōu)勢使得它的應用日益廣泛，它的計算能力有三個顯著的特點一是它的非線性特征；二是并行分布結構；三是它的學習和歸納能力。同時，它實現容易，采用大量簡單的神經元構成神經網絡解決難以直接使用解析式處理的問題。因此將神經網絡引入軸承故障診斷正好利用其特點，將問題處理從傳統(tǒng)方法轉向人工智能方面。針對基于小波包絡解調技術的滾動軸承故障診斷，本文主以下幾方面展開研究1、系統(tǒng)的介紹了滾動軸承的振動機理及其典型故障的振動特征；2、細致地闡述了小波分析的基本理論及其在信號處理中的應用；3、闡述了基于小波包分解與重構的包絡解調法小波包絡法和小波包分解頻帶能量監(jiān)測法小波包能量法的原理，分別用這兩種方法對滾動軸承幾種典型故障進行了診斷，并提取特征向量。4、分別將得到的兩種特征向量與BP神經網絡相結合進行訓練和識別，并將結果作比較，得出的結論是小波包絡法提取的特征能夠更好的反應出軸承的狀態(tài)。

簡介：冰塞水位及冰塞厚度的預測分析不但對冰塞發(fā)展機理研究有著重要的意義，同時也可以為堤防、水工構筑物的建設以及防凌減災工作提供參考。基于支持向量機、傳統(tǒng)BP人工神經網絡、遺傳算法優(yōu)化神經網絡以及多元回歸分析四種方法，對黃河河曲段的實測數據進行了本斷面和上下斷面間的冰塞水位和厚度預測；也對實驗室180°彎道冰塞試驗13個斷面所測得的數據資料以及實驗室壅水試驗中7個觀測斷面測得的數據資料進行了分析，采用以上四種方法建立了實驗室冰塞水位和厚度預測模型。將所得預測值與實測值進行了資料范圍內的對比，同時也對四種方法的預測效果進行了分析對比。由對比結果可以看出，無論是在天然河道中還是實驗室條件下，和多元回歸分析方法相比，支持向量機、BP人工神經網絡、遺傳算法優(yōu)化神經網絡等人工智能方法在預測精度和對復雜環(huán)境適應性方面都存在優(yōu)勢，其中遺傳算法優(yōu)化神經網絡模型優(yōu)勢更為明顯，本文的研究可為冰凍區(qū)河流建立冰情預報模型提供有益的參考。

簡介：氣動人工肌肉MCKIBBEN肌肉是一種新型的驅動器它是一種由氣壓激勵的可收縮的運動引擎。它最大的特點是既輕又柔同時還能產生足夠的力。由于其與生物肌肉的相似性將它用于驅動機器人時機器人較易產生像動物一樣的動作。由于其天生的柔順性這種機器人在和環(huán)境交互時容易產生溫柔的觸及和相對安全的操作所以在工業(yè)裝配、噴涂、抓取易碎物品等領域有著潛在的巨大應用價值。由于MCKIBBEN肌肉的高度非線性及其特有的柔順性特征由其驅動的機器人關節(jié)也是柔順的所以對其的精確控制較為困難文獻中的做法基本上是傳統(tǒng)的PID控制或單一的智能算法。由于機器人負載的易變性、外界干擾、及軸間摩擦等因素傳統(tǒng)PID控制難以適應但單一的智能算法也有其局限性因此本課題擬采用傳統(tǒng)PID與智能控制的混合控制算法以有效控制關節(jié)運動。CMAC是CEREBELLARMODELARTIEULATIONCONTRER小腦模型關節(jié)控制器的縮寫它是一種模擬小腦功能的神經網絡模型其學習方法采用D算法。目前廣泛用于機器人位置控制的PID控制方法抗外界的干擾能力差對系統(tǒng)的結構參數變化的適應能力差影響控制系統(tǒng)的魯棒性。然而機器人系統(tǒng)的發(fā)展又要求機器人控制應有快速跟蹤能力較高的跟蹤精度及優(yōu)良的魯棒性因而探討采用何種更有效的控制方法一直是機器人控制中令人感興趣的問題。本文提出運用CMAC神經網絡和常規(guī)PID控制器相結合共同作用構成一個復合控制方案。對比、分析上述復合控制方案和單獨PID控制的控制效果。針對由MCKIBBEN肌肉組成的關節(jié)進行了MATLAB仿真試驗仿真結果驗證了該算法的有效性表明這種控制方案能夠有效的提高系統(tǒng)的實時性能并且具有很好的適應性和魯棒性。

簡介：為能更有效地解決工業(yè)生產過程中大量存在的優(yōu)化問題，自20世紀80年代以來，涌現出了一些智能優(yōu)化算法，它們通過模擬某一自然現象或過程而發(fā)展起來，為解決復雜系統(tǒng)的優(yōu)化問題提供了新的思路和手段，自誕生就引起了國內外學者的廣泛關注并被應用于許多領域。人工魚群算法ARTIFICIALFISHSWARMALGITHM，AFSA是源于對魚群覓食行為研究而提出的一種新型群體智能優(yōu)化算法。該算法具有對初值和參數選擇不敏感、魯棒性強、簡單、易于實現，且具備并行處理能力和全局搜索能力等方面的特點。但AFSA在應用過程中還有很多不完善的地方，如算法后期收斂速度慢，搜索精度不高，在多峰問題尋優(yōu)時難以找到全部最優(yōu)解等等。并且，AFSA的應用還不夠深入。為此，本文著重從AFSA的改進和應用方面進行了研究。主要研究工作如下1針對AFSA在較大或變化平坦的區(qū)域尋優(yōu)時，收斂于全局最優(yōu)解的速度減慢、搜索性能劣化，特別是在優(yōu)化后期往往收斂較慢的問題，提出了一種基于變異算子與模擬退火混合的人工魚群優(yōu)化算法。該算法保持了AFSA簡單、易實現的特點，同時克服了人工魚漫無目的隨機游動或在非全局極值點大量聚集的局限性，顯著提高了運行效率和求解質量，為解決復雜尋優(yōu)問題提供了有效方法。通過函數和實例測試驗證，表明該算法是可行和有效的。2針對AFSA在多峰問題尋優(yōu)時難以找到全部最優(yōu)解及精度不高的問題，提出了一種基于生境人工魚群算法的多峰問題優(yōu)化算法。該算法融合了模擬退火、小生境技術的思想，并加入了變異算子和自動生成合適小生境半徑機制。通過對幾種典型多峰函數的測試，表明該算法不僅能有效、精確找出多峰問題的全局和局部所有最優(yōu)解，而且無需預先設置小生境半徑，實現了真正的自適應搜索，較好地解決了復雜多峰優(yōu)化問題。3針對連續(xù)屬性樣本分類挖掘時需離散化預處理，可能導致原始信息的缺失問題，提出了基于人工魚群算法的分類規(guī)則挖掘算法，給出了適用于AFSA的分類規(guī)則編碼方案、構造了新的準確提取規(guī)則集的分類規(guī)則適應值函數。該算法從優(yōu)化的角度來解決分類問題，自動實現連續(xù)屬性樣本分類規(guī)則的挖掘，從而為連續(xù)屬性樣本提供了一個不需要離散化處理而直接進行數據挖掘的新方法。實驗結果表明，該算法不僅能夠挖掘出簡潔、易于理解的規(guī)則集，而且具有較強的魯棒性和較高的準確率，是一種可行和有效的分類規(guī)則優(yōu)化算法。4針對神經網絡需要依靠經驗確定網絡結構及其優(yōu)化問題，設計了一種基于人工魚群算法的網絡分類器。該方法把輸入屬性選取和網絡結構設計結合，通過人工魚群算法尋優(yōu)，同時實現了輸入屬性選擇、神經網絡結構和參數的優(yōu)化。實驗表明，該算法能夠獲得一個具有性能可靠、較好泛化能力的簡單分類器，避免了一般神經網絡依靠經驗確定網絡結構的困難，拓寬了AFSA的應用領域。5在對AFSA研究和改進的基礎上，結合國家863項目“太陽能生物制氫技術研究”，在部分實驗所獲得的樣本數據基礎上，引入全局尋優(yōu)人工魚群優(yōu)化算法，通過AFSA優(yōu)化神經網絡結構，獲得影響生物制氫的最相關因素，建立了基于優(yōu)化神經網絡的光合細菌制氫過程模型；再用AFSA對已確定的主要工藝條件進行優(yōu)化，獲得了最大制氫量的最佳工藝條件。實驗結果表明所提出的優(yōu)化計算方案可行，此項研究為太陽能光合細菌制氫工藝技術優(yōu)化探索了一條新的途徑。本論文是在國家“十五”863計劃項目“太陽能生物制氫技術研究”編號2004AA515010和國家自然科學基金項目“光合生物制氫體系的熱效應及其產氫機理研究”編號50676029資助下開展的科學研究。

簡介：點擊查看更多基于模糊邏輯與人工情感的智能控制策略研究.pdf精彩內容。

簡介：游戲中智能的設計與構建一直是人工智能研究中的熱門領域。游戲中，人工智能不僅要模仿人的智能，還需要擁有達到設計者為了滿足玩家需求所設定的目的的能力。通過對游戲信息的收集、積累和歸納，智能體憑借獲得的經驗對游戲的狀態(tài)有了一定的預見性，并由此做出合理的反應。早期的人工智能運行在固定的環(huán)境下，作為一個成熟的人工智能，依靠設計者的知識和經驗生存在對應的環(huán)境中。智能體在決策時獲得所有的可操作行為以及對應產生的結果，由此依據當前的情況建立局部或全局決策樹。常用的方法有最小最大算法、A算法、有限狀態(tài)機等。此類智能體的局限在于必須依靠設計者的經驗以及不允許環(huán)境發(fā)生變化。換言之，設計者必須考慮所有可能的情況，否則當環(huán)境變化超出原有預先的設計時，智能體則無法做出正確的行為。通用游戲策略旨在開發(fā)一種沒有游戲經驗支撐下能夠精通各類游戲的人工智能。在僅獲得游戲規(guī)則的情況下，依靠智能體的學習能力實現經驗的累積過程。這對于人工智能的實現有非常大的意義。本文的主要提出一種適合于通用游戲策略環(huán)境下人工智能的設計方法。采用時序差分學習算法解決了游戲經驗積累的問題；通過對游戲過程中的狀態(tài)進行篩選和抽象，提高智能體的決策效率。并實現了對棋類游戲TICTACTOE中的人工智能設計。其次，利用蒙特卡洛抽樣方法實現棋牌類游戲中非完備信息向完備信息的轉化，從而適用于通用游戲策略。并運用在融合了棋類與牌類規(guī)則的CARDTTT游戲中，使智能體在包含了非完備信息的環(huán)境中依然可以進行學習和游戲。由此證明了該方法的實際應用價值。最后，將設計的人工智能參與四種不同的游戲。通過游戲的比賽結果，說明采用本文的設計方法不但能夠降低人工智能設計者的要求，而且還能令智能體的游戲能力達到與人類玩家不相上下的程度。