人工智能实验系统

人工智能实验系统（共9篇）

人工智能实验系统篇1

【实验名称】______________产生式系统_______________________ 【实验目的】

1.理解产生式系统的结构原理与实际应用。2.掌握产生式规则表示及规则库组建的实现方法。

3.熟悉和掌握产生式系统的运行机制，掌握基于规则推理的基本方法。

【实验原理】

产生式系统用来描述若干个不同的以一个基本概念为基础的系统，这个基本概念就是产生式规则或产生式条件和操作对。在产生式系统中，论域的知识分为两部分：用事实表示静态知识；用产生式规则表示推理过程和行为。

【实验内容】

1.自己建造产生式系统（包括规则库和事实库），然后进行推理，即可以自己输入任何的事实，并基于原有的规则和输入的事实进行推理。

2.建造动物识别系统，能根据输入的动物特征判断是那种动物或给出相应的回答。3.算法设计 ①首先建立事实库

事实库是在程序的开始直接输入的，用户根据需要选择，即要求用户先输入特征个数，然后输入动物的特征，进行识别。如果未识别出来，则可以重新选择，或者退出。

动物的特征如下：

1有奶 2有毛发 3有羽毛 4会飞 5生蛋 6有爪 7有犬齿

8目盯前方 9吃肉 10有蹄 11反刍食物 12黄褐色 13黑色条纹

14黑色斑点 15长腿 16长脖子 17暗斑点 18白色 19不会飞

20黑白色 21会游泳 22善飞 23不怕风浪

24哺乳动物 25鸟 26食肉动物 27有蹄动物 28偶蹄动物

29海燕 30老虎 31金钱豹 32长颈鹿 33斑马 34鸵鸟 35企鹅

②建立静态规则库

即建立产生式规则，本算法采用了产生中间事实的方法，便于建立和使用规则。为了便于设计，我们把要识别的动物限于7种，这样所需要的产生式规则就比较少。本算法共有15种规则，如下：

R1: 如果动物有奶，则它是哺乳动物 R2: 如果动物有毛发，则它是哺乳动物 R3: 如果动物有羽毛，则它是鸟 R4: 如果动物会飞且生蛋，则它是鸟 R5: 吃肉的哺乳动物是食肉动物

R6: 有爪有犬齿木钉前方的哺乳动物是食肉动物

R7: 有蹄的哺乳动物是有蹄动物 R8: 反刍食物的有蹄动物是偶蹄动物 R9: 黄褐色有黑条纹的食肉动物是老虎 R10:黄褐色有黑色斑点的食肉动物是金钱豹

R11:长腿长脖子有黄褐色暗斑点的有蹄动物是长颈鹿

R12:有黑白条纹的有蹄动物是斑马 R13:不会飞长腿长脖的鸟是鸵鸟 R14:不会飞会游泳黑白色的鸟是企鹅

③正向推理过程

从已知事实出发，通过规则库求得结论，或称数据驱动方式。推理过程是：  规则集中的规则前件与事实库中的事实进行匹配，得匹配的规则集合。 从匹配规则集合中选择一条规则作为使用规则。

 执行使用规则的后件，将该使用规则的后件送入事实库中。 重复这个过程直至达到目标。

如有多条匹配规则需从中选一条作为使用规则，本算法是根据规则的顺序依次选择，且规则中不存在同一组事实对应多条匹配规则。

R15:善飞不怕风浪的鸟是海燕具体表示如下： R1: 1->24 R2: 2->24 R3: 3->25 R4: 4*5->25 R5: 6*7*8*24->26 R6: 9*24->26 R7: 10*24->27 R8: 11*27->28 R9: 12*13*24->30 R10: 12*14*24->31 R11: 12*15*16*17*27->32 R12: 13*18*27->33 R13: 15*16*19*25->34 R14: 19*20*21*25->35 R15: 22*23*25->29

④实验流程图

开始初始化欲加入的事实的个数及事实令i=1取出规则i的前提条件部分Ni=i+1事实库中有相应的事实Y取出规则i结论部分结论为新事实Y将该规则加入到事实库中该事实是结论性事实Y将该规则的结论作为最终的结论结束NN ⑤实验结果及分析

如输入如下事实：有羽毛、善飞、不怕风浪。系统的推理过程如下：

先从规则库中取出第一条规则R1，检查其前提是否可与事实库中的已知事实相匹配。R1的前提是“有奶”，但事实库中无此事实，故匹配失败；然后取R2，匹配失败；接着取R3，该前提与已知事实“有羽毛”相匹配，故R3被执行，并将其结论“鸟”作为新的事实加入到事实库中。此时，事实库的内容变为：有羽毛、善飞、不怕风浪、鸟；此后，R4~R14均匹配失败，接着取R15，该前提“善飞+不怕风浪+鸟”与已知事实相匹配，R15被执行，并推出“该动物是海燕”。由于“海燕”已是目标集合中的一个结论，即已推出最终结果，故问题求解过程结束。

下面是程序运行的结果：

【实验程序】

#include #define N 23 void main(){

int i,j,k,a,b,c;int num;int fact[N],temp[N];int flag=1;while(flag==1){ printf(“动物的特征如下:n”);printf(“1有奶

2有毛发

3有羽毛

4会飞

20黑白色n21会游泳

22善飞

23不怕风浪n”);

printf(“请输入描述该动物特征的个

数:”);

scanf(“%d”,&num);

printf(“请输入对这只动物的特征描述的序号(按序号由小到大):n”);

for(i=0;i

}

//********************************for(i=0;i

if(fact[i]==1)scanf(“%d”,&a);fact[i]=a;会飞

5生蛋n6有爪

7有犬齿

8目盯前方

9吃肉

10有蹄n11反刍食物

12黄褐色

13黑色条纹

14黑色斑点

15长腿n16长脖子

17暗斑点

18白色

19不

{

fact[num]=24;num++;printf(“使用规则1,新增加的 }

}

//********************************k=0;

for(i=0;i

}

if(temp[0]==4&&temp[1]==5){

fact[num]=25;num++;

printf(”使用规则4,新增加的事实if(fact[i]==4){

}

if(fact[i]==5){

}

temp[k]=fact[i];break;temp[k]=fact[i];k++;continue;事实为: 哺乳动物n“);

} //********************************for(i=0;i

if(fact[i]==2){

fact[num]=24;num++;printf(”使用规则2,新增加的 } break;

事实为: 哺乳动物n“);

} //********************************for(i=0;i

if(fact[i]==3){

fact[num]=25;num++;printf(”使用规则3,新增加的 } break;

为:鸟n“);

}

//********************************

k=0;

for(i=0;i

if(fact[i]==6)事实为:鸟n”);

break;

} {

} if(fact[i]==7){

} if(fact[i]==8){

} if(fact[i]==24){

} temp[k]=fact[i];break;temp[k]=fact[i];k++;continue;temp[k]=fact[i];k++;continue;temp[k]=fact[i];k++;continue;

}

//********************************k=0;

for(i=0;i

}

if(temp[0]==9&&temp[1]==24){

fact[num]=26;num++;

printf(“使用规则6,新增加的事实if(fact[i]==9){

}

if(fact[i]==24){

}

temp[k]=fact[i];break;temp[k]=fact[i];k++;continue;

为:食肉动物n”);

fact[num]=26;num++;printf(“使用规则5,新增加的事实if(temp[0]==6&&temp[1]==7&&temp[2}

//********************************k=0;

for(i=0;i

if(fact[i]==10){ ]==8&&temp[3]==24)

{

为:食肉动物n”);

}

} temp[k]=fact[i];k++;continue;

}

break;

if(temp[0]==11&&temp[1]==27){

fact[num]=28;num++;

printf(“使用规则8,新增加的事实if(fact[i]==24){

} temp[k]=fact[i];break;

为:偶蹄动物n”);

}

//********************************k=0;

for(i=0;i

if(fact[i]==12){

}

if(fact[i]==13){

}

if(fact[i]==24){

temp[k]=fact[i];break;temp[k]=fact[i];k++;continue;temp[k]=fact[i];k++;continue;if(temp[0]==10&&temp[1]==24){

fact[num]=27;num++;printf(“使用规则7,新增加的事实

为:有蹄动物n”);

} //********************************k=0;for(i=0;i

if(fact[i]==11){

} if(fact[i]==27){ temp[k]=fact[i];

temp[k]=fact[i];k++;continue;

} }

}

} if(temp[0]==12&&temp[1]==13&&tempif(temp[0]==12&&temp[1]==14&&temp[2]==24)

{

fact[num]=30;//num++;printf(“使用规则9,新增加的事实

[2]==24)

{

fact[num]=31;//num++;

printf(”使用规则10,新增加的事实为:老虎n该动物为老虎n“);

为:金钱豹n该动物为金钱豹n”);

}

//********************************k=0;

for(i=0;i

if(fact[i]==12){

}

if(fact[i]==15){

}

if(fact[i]==16){

temp[k]=fact[i];k++;

temp[k]=fact[i];k++;continue;temp[k]=fact[i];k++;continue;} //********************************k=0;for(i=0;i

if(fact[i]==12){

} if(fact[i]==14){

} if(fact[i]==24){ temp[k]=fact[i];break;

temp[k]=fact[i];k++;continue;

} } continue;

}

continue;if(fact[i]==17){

} if(fact[i]==27){

} temp[k]=fact[i];break;temp[k]=fact[i];k++;continue;

if(fact[i]==18){

}

if(fact[i]==27){

}

temp[k]=fact[i];break;temp[k]=fact[i];k++;continue;

if(temp[0]==12&&temp[1]==15&&tempif(temp[0]==13&&temp[1]==18&&temp[2]==16&&temp[3]==17&&temp[4]==27)

{

fact[num]=32;//num++;printf(“使用规则11,新增加的事实

[2]==27)

{

fact[num]=33;//num++;

printf(”使用规则12,新增加的事实为:长颈鹿n该动物为长颈鹿n“);

为:斑马n该动物为斑马n”);

}

//********************************k=0;

for(i=0;i

if(fact[i]==15){

temp[k]=fact[i];k++;} //********************************k=0;for(i=0;i

if(fact[i]==13){ temp[k]=fact[i];k++;

} } continue;

for(i=0;i

}

if(temp[0]==19&&temp[1]==20&&temp

if(fact[i]==19){

}

if(fact[i]==20){

}

if(fact[i]==21){

}

if(fact[i]==25){

}

temp[k]=fact[i];break;temp[k]=fact[i];k++;continue;temp[k]=fact[i];k++;continue;temp[k]=fact[i];k++;continue;if(fact[i]==16){

} if(fact[i]==19){

} if(fact[i]==25){

} temp[k]=fact[i];break;temp[k]=fact[i];k++;continue;temp[k]=fact[i];k++;continue;

if(temp[0]==15&&temp[1]==16&&temp[2]==19&&temp[3]==25)

{

fact[num]=34;//num++;printf(“使用规则13,新增加的事实

为:鸵鸟n该动物为鸵鸟n”);

} //********************************k=0;

[2]==21&&temp[3]==25)

{

fact[num]=35;

//num++;printf(“使用规则14,新增加的事实

}

} 为:企鹅n该动物为企鹅n”);

} //********************************k=0;for(i=0;i

if(fact[i]==22){

} if(fact[i]==23){

} if(fact[i]==25){ temp[k]=fact[i];break;temp[k]=fact[i];k++;continue;temp[k]=fact[i];k++;continue;

if(temp[0]==22&&temp[1]==23&&temp

[2]==25)

{

fact[num]=29;//num++;

printf(“使用规则15,新增加的事实

为:海燕n该动物为海燕n”);

}

//********************************if(fact[num]<29)

printf(“现有事实无法推断出结

果!n”);

printf(“n”);

printf(“继续请按1,退出按其它数字

键:”);

}

scanf(“%d”,&c);if(c==1)

flag=c;

else break;} 【小结或讨论】

本系统的规则库是静态的，不能动态增加新的规则。这使得在规则变化的情况下不能及时改变，但是该系统已经能基本满足需要，对输入的事实能给出相应的回答，判断出是何种动物。

读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

人工智能实验系统篇2

1 实验数据分析理论基础

实验数据误差计算、分析按照国家电网公司发布的《交流采样测量装置校验规范和作业指导书》、《交流采样装置校验规范》和《华北电力行业标准交流采样测量装置校验规程(试行)》的要求得出电力系统电压、电流、有功、无功等误差计算方法,如图1电压误差计算方法。

利用SqlServer2008强大的数据存储管理同能和Microsoft Visual Studio,将历年的实验数据存储,并结合本次实验数据对有问题的数据进行提示、并自动生成标准格式的实验报告、得出设备运行状态曲线,以便工作人员更好的分析、得出结论,从而为设备的安全运行提供良好的保障,为状态检修的实施奠定良好的基础和有力的数据依据。

2 实验数据分析实现

鉴于电力系统实验地点的不定性(每次实验都在不同的变电站,内蒙古500kV变电站分布在内蒙古自治区不同的地域)、实验数据分析的实时性,本系统开发采用B/S结构的软件体系来实现,B/S结构的软件系统中,所有的系统软件都安装在服务器上,客户端无需安装任何软件,只需打开IE浏览器访问服务器即可。B/S结构的软件具有维护方便、易于升级、易于远程维护、数据集中安全、任意扩展、跨越时空地域限制等特点【1】,B/S软件结构如下图2所示。

系统总体框架图如表1所示。

2.1 创建数据库

在SqlServer2008创建数据库,新建数据表:变比表、变电站表、实验表、数据表、用户表等,新建实验表、数据表如表2和表3。

2.2 功能程序实现

在Microsoft Visual Studio 10.0开发平台上,采用c#语言设计实验数据处理程序,主功能程序如下:

程序效果图,如下图、图。

实验数据输入后,自动计算误差并保留两位小数,对误差超限的实验数据自动提示。结合历史数据得出设备误差变化曲线如图5,为工作人员提供设备状态评估数据基础。最后,如果有问题的设备对设备状态进行提示,否则自动制表,生成word版标准格式实验报告,并保存的数据库中,如图6标准格式的实验报告。

为了便于对某个时间段的校验工作统计,设计工作统计功能如图7,实现统计某个时间段内校验设备台数、线路条数、工作负责人、校验时间等详情。

目前内蒙古超高压供电局负责的500kV变电站有18个,线路、设备较多,为了不影响正常的电力供应,在一定的校验周期内要对电力设备进行定期校验。本着减轻工作人员工作量的原则,设计待校验提醒功能,并结合该设备的历史校验数据,得出设备状态图和实验报告,如图8。在工作人员安排校验工作的同时,根据设备状态图和历年实验报告,对有问题的设备提前准备备品、备件,尽量避免由于设备原因延误送电,影响正常的电力供应。

3 结论

人工智能实验系统篇3

关键词：高校实验室管理；智能管理系统；应用探讨

0 引言

在我国实施教育教学改革的背景下，高校的素质教育以及科技创新能力被社会所关注，而高校中的实验室作为学生实践，科研创新，以及技术开发的场所，在人才培养中占据重要地位。

因此，实验室的管理模式需要创新与改革来适应新的教学目标，以及人才培育计划，实验室的资源共享，开放性实验室，创新性试验是现代高校实验室发展的主要方向[1]。

管理实验室不仅是管理其中的仪器设备，还需要具有新型的管理理念和模式，以此来适应社会人才技能培育的新要求，这对实验室管理者提出了巨大挑战。

1 高校实验室管理存在的问题

目前，高校实验室管理还存在一些较为明显的问题，问题的存在将会在很大程度上阻碍高校实验室的发展，具体表现如下：

1.1 无法满足学生的实践需求

新的教学改革导致学校开设实验课程的项目越来越多，设计课程的实验内容数量明显增加，参与的学生数也随之上升。而实验场所，设备仪器的需求量，实验教导员的配置等工作，只用传统的实验室管理方式，将会给实验室的管理人员带来许多不便，在管理上也会造成一定的混乱。学生和教导员都不能按时的上课，使用仪器设备，对教学质量也会带来影响。

1.2 无法合理评估教学改革成果

因为新型开放性的实验室中，设备仪器，以及学生人数，教师人数较多，实验项目也是复杂多变，在传统的管理当中，仅仅依靠人工来清点各个实验的人数，需要的设备仪器是否完好，是一项十分繁琐的工作，而且容易出现差错。并且，很难及时的对教学实验做出科学合理评定，无法对实验教学提出有建设性的改革意见。

1.3 无法适应高校科技创新

国家对高校科研项目的鼓励与重视，高校的科研项目资金投入越来越高，让各大高校的学子非常有科研热情。新型的实验室建立，各类大型仪器进入实验室，为学生提供良好的硬件设施。但是传统教室不让学生长时间在实验室内进行科研工作，导致科研的主力军在科研道路上受。所以，新型的实验室管理方式需要实验室的开放式管理以及资源的共享[2]。

2 智能管理系统在实验室管理中应用

结合上述分析，认识到高校实验室管理现状下问题较多，因此，将智能管理系统融入实验室管理便显得极为重要。具体表现如下：

2.1 开放式实验室管理

实验室智能管理系统是一个新型的管理平台，它是信息化，过程化，系统化控制集一体的管理系统，学生进入实验室使用智能刷卡登记，视频监控实验室人员的行为，设计的智能管理软件，可以实现对实验室的各个操作流程进行实时管控，并且通过管控终端仪器的方式，使发送到校级管理平台的信息真实可靠。最终可以实现，管理人员不在场的情况，教学人员和学生可以全天24小时自由出入。

2.2 创新实验教学模式

利用现代信息技术的便利性，建立教学网络信息中心，以及智能管理系统，辅助教师的教学活动，以及为学生自主积极学习创造有利条件。实验室智能管理系统中有课程的选课安排子系统，实验项目可以由学生自主选择时间来进行实验，并包括整个实验的操作视频，实验项目讲解，以及思考的问题，可以作为学生预习情况考核。另外，学生的考勤以及课堂平时表现，都是通过系统的统计，管理起来更加便捷，规范[3]。这对于实验课程内容的改革有很大的帮助，对于实现分模块教学以及效果评价也更加合理，课程设置的内容由理论知识，逐渐转向更加深入的专业技能，创新技能等，努力将实验教学与工作科研相结合。

2.3 提高学生的科技创新能力

由于实验室的二十四小时开放，高校年级的学生实验时间得到充分的保证，因为低年级的学生白天的课程比较满，没有连续的时间段去进行实验。但可以充分利用晚上的时间，进行相关的实验研究。据资料显示，学生自从使用开放式的实验室，为国家完成了许多项目，以及一些校级的创新项目。

3 结语

随着高校新课程改革不断深入，智能管理系统的建设，不仅对实验室的整体管理水平有所提升，还建立了新型的高校实验室管理模式，有效的利用了公共资源。帮助了高校实验室教学的深入改革，提高高校学生的科研水平，有利于高校学生整体动手能力的提升。由此可见，实验室智能管理系统为学生的科研创新能力以及创新思路的培养提供了有利的帮助。

参考文献：

[1]叶杭成.王璐.袁俭.高校实验室管理系统的研究与设计[J].实验室科学，2012，05：105-107.

[2]江志晃.项目管理在高校实验室管理中的应用探讨[J].云南社会主义学院学报，2014，03：266-267.

[3]王璐.物联网技术在高校实验室管理中的应用研究[J].网络安全技术与应用，2014，05：74-75.

基金项目：

2014-2015年度河北省高等教育教學改革研究与实践项目“高校开放性实验室运行机制的研究与实践”（2015GJJG431）；

石家庄经济学院教学改革研究项目“开放性实验室建设与利用的研究与实践”（2014J27）。

计算智能实验报告篇4

专业

信息与算科学

班级

112

姓名

刘红军

学号

2011062064

协作队员

实验日期

2013

年 10月30 日

星期

成绩评定

教师签名

批改日期

题目

一、问题提出 4中产品指标如下 X1 =(37,38,12,16,13,12)X2=(69,73,74,22,64,17)X3=(73,86,49,27,68/,39)X4=(57,58,64,84,63,28)

二、模型建立相关数学建立相似矩阵，用传递闭包进行模糊聚类

三、求解方法

四、输出结果

人工智能实验系统篇5

他的教育背景是早稻田大学物理系毕业，早稻田硕士，人工智能博士研究员，意大利的科学技术院(ITT)的博士后，主要是人工智能的脑认知科学方面。请问这样的教育背景，在美国有哪些好的，专业性强的实验室能提供好的研究平台及待遇，他是想继续做研究。谢谢!

烦请详细回答!

人工智能实验系统篇6

1.台数：一部（无机房）

2.荷载量：1600kg

3.客（货）梯：无机房载货电梯，从首层到二层

4.速度（设计未明确）

5.檐高（建筑高度）：9.8m

6.底坑深度：1.7m

7.顶层净高（扣除电梯高度）：4.350m

8.是否消防梯（设计中未明确）

9.是否有安防（设计中未明确）

10.是否无障碍（设计中未明确）

人工智能实验系统篇7

我国是世界轴承生产大国, 轴承质量水平直接影响到各类主机的发展水平, 因此保证轴承的质量, 将为我国汽车及机电行业的发展提供坚实的基础。在轴承质量检测中, 主要使用轴承振动测量仪, 只能对轴承做出合格和不合格的定性判断, 不能量化, 难于对轴承故障部位进行准确判断。为此, 研究一种滚动轴承故障智能诊断系统, 分析轴承精度与轴承故障表达的相关特征参数指标的联系, 找出有效故障表达特征, 建立相应诊断标准;探讨了振动与噪声之间的故障信息融合问题, 建立相关的逻辑标准;解决了单传感器诊断中, 轴承转子、外圈、内圈、保持架之间的故障信息融合问题。在此主要介绍多传感器信息融合的滚动轴承故障诊断系统原理和系统样机测试实验。结果表明该系统可以量化故障, 并通过逻辑推理的方式智能地判断出故障发生的部位。

2. 滚动轴承故障智能诊断系统构成

(1) 基本构成

故障智能诊断系统硬件构成如图1所示, 16个监测传感器分布在轴承或轴承系各监测点, 振动加速度传感器采用了内装微型IC-集成电路放大器的压电式传感器, 它将传统的传感器与电荷放大器集于一体, 简化了测试系统, 提高了测试精度和可靠性, 由于滚动轴承一旦失效, 温度将急剧上升, 因此温度监测也是一种主要的辅助监测手段, 温度监测采用铂电阻温度传感器。调理器采用小型多通道信号调理模块, 传感器通过数字信号调理器将信号交换后传到数据采集卡。信号调理器除供给内置IC-压电式加速度传感器激励电源外, 还具有偏置电压调零、增益可调、高低通滤波、灵敏度适调、双积分等功能, 具有抗干扰性强、噪声小、精度高等优点。数据采集单元选用了ADLINK公司生产的PCI-9111DG型号的100kHz低成本数据采集卡, 它基本满足样机实验台的数据采集和处理要求。

系统整体软件采用C语言开发, 系统信息处理的开发平台为Labview, 使用Labview开发环境, 用户可以创建32位的编译程序, 从而为常规的数据采集、测试、测量等任务提供更快的运行速度。

(2) 多传感器信息融合功能

信息融合是将来自某一目标的多源信息加以智能化合并, 产生比单一信源更精确更完全的估计和判决。轴承故障诊断实际上是典型的信息融合过程, 如图2所示, 该系统信息融合采用五级, 第一个层次为检测、判决融合, 采用树状结构, 融合从树枝传来的局部判决和自己的检测, 做出全局判决;第二个层次为位置融合, 采用分布式融合, 中心根据各节点的故障趋势数据完成故障趋势关联和故障趋势融合, 形成全局估计;第三个层次为目标识别 (属性) 信息融合, 采用数据层属性融合, 以获取更高的精度;第四个层次为态势评估, 第五个层次为威胁估计, 第四和五级是决策级融合, 即高级融合, 它们包括对全局态势发展和局部形式的估计。[1,2]

3. 实验与分析

轴承故障诊断实验台严格采用机械行业标准JB/5313—91《滚动轴承振动 (速度) 测量方法》中对机械装置的要求, 实验台提供一个类似轴承工作时的平台, 通过对不同速度和工况下轴承的正常工作和故障工作的模拟, 为提取故障特征信息提供条件。

(1) 信息融合故障诊断效果对比实验

实验以7308E圆锥滚子轴承为对象进行台架试验, 工况条件为转速3000r/min, 轻微加载。实验时, 先后在外圈、内圈和滚子等处设置点蚀、划痕等人工伤, 选取K因子、峰值因子、波形因子、峭度特征、裕度因子、脉冲因子等6类特征作为基本辨识框架中的元素[3]。振动信号和声音信号各有特点, 同一特征用于识别机器的声音和加速度信号时“滚子损坏”、“保持架损坏”“不清楚”等, 对应的可信度分别用H0、H1、H2、H3、H4和θ表示, 设其故障状态识别框架为:Ω= (Θ) {H0, H1, H2, H3, H4, θ}。将测得的故障特征参数构成的证据体分别输入到各自证据体的相关神经网络中 (改进算法的BP网络模型) , 把待识别样本接入到训练后的网络, 得到各目标的相关函数, 构造基本可信度分配。由每个识别系统n次测量所获得的各个命题融合后验可信度分配值, 可得到m个识别系统总的后验可信度为:

融合后可信度值及诊断结果如表1所示。从表1中可以看出, 多传感器信息融合的诊断结果明显优于单一传感器的诊断结果。经信息融合后, 多源信息的融合减少了故障分类识别的不确定性, 融合后的可信度具有更高的峰值性和可分性, 提高了诊断系统对故障的诊断能力。

(2) 采用Boosting方法的故障测试实验

故障特征值 (阈值) 提取, 针对轴承转子、外圈、内圈、保持架等采用不同的诊断方法, 如散度、贴近度函数、Boosting方法、扩展海明距离、基于Hilbert边际谱的方法等, 提取不同的特征值 (阈值) 。

由于轴承的故障使得该振动信号在某些频带内信号能量减小, 而使另外一些频带内信号能量增强, 因此各频率成分信号的能量中, 包含了丰富的故障信息, 某种或几种频率成分能量的改变代表一种故障, 基于这点, 根据轴承振动信号的各频率成分能量进行轴承故障分析。由于小波包分解具有多分辨率特点, 利用它将轴承振动信号进行三层小波包分解, 以获取轴承振动信号在不同频带内的能量。由于系统出现故障时, 会对各频带内信号的能量有较大影响, 因此以能量为元素可以构造一特征向量:T=[E30, E31, E32, E33, E34, E35, E36, E37], 其中E为各频带信号总能量。[4,5]

采用Boosting方法的故障测试实验用加速度仪作为振动传感器, 并将其安装在车辆轮轴固定轴承端的固定端盖上方, 获得轴承的振动加速度信号。由经验得到560个样本 (每类滚动轴承各80个) , 并以此作为训练样本集, 经过学习获得了15条模糊规则。对560个训练样本进行分类测试, 其正确率为98.5%。表2给出了某一车型汽车轴承正常和六类典型故障的振动信号由小波包分解得到的能量特征向量及诊断结果。

4.结论

由于不同的诊断方法有各自的敏感区域, 可采用多种故障诊断方法, 多个参数综合应用, 互相验证, 保证诊断的可靠性。该智能诊断系统同时也进行了采用Hilbert边际谱的故障测试的实验以及采用贴近度函数方法的故障测试实验。经实验研究和样机测试, 该系统能对滚动轴承的多故障隐患信息进行采集、提取, 分析故障特征, 以及故障信息的融合处理;能确定滚动轴承的在线故障阈值, 以及进行故障自动评判。但该系统在产业化进程中仍然有许多工作要做, 首先是对不同类型滚动轴承的标准样本 (正常状况) 及不同故障样本的采集, 其次应进一步减小系统尺寸, 以方便携带, 利于现场故障智能诊断。

参考文献

[1]刘春光, 谭继文等.基于多传感器信息融合技术在滚动轴承故障诊断中的应用[J].煤矿机械, 2010 (06) :252—254

[2]黄建新.多传感器数据融合技术在轴承故障诊断中的应用[D].武汉:武汉理工大学学位论文.2006

[3]赵联春, 张桂才.轴承异常声检测的特征量选择及分析[J].轴承, 2005 (11) :29—32

[4]徐振辉, 马立元.滚动轴承的故障特征提取[J].测控技术.2004, 23 (1) :46—48

科学小实验：人工造雪DIY 篇8

All you need is sodium polyacrylate[聚丙烯酸钠]. No problem， right？ Actually， sodium polyacrylate is an active ingredient[成分] in astronauts’ “maximum absorbency[吸收性] garments[服装]，” fire-control gels[凝胶]， soil conditioners[土壤改良剂]， those toys that grow when you add water， and disposable diapers[纸尿裤]. The compound[化合物] can absorb a lot of water.

Note： If decorating with this snow， you may want to have the drier variety， and make sure not to place it on items that can be damaged by water. For colorful snow（want to do a yellow snow prank[开玩笑]？） just add food coloring to the mix. Just a few drops will go a long way.

For snow purposes， you can find sodium polyacrylate in clean disposable diapers. If you get a few you should be able to collect the fluffy[蓬松的] white stuff and make your snow.

Materials：

1. Bowl

2. Sodium polyacrylate （from clean disposable diapers）

3. Water

Procedure[步骤]：

1. Collect sodium polyacrylate from inside a clean disposable diaper.

2. Place in bowl.

3. Add water to desired snow consistency[稠度]. For slushier[融雪的] snow add more water. For “drier” snow add less water and a little salt.

雪景向来是冬季的安逸元素。当然了，所谓的安逸是指你在屋内烤火，而不是站在屋外抵御暴风雪。重新开学时，自行造雪是一个再合适不过的科学实验项目，又或是给自家增添一点时令装饰也很适宜。

你只需要聚丙烯酸钠（就能完成），没问题吧？事实上，聚丙烯酸钠是一种用途很广的成分，在宇航员的“尿不湿”、防火凝胶、土壤改良剂、那些浇水就会生长的玩具，以及纸尿裤中随处可见。这种化合物可以吸收大量水分。

想要人工造雪，你可以在干净的纸尿裤里取出聚丙烯酸钠。只要几条纸尿裤，你就能收集到这些蓬松的白色粉末，造出自己的雪景来。

实验材料：

1. 碗

2. 聚丙烯酸钠（取自干净的纸尿裤）

3. 清水

实验步骤：

1. 从干净的纸尿裤当中收集聚丙烯酸钠。

2. 将其放入碗中。

3. 按需要的雪稠度加水。“融雪”要加大水量；“干雪”则少点水，加一点盐。

人工智能实验系统篇9

AI研究仍在继续，但与MIS和DDS等计算机应用相比，研究热情的减弱使人工智能的研究相对落后。然而，在研究方面的不断努力一定会推动计算机向人工智能化方向发展。

2．AI领域 AI现在已经以知识系统的形式应用于商业领域，既利用人类知识来解决问题。专家系统是最流行的基于知识的系统，他是应用计算机程序以启发方式替代专家知识。Heuristic术语来自希腊eureka，意思是“探索”。因此，启发方式是一种良好猜想的规则。

启发式方法并不能保证其结果如同DSS系统中传统的算法那样绝对化。但是启发式方法提供的结果非常具体，以至于能适应于大部分情况启发式方法允许专家系统能像专家那样工作，建议用户如何解决问题。因为专家系统被当作顾问，所以，应用专家系统就可以被称为咨询。

除了专家系统外，AI还包括以下领域：神经网络系统、感知系统、学习系统、机器人、AI硬件、自然语言处理。注意这些领域有交叉，交叉部分也就意味着这个领域可以从另一个领域中收益。

3．专家系统的吸引力专家系统的概念是建立在专家知识能够存储在计算机中并能被其他人应用这一假设的基础上的。

专家系统作为一种决策支持系统提供了独无二的能力。首先，专家系统为管理者提供了超出其能力的决策机会。比如，一家新的银行投资公司可以应用先进的专家系统帮助他们进行选择、决策。其次，专家系统在得到一个解决方案的同时给出一步步的推理。在很多情况下，推理本身比决策的结果重要的多。

4．专家系统模型专家系统模型主要由4个部分组成：用户界面使得用户能与专家系统对话；

知识库收藏了要特殊解决的问题；

推理引擎提供了解释知识库的能力；

专家和工程师利用开发引擎建立专家系统。

1．用户界面用户界面能够方便管理者向专家系统中输入命令、信息，并接受专家系统的输出。命令中有具体化的参数设置，引导专家系统的推理过程。信息以参数形式赋予某些变量。

（1）专家系统输入现在流行的界面格式是图形化用户界面格式，这种界面与Windows有些相同的特征。有些系统采用了与所要解决问题相称的个性化界面例如，屏幕可能会显示机械装配图。

（2）专家系统输出专家系统一般是提供解决方案的。这些解决方案都是以如下两种方始输出的：

①解决方案解释。在专家系统提供了问题解决方案后，管理者可能还想知道是如何得到这种方案的。专家系统就会显示一步步到达结果的推理过程。

②问题解释。管理者可能希望得到专家系统对问题的推理过程。专家系统可能还需要管理者输入一些信息。管理者问为什么需要信息，然后专家系统就会提供解释。

虽然专家系统的内部工作很复杂，但是用户界面相当友好，方便使用。一个会用计算机的管理者，使用专家系统对他来说也肯定没有问题。

2．知识库知识库即包括描述问题域，也包括以一定的逻辑描述事实的表示技术。术语“问题域”描述了所解决问题的业务领域。

（1）规则规则是比较常用的表示技术。规则具体规定了在一种特定的情况下做什么。他有两部分组成：一是条件，有真和假；

二是方法，是指在条件为真的条件下采取的行动。以下是规则的一个例子：

IF ECONOMIC.INDEX>1.20ANDSEASONAL.INDEX>1.30 THEN SALES.OUTLOOK=”EXCELLENT” 包含在专家系统里的所有规则叫做规则集每个专家系统；

每个专家系统里的规则集数量是不一样的。一个简单的专家系统有几十条规则，复杂的专家系统有500或1 000甚至10 000条规则。

（2）规则网络规则集里的规则再物理上并没有联系。但是他在逻辑上的关系可用层次图表示最底层的规则为上一级提供了依据。这些依据有助于上层的规则得出结论。

最顶层的可能只包含一个结论，这说明只有一个解决方案。目标变量是用来描述解决方案的。他可以是一个计算值一个可识目标，一种措施，或者一些建议。例如，如果一个专家系统是用来给管理者在是否要进入一个新市场决策上提供建议的，那么，单目标变量MARKET.DECISION的值就是Yes或No。

当然，也有可能在最高层得到多个结论，也就意味着有多种解决方案。例如，在关于提高市场竞争力战略决策中，专家系统可能就会提供所有可能的方案，如提高公司产品质量、增加广告投入量或降低价格。

3．推理引擎推理引擎是专家系统的一部分，他根据特定顺序在知识库内容的基础上进行推理。

在咨询阶段，推理引擎挨个检查知识库规则，当某条规则的条件为真时就采取规定的行动。在专家系统中，当采取行动时，就称规则被激活。

在检查规则中，一般采用以下两种方法：正向推理和反向推理。

（1）正向推理在正向推理（也称为正向连接）中，规则是按照一定顺序逐个检查的。这种顺序可能是输入到规则集中的顺序，也可能是由用户自己定义的顺序。当检查每个规则之后，专家系统开始求值，既为“真”还是为“假”。

规则求值。当条件为真时，规则就被激活，然后再检查下一个规则。当然还存在规则的值即非“真”又非“假”的情况。这种情况下，规则的条件是不知到的，这是，规则不被取消，继续检查下一条规则。

迭代推理过程。挨个检查规则集中的规则，直到规则集中所有的规则都检查完毕。有时为了设定一个目标变量值往往要通过好几轮测试。可能测试这个规则所需要的信息是来自另一个规则测试的结果。比如，在第11个规则被激活后，第5个规则才进行测试。只要有规则被激活了，测试就继续，直到规则没有激活推理过程才结束。

（2）反向推理在反向推理（也称为反向连接）中，推理引擎将规则视为一个待解决的问题。如图20-1所视的规则集中，规则12是一个问题，因为他分配了一个值给目标变量P。推理引擎试图得出规则12的值，但是，有图中可知，我们必须先要知道规则10和11的结果。规则10和11是规则12的子问题。推理引擎先要对子问题进行求值。

图20-1 规则集选择第一条逻辑路径。我们假设当前规则10是待解决的问题。推理引擎在解决问题前首先要确定规则7和8的值。现在规则7和8是子问题，同样要解决这个子问题，先要用之前讲过的方法细分问题域，直到能够求值。

选择下一条逻辑路径。当专家系统尝试对规则11求值时，规则9成为问题。利用规则4和5的结果来对其求值。因为规则4和5都为真，所以规则9的值也为真。没有必要对规则6进行求值了。

规则9被激活后。规则11也被激活了。因为只要规则10或规则11其中一个为真，就可以激活规则12了，目标变量P的值也就可以得知。

（3）正向推理和反向推理的比较反向推理比正向推理要快。因为反向推理不必考虑所有的规则，也不用一轮一轮在规则中求值。反向推理尤其适用于以下几种情况：

①多个目标变量；

②有很多的规则；

③在求的问题结的过程中无须将所有的或几乎所有的规则都检查一便。

有些推理引擎即适合正向推理也适合反向推理，视具体情况而定。

4．开发引擎专家系统的第4个重要组件就是开发引擎。他用来建造专家系统。当推理引擎包含许多规则时，建造专家系统的过程就涉及到建立规则集。有两种基本方法：程序语言或专家系统外壳程序。

（1）程序语言你可以应用任何语言创建专家系统，但最适合符号化表示知识库的两种语言是：Lisp和Polog。Lisp是在1959年由McCarthy（首届AI会议的成员之一）开发的。Prolog是在1972年由Alain Colmerauer在Marseilles大学开发的。

（2）专家系统外壳程序第一个专家系统是Mycin，是由Stanford大学的Edward Shortliffe和Stanley Cohen在物理学家Stanton Axline的帮助下开发的。Mycin是用来诊断某种传染病的。

当成功开发第一个专家系统Mycin后，开发者们试图在别的各个领域应用这个成果。他们发现如果将知识库更换成反映另一个问题的相关知识Mycin推理引擎能够适用于该类型的问题域。这种发现开创了建立专家系统的新方法：专家系统外壳程序。他是一段预先编写好的程序，只要增加相应的知识库就能够适用于一个具体的问题域。如今应用专家系统解决商业问题的焦点在于外壳程序的应用。

由问题域导出专家系统外壳程序，其中的一个例子就是桌面帮助支持。桌面帮助支持就是系统的一个单元，为用户提供技术帮助。信息服务单元典型的给用户和信息专家提供桌面帮助。桌面帮助最基本的形式就是一两个专家给用户进行电话答疑。用户提出问题，专家予以解答。

桌面帮助问题是如此的普遍，以致于再公司成立了桌面帮助部门以方便对话。在年会上，最重要的一项活动就是演示专家系统的外壳程序的桌面帮助。当一个公司应用其中一个外壳程序时，他必须扩充相关生产线的知识库。比如，信息服务单元应该扩充硬件和应用软件的相关数据，在软件的帮助库中扩充软件描述等。

当桌面帮助专家系统得以应用，用户以及桌面帮助员工就可以直接跟专家系统对话，系统就可以解决问题。人工智能的智能化程度的一个测试就是用户是否不能判别出他是在跟机器还是在跟人对话，这种测试称为Turing测试。Alan Turing是计算机学伟大的先驱之一。

桌面帮助专家系统利用不同的信息表示技术。比较流行的方法是CBR(case-based reasoning，基于事实的推理)。他是根据历史数据作为识别问题的基础，然后提出解决方案。有些系统是以决策树的形式来表示的。他是一个网状结构，使用户能够回答与解决相关的问题。

专家系统外壳程序引入了人工智能，使公司没有必要开发他们自己的系统。在商业领域，公司经常使用专家系统外壳程序来实施基于知识的系统。

5．专家系统的优缺点跟其他计算机应用一样，专家系统提供了一些实际利益，但也有一些不足之处。管理者和公司都可以从专家系统中收益。

1.家系统为管理者带来得好处管理者应用专家系统改进决策。这些改进表现如下：

（1）提供更多的选择。在解决问题过程中专家系统能促使管理者考虑到更多的选择。比如，没有专家系统，由于考虑范围有限，财务经理只能跟踪30种股票的表现。但是有了专家系统，就可以跟踪300种股票。考虑的投资范围的扩大，也就增加了选择最佳方案的可能性。

（2）应用更高的逻辑层。管理者借助于专家系统，能够达到最先进的专家逻辑水平。

（3）倾注更多的时间于评估方案之上。管理者能够快速的从专家系统中得到建议，给管理者在行动之前留下更多选择和权衡的时间。

（4）决策更加一致。与管理者相比，计算机不会有搀杂个人情感的波动因素，一旦将推理输入到计算机，管理者就会得到确定的方案。

2.为公司带来得好处专家系统为公司带来如下好处：