文章编号: 1004- 132Ⅹ( 2000) 07- 0828- 08
现代智能制造中的关键智能技术研究综述
胡建军 博士研究生
胡建军 汪叔淳
摘要: 结合人工智能的研究进展, 重点对计算智能中的学习、进化与自组
织机制的研究现状与发展方向进行综述与评议, 阐明三者的共同特征、各自
特点、相互关系, 并指出现代智能制造系统进行智能集成的方向, 探求高智能
化的制造技术, 适应知识经济发展的需要。
关键词: 智能制造; 学习; 进化; 自组织; 神经网络; 遗传算法; 进化计算
中图分类号: T H16; TP18 文献标识码: A
收稿日期: 2000—01—24
1 智能制造与新一代智能技术
90 年代以来, 随着全球市场的形成, 产品间
的国际竞争日趋激烈, 人工智能技术在制造中的
应用研究异常活跃, 智能制造技术日渐成为实现
制造的知识化、自动化、柔性化以实现对市场的快
速响应的关键技术。其主要应用如下: 基于神经网
络的智能检测、故障诊断、识别、设计、优化; 基于
遗传算法的优化设计; 基于规则、基于框架的专家
系统; 基于类比推理、归纳学习与基于实例推理的
知识系统; 基于 Agent 技术的分布式智能制造系
统。但是, 目前智能制造的应用水平距人们的期望
还比较远, 主要是以下几个瓶颈问题的存在, 而以
学习、进化、自组织为主要特征的新一代人工智能
技术可能为智能制造的研究带来新的曙光。
( 1) 知识的恰当表示与获取 以规则为主要
代表的符号知识表示具有粒度极限、知识获取困
难等弱点, 而以神经网络为代表的亚符号知识则
难以处理现实世界中复杂的结构化知识, 所以实
现二者的结合是较好的出路。具有广泛通用性的
进化方法可能为我们提供一种有效的对混合知识
进行学习的方法。进化方法可以在问题求解过程
中自适应地形成问题的知识表示形式, 并完成知
识的获取与应用, 实现了知识表示、获取与应用的
统一。
( 2) 创新能力的实现 在制造过程中, 人们对
智能系统的需求包括辅助用户进行创新的能力、
代替人类进行决策的能力, 以及超越人的知识范
围进行创新的能力。传统智能技术缺乏本质上的
创新能力, 而以进化方法为主要代表的新一代智
能技术具有试错型的探索式的学习与创新能力。
遗传编程技术在电路自动设计中的成功应用是这
一创新能力的突出代表。它将为产品设计、工艺决
策等各方面的创新带来新的机遇。
( 3) 软件适应性的缺乏 缺乏适应性的专家
系统在工厂实际应用中困难重重, 其主要原因是
无法适应各个工厂多样化的应用环境以及应用场
合的灵活多变。具有学习与进化能力的智能系统
将能在用户使用过程中自动总结归纳用户问题的
特点, 从而自动适应应用环境的变化。这种在使用
中 学习 的 功能 是 使智 能 系统 具 有适 应性 的 基
础。
( 4) 计算实时性的要求 计算实时性的要求
是许多智能系统应用的基本要求, 但目前的智能
算法都存在搜索收敛速度慢的缺点。较有希望的
解决方法是使智能系统具有增量式的学习能力,
它使得系统在求解过程能有效地利用已积累的知
识, 这种基于知识的搜索能力将随着系统的运行
不断增强, 从而不必每求解一个问题都从零开始。
近几年来, 虚拟设计制造、基于知识的制造、
计算制造、仿生制造等新的制造技术对智能技术
的需求更是相当迫切。为此, 本文对新一代智能技
术中的 3 种最主要的核心机制进行系统论述, 介
绍各自的特点、相互关系以及在智能系统中的主
要作用及其研究现状与发展方向。
2 学习、进化与自组织机制的基本概念与
发展历史
新一代智能技术是指 80 年代以来迅速发展
的 以 神 经 网 络 (
ANN
) 、进 化 计 算、模 糊 逻 辑、
Agent为主要代表的计算智能技术。它为传统人
工智能知识获取瓶颈的突破带来了希望, 也为构
建具有较强的知识获取能力、具有容错性与知识
·828·
中国机械工程 第 11 卷第 7 期 2000 年 7 月