智能制造系统的特征范文篇1

计算机数控技术是一个国家制造业发展水平的标志。CAM和CNC的数据接口标准ISO6983(RS274D)协议,已经无法满足数控系统的发展的需要,其局限性已日益暴露并影响数控系统的广泛应用。因此,新的数据接口标准STEP-NC必然会取代旧的标准并且将给包括数控技术在内的整个制造业带来革命性影响。本文提出的基于STEP-NC的开放式数控系统旨在以STEP统一表征CNC加工过程中涉及的全部信息,实现CAD、CAM和CNC之间的无缝连接,同时为数控系统提供完整的产品数据,更好地提高数控系统的开放性能。

1.STEP-NC概述

1.1ISO6983协议的缺点

随着CAD/ACM系统和CNC系统性能的提高,ISO6983协议已经成为制约数控技术的智能化、集成化、网络化发展的“瓶颈”,已远不能满足数控技术高速发展的需要,其缺点如下:(1)现场编程或修改非常困难,对于稍具复杂性的加工对象,G、M代码一般需要事先由后处理程序生成,增加了信息流失或出错的可能性;(2)G、M代码只定义了机床的运动和开关动作,不包含产品数据的其它信息,因此CNC系统根本不可能获得完整的产品信息,更不可能真正实现智能化;(3)从CAD/CAM系统到CNC系统的传输过程是单向的,难以支持先进制造模式;(4)由于覆盖面太窄,厂商不得不开发各自的扩充功能和专有指令,造成不同控制系统之间互不兼容;(5)不支持基于样条数据的五轴铣和高速加工;(6)生产准备时间长,生产效率低。

1.2STEP-NC的优点

为了克服ISO6983的诸多缺点,一种新的数控接口标准STEP-NC(ISO14649)应运而生。STEP-NC将产品模型数据交换标准(STandardfortheEx2chargeofProductmodeldata,STEP)扩展至数控系统领域,重新规定了CAD/CAM与数控系统之间的接口。它要求数控系统直接使用符合STEP标准(ISO10303)的CAD三维产品数据模型(包括零件几何数据、设置和制造特征),加上工艺信息和刀具信息,直接产生加工程序来控制机床。其间,CAM系统只负责加入工艺信息和刀具信息而不必进行后置处理。STEP-NC的优点如下:(1)面向对象和特征,描述工件的加工操作,不依赖于机床轴的运动,同一加工程序可适用于不同CNC;(2)传统设计信息是图形,加工信息是数据,但STEP-NC使用系统和人都能解析的产品数据模型代替图形;(3)传统加工必须把图形描述的生产要求转变成机床指令,使用STEP-NC可利用工艺规划工具生成指令,使特征识别更快更准确;(4)使用STEP-NC可实现CAD、CAM、CNC信息的双向流动;(5)支持五轴铣,支持高速切削;(6)消除了后置处理器;(7)STEP-NC统筹考虑设计与制造模型,集成在产品数据模型中,不存在数据传递误差,可实现精确加工[1]。

2.STEP-NC产品数据模型

2.1STEP-NC涵盖的内容

STEP-NC定义了一个CAM和CNC之间的新的数据接口标准(AP238),其本质是面向对象,描述“加工什么”。STEP-NC采用工作步骤(Working2steps)指定加工过程,工作步骤将加工特征和具体操作联系起来,由CNC将其转化为轴的运动和刀具操作。AP238是一个充分集成的应用协议,其几何定义与AP203、AP214一致,加工特征与AP224相同,公差定义与AP219一致,因此可以直接使用相关模型[2]。AP238涵盖了产品从概念到成品(零件)全过程所需的全部信息。AP238文件中的工作步骤相当于传统数控文件中的G、M代码。

0.前言

计算机数控技术是一个国家制造业发展水平的标志。CAM和CNC的数据接口标准ISO6983(RS274D)协议,已经无法满足数控系统的发展的需要,其局限性已日益暴露并影响数控系统的广泛应用。因此,新的数据接口标准STEP-NC必然会取代旧的标准并且将给包括数控技术在内的整个制造业带来革命性影响。本文提出的基于STEP-NC的开放式数控系统旨在以STEP统一表征CNC加工过程中涉及的全部信息,实现CAD、CAM和CNC之间的无缝连接,同时为数控系统提供完整的产品数据,更好地提高数控系统的开放性能。

1.STEP-NC概述

1.1ISO6983协议的缺点

随着CAD/ACM系统和CNC系统性能的提高,ISO6983协议已经成为制约数控技术的智能化、集成化、网络化发展的“瓶颈”,已远不能满足数控技术高速发展的需要,其缺点如下:(1)现场编程或修改非常困难,对于稍具复杂性的加工对象,G、M代码一般需要事先由后处理程序生成,增加了信息流失或出错的可能性;(2)G、M代码只定义了机床的运动和开关动作,不包含产品数据的其它信息,因此CNC系统根本不可能获得完整的产品信息,更不可能真正实现智能化;(3)从CAD/CAM系统到CNC系统的传输过程是单向的,难以支持先进制造模式;(4)由于覆盖面太窄,厂商不得不开发各自的扩充功能和专有指令,造成不同控制系统之间互不兼容;(5)不支持基于样条数据的五轴铣和高速加工;(6)生产准备时间长,生产效率低。

1.2STEP-NC的优点

为了克服ISO6983的诸多缺点,一种新的数控接口标准STEP-NC(ISO14649)应运而生。STEP-NC将产品模型数据交换标准(STandardfortheEx2chargeofProductmodeldata,STEP)扩展至数控系统领域,重新规定了CAD/CAM与数控系统之间的接口。它要求数控系统直接使用符合STEP标准(ISO10303)的CAD三维产品数据模型(包括零件几何数据、设置和制造特征),加上工艺信息和刀具信息,直接产生加工程序来控制机床。其间,CAM系统只负责加入工艺信息和刀具信息而不必进行后置处理。STEP-NC的优点如下:(1)面向对象和特征,描述工件的加工操作,不依赖于机床轴的运动,同一加工程序可适用于不同CNC;(2)传统设计信息是图形,加工信息是数据,但STEP-NC使用系统和人都能解析的产品数据模型代替图形;(3)传统加工必须把图形描述的生产要求转变成机床指令,使用STEP-NC可利用工艺规划工具生成指令,使特征识别更快更准确;(4)使用STEP-NC可实现CAD、CAM、CNC信息的双向流动;(5)支持五轴铣,支持高速切削;(6)消除了后置处理器;(7)STEP-NC统筹考虑设计与制造模型,集成在产品数据模型中,不存在数据传递误差,可实现精确加工[1]。

2.STEP-NC产品数据模型

2.1STEP-NC涵盖的内容

STEP-NC定义了一个CAM和CNC之间的新的数据接口标准(AP238),其本质是面向对象,描述“加工什么”。STEP-NC采用工作步骤(Working2steps)指定加工过程,工作步骤将加工特征和具体操作联系起来,由CNC将其转化为轴的运动和刀具操作。AP238是一个充分集成的应用协议,其几何定义与AP203、AP214一致,加工特征与AP224相同,公差定义与AP219一致,因此可以直接使用相关模型[2]。AP238涵盖了产品从概念到成品(零件)全过程所需的全部信息。AP238文件中的工作步骤相当于传统数控文件中的G、M代码。

3.1开放式数控系统数控系统按结构形式可分为传统封闭式和开放式(包括PC嵌入NC、NC嵌入PC和SOFT型三种结构)。SOFT型开放式数控系统基于PC的概念实现CNC的功能,其软件在PC中,硬件是PC与伺服驱动和外部I/O间的标准化通用接口。用户可以利用开放的CNC内核,开发各种所需功能。我国硬件设计、制造水平不高,而软件开发人员众多,软件设计水平也比较高。完全采用软件在工业PC上实现数控系统,比较适合我国国情,也更易于实现开放性。

本文确定的开放式数控系统总体框架主要由以下几部分构成:

(1)系统软件平台。采用WindowsNT和美国Venturcom公司的RTX(Real-TimeExtension)作为系统的软件平台。

(2)系统硬件平台。以PC机和SoftSERCANS通讯卡为系统的硬件平台。

(3)符合SERCOS协议的伺服系统与I/O设备。

SERCOS协议作为国际标准,不仅可以用于运动控制与伺服系统之间的实时通讯,而且它还对I/O功能做出了相应规定,能够同时完成PC机与I/O设备之间离散数字信号的实时通讯。这样可以在众多厂家提供的符合SERCOS标准的伺服驱动器和I/O模块产品中进行选择和配置,以满足控制轴数、控制方式等要求。我们选用了德国力士乐公司的伺服驱动器和I/O模块产品。

(4)数控功能软件。基于Windows和RTX提供的应用程序编程接口编制全软件型开放式数控系统,主要功能是接收输入的加工信息,完成数控计算、逻辑判断和I/O控制等功能。

3.2STEP-NC数控系统

基于STEP-NC的开放式数控系统应该使用统一的数据模型来实现CAX与CNC的无缝连接,STEP-NC数控系统与传统的ISO6983数控系统相似,其关键部分是STEP-NC产品数据模型和STEP-NC解释器。因此在上述的开放式数控系统内用STEP-NC解释器代替G代码解释器,再增加一个刀轨生成器,即可实现STEP-NC数控系统的功能。系统的结构模型如图2所示,主要由以下几个功能模块组成。

(1)车间级编程系统模块

该模块的主要功能为读取三维实体模型的几何信息,生成AP238文件。目前大多数CAD软件(比如UG、Solidworks等)都内嵌有STEP转换接口,能够有效处理3D几何形状。此模块可以解释AP203/AP214文件,从其中的几何特征中自动识别出ISO14649(Part10)所定义的加工特征,并根据ISO14649(Part10、Part11)定义的加工步骤所描述的特征操作进行工艺规划,最后输出AP238文件。

这一过程中可以应用Steptools公司的ST-Plan软件,其主要功能就是读取STEP文件输出STEP-NC文件。

它拥有强大的用户界面,有利于使用者重新对特征进行分类,改变加工顺序,选择加工和工具属性。

(2)NC用户图形界面模块

该模块是STEP-NC数控系统的人机接口,也是其它模块之间实现通讯联系的接口。通过此模块可以导入STEP-NC程序文件,并可以对工作步骤进行增添、删除和次序更改;可以显示和编辑某一工作步骤的几何形状、公差、特征、技术要求、刀具、材料和坐标等相关信息,并以同样的格式返回到上游的设计阶段,体现了STEP-NC设计制造模型的一体化和数据可以双向流动的特点。

(3)一致性检测模块

该模块主要是对AP238文件进行一致性检测。该模块用来检查加工工步、加工特征、刀具信息、几何尺寸和公差以及其它STEP-NC特征信息是否符合国际标准,若符合标准,则STEP-NC程序文件被送到程序信息树模块和刀轨生成模块继续处理;若不符合,则返回到NC用户图形界面模块重新编辑修改直至符合标准。

(4)程序信息树模块

此模块负责把STEP-NC数控程序中的数据信息显示成树状,用户可以通过点击不同的节点观察各个实体的属性及其取值情况,让用户对整个程序的信息结构具有一个直观、形象的认识。这种表示形式符合人类的认识规律,结构层次明显,表达清楚,界面比较友好,更加容易理解。

(5)智能工艺数据库模块

智能工艺数据库用来存放专家们所掌握的各种加工工艺以及对于各种故障原因及其处置方法的知识,可以包括加工条件、加工参数、刀具管理和故障诊断处理等各种数据库、知识库和策略库等多种信息。推理软件依据智能工艺数据库中存储的知识、经验和推理方法等大量信息,对机床运行中的实时加工状态进行监测、调节和故障诊断处理等控制[4]。

(6)刀轨生成模块

该模块的功能是根据加工特征、操作以及加工策略等信息生成每一加工工作步骤的刀位轨迹。由于STEP-NC程序文件里包含了零件从设计到成品所需要的全部加工信息,因此可以根据智能工艺数据库模块提供的加工条件和加工参数等信息对刀轨进行优化,通过最优刀轨算法决定最合适的走刀路线、切削进给量以及切削速度等。

(7)加工仿真模块

在零件进行实际加工之前,通过此模块模拟运行所有加工步骤,以检查是否存在干涉或其它问题,然后再进行真实加工[5]。

值得一提的是,从ISO6983到ISO14649,无论如何都要有一个过渡周期,因此本文所设计的数控系统保留了ISO6983解释器,即本系统除了可以执行STEP-NC文件外,还可以执行传统ISO6983的G代码。只是该解释器是作为CNC系统的一个子系统,而不是STEP-NC解释器模型的一部分。

智能制造系统的特征范文1篇2

进入20世纪80年代以来，制造业逐渐从传统的生产要素捆绑中解放出来，知识经济改变了传统的物质生产向智能技术研发重心转变。全球经济竞争发展为高端智能产业的主力军比拼，起步较早的发达国家，凭借着雄厚的资金技术首先进入智能产业时代，促使更多的发展中国家加入发展智能产业队伍。智能制造业高收益显著高于低端加工生产制造。如今发达国家智能产业的发展高度已不再是单一凭借技术优势，而是技术、知识、管理制度和人才相较量的综合创新能力。长期作为发达国家附属的“造物车间”，降低了发展国家制造业产业的自身抗风险能力，极易被国际贸易环境改变所波及，更难以保证经济可持续性增长。当前的智能制造业也属于新兴产业范畴，代表性特点是规模较小与尚未完善成熟的产品和市场，其产业链是由产品研发，生产和管理等多环节紧扣的连续性过程，代表性的产学研集于一身的管理模式，而智能制造的产品种类包括实体、软件系统和智能管理服务平台。总体智能制造的具有扩张性的发展趋势，存在更多的发展空间容纳新兴产业的扩充。具体而言，初具规模的智能产业的生产覆盖面应包括产品、生产系统和企业整体的智能化为特征。产品的智能化体现为将数据控技术与信息化处理技术注入产品中，产品市场价值则由其智能技术水平高低所决定。目前智能化在产业生产中的运用基本以生产线系统的IT控制、生产程序人工预设系统，数据采集和实时生产监控可达到高效的定制生产功能。适用于客户需求为导向的个性化产品需求的快速批量生产。“互联+”产业模式也让制造商原有生产模式从B2C向C2B转变；让企业高层统筹者将管理目标设定在协调内部部门间的控制、管理、生产环节高效交接同时，更加注重延伸产业链、设计满足客户个性化需求产品、流通销售环节与工业物联网相对接。从强调对生产资料与生产要素主动控制权向资源动态需求变动生产理念转换，进而促进了产业间资源的最优化配置。

二、加快我国产业“智能化”转变的重要性

如何维护中国制造在国际市场中的地位，是攸关我国传统制造业企业生存的课题。20世纪70年代以来，农业是我国重要的经济基础，为工业的起步贡献了必要的资本积累，随着改革开放脚步的悄然而至，中国制造业紧抓机遇成功得搭上了高速疾驰的全球制造业列车，承接跨国公司的加工生产外包项目，从此“中国制造”便成为了全球价值链中的一部分。由于前期发展过度依靠劳动力成本优势，通过为大量国外品牌贴牌生产而迅速占领了国际市场份额。显然，产量与价格优势并不能为中国制造立足全球市场长久之策，缺乏自主知识产权技术和品牌的双引擎就不具备在国际市场上单打独斗实力。从“世界工厂”的日不落帝国的崛起再到美国、日本、德国等制造业帝国的相互轮替的制造业发展史表明，虽工业革命促发生产力空前上升，但工业化所造成环境污染的问题又摆在了经济发展的道路上，壁垒重重不得不让这些“先行者”重新思考探索解决之策，唯有将产业发展重心转向发展智能产业成为众家之选。同时也指明了依赖传统加工制造为主线的制造业必须摆脱密集劳动力模式禁锢，突破传统模式思路，才能迎接未来智能化产业比拼较量。20世纪90年代以来，低端加工制造的产业主体格局有所改变，许多跨国公司把其研究机构设立在我国，如运输设备、信息技术、生物制药等产业为主要领域，但核心技术、知识产权并非掌控在我国制造产中，需逐步提高科学技术进步对经济增长贡献率作用。

我们必须清醒地认识到中国传统制造业既存“智力”不足的软肋，又患有自主知识的根基不牢的弊病，务必审慎防范知识经济控制权下的产业转移陷阱。产业转移从表面上看，似乎是发达国家为了降低机会成本而交换发展中国家廉价的劳动力、土地等政策优待的条件，让发展中国家成为产业转移的最大收益者，但这实际上是发达国家进行产业战略布局调整的策略。随着时间推移，机会成本日益加大，演变成发展中国家过渡依赖西方自主知识技术，自主创新能力被抑制，且自主知识研发基础薄弱，甚至付出环境资源破坏和财富流失的惨痛代价，安全风险存在易使我国制造业陷于外国知识产权控制。故此做好我国人才资源的挖掘、培养、投入等工作都将成为未来智能制造道路上势必补齐的短板，追赶与发达国家之间在软实力上的差别。

三、美国、日本、德国智能产业发展概况对比分析

我国智能产业发展仍存在许多制约因素，虽现阶段是继美国、日本和德国之后的世界第四大工业用品生产国，但相对比之下，生产规模较小不及美国与日本的四分之一；工业增加值率低，其中产品的加工生产的附加值占比低，仅为美国的25.12%和日本的29.32%；而劳动生产率更是落后于美国、日本和德国，分别为前三者的5.01%、4.22%和5.89%。若以垂直分工视角分析，我国制造业位于国际分工的底层。美国、日本和德国等工业大国拥有机械设备精细制造能力，密集丰富的资源要素投入，外加金融市场资金支持。这种分工位置对号入座的只能是劳动密集型生产的发展中国家；技术密集型的智能制造却占据分工金字塔结构的顶端，并具备长期性和高附加值的特征。上个世纪70年起进入美、日、德三国制造业腾飞的黄金期，三国不尽相同的发展模式是由自身相对优势出发，美国沿着以研发和生产为主线，加大对进出口的政策扶持，符合产业发展生命周期模型的特征；日本发展模式更似燕行形态理论模型，大力提升国内生产能力，意在增加出口贸易激发本国制造业生产潜能；德国则依托于产业集群效应，构建产业间共生互补的良性循环模式，供应更多具有多样性高科技产品。当制造业发展后半期时，美国、日本和德国大量向外转移低端生产加工线，国内呈现制造业“空壳化”现象，国内主营资本操控的虚拟经济。然而金融危机后虚拟经济泡沫破裂，使高失业率，低迷贸易额量等经济衰退征兆频出，要求发达国家回归实体经济重振计划提上议程，并取得一定客观效果。美、日、德的重振规划中都突出了智能制造产业的独特地位，美国一直是智能制造技术的全球领导者，熟悉的人工智能、控制论、物联网等都起源于太平洋东岸。美国颁布许多促进先进制造业发展的政策，把制造业中心放在智能制造平台搭建上，借助“再工业化”进程推动对外贸易，拉动就业率增加。日本智能产品拥有高精准、人性化特点，如机器人技术就领先于全球。但国内经济在金融危机受肆虐受挫后一蹶不振，在调整产业发展方向时，日本政府有针对性地对市场培育、人才培养、技术研发等进行了政策扶持。特别是应对去“产业空心化”时，则凸显以智能制造业为主调方向，试图以赢取知识经济竞赛得以重返全球市场原有位置。虽然德国仍需面对未逝去的欧洲债务危机余波影响和适应国家政权的频繁更替的不利环境，经济依然保持高增长态势原因在于，制造业被奉为德国经济的增长源，只有科学技术在产业转型进一步得到释放，才可保证制造业在国民经济中的支柱作用。美、日、德在传统制造业向智能产业转换上成功经验，为我国成功实现智能制造产业道路点亮了引航灯。

四、经验启示

智能制造系统的特征范文篇3

1前言

1.1研究背景

人工智能概念诞生于1956年，在半个多世纪的发展历程中，由于受到智能算法、计算速度、存储水平等多方面因素的影响，人工智能技术和应用发展经历了多次高潮和低谷。2006年以来，以深度学习为代表的机器学习算法在机器视觉和语音识别等领域取得了极大的成功，识别准确性大幅提升，使人工智能再次受到学术界和产业界的广泛关注。云计算、大数据等技术在提升运算速度，降低计算成本的同时，也为人工智能发展提供了丰富的数据资源，协助训练出更加智能化的算法模型。人工智能的发展模式也从过去追求“用计算机模拟人工智能”，逐步转向以机器与人结合而成的增强型混合智能系统，用机器、人、网络结合成新的群智系统，以及用机器、人、网络和物结合成的更加复杂的智能系统。

作为新一轮产业变革的核心驱动力，人工智能在催生新技术、新产品的同时，对传统行业也具备较强的赋能作用，能够引发经济结构的重大变革，实现社会生产力的整体跃升。人工智能将人从枯燥的劳动中解放出来，越来越多的简单性、重复性、危险性任务由人工智能系统完成，在减少人力投入，提高工作效率的同时，还能够比人类做得更快、更准确；人工智能还可以在教育、医疗、养老、环境保护、城市运行、司法服务等领域得到广泛应用，能够极大提高公共服务精准化水平，全面提升人民生活品质；同时，人工智能可帮助人类准确感知、预测、预警基础设施和社会安全运行的重大态势，及时把握群体认知及心理变化，主动作出决策反应，显著提高社会治理能力和水平，同时保障公共安全。

人工智能作为一项引领未来的战略技术，世界发达国家纷纷在新一轮国际竞争中争取掌握主导权，围绕人工智能出台规划和政策，对人工智能核心技术、顶尖人才、标准规范等进行部署，加快促进人工智能技术和产业发展。主要科技企业不断加大资金和人力投入，抢占人工智能发展制高点。2017年，我国出台了《新一代人工智能发展规划》(国发〔2017〕35号)、《促进新一代人工智能产业发展三年行动计划(2018-2022年)》(工信部科〔2017〕315号)等政策文件，推动人工智能技术研发和产业化发展。目前，国内人工智能发展已具备一定的技术和产业基础，在芯片、数据、平台、应用等领域集聚了一批人工智能企业，在部分方向取得阶段性成果并向市场化发展。例如，人工智能在金融、安防、客服等行业领域已实现应用，在特定任务中语义识别、语音识别、人脸识别、图像识别技术的精度和效率已远超人工。

标准化工作对人工智能及其产业发展具有基础性、支撑性、引领性的作用，既是推动产业创新发展的关键抓手，也是产业竞争的制高点。当前，在我国人工智能相关产品和服务不断丰富的同时，也出现了标准化程度不足的问题。人工智能涉及众多领域，虽然某些领域已具备一定的标准化基础，但是这些分散的标准化工作并不足以完全支撑整个人工智能领域。另一方面，人工智能属于新兴领域，发展方兴未艾，从世界范围来看，标准化工作仍在起步过程中，尚未形成完善的标准体系，我国基本与国外处于同一起跑线，存在快速突破的机会窗口。只要瞄准机会，快速布局，完全有可能抢占标准创新的制高点，反之，则有可能丧失良机。因此，迫切需要把握机遇，加快对人工智能技术及产业发展的研究，系统梳理、加快研制人工智能各领域的标准体系，明确标准之间的依存性与制约关系，建立统一完善的标准体系，以标准的手段促进我国人工智能技术、产业蓬勃发展。

1.2研究目标及意义

本白皮书前期在国标委工业二部和工信部科技司的指导下，通过梳理人工智能技术、应用和产业演进情况，分析人工智能的技术热点、行业动态和未来趋势，从支撑人工智能产业整体发展的角度出发，研究制定了能够适应和引导人工智能产业发展的标准体系，进而提出近期急需研制的基础和关键标准项目。

本白皮书并不预期成为人工智能领域的全面技术和产业综述，不求面面俱到，仅针对目前人工智能领域涵盖的技术热点和产业情况进行分析，研究提出人工智能标准体系。人工智能标准化工作尚处于起步阶段，本白皮书只作为人工智能领域技术、产业和标准化之间初始的连接纽带，并将在今后不断根据技术、产业和标准化的发展需求进行修订。本白皮书不过多地给出人工智能领域观点性的陈述，力求以较为浅显易懂的语言和方式进行阐述。

本白皮书的意义在于与业界分享人工智能领域的研究成果和实践经验，呼吁社会各界共同加强人工智能领域的技术研究、产业投入、标准建设与服务应用，共同推动人工智能及其产业发展。

2人工智能概述

2.1人工智能的历史及概念

2.1.1人工智能的起源与历史

人工智能始于20世纪50年代，至今大致分为三个发展阶段：第一阶段(20世纪50年代——80年代)。这一阶段人工智能刚诞生，基于抽象数学推理的可编程数字计算机已经出现，符号主义(Symbolism)快速发展，但由于很多事物不能形式化表达，建立的模型存在一定的局限性。此外，随着计算任务的复杂性不断加大，人工智能发展一度遇到瓶颈；第二阶段(20世纪80年代——90年代末)。在这一阶段，专家系统得到快速发展，数学模型有重大突破，但由于专家系统在知识获取、推理能力等方面的不足，以及开发成本高等原因，人工智能的发展又一次进入低谷期；第三阶段(21世纪初——至今)。随着大数据的积聚、理论算法的革新、计算能力的提升，人工智能在很多应用领域取得了突破性进展，迎来了又一个繁荣时期。人工智能具体的发展历程如图1所示。

长期以来，制造具有智能的机器一直是人类的重大梦想。早在1950年，AlanTuring在《计算机器与智能》中就阐述了对人工智能的思考。他提出的图灵测试是机器智能的重要测量手段，后来还衍生出了视觉图灵测试等测量方法。1956年，“人工智能”这个词首次出现在达特茅斯会议上，标志着其作为一个研究领域的正式诞生。六十年来，人工智能发展潮起潮落的同时，基本思想可大致划分为四个流派：符号主义(Symbolism)、连接主义(Connectionism)、行为主义(Behaviourism)和统计主义(Statisticsism)(注：由于篇幅原因，本白皮书不对四个流派进行详细阐述)。这四个流派从不同侧面抓住了智能的部分特征，在“制造”人工智能方面都取得了里程碑式的成就。

1959年，ArthurSamuel提出了机器学习，机器学习将传统的制造智能演化为通过学习能力来获取智能，推动人工智能进入了第一次繁荣期。20世纪70年代末期专家系统的出现，实现了人工智能从理论研究走向实际应用，从一般思维规律探索走向专门知识应用的重大突破，将人工智能的研究推向了新高潮。然而，机器学习的模型仍然是“人工”的，也有很大的局限性。随着专家系统应用的不断深入，专家系统自身存在的知识获取难、知识领域窄、推理能力弱、实用性差等问题逐步暴露。从1976年开始，人工智能的研究进入长达6年的萧瑟期。

在80年代中期，随着美国、日本立项支持人工智能研究，以及以知识工程为主导的机器学习方法的发展，出现了具有更强可视化效果的决策树模型和突破早期感知机局限的多层人工神经网络，由此带来了人工智能的又一次繁荣期。然而，当时的计算机难以模拟复杂度高及规模大的神经网络，仍有一定的局限性。1987年由于LISP机市场崩塌，美国取消了人工智能预算，日本第五代计算机项目失败并退出市场，专家系统进展缓慢，人工智能又进入了萧瑟期。

1997年，IBM深蓝(DeepBlue)战胜国际象棋世界冠军GarryKasparov。这是一次具有里程碑意义的成功，它代表了基于规则的人工智能的胜利。2006年，在Hinton和他的学生的推动下，深度学习开始备受关注，为后来人工智能的发展带来了重大影响。从2010年开始，人工智能进入爆发式的发展阶段，其最主要的驱动力是大数据时代的到来，运算能力及机器学习算法得到提高。人工智能快速发展，产业界也开始不断涌现出新的研发成果：2011年，IBMWaston在综艺节目《危险边缘》中战胜了最高奖金得主和连胜纪录保持者；2012年，谷歌大脑通过模仿人类大脑在没有人类指导的情况下，利用非监督深度学习方法从大量视频中成功学习到识别出一只猫的能力；2014年，微软公司推出了一款实时口译系统，可以模仿说话者的声音并保留其口音；2014年，微软公司全球第一款个人智能助理微软小娜；2014年，亚马逊至今为止最成功的智能音箱产品Echo和个人助手Alexa；2016年，谷歌AlphaGo机器人在围棋比赛中击败了世界冠军李世石；2017年，苹果公司在原来个人助理Siri的基础上推出了智能私人助理Siri和智能音响HomePod。

目前，世界各国都开始重视人工智能的发展。2017年6月29日，首届世界智能大会在天津召开。中国工程院院士潘云鹤在大会主论坛作了题为“中国新一代人工智能”的主题演讲，报告中概括了世界各国在人工智能研究方面的战略：2016年5月，美国白宫发表了《为人工智能的未来做好准备》；英国2016年12月《人工智能：未来决策制定的机遇和影响》；法国在2017年4月制定了《国家人工智能战略》；德国在2017年5月颁布全国第一部自动驾驶的法律；在中国，据不完全统计，2017年运营的人工智能公司接近400家，行业巨头百度、腾讯、阿里巴巴等都不断在人工智能领域发力。从数量、投资等角度来看，自然语言处理、机器人、计算机视觉成为了人工智能最为热门的三个产业方向。

2.1.2人工智能的概念

人工智能作为一门前沿交叉学科，其定义一直存有不同的观点：《人工智能——一种现代方法》中将已有的一些人工智能定义分为四类：像人一样思考的系统、像人一样行动的系统、理性地思考的系统、理性地行动的系统。维基百科上定义“人工智能就是机器展现出的智能”，即只要是某种机器，具有某种或某些“智能”的特征或表现，都应该算作“人工智能”。大英百科全书则限定人工智能是数字计算机或者数字计算机控制的机器人在执行智能生物体才有的一些任务上的能力。百度百科定义人工智能是“研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学”，将其视为计算机科学的一个分支，指出其研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

本白皮书认为，人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能的定义对人工智能学科的基本思想和内容作出了解释，即围绕智能活动而构造的人工系统。人工智能是知识的工程，是机器模仿人类利用知识完成一定行为的过程。根据人工智能是否能真正实现推理、思考和解决问题，可以将人工智能分为弱人工智能和强人工智能。

弱人工智能是指不能真正实现推理和解决问题的智能机器，这些机器表面看像是智能的，但是并不真正拥有智能，也不会有自主意识。迄今为止的人工智能系统都还是实现特定功能的专用智能，而不是像人类智能那样能够不断适应复杂的新环境并不断涌现出新的功能，因此都还是弱人工智能。目前的主流研究仍然集中于弱人工智能，并取得了显著进步，如语音识别、图像处理和物体分割、机器翻译等方面取得了重大突破，甚至可以接近或超越人类水平。

强人工智能是指真正能思维的智能机器，并且认为这样的机器是有知觉的和自我意识的，这类机器可分为类人(机器的思考和推理类似人的思维)与非类人(机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式)两大类。从一般意义来说，达到人类水平的、能够自适应地应对外界环境挑战的、具有自我意识的人工智能称为“通用人工智能”、“强人工智能”或“类人智能”。强人工智能不仅在哲学上存在巨大争论(涉及到思维与意识等根本问题的讨论)，在技术上的研究也具有极大的挑战性。强人工智能当前鲜有进展，美国私营部门的专家及国家科技委员会比较支持的观点是，至少在未来几十年内难以实现。

靠符号主义、连接主义、行为主义和统计主义这四个流派的经典路线就能设计制造出强人工智能吗？其中一个主流看法是：即使有更高性能的计算平台和更大规模的大数据助力，也还只是量变，不是质变，人类对自身智能的认识还处在初级阶段，在人类真正理解智能机理之前，不可能制造出强人工智能。理解大脑产生智能的机理是脑科学的终极性问题，绝大多数脑科学专家都认为这是一个数百年乃至数千年甚至永远都解决不了的问题。

通向强人工智能还有一条“新”路线，这里称为“仿真主义”。这条新路线通过制造先进的大脑探测工具从结构上解析大脑，再利用工程技术手段构造出模仿大脑神经网络基元及结构的仿脑装置，最后通过环境刺激和交互训练仿真大脑实现类人智能，简言之，“先结构，后功能”。虽然这项工程也十分困难，但都是有可能在数十年内解决的工程技术问题，而不像“理解大脑”这个科学问题那样遥不可及。

仿真主义可以说是符号主义、连接主义、行为主义和统计主义之后的第五个流派，和前四个流派有着千丝万缕的联系，也是前四个流派通向强人工智能的关键一环。经典计算机是数理逻辑的开关电路实现，采用冯诺依曼体系结构，可以作为逻辑推理等专用智能的实现载体。但要靠经典计算机不可能实现强人工智能。要按仿真主义的路线“仿脑”，就必须设计制造全新的软硬件系统，这就是“类脑计算机”，或者更准确地称为“仿脑机”。“仿脑机”是“仿真工程”的标志性成果，也是“仿脑工程”通向强人工智能之路的重要里程碑。

2.2人工智能的特征

(1)由人类设计，为人类服务，本质为计算，基础为数据。从根本上说，人工智能系统必须以人为本，这些系统是人类设计出的机器，按照人类设定的程序逻辑或软件算法通过人类发明的芯片等硬件载体来运行或工作，其本质体现为计算，通过对数据的采集、加工、处理、分析和挖掘，形成有价值的信息流和知识模型，来为人类提供延伸人类能力的服务，来实现对人类期望的一些“智能行为”的模拟，在理想情况下必须体现服务人类的特点，而不应该伤害人类，特别是不应该有目的性地做出伤害人类的行为。

(2)能感知环境，能产生反应，能与人交互，能与人互补。人工智能系统应能借助传感器等器件产生对外界环境(包括人类)进行感知的能力，可以像人一样通过听觉、视觉、嗅觉、触觉等接收来自环境的各种信息，对外界输入产生文字、语音、表情、动作(控制执行机构)等必要的反应，甚至影响到环境或人类。借助于按钮、键盘、鼠标、屏幕、手势、体态、表情、力反馈、虚拟现实/增强现实等方式，人与机器间可以产生交互与互动，使机器设备越来越“理解”人类乃至与人类共同协作、优势互补。这样，人工智能系统能够帮助人类做人类不擅长、不喜欢但机器能够完成的工作，而人类则适合于去做更需要创造性、洞察力、想象力、灵活性、多变性乃至用心领悟或需要感情的一些工作。

(3)有适应特性，有学习能力，有演化迭代，有连接扩展。人工智能系统在理想情况下应具有一定的自适应特性和学习能力，即具有一定的随环境、数据或任务变化而自适应调节参数或更新优化模型的能力；并且，能够在此基础上通过与云、端、人、物越来越广泛深入数字化连接扩展，实现机器客体乃至人类主体的演化迭代，以使系统具有适应性、鲁棒性、灵活性、扩展性，来应对不断变化的现实环境，从而使人工智能系统在各行各业产生丰富的应用。

2.3人工智能参考框架

目前，人工智能领域尚未形成完善的参考框架。因此，本章基于人工智能的发展状况和应用特征，从人工智能信息流动的角度出发，提出一种人工智能参考框架(如图2所示)，力图搭建较为完整的人工智能主体框架，描述人工智能系统总体工作流程，不受具体应用所限，适用于通用的人工智能领域需求。

人工智能参考框架提供了基于“角色—活动—功能”的层级分类体系，从“智能信息链”(水平轴)和“IT价值链”(垂直轴)两个维度阐述了人工智能系统框架。“智能信息链”反映从智能信息感知、智能信息表示与形成、智能推理、智能决策、智能执行与输出的一般过程。在这个过程中，智能信息是流动的载体，经历了“数据—信息—知识—智慧”的凝练过程。“IT价值链”从人工智能的底层基础设施、信息(提供和处理技术实现)到系统的产业生态过程，反映人工智能为信息技术产业带来的价值。此外，人工智能系统还有其它非常重要的框架构件：安全、隐私、伦理和管理。人工智能系统主要由基础设施提供者、信息提供者、信息处理者和系统协调者4个角色组成。

(1)基础设施提供者

基础设施提供者为人工智能系统提供计算能力支持，实现与外部世界的沟通，并通过基础平台实现支撑。计算能力由智能芯片(CPU、GPU、ASIC、FPGA等硬件加速芯片以及其它智能芯片)等硬件系统开发商提供；与外部世界的沟通通过新型传感器制造商提供；基础平台包括分布式计算框架提供商及网络提供商提供平台保障和支持，即包括云存储和计算、互联互通网络等。

(2)信息提供者

信息提供者在人工智能领域是智能信息的来源。通过知识信息感知过程由数据提供商提供智能感知信息，包括原始数据资源和数据集。原始数据资源的感知涉及到图形、图像、语音、文本的识别，还涉及到传统设备的物联网数据，包括已有系统的业务数据以及力、位移、液位、温度、湿度等感知数据。

(3)信息处理者

信息处理者是指人工智能领域中技术和服务提供商。信息处理者的主要活动包括智能信息表示与形成、智能推理、智能决策及智能执行与输出。智能信息处理者通常是算法工程师及技术服务提供商，通过计算框架、模型及通用技术，例如一些深度学习框架和机器学习算法模型等功能进行支撑。

智能信息表示与形成是指为描述世界所作的一组约定，分阶段对智能信息进行符号化和形式化的智能信息建模、抽取、预处理、训练数据等。

智能信息推理是指在计算机或智能系统中，模拟人类的智能推理方式，依据推理控制策略，利用形式化的信息进行机器思维和求解问题的过程，典型的功能是搜索与匹配。

智能信息决策是指智能信息经过推理后进行决策的过程，通常提供分类、排序、预测等功能。

智能执行与输出作为智能信息输出的环节，是对输入作出的响应，输出整个智能信息流动过程的结果，包括运动、显示、发声、交互、合成等功能。

(4)系统协调者

系统协调者提供人工智能系统必须满足的整体要求，包括政策、法律、资源和业务需求，以及为确保系统符合这些需求而进行的监控和审计活动。由于人工智能是多学科交叉领域，需要系统协调者定义和整合所需的应用活动，使其在人工智能领域的垂直系统中运行。系统协调者的功能之一是配置和管理人工智能参考框架中的其他角色来执行一个或多个功能，并维持人工智能系统的运行。

(5)安全、隐私、伦理安全、隐私、伦理覆盖了人工智能领域的其他4个主要角色，对每个角色都有重要的影响作用。同时，安全、隐私、伦理处于管理角色的覆盖范围之内，与全部角色和活动都建立了相关联系。在安全、隐私、伦理模块，需要通过不同的技术手段和安全措施，构筑全方位、立体的安全防护体系，保护人工智能领域参与者的安全和隐私。

(6)管理管理角色承担系统管理活动，包括软件调配、资源管理等内容，管理的功能是监视各种资源的运行状况，应对出现的性能或故障事件，使得各系统组件透明且可观。

(7)智能产品及行业应用智能产品及行业应用指人工智能系统的产品和应用，是对人工智能整体解决方案的封装，将智能信息决策产品化、实现落地应用，其应用领域主要包括：智能制造、智能交通、智能家居、智能医疗、智能安防等。

3人工智能发展现状及趋势

依据参考框架中所涉及到的人工智能相关技术，本节重点介绍近二十年来人工智能领域关键技术的发展状况，包括机器学习、知识图谱、自然语言处理、计算机视觉、人机交互、生物特征识别、虚拟现实/增强现实等关键技术。

3.1人工智能关键技术

3.1.1机器学习

机器学习(MachineLearning)是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据(样本)出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。根据学习模式、学习方法以及算法的不同，机器学习存在不同的分类方法。

(1)根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。

监督学习

监督学习是利用已标记的有限训练数据集，通过某种学习策略/方法建立一个模型，实现对新数据/实例的标记(分类)/映射，最典型的监督学习算法包括回归和分类。监督学习要求训练样本的分类标签已知，分类标签精确度越高，样本越具有代表性，学习模型的准确度越高。监督学习在自然语言处理、信息检索、文本挖掘、手写体辨识、垃圾邮件侦测等领域获得了广泛应用。

无监督学习

无监督学习是利用无标记的有限数据描述隐藏在未标记数据中的结构/规律，最典型的非监督学习算法包括单类密度估计、单类数据降维、聚类等。无监督学习不需要训练样本和人工标注数据，便于压缩数据存储、减少计算量、提升算法速度，还可以避免正、负样本偏移引起的分类错误问题。主要用于经济预测、异常检测、数据挖掘、图像处理、模式识别等领域，例如组织大型计算机集群、社交网络分析、市场分割、天文数据分析等。

强化学习

强化学习是智能系统从环境到行为映射的学习，以使强化信号函数值最大。由于外部环境提供的信息很少，强化学习系统必须靠自身的经历进行学习。强化学习的目标是学习从环境状态到行为的映射，使得智能体选择的行为能够获得环境最大的奖赏，使得外部环境对学习系统在某种意义下的评价为最佳。其在机器人控制、无人驾驶、下棋、工业控制等领域获得成功应用。

(2)根据学习方法可以将机器学习分为传统机器学习和深度学习。

传统机器学习

传统机器学习从一些观测(训练)样本出发，试图发现不能通过原理分析获得的规律，实现对未来数据行为或趋势的准确预测。相关算法包括逻辑回归、隐马尔科夫方法、支持向量机方法、K近邻方法、三层人工神经网络方法、Adaboost算法、贝叶斯方法以及决策树方法等。传统机器学习平衡了学习结果的有效性与学习模型的可解释性，为解决有限样本的学习问题提供了一种框架，主要用于有限样本情况下的模式分类、回归分析、概率密度估计等。传统机器学习方法共同的重要理论基础之一是统计学，在自然语言处理、语音识别、图像识别、信息检索和生物信息等许多计算机领域获得了广泛应用。

深度学习

深度学习是建立深层结构模型的学习方法，典型的深度学习算法包括深度置信网络、卷积神经网络、受限玻尔兹曼机和循环神经网络等。深度学习又称为深度神经网络(指层数超过3层的神经网络)。深度学习作为机器学习研究中的一个新兴领域，由Hinton等人于2006年提出。深度学习源于多层神经网络，其实质是给出了一种将特征表示和学习合二为一的方式。深度学习的特点是放弃了可解释性，单纯追求学习的有效性。经过多年的摸索尝试和研究，已经产生了诸多深度神经网络的模型，其中卷积神经网络、循环神经网络是两类典型的模型。卷积神经网络常被应用于空间性分布数据；循环神经网络在神经网络中引入了记忆和反馈，常被应用于时间性分布数据。深度学习框架是进行深度学习的基础底层框架，一般包含主流的神经网络算法模型，提供稳定的深度学习API，支持训练模型在服务器和GPU、TPU间的分布式学习，部分框架还具备在包括移动设备、云平台在内的多种平台上运行的移植能力，从而为深度学习算法带来前所未有的运行速度和实用性。目前主流的开源算法框架有TensorFlow、Caffe/Caffe2、CNTK、MXNet、Paddle-paddle、Torch/PyTorch、Theano等。

(3)此外，机器学习的常见算法还包括迁移学习、主动学习和演化学习等。

迁移学习

迁移学习是指当在某些领域无法取得足够多的数据进行模型训练时，利用另一领域数据获得的关系进行的学习。迁移学习可以把已训练好的模型参数迁移到新的模型指导新模型训练，可以更有效的学习底层规则、减少数据量。目前的迁移学习技术主要在变量有限的小规模应用中使用，如基于传感器网络的定位，文字分类和图像分类等。未来迁移学习将被广泛应用于解决更有挑战性的问题，如视频分类、社交网络分析、逻辑推理等。

主动学习

主动学习通过一定的算法查询最有用的未标记样本，并交由专家进行标记，然后用查询到的样本训练分类模型来提高模型的精度。主动学习能够选择性地获取知识，通过较少的训练样本获得高性能的模型，最常用的策略是通过不确定性准则和差异性准则选取有效的样本。

演化学习

演化学习对优化问题性质要求极少，只需能够评估解的好坏即可，适用于求解复杂的优化问题，也能直接用于多目标优化。演化算法包括粒子群优化算法、多目标演化算法等。目前针对演化学习的研究主要集中在演化数据聚类、对演化数据更有效的分类，以及提供某种自适应机制以确定演化机制的影响等。

3.1.2知识图谱

知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关“属性—值”对。不同实体之间通过关系相互联结，构成网状的知识结构。在知识图谱中，每个节点表示现实世界的“实体”，每条边为实体与实体之间的“关系”。通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度去分析问题的能力。

知识图谱可用于反欺诈、不一致性验证、组团欺诈等公共安全保障领域，需要用到异常分析、静态分析、动态分析等数据挖掘方法。特别地，知识图谱在搜索引擎、可视化展示和精准营销方面有很大的优势，已成为业界的热门工具。但是，知识图谱的发展还有很大的挑战，如数据的噪声问题，即数据本身有错误或者数据存在冗余。随着知识图谱应用的不断深入，还有一系列关键技术需要突破。

3.1.3自然语言处理

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等。

(1)机器翻译

机器翻译技术是指利用计算机技术实现从一种自然语言到另外一种自然语言的翻译过程。基于统计的机器翻译方法突破了之前基于规则和实例翻译方法的局限性，翻译性能取得巨大提升。基于深度神经网络的机器翻译在日常口语等一些场景的成功应用已经显现出了巨大的潜力。随着上下文的语境表征和知识逻辑推理能力的发展，自然语言知识图谱不断扩充，机器翻译将会在多轮对话翻译及篇章翻译等领域取得更大进展。

目前非限定领域机器翻译中性能较佳的一种是统计机器翻译，包括训练及解码两个阶段。训练阶段的目标是获得模型参数，解码阶段的目标是利用所估计的参数和给定的优化目标，获取待翻译语句的最佳翻译结果。统计机器翻译主要包括语料预处理、词对齐、短语抽取、短语概率计算、最大熵调序等步骤。基于神经网络的端到端翻译方法不需要针对双语句子专门设计特征模型，而是直接把源语言句子的词串送入神经网络模型，经过神经网络的运算，得到目标语言句子的翻译结果。在基于端到端的机器翻译系统中，通常采用递归神经网络或卷积神经网络对句子进行表征建模，从海量训练数据中抽取语义信息，与基于短语的统计翻译相比，其翻译结果更加流畅自然，在实际应用中取得了较好的效果。

(2)语义理解

语义理解技术是指利用计算机技术实现对文本篇章的理解，并且回答与篇章相关问题的过程。语义理解更注重于对上下文的理解以及对答案精准程度的把控。随着MCTest数据集的，语义理解受到更多关注，取得了快速发展，相关数据集和对应的神经网络模型层出不穷。语义理解技术将在智能客服、产品自动问答等相关领域发挥重要作用，进一步提高问答与对话系统的精度。

在数据采集方面，语义理解通过自动构造数据方法和自动构造填空型问题的方法来有效扩充数据资源。为了解决填充型问题，一些基于深度学习的方法相继提出，如基于注意力的神经网络方法。当前主流的模型是利用神经网络技术对篇章、问题建模，对答案的开始和终止位置进行预测，抽取出篇章片段。对于进一步泛化的答案，处理难度进一步提升，目前的语义理解技术仍有较大的提升空间。

(3)问答系统

问答系统分为开放领域的对话系统和特定领域的问答系统。问答系统技术是指让计算机像人类一样用自然语言与人交流的技术。人们可以向问答系统提交用自然语言表达的问题，系统会返回关联性较高的答案。尽管问答系统目前已经有了不少应用产品出现，但大多是在实际信息服务系统和智能手机助手等领域中的应用，在问答系统鲁棒性方面仍然存在着问题和挑战。

自然语言处理面临四大挑战：一是在词法、句法、语义、语用和语音等不同层面存在不确定性；二是新的词汇、术语、语义和语法导致未知语言现象的不可预测性；三是数据资源的不充分使其难以覆盖复杂的语言现象；四是语义知识的模糊性和错综复杂的关联性难以用简单的数学模型描述，语义计算需要参数庞大的非线性计算。

3.1.4人机交互

人机交互主要研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的技术。人机交互是与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。传统的人与计算机之间的信息交换主要依靠交互设备进行，主要包括键盘、鼠标、操纵杆、数据服装、眼动跟踪器、位置跟踪器、数据手套、压力笔等输入设备，以及打印机、绘图仪、显示器、头盔式显示器、音箱等输出设备。人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术，以下对后四种与人工智能关联密切的典型交互手段进行介绍。

(1)语音交互

语音交互是一种高效的交互方式，是人以自然语音或机器合成语音同计算机进行交互的综合性技术，结合了语言学、心理学、工程和计算机技术等领域的知识。语音交互不仅要对语音识别和语音合成进行研究，还要对人在语音通道下的交互机理、行为方式等进行研究。语音交互过程包括四部分：语音采集、语音识别、语义理解和语音合成。语音采集完成音频的录入、采样及编码；语音识别完成语音信息到机器可识别的文本信息的转化；语义理解根据语音识别转换后的文本字符或命令完成相应的操作；语音合成完成文本信息到声音信息的转换。作为人类沟通和获取信息最自然便捷的手段，语音交互比其他交互方式具备更多优势，能为人机交互带来根本性变革，是大数据和认知计算时代未来发展的制高点，具有广阔的发展前景和应用前景。

(2)情感交互

情感是一种高层次的信息传递，而情感交互是一种交互状态，它在表达功能和信息时传递情感，勾起人们的记忆或内心的情愫。传统的人机交互无法理解和适应人的情绪或心境，缺乏情感理解和表达能力，计算机难以具有类似人一样的智能，也难以通过人机交互做到真正的和谐与自然。情感交互就是要赋予计算机类似于人一样的观察、理解和生成各种情感的能力，最终使计算机像人一样能进行自然、亲切和生动的交互。情感交互已经成为人工智能领域中的热点方向，旨在让人机交互变得更加自然。目前，在情感交互信息的处理方式、情感描述方式、情感数据获取和处理过程、情感表达方式等方面还有诸多技术挑战。

(3)体感交互

体感交互是个体不需要借助任何复杂的控制系统，以体感技术为基础，直接通过肢体动作与周边数字设备装置和环境进行自然的交互。依照体感方式与原理的不同，体感技术主要分为三类：惯性感测、光学感测以及光学联合感测。体感交互通常由运动追踪、手势识别、运动捕捉、面部表情识别等一系列技术支撑。与其他交互手段相比，体感交互技术无论是硬件还是软件方面都有了较大的提升，交互设备向小型化、便携化、使用方便化等方面发展，大大降低了对用户的约束，使得交互过程更加自然。目前，体感交互在游戏娱乐、医疗辅助与康复、全自动三维建模、辅助购物、眼动仪等领域有了较为广泛的应用。

(4)脑机交互

脑机交互又称为脑机接口，指不依赖于神经和肌肉等神经通道，直接实现大脑与外界信息传递的通路。脑机接口系统检测中枢神经系统活动，并将其转化为人工输出指令，能够替代、修复、增强、补充或者改善中枢神经系统的正常输出，从而改变中枢神经系统与内外环境之间的交互作用。脑机交互通过对神经信号解码，实现脑信号到机器指令的转化，一般包括信号采集、特征提取和命令输出三个模块。从脑电信号采集的角度，一般将脑机接口分为侵入式和非侵入式两大类。除此之外，脑机接口还有其他常见的分类方式：按照信号传输方向可以分为脑到机、机到脑和脑机双向接口；按照信号生成的类型，可分为自发式脑机接口和诱发式脑机接口；按照信号源的不同还可分为基于脑电的脑机接口、基于功能性核磁共振的脑机接口以及基于近红外光谱分析的脑机接口。

3.1.5计算机视觉

计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。近来随着深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成端到端的人工智能算法技术。根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。

(1)计算成像学

计算成像学是探索人眼结构、相机成像原理以及其延伸应用的科学。在相机成像原理方面，计算成像学不断促进现有可见光相机的完善，使得现代相机更加轻便，可以适用于不同场景。同时计算成像学也推动着新型相机的产生，使相机超出可见光的限制。在相机应用科学方面，计算成像学可以提升相机的能力，从而通过后续的算法处理使得在受限条件下拍摄的图像更加完善，例如图像去噪、去模糊、暗光增强、去雾霾等，以及实现新的功能，例如全景图、软件虚化、超分辨率等。

(2)图像理解

图像理解是通过用计算机系统解释图像，实现类似人类视觉系统理解外部世界的一门科学。通常根据理解信息的抽象程度可分为三个层次：浅层理解，包括图像边缘、图像特征点、纹理元素等；中层理解，包括物体边界、区域与平面等；高层理解，根据需要抽取的高层语义信息，可大致分为识别、检测、分割、姿态估计、图像文字说明等。目前高层图像理解算法已逐渐广泛应用于人工智能系统，如刷脸支付、智慧安防、图像搜索等。

(3)三维视觉

三维视觉即研究如何通过视觉获取三维信息(三维重建)以及如何理解所获取的三维信息的科学。三维重建可以根据重建的信息来源，分为单目图像重建、多目图像重建和深度图像重建等。三维信息理解，即使用三维信息辅助图像理解或者直接理解三维信息。三维信息理解可分为，浅层：角点、边缘、法向量等；中层：平面、立方体等；高层：物体检测、识别、分割等。三维视觉技术可以广泛应用于机器人、无人驾驶、智慧工厂、虚拟/增强现实等方向。

(4)动态视觉

动态视觉即分析视频或图像序列，模拟人处理时序图像的科学。通常动态视觉问题可以定义为寻找图像元素，如像素、区域、物体在时序上的对应，以及提取其语义信息的问题。动态视觉研究被广泛应用在视频分析以及人机交互等方面。

(5)视频编解码

视频编解码是指通过特定的压缩技术，将视频流进行压缩。视频流传输中最为重要的编解码标准有国际电联的H.261、H.263、H.264、H.265、M-JPEG和MPEG系列标准。视频压缩编码主要分为两大类：无损压缩和有损压缩。无损压缩指使用压缩后的数据进行重构时，重构后的数据与原来的数据完全相同，例如磁盘文件的压缩。有损压缩也称为不可逆编码，指使用压缩后的数据进行重构时，重构后的数据与原来的数据有差异，但不会影响人们对原始资料所表达的信息产生误解。有损压缩的应用范围广泛，例如视频会议、可视电话、视频广播、视频监控等。

目前，计算机视觉技术发展迅速，已具备初步的产业规模。未来计算机视觉技术的发展主要面临以下挑战：一是如何在不同的应用领域和其他技术更好的结合，计算机视觉在解决某些问题时可以广泛利用大数据，已经逐渐成熟并且可以超过人类，而在某些问题上却无法达到很高的精度；二是如何降低计算机视觉算法的开发时间和人力成本，目前计算机视觉算法需要大量的数据与人工标注，需要较长的研发周期以达到应用领域所要求的精度与耗时；三是如何加快新型算法的设计开发，随着新的成像硬件与人工智能芯片的出现，针对不同芯片与数据采集设备的计算机视觉算法的设计与开发也是挑战之一。

3.1.6生物特征识别

生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。从应用流程看，生物特征识别通常分为注册和识别两个阶段。注册阶段通过传感器对人体的生物表征信息进行采集，如利用图像传感器对指纹和人脸等光学信息、麦克风对说话声等声学信息进行采集，利用数据预处理以及特征提取技术对采集的数据进行处理，得到相应的特征进行存储。识别过程采用与注册过程一致的信息采集方式对待识别人进行信息采集、数据预处理和特征提取，然后将提取的特征与存储的特征进行比对分析，完成识别。从应用任务看，生物特征识别一般分为辨认与确认两种任务，辨认是指从存储库中确定待识别人身份的过程，是一对多的问题；确认是指将待识别人信息与存储库中特定单人信息进行比对，确定身份的过程，是一对一的问题。

生物特征识别技术涉及的内容十分广泛，包括指纹、掌纹、人脸、虹膜、指静脉、声纹、步态等多种生物特征，其识别过程涉及到图像处理、计算机视觉、语音识别、机器学习等多项技术。目前生物特征识别作为重要的智能化身份认证技术，在金融、公共安全、教育、交通等领域得到广泛的应用。下面将对指纹识别、人脸识别、虹膜识别、指静脉识别、声纹识别以及步态识别等技术进行介绍。

(1)指纹识别指纹识别过程通常包括数据采集、数据处理、分析判别三个过程。数据采集通过光、电、力、热等物理传感器获取指纹图像；数据处理包括预处理、畸变校正、特征提取三个过程；分析判别是对提取的特征进行分析判别的过程。

(2)人脸识别人脸识别是典型的计算机视觉应用，从应用过程来看，可将人脸识别技术划分为检测定位、面部特征提取以及人脸确认三个过程。人脸识别技术的应用主要受到光照、拍摄角度、图像遮挡、年龄等多个因素的影响，在约束条件下人脸识别技术相对成熟，在自由条件下人脸识别技术还在不断改进。

(3)虹膜识别虹膜识别的理论框架主要包括虹膜图像分割、虹膜区域归一化、特征提取和识别四个部分，研究工作大多是基于此理论框架发展而来。虹膜识别技术应用的主要难题包含传感器和光照影响两个方面：一方面，由于虹膜尺寸小且受黑色素遮挡，需在近红外光源下采用高分辨图像传感器才可清晰成像，对传感器质量和稳定性要求比较高；另一方面，光照的强弱变化会引起瞳孔缩放，导致虹膜纹理产生复杂形变，增加了匹配的难度。

(4)指静脉识别指静脉识别是利用了人体静脉血管中的脱氧血红蛋白对特定波长范围内的近红外线有很好的吸收作用这一特性，采用近红外光对指静脉进行成像与识别的技术。由于指静脉血管分布随机性很强，其网络特征具有很好的唯一性，且属于人体内部特征，不受到外界影响，因此模态特性十分稳定。指静脉识别技术应用面临的主要难题来自于成像单元。

(5)声纹识别声纹识别是指根据待识别语音的声纹特征识别说话人的技术。声纹识别技术通常可以分为前端处理和建模分析两个阶段。声纹识别的过程是将某段来自某个人的语音经过特征提取后与多复合声纹模型库中的声纹模型进行匹配，常用的识别方法可以分为模板匹配法、概率模型法等。

(6)步态识别步态是远距离复杂场景下唯一可清晰成像的生物特征，步态识别是指通过身体体型和行走姿态来识别人的身份。相比上述几种生物特征识别，步态识别的技术难度更大，体现在其需要从视频中提取运动特征，以及需要更高要求的预处理算法，但步态识别具有远距离、跨角度、光照不敏感等优势。

3.1.7虚拟现实/增强现实

虚拟现实(VR)/增强现实(AR)是以计算机为核心的新型视听技术。结合相关科学技术，在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境。用户借助必要的装备与数字化环境中的对象进行交互，相互影响，获得近似真实环境的感受和体验，通过显示设备、跟踪定位设备、触力觉交互设备、数据获取设备、专用芯片等实现。

虚拟现实/增强现实从技术特征角度，按照不同处理阶段，可以分为获取与建模技术、分析与利用技术、交换与分发技术、展示与交互技术以及技术标准与评价体系五个方面。获取与建模技术研究如何把物理世界或者人类的创意进行数字化和模型化，难点是三维物理世界的数字化和模型化技术；分析与利用技术重点研究对数字内容进行分析、理解、搜索和知识化方法，其难点是在于内容的语义表示和分析；交换与分发技术主要强调各种网络环境下大规模的数字化内容流通、转换、集成和面向不同终端用户的个性化服务等，其核心是开放的内容交换和版权管理技术；展示与交换技术重点研究符合人类习惯数字内容的各种显示技术及交互方法，以期提高人对复杂信息的认知能力，其难点在于建立自然和谐的人机交互环境；标准与评价体系重点研究虚拟现实/增强现实基础资源、内容编目、信源编码等的规范标准以及相应的评估技术。

目前虚拟现实/增强现实面临的挑战主要体现在智能获取、普适设备、自由交互和感知融合四个方面。在硬件平台与装置、核心芯片与器件、软件平台与工具、相关标准与规范等方面存在一系列科学技术问题。总体来说虚拟现实/增强现实呈现虚拟现实系统智能化、虚实环境对象无缝融合、自然交互全方位与舒适化的发展趋势。

3.1.8人工智能技术发展趋势

综上所述，人工智能技术在以下方面的发展有显著的特点，是进一步研究人工智能趋势的重点。

(1)技术平台开源化开源的学习框架在人工智能领域的研发成绩斐然，对深度学习领域影响巨大。开源的深度学习框架使得开发者可以直接使用已经研发成功的深度学习工具，减少二次开发，提高效率，促进业界紧密合作和交流。国内外产业巨头也纷纷意识到通过开源技术建立产业生态，是抢占产业制高点的重要手段。通过技术平台的开源化，可以扩大技术规模，整合技术和应用，有效布局人工智能全产业链。谷歌、百度等国内外龙头企业纷纷布局开源人工智能生态，未来将有更多的软硬件企业参与开源生态。

(2)专用智能向通用智能发展目前的人工智能发展主要集中在专用智能方面，具有领域局限性。随着科技的发展，各领域之间相互融合、相互影响，需要一种范围广、集成度高、适应能力强的通用智能，提供从辅助性决策工具到专业性解决方案的升级。通用人工智能具备执行一般智慧行为的能力，可以将人工智能与感知、知识、意识和直觉等人类的特征互相连接，减少对领域知识的依赖性、提高处理任务的普适性，这将是人工智能未来的发展方向。未来的人工智能将广泛的涵盖各个领域，消除各领域之间的应用壁垒。

(3)智能感知向智能认知方向迈进人工智能的主要发展阶段包括：运算智能、感知智能、认知智能，这一观点得到业界的广泛认可。早期阶段的人工智能是运算智能，机器具有快速计算和记忆存储能力。当前大数据时代的人工智能是感知智能，机器具有视觉、听觉、触觉等感知能力。随着类脑科技的发展，人工智能必然向认知智能时代迈进，即让机器能理解会思考。

3.2人工智能产业现状及趋势

人工智能作为新一轮产业变革的核心驱动力，将催生新的技术、产品、产业、业态、模式，从而引发经济结构的重大变革，实现社会生产力的整体提升。麦肯锡预计，到2025年全球人工智能应用市场规模总值将达到1270亿美元，人工智能将是众多智能产业发展的突破点。

通过对人工智能产业分布进行梳理，提出了人工智能产业生态图，主要分为核心业态、关联业态、衍生业态三个层次，如图3所示。

下面将重点对核心业态包含的智能基础设施建设、智能信息及数据、智能技术服务、智能产品四个方面展开介绍，并总结人工智能行业应用及产业发展趋势。

3.2.1智能基础设施

智能基础设施为人工智能产业提供计算能力支撑，其范围包括智能传感器、智能芯片、分布式计算框架等，是人工智能产业发展的重要保障。

(1)智能芯片

智能芯片从应用角度可以分为训练和推理两种类型。从部署场景来看，可以分为云端和设备端两步大类。训练过程由于涉及海量的训练数据和复杂的深度神经网络结构，需要庞大的计算规模，主要使用智能芯片集群来完成。与训练的计算量相比，推理的计算量较少，但仍然涉及大量的矩阵运算。目前，训练和推理通常都在云端实现，只有对实时性要求很高的设备会交由设备端进行处理。

按技术架构来看，智能芯片可以分为通用类芯片(CPU、GPU、FPGA)、基于FPGA的半定制化芯片、全定制化ASIC芯片、类脑计算芯片(IBMTrueNorth)。另外，主要的人工智能处理器还有DPU、BPU、NPU、EPU等适用于不同场景和功能的人工智能芯片。

随着互联网用户量和数据规模的急剧膨胀，人工智能发展对计算性能的要求迫切增长，对CPU计算性能提升的需求超过了摩尔定律的增长速度。同时，受限于技术原因，传统处理器性能也无法按照摩尔定律继续增长，发展下一代智能芯片势在必行。未来的智能芯片主要是在两个方向发展：一是模仿人类大脑结构的芯片，二是量子芯片。智能芯片是人工智能时代的战略制高点，预计到2022年人工智能芯片全球市场规模将突破百亿美元。

(2)智能传感器

智能传感器是具有信息处理功能的传感器。智能传感器带有微处理机，具备采集、处理、交换信息等功能，是传感器集成化与微处理机相结合的产物。智能传感器属于人工智能的神经末梢，用于全面感知外界环境。各类传感器的大规模部署和应用为实现人工智能创造了不可或缺的条件。不同应用场景，如智能安防、智能家居、智能医疗等对传感器应用提出了不同的要求。未来，随着人工智能应用领域的不断拓展，市场对传感器的需求将不断增多，2022年市场规模有望突破4600亿美元。未来，高敏度、高精度、高可靠性、微型化、集成化将成为智能传感器发展的重要趋势。

(3)分布式计算框架

面对海量的数据处理、复杂的知识推理，常规的单机计算模式已经不能支撑。所以，计算模式必须将巨大的计算任务分成小的单机可以承受的计算任务，即云计算、边缘计算、大数据技术提供了基础的计算框架。目前流行的分布式计算框架如OpenStack、Hadoop、Storm、Spark、Samza、Bigflow等。各种开源深度学习框架也层出不穷，其中包括TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、Leaf、Theano、DeepLearning4、Lasagne、Neon等等。

3.2.2智能信息及数据

信息数据是人工智能创造价值的关键要素之一。我国庞大的人口和产业基数带来了数据方面的天生优势。随着算法、算力技术水平的提升，围绕数据的采集、分析、处理产生了众多的企业。目前，在人工智能数据采集、分析、处理方面的企业主要有两种：一种是数据集提供商，以提供数据为自身主要业务，为需求方提供机器学习等技术所需要的不同领域的数据集；另一种是数据采集、分析、处理综合性厂商，自身拥有获取数据的途径，并对采集到的数据进行分析处理，最终将处理后的结果提供给需求方进行使用。对于一些大型企业，企业本身也是数据分析处理结果的需求方。

3.2.3智能技术服务

智能技术服务主要关注如何构建人工智能的技术平台，并对外提供人工智能相关的服务。此类厂商在人工智能产业链中处于关键位置，依托基础设施和大量的数据，为各类人工智能的应用提供关键性的技术平台、解决方案和服务。目前，从提供服务的类型来看，提供技术服务厂商包括以下几类：

(1)提供人工智能的技术平台和算法模型。此类厂商主要针对用户或者行业需求，提供人工智能技术平台以及算法模型。用户可以在人工智能平台之上，通过一系列的算法模型来进行人工智能的应用开发。此类厂商主要关注人工智能的通用计算框架、算法模型、通用技术等关键领域。

(2)提供人工智能的整体解决方案。此类厂商主要针对用户或者行业需求，设计和提供包括软、硬件一体的行业人工智能解决方案，整体方案中集成多种人工智能算法模型以及软、硬件环境，帮助用户或行业解决特定的问题。此类厂商重点关注人工智能在特定领域或者特定行业的应用。

(3)提供人工智能在线服务。此类厂商一般为传统的云服务提供厂商，主要依托其已有的云计算和大数据应用的用户资源，聚集用户的需求和行业属性，为客户提供多类型的人工智能服务；从各类模型算法和计算框架的API等特定应用平台到特定行业的整体解决方案等，进一步吸引大量的用户使用，从而进一步完善其提供的人工智能服务。此类厂商主要提供相对通用的人工智能服务，同时也会关注一些重点行业和领域。

需要指出的是，上述三类角色并不是严格区分开的，很多情况下会出现重叠，随着技术的发展成熟，在人工智能产业链中已有大量的厂商同时具备上述两类或者三类角色的特征。

3.2.4智能产品

随着制造强国、网络强国、数字中国建设进程的加快，在制造、家居、金融、教育、交通、安防、医疗、物流等领域对人工智能技术和产品的需求将进一步释放，相关智能产品的种类和形态也将越来越丰富。

3.2.5人工智能行业应用

人工智能与行业领域的深度融合将改变甚至重新塑造传统行业，本节重点介绍人工智能在制造、家居、金融、交通、安防、医疗、物流行业的应用，由于篇幅有限，其它很多重要的行业应用在这里不展开论述。

(1)智能制造

智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。智能制造对人工智能的需求主要表现在以下三个方面：一是智能装备，包括自动识别设备、人机交互系统、工业机器人以及数控机床等具体设备，涉及到跨媒体分析推理、自然语言处理、虚拟现实智能建模及自主无人系统等关键技术。二是智能工厂，包括智能设计、智能生产、智能管理以及集成优化等具体内容，涉及到跨媒体分析推理、大数据智能、机器学习等关键技术。三是智能服务，包括大规模个性化定制、远程运维以及预测性维护等具体服务模式，涉及到跨媒体分析推理、自然语言处理、大数据智能、高级机器学习等关键技术。例如，现有涉及智能装备故障问题的纸质化文件，可通过自然语言处理，形成数字化资料，再通过非结构化数据向结构化数据的转换，形成深度学习所需的训练数据，从而构建设备故障分析的神经网络，为下一步故障诊断、优化参数设置提供决策依据。

(2)智能家居

参照工业和信息化部印发的《智慧家庭综合标准化体系建设指南》，智能家居是智慧家庭八大应用场景之一。受产业环境、价格、消费者认可度等因素影响，我国智能家居行业经历了漫长的探索期。至2010年，随着物联网技术的发展以及智慧城市概念的出现，智能家居概念逐步有了清晰的定义并随之涌现出各类产品，软件系统也经历了若干轮升级。

智能家居以住宅为平台，基于物联网技术，由硬件(智能家电、智能硬件、安防控制设备、家具等)、软件系统、云计算平台构成的家居生态圈，实现人远程控制设备、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行为数据为用户提供个性化生活服务，使家居生活安全、节能、便捷等。例如，借助智能语音技术，用户应用自然语言实现对家居系统各设备的操控，如开关窗帘(窗户)、操控家用电器和照明系统、打扫卫生等操作；借助机器学习技术，智能电视可以从用户看电视的历史数据中分析其兴趣和爱好，并将相关的节目推荐给用户。通过应用声纹识别、脸部识别、指纹识别等技术进行开锁等；通过大数据技术可以使智能家电实现对自身状态及环境的自我感知，具有故障诊断能力。通过收集产品运行数据，发现产品异常，主动提供服务，降低故障率。还可以通过大数据分析、远程监控和诊断，快速发现问题、解决问题及提高效率。

(3)智能金融

人工智能的飞速发展将对身处服务价值链高端的金融业带来深刻影响，人工智能逐步成为决定金融业沟通客户、发现客户金融需求的重要因素。人工智能技术在金融业中可以用于服务客户，支持授信、各类金融交易和金融分析中的决策，并用于风险防控和监督，将大幅改变金融现有格局，金融服务将会更加地个性化与智能化。智能金融对于金融机构的业务部门来说，可以帮助获客，精准服务客户，提高效率；对于金融机构的风控部门来说，可以提高风险控制，增加安全性；对于用户来说，可以实现资产优化配置，体验到金融机构更加完美地服务。人工智能在金融领域的应用主要包括：智能获客，依托大数据，对金融用户进行画像，通过需求响应模型，极大地提升获客效率；身份识别，以人工智能为内核，通过人脸识别、声纹识别、指静脉识别等生物识别手段，再加上各类票据、身份证、银行卡等证件票据的OCR识别等技术手段，对用户身份进行验证，大幅降低核验成本，有助于提高安全性；大数据风控，通过大数据、算力、算法的结合，搭建反欺诈、信用风险等模型，多维度控制金融机构的信用风险和操作风险，同时避免资产损失；智能投顾，基于大数据和算法能力，对用户与资产信息进行标签化，精准匹配用户与资产；智能客服，基于自然语言处理能力和语音识别能力，拓展客服领域的深度和广度，大幅降低服务成本，提升服务体验；金融云，依托云计算能力的金融科技，为金融机构提供更安全高效的全套金融解决方案。

(4)智能交通

智能交通系统(IntelligentTrafficSystem，ITS)是通信、信息和控制技术在交通系统中集成应用的产物。ITS借助现代科技手段和设备，将各核心交通元素联通，实现信息互通与共享以及各交通元素的彼此协调、优化配置和高效使用，形成人、车和交通的一个高效协同环境，建立安全、高效、便捷和低碳的交通。例如通过交通信息采集系统采集道路中的车辆流量、行车速度等信息，信息分析处理系统处理后形成实时路况，决策系统据此调整道路红绿灯时长，调整可变车道或潮汐车道的通行方向等，通过信息系统将路况推送到导航软件和广播中，让人们合理规划行驶路线。通过不停车收费系统(ETC)，实现对通过ETC入口站的车辆身份及信息自动采集、处理、收费和放行，有效提高通行能力、简化收费管理、降低环境污染。

ITS应用最广泛的地区是日本，其次是美国、欧洲等地区。中国的智能交通系统近几年也发展迅速，在北京、上海、广州、杭州等大城市已经建设了先进的智能交通系统；其中，北京建立了道路交通控制、公共交通指挥与调度、高速公路管理和紧急事件管理等四大ITS系统；广州建立了交通信息共用主平台、物流信息平台和静态交通管理系统等三大ITS系统。

(5)智能安防

智能安防技术是一种利用人工智能对视频、图像进行存储和分析，从中识别安全隐患并对其进行处理的技术。智能安防与传统安防的最大区别在于智能化，传统安防对人的依赖性比较强，非常耗费人力，而智能安防能够通过机器实现智能判断，从而尽可能实现实时地安全防范和处理。

当前，高清视频、智能分析等技术的发展，使得安防从传统的被动防御向主动判断和预警发展，行业也从单一的安全领域向多行业应用发展，进而提升生产效率并提高生活智能化程度，为更多的行业和人群提供可视化及智能化方案。用户面对海量的视频数据，已无法简单利用人海战术进行检索和分析，需要采用人工智能技术作专家系统或辅助手段，实时分析视频内容，探测异常信息，进行风险预测。从技术方面来讲，目前国内智能安防分析技术主要集中在两大类：一类是采用画面分割前景提取等方法对视频画面中的目标进行提取检测，通过不同的规则来区分不同的事件，从而实现不同的判断并产生相应的报警联动等，例如：区域入侵分析、打架检测、人员聚集分析、交通事件检测等；另一类是利用模式识别技术，对画面中特定的物体进行建模，并通过大量样本进行训练，从而达到对视频画面中的特定物体进行识别，如车辆检测、人脸检测、人头检测(人流统计)等应用。

智能安防目前涵盖众多的领域，如街道社区、道路、楼宇建筑、机动车辆的监控，移动物体监测等。今后智能安防还要解决海量视频数据分析、存储控制及传输问题，将智能视频分析技术、云计算及云存储技术结合起来，构建智慧城市下的安防体系。

(6)智能医疗

人工智能的快速发展，为医疗健康领域向更高的智能化方向发展提供了非常有利的技术条件。近几年，智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、药物开发等方面发挥重要作用。

在辅助诊疗方面，通过人工智能技术可以有效提高医护人员工作效率，提升一线全科医生的诊断治疗水平。如利用智能语音技术可以实现电子病历的智能语音录入；利用智能影像识别技术，可以实现医学图像自动读片；利用智能技术和大数据平台，构建辅助诊疗系统。

在疾病预测方面，人工智能借助大数据技术可以进行疫情监测，及时有效地预测并防止疫情的进一步扩散和发展。以流感为例，很多国家都有规定，当医生发现新型流感病例时需告知疾病控制与预防中心。但由于人们可能患病不及时就医，同时信息传达回疾控中心也需要时间，因此，通告新流感病例时往往会有一定的延迟，人工智能通过疫情监测能够有效缩短响应时间。

在医疗影像辅助诊断方面，影像判读系统的发展是人工智能技术的产物。早期的影像判读系统主要靠人手工编写判定规则，存在耗时长、临床应用难度大等问题，从而未能得到广泛推广。影像组学是通过医学影像对特征进行提取和分析，为患者预前和预后的诊断和治疗提供评估方法和精准诊疗决策。这在很大程度上简化了人工智能技术的应用流程，节约了人力成本。

(7)智能物流

传统物流企业在利用条形码、射频识别技术、传感器、全球定位系统等方面优化改善运输、仓储、配送装卸等物流业基本活动，同时也在尝试使用智能搜索、推理规划、计算机视觉以及智能机器人等技术，实现货物运输过程的自动化运作和高效率优化管理，提高物流效率。例如，在仓储环节，利用大数据智能通过分析大量历史库存数据，建立相关预测模型，实现物流库存商品的动态调整。大数据智能也可以支撑商品配送规划，进而实现物流供给与需求匹配、物流资源优化与配置等。在货物搬运环节，加载计算机视觉、动态路径规划等技术的智能搬运机器人(如搬运机器人、货架穿梭车、分拣机器人等)得到广泛应用，大大减少了订单出库时间，使物流仓库的存储密度、搬运的速度、拣选的精度均有大幅度提升。

3.2.6人工智能产业发展趋势

从人工智能产业进程来看，技术突破是推动产业升级的核心驱动力。数据资源、运算能力、核心算法共同发展，掀起人工智能第三次新浪潮。人工智能产业正处于从感知智能向认知智能的进阶阶段，前者涉及的智能语音、计算机视觉及自然语言处理等技术，已具有大规模应用基础，但后者要求的“机器要像人一样去思考及主动行动”仍尚待突破，诸如无人驾驶、全自动智能机器人等仍处于开发中，与大规模应用仍有一定距离。

(1)智能服务呈现线下和线上的无缝结合

分布式计算平台的广泛部署和应用，增大了线上服务的应用范围。同时人工智能技术的发展和产品不断涌现，如智能家居、智能机器人、自动驾驶汽车等，为智能服务带来新的渠道或新的传播模式，使得线上服务与线下服务的融合进程加快，促进多产业升级。

(2)智能化应用场景从单一向多元发展

目前人工智能的应用领域还多处于专用阶段，如人脸识别、视频监控、语音识别等都主要用于完成具体任务，覆盖范围有限，产业化程度有待提高。随着智能家居、智慧物流等产品的推出，人工智能的应用终将进入面向复杂场景，处理复杂问题，提高社会生产效率和生活质量的新阶段。

(3)人工智能和实体经济深度融合进程将进一步加快

党的报告提出“推动互联网、大数据、人工智能和实体经济深度融合”，一方面，随着制造强国建设的加快将促进人工智能等新一代信息技术产品发展和应用，助推传统产业转型升级，推动战略性新兴产业实现整体性突破。另一方面，随着人工智能底层技术的开源化，传统行业将有望加快掌握人工智能基础技术并依托其积累的行业数据资源实现人工智能与实体经济的深度融合创新。

3.3安全、伦理、隐私问题

历史经验表明新技术常常能够提高生产效率，促进社会进步。但与此同时，由于人工智能尚处于初期发展阶段，该领域的安全、伦理、隐私的政策、法律和标准问题值得关注。就人工智能技术而言，安全、伦理和隐私问题直接影响人们与人工智能工具交互经验中对人工智能技术的信任。社会公众必须信任人工智能技术能够给人类带来的安全利益远大于伤害，才有可能发展人工智能。要保障安全，人工智能技术本身及在各个领域的应用应遵循人类社会所认同的伦理原则，其中应特别关注的是隐私问题，因为人工智能的发展伴随着越来越多的个人数据被记录和分析，而在这个过程中保障个人隐私则是社会信任能够增加的重要条件。总之，建立一个令人工智能技术造福于社会、保护公众利益的政策、法律和标准化环境，是人工智能技术持续、健康发展的重要前提。为此，本章集中讨论与人工智能技术相关的安全、伦理、隐私的政策和法律问题。

3.3.1人工智能的安全问题

人工智能最大的特征是能够实现无人类干预的，基于知识并能够自我修正地自动化运行。在开启人工智能系统后，人工智能系统的决策不再需要操控者进一步的指令，这种决策可能会产生人类预料不到的结果。设计者和生产者在开发人工智能产品的过程中可能并不能准确预知某一产品会存在的可能风险。因此，对于人工智能的安全问题不容忽视。

与传统的公共安全(例如核技术)需要强大的基础设施作为支撑不同，人工智能以计算机和互联网为依托，无需昂贵的基础设施就能造成安全威胁。掌握相关技术的人员可以在任何时间、地点且没有昂贵基础设施的情况下做出人工智能产品。人工智能的程序运行并非公开可追踪，其扩散途径和速度也难以精确控制。在无法利用已有传统管制技术的条件下，对人工智能技术的管制必须另辟蹊径。换言之，管制者必须考虑更为深层的伦理问题，保证人工智能技术及其应用均应符合伦理要求，才能真正实现保障公共安全的目的。

由于人工智能技术的目标实现受其初始设定的影响，必须能够保障人工智能设计的目标与大多数人类的利益和伦理道德一致，即使在决策过程中面对不同的环境，人工智能也能做出相对安全的决定。从人工智能的技术应用方面看，要充分考虑到人工智能开发和部署过程中的责任和过错问题，通过为人工智能技术开发者、产品生产者或者服务提供者、最终使用者设定权利和义务的具体内容，来达到落实安全保障要求的目的。

此外，考虑到目前世界各国关于人工智能管理的规定尚不统一，相关标准也处于空白状态，同一人工智能技术的参与者可能来自不同国家，而这些国家尚未签署针对人工智能的共有合约。为此，我国应加强国际合作，推动制定一套世界通用的管制原则和标准来保障人工智能技术的安全性。

3.3.2人工智能的伦理问题

人工智能是人类智能的延伸，也是人类价值系统的延伸。在其发展的过程中，应当包含对人类伦理价值的正确考量。设定人工智能技术的伦理要求，要依托于社会和公众对人工智能伦理的深入思考和广泛共识，并遵循一些共识原则：

一是人类利益原则，即人工智能应以实现人类利益为终极目标。这一原则体现对人权的尊重、对人类和自然环境利益最大化以及降低技术风险和对社会的负面影响。在此原则下，政策和法律应致力于人工智能发展的外部社会环境的构建，推动对社会个体的人工智能伦理和安全意识教育，让社会警惕人工智能技术被滥用的风险。此外，还应该警惕人工智能系统作出与伦理道德偏差的决策。例如，大学利用机器学习算法来评估入学申请，假如用于训练算法的历史入学数据(有意或无意)反映出之前的录取程序的某些偏差(如性别歧视)，那么机器学习可能会在重复累计的运算过程中恶化这些偏差，造成恶性循环。如果没有纠正，偏差会以这种方式在社会中永久存在。

二是责任原则，即在技术开发和应用两方面都建立明确的责任体系，以便在技术层面可以对人工智能技术开发人员或部门问责，在应用层面可以建立合理的责任和赔偿体系。在责任原则下，在技术开发方面应遵循透明度原则；在技术应用方面则应当遵循权责一致原则。

其中，透明度原则要求了解系统的工作原理从而预测未来发展，即人类应当知道人工智能如何以及为何做出特定决定，这对于责任分配至关重要。例如，在神经网络这个人工智能的重要议题中，人们需要知道为什么会产生特定的输出结果。另外，数据来源透明度也同样非常重要。即便是在处理没有问题的数据集时，也有可能面临数据中隐含的偏见问题。透明度原则还要求开发技术时注意多个人工智能系统协作产生的危害。

权责一致原则，指的是未来政策和法律应该做出明确规定：一方面必要的商业数据应被合理记录、相应算法应受到监督、商业应用应受到合理审查；另一方面商业主体仍可利用合理的知识产权或者商业秘密来保护本企业的核心参数。在人工智能的应用领域，权利和责任一致的原则尚未在商界、政府对伦理的实践中完全实现。主要是由于在人工智能产品和服务的开发和生产过程中，工程师和设计团队往往忽视伦理问题，此外人工智能的整个行业尚未习惯于综合考量各个利益相关者需求的工作流程，人工智能相关企业对商业秘密的保护也未与透明度相平衡。

3.3.3人工智能的隐私问题

人工智能的近期发展是建立在大量数据的信息技术应用之上，不可避免地涉及到个人信息的合理使用问题，因此对于隐私应该有明确且可操作的定义。人工智能技术的发展也让侵犯个人隐私(的行为)更为便利，因此相关法律和标准应该为个人隐私提供更强有力的保护。已有的对隐私信息的管制包括对使用者未明示同意的收集，以及使用者明示同意条件下的个人信息收集两种类型的处理。人工智能技术的发展对原有的管制框架带来了新的挑战，原因是使用者所同意的个人信息收集范围不再有确定的界限。利用人工智能技术很容易推导出公民不愿意泄露的隐私，例如从公共数据中推导出私人信息，从个人信息中推导出和个人有关的其他人员(如朋友、亲人、同事)信息(在线行为、人际关系等)。这类信息超出了最初个人同意披露的个人信息范围。

此外，人工智能技术的发展使得政府对于公民个人数据信息的收集和使用更加便利。大量个人数据信息能够帮助政府各个部门更好地了解所服务的人群状态，确保个性化服务的机会和质量。但随之而来的是，政府部门和政府工作人员个人不恰当使用个人数据信息的风险和潜在的危害应当得到足够的重视。

人工智能语境下的个人数据的获取和知情同意应该重新进行定义。首先，相关政策、法律和标准应直接对数据的收集和使用进行规制，而不能仅仅征得数据所有者的同意；其次，应当建立实用、可执行的、适应于不同使用场景的标准流程以供设计者和开发者保护数据来源的隐私；再次，对于利用人工智能可能推导出超过公民最初同意披露的信息的行为应该进行规制。最后，政策、法律和标准对于个人数据管理应该采取延伸式保护，鼓励发展相关技术，探索将算法工具作为个体在数字和现实世界中的人。这种方式使得控制和使用两者得以共存，因为算法人可以根据不同的情况，设定不同的使用权限，同时管理个人同意与拒绝分享的信息。

本章节所涉及的安全、伦理和隐私问题是人工智能发展面临的挑战。安全问题是让技术能够持续发展的前提。技术的发展给社会信任带来了风险，如何增加社会信任，让技术发展遵循伦理要求，特别是保障隐私不会被侵犯是亟需解决的问题。为此，需要(制订)合理的政策、法律、标准基础，并与国际社会协作。在制订政策、法律和标准时，应当摆脱肤浅的新闻炒作和广告式的热点宣传，必须促进对人工智能技术产品更深层地理解，聚焦这一新技术给社会产生重大利益的同时也带来的巨大挑战。作为国际社会的重要成员，中国对保障人工智能技术应用在正确的道路上、基于正确的理由得到健康发展担负重要的责任。

3.4人工智能标准化的重要作用

当今，经济全球化和市场国际化深入发展，标准作为经济和社会活动的主要技术依据，已成为衡量国家或地区技术发展水平的重要标志、产品进入市场的基本准则、企业市场竞争力的具体体现。标准化工作对人工智能及其产业发展具有基础性、支撑性、引领性的作用，既是推动产业创新发展的关键抓手，也是产业竞争的制高点。人工智能标准的先进与完善与否，关系到产业的健康发展、以及产品国际市场竞争力的强弱。

美国、欧盟、日本等发达国家高度重视人工智能标准化工作。美国的《国家人工智能研究与发展策略规划》，欧盟的“人脑计划”，日本实施的“人工智能/大数据/物联网/网络安全综合项目”，均提出围绕核心技术、顶尖人才、标准规范等强化部署，力图抢占新一轮科技主导权。我国高度重视人工智能标准化工作。在国务院《新一代人工智能发展规划》中将人工智能标准化作为重要支撑保障，提出要“加强人工智能标准框架体系研究。坚持安全性、可用性、互操作性、可追溯性原则，逐步建立并完善人工智能基础共性、互联互通、行业应用、网络安全、隐私保护等技术标准。加快推动无人驾驶、服务机器人等细分应用领域的行业协会和联盟制定相关标准”。工信部在《促进新一代人工智能产业发展三年行动计划(2018-2022年)》中指出，要建设人工智能产业标准规范体系，建立并完善基础共性、互联互通、安全隐私、行业应用等技术标准；同时构建人工智能产品评估评测体系。

我国虽然在人工智能领域虽然具备了良好基础，语音识别、视觉识别、中文信息处理等核心技术实现了突破，也具有巨大的应用市场环境，但整体发展水平仍落后于发达国家，在核心算法、关键设备、高端芯片、重大产品与系统等方面差距较大，适应人工智能发展的基础设施、政策法规、标准体系亟待完善。

综上分析，更应重视人工智能标准化工作对于促进技术创新、支撑产业发展具有的重要引领作用：

(一)标准化工作有利于加快人工智能技术创新和成果转化。现阶段人工智能技术发展迅速，市场上逐步出现了可规模化、可商业化的产品和应用，需要以标准化的手段固化技术成果，实现快速创新推广；

(二)标准化工作有助于提升人工智能产品和服务质量。如市场上出现的人脸识别系统、智能音箱、服务机器人等产品，质量残次不齐，需要标准的统一规范，并配合以开展符合性测试评估的方式，提升产品和服务质量；

(三)标准化工作有助于切实保障用户安全。例如自动驾驶领域的“电车难题”伦理难题、苹果手机指纹泄露用户隐私等问题，引起了人们的广泛关注。如何保护用户权益是难点也是重点，这需要通过建立以人为本的原则，制定相关安全标准规范，确保智能系统遵从并服务于人类伦理，并确保信息安全；

智能制造系统的特征范文篇4

【关键词】声纹识别；智能建筑；智能化系统

1前言

随着我国城镇化的快速发展，我国建筑业产值持续增长，屡创新高，同时也带动了智能建筑的高速发展。智能建筑满足了人类对建筑舒适性、安全性、便利性和节能性的要求，使建筑不再是一堆冷冰冰的钢筋混凝土，而是具有感知、传输、记忆、推理、判断和决策的综合智慧能力，形成以人、建筑、环境互为协调的整合体，为人们提供安全、高效、便利及可持续发展功能环境的建筑[1]。判断、感知是智能建筑的基本要素，是实现安全性、便利性的基本途径。智能建筑中身份识别主要采用智能卡、生物识别两种方式，智能卡因其价格便宜、符合人们使用习惯等特点仍被大面积的使用，但卡片一旦遗失或者被盗，就很容易被他人冒用，产生安全隐患。而生物识别技术具有极高防伪性、唯一性、不易复制和伪造、随身“携带”随身可用等优点，将在智能建筑中大规模的应用并最终取代传统身份识别技术。声纹识别技术作为主要的生物识别技术之一，因其显著的特点及优势，已被应用于国防、军事、金融等领域，但在智能建筑领域仍极少应用。为了使智能建筑具备更丰富的判断手段，更进一步提高建筑对身份识别的准确性、灵活性，拓展智能建筑新功能，本文将初步探讨声纹识别技术在智能建筑中的应用，以期为智能建筑中生物识别技术的应用提供新的思路。

2声纹识别技术的概述

2.1声纹识别技术基本概念

声纹是指用电声学仪器显示的携带语音信息的声波频谱，包含了说话人生理、心理以及行为特征的语音参数[2~3]。人类说话或发声是通过语言中枢和发声器官相结合的生物、物理的复杂过程，人们在说话时会用到舌头、喉头、鼻腔、肺等发声器官，发声器官和声道个体间的差异性很大，这些为先天性的差异。个体的发音习惯、身体健康状况也存在很大差异，这些为后天性差异。说话人之间先天性和后天性的差异导致了每个人的声波频谱的唯一性，利用这一特性，我们就能判别不同人的声音或判断是否是同一人的声音。声纹识别技术就是基于这些信息来搜索人类身份的一种生物识别技术。根据实际应用范畴，可分为以下两类[4~5]：（1）声纹辨认：给定一个目标说话人集合，包含所有用户的语音特征序列，将待测语音从说话人集合的用户中辨认出来，从而鉴别出说话人，是一个“多选一”的选择问题。（2）声纹确认：声纹确定是一个“一对一”的过程，即通过待测试的语音来鉴别确定是否来自其所声明的目标说话人。根据实际应用场景，包括以下两类[5]：（1）说话人检测：即检测目标说话人是否在某段语音中出现。（2）说话人追踪：即以时间为索引，实时检测每段语音所对应的说话人。

2.2声纹识别的基本原理及系统结构

声纹识别的基本原理是通过计算机的理解能力提取说话人语音信号所携带的个性特征，根据一定准则与数据库中的训练模型进行匹配、鉴别或确认出说话人的身份[4]。声纹识别主要包括说话人模型训练、测试语音识别两个阶段，整个过程由特征提取、模型训练、模型库建立、打分判决等组成，声纹识别系统框图如图1所示.2.3声纹识别技术的特点声纹识别与其他生物特征相比，具有一些特殊的优势[2~5]：（1）声纹提取简单、便捷，可在无声无息中完成，使用者接受度高；（2）成本低廉，只需麦克风、声卡等设备即可进行声音信号的采集，无需像指纹、人脸、虹膜等识别技术需要昂贵的传感器或扫描设备；（3）适合远程身份确认，只需通过手机、PAD或麦克风等就可以通过网络实现远程身份识别；（4）相较于其他生物识别技术，声纹识别算法复杂度低；（5）与语音识别技术相结合，可使声纹口令动态变化，能有效的防止复制和剽窃，大幅提高系统安全性。同时，提供一种人机交互模式，并可构建具有声纹识别功能的分权限语音控制系统。

3声纹识别技术在智能建筑中的应用

声纹识别作为一种重要的、具有广阔发展、应用前景及优势明显的生物识别技术，可极大的提高智能建筑的感知、判断、决策能力，应更广泛的、更大规模的应用于智能建筑中。以下将结合智能建筑各智能化子系统及声纹识别的特点，探讨声纹识别技术在智能建筑中的具体应用。

3.1在出入口控制系统中的应用

出入口控制系统应能根据建筑物的使用性能和安全防范管理要求，对需要控制的各类出入口，按各种不同的通行对象及其准入级别，对其进、出实施控制与管理，并应具有报警功能[6]。声纹识别属于出入口控制系统所规定的人体生物特征信息识别，符合并适用于出入口控制系统。现有的出入口控制系统通常采用智能卡、指纹、密码作为身份识别的方式，少部分项目会采用人脸、虹膜、掌纹识别方式。但以上方式均有不同程度的缺点。采用密码的方式则被他人盗用的隐患更大，只能用于安全级别要求不高的场所。常用的人脸、虹膜、掌纹、指纹等生物识别方式则存在系统造价高、采集设备昂贵等缺点，并且这些方式采集的是人体固有生理特征，降低使用者的接受度。声纹识别技术可解决现有身份验证方式存在的问题，可为系统增加新的功能及身份验证方式。声纹识别自然解决了携带不便问题，可防止冒充、伪造、盗用情况的发生，并且采集方便，造价低廉。同时，声纹识别属于行为特征，不涉及使用者隐私，易于接受。并且可根据项目的安全防范级别，结合语音识别技术，采用动态声纹口令方式，大幅提高系统的安全性。结合语音识别技术，可使出入口控制系统具备人机交互能力，可增加防尾随、防胁迫、自动报警等功能，如在紧急情况下，使用者可说出预定的语句，系统照常开门的同时自动发出报警，既保障了使用者的安全又及时的发出了报警。

3.2在访客管理系统中的应用

在新建写字楼项目中，为了提高物业的管理水平、增加大楼的安全性，提升用户的舒适度及便利性，提高使用效率，访客管理系统已经得到了广泛的应用。访客管理系统可完成访客预约管理、快速通道闸控制的功能。3.2.1访客预约及管理访客预约及管理一般是采用智能卡、二维码、条形码等作为身份验证的方式，以上方式通常会带来卡片、纸片回收问题，增加运营成本，而且效率及便利性较差，并且存在多人共用卡片、二维码或条形码的情况，不便于访客的登记和管理。声纹识别技术则可很好的解决以上问题，访客可提前远程预约并录入语音信息，系统完成声纹采集后，访客便可以在授权期内进入大楼。声纹识别的应用免除了临时卡、二维码、条形码的发放，提高了访客的便利性，提高了访客预约及管理系统的效率，并且杜绝了多人共用情况的发生。3.2.2快速通道闸控制快速通道闸一般设置于写字楼首层大堂电梯厅出入口，对进出写字楼的人员进行管理和控制。根据使用者可划分为常驻员工、访客、临时员工、管理人员等。对于常驻员工、管理人员，系统可提前采集声纹信息并实时设置用户权限，当常驻员工、管理人员离职，可即刻取消相应的权限。对于临时员工、访客，可远程采集声纹信息并录入系统，授予相应时间段的权限。可提高管理者效率、提高使用者便利性。

3.3在建筑设备监控系统中的应用

声纹识别技术远程身份确认、与语音识别技术结合后的动态验证、提供人机交互能力的特殊优势，非常适用于建筑设备的智能控制，具体应用如下：3.3.1智能家居系统的控制家庭成员录入声纹信息并设置好权限后，可通过智能手机、PAD、电脑等方式远程的进行身份的识别，并通过语音控制家里的电视、空调、洗衣机等电器设备、照明灯具、窗帘等各种设备的运行。3.3.2酒店宴会厅、会议室、总裁办公室的智能控制酒店宴会厅、会议室、总裁办公室根据使用性质的不同，设备的控制可能需仅对部分人授权，声纹识别系统即满足身份验证，又提供便捷的人机交互方式，非常的适用于该类应用。3.3.3办公建筑的智能控制办公建筑的使用人员相对固定，人员行为习惯具有规律性，可采用声纹识别技术，通过设置于建筑内的拾音设备，使整个建筑成为一个具备语音感知能力智能建筑。建立大楼的声纹识别系统，实时采集人员的声纹信息并分析人员的活动规律、工作作息等行为数据，并以这些数据为基础，优化建筑内的照明、空调、送排风等系统，达到更加舒适、节能、高效的效果，使建筑成为真正具备“思考”能力智能控制系统。

4总结与展望

本文对声纹识别的基本概念、基本原理、系统结构及特点进行了叙述，根据声纹识别的特点结合智能建筑的建设要求及现有技术的应用情况，探讨了声纹识别技术在智能建筑中的几种应用方式。声纹识别技术相较于传统身份验证技术及其他生物识别技术具有非常显著的优势，可以预见，该技术的应用可大幅提升建筑的智能化程度，使智能建筑的判断、感知、决策等能力得到整体的提高。希望本文能为声纹识别技术在智能建筑中的应用提供些许新思路，促进声纹识别技术更大范围、更大规模的应用于智能建筑。

参考文献

[1]中华人民共和国住房和城乡建设部.《智能建筑设计标准》（GB50314-2015）[S].2015，11.

[2]李文.智慧家庭中声纹识别技术的研究与实现[D].沈阳：东北大学，2012.

[3]付浩楠.声纹识别在声控系统中的研究与实现[D].哈尔滨：黑龙江大学，2012.

[4]裴鑫.声纹识别系统关键技术研究[D].哈尔滨：哈尔滨理工大学，2014.

[5]郑方，李蓝天，等.声纹识别技术及其应用现状[J].信息安全研究，2016，2（1）：44~57.

智能制造系统的特征范文篇5

关键词：智能变电站；智能视觉系统；环境监控

智能变电站是电网智能化调度、用电、配电、变电、输电和发电的关键，是智能化电网中调整变换电压、控制电力流向、分配接受电能的电力重要设施，是智能化电网业务流、信息流和电力流的汇集点[1]。网络通信高速平台是智能变电站信息传输的基础，通过采集、传感技术取得设备与智能电网运行时静态、动态和暂态的数据，按照全景在线监测的要求，对智能电网运行自动监管，实现外部与变电站的互动协同，提高智能电网的综合效率、可用性和可靠性，是智能化电网实现互动化、自动化和信息化的保障基础。

1智能变电站智能视觉系统的设计及实现

1.1设备监控子系统

设备监控子系统利用红外热像仪获取智能变电设备的红外图像，利用光电荷耦合器件获取智能变电设备的可见光图像。红外图像可以提供运行设备的现场运行状态，不能提供位置信息，不能对故障、巡检设备定位；可见光图像可以提供运行设备的外观、位置、轮廓等数据。

设计时利用图像融合技术和特征匹配技术，将智能变电设备的红外图像和可见光图像相结合，既可以发现变电设备现场运行故障和问题，如电动故障、外部机械故障、过热缺陷、漏油、损伤等；又可以实现对故障、巡检设备定位，为检修人员提供故障先兆、事故隐患的有关数据，从而实现对智能变电设备的在线诊断。特征匹配技术的内容包括：（1）描述和提取特征。使用特征变换尺度不变算法，描述和提取智能变电设备红外图像和可见光图像的特征点。在提取特征阶段，采用空间尺度极值检测算法建立空间尺度，初步确定特征点的尺度和位置，计算出空间尺度的特征点，特征点的信息包括方向、尺度和位置。（2）使用EMD相似性度量函数对描述提取的特征选择相应的度量函数，进行匹配。（3）几何变换。通过随机采样一致性算法选取几何变换模型，利用匹配向量对几何模型的变换参数进行估计。

1.2环境监控子系统

由于远观距离的图像质量较差、室外环境较复杂、背景和目标存在变化等，传统的监控环境系统跟踪算法和目标检测精确度较低，误报和漏报现象较多。智能环境监控子系统设计时，运用机器学习算法和视觉跟踪技术，提高智能变电站运行的安全性。智能环境监控子系统能在智能变电站的运行范围之内自动跟踪、识别移动物体，如自动预警、跟踪、识别小动物和非法入侵人员。

粒子滤波算法基于对密度概率点团的描述，将视觉跟踪作为空间状态估计问题，利用算法进行处理，这类问题聚焦于设备动态下的特征向量，便于向量处理大量的多维数据，使用融合后的数据描述相关信息。在粒子滤波算法的应用中，粒子退化现象严重阻碍粒子滤波算法的发展。设计时应当采用高斯过程回归模型作为粒子滤波算法的建议分布，减少粒子退化现象，提高鲁棒性。

在视觉跟踪技术的基础上，增加对人的异常行为分析技术和视频摘要技术，可以实现对检修人员现场行为的在线监控和自动识别，保证视频摘要的完整性，减少数据存储压力，便于用户检索和查询。

1.3门禁子系统

电网中传统的身份识别方法如身份证、密码和钥匙等，具有局限性，易被破解、易被伪造、易丢失，不能满足智能变电站关于安全性的要求。智能视觉系统中的门禁子系统是利用人的行为特征或心理特征识别技术，对个人身份进行鉴定，作为进入智能变电站、接地变室、电容器室、高压室和主控室等的重要凭证。智能门禁子系统主要利用人体生理特征，如虹膜、人脸和指纹。

虹膜识别技术对人产生的干扰较少，每个人有各自的虹膜结构，没有遗传性，因此虹膜识别极易适用于生物识别。人脸识别技术是通过比较、分析个体人脸视觉信息特征进行个体身份识别，包括面部认证、面部识别、图像预处理、人脸定位、图像摄取等，能够实现高精度、快速的个体身份认证。指纹识别技术是通过比较、分析个体指纹不同的特征进行个体身份鉴别，如指纹曲率、方向、短纹、分叉点、结合点、终点和起点等，广泛应用到安全防卫、电子商务、银行、军队和政府等多个领域。智能门禁子系统可以通过各种识别技术提高智能变电站的安全性和可靠性。

1.4系统信息平台

智能设备监控子系统、环境监控子系统和门禁子系统都通过一个系统信息化平台实现智能化联动。系统信息化平台与远方控制之间可以实现数据传输，支持远方智能控制。系统信息平台的主要功能是整合智能设备监控子系统、环境监控子系统和门禁子系统等子系统的资源，从而对智能变电站设备的正常运行和环境状态进行实时、在线监控，以此实现智能变电站的可靠、稳定和安全运行。

2结束语

智能变电站为智能化电网提供可靠的支撑节点，采用先进的传感采集技术和数据高级分析处理手段，实现对变电站内各个设备的智能化管理[2]。为了进一步加强智能变电站运行时的可靠性、稳定性和安全性，本文从智能视觉系统的三大方面分析设计技术及实现，智能视觉系统其他方面的研究仍值得广大学者深入探讨。

参考文献

[1]洪鸣.基于智能变电站的继电保护分析[J].中国电业（技术版），2012（14）.

智能制造系统的特征范文篇6

关键词：机电一体化技术、概念、特征、应用发展。

中图分类号：TU85文献标识码：A文章编号：

一、机电一体化的概念及特征：

机电一体化是指在机构得主功能、动力功能、信息处理功能和控制功能上引进电子技术，将机械装置与电子化设计及软件结合起来所构成的系统的总称。

机电一体化发展至今也已成为一门有着自身体系的新型学科，随着科学技术的不但发展，还将被赋予新的内容。但其基本特征可概括为：机电一体化是从系统的观点出发，综合运用机械技术、微电子技术、自动控制技术、计算机技术、信息技术、传感测控技术、电力电子技术、接口技术、信息变换技术以及软件编程技术等群体技术，根据系统功能目标和优化组织目标，合理配置与布局各功能单元，在多功能、高质量、高可靠性、低能耗的意义上实现特定功能价值，并使整个系统最优化的系统工程技术。由此而产生的功能系统，则成为一个机电一体化系统或机电一体化产品。

因此，“机电一体化”涵盖“技术”和“产品”两个方面。只是，机电一体化技术是基于上述群体技术有机融合的一种综合技术，而不是机械技术、微电子技术以及其它新技术的简单组合、拼凑。这是机电一体化与机械加电气所形成的机械电气化在概念上的根本区别。机械工程技术有纯技术发展到机械电气化，仍属传统机械，其主要功能依然是代替和放大的体力。但是发展到机电一体化后，其中的微电子装置除可取代某些机械部件的原有功能外，还能赋予许多新的功能，如自动检测、自动处理信息、自动显示记录、自动调节与控制自动诊断与保护等。即机电一体化产品不仅是人的手与肢体的延伸，还是人的感官与头脑的眼神，具有智能化的特征是机电一体化与机械电气化在功能上的本质区别。

二、机电一体化的发展

机电一体化是机械、微电子、控制、计算机、信息处理等多学科的交叉融合，其发展和进步有赖于相关技术的进步与发展，其主要发展方向有智能化、系统化、微型化、模块化、网络化和绿色化.

纵观国内外机电一体化的发展现状和高新技术的快速发展动向，机电一体化技术将朝着以下几个方向发展

1.智能化智能化是机电一体化与传统机械自动化的主要区别之一,也是21世纪机电一体化的发展方向。近几年,处理器速度的提高和微机的高性能化、传感器系统的集成化与智能化为嵌入智能控制算法创造了条件,有力地推动着机电一体化产品向智能化方向发展。智能机电一体化产品可以模拟人类智能,具有某种程度的判断推理、逻辑思维和自主决策能力,从而取代制造工程中人的部分脑力劳动。

2.系统化

系统化的表现特征之一就是系统体系结构进一步采用开放式和模式化的总线结构。系统可以灵活组态,进行任意的剪裁和组合,同时寻求实现多子系统协调控制和综合管理。表现特征之二是通信功能大大加强,一般除RS232等常用通信方式外,实现远程及多系统通信联网需要的局部网络正逐渐被采用。未来的机电一体化更加注重产品与人的关系,如何赋予机电一体化产品以人的智能、情感、人性显得越来越重要。机电一体化产品还可根据一些生物体优良的构造研究某种新型机体,使其向着生物系统化方向发展。

3.微型化

微型机电一体化系统高度融合了微机械技术、微电子技术和软件技术,是机电一体化的一个新的发展方向。国外称微电子机械系统的几何尺寸一般不超过1cm3,并正向微米、纳米级方向发展。由于微机电一体化系统具有体积小、耗能小、运动灵活等特点,可进入一般机械无法进入的空间并易于进行精细操作,故在亚微米级的机械元件。

4.模块化

模块化也是机电一体化产品的一个发展趋势,是一项重要而艰巨的工程。由于机电一体化产品种类和生产厂家繁多,研制和开发具有标准机械接口、电气接口、动力接口、信息接口的机电一体化产品单元是一项复杂而重要的事,它需要制订一系列标准,以便各部件、单元的匹配和接口。机电一体化产品生产企业可利用标准单元迅速开发新产品,同时也可以不断扩大生产规模。

5.网络化

网络技术的飞速发展对机电一体化有重大影响,使其朝着网络化方向发展。机电一体化产品的种类很多,面向网络的方式也不同。由于网络的普及,基于网络的各种远程控制和监视技术方兴未艾,而远程控制的终端设备本身就是机电一体化产品。

6.绿色化

工业的发达使人们物质丰富、生活舒适的同时也使资源减少,生态环境受到严重污染,于是绿色产品应运而生。绿色化是时代的趋势,其目标是使产品从设计、制造、包装、运输、使用到报废处理的整个生命周期中,对生态环境无危害或危害极小,资源利用率极高。机电一体化产品的绿色化主要是指使用时不污染生态环境,报废时能回收利用。绿色制造业是现代制造业的可持续发展模式。我国发展“机电一体化”面临的形势和任务机电一体化工作主要包括两个层次一是用微电子技术改造传统产业其目的是节能、节材提高工效提高产品质量把传统工业的技术进步提高一步二是开发自动化、数字化、智能化机电产品促进产品的更新换代。

三．机电一体化技术的主要应用

机电一体化技术的主要应用领域越来越广泛，主要领域和范围在以下方面：

1.数控机床

数控机床及相应的数控技术经过40年的发展,在结构、功能、操作和控制精度上都有迅速提高,具体表现在:总线式、模块化、紧凑型的结构,即采用多CPU、多主总线的体系结构。开放性设计,即硬件体系结构和功能模块具有层次性、兼容性、符合接口标准,能最大限度地提高用户的使用效益。WOP技术和智能化。系统能提供面向车间的编程技术和实现二、三维加工过程的动态仿真,并引入在线诊断、模糊控制等智能机制。大容量存储器的应用和软件的模块化设计,不仅丰富了数控功能,同时也加强了CNC系统的控制功能。能实现多过程、多通道控制,即具有一台机床同时完成多个独立加工任务或控制多台和多种机床的能力,并将刀具破损检测、物料搬运、机械手等控制都集成到系统中去。系统的多级网络功能,加强了系统组合及构成复杂加工系统的能力。以单板、单片机作为控制机,加上专用芯片及模板组成结构紧凑的数控装置。

2.计算机集成制造系统(CIMS)

CIMS的实现不是现有各分散系统的简单组合,而是全局动态最优综合。它打破原有部门之间的界线,以制造为基干来控制“物流”和“信息流”,实现从经营决策、产品开发、生产准备、生产实验到生产经营管理的有机结合。企业集成度的提高可以使各种生产要素之间的配置得到更好的优化,各种生产要素的潜力可以得到更大的发挥。

3．柔性制造系统(FMS)

柔性制造系统是计算机化的制造系统,主要由计算机、数控机床、机器人、料盘、自动搬运小车和自动化仓库等组成。它可以随机地、实时地、按量地按照装配部门的要求,生产其能力范围内的任何工件,特别适于多品种、中小批量、设计更改频繁的离散零件的批量生产。

4．工业机器人

第1代机器人亦称示教再现机器人,它们只能根据示教进行重复运动,对工作环境和作业对象的变化缺乏适应性和灵活性;第2代机器人带有各种先进的传感元件,能获取作业环境和操作对象的简单信息,通过计算机处理、分析,做出一定的判断,对动作进行反馈控制,表现出低级智能,已开始走向实用化;第3代机器人即智能机器人,具有多种感知功能,可进行复杂的逻辑思维、判断和决策,在作业环境中独立行动,与第5代计算机关系密切。

综上所述，机电一体化的出现不是孤立的，它是许多科学技术发展的结晶，是社会生产力发展到一定阶段的必然要求。当然，与机电一体化相关的技术还有很多，并且随着科学技术的发展，各种技术相互融合的趋势将越来越明显，机电一体化技术的广阔发展前景也将越来越光明。

参考文献

李建勇机电一体化技术[M]北京科学出版社2004

李运华机电控制[M]北京航空航天大学出版社2003

芮延年机电一体化系统设计[M]北京机械工业出版社2004

王中杰余章雄柴天佑智能控制综述[J]基础自动化2006

智能制造系统的特征范文

〔关键词〕“互联网+”；图书馆；空间再造；多元复合；双向驱动；移动智能；协同创新

DOI：10.3969/j.issn.1008-0821.2016.03.016

〔中图分类号〕G258〔文献标识码〕A〔文章编号〕1008-0821（2016）03-0092-05

〔Abstract〕TheboomingofInternet+likesawingforlibraryspacedevelopment.However，opportunitiesalwaysbesidewithchallenges，anddevelopmentlivewithconstraints.Thispaperkeptafootholdonspace，inspectedseveralfactorssuchastechnology，waysofthinking，modeandmechanism，exploredandanalyzedmultivariatecompositestructureoflibraryspacereconstructionmode，varietyexpansionfunctionandcharacteristicsofmobileintelligentmode，andaddressedspacereconstructionbasedontheopenandintegratedarchitecture，theintensivedevelopmentoftransformation，anddouble-drivencollaborativeinnovation.Thepaperpresentedupdatedconcept，scientificpositioning，footholdonbasicunits，deepingthereform，internetstrategiesandinnovation-drivencountermeasures，boostinglibraryspacereconstructionmodeinnovationanddevelopmentviaInternet+environment.

〔Keywords〕Internet+；library；spacereconstruction；multicompound；bidirectionaldriven；mobileintelligence；collaborativeinnovation

“互联网+”（Internet+）在中国崛起，为“新常态”插上了腾飞翅膀，并以一种移动泛在交融创新的新兴空间力量及创新媒介迅速渗透融入社会各界与经济实体，不仅带来了空间格局变化，而且催生出众多新生态和新范式。图书馆在时势变革之时如何顺势而为，做好“+”字大文章，走出一条融合创新发展之路，是当下重要的理论与现实课题。本文立足空间视域，以透析“互联网+”影响因素为切入点，研究“互联网+”图书馆空间再造模式的基本特征、创新思路和构建策略，旨在为“互联网+”环境下图书馆空间再造模式创新（以下简称“创新”）提供理论参照和行动支持。

1“互联网+”环境下图书馆空间再造模式影响因素透视世界是物质的，而且是多样性统一，不同物质结合将有产生新物态新物种新空间的可能，成为生命不断进化发展的基因和不竭动力。“互联网+”就是在新信息时代下脱胎于传统互联网和移动通信，依托移动互联网、物联网、云计算、大数据以及4G、5G等新信息通讯技术支持，多学科多功能集成化合的新生态，具有基础性、跨界性、泛在性、融合性和创新性特征，富有广阔的应用空间和极强的外溢潜力。在此情势下，进行系统的疏理分析，勾勒其影响的范围与程度，是图书馆空间再造理论起点和现实依据。

11“互联网+”新技术兴起，引领图书馆空间技术升级“互联网+”开启了信息通信网络技术应用的新时代，实现了从单一工具向融合协同型创新的转型，“即应用上从面向网民个体到面向企业的拓展，从消费互联网到产业互联网的跃升。”[1]它所带来的深刻影响是使图书馆进入“大智移云”的新时代，推动了应用技术与空间格局的变革。一是新兴技术嵌入，促进图书馆空间技术转型。所谓技术嵌入，是空间概念，是指“互联网+”根据图书馆实际需要和服务特点，以基础平台为依托，以内容服务为核心，深入提供新一代信息网络和智能技术，最大化地扩散技术优势和释放溢出效应的历史过程。使图书馆借助于移动、物联、云计算和大数据等新技术新方法，加快对现有技术系统改造升级，推进信息化、网络化和数字化发展进程，提高信息知识服务智能化程度，为打造智慧图书馆奠定基础；二是方式转换融合，推进图书馆技术升级。技术嵌入必然引起方式转变。融合与嵌入仅是一字之差，但已是一个量变到质变的过程。融合即指交融一体，意味着“互图两网”链接合一，进入一个组织重组、技术整合与数据合流变量互动的新阶段。这对于“互联网+”而言不仅是新技术供给者，而且是技术创新的合作者和空间再造的战略伙伴。图书馆更是第一责任人，但单凭自身力量不够，还必须借助外力，通过资源整合和技术协同创新，形成合力，方能推动空间再造，真正形成“你中有我我中有你”新格局。

12“互联网+”新思维崛起，促进图书馆空间观念变革创新思维，指开放融合与协同创新的思维范式与“互联网+”技术精髓的有机结合，时下风生水起的“慕课”等一系列新业态无不是这种创新思维的产物。因此，以创新思维为突破口，转变发展方式，实现战略转型，是“创新”智慧和战略选择。一是“互联网+”跨界融合创新理念崛起，引发图书馆空间思维观念变革。首要一步须转变观念，破旧立新，确立创新理念。破旧就是突破观念“围城”束缚，扬弃一切不利于开放合作与协同创新的思想观念；立新就是创新思维，重构协同发展战略新理念，为图书馆空间再造提供思想武器；二是“互联网+”合作互动共赢新思维唱响，推动图书馆空间思维创新。“互联网+”本质是发展，具有与传统观念和思维不同特征，前提是连接，要义是融合，关键是互动，核心是以人为本，根本是创新，实质是实现“1+1>2”战略预期。总之，适应“互联网+”新思维，关键是打破习惯思维定势，增强空间价值意识，引入“互联网+”开放、互联、融合、大数据观念和思维方式，推动自身变革，重构图书馆空间合作共赢发展新理念和新思维。

13“互联网+”新模式凸显，催生图书馆空间结构转变模式，指一定专业领域要素构成与结构方式，是科学性、系统性、应用性有机结合，具有稳定、规范与可操作特征。“互联网+”是一个前缀式“复合”结构模式，就其本质而言，决非是数量叠加，而是一种异质化合与转型升华过程，对图书馆空间结构再造极具影响。首先是跨界复合利好。因为“某种活动型式蕴涵着最适价值（最优价值），这种型式或是在任何一个层次上最大限度地、或是在最多的层次上有利于接受者完形和思维结构系统的发展。”[2]在这种模式下，“互联网+”以独有的技术兼容性和功能利他性，将自身能量融注于图书馆，引发空间结构变革。图书馆借助于互联网新一代信息网络与智能技术，全面改革完善提升资源、知识、技术、服务、管理、开发系统，形成一个优势互补、协同创新、合作共赢的空间新生态；其次是融合催化重构。融合是重组变革的催化剂。“互联网+”与图书馆组合，具有战略合作意义，两相融合必将催生空间结构质变。一方面“互联网+”融入，改变了图书馆自繁自养传统空间格局，移动、云计算、大数据等多种新技术赋予图书馆空间改造与提升的合作平台；另一方面图书馆与“互联网+”整合，孵化繁衍出新的空间服务内容，如海量信息、云服务、移动图书馆、创客空间、阅读视听新体验、学习交流互动网络等，为空间重构与发展奠定基础。

14“互联网+”新机制形成，驱动图书馆空间体制重塑体制与机制属于组织制度范畴，就“互联网+”而言，体制是以合作为基础的根本保障制度，机制是由其派生出的带有规律性和功能性的运行方式，两者相互联系，彼此制约，辩证统一。其中，“以互联网为主的一整套信息技术（包括移动物联网、云计算、大数据技术等）在经济、社会生活各部门的扩散应用过程”[3]是其最根本的核心机制和动力之源，会对合作者产生深刻影响，以至触及并改造空间关系与结构方式。在此新环境下，图书馆原有体制的改革重构势在必然。一是呼唤开放合作新体制。进入互联网时代，图书馆已是“无围墙”的开放空间（OpenSpace），面对的是多主体、多功能、多预期共同参与开发的一体化社会大系统，迫切需要改革传统单一集中制，建立多元开放合作制。对外加强彼此对话、联盟协作，对内完善制度体系，加强外联，为空间再造提供体制保证；二是催生集约高效新机制。数字化、网络传送和海量数据是“互联网+”技术优势和贡献，融入图书馆空间，势必要求压缩时空距离，提升内涵存量，拓展开发疆域，优化技术服务系统。而所有这一切与机制转变和重构密不可分。目前现状是观念滞后，机制欠缺，严重影响图书馆空间再造与多样化发展，迫切需要树立集约高效发展理念，通过制度改革与技术创新，简化运行流程，提高工作服务效率，并形成长效机制，促进空间再造与发展。

2“互联网+”环境下图书馆空间再造模式关键特征阐释特征是事物的本质体现，是区别性标志。“创新”是一个以人为本、体制交融、资源共享、技术支撑、协同创新、合作共赢的历史过程，充满了历史必然和辩证法则，具有结构多元复合性、功能多样扩展性和方式移动智能性特征。

21结构多元复合性

所谓多元复合性，是指“互联网+”环境下图书馆合作主体多元性和结构形态复合性构成的模式框架特征。一是参与主体多元性。多元性是基于“互联网+”多样综合性与图书馆结合的空间特征，为空间要素的互补性和协同性奠定了客观基础。但空间涵盖的所有必要要素结合又不是孤立独行的，而是相互联动，彼此促进的，提供了空间结构协同推进制约条件；二是结构形态复合性与整体性契合。复合性是“创新”结构的外部显著特征，但透过外层看内核，复合是条件，整合才是根本，是要素，关系着体系有机化合与重构。与当前学界热议的“复合图书馆”概念，既有联系也有区别。联系表现在方式方法上具有共同之处，如注重传统与现代以及实体与虚拟的结合，使用户既品味“书香”又轻松驾乘网络体验“共享”，区别则体现在无论内涵、外延与层次都有所不同，总体看，一个是概念性框架；另一个是行动性计划。科学把握其结构特征的本质特征与辩证关系，对于增强空间再造思维科学性合理性和提高空间构建针对性和实效性具有重要理论与现实意义。

22功能多样扩展性

功能决定效能，堪称图书馆战略资源和空间生命。因此，增强完善模式的空间功能是“创新”之核心，其多样性与扩展性构成模式的外溢特征。一是多样性与传承性融通。多样性是图书馆空间发展的趋势，1989年美国学者雷・奥登伯格《绝好的地方》提出“第三空间”新命题，1992年美国爱荷华大学提出了“信息共享空间”（简称IC）新概念，从“藏书楼时代”到“数字图书馆时代”，历经由简到繁、由粗到精、由少到多的演化史。但历史无终结，发展也无止境。当下，“互联网+”将图书馆推上了空间功能拓展与再造的新阶段。未来，“图书馆将既是一座大楼，又是一个界面。”[4]而且还是一个集知识、信息、学习、交流、共享、创新和体验于一体，多功能协调发展的社会公共服务中心。这种变化不只是空间功能量级的递增，而且是历史传承和时间的持续发展，集中体现在传统实体性与现代虚拟性二度空间契合将成为未来图书馆空间发展阶段的“新常态”；二是扩展性与有效性统一。扩展性是“互联网+”关键功能和重要特征。从连接走向智能抵达智慧，技术起着驱动的核心作用。现将“互联网+××”新模式引入图书馆空间再造，不仅使“互联网+”扩展得到进一步体现与释放，而且也有助于转化为现实生产力，使图书馆空间格局与服务功能得到优化升级，成为有效推进空间完善且可持续发展的助推器。

23方式移动智能性

“互联网+”不仅实现服务功能与内容信息化、数字化和网络化，而且将极大改变发展方式，促进图书馆空间服务模式的转型升级。一是移动性。灵活多样便捷高效是移动技术的优势和特征，它让一切互联成为可能。图书馆与之结合，尤其是在“互联网+”环境下互联互通深度融合，无疑将进一步促进信息服务即时性，便携性与高效性，随时随地满足读者用户阅读、研究、交流甚至休闲等个体化需求，从而最大化地改变过去我们无论多么努力，大部分我们所提供的服务，还是没有被大多数人所利用的遗憾，有效拓宽图书馆服务空间领域；二是智能性。智能图书馆（简称IL），是在上世纪后期相继出现的“电子图书馆”、“数字图书馆”基础上演化生成的升级版新概念。眼下“互联网+”崛起，将进一步促进图书馆空间变革和发展。其中，方式的智能性将得到空前提升，借助“互联网+”移动通信网络+大数据挖掘整合+智能感应能力等综合技术优势，可以更好地编辑、存储、管理、检索和传输文献数据，为读者提供高度共享的信息资源和生态智能的学习交流环境，从而使图书馆服务空间更具柔性张力和个性魅力。

3“互联网+”环境下图书馆空间再造模式创新思路探索在全球化与网络化态势下，空间拓展与竞争日趋演绎为跨界战略。须从图书馆实际出发，更新观念，转变方式，以融合创新为主线，以构建智慧型空间体系为目标，形成空间再造战略新思路。

31以开放融合、一体构架为目标，重构图书馆空间新模式从传统经复合走向智慧是未来图书馆空间发展趋势，“互联网+”正进一步推动着这一历史进程。就空间模式再造与创新内涵而言，“其实是信息系统的互联互通和综合集成，集成程度越高，则智慧程度也越高。”[5]一是开放融合。现行的复合型图书馆相对传统已走出了开放融合的第一步，但与今天“互联网+”战略无论观念和技术都还存在差距或短板，如理论薄弱、体制壁垒、利益守护、资源占有和服务定向等，不同程度制约着图书馆空间改革与发展。“互联网+”则为图书馆突破传统束缚和现实壁垒提供了新思路，为再造开放融合升级版智慧型空间新模式开辟了前行道路；二是一体构建。即要推进“互联网+”与图书馆空间融合，增强协调性，加强系统性。这是一个涵盖时空与融和系统的整体构建，重点是以人为根本、以服务为导向、以整合为主线、以新一代信息网络移动多媒体数字化技术为依托、致力信息化、打造一体化、覆盖全空间（包括信息、知识、资源、技术、服务、学习、交流、研发、创新、共享、体验和休闲等空间）、形成以“互联网+”带图书馆促融合发展的一体化空间新格局。

32以转变方式、集约发展为主线，开启图书馆空间新格局空间是点、线、面、层、体的五维统一。相互关系确定空间前提，连接焦点决定空间方式，继而形成空间格局。一是转变方式。这是现实环境倒逼图书馆改革的结果。互联网持续发展加速了世界变革，也推动了图书馆发展。2012年，“易观国际集团”董事长于扬曾提出“今天世界上所有传统和服务都应该被互联网改变”论断。图书馆也不例外，变革重点是一切不适应“互联网+”战略的领域，其中，方式转变至关重要。目前，图书馆空间正处于转型发展的关键阶段，应以跨界融合为核心，以方式转向为关键，促进资源整合、结构升级、质量提升和空间模式重构，努力“挑战不可能”，在互联网驱动下不断创新服务技术和方式；二是集约发展。它是科技革命与知识经济时代的产物。今天，在“互联网+”环境下又赋予了新意，更加注重融合，更加强调协同合作与创新发展，推动集约化进程，促进空间再造。事实上，图书馆与其他机构最大区别特征是一个知识信息场域，并综合了众多学科、专业、行业、职业和产业。从这一意义而言，集约化不是身外之物，而是与生俱有之禀赋，在“互联网+”环境下，强调集约性，旨在开创图书馆相容、互动、互补、优化、高效、和谐、绿色的智慧空间新格局。

33以双向驱动、协同创新为动力，推动图书馆空间新发展图书馆空间“是一个正在发展的有机体。”[6]“互联网+”为其提供生长机遇和发展动力。图书馆顺势而为，必将迸发出内需活力。正是这“两力”融合，形成内外双向驱动力和协同创新力，成为图书馆空间再造模式创新的不竭动力。一是双向驱动。这是一种空间动力机制。历史证明，事物变化发展总是内外因素相互作用和合力作为的结果。客观决定存在，体系决定机制，机制产生动力。“创新”是一个互动发展的体系和过程，既离不开外生推力与拉力，如信息网络资源投入与技术支持，也离不开内生追力与活力，如引进技术，整合资源，盘活系统，提升服务。正是这种外联发展、内促增长、双向驱动的空间动力机制推动着“创新”与发展；二是协同创新。这是双向驱动合力创新的高级阶段。关键是遵循创新规律，优化空间再造创新模式，以开放合作平台，推进空间资源创新，特别是信息网络技术资源流动，实现全方位连接，深度融合共享，从整体上提升协同创新能力，为空间模式创新与发展提供持续的动力支持。

4“互联网+”环境下图书馆空间再造模式创新对策研究图书馆空间再造，是一项旨在变革传统推动空间发展的系统工程。国外在这方面起步较早，如加州大学图书馆《UCLALibraryStrategicPlan2012-2017》等都将数字空间构建纳入事业发展整体战略规划。从这一意义而言，借鉴学习必不可少，但照抄照搬决不可行，惟有创新，别无选择。

智能制造系统的特征范文篇8

关键词：智能水电站智能电网智能变电站IEC61850数字化

中图分类号：TV73文献标识码：A文章编号：1672-3791（2014）03（b）-0001-03

水利发电作为清洁能源，在我国能源结构中占有重要的地位，近年来，水电产业得到了飞速发展。常规水电站存在可靠性差，维护工作量大，通信规约种类繁多等诸多不足，各系统之间通信困难，易受电磁干扰等，已不能满足供电安全性和可靠性的要求，更不利于提高运行管理水平和自动化水平，严重影响了水电站的安全可靠运行。

智能变电站基于先进的互感器技术、通信技术和计算机技术，采用统一开放的IEC61850通信协议，实现了所有设备的无缝对接，提高了系统设备工作效率，保证了信息的可靠性、完整性和实时性。智能变电站具有无可比拟的优越性，水电站的智能化改造及建设势在必行[1]。

本文主要介绍智能变电站的基本结构，技术特点，分析IEC61850标准在智能变电站中的应用。针对国内外水电站的研究现状和特征，探讨基于IEC61850的智能水电站的建设，为今后水电站的智能化改造及建设提供借鉴。

1智能变电站的基本结构

智能变电站是坚强智能电网的重要基础和支撑，采用先进、可靠、集成、低碳、环保的智能设备，以先进的计算机技术，通信技术为基础，自动完成信息采集、测量、控制、保护、计量和监测等基本功能，并可根据需要支持电网实时自动控制、智能调节、在线分析决策、协同互动等高级应用功能[2]。高速以太网、非常规互感器、智能化开关技术以及IEC61850协议的应用，对智能变电站的体系结构产生了重大的影响。常规变电站分为站控层和间隔层两层，两层之间基本实现数字化通信，但通信标准较复杂，如RS485，串口，以太网等，协议之间转换较为复杂。智能变电站的系统结构继承了分层分布式变电站结构的优点，按照DL/T860标准，变电站分为三层，即站控层、间隔层和过程层，分别通过站控层网络和过程层网络进行通信。智能变电站体系结构如图1所示。

站控层包括后台主机，图形显示终端，自动化和通信对时等系统，完成数据采集和监视控制（SCADA），站域控制、广域控制、状态监测、智能话告警等高级功能。间隔层设备包括保护测控等二次设备，光纤通信取代了传统的硬接线，实现了二次系统网络化，过程层由变压器、断路器等一次设备及其智能组件构成，包括合并单元、智能终端、电压电流互感器等，共同完成电能的分配和变换等功能。

2智能变电站的技术特点

目前常规变电站自动化系统装置之间相对独立，缺乏整体的协调和功能优化，存在投资大，二次设备配合复杂、信息无法共享，缺乏统一的标准和规范，兼容性差，易受干扰等问题[3]。智能变电站采用统一的模式建立数据模型和功能模型，通信采用统一的IEC61850协议，数据间实现了无缝交换，信息的可靠性、完整性和实时性都能得到保证，采用光纤以太网通信，构建统一的信息共享平台，真正实现了变电站的数字化和信息化管理，具有诸多技术特征。

2.1一、二次设备

智能化变电站的显著的特点是一次设备智能化和二次设备网络化。采用智能单元和合并单元等装置，自动完成采样、分合闸、告警等功能，使一次设备真正智能化。用光纤代替常规站中的电缆，采用光纤传输采样值、开关量、控制命令等信息，不再出现常规功能装置重复的I/O现场接口。通过网络真正实现了数据共享，常规功能装置以逻辑功能模块的形式存在。

2.2系统建模标准化

为顺利实现一次设备智能化和二次设备网络化，国际电工委员会制定了IEC618

50标准，从模型、配置、通信服务、互操作方式、数据流程和格式各方面建立了一个智能化变电站的体系，通信的可靠性和实时性，系统的自动化水平都大幅提高，统一了各类厂家智能变电站产品的标准，以实现兼容性和互操作性，不同设备厂家使用了各自扩展的信息时也能保证设备之间的互操作性，减少重复建设和投资，提高了设备的利用效率。

2.3高级功能在智能变电站中的应用

智能变电站除了能完成变电站的基本功能之外，还可根据需要完成诸多高级功能，例如设备状态可视化，智能告警及分析决策，故障信息综合分析决策，支撑经济运行与优化控制，站域控制，与外部系统交互信息等。

2.3.1程序化操作

变电站程控操作是指站内智能设备按照操作票的执行顺序要求自动的完成操作票，并对其进行校验，无需操作人员的参与[5]。实际操作时只需要变电站内运行人员或调度运行人员根据操作要求选择一条顺控操作命令，操作票的执行和操作过程的校验由智能设备自动完成。

智能化变电站内实现了顺控操作，真正达到了无人值班，无人看守，无人直接参与的要求，达到变电站“减员增效”的目的[4]。同时通过顺控操作，操作人员无需直接参与操作过程，最大限度的保证了人员的安全。采用编程的方法，也最大限度地减少了操作失误，缩短操作时间，提高变电站的智能程度和安全运行水平。

2.3.2设备状态监测

智能变电站中，通过网络平台，可以准确地获取有效的电网运行状态数据、各种智能电子装置（IED）的故障和状态信息，将采集到的数据上传至站内数据平台，站控层负责变电站内各种监测数据的收集、可视化展示、分析，实现对主要设备的数字化控制、测量、记录、监视等，为电网设备全寿命周期综合优化管理提供基础数据的支撑，形成设备在线监测数据平台，通过成熟的电力设备故障诊断算法对设备故障进行诊断和评估分析，提出合理的运行方式和检修计划。

2.3.3故障综合分析决策及智能告警系统

系统发生事故时，会有大量信号上传，值班人员往往很难给出正确的判断。在智能变电站中，基于全站设备对象，建立状态和功能模型，建立故障信息综合分析决策及智能告警系统，在电网发生事故、保护动作、装置故障、异常报警等情况下，通过整合分析站内包括事件顺序记录信号、保护及故障录波等信号，进行推理判断并提供原因及处理方案。同时通过实时在线分析变电站运行状态，自动报告变电站异常并提出故障处理指导，实现基于管理、检修和实时运行一体化的告警系统。

3IEC61850标准体系

为实现智能变电站的高级应用，同时为解决不同厂家的不同智能电子设备的互操作性难题，国际电工委员会制定并出台了IEC61850通信标准。IEC61850标准建立了统一的信息建模体系，实现即插即用，自动配置，建立信息系统的有机配合，减少设备重复建设，实现资源节约，是实现智能变电站的核心技术之一。

IEC61850标准明确提出了面向对象的建模方法，提出信息分层，采用网络通信建立无缝通信系统，避免了复杂的协议转换，已成为无缝通信系统传输协议的基础，对智能变电站的建设和改造有着重要的指导作用。此外，IEC61850也在原有变电站自动化系统模型的基础上，向风能、水电、配电等其他领域拓展。

4智能化水电站

经过30多年的发展，我国水电站建设取得了诸多成绩，新建或改造电站普遍实现了无人值班或少人值守模式，国际先进水平的监控、保护和监测等自动化系统得到了广泛的应用，智能诊断等高级技术的研究和实际应用已取得了较好的成果，部分自动化系统也已实现信息化和数字化采集，水电站整体自动化水平已经达到或接近世界领先水平。但目前我国水电站中使用的通信规约种类繁多，各种自动化系统之间信息的通信困难，影响电厂的安全运行[6]。智能水电站是水电站发展的必然趋势，相对传统水电站来说，智能化水电站的转变不仅仅在二次系统的数字化，也不仅仅是计算机监控系统的升级，它涉及水电站各种机械、电气设备，以及各种新设备、新技术、新思路的应用，将使电站的运行管理模式出现较大的转变和提升。

智能水电站建立在集成、统一、可靠的软硬件平台基础上，通过应用先进的传感和测量技术自动获得电站运行和设备状况信息，采用可靠的控制方法、数据分析技术和智能化的决策支持技术，满足电网要求，实现水库与机组的安全经济运行，提高水电厂水能利用率，实现效益最大化。

4.1智能水电站的基本特征

智能水电站以数字化为基础，采用先进的传感技术，使用可靠的智能化电力设备、智能仪表和现场总线技术，将设备状态信息和控制信息数字化，以此作为智能电站的信息源，实现设备数字化管理。以计算机实时闭环监控系统、电站设备在线监测分析系统、生产和技术管理信息系统三大技术为保障，以电站设备数字化、信息共享网络化、数据应用智能化为特征，达到电站本质安全、效益最优、环境和谐、特征指标行业领先。电站设备数字化，信息共享网络化，是指要建设标准统一的数据信息网络平台，实现各自动化系统之间、系统与数据采集之间的互联，实现全厂跨安全分区的生产自动化系统、管理信息化系统等应用系统之间的数据统一交换与存储共享，达到“系统分散，数据集中”的要求。数据应用智能化，是指充分利用设备信息数据，辅助专家智能系统，通过在线仿真、智能趋势报警、远方监控等技术途径，实现对数据的智能应用，最终达到风险可预测、状态可控制、故障自修复，实现安全、经济、高效。

4.2IEC61850在智能水电站中的应用

随着智能变电站建设的不断推进，IEC61850在水利发电，风力发电中的相关标准也逐步出台。IEC于2007年8月颁布了IEC61850-7-410标准。该标准是IEC61850系列标准的一部分，对比智能变电站，智能水电站也分为三层结构，即站控层、间隔层和过程层。但水电站的机组情况千变万化，要远比变电站的间隔复杂，因此，智能水电站的层次划分和控制方式难度也较大[7]。在进行IED建模时，定义了需要附加的和水电站有关的公用数据种类、逻辑节点以及数据对象。包括与发电机的励磁系统有关的功能，与水轮机及附属设备有关的功能等。在逻辑节点K组，定义了与水流、大坝和水库控制与管理有关功能的对象，虽然是水电厂特殊的，这里定义的LN和DO也可以用于其它类型的公用水管理系统[8]。这些丰富的逻辑节点和数据对象，为智能水电站的配置提供了强大和灵活的工具。

IEC61850标准规定了智能水电站系统间和功能间的交换标准，进一步优化了为系统互联，设备间的互操作，彻底解决了水电站间规约复杂，通信困难，干扰严重的问题。

5结论

本文介绍了智能变电站的结构体系，技术特点，分析IEC61850标准在智能变电站中的应用。探讨基于IEC61850的智能水电站的建设，为今后水电站的智能化改造及建设提供借鉴。IEC61850标准以及智能变电站的发展为我国水电站的发展指明了方向，必将在我国水利发电站中发挥重大作用。

参考文献

[1]庞敏，李斌.数字化水电站监控系统软件研究[J].水电厂自动化，2008，29（1）：5-7.

PANGMin，LIBin.ResearchofDigitalMonitoringSystemSoftwareinDigitalHydropowerStation[J].HydropowerPlantAutomation，2008，29（1）：5-7.

[2]李孟超，王允平，李献伟，等.智能变电站及技术特点分析[J].电力系统保护与控制，2010（18）：59-62.

LIMeng-chao，WANGYun-ping，LIXian-wei，etc.Smartsubstationandtechnicalcharacteristicsanalysis[J].PowerSystemProtectionandControl，2010（18）：59-62

[3]杨卫星.智能变电站技术方案研究[D].浙江：浙江大学，2011.

YANGWei-xing.Theresearchofintelligentsubstationtechnologyprogram[D].ZHEJIANG：ZhejiangUniversity，2011.

[4]周勋甜.智能变电站的技术应用研究[D].浙江：浙江大学，2012.

ZHOUXun-tian.StudyonthetechnicalapplicationofIntelligentSubstation[D].ZHEJIANG：ZhejiangUniversity，2012.

[5]王晶晶，李群炬，刘巍，等.面向智能电网愿景的无人值班站科技应用若干思考[J].华北电力技术，2009（12）：18-20.

WANGJing-jing，LIQun-ju，LIUWei，etc.ConsiderationofUnattendedSubstationScientificApplicationforSmartGridVision[J].NORTHCHINAELECTRICPOWER，2009（12）：18-20.

[6]邓鹏.基于IEC61850的数字化水电站[D].武汉：华中科技大学，2006.

DENGPeng.AThesisSubmittedinPartialofFulfillmentofRequirements[D].WUHAN：HuazhongUniversityofScienceandTechnology，2006.

[7]王德宽.IEC61850及数字化水电厂的概念与前景[J].水电站机电技术，2010（3）：1-4.

WANGDe-kuan.IEC61850andtheconceptsandprospectsofdigitalHydropowerPlant[J].Mechanical&ElectricalTechniqueofHydropowerStation，2010（3）：1-4.

智能制造系统的特征范文

自2005年底教育部正式批准设置建筑电气与智能化专业以来，已经有40多所大学设置了建筑电气与智能化专业。由于专业开办历史短，缺乏专业沉淀，如何体现建筑电气及智能专业特色就成为相关学校关注和研究的热点问题。文章结合建筑节能的大环境和建筑电气及智能化专业的基础，对如何提升建筑电气与智能化专业的核心竞争力进行了探讨。

关键词：建筑节能；建筑电气及智能化专业；专业特色；学科研究

中图分类号：G420文献标志码：A文章编号：

10052909（2013）04000504

自2005年底教育部正式批准设置建筑电气与智能化专业以来，已经有40多所大学设置了建筑电气与智能化专业，在校生已达3000人，建筑电气与智能化已经成为土建一级学科下的五个二级学科之一。尽管建筑电气与智能化专业知识体系和学科基础与电气工程及其自动化、计算机科学与技术、建筑环境与设备工程、通信工程等其他专业学科有交汇重叠之处，但这些传统的专业

又无法完全涵盖和体现建筑电气与智能化的发展与特征；另一方面，在建筑领域，建筑电气与智能化技术的发展非常迅速，不仅对相关专业技术人才需求快速上升，而且也显示出区别于传统专业的技术特征，需要以学科的角度和专业的视野审视建筑电气与智能化技术的发展。正是这一发展趋势促使了建筑电气与智能化成为土建专业的二级学科，可以说该专业的设置，既体现了专业的发展需求，也填补了土建类专业的空缺。然而，由于建筑电气与智能化专业创办历史短，缺乏专业沉淀，而建筑电气与智能化专业又具有多学科交叉的特征，如何体现该专业不同于其他专业的特色，如何确定专业人才培养模式、专业教学内容和课程体系等，成为专业指导小组和开办该专业的学校关注和研究的热点问题。本文结合建筑节能的大环境和该专业的基础，对如何体现和提升建筑电气与智能化专业的核心竞争力进行了探讨，以期能够为该专业的发展提供一些有益的思路。

一、建筑节能和建筑电气与智能化专业的发展

（一）建筑节能是中国节能减排的重要内容

节能是当今世界经济发展的主题，是社会可持续发展的基本要求。工业的增长，城镇化进程的加快，人民生活水平不断提高，使得对能源、经济资源的需求更加迫切。目前，建筑耗能已与工业耗能、交通耗能并列，成为中国能源消耗的三大“耗能大户”。据中国国家统计局2010年8月的统计数据，2009年中国能源消费总量达30.66亿t标准煤，建筑用电和其他类型的建筑用能折合为电力，总计约为5500亿度/年。图1是2009年中国能耗构成示意图，由图可见，建筑能耗占全国社会终端电耗的比例达28%，而且普遍认为该比例非常保守。根据发达国家经验，随着城市化的推进，建筑能耗将超越工业、交通等其他行业而居于社会能源消耗的首位。按目前的能耗趋势，2022年建筑能耗将达到11亿t标准煤，相当于目前建筑能耗的三倍[1]。因此，建筑能耗不容小视，中国国家“十二五”规划明确要求完成17%的节能减排目标。要完成这一目标，有效降低建筑能耗是节能减排的重要内容，具有十分重要的意义。

（二）建筑节能和建筑电气与智能化专业优势

建筑能耗属于终端能耗，有效降低终端能耗，不仅可直接降低建筑能耗，而且对能源生产投资、改善环境具有更重要的意义。降低建筑终端能耗一般有几类基本措施：一是采用新型、高效节能设备，提高设备运行能效；二是改善建筑围护结构的保温隔热性能，减小能源损耗；三是优化设备运行方式，降低运行能耗；四是通过管理手段，合理使用建筑设备，直接减小能耗。

提高设备运行能效，开发新型高效节能设备，主要涉及设备制造专业领域；改善建筑围护结构的保温隔热性能是建筑节能的有效措施，主要涉及建筑规划专业领域。在建筑规划和设计阶段，充分考虑气候特征，采取相关措施，可获得较好的效果。由于改善建筑围护结构的保温隔热性能涉及建筑外观，涉及到既有建筑节能改造，会受到较多因素的制约。通过优化设备运行控制方式和管理技术降低建筑运行能耗，不仅可以应用于新建建筑，而且由于不涉及建筑立面和围护结构，是既有建筑节能改造最有效的措施，具有更广泛的实用性。这一类节能措施所涉及的技术领域包括建筑环境与设备、自动控制、电气自动化、信息等传统专业领域，跨专业特征明显。建筑环境与设备专业是建筑节能领域的主力，主要从营造建筑环境的角度研究、设计和配置建筑设备系统，开发与运用新型高效节能设备、新型能源是其关注重点，或者说建筑环境与设备专业侧重于建筑设备系统的静态设计，而在设备运行控制方面的技术基础则不足，往往无法独立实现建筑设备系统的运行控制。自动控制、电气自动化专业关注动态调节，对设备运行调节技术具有深入的研究，但由于对建筑设备运行物理过程的认识不够深入，通常需要由设备专业提供物理模型后再完成控制模型和实现设备运行控制。计算机、信息类专业关注信息传输与处理过程，在系统集成和信息处理领域具有优势，但同样由于对设备运行物理过程的认识不够深入，通常也无法独立完成建筑设备系统的优化运行与管理。

建筑电气与智能化专业教学体系强调建筑、电气、智能、信息、控制、设备等专业知识的教学[2-4]，跨专业特征明显。专业人才培养目标是具有多学科基础知识的复合型工程技术人才。通过优化设备运行控制和管理技术降低建筑运行能耗的方式都与该专业密切相关。因此把握国家对建筑节能的重视和引导趋势，充分发挥多学科交叉教学的优势，凸显专业技术特征是建筑电气及智能化专业不容错过的发展机遇。

二、建筑节能技术是建筑电气与智能化专业的核心竞争力

（一）智能化的管理与优化控制是建筑电气与智能化专业的优势

在建筑电气与智能化专业申报过程中，该专业的学科基础和发展方向一直是关注的重点，论及控制技术，已经有电气工程、自动化等学科；论及信息处理技术，已经有计算机科学与技术、通信工程等学科；论及建筑设备，已经有环境与设备工程等学科，如果仅考虑单一的学科基础，建筑电气与智能化专业都不具备与传统专业竞争的优势。但是如果综合考虑，特别是在建筑节能技术领域，通过优化设备运行控制方式和管理技术降低建筑运行能耗是国家倡导的主要发展方向。要实现建筑设备系统的优化运行与管理，既要以现代信息技术和控制技术为主导，同时还需要对建筑设备运行的物理过程进行深入研究，才能得到优化的节能控制策略和合理的技术管理方案。如前所述，在建筑节能技术领域，传统专业各自的优势非常突出，但不足也十分明显，它们通常无法独立完成建筑设备系统的节能优化运行与管理，而建筑电气与智能化专业恰恰能弥补其不足。在总结建筑电气与智能化专业特色时，对该专业学科的特征概括为“建筑设备是对象，自动控制是手段，信息技术是支柱，建筑环境是目标”[5]，这一特征充分体现了该专业的内涵，这也正是智能化管理与优化控制的本质需求。因此，在智能化管理与优化控制上具有优势的建筑电气与智能化专业，无论在人才培养，课程体系建设，还是专业研究方向都应围绕这一专业优势，兼收并蓄，把握建筑节能发展机遇，才能形成专业特色，提升专业核心竞争力。

（二）建筑设备是建筑电气与智能化专业的重要基础

建筑电气与智能化专业是在原建筑电气专业和电气自动化专业的基础上发展起来的。已设置建筑电气与智能化专业的学校，大部分也将该专业设置在电气自动化、自动控制、计算机等专业学科平台内。在人才培养方案和课程体系中，沿袭传统专业优势，但对建筑设备的重要性认识不足。如果单纯以培养“能够从事工业与民用建筑电气及智能化技术相关的工程设计、工程建设与管理、系统集成、信息处理等工作，并具有建筑电气与智能化技术应用研究和开发的初步能力”的人才为目的，这种设置无可厚非。但如果要形成建筑电气与智能化专业的核心竞争力，把握建筑节能给专业带来的良好机遇，如果缺乏对建筑设备运行物理过程的深入认识，很难真正在建筑设备智能化管理与优化控制领域形成竞争力。

目前，建筑节能技术领域仍然以有建筑环境与设备专业背景的研究团队为主导。尽管在智能化技术和控制领域，控制与信息类专业具有明显的技术优势，但在建筑设备智能化的管理与优化控制领域，控制和信息类专业仍然处于辅助地位。其主要原因还是在于控制和信息类专业背景的团队，对建筑设备运行的物理过程认识不足，无法独立开展系统的、整体的优化控制模式研究，或提供合适的基于智能化管理与优化控制的节能改造方案，因而仍然需要依靠建筑环境与设备专业提供物理模型，主导节能改造。例如，在建筑中央空调系统中，末端设备都具有换热器和送风机，但由于设备类型不同，其功能和运行模式不同，即便相同的设备，也由于空气处理要求不同，而具有不同的控制策略，因此只有对建筑设备运行的物理过程进行深入研究，才能得到优化的节能控制策略。换句话说，控制技术、信息技术在建筑节能工程应用中，是实现设备优化与节能运行的手段，核心的控制策略必须建立在对建筑设备运行机理的认识之上，亦即建筑设备是建筑电气与智能化专业的重要基础。

（三）暖通空调系统优化控制是建筑节能的重要内容

公共建筑能耗构成中，暖通空调系统能耗高达60%以上；其次是照明系统，通常二者所占能耗达80%以上。目前，对建筑照明系统，最有效节能措施是采用高效光源，采用智能控制和管理技术节能投入高，节能改造经济效益受到制约。暖通空调系统不仅能耗高，而且系统设备多，在不同的环境条件下，运行模式和控制策略也不尽相同，系统设备和参数之间往往具有多干扰、多参数耦合、滞后大的特征。尽管其节能优化一直是研究热点，但也一直存在较多需要解决和深入研究的问题。如果说建筑设备是建筑电气与智能化专业的重要基础，暖通空调系统的节能优化运行则是最具有研究前景的重要内容。

（四）以现代控制技术和信息处理技术研究建筑节能技术是建筑电气与智能化专业的核心内涵

建筑电气与智能化专业要求具有宽口径的知识结构，但如果没有核心内涵，专业就没有核心竞争力。现代技术发展趋势需要宽口径知识结构的人才，但只有依托某一专业核心内涵下的宽口径的知识结构，才能形成核心竞争力。因此，以现代控制技术和信息处理技术的角度研究建筑设备系统，研究建筑节能技术，往往会有不同的视野和思路，并具有广阔的研究空间，这也是建筑电气与智能化专业的优势和核心内涵。

例如将网络控制技术和信息处理技术应用于建筑中央空调系统，实现对中央空调系统智能化管理、优化运行控制、分户冷量计费等多种功能。在对中央空调系统设备运行模式深入研究的基础上，以系统优化运行为目标，在管理平台与现场控制器中嵌入设备相应的优化控制策略，可以获得更好的综合节能效益[6]，这种模式已经成为建筑节能领域的发展趋势。又例如，传统的暖通空调系统中，冷热源系统调节基本上采用以用户当前负荷的集中和滞后效应作为控制依据，不能很好地体现用户负荷变化的实际情况和保证所有用户的舒适性。控制模式的缺陷，已经成为进一步降低中央空调节能运行能耗的技术瓶颈。在应用网络控制技术后，获取中央空调系统末端设备运行和环境参数已没有技术障碍。如果能够直接根据这些参数，以更广阔的视野，以系统的角度研究中央空调系统节能优化控制策略，一定会形成有

别于传统控制模式的新思路。

三、结语

建筑电气与智能化专业规范明确指出，该专业以建筑这一特定的对象为核心，以建筑设备为对象，以现代控制技术、信息技术为主要手段，以建筑节能为主题，强电与弱电并重，设备与控制一体，以此为基础，开展相应的教学和科研。建筑节能是国家的发展战略，目前还有一系列技术问题需要解决。智能化的管理与优化控制是建筑电气与智能化专业的优势，也是建筑节能的重要内容。以现代控制技术和信息处理技术的角度研究建筑节能技术，既存在广阔的研究空间，更是建筑电气与智能化专业的优势和核心内涵，是形成该专业核心竞争力的基础。

参考文献：

[1]清华大学建筑节能研究中心.中国建筑节能年度发展研究报告[M].中国建筑工业出版社，2010.

[2]徐晓宁，等.智能建筑教学体系的探索与思考[J].高等建筑教育，2006，12（4）：82-85.

[3]黄民德.建筑电气与智能化专业教学体系的研究[J].吉林建筑工程学院学报，2012，29（6）：57-60.

[4]李界家，片锦香，郭彤颖，等.浅谈建筑电气与智能化专业自动控制原理课程建设[J].教育教学论坛，2012，（29）：53-54.

[5]徐晓宁，等.建筑电气与智能化专业应以建筑为基础[C]//《高等学校智能建筑教学与学术研讨会论文集》建筑工业出版社，2009.

[6]徐晓宁，等.基于网络控制的中央空调运行管理、控制与分户计费系统[J].建筑科学，2009，25（6）：65-67.

Corecompetitivenessofthebuildingelectricalandintelligentspecialty：buildingenergyefficiency

XUXiaoning，DINGYunfei，WUHuijun，YOUXiuhua，HAOHaiqing

（SchoolofCivilEngineering，GuangzhouUniversity，Guangzhou510006，P.R.China）

Abstract：

智能制造系统的特征范文篇10

【关键词】永久在线；智能终端；信令风暴

1.研究背景

随着智能终端的快速普及，以及无线通信技术的快速发展，使得移动互联网随之快速兴起，据Gartner公司的数据，2011年全球智能手机终端用户销量达到4.72亿部，在所有移动设备销量中占比为31%，同比增长58%。然而跟随终端出现的大量移动应用对网络的信令处理能力产生了巨大挑战。

根据SRG2011年数据，信令流量目前已经超过数据流量的30%到50%，而信令流量逐年的增速在70%远大于数据流量逐年增速的20%[1]，这意味着移动网络运营商在提供相同的数据接入能力时，需要付出更多的信令网络资源，而信令资源的消耗并不能为移动网络运营商带来收益。心跳包对信令资源的大量占用已经威胁到了网络的安全稳定运行。

心跳包对网络资源的占用主要包括无线接入承载（RAB）、用户承载上下文（PDP），以及长期占用公网IP地址等。主要由于以下两方面的原因加剧了信令资源的大量占用和浪费。

1.1大量永久在线应用

永久在线应用（Long-termonlineapplication，LOA）是指那些长时在线，并通过心跳包来维持连接的应用。这些应用有非常长的连接时间，但是平均流量非常少。

1.2终端快速休眠

当移动网络数据进行传输时，手机终端的电量会大量被消耗，而LOA每隔较短时间会向服务器发送“心跳包”以维护在线状态，目前大多移动智能终端为了提供更长时间的待机时间，智能终端在短时间内没有数据传输时释放连接，当后续再次有数据发送时再次建立连接。[2]这种“心跳包机制”和“快速休眠机制”导致无线连接反复建立释放，占用了大量移动网络信令资源，产生信令风暴。

本文将基于识别LOA技术，发现网络中的LOA和其心跳包，从而为解决信令风暴提供有效的数据依据。

2.解决方案

对LOA的探测面临着许多困难，首先，LOA长时间在线，意味着对于其状态的监测也需要维持较长时间，在当前核心网络设备中网络流数目爆炸式增长的背景下，长时间维护流状态是系统不可接受的负载；其次，使用抽样方法难以评估LOA的状态，由于LOA流量很小，甚至很长一段时间内没有流量产生，使用抽样方法无法确认该流的状态，从而也无法探测到LOA；最后，使用统计方法进行流量统计也会有较大的误差问题。由于LOA也有突发流量，统计方法给出的探测结果会受突发流量的影响而造成错判。这些特点给LOA的探测带来了巨大的挑战。

我们使用DPI深度包检测技术进行心跳包的检测。深度包检测（DeepPacketInspection，DPI）一直是网络测量中非常重要的技术手段，之前，DPI技术较多的应用在入侵检测系统（IntrusionDetectionSystem，IDS）中，近年来，随着网络服务提供商逐渐从“销售带宽”转向“销售服务”，DPI技术越来越多的被应用在控制识别用户行为中，从而实现网络服务提供商差异化服务的依据。DPI深度包检测技术需要维护一个应用特征数据库，当有数据包到来时，需要解包之后将包信息与后台特征数据库来进行对比从而确定应用的类型，因此需要根据新协议与新应用的产生而不断更新维护后台特征数据库。

2.1数据包采集

在对现有智能终端数据包采集文献的调研中，发现大多数文献中分析采用的智能终端数据包通过两种方法得到。第一种是通过在电脑端模拟智能终端客户端，然后使用Wireshark等数据包截取软件获得虚拟终端的数据包。第二种是使用计算机网卡建立无线网络链接，将智能终端连接到计算机网卡架设的无线网络上，再使用Wireshark在计算机上直接截取计算机与智能终端的通信数据包。这两种方法采集到的数据包均混杂有智能终端与计算机之间通信的数据，并且在模拟条件下智能终端行为与实际智能终端应用数据行为有偏差。因此，本文采用直接在智能终端上采集数据包的方法来避免上述偏差的产生。

2.2对心跳包进行初步分析

在使用Wireshark对LOA数据包进行分析的时候，我们发现，永久在线发送的心跳包一般会在比较固定的时间间隔内发送数据。正如之前我们看到的那样，Android下QQ约每隔300s向服务器发送一次心跳包，MSN大约150s向服务器发送一次心跳包，摩托罗拉系统应用大约每隔240s向服务器发送一次心跳包。

因此我们可以简单的通过对数据包到来时间间隔的统计来判定智能终端是否开启了LOA。在判断之前，我们首先需要得到数据到来的特征时间间隔。

我们通过算法，让程序自动探测数据包中存在的特征时间间隔。并将以特征时间间隔到来的数据包进行统计，以此判定LOA的状态。我们将每一条流中的前两次数据包到来的时间间隔作为第一个特征时间间隔。并以此来判定之后的数据包是否按照此时间间隔到来。若不按照此时间间隔，那么我们继续通过一定算法扩充时间间隔数据库。特征时间间隔法适用于LOA以固定时间间隔发送心跳包数据的情况。

在随后的实验中我们对两种方法进行了测试，对LOA的心跳包与非LOA的数据包到来的时间间隔进行了统计分析。在对msn，qq等LOA进行分析之后，我们发现在类似的LOA中固定的时间间隔十分明显，因此我们采用特征时间间隔的方法来对LOA进行探测是可行的。

3.系统验证与结论

对包含心跳包的LOA探测程序的输入为离线数据包，输出为此数据包中包含心跳包的流信息（包括数据包时间间隔，以及特征时间间隔，特征时间间隔到达次数，流中是否为心跳包流），和对数据包中是否存在包含心跳包的LOA的判别。输出结果储存在与离线数据包同名的txt文件中。

我们使用对采集到的共285MB，617种不同应用的不同行为数据包进行分析，LOA探测程序的探测结果进行分析。由于测试环境为Linux，使用了Shell编程对617种数据包进行一次性处理。

结果表明该系统可准确的判定包含心跳包的LOA，通过特征时间间间隔法，对每条流的时间间隔进行统计识别，最后达到了对包含心跳包的LOA的识别目的。测试的结果显示了高识别率和高正确率。[科]

【参考文献】

智能制造系统的特征范文篇11

1引言

所谓的工业技术4.0，是指利用物联信息系统将生产中的供应，制造，销售信息数据化、智慧化，最后达到快速，有效，个人化的产品供应。而在如今制造业开始逐步应用智能化技术的背景下，工业4.0的出现，则能更好的推动制造业智能化技术的发展。基于此，本文就工业4.0推动制造业智能化技术的发展进行了探讨，相信对有关方面的需要能有一定的帮助。

2智能技术系统

2.1三大技术发展加速催生新一代技术系统

进入21世纪以来，信息与通信技术取得了突破性进展，出现了如下3个重要的技术发展趋势。

(1)电子部件的微小型化。

随着超大规模集成电路技术的突破、电子设计自动化的广泛应用以及半导体工艺的迅速发展，新型微控制器和8核、16核等多核微处理器研发速度明显加快，新产品不断问世。这些新型电子部件具有集成度高、可靠性与性能价格比高、抗干扰能力强以及功耗低等优点;平行计算功能极大地提高了信息处理能力，为智能技术系统的研发创造了优越的硬件条件。

(2)软件成为创新的驱动力。

由于功能的增加、产品用户特定需求的增加、交付要求不断变化、不同技术学科和组织日益融合以及不同的公司间合作形式迅速变化等原因，工业产品及其相关的制造系统变得越来越复杂。特别是具有嵌入式软件的系统，其复杂性还在快速地增加，管理这样复杂的系统，其难度越来越大。

(3)工业生产系统网络化。

过去二十年，互联网很好地解决了人与人之间的互联互通，并颠覆了与人密切相关的一些传统行业。今后，随着技术的不断发展，互联网将要实现物与物的互联互通，进而实现信息世界与物理世界的融合，于是产生了物联网。工厂生产系统需要完成控制功能，为了将控制技术融入互联网，在将物理设备联网的同时，也要将计算与通信嵌入实物过程，并使其与实物过程密切互动，从而出现了信息物理融合系统，又称工业互联网，它将互联网的发展推向了新高度。

2.2智能技术系统的定义与特征

以上3个技术发展趋势加速了机电一体化系统的升级。新一代技术系统将以机械学、电气/电子学、控制工程、软件技术和新材料的紧密相互作用为基础，通过“嵌入式智能”产生一种超越机电一体化的新系统。

在这里，信息技术将与诸如认知科学、神经生物学和语言学等非技术学科相融合，跨学科融合不断研发出过去只是在生物系统中才使用的新的集成方法、技术和规范，使用这些方法、技术和规程可以将感知、认知和执行功能集成融入技术系统，这样的技术系统称作智能技术系统。

智能技术系统具有自动适配功能，适应力强，并且使用方便。同时，系统还具有节约资源、可进行直观操作以及可靠性高等特点。

通常，智能技术系统都具有如下主要特征。

适应性，即智能技术系统能够与所处的环境相互交互，并能自治地适应它们的运行模式。按照这种方式，在设计人员设定的框架内，智能技术系统能够在运行期间逐步完善，从而确保它们能够长期保持最佳使用状态。

坚固性，即智能技术系统能够在动态环境中灵活和自治地运行，甚至能够在开发设计者不希望或未曾预见到的环境中运行。系统能够处理不确定或者不足的信息，确保至少达到某种使用等级，满足各种要求。

可预期性，即以经验积累的知识为基础，智能技术系统能够预测未来的效果和可能的情况。按照这种方式，系统能够早期识别出风险，并能及时选择和执行适合的策略，迅速解决问题。这样一来，系统就能够更有效地实现目标。

用户友好性，即智能技术系统能够适应用户指定的特性，能与用户进行合理的交互。对用户而言，系统具有一定的理解能力。

3认知信息处理参考模型及其模块的研制

3.1非认知系统与认知系统

信息处理方法是推动机电一体化向智能技术系统升级的主要推动力。机电一体化系统与智能技术系统的信息处理方法是不同的。机电一体化系统在传感器和执行机构之间提供一种反应式和固定的耦合。而智能技术系统则类似于具有认知的生物，能够变更这些耦合。认知处理不会取代直接的和反应式耦合，它会与后者共存。认知系统和非认知系统的比较如图1所示。

3.2认知信息处理参考模型

如上所述，认知科学完全参照认知生物的行为，以此为基础创建了智能信息处理技术。因此，评价一个系统是否具有“智能“，应该看该技术系统是否具备如下3个特殊的特征：

(1)主动嵌入到环境中，并能够与所处的生产场景环境交换信息;

(2)借助周围环境与系统相关信息的内部表达，产生灵活的、与环境相适应的控制动作;

(3)具有学习和参与综合信息处理的能力。

3.3操作器-控制器智能模块的研制。

为了实现STRUBE认知信息处理3层模型，德国帕德博恩大学JugenGausemeier教授领导的研发人员开发了用于自寻最优系统的操作器-控制器模块。在这里，信息处理分成3级，即控制器、条件反射操作器和认知操作器。

控制器的主要任务是按照更优的方式控制基本系统的动态性能。其控制回路是获取测量信号和确定调节信号十分有效的链路，因此称它为“原动”回路。该级软件在硬实时条件下运行。大量控制器配置能够由控制器本身完成。

条件反射操作器的操作能够监视和指挥控制器。它不能直接访问系统的执行机构;但是它能够通过改变参数和结构，完成对控制器的修改。条件反射操作器本质上是面向事件的，它与控制器紧密相连，其按硬实时方式处理事件。

作为认知操作器的连接部件，条件反射操作器可以当作控制器和那些软实时或不能实时工作的部件之间的接口。它将进入的信号过滤，并将其送给下一级。条件反射操作器负责若干OCM之间的实时通信，这些OCM一起构成一个自寻最优控制系统。

认知操作器位于OCM的最高一级，系统能够采用各种方法(诸如学习方法、基于模型的最佳化方法或基于系统的知识的系统方法)，去使用它本身和其周围环境的信息，以提升它自身的性能。在这里，特别要强调能够实现自寻最优的认知能力。

4智能子系统与智能网络化系统

智能技术系统具有两种结构形式，一种是子系统基本结构形式，即智能子系统;另一种是组群结构形式，称作智能网络化系统。

对于大型机械装备或生产流水线，为了完成各种各样的功能，通常都由几个子系统构成，它们被看成是一个相互作用的组合体。这些智能子系统在地理位置上是分散的，通常采用分布式结构，它们彼此之间需要进行通信和协调，从而形成了网络化系统结构。

但是，由此产生的网络化系统的功能作用仅能通过单个系统间的交互作用呈现出来。无论是网络还是单个系统的角色都是静态的，而要完成整体功能作用，就需要借助于通过动态改变来实现。在过去，这完全是分开考虑的问题，诸如一方面是云计算，另一方面是嵌入式系统。现在，我们可以采用最新的信息物理融合系统(CPS)的途径进行集成。

5智能技术系统的实现

从2007年开始，德国科技创新主要依靠分布在全国各地的15个前沿技术创新集群，每个集群都主攻一个专业方向。“it’sOWL”北威州创新集群专注于智能技术系统产品与系统的研发，它是欧洲具有最强产品开发能力的地区之一，其愿景是成为全球智能技术系统市场和技术的领导者。

该集群共有174个成员，包括25个工程和顾问咨询公司、25个核心公司和78个基本公司、6个高等院校以及10个竞争力中心。2012年2月，某教研部投入1亿欧元，支持45个产品和生产的研发项目，计划用5年时间完成。这些项目分为平台、创新及可持续项目3种类型。

平台项目，即为推动集群内各家公司在今后几年内进入智能技术系统业务领域，以及实现技术成果向大量中小型企业转移，创建自寻最优控制系统、人机交互、智能网络、能源效率以及系统工程等5个最基本的技术平台。

创新项目，即系统集群内的核心公司为实现战略目标，基于上述技术平台，开发子系统、系统以及网络化系统等具体产品和解决方案。

可持续项目，即这些项目研究采取7种有效措施，在政府计划支持的时间结束后，仍然能保持长期的可持续性。特别是在这些项目内，中小型企业在今后几年仍然能够自身实现智能技术系统的开发工作。

6工业4.0智能自适应生产系统产品与应用

某公司为了实现工业4.0“智能生产”战略目标，按照智能技术系统的技术概念，研发了自适应生产系统。该系统采用分散式模块化结构，并使用公司最新研制的即插即生产智能化网络技术。

分散式模块化结构意味着整个生产过程所使用的机械、控制和通信系统全部采用模块化设计，这就使得生产制造系统能够按照工艺和生产的要求任意组合，系统的适应性可以通过插入或移除其中的模块来实现。

即插即生产技术具有自寻最优特性和即插即生产网络自配置功能。自配置功能是建立在实时通信系统的自配置方法和生产系统、模块和部件语义自描述能力的基础上，无须使用任何工程工具。

生产制造系统通过分析与理解外界及自身的信息，对系统中各组成部分进行自动协调、重组与扩充，实现对产品的数量、种类、性能和质量的自动适应，从而最佳地完成不断变化的工作任务。

该自适应生产系统已成功用于公司的I/O装置生产线，取得了满意的效果。按照计划，自适应生产技术与系统产品即将推向市场。与此同时，“it’sOWL”创新集群的各成员公司也将分批各种类型的智能技术系统的产品和系统，并在传统的机电一体化系统用户领域推广应用。这些创新的技术与产品，将为制造企业，特别是中小型制造企业的转型升级创造理想的条件，也为工业4.0的实现提供了具体路径和解决方案。

7结束语

综上所述，工业4.0的出现，对于机械制造和电气工程等领域来说有着重要的意义。而随着我国制造业逐渐迈向智能化，针对工业4.0的战略目标，我们需要采取更为有效的技术措施，进一步推动制造业的智能化技术发展，从而提高我国制造业的科技水平。

智能制造系统的特征范文1篇12

关键词：机械产品;方案设计方法;计算机辅助软件

当前社会是一个科学技术高度发达的社会，是一个信息化社会。在当前社会发展的过程中，人们日益增长的物质文化需求与落后的生产技术成为制约当前社会发展的主要因素。在社会发展的过程中，各个产品功能和产品需求不断增加为当期社会发展提供了前提基础，是社会发展过程中的主要因素，随着产品功能要求的日益增多，复杂性增加，寿命期缩短，更新换代速度加快。在当前各种产品的设计过程中，机械产品设计已成为设计的重点和中心环节。在机械设计过程中，由于人们对各个机械要求的不断增加，使得设计手段就显得优点力不从心，跟不上时展的需要。在当前的设计中，主要是采用计算机技术的辅助进行设计和研制，主要的手段是通过设计绘图、设计计算、加工制造、生产规划来进行系统化和流程化的设计方法，这种方法在当前设计中已得到了比较广泛和深入的研究，并初见成效，但是由于当前各种更新的不断增加使得当前产品开发初期方案的计算机辅助设计却远远不能满足设计的需要。因此在当前的设计过程中提高计算机技术的发展是实现机械设计的前提与基础。

一、结构模块化设计方法

从规划产品的角度提出：定义设计任务时以功能化的产品结构为基础，引用已有的产品解如通用零件部件等描述设计任务，即分解任务时就考虑每个分任务是否存在对应的产品解，这样，能够在产品规划阶段就消除设计任务中可能存在的矛盾，早期预测生产能力、费用，以及开发设计过程中计划的可调整性，由此提高设计效率和设计的可靠性，同时也降低新产品的成本。将描述设计任务的功能化产品结构分为四层，1产品2功能组成3主要功能组件4功能元件。并采用面向应用的结构化特征目录，对功能元件进行更为具体的定性和定量描述。同时研制出适合于产品开发早期和设计初期使用的工具软件STRAT。认为专用机械中多数功能可以采用已有的产品解，而具有新型解的专用功能只是少数，因此，在专用机械设计中采用功能化的产品结构，对于评价专用机械的设计、制造风险十分有利。提倡在产品功能分析的基础上，将产品分解成具有某种功能的一个或几个模块化的基本结构，通过选择和组合这些模块化基本结构组建成不同的产品。这些基本结构可以是零件、部件，甚至是一个系统。理想的模块化基本结构应该具有标准化的接口联接和配合部，并且是系列化、通用化、集成化、层次化、灵便化、经济化，具有互换性、相容性和相关性。我国结合软件构件技术和CAD技术，将变形设计与组合设计相结合，根据分级模块化原理，将加工中心机床由大到小分为产品级、部件级、组件级和元件级，并利用专家知识和CAD技术将它们组合成不同品种、不同规格的功能模块，再由这些功能模块组合成不同的加工中心总体方案。

二、基于产品特征知识的设计方法

基于产品特征知识设计方法的主要特点是：用计算机能够识别的语言描述产品的特征及其设计领域专家的知识和经验，建立相应的知识库及推理机，再利用已存储的领域知识和建立的推理机制实现计算机辅助产品的方案设计。机械系统的方案设计主要是依据产品所具有的特征，以及设计领域专家的知识和经验进行推量和决策，完成机构的型、数综合。欲实现这一阶段的计算机辅助设计，必须研究知识的自动获取、表达、集成、协调、管理和使用。

三、系统化设计方法系统化设计方法的主要特点是

将设计看成由若干个设计要素组成的一个系统，每个设计要素具有独立性，各个要素间存在着有机的联系，并具有层次性，所有的设计要素结合后，即可实现设计系统所需完成的任务。制定的机械产品方案设计进程模式，基本上沿用了德国标准VDI2221的设计方式。除此之外，我国许多设计学者在进行产品方案设计时还借鉴和引用了其他发达国家的系统化设计思想，其中具有代表性的是：

1.将用户需求作为产品功能特征构思、结构设计和零件设计、工艺规划、作业控制等的基础，从产品开发的宏观过程出发，利用质量功能布置方法，系统地将用户需求信息合理而有效地转换为产品开发各阶段的技术目标和作业控制规程的方法。

2.将产品看作有机体层次上的生命系统，并借助于生命系统理论，把产品的设计过程划分成功能需求层次、实现功能要求的概念层次和产品的具体设计层次。同时采用了生命系统图符抽象地表达产品的功能要求，形成产品功能系统结构。

3.将机械设计中系统科学的应用归纳为两个基本问题：一是把要设计的产品作为一个系统处理，最佳地确定其组成部分单元及其相互关系；二是将产品设计过程看成一个系统，根据设计目标，正确、合理地确定设计中各个方面的工作和各个不同的设计阶段。

4.智能化设计方法智能化设计方法的主要特点是：根据设计方法学理论，借助于三维图形软件、智能化设计软件和虚拟现实技术，以及多媒体、超媒体工具进行产品的开发设计、表达产品的构思、描述产品的结构。机械产品的方案设计通常无法采用纯数学演算的方法进行，也难以用数学模型进行完整的描述，而需根据产品特征进行形式化的描述，借助于设计专家的知识和经验进行推理和决策。因此，欲实现计算机辅助产品的方案设计，必须解决计算机存储和运用产品设计知识和专家设计决策等有关方面的问题，由此形成基于产品特征知识的设计方法。目前，智能化设计方法主要是利用三维图形软件和虚拟现实技术进行设计，直观性较好，开发初期用户可以在一定程度上直接参与到设计中，要求软件具有较高的智能化程度，或者有丰富经验的设计者参与。