前言：中文期刊網精心挑選了人工智能技術論文范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。

人工智能技術論文范文1

人工智能是一門綜合了生理學、語言學、計算機科學等的學科，具有綜合性、挑戰性等特點，其主要目的便是賦予機器人工智能的功能，使其能夠替代人去完成一些危險性與復雜性較高的工作，進而確保人們的安全，促進工作效率的提高[1]。因此，人工智能也被稱為機器智能。相比于自然智能與人類智能而言，人工智能屬于一項全新智能，其通過將設備、系統等來模擬人類各項智能活動，從而完成命令。作為一項結合多門學科的應用技術，人工智能的發展與其組建學科的關系十分緊密，特別是計算機技術的發展方向，其對人工智能的應用具有決定性作用。此外，人工智能技術也極大程度上促進了計算機網絡技術的發展，計算機為從單純數據計算轉變為知識處理，就離不開人工智能技術的支持。人工智能的作用與優勢具體如下：其一，可處理不確定信息，實時了解系統資源表現出來的局部及全局狀態，并對狀態變化情況進行追蹤，通過技術處理獲取的信息，從而為用戶實時提供所需信息護具。其二，具有較高的寫作能力，可科學、有效整合獲得的資源，進而將各用戶之間的資源進行傳輸與共享，通過有機結合網絡管理與眾多寫作分布式人工智能的思想，可充分促進網絡管理相關工作效率及效益的提高。其三，其在網絡智能化護理中具有顯著優勢，主要表現在其學習、推理能力方面。在網絡管理工作中應用人工智能，可將信息處理的準確性及效率進行提升，同時，通過利用人工智能技術的記憶功能，可在存儲信息過程中建立完善的信息庫，并將其作為綜合、解釋、總結信息的平臺，在產生出更為準確及科學的高級信息的基礎上，實現網絡管理水平的全面提升。

2計算機網絡技術的問題

目前，隨著計算機技術的廣泛應用，人們愈發重視有關網絡信息安全問題。在網絡管理系統的應用過程中，用戶最為關注的功能便是網絡監視與網絡控制，其中，為正常發揮網絡監視及網絡控制這兩大功能，就需要對信息急性及時獲取與準確處理。網絡傳輸的數據通常是不連續、不規則的，而在早期階段，計算機只具備邏輯化分析及處理數據的功能，難以準確判斷出數據的真實性，因此，為從大量繁復的信息中，挑選出有效的信息，實現計算機網絡技術的智能化具有非常重要的意義[2]。計算機的應用日益廣泛與深入，這使得用戶需要通過網絡安全管理來為其信息安全提供保障，而網絡犯罪現象的增多，使得計算機必須具備靈敏的觀察能力及迅速的反應能力否則便難以對侵犯用戶信息的各種違法犯罪行為進行有效遏制。為促進網絡安全管理的實現，就需要將以人工智能技術為基礎而建立起來的智能化管理系統作為有效手段，自動收集信息數據，及時診斷運行故障，并在線分析趨勢及性能等，從而確保計算機發生網絡故障時，可做出快速、準確的反應，并采取有效措施來恢復計算機的網絡系統。由此可知，針對計算機網絡中存在的問題，就需要應用人工智能技術，在其內部建立完善的網絡管理及防御系統，從而為用戶信息安全提供充分保障。

3計算機網絡技術中人工智能的應用分析

在計算機網絡技術中應用人工智能，可極大程度滿足人們對計算機提供人性化及智能化服務的需求。其中，計算機網絡技術智能化服務主要指的是智能化的人機界面、信息服務、系統開發及支撐的環境這幾個方面，與此同時，這些需求進一步促進了人工智能在計算機網絡技術，尤其是在智能人機界面、網絡安全及系統管理評價等方面的應用進程。

3.1人工智能在計算機網絡安全管理中的應用。在計算機網絡技術中，人工智能得到了極為廣泛的應用。在計算機網絡安全管理中，人工智能的應用主要表現在智能防火墻、入侵檢測、智能型反垃圾郵件系統這三個方面。相比于其他防御系統，智能防火墻系統采用的是智能化識別技術，例如，通過概率、統計、記憶、決策等方法，來識別并處理有關信息數據，不但有效減少了計算機匹配檢查過程中的龐大計算，而且大大提高了發現網絡有害行為的效率，從而實現了限制訪問及攔截有害信息的功能；此外，與傳統防御軟件相比，智能防火墻系統具有更高的安檢效率，從而將拒絕服務共計這一普通防御軟件普遍發生的問題進行有效解決，實現了高級應用的入侵及病毒傳播的有效遏制[3]。作為計算機網絡技術安全管理的一項重要環節，入侵檢測起著保證網絡安全的關鍵作用，同時也是防火墻技術的核心部分。計算機系統資源的保密性、完整性、安全性等均與網絡系統入侵檢測功能的有效發揮有著緊密聯系。入侵檢測技術通過采集、篩選、分類、處理信息數據，在形成最終報告的基礎上，將當前計算機網絡系統的安全狀態及時反映給用戶。現階段，人工智能在模糊識別、專家及人工神經網絡等系統入侵檢測中，得到了非常廣泛的應用。計算機網絡安全管理中的智能型反垃圾郵件系統，是一項以人工智能技術為基礎而研發出來的防護技術，其針對的對象為垃圾郵件。此項技術可在不對用戶信息安全造成影響的前提下，有效監測用戶的郵件，并在完成郵箱內垃圾郵件的開啟式掃面后，將垃圾郵件分類信息提供給用戶，提醒其對可能對自身不利或對系統造成危害的信息進行盡早處理，進而確保整個郵箱的安全性，

3.2人工智能在計算機網絡系統管理及評價中的應用。計算機網絡管理的智能化發展，離不開人工智能技術及電信技術的發展。除了應用在計算機網絡安全管理中，人工智能技術中的問題求解技術及專家知識庫等，均可促進計算機網絡綜合管理的實現。由于網絡具有瞬變性及動態性的特點，因而給計算機網絡管理工作增加了一定的難度，這同時也使得現代化網絡管理工作朝著智能化的方向發展。其中，以人工智能理論為發展基礎的專家級決策及支持方法，在信息系統的管理工作中得到了廣泛應用。作為一項智能計算機程序，專家系統可累積盡可能多的專家經驗與知識，并通過進行歸納與總結，在形成資源錄入系統的基礎上，利用這一匯集了多位特定領域中的專家經驗的系統，對此領域中相似的其他問題進行解決。因此，對于計算機網絡管理及其系統評價，可通過眾多專家系統來開展計算機網絡管理及系統評價等大量工作。

4結數語

人工智能技術論文范文2

工作中存在的不足網絡輿情監測工作是指網絡信息工作的部門或人員在特定時期或者在特定的事件中對公眾在互聯網上發表的言論和意見進行監視、收集、分析、整理及預測的行為，這些言論被稱為網絡輿情。

當前的網絡輿情監測工作平臺主要是基于信息采集、整合技術和智能處理技術，通過對互聯網海量信息的自動抓取、自動分類聚類、主題檢測、專題聚焦，實現對用戶的網絡輿情監測，并由相關部門形成輿情工作報告、輿情信息簡報等，為輿論引導提供可靠的分析依據。

進入大數據時代，網絡輿論呈現的新特點，促使網絡輿情監測工作暴露出諸多不足之處，這為網絡輿情監測工作帶來了諸多挑戰。

網絡輿論信息格局發生變化，輿情分析質量亟待提高。據人民網權威的《2016年中國互聯網輿情分析報告》顯示，在2016年，伴隨著移動互聯網應用不斷向社會各層面滲透，網絡輿論的格局發生了很大變化，如網民結構與社會人口結構趨同，網民產生代際更新導致網絡流行議題和文化熱點發生轉換，微博、微信平臺化，專業自媒體步入興盛等。在這樣的變局下，網絡輿情監測工作面臨著新的挑戰。然而，有些部門的輿情信息收集工作仍然停留在報刊、門戶網站、BBS、微博等開源信息的收集階段，并未將新聞客戶端、微信、直播等平臺打通，難以保證輿情信息分析的全面性以及輿情熱度指標的準確性。《2016年中國互聯網輿情分析報告》還對近五年來參與當年最具網絡關注度的20個輿情熱點事件討論的320萬微博用戶樣本進行了分析，發現關注新聞事件和聚焦熱點話題的網民發生了代際交替，在性別方面，女性的比例明顯上升；在地域上，三、四線城市用戶增長迅猛。受眾層面發生的這些變化，也將在輿情監測工作中體現出來。然而在目前的輿情監測工作中，相關信息部門的輿情信息報送在內容上只是就事論事、停留在現象層面，對受眾的成分、熱點事件的社會背景以及事件背后所反映出來的社會問題沒有進行細致深入的研究分析；在形式上，網絡輿情監測工作的報送還停留在工作動態報告或者事件日志等形式的報送上。這樣就造成了網絡輿情信息的價值作用降低、服務能力減弱的問題。

熱點事件話語體系不可控，輿情預警能力亟待增強。縱觀近年來發生的熱點公共突發事件，可以發現，在以大數據為基礎的社交平臺上，公眾的話語體系呈現出了一些全新特征，如輿論主體的匿名性、參與渠道的多元化、生成議題的自發性、交流觀點的無界性、匯集意見的實時性、發展趨勢的不確定性等。這些特征與輿論話語體系在傳統媒體的呈現完全不同，網絡輿論熱點事件話語體系的不可控性大大增強。

在社交媒體平臺上，自媒體呈現出來的話語體系最為龐雜。許多輿情信息不僅包含結構化數據，還涉及大量非結構化數據，若對其準確性、真實性逐一核查，既耗費人力又耗費時間。就內容而言，較多負面、虛假輿情具有較強的隱蔽性，單純以關鍵詞或主題詞進行搜索容易產生誤判、遺漏。話語體系的不可控性增加了輿情監測工作的難度，這要求工作人員必須具備過硬的專業敏感性以及較強的網絡操作技能。但是目前大多數輿情監測工作部門的信息工作人員缺乏專業化的訓練，輿情信息工作水平參差不齊。就輿情監測平臺系統來說，對于輿情信息的跟蹤分析靈敏度較低，在有些熱點事件的處理上沒有按照公共突發事件的分類標準進行準確的分級，從而導致網絡輿情信息的分析判斷力體現不出其應有的情報價值，預警能力也隨之削弱。

輿情監測的技術體系落后，人機不協調問題亟待解決。網絡輿論的實時性及其發展的不確定性要求網絡輿情監測必須迅速、及時，但很多單位部門的輿情監測平臺的方法技術體系滯后，部分單位采用了網絡監控系統、有害信息過濾系統等方式進行網絡輿情監測，而有些單位為了節省輿情監測設備的成本，甚至將網絡輿情監測工作依托于人工網頁搜索及瀏覽的“人工盯梢”方式上，這成為監測工作的一大阻礙，監測工作出現疏忽錯判也在所難免。排除資金、人力等客觀因素，現階段的網絡輿情監測工作中技術方法體系的不足主要歸因于“人機不協調”。機器與人工的協同分工模式不成熟、機器的輔助力量不夠，導致人工智能技術在預測監測體系中分析情感、預測走勢、檢查效果等方面應用還稍顯粗淺、機械，而在需要人工進行的高級維度分析、提出應對策略等層面，機器的應用又顯得粗糙以及同質化。

人工智能為網絡輿情監測帶來的三大變革

網絡輿情監測要適應大數據時代人工智能的要求，就必須順勢而為，積極進行變革，主要包括網絡輿情監測技術體系的變革、網絡輿情監測研究范式的變革以及網絡輿情監測管理思維的變革三個方面。

網絡輿情監測技術體系的變革。將人工智能技術應用于網絡輿情是為了更好地對輿情進行分析研判，通過直觀、簡明的方式描述網絡輿情信息的產生，進一步推導信息傳播主體的態度傾向性、情緒感染性以及初衷、意圖等，從而預測網絡輿情信息的發展趨勢。

如果說在“小數據”環境下，網絡輿情監測工作還可以依托于“人工盯梢”的方式來完成，那么在“大數據”環境下，當數據的量級達到了EB甚至ZB級別后，以人工監測來把握輿情脈絡已成為不可能完成的任務。而那些隱含在網絡輿情信息中的觀點、態度及情緒的表達，更難以從泛濫成災的信息碎片中被真正發掘出來。加之海量信息的不共享所帶來的“信息盲區”，更使得輿情信息分析不夠嚴謹，易偏離實際，而這些問題都需要依托搭建智能化的網絡輿情監管平臺來解決。在平臺上可以通過三種人工智能技術實現數據分析與人工智能研判相結合，再借助如眼動儀、腦電儀等受眾檢驗儀器對網絡輿情信息進行綜合化分析。三種主要的人工智能技術主要包括：一是Web挖掘技術，該技術把互聯網與數據挖掘技術結合起來，對網絡上結構化數據如文字言論，以及非結構化的數據如視音頻、圖像等信息進行采集，完成信息前期處理的第一步；二是語義識別技術，該技術是利用采集到的信息，通過對語句中的關鍵詞進行詞義推斷處理以及句子語法結構的分析，從而將復雜信息簡單化，這是對采集的信息數據做進一步識別推斷的過程；三是TFDF信息聚類技術，該技術主要提升數據信息的分析和分類速度，使網絡輿情監測工作的處理更加及時，反應更加靈敏，提高采取措施的時效性。

人工智能技術的介入將有利于對信息進行挖掘、采集、分類、整理，從而找尋出最核心的關鍵性數據。在此基礎上，還可以運用人工神經網絡預測模型，對網絡輿情的性質、發展趨勢進行正確描述，并提出相應的對策。

網絡輿情監測研究范式的變革。人工智能和大數據對網絡輿情監測工作及其研究產生了頗為深刻的影響，輿情監測的研究范式從多角度發生了轉向。

第一，輿情監測工作視角的轉向：從單一化到多元化。在社交媒體平臺上，受眾的角色首先發生了轉向，由信息的被動接收者轉變為信息的參與者和傳播者。這一轉向給網絡輿情監測工作帶來了新的挑戰，當受眾是單純的信息接收方時，網絡信息的可控性強，輿情監測工作形式單一，把關相對容易。而受眾角色發生變化以后，網絡信息傳播的不可控性大大增加，信息傳播速度加快，信息傳播呈現多元化特征，把關難度增加，網絡輿情監測工作也從單一轉向多元化，還需要對信息進行疏導、研判處理。

第二，研究視角的轉向：從內容研究轉向“內容+關系”研究。傳統的網絡輿情信息研究最重視的是受眾借助網絡進行的話語表達，其研究視角主要集中在內容層面。隨著人工智能技術的介入，這一單向視角將發生轉變，潛藏在內容層面背后的網絡受眾心理、行為、動機、訴求等多方面因素都將被關注到。借助人工智能技術及大數據分析技術，網絡輿情信息的研究視角將透過內容層面深入到關系層面，轉向對網絡受眾社會心理描繪、社會關系呈現、社會話語表達等多維度的研究。

第三，研究重點的轉向：由輿情監測轉向輿情預測。當前的網絡輿情監測工作主要通過對當下網絡輿情的動態信息進行隨機采樣來收集、整理、分析，更多的是關注已經發生的事件在過去及當下的動向，對未來的發展預測難以兼顧。而借助人工神經網絡預測模型，通過自然語言處理、模式識別及機器學習等人工智能技術，可以對網絡輿情的性質、發展趨勢進行正確描述，再結合大數據分析處理整群數據來實現預測功能。比如，著名的搜索引擎公司谷歌通過關注用戶搜索中的“流感”關鍵詞來預測實際流感發生的時間，往往可以提前兩三個周對流感的爆發進行預報及預防。

網絡輿情監測管理思維的變革。在以人工智能技術為支撐的網絡輿情監測平臺出現之前，相關輿情監測部門的管理者往往由一人或幾人的小團隊組成，在監測信息數據量級不大的情況下，這種小作坊式單打獨斗、面面俱到的輿情監控管理思維可以基本滿足需求。但是隨著人工智能技術的發展及大數據時代的到來，這種小作坊式的輿情監測體系面臨瓦解。當前，商業化運營的軟件監測團隊多達幾百家，這些監測軟件服務商通過開發相應的輿情監測軟件為政府部門、企業主體以及科研院所提供服務，進行簡單的輿情信息數據采集及分類處理工作。在數據開源的情況下，這些軟件服務商的競爭逐漸由粗放型、低層次化向數據處理的優化、人機互動、機器算法的精進等層面轉變。

在以上變化的基礎上，輿情監測的管理思維也必須轉向，組建一支人員分工明確、高度聚合集約的輿情分析團隊勢在必行。輿情管理的思維變革依托于人工智能監控系統改變團隊的組織結構及管理方式，通過智能化的輿情監測系統代替低效的人工操作，其專業性要求頗高，而最佳處理模式就是專業化團隊加人工智能技術。按照這樣的管理思維，未來輿情監測團隊的分工將更加明確，行業內部集約聚合程度將進一步提高，行業有機化程度也將逐步增強。

人工智能技術論文范文3

關鍵詞：人工智能；本科高年級教學；教學改革

中圖分類號：G642　文獻標識碼：B

1　引言

人工智能是計算機科學與技術學科類各專業重要的基礎課程，在信息類相關的許多高年級本科和研究生都開設了人工智能課程。人工智能是一門前沿性的學科，它主要研究計算機實現智能的基本原理和基本方法，同時人工智能也是一門多學科交叉的綜合學科，它涉及計算機科學、數學、心理學、認知科學等眾多領域。廣義的人工智能涵蓋了模式識別、機器學習、數據挖掘、計算智能、神經網絡、統計學習理論等眾多研究方向。人工智能作為計算機學科的重要分支，已成為人類在信息社會和網絡經濟時代所必須具備的一項核心技術，并將在未來發揮更大的作用。

由于人工智能課程的學習難度較大，內容更新比較快，也繁多，使得教學有一定的難度。特別是針對本科高年級的人工智能教學，由于本科生的研究意識相對較弱，而人工智能比較強調科研性，所以如何教好本科高年級的人工智能課程是一項非常具有挑戰性的任務。

本文通過分析本科高年級的教學特點和人工智能課程的自身特點，在如何提高教學質量這一問題上提出了幾點思考。

2　本科高年級的教學特點

中國的本科教育，由于歷史和經濟發展水平等諸多原因，目前的定位還是培養某方面專業人才的專才教育。本科高年級學生在完成了低年級公共基礎課程和部分專業基礎課程的學習之后，迫切希望了解本專業的應用領域和發展前景，所以在教學過程中要注意內容的應用性和專業性。另一方面，本科高年級學生也是研究生教育的儲備人才，在教學過程中要適時的進行科研引導，這樣能夠讓畢業生保持對科學的興趣，從而為研究生階段進一步深入研究打下基礎。本科生一般于4年級的10月份開始著手畢業設計，在本科高年級的教學過程中還要注意與畢業設計的內容相結合，這樣可以讓學生提前做好準備，選擇適合自己的方向。

3　人工智能課程的學科特點

與信息類其它專業課程相比，人工智能具有應用性、研究性和發展性三個重要學科特點。首先，人工智能是一門應用性很強的學科。人工智能學科的主要目標在于研究用機器來模仿和執行人腦的某些智力功能，并開發相關理論和技術。人工智能技術廣泛應用于模式識別、數據挖掘、智能控制、信息檢索、智能機器人等領域，在日常生活中，隨處可見人工智能技術的應用實例；其次，人工智能技術具有很強的研究價值，是計算機科學領域中重要的研究方向。技術進步無止境，研究者們不斷追求開發出效率更高、更智能的人工智能技術：最后，人工智能是一門正在發展中的學科。隨著信息化、計算機網絡和Internet技術的發展，人類已步入信息社會和網絡經濟的時代，它們為人工智能提出了許多新的研究目標和研究課題，人工智能的應用領域以及技術算法都在不斷發展。

4　人工智能教學的三點思考及對策

4.1　注重應用性和介紹性

在教學實踐中，筆者發現，本科高年級學生一般比較關心各種人工智能技術的應用領域和使用方法，而對基礎性理論和技術細節不是很感興趣。他們一方面希望能學到很多較新和較實用的人工智能算法，并且最好可以看到使用效果；另一方面又希望老師的教學主要停留在介紹性層面，不想花太多時間在復雜的理論理解上。這也比較符合本科高年級的教學特點，本科階段主要是培養具備較強應用性和基礎科研素質的專業人才。傳統的人工智能教學主要講授知識表示和搜索推理技術，大部分實例都是解答式或推證式的。由于其知識的抽象性，又加之其應用實例較少，所以往往教師感覺難講，學生在學習過程中也感覺乏味，對講授的內容大多都是死記其方法和步驟，因此影響了教學效果。針對這一問題，筆者認為，在設計人工智能教學時，要注重內容的新穎性、實用性和介紹性。除了講授那些仍然有用的和有效的基本原理和方法之外，要著重介紹一些新的和正在研究的人工智能方法和技術，特別是近期發展起來的方法和技術，如支持向量機、決策樹、模糊集、遺傳算法、蟻群算法等。這些內容的理論部分可以不必過分深究，教學重點主要放在介紹每種技術的產生背景、發展狀況、應用領域和具體實現上。此外，要注意理論與實際應用密切結合，在教學過程中加入一些與課程內容結合的、可以用計算機實現的實際應用內容。考慮到目前應用最廣泛的人工智能領域之一是模式識別，而研究模式識別的主要計算機工具是Matlab，所以筆者在教學過程中以手寫數字識別作為教學實例，針對所介紹的每一種人工智能技術，都將其應用于手寫數字識別當中，并講解了這些技術的Matlab實現方法。學生在掌握了基本理論之后，可以按照實現步驟的指導，立刻上機見到算法的實際效果，加深對算法實現思路和方法的認識。

4.2　注重科研引導性

本科教學不僅要培養學生的應用能力，還要培養學生具備基本的科研素質。本科教育一方面為社會培養了大批應用型人才，另一方面也要為我國的科研事業培養后備力量。特別是近幾年來我國對科研的投入不斷增加，研究生招生規模逐年增大，本科高年級學生打算繼續讀研的也不在少數。而人工智能是計算機相關學科非常活躍的研究課題，其涵蓋的分支非常廣泛，如模式識別、機器學習、數據挖掘、計算智能、統計學習理論等，都是目前國際和國內熱門的研究方向。針對這一特點，在本科高年級的人工智能教學中，還要注意對學生適時適度的科研引導。這樣可以激發學生的研究興趣，樹立目標意識，找準研究方向，為未來的科研工作打下基礎。在教學過程中，可以引導學生思考每種人工智能技術的優點是什么?缺點是什么?有沒有改進的辦法?比如BP神經網絡是計算智能中較為成熟的技術，具有強大的非線性學習能力，在模式識別、經濟數據分析、生物信息學、數據挖掘等眾多領域都取得過成功應用。然而BP神經網絡算法自身也存在著一些缺點，如會有局部最小解、解受初值影響較大、理論解釋不完善等。近十年來，研究者逐漸把目光轉移到另一種新的非線性學習工具――支持向量機上。同神經網絡相比，支持向量機具有泛化能力強、不受局部最小問題困擾、理論背景完善等顯著優點。在給學生講解BP神經網絡算法的時候，一方面可以通過手寫數字識別實驗展示其強大的非線性分類能力，另一方面也要告訴學生，BP神經網絡并不是完美的，其缺點同樣明顯。然后引導學生對這些問題進行思考，討論有沒有更好的解決辦法。此時，順勢引出支持向量機的內容，并且介紹支持向量機的研究現狀和研究方向。通過兩者的對比，學生不但了解到了較新的人工智能技術，又對人工智能研究中如何去發現問題、解決問題、人工智能技術的進化歷程有了直觀的印象。

4.3　教學內容與畢業設計相結合

本科畢業設計是對本科生用所學知識來解決實際問題和進行專業研究能力的檢驗，是本科高年級學生將要面臨的一項重要任務。由于人工智能學科具有應用性和科研性的特點，人臉識別、網頁檢索、經濟預測、基因數據處理等應用領域都離不開人工智能技術，所以人工智能方向為學生提供了豐富的畢業設計選題。針對這一特點，在本科高年級的人工智能教學中，可以適當穿插介紹有關畢業設計的內容。告訴學生哪些應用領域是目前人工智能研究的熱點方向，哪些人工智能技術可以用來解決這些問題。通過向學生介紹具有一定應用價值和研究意義的題目，然后引導他們查找閱讀相關技術文獻，分析問題，解決問題，最后編寫代碼和撰寫論文。比如筆者給學生提供的選題包括：(1)基于支持向量機的上市公司信用評價；(2)正則化回歸在股票預測中的應用；(3)基于膚色的人臉檢測；(4)基于內容的網頁圖像檢索等。這些題目應用性強，具有一定科研深度但是難度又不至于太大，學生選擇這些題目的積極性很高。通過將教學內容與畢業設計相結合，不但加深了學生對課程的理解，又使其找到了合適的畢業設計題目，可謂一舉兩得。

人工智能技術論文范文4

關鍵詞：人工智能自動化

人工智能是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。隨著電氣的設計的發展，傳統的方法有時很難適應。在此背景下，人工智能技術被引入電氣設備的優化設計過程中，并取得了一些成功經驗。本文在總結人工智能在電氣設備領域取得成果的基礎上，對具體應用提出一些看法與策略。積極運用人工智能的新成果無疑有利于電氣自動化學科特別是自動控制領域的發展，也有利于提高電氣設備運行的智能化水平，對改造電氣設備系統，增強控制系統穩定性，加快生產效率都有重大意義。

1人工智能控制器的優勢

不同的人工智能控制通常用完全不同的方法去討論。但AI控制器例如：神經、模糊、模糊神經以及遺傳算法都可看成一類非線性函數近似器。這樣的分類就能得到較好的總體理解，也有利于控制策略的統一開發。這些AI函數近似器比常規的函數估計器具有更多的優勢，這些優勢如下：

（1）它們的設計不需要控制對象的模型（在許多場合，很難得到實際控制對象的精確動態方程，實際控制對象的模型在控制器設計時往往有很多不確實性因素，例如：參數變化，非線性時，往往不知道）。

（2）通過適當調整（根據響應時間、下降時間、魯棒性能等）它們能提高性能。例如：模糊邏輯控制器的上升時間比最優PID控制器快1.5倍，下降時間快3.5倍，過沖更小。

（3）它們比古典控制器的調節容易。

（4）在沒有必須專家知識時，通過響應數據也能設計它們。

（5）運用語言和響應信息可能設計它們。

（6）它們有相當好的一致性（當使用一些新的未知輸入數據就能得到好的估計），與驅動器的特性無關。現在沒有使用人工智能的控制算法對特定對象控制效果十分好，但對其他控制對象效果就不會一致性地好，因此對具體對象必須具體設計。

（7）它們對新數據或新信息具有很好的適應性。

（8）它們能解決常規方法不能解決的問題。

（9）它們具有很好的抗噪聲干擾能力。

（10）它們的實現十分便宜，特別是使用最小配置時。

（11）它們很容易擴展和修改。

總而言之，當采用自適應模糊神經控制器，規則庫和隸屬函數在模糊化和反模糊化過程中能夠自動地實時確定。有很多方法來實現這個過程，但主要的目標是使用系統技術實現穩定的解，并且找到最簡單的拓樸結構配置，自學習迅速，收斂快速。

2 人工智能的應用現狀

隨著人工智能技術的發展，許多高等院校及科研機構就人工智能在電氣設備的應用方面展開了研究工作，如將人工智能用于電氣產品優化設計、故障預測及診斷、控制與保護等領域。

2.1 優化設計

電氣設備的設計是一項復雜的工作，它不僅要應用電路、電磁場、電機電器等學科的知識，還要大量運用設計中的經驗性知識。傳統的產品設計是采用簡單的實驗手段和根據經驗用手工的方式進行的，因此很難獲得最優方案。隨著計算機技術的發展，電氣產品的設計從手工逐漸轉向計算機輔助設計(CAD)，大大縮短了產品開發周期。人工智能的引進，使傳統的CAD技術如虎添翼，產品設計的效率及質量得到全面提高。

用于優化設計的人工智能技術主要有遺傳算法和專家系統。遺傳算法是一種比較先進的優化算法，非常適合于產品優化設計。因此電氣產品人工智能優化設計大部分采用此種方法或其改進方法。

2.2 故障診斷

電氣設備的故障與其征兆之間的關系錯綜復雜，具有不確定性及非線性，用人工智能方法恰好能發揮其優勢。已用于電氣設備故障診斷的人工智能技術有：模糊邏輯、專家系統、神經網絡。

變壓器由于在電力系統中的特殊地位而備受關注，有關方面的研究論文較多。目前對變壓器進行故障診斷最常用的方法是對變壓器油中分解的氣體進行分析，從而判斷變壓器的故障程度。

人工智能故障診斷技術在發電機及電動機方面的研究工作也較為活躍。

2.3 智能控制

人工智能控制技術在自動控制領域的研究與應用已廣泛展開，但在電氣設備控制領域所見報道不多。可用于控制的人工智能方法主要有3種：模糊控制、神經網絡控制、專家系統控制。由于模糊控制是其中最為簡單、最具實際意義的方法，因而它的應用實例最多。

人工智能技術論文范文5

【關鍵字】人工智能；教育；進展

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009―8097（2008）13―0018―03

人工智能是一門綜合的交叉學科，涉及計算機科學、生理學、哲學、心理學、哲學和語言學等多個領域。人工智能主要研究用人工的方法和技術，模仿、延伸和擴展人的智能，實現機器智能，其長期目標是實現人類水平的人工智能。[1]從腦神經生理學的角度來看，人類智能的本質可以說是通過后天的自適應訓練或學習而建立起來的種種錯綜復雜的條件反射神經網絡回路的活動。[2]人工智能專家們面臨的最大挑戰之一是如何構造一個可以模仿人腦行為的系統。這一研究一旦有突破，不僅給學習科學以技術支撐，而且能反過來促使人腦的學習規律研究更加清晰，從而提供更加切實有效的方法論。[3]人工智能技術的不斷發展，使人工智能不僅成為學校教育的內容之一，也為教育提供了豐富的教育資源，其研究成果已在教育領域得到應用，并取得了良好的效果，成為教育技術的重要研究內容。

人工智能的研究更多的是結合具體領域進行的，其主要研究領域有：專家系統、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、博弈、智能決策支持系統、人工神經網絡和分布式人工智能等。[4]目前，在教育中應用較為廣泛與活躍的研究領域主要有專家系統、機器人學、機器學習、自然語言理解、人工神經網絡和分布式人工智能，下面就這些領域進行闡述。

一 專家系統

專家系統是一個具有大量專門知識與經驗的程序系統，它使用人工智能技術，根據某個領域中一個或多個人類專家提供的知識和經驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復雜問題。[5]專家系統主要組成部分為：知識庫，用于存儲某領域專家系統的專門知識；綜合數據庫，用于存儲領域或問題的初始數據和推理過程中得到的中間數據或信息；推理機，用于記憶所采用的規則和控制策略的程序，使整個專家系統能夠以邏輯方式協調地工作；解釋器，向用戶解釋專家系統的行為；接口，使用戶與專家系統進行對話。近幾十年來，專家系統迅速發展，是人工智能中最活躍、最有成效的一個研究領域，廣泛用于醫療診斷、地質勘探、軍事、石油化工、文化教育等領域。

目前，專家系統在教育中的應用最為廣泛與活躍。專家系統的特點通常表現為計劃系統或診斷系統。計劃系統往前走，從一個給定系統狀態指向最終狀態。如計劃系統中可以輸入有關的課堂目標和學科內容，它可以制定出一個課堂大綱，寫出一份教案，甚至有可能開發一堂樣板課，而診斷系統是往后走，從一個給定系統陳述查找原因或對其進行分析，例如，一個診斷系統可能以一堂CBI（基于計算機的教學，computer-based instruction）課為例，輸入學生課堂表現資料，分析為什么課堂的某一部分效果不佳。在開發專家計劃系統支持教學系統開發（ISD）程序的領域中最有名的是梅里爾（Merrill）的教學設計專家系統（ID Expert）。[6]

教學專家系統的任務是根據學生的特點（如知識水平、性格等），以最合適的教案和教學方法對學生進行教學和輔導。其特點為：同時具有診斷和調試等功能；具有良好的人機界面。已經開發和應用的教學專家系統有美國麻省理工學院的MACSYMA符號積分與定理證明系統，我國一些大學開發的計算機程序設計語言、物理智能計算機輔助教學系統以及聾啞人語言訓練專家系統等。[7]

目前，在教育中，專家系統的開發和應用更多的集中于遠程教育，為現代遠程教育的智能化提供了有力的技術支撐。基于專家系統構造的智能化遠程教育系統具有以下幾個方面的功能：具備某學科或領域的專門知識，能生成自己的提問和應答； 能夠分析學生的特征，評價和記錄學生的學習情況，診斷學生學習過程中的錯誤并進行補救教學；可以選擇不同的教學方法實現以學生為主體的個別化教學。[8]目前應用于遠程教育的專家系統有智能決策專家系統、智能答疑專家系統、網絡教學資源專家系統、智能導學系統和智能網絡組卷系統等。

二 機器人學

機器人學是人工智能研究是一個分支，其主要內容包括機器人基礎理論與方法、機器人設計理論與技術、機器人仿生學、機器人系統理論與技術、機器人操作和移動理論與技術、微機器人學。[9]機器人的發展經歷了三個階段：第一代機器人是以 “示教―再現”方式進行工作；第二代機器人具有一定的感覺裝置，表現出低級智能；第三代機器人是具有高度適應性的自治機器人，即智能機器人。目前開發和應用的機器人大多是智能機器人。機器人技術的發展對人類的生活和社會都產生了重要影響，其研究和應用逐漸由工業生產向教育、環境、社會服務、醫療等領域擴展。

機器人技術涉及多門科學，是一個國家科技發展水平和國民經濟現代化、信息化的重要標志，因此，機器人技術是世界強國重點發展的高技術，也是世界公認的核心競爭力之一，很多國家已經將機器人學教育列為學校的科技教育課程，在孩子中普及機器人學知識，從可持續和長遠發展的角度，為本國培養機器人研發人才。[10]在機器人競賽的推動下，機器人教育逐漸從大學延伸到中小學，世界發達國家例如美國、英國、法國、德國、日本等已把機器人教育納入中小學教育之中，我國許多有條件的中小學也開展了機器人教育。

機器人在作為教學內容的同時，也為教育提供了有力的技術支撐，成為培養學習者創新精神和實踐能力的新的載體與平臺，大大豐富了教學資源。多年來，我國中小學信息技術教育的主要載體是計算機和網絡，教學資源單一，缺乏前瞻性。教學機器人的引入，不僅激發了學生的學習興趣，還為教學提供了豐富的、先進的教學資源。隨著機器人技術的發展，教學機器人種類越來越多，目前在中小學較為常用的教學機器人有：能力風暴機器人、通用機器人、未來之星機器人、樂高機器人、納英特機器人、中鳴機器人等。

三 機器學習

機器學習是要使計算機能夠模仿人的學習行為，自動通過學習來獲取知識和技巧，[11]其研究綜合應用了心理學、生物學、神經生理學、邏輯學、模糊數學和計算機科學等多個學科。機器學習的方法與技術有機械學習、示教學習、類比學習、示例學習、解釋學習、歸納學習和基于神經網絡的學習等，近年來，知識發現和數據挖掘是發展最快的機器學習技術。機器學習（自動獲取新的事實及新的推理算法）是使計算機具有智能的根本途徑，對機器學習的研究有助于發現人類學習的機理和揭示人腦的奧秘。[12]

隨著計算機技術的進步和機器學習研究的深入，機器學習系統的性能大大提高，各種學習算法的應用范圍不斷擴大，例如將連接學習用于圖文識別，歸納學習、分析學習用于專家系統等，大大推動了在教育中的應用，例如在建構適應性教學系統中，用機器學習與樸素的貝葉斯分類器動態了解學生的學習偏好，有較高的準確率[13]。基于案例的推理（case-based reasoning，CBR）是一種新興的機器學習和推理方法，其核心思想是重用過去人們解決問題的經驗解決新問題，在計算機輔助教育方面，已經出現了基于CBR的圖形仿真教育系統，并且，針對個體特征的教育教學方法研究也有所突破。[14]另外，數據挖掘和知識發現在生物醫學、金融管理、商業銷售等領域的成功應用，不僅給機器學習注入新的生機，也為機器學習在教育中的應用提供了新的前景。

四 自然語言理解

自然語言理解就是研究如何讓計算機理解人類的自然語言，以實現用自然語言與計算機之間的交流。一個能夠理解自然語言信息的計算機系統看起來就像一個人一樣需要有上下文知識以及根據這些上下文知識和信息用信息發生器進行推理的過程。[15]自然語言理解包括口語理解和書面理解兩大任務，其功能為：回答問題，計算機能正確地回答用自然語言提出的問題；文摘生成，計算機能根據輸入的文本產生摘要；釋義，計算機能用不同的詞語和句型來復述輸入的自然語言信息；翻譯，計算機能把一種語言翻譯成另外一種語言。由于創造和使用自然語言是人類高度智能的表現，因此對自然語言處理的研究也有助于揭開人類高度智能的奧秘，深化對語言能力和思維本質的認識。[16]

自然語言理解最早的研究領域是機器翻譯，隨著應用研究的廣泛開展，也為機器人和專家系統的知識獲取提供了新的途徑，例如由MIT研制的指揮機器人的自然語言理解系統SHRDLU就可以接收自然語言，進行人機對話，回答關于桌面上積木世界中的各種問題。同時，對自然語言理解的研究也促進了計算機輔助語言教學和計算機語言設計等方面的發展，例如“希賽可”網絡智能英語學習系統，這個基于網絡的“人-機”語境的建立，突破了普通英語教師和傳統的單機的多媒體教學軟件所能具備能力限制，也比建立于網絡的“人-人”語境更具靈活性，可以為遠程學習者提供良好的英語學習支持，在國內第一次系統地將用自然語言進行的人機對話系統應用在計算機輔助外語教學上，在國際上也是一種創新。[17]

五 人工神經網絡

人工神經網絡就是在對大腦的生理研究的基礎上，用模擬生物神經元的某些基本功能的元件（即人工神經元），按各種不同的聯結方式組織起來的一個網絡，其目的在于模擬大腦的某些機理與機制，實現某個方面的功能，例如可以用于模仿視覺、模式識別、聲音信號處理、控制、故障診斷等領域，人工神經元是人工神經網絡的基本單元。[18]人工神經網絡有兩種基本結構：遞歸（反饋）網絡和多層（前饋）網絡，兩種主要學習算法：有指導式學習和非指導式學習。

人工神經網絡從模擬人類大腦神經網絡的結構和行為出發，具有大規模并行、分布式存儲和處理、自組織、自適應和自學習能力，特別適合于處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題，[19]這使人工神經網絡具有更大的發展潛能，目前已經開發和應用的人工神經網絡模型有30多種。人工神經網絡在教育中的應用大多是與教學專家系統相結合，以此來改進教學專家系統的性能，提高智能性，使其在教學過程中對突發問題具有更好的應對能力。人工神經網絡在學校管理中也得到應用，例如采用誤差反傳算法（BP）的多層感知器已應用于高校管理之中。

六 分布式人工智能(Distributed Artificial Intelligence，DAI)

分布式人工智能是分布式計算與人工智能結合的結果，研究目標是要創建一種能夠描述自然系統和社會系統的精確概念模型，主要研究問題是各Agent之間的合作與對話，包括分布式問題求解和多Agent系統兩個領域。[20]分布式人工智能系統一般由多個Agent組成，每個Agent又是一個半自治系統，Agent之間及Agent與環境之間進行并發活動并進行交互來完成問題求解。[21]由于分布式人工智能系統具有并行、分布、開放、協作和容錯等優點，在資源、時空和功能上克服了單智能系統的局限性，因此獲得了廣泛的應用。

分布式人工智能中的Agent和多Agent技術在教學中的應用逐漸受到關注。在教學中引入Agent可以有效地提高教學系統的智能性，創造良好的學習情境，并能激發學習者的學習興趣，進行個性化教育。目前，Agent和多Agent技術多用于遠程智能教學系統，通過利用其分布性、自主性和社會性等特點，提高網絡教學系統的智能性，使教學資源得到充分利用，并可實現對學習者的學習行為進行動態跟蹤，為學習者的網絡學習創造合作性的學習環境。在網絡教學軟件中應用Agent技術的一個典型是美國南加利福尼亞大學（USC）開發的教學Adele（Agent for Distance Education - Light Edition） [22]。Agent技術在網絡教學軟件中取得的良好效果，促進了研究者對分布式人工智能在教育中的應用研究。

綜上所述，科學技術的發展將會推動人工智能技術在教育中應用的廣度和深度。從人工智能的應用趨勢來看，人工智能在教育中應用的擴展可以通過以下三個方面進行：一是人工智能與其他先進信息技術結合。人工智能已經與多媒體技術、網絡技術、數據庫技術等有效的融合，為提高學習效率和效度提供了有力的技術支持，而引起教育技術界廣泛關注。[23]例如人工智能技術通過與多媒體技術相結合，可以提高智能教學系統的教學效果；與網絡通訊技術相結合，可以提高和改進遠程教育的智能性。二是人工智能應用研究領域間的集成。人工智能應用研究領域之間并不是彼此獨立，而是相互促進，相互完善，它們可以通過集成擴展彼此的功能和應用能力。例如自然語言理解與專家系統、機器人的集成，為專家系統和機器人提供了新的知識獲取途徑。三是人工智能的研究和應用出現了許多新的領域，它們是傳統人工智能的延伸與擴展，這些新領域有分布式人工智能與Agent、計算智能與進化計算、數據挖掘與知識發現以及人工生命等[24]，這些發展與應用蘊藏著巨大潛能，必將對教育產生重要的影響。

技術發展不斷發揮著引導教育技術研究的作用，一種新興技術的出現總是會掀起相應的研究熱潮, 引發對技術在教育中應用的探討、評價以及與傳統技術的對比。[25] 人工智能作為一門交叉的前沿學科，雖然在基本理論和方法等方面存在著爭論，但從其研究成果與應用效果來看，有著廣闊的應用前景，值得進一步的開發和利用。

參考文獻

[1] 史忠植,王文杰.人工智能[M].北京:國防工業出版社,2007:1.

[2][11][18][19] 《計算機與信息科學十萬個為什么》叢書編輯委員會,計算機與信息科學十萬個為什么(8):人工智能[M].北京:清華大學出版社,1998:5,189,78-79,84.

[3] 任友群,胡航.論學習科學的本質及其學科基礎[J].中國電化教育,2007,(5):1-5.

[4][21] 蔡瑞英,李長河.人工智能[M].武漢:武漢理工大學出版社,2003:12-13.

[5][12][15][20][24] 蔡自興,徐光.人工智能及其應用(第三版)――研究生用書[M].北京:清華大學出版社,2007: 12-14,19-20.

[6] [荷]山尼•戴克斯特拉,[德]諾伯特•M. 西爾,[德]弗蘭茲•肖特,等.任友群,鄭太年主譯.教學設計的國際觀第2冊:解決教學設計問題[M].北京:教育科學出版社,2007:67.

[7] 任友群.技術支撐的教與學及其理論基礎[M].上海:上海教育出版社,2007:42-43.

[8] 路利娟.應用專家系統提升現代遠程教育的智能化[J].中國教育技術裝備,2007,(12):79-80.

[9] 陳懇,楊向東,劉莉等.機器人技術與應用[M].北京:清華大學出版社,2007:6.

[10] 關注機器人幼兒教育――訪鮑青山博士[DB/OL].

[13] 柏宏權,韓慶年.機器學習在適應性教學系統中的應用研究[J].南京師范大學學報(工程技術版),2007,7(4):76-79.

[14] 楊健,趙秦怡.基于案例的推理技術研究進展及應用[J].計算機工程與設計,2008,29(3):710-712.

[16] 自然語言理解[DB/OL].

[17] 賈積有.人工智能技術的遠程教育應用探索――“希賽可”智能型網上英語學習系統[J].現代教育技術,2006,16(2):26-29.

[22] Erin Shaw, W. Lewis Johnson, and Rajaram Ganeshan, Pedagogical Agents on the Web[DB/OL].

人工智能技術論文范文6

關鍵詞：人工智能，電氣，自動化控制

 

人類智能主要要包括三個力面，即感知能力，思維能力，行為能力，而人工智能是指由人類制造出來的“機器”所表現出來的智能。人工智能主要包括感知能力、思維能力和行為能力。人工智能是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式作出反應的智能機器。該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。電氣自動化是研究與電氣工程有關的系統運行、自動控制、電力電子技術、信息處理、試驗分析、研制開發以及電子與計算機應用等領域的一門學科。實現自動化，就等于減少了人力資本投入，并提高了運作的效率。

1人工智能應用理論分析

人工智能(Artificial Intelligence),英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是門邊沿學科，屬于自然科學和社會科學的交叉。涉及哲學和認知科學、數學、心理學、計算機科學、控制論、不定性論，其研究范疇為自然語言處理，知識表現，智能搜索，推理，規劃，機器學習，知識獲取，感知問題，模式識別，邏輯程序設計，軟計算，不精確和不確定的管理，人工生命，神經網絡，復雜系統，遺傳算法等，應用于智能控制，機器人學，語言和圖像理解，遺傳編程。

當今社會，計算機技術已經滲透到生產和生活的方方面面，計算機編程技術的日新月異催生自動化生產、運輸、傳播的快速發展。人腦是最精密的機器，編程也不過是簡單的模仿人腦的收集、分析、交換、處理、回饋，所以模仿模擬人腦的機能將是實現自動化的主要途徑。電氣自動化控制是增強生產、流通、交換、分配等關鍵一環，實現自動化，就等于減少了人力資本投入，并提高了運作的效率。

2人工智能控制器的優勢

不同的人工智能控制通常用完全不同的方法去討論。但AI控制器例如:神經、模糊、模糊神經以及遺傳算法都可看成一類非線性函數近似器。這樣的分類就能得到較好的總體理解，也有利于控制策略的統一開發。這些AI函數近似器比常規的函數估計器具有更多的優勢，這些優勢如下

（1）它們的設計不需要控制對象的模型（在許多場合，很難得到實際控制對象的精確動態方程，實際控制對象的模型在控制器設計時往往有很多不確實性因素。例如:參數變化，非線性時，往往不知道。)

（2）通過適當調整（根據響應時間、下降時間、魯棒性能等)它們能提高性能。例如:模糊邏輯控制器的上升時間比最優PID控制器快1.5倍，下降時間快3.5倍。

(3)它們比古典控制器的調節容易。

(4)在沒有必須專家知識時，通過響應數據也能設計它們。

(5)運用語言和響應信息可能設計它們。論文格式，自動化控制。。

(6)它們有相當好的一致性(當使用一些新的未知輸入數據就能得到好的估計)，與驅動器的特性無關。論文格式，自動化控制。。現在沒有使用人工智能的控制算法對特定對象控制效果非常好，但對其他控制對象效果就不會一致性地好，因此對具體對象必須具體設計。

3人工智能的應用現狀

(1)優化設計電氣設備的設計是一項復雜的工作，它不僅要應用電路、電磁場、電機電器等學科的知識，還要大量運用設計中的經驗性知識。傳統的產品設計是采用簡單的實驗手段和根據經驗用手工的方式進行的。因此，很難獲得最優方案。隨著計算機技術的發展，電氣產品的設計從手工逐漸轉向計算機輔助設計(CAD)，大大縮短了產品開發周期。人工智能的引進，使傳統的CAD技術如虎添翼，產品設計的效率及質量得到全面提高。

用于優化設計的人工智能技術主要有遺傳算法和專家系統。遺傳算法是一種比較先進的優化算法，非常適合于產品優化設計，因此電氣產品人工智能優化設計大部分采用此種方法或其改進方法。

（2）智能控制的功能實現

①數據采集與處理：對所有開關量、模擬量的實時采集，并能按要求處理或存貯。

②畫面顯示：模擬畫面真實顯示一次設備和系統的運行狀態，可實時顯示電流、電壓等所有模擬量、計算量、隔離開關、斷路器等實際開關狀態及掛牌檢修功能，能生成歷史趨勢圖。

③運行監視：具有對各主要設備的模擬量數值、開關量狀態的實時智能監視，有事故報警越限和狀態變化事件報警，事件順序記錄、聲光、語音、電話圖象報警。

④操作控制：通過鍵盤或鼠標實現對斷路器及電動隔離開關的控制，勵磁電流的調整。按順控程序進行同期并網帶負荷或停機操作。系統對運行人員的操作權限加以限制，以適應各級運行值班管理。

⑤故障錄波:模擬量故障錄波，波形捕捉，開關量變位，順序記錄等（包括主要輔機)。論文格式，自動化控制。。

⑥在線分析：不對稱運行分析、負序量計算等。

⑦在線參數設定及修改：保護定值包括軟壓板的投退。

⑧運行管理:操作票專家系統，運行日志，報表的生成及存儲或打印，運行曲線等。

人工智能控制技術在自動控制領域的研究與應用已廣泛展開，但在電氣設備控制領域所見報道不多。可用于控制的人工智能方法主要有3種:模糊控制、神經網絡控制、專家系統控制。

4恒壓供水案例簡析

恒壓供水在工業和民用供水系統中已普遍使用，由于系統的負荷變化的不確定性，采用傳統的PID算法實現壓力控制的動態特性指標很難收到理想的效果。在恒壓供水自動化控制系統的設計初期曾采用多種進口的調節器，系統的動態特性指標總是不穩定，通過實際應用中的對比發現，應用模糊控制理論形成的控制方案在恒壓系統中有較好的效果。在實施過程中選用了AI 一808人工智能調節器作為主控制器，結合FXIN PLC邏輯控制功能很好地實現了水廠的全自動化恒壓供水。對于單獨采用PLC實現壓力和邏輯控制方案，由于PLC的運算能力不足編寫一個完善的模糊控制算法比較困難，而且參數的調整也比較麻煩，所以所提出的方案具有較高的性價比。

本案例中只是一個人工智能在電氣自動化中的一個小小的應用，也是電氣元

件生產供給的一個方向，實現機械智能化是我們努力的追求，將人工智能的先進的最新成果應用于電氣自動化控制的實踐是一個誘人的課題。

5結語

人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能完成的復雜的工作，電氣自動化是研究與電氣工程有關的系統運行。人工智能主要包括感知能力、思維能力和行為能力，人工智能的應用體現在問題求解，邏輯推理與定理證明，自然語言理解，自動程序設計，專家系統，機器人學等方面。而這諸多方面都體現了一個自動化的特征，表達了一個共同的主題，即提高機械的人類意識能力，強化控制自動化。因此人工智能在電氣自動化領域將會大有作為，電氣自動化控制也需要人工智能的參與。

參考文獻

[1]陳洪峰.國內電氣自動化發展狀況與趨勢[J].科技創新導報，2009

[2]張培銘，繆希仁等.展望21世紀電器發展方向----人工智能電器[J].電工技術雜志，2006(4).