导语：如何才能写好一篇人工智能研究现状综述，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
引言
回顾人工智能的产生与发展过程，可以将其分为：初期形成阶段，综合发展阶段和应用阶段。
1.初期形成阶段
2.综合发展阶段
1.77年，费根鲍姆在第五届国际人工智能联合会议上正式提出了“知识工程”这一概念。而后其对应的专家系统得到发展，许多智能系统纷纷被推出，并应用到了人类生活的方方面面。20世纪80年代以来，专家系统逐步向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。大型专家系统开发采用了多种人工智能语言、多种知识表示方法、多种推理机制和多种控制策略相结合的方式，并开始运用各种专家系统外壳、专家系统开发工具和专家系统开发环境等等。在专家系统的发展过程中，人工智能得到了较为系统和全面的综合发展，并能够在一些具体的任务中接近甚至超过人类专家的水平。
3.应用阶段
二、人工智能核心技术
人工智能由于其涉及的领域较多，内容复杂，因此在不同的应用场景涉及到许多核心技术，这其中如专家系统、机器学习、模式识别、人工神经网络等是最重要也是发展较为完善的几个核心技术。
1.专家系统
专家系统是一类具有专门知识和经验的计算机智能程序系统，通过对人类专家的问题求解能力建模，采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题，达到具有与专家同等解决问题能力的水平。对专家系统的研究，是人工智能中开展得较为全面、系统且已经取得广泛应用的技术。许多成熟而先进的专家系统已经被应用在如医疗诊断、地质勘测、文化教育等方面。
2.机器学习
机器学习是一个让计算机在非精确编程下进行活动的科学，也就是机器自己获取知识。起初，机器学习被大量应用在图像识别等学习任务中，后来，机器学习不再限于识别字符、图像中的某个目标，而是将其应用到机器人、基因数据的分析甚至是金融市场的预测中。在机器学习的发展过程中，先后诞生了如凸优化、核方法、支持向量机、Boosting算法等等一系列经典的机器学习方法和理论。机器学习也是人工智能研究中最为重要的核心方向。
3.模式识别
4.人工神经网络
人工神经网络是在研究人脑的结构中得到启发，试图用大量的处理单元模仿人脑神经系统工程结构和工作机理。而近年来发展的深度卷积神经网络（Convolutionalneuralnetworks，CNNs）具有更复杂的网络结构，与经典的机器学习算法相比在大数据的训练下有着更强的特征学习和表达能力。含有多个隐含层的神经网络能够对输入原始数据有更抽象喝更本质的表述，从而有利于解决特征可视化以及分类问题。另外，通过实现“逐层初始化”这一方法，实现对输入数据的分级表达，可以有效降低神经网络的训练难度。目前的神经网络在图像识别任务中取得了十分明显的进展，基于CNN的图像识别技术也一直是学术界与工业界一致追捧的热点。
三、机器人情感获得
目前智能机器人的研究还主要基于智能控制技术，通过预先定义好的机器人行动规则，编程实现复杂的自动控制，完成机器人的移动过程。而人类进行动作、行为的学习主要是通过模仿及与环境的交互。从这个意义上说，目前智能机器人还不具有类脑的多模态感知及基于感知信息的类脑自主决策能力。在运动机制方面，目前几乎所有的智能机器人都不具备类人的外周神经系统，其灵活性和自适应性与人类运动系统还具有较大差距。
2.机器人情感获得的可能性
人脑是在与外界永不停息的交互中，在高度发达的神经系统的处理下获得情感。智能机器人在不断的机器学习和大数据处理中，中枢处理系统不断地自我更新、升级，便具备了获得情感的可能性及几率。不断地更新、升级的过程类似于生物的进化历程，也就是说，智能机器人有充分的可能性获得与人类同等丰富的情感世界。
3.机器人获得情感的利弊
机器人获得情感在理论可行的情况下，伴之而来的利弊则众说纷纭。一方面，拥有丰富情感世界的机器人可以带来更多人性化的服务，人机合作也可进行地更加深入，可以为人类带来更为逼真的体验和享受。人类或可与智能机器人携手共创一个和谐世界。但是另一方面，在机器人获得情感时，机器人是否能彻底贯彻人类命令及协议的担忧也迎面而来。
4.规避机器人情感获得的风险
规避智能机器人获得情感的风险应预备强制措施。首先要设计完备的智能机器人情感协议，将威胁泯灭于未然。其次，应控制智能机器人的能源获得，以限制其自主活动的能力，杜绝其建立独立体系的可能。最后，要掌控核心武器，必要时强行停止运行、回收、甚至销毁智能机器人。
三、总结
参考文献
[2]曾毅，刘成林，谭铁牛.类脑智能研究的回顾与展望[J].计算机学报，2016，（01）：212-222.
[3]张越.人工智能综述：让机器像人类一样思考
综述结果与分析
〔关键词〕知识图谱；专家系统；发展轨迹
DOI：10．3969／j．issn．1008－0821．2012．02．040
Knowledge-basedExpertSystemDevelopmentOverviewMapLiaoYi
（PoliticalDepartment，NationalUniversityofDefenseTechnology，Changsha410073，China）
〔Abstract〕Artificialintelligenceexpertsystemisthemostimportantandmostactiveareasofanapplication,whichimplementstheartificialintelligenceresearchfromtheorytopractice,turningfromthegeneralreasoningstrategiesofamajorbreakthroughintheuseofexpertise.Thischronologicalorder,theexpertsystemintothe1980sbeforethe1980s,1990s,2000,afterfourstages.Articlesusingbibliometricmethods,analysisoftheexpertsystemdevelopmentprocess,developmentandtrends,pointingoutthatthecurrentphaseisthedevelopmentofexpertsystems,expertsystemsintoavarietyofcommercialoperation,needtoaddresstheknowledgeacquisitionbottleneck,matchingconflictsandotherissuesforexpertsystemstounderstandandmasterthesubjectstructure,evolution,developmentandsoprovideanuniqueperspectiveandknowledge.
〔Keywords〕knowledgemaps;expertsystems;thedevelopmenttrajectory
2012年2月第32卷第2期基于知识图谱的专家系统发展综述Feb.，2012Vol.32No.22专家系统前40年的发展
2.1专家系统起源时期
根据图2显示，这段时期有7个突出节点，既有7位代表人物。第一个节点代表的是“人工智能之父”――英国著名科学家阿兰麦席森图灵（AlanMathisonTuring），他于1950年在《心灵》杂志上《计算机器与智能》，提出了著名的“图灵测试”，探讨了机器智能的可能性，为后来的人工智能科学提供了开创性的构思［1］。
第二个节点代表的是美国工程院院士、加州大学扎德（LA.Zadeh）教授，他于1965年在《信息与控制》杂志第8期上发表题为《模糊集》的论文，提出模糊集合理论，给出了模糊性现象定量描述和分析运算的方法，从而诞生了模糊数学。1978年，扎德教授提出了“可能性理论”，将不确定性理解为可能性，为模糊集理论建立了一个实际应用上的理论框架，这也被认为是模糊数学发展的第二个里程碑。同年，国际性期刊《InternationalJournalofFuzzySetsandSystem》诞生，这使得模糊理论得到普遍承认，理论研究高速发展，实际应用迅速推广。
第三个节点代表的美国两院院士、卡内基-梅隆大学教授艾伦纽厄尔（AllenNewell），1972年，他出版了《人怎样解题》（HumanProblemSolving)一书，书中描述了他和西蒙试图建立一个计算机化的“通用问题求解器”的历程：20世纪50年代，他们发现，人类的问题解决，在一定知识领域内可以通过计算机实现，所以他们开始用计算机编程来解决问题，1956年，他们研发出了逻辑理论家和通用问题求解器（GeneralProblemSolver），并建立了符号主义人工智能学派。我们可以看出，这本书是对他以前所作工作的总结与归纳，而逻辑理论家和通用问题求解器正是专家系统的雏形，为专家系统的出现奠定了坚实的基础。
但是艾伦纽厄尔的尝试无法解决大的实际问题，也很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大搜索空间也难于处理。为此，美国国家工程院院士、斯坦福大学教授费根鲍姆（E.A.Feigenbaum）等人在总结通用问题求解系统成功与失败的经验基础上，结合化学领域的专门知识，于1965年研制了世界上第一个专家系统dendral，可以推断化学分子结构。专家系统进入了初创期，其代表有dendral、macsyma（数学专家系统）等，第一代专家系统以高度专业化、求解专门问题的能力强为特点，向人们展示了人工智能应用的广阔前景［2］。
第四个节点代表人物是美国麻省理工学院著名的人工智能学者明斯基（Minsky）。1975年，他在论文《表示知识的框架》(AFrameworkforRepresentatingKnowledge，McGraw-Hill)中提出了框架理论，框架理论的核心是以框架这种形式来表示知识。理论提出后，在人工智能界引起了极大的反响，并成为了基于框架的专家系统的理论基础，基于框架的专家系统适合于具有固定格式的事物、动作或事件。
第五个节点代表人物是美国普林斯顿大学教授格伦谢弗（GlennShafer），他在1976年出版了《数学理论的证据》（Amathematicaltheoryofevidence）一书，介绍了由他和Dempster于1967年提出的D-S理论（即证据理论）。证据理论可处理由不知道因素引起的不确定性，后来，该理论被广泛应用于计算机科学和工程应用，是基于D-S证据理论的专家系统的理论基础。
第六个重要节点代表是美国斯坦福大学爱德华汉斯肖特利夫（ShortliffEH）教授，他于1975年在著名杂志《数学生物科学》上发表《Amodelofinexactreasoninginmedicine》（《在医学模型的不精确推理》）一文，他结合自己1972－1974年研制的世界第一个医学专家系统――MYCIN系统（用于诊断和治疗血液感染及脑炎感染，是第二代专家系统的经典之作），提出了确定性理论，该理论对专家系统的发展产生了重大影响。
第七个节点代表人物是美国麻省理工学院计算机科学和人工智能实验室的戴维斯（RandallDavis）教授，他于1976年提出元知识的概念，并在专家系统的研制工具开发方面做出了突出贡献――研制出知识获取工具Teiresias，为专家系统获取知识实现过程中知识库的修改和添加提供了工具［3］，关Teiresias，他于1977年在《ArtificialIntelligence》杂志上中进行了详细介绍，而这也为本时期专家系统的快速增多和广泛应用奠定了坚实基础。
20世纪70年代后期，随着专家系统应用领域的不断开拓，专家系统研发技术逐渐走向成熟。但同时，专家系统本身存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一等问题也被逐渐暴露出来。人们从各种不同类型的专家系统和知识处理系统中抽取共性，人工智能又从具体研究逐渐回到一般研究。围绕知识这一核心问题，人们重新对人工智能的原理和方法进行探索，并在知识的获取、表示以及知识在推理过程中的利用等方面开始出现一组新的原理、工具和技术。
2.2专家系统发展的黄金时期
20世纪80年代是专家系统突飞猛进、迅速发展的黄金时代，根据图2显示，这段时期共有论文982篇，有7个突出节点。
1980年，出现了第一个节点代表――美国斯坦福大学计算机科学系系主任尼尔森（NILSJ.NILSSON），他出版的《人工智能原理》（《Principlesofartificialintelligence》）一书，表明了拉近理论和实践的距离的目标，书中对基于规则的专家系统、机器问题解决系统以及结构对象的代表等都进行了具体的论述。
1981年，出现了第二个节点代表――英国赫特福德大学教授Clocksin，威廉F，他出版的《PROLOG语言编程》一书，引起了计算机科学界的极大兴趣，并已被证明是一个重要的编程语言和人工智能系统的新一代基础，是专家系统的重要编程语言。
1982年，出现了第三个节点代表――美国匹兹堡大学教授米勒（MillerRA），他在《英格兰医药分册》上发表了《基于计算机的医学内科实验诊断顾问》（AnExperimentalComputerbasedDiagnosticConsultantforGeneralInternalMedicine.NEnglJMed,307,468-76,1982）一文，属当时诊断专家系统的代表力作，书中介绍了著名的内科疾病诊断咨询系统INTERNIST-1，之后将其不断完善成改进型INTERNIST-2，即后来的CADUCEUS专家系统，其知识库中包含了572种疾病，约4500种症状。
1983年，出现了第四个节点代表――美国的海斯罗斯（Hayes-Roth，F）教授，他于1983年发表著作《建立专家系统》，对专家系统建立的原则和要素、开发的生命周期等重要问题进行了详细讲解，为研究与开发各种类型的专家系统提供了理论依据。
1984年，出现了第五个节点代表――美国匹兹堡大学计算机科学、哲学和医学教授布鲁斯布坎南（BruceG.Buchanan），他于1984年发表著作《规则的专家系统：斯坦福启发式编程项目Mycin实验》（《RuleBasedExpertSystems:TheMycinExperimentsoftheStanfordHeuristicProgrammingProject》，这是有史以来关于医疗诊断系统MYCIN的实验规则库公布。基于规则的专家系统MYCIN是专家系统开发过程中一个里程碑，研究其开发思路与方法具有非常重要的意义。
1985年，出现了第六个节点代表――美国人工智能专家、加州大学教授哈蒙（HarmonP），他出版了《专家系统：人工智能业务》（《Expertsystems：artificialintelligenceinbusiness》）一书。书中阐述了专家系统如何解决问题，代表知识，并得出推论，并介绍了人工智能的具体制度，确定了专家系统的市场。
1986年，出现了第七个节点代表――著名的专家系统学者沃特曼（WatermanDA），他出版了《专家系统指南》一书，该书对专家系统的概念、组成、建立过程、建立工具、应用领域等做了深入浅出的系统介绍与论述，是当时全面介绍专家研发与应用的经典书籍。
20世纪80年代初，医疗专家系统占主流，主要原因是它属于诊断类型系统且容易开发。80年代中期，出现大量投入商业化运行的专家系统，为各行业带来了显著的经济效益。从80年代后期开始，大量新技术成功运用到专家系统之中，使得专家系统得到更广泛的运用。在这期间开发的专家系统按处理问题的类型可以分为：解释型、预测型、诊断型、设计型等。应用领域扩展到农业、商业、化学、通信、医学等多个方面，成为人们常用的解决问题的手段之一。
然而，与此同时，现有的专家系统也暴露出了自身严重的缺陷，使不少计算机界的知名学者对专家系统产生了怀疑，认为专家系统存在的问题有以下几点：（1）专家系统中的知识多限于经验知识，极少有原理性的知识，系统没有应用它们的能力；（2）知识获取功能非常弱。为了建造专家系统，必须依赖于专家获取知识，不仅费时，而且很难获取完备性和一致性的知识；（3）求解问题的方法比较单一，以推理机为核心的对问题的求解尚不能反映专家从认识问题到解决问题的创造性过程；（4）解释功能不强［4］。等到学者们回过头重新审视时，20世纪90年代的专家系统理论危机已然爆发。
390年代专家系统向多个方向发展
从图3中我们可以看出，全图的节点比较分散，没有形成大的聚类，这表示该阶段没有形成重点研究方向，也没有重大科研成果和标志性著作产生，专家系统的市场化进程严重牵引了研究者们的注意力，这是专家系统研究陷入低谷期的重要原因。
第二个研究方向是骨架专家系统，代表人物有美国斯坦福大学的爱德华汉斯肖特利夫（ShortliffEH）教授。1974年末，MYCIN系统基本建成后，MYCIN的设计者们就想到用其它领域的知识替换关于感染病学的知识，可能会得到一个新的专家系统，这种想法导致了EMYCIN骨架系统的产生。EMYCIN的出现大大缩短了专家系统的研制周期，随后，AGE、OPS5、KEE、KBMS、GESDE等骨架系统应运而生，它们在20世纪90年代专家系统的研究进程中，发挥着重要作用。
第三个研究方向是故障诊断专家系统，代表人物有美国麻省理工学院的兰德尔戴维斯（RandallDavis）教授。他于1984年在《人工智能》杂志上发表了《基于结构和行为的诊断推理》（《DiagnosticReasoningBasedonStructureandBehavior》）一文，该论文描述了一个利用知识结构和行为，在电子电路领域进行故障诊断排除的专家系统。之后，故障诊断专家系统在电路与数字电子设备、机电设备等各个领域已取得了令人瞩目的成就，已成为当今世界研究的热点之一。
第五个研究方向是知识工程在专家系统中的运用。代表人物是美国斯坦福大学的克兰西教授（ClancyWJ），他于1985年在《人工智能》杂志上发表了重要论文《启发式分类》（《Heuristisclassification》），启发式分类即对未知领域情况的类的识别过程。它是人类思维解决问题的重要方法，在人工智能、专家系统中可常用启发式设计计算机程序，模拟人类解决问题的思维活动。
第六个研究方向是机器学习在专家系统中的运用。代表人物是机器学习领域前辈、澳洲悉尼大学著名教授JohnRossQuinlan。他于1986年在《机器学习》（《Mach.Learn》）杂志上发表《决策树算法》（《InductionofDecisionTrees》）一文，文中他详细描述了决策树算法的代表――ID3算法。之后，有大量学者围绕该算法进行了广泛的研究，并提出多种改进算法，由于决策树的各类算法各有优缺点，在专家系统的实际应用中，必须根据数据类型的特点及数据集的大小，选择合适的算法。
第七个研究方向是神经网络专家系统，代表人物有人工智能专家StephanI.Gallant和美国加利福尼业大学教授巴特卡斯科（BartKosko）。Gallant于1988年在《ACM的通信》上发表了《连接主义专家系统》（《Connectionistexpertsystems》）一文，文中讲述Gallant设计了一个连接主义专家系统（Connectionistexpertsystem），其知识库是由一个神经网络实现的（即神经网络知识获取），开创了神经网络与专家系统相结合的先例。
第八个研究方向是遗传算法在专家系统中的运用。代表人物是遗传算法领域著名学者、美国伊利诺伊大学DavidGoldberg教授和人工智能专家L.Davis。1989年，Goldberg出版了专著《搜索、优化和机器学习中的遗传算法》，该书系统总结了遗传算法的主要研究成果，全面而完整地论述了遗传算法的基本原理及其应用；1991年，Davis编辑出版了《遗传算法手册》，书中包含了遗传算法在科学计算、工程技术和社会经济中的大量应用实例，该书为推广和普及遗传算法的应用起到了重要的指导作用。这些都推动了基于遗传算法的专家系统的研发推广。
第九个研究方向是决策支持系统在专家系统中的运用，代表人物是美国加利福尼亚大学伯克利分校教授埃弗雷姆特班（EfraimTurban）。他于1990年出版了《决策支持和专家系统的管理支持系统》（《Decisionsupportandexpertsystems:managementsupportsystems》）一书。20世纪80年代末90年代初，决策支持系统开始与专家系统相结合，形成智能决策支持系统，该系统充分做到了定性分析和定量分析的有机结合，将解决问题的范围和能力提高到一个新的层次。
第十个研究方向是各种理论知识在专家系统中的综合运用，代表人物是美国加利福尼业大学教授巴特卡斯科（BartKosko）和美国伊利诺伊州研究所教授Abdul-RahmanK.H。卡斯科（Kosko）于1992年出版《神经网络和模糊系统：一个拥有机器智能的动力系统方法》（《Neuralnetworksandfuzzysystems:adynamicalsystemsapproachtomachineintelligence》）一书，这是第一本将神经网络和模糊系统结合起来的读本，也是神经网络与模糊理论综合应用于专家系统建设的经典著作；Abdul-RahmanK.H教授于1995年，在美国电气和电子工程师协会的《电力系统及自动化》（《TransactionsonPowerSystems》）会议刊上发表了《人工智能模糊无功负荷的最优VAR控制方法》（《AIapproachtooptimalVARcontrolwithfuzzyreactiveloads》）一文，论文提出了一个解决无功功率（VAR）控制问题，这个方法包含了专家系统、模糊集理论和人工神经网络的重要知识。
421世纪专家系统进入稳定发展时期
进入21世纪，专家系统开始缓慢发展，这期间以“ExpertSystem/ExpertsSystem”为主题词的论文共5964篇。本文利用Citespace软件，设置参数为（6，6，20）（5，5，20）（5，5，20），获取了该时期论文的引文聚类图（如图4所示）。图4专家系统2000－2010年的论文引文聚类图
这个时期专家系统有3个主要研究方向：第一个是研究方向是节点明显的基于模糊逻辑的专家系统研究方向。90年代以来，模糊控制与专家系统技术相结合，进一步提高了模糊控制器的智能水平。基于模糊逻辑的专家系统有以下优点：一是具有专家水平的专门知识，能表现专家技能和高度的技巧以及有足够的鲁棒性（即健壮性）；二是能进行有效的推理，能够运用人类专家的经验和知识进行启发性的搜索和试探性的推理；三是具有灵活性和透明性。
第三个是研究方向是专家系统在电力系统中的运用。世界各国的专家们开始热衷于在电力生产的各个环节使用专家系统，代表人物有日本的福井贤、T.Sakaguchi、印度的SrinivasanD、美国伊利诺伊州研究所的Abdul-RahmanK.H、希腊雅典国立技术大学的ProtopapasC.A、和中国的罗旭，他们在美国电气和电子工程师协会的《电力传输》（《IEEEtransactionsonpowerdelivery）会议刊及《电源设备系统》会议刊（《OnPowerApparatusandSystems》）上发表了多篇有影响力的论文，内容涉及系统恢复、电力需求预测、变电站故障诊断和报警处理等多方面。
5专家系统发展趋势分析
（2）该时期的第二个特点是神经网络研究的复苏。神经网络是通过模拟人脑的结构和工作模式，使机器具有类似人类的智能，如机器学习、知识获取、专家系统等。我们从词频上可以看出神经网络（neuralnetwork）一词得以快速增长，1995年时位列第一，进入21世纪也是稳居第二位，神经网络很好地解决了专家系统中知识获取的瓶颈问题，能使专家系统具有自学习能力，它的出现为专家系统提供了一种新的解决途径［6］，同时也显示出他独有的生机与活力。
（3）该时期是模糊逻辑的发展时期。模糊理论发展至今已接近三十余年，应用范围非常广泛，它与专家系统相结合，在故障诊断、自然语言处理、自动翻译、地震预测、工业设计等方面取得了众多成果。我们从词频上可以看出，模糊逻辑（fuzzylogic）一词，除在1990－1994年期间位居第六位外，之后都位居前三甲，2000-2004年期间更是位列第一。模糊控制与专家系统技术相结合，进一步提高了模糊控制器智能水平，这种控制方法既保持了基于规则的方法的价值和用模糊集处理带来的灵活性，同时把专家系统技术的表达与利用知识的长处结合起来，能处理更广泛的控制问题。
6小结
专家系统是20世纪下半叶发展起来的重大技术之一，它不仅是高技术的标志，而且有着重大的经济效益。“知识工程之父”E.Feignbaum在对世界许多国家和地区的专家系统应用情况进行调查后指出：几乎所有的ES都至少将人的工作效率提高10倍，有的能提高100倍，甚至300倍［7］。
专家系统发展的近期目标，是建造能用于代替人类高级脑力劳动的专家系统；远期目标是探究人类智能和机器智能的基本原理，研究用自动机模拟人类的思维过程和智能行为，这几乎涉及自然科学和社会科学的所有学科，远远超出了计算机科学的范畴。
随着人工智能应用方法的日渐成熟，专家系统的应用领域也不断扩大。有人类活动的地方，必将有智能技术包括专家系统的应用，专家系统将成为21世纪人类进行智能管理与决策的工具与助手。
［2］黄可鸣.专家系统二十年［J］.计算机科学，1986，（4）：26-37.
［3］路耀华.思维模拟与知识工程［M］.北京：清华大学出版社，1997．
［4］赵致琢.专家系统研究［J］.贵州大学学报：自然科学版，1990，（6）：40-48.
［5］邹光宇.专家系统发展现状及其应用前景［J］.电力勘测，1994，（3）：21-26.
一、机电一体化的产生与应用
二、机电一体化的发展现状
机电一体化的发展大体可以分为3个阶段。20世纪60年代以前为第一阶段，这一阶段称为初级阶段。在这一时期，人们利用电子技术的初步成果来完善机械产品的性能。特别是在第二次世界大战期间，战争刺激了机械产品与电子技术的结合，这些机电结合的军用技术，战后转为民用，对战后经济的恢复起了积极的作用。那时研制和开发从总体上看还处于自发状态。由于当时电子技术的发展尚未达到一定水平，机械技术与电子技术的结合还不可能广泛和深入发展，已经开发的产品也无法大量推广。
关键词:选煤;自动化;技术;要求
一、概述
实现选煤厂综合自动化是我国选煤工业发展的必然趋势,随着洁净煤技术的研究,作为洁净煤技术的源头技术――选煤方法,取得了很大发展,发展选煤技术就是要谋求短期的经济效益和长期的社会效益、环境效益相统一,选煤综合自动化技术更是选煤技术的重中之重,这里包括选煤厂生产自动化、操作参数优化、产品质量预测与控制智能化、管理与销售信息化以及各个系统的集成综合自动化,这些技术的实现对选煤技术的发展有着积极的推动作用。
二、煤综合自动化对选煤技术的要求
(一)故障诊断技术
现代化选煤厂的发展趋势是工艺流程简化、设备大型化、单台化(取消了备用设备)。与此同时,目前选煤厂用的各类大型机电设备(主要指国内设备)和检测仪器普遍存在稳定性、可靠性差等缺点,要想实现选煤厂的综合自动化,必须大力发展故障诊断技术。考虑到选煤厂设备分散布置的特点,开发分布式故障诊断系统成为必然,其中基于Multi―AgentsSystem技术的分布式人工智能技术作为一种建立在分布式控制结构基础上的智能手段的集成方法,以其特有的优势正日益受到人们重视。
(二)先进控制、智能控制技术
近年来,随着人工智能技术和其他信息处理技术,尤其是信息论、系统论和控制论的发展,智能控制在控制机理和应用实践方面均取得了突破性的进展。遗传算法与模糊逻辑、神经网络相互融合,通过模拟人类思维方式和结构来设计用于解决复杂的各种非线性问题的控制策略,并已在各种实际工程中得到应用,取得了良好的效果。
通过知识工程方法将有关对象的定性知识、人的经验知识与技巧和启发式逻辑推理有效地集成起来,构成知识库系统,以支持系统控制策略和算法的优选及运行状态的优化。利用神经网络对于复杂无模型不确定问题的自适应能力和学习能力,可以用于控制系统的补偿环节和自适应环节,以及非线性系统的辨识和控制。其快速优化的计算能力,可用于复杂控制问题的优化计算;同时充分发挥各种智能方法和技术的特长,通过它们的有机结合,形成互补的综合智能集成技术,为选煤工业过程控制和优化提供强有力的技术支撑。
(三)软测量技术
选煤工业属于典型的流程工业,纵观世界范围内流程工业的发展,目前,正在由简单控制向先进控制、智能控制,由单一控制向综合自动化方向即CIPS方向发展,目前在过程控制领域,智能仪表快速增加,依靠过程信息进行统计诊断和过程统计控制,是高度自动化的关键,要实现高精度在线实时决策,软测量技术的重要性凸显出来。在大力加强和完善传统传感器和仪表精度与可靠性的同时,寻求检测技术新机理、新方法来提高选煤厂在线检测水平,扩大选煤厂检测、监控工艺参数范围,满足选煤综合自动化发展需求是一个重要的研究方向。
软测量技术可在一定程度上代替现有的人工分析和在线分析仪测量某些分析指标,是对生产过程进行先进控制和优化控制的前提和基础。开发高性能的软测量仪表也是在尚未解决过程参数,尤其是质量参数的“硬”测量技术前提高选煤工程综合自动化的关键。软测量技术为选煤工业重要工艺参数的检测、监控乃至控制提供了检测、测量的新思路,可对选煤工业现有传感器品种不足提供重要补充。
(四)数据挖掘和知识发现
结束语:近年来,美国、德国、英国和澳大利亚等国相继开发成功并使用了各种在线检测装置,实现了选煤厂受煤系统、重介质系统、跳汰系统、浮选系统、干燥系统和装车系统的自动控制,选煤厂入料也实现了均质化,这些自动化装置配合计算机集成过程系统,为选煤厂保证产品质量和提高产率起到了重要作用,对于加快选煤过程综合自动化的进程,推动选煤工业的发展具有重要意义。
作者单位:淮南矿业集团张集选煤二厂
参考文献:
[1]唐晓萍.数据挖掘与知识发现综述[J].电脑开发与利用,2003.
美国麻省大学(UniversityofMassachusettsAmherst)阿默斯特校区(以下简称麻省大学)是马萨诸塞州立大学系统五个校园中的主校园,是美国知名的研究型大学。该校创办于1863年,坐落在美国东部美丽的新英格兰地区。
麻省大学计算机系成立于1964年,其研究生教育也有超过40年的发展历史。由最初的3名教授发展到现在拥有43名教授,其中包括9名ACM计算机学会(AssociationforComputingMachinery)院士(Fellow)、4名电子和电气工程师协会(IEEE)院士、5名人工智能学会(AAAI)院士和2名美国科学促进协会(AAAS)院士。麻省大学计算机系在人工智能、网络与分布式系统、计算理论等多个领域的研究处于世界领先水平。作为美国知名的计算机系,麻省大学计算机系的教育理念是“培养下一代能以创新的方法解决真实世界问题的计算机科学家”(cs.umass.edu/grads/msphd-requirements)。在这个核心思想的指导下,该系非常注重对博士研究生的培养,为了达到培养学生具备进行原创性科学研究(OriginalResearch)的能力的教育宗旨,该系制定了一套非常严格的课程计划,以培养学生坚实而广博的基础知识、良好的科学研究方法和思维习惯。麻省大学计算机系每年大约会收到1000份左右来自世界各国的优秀学生的申请,攻读其博士学位,而录取的人数一般保持在30名左右。完善和严格的博士研究生培养体系、开放而先进的教育理念,使麻省大学计算机系成为全美最具有竞争力的计算机院系之一。
无论哪种形式,麻省大学计算机系博士生培养大体分为两个阶段:博士生资格学习阶段和博士生研究阶段。博士生资格学习阶段主要是对学生进行基础知识培养和基本研究能力训练。学生只有在通过博士资格考试论证,成为正式博士候选(PhDCandidate)人后,才能进入下一步的博士论文研究阶段学习。以下是麻省大学计算机系对硕士/博士研究生的培养要求:
(1)Activelyparticipateinresearchundertheguidanceofanadvisor(在导师的指导下,积极参与研究)
(2)Satisfy6CoreRequirements(完成6门核心课程的要求)
(3)Complete42coursecredits(corecoursestakentosatisfycorerequirementsareincluded)(完成42个课程学分,其中包括核心课程的学分)
(4)Completea6-creditMSProject(完成6个学分的硕士研究项目)
(5)GraduatewithanM.S.Degree(申请获得硕士学位)
(6)PasstheDepartmentQualifyingExam-Portfolio(通过博士资格考试)
(7)FormaCommittee(成立答辩委员会)
(8)ProposeaThesis(提交博士开题报告)
(9)Complete18DissertationCredits(完成18个学分博士论文)
(10)PasstheTeachingAssistantRequirement(完成助教的工作要求)
(11)PasstheResidencyRequirement(atleast9creditsinback-to-backsemesters)(完成连续两个学期修9个学分的要求)
(12)DefendandSubmitaThesis(博士答辩和提交博士论文)
本文将以麻省大学计算机系为例,探讨美国计算机专业博士研究生培养的一个重要环节――博士研究生课程教育体系的特点,以期为提高我国的计算机专业博士生教育提供借鉴。
2掌握牢固的理论知识是培养优秀博士生的基础
美国的计算机博士教育非常注重对学生基础理论知识的培养,为了使学生掌握牢固而广博的基础知识,麻省大学计算机系要求每个硕士/博士研究生必须修完6门博士核心课程,而且成绩必须达到B+以上。这些核心课程分别属于计算机科学的三大领域:理论(Theory)、系统(Systems)和人工智能(ArtificialIntelligence),课程设置具体如下:
(1)理论核心课:计算理论(ComputationTheory)、高级算法(AdvancedAlgorithms)
(2)系统核心课:有三组课程,分别是:
编译技术(CompilerTechniques)、现代计算机体系结构(ModernComputerArchitecture)
数据库设计和实现(DatabaseDesignandImplementation)、高级计算机网络(AdvancedComputerNetworking)、操作系统(OperatingSystems)
高级软件工程I(AdvancedSoftwareEngineering:SynthesisandDevelopment)、高级软件工程II(AdvancedSoftwareEngineering:AnalysisandEvaluation)、程序设计语言(ProgrammingLanguages)
(3)人工智能核心课程:高级人工智能(ArtificialIntelligence)、机器人学(Robotics)、信息检索(InformationRetrieval)、不确定环境下的推理(ReasoningandActingunderUncertainty)、增强型学习(ReinforcementLearning)、机器学习(MachineLearning:PatternClassification)
根据不同的研究方向,学生可以在六门核心课程的选择上有所不同,但为了加强理论基础和掌握知识的广度,无论哪个研究方向的学生,都必须修完两门理论核心课程和一门高级人工智能课程,同时,再根据自己的研究方向选修其他三门核心课程。例如,一个系统方向的博士研究生除了修完以上两门理论和一门人工智能课程以外,还必须修完来自于系统方向不同组的三门系统方向的课程;而一个人工智能方向的博士生则必须修完另外两门人工智能方向的核心课程和一门系统方向的核心课程。
严格的核心课程作业、考试制度和淘汰制度,不但使学生牢固掌握了计算机科学各领域的基础知识,培养了学生勤奋刻苦的专研精神,而且极大地丰富了学生的视野,为学生进入实际科学研究打下了坚实的基础。
3灵活而完善的博士生选修课程体系是培养创新型人才的重要途径
美国一流研究型大学博士生教育的目标是培养世界一流的科学家和拔尖创新型人才,为了实现这个目标,美国的博士生教育除了注重培养学生扎实和精深的基础知识外,还非常注重培养学生的创新思维和发现新问题的探索精神及能力。
如果核心课程体系的设置是培养优秀博士生的基础,是向学生传授学科领域的重要基本知识和原理与技术,是学生全面掌握计算机基本理论与方法的重要途径,那么,选修课的设置则是对学科基本知识的补充,是培养学生学习新的知识和了解并探索前沿研究方向,从而成为创新型人才的重要手段。
在教学模式上,可以采用由教授主讲的传统方式,也可以采用以讨论为主的方式。以教授为主讲的教学模式在此就不再赘述,以下着重描述以讨论为主的选修课教学模式。
以讨论为主的Seminar是美国计算机院系的教授最常用的选修课教学模式。Seminar的课程设置没有固定模式,但通常有以下几方面的特点。
第一,课程的选题一般是近年新出现的有代表性的前沿研究课题。
第二,课程内容的选择一般来自近年来该领域顶级国际会议的专题论文。
第三,课程内容的组织由教师完成。教师在确定题目后,一般会根据论文的情况将讨论的内容分为多个子专题,每个子问题由3～4篇论文组成。课程的开始一般是综述性的论文或在该领域出现的最早的学术论文,其目的是探讨该研究方向出现的新的应用背景需求和所带来的新的挑战。其后的每个子专题则将对具体问题和方法进行深入探讨。
第四,选课的学生人数一般在20～30人左右,而且通常是由学完了核心课程以后的高年级博士生组成。学生人数太少,论文的覆盖面可能太小;学生太多,可能导致讨论的深度不够。同时,只有学完了基本理论后,学生才有可能具备较深入分析问题的能力。在Seminar的学习讨论中,找到新的研究问题也是该课程设置的重要目的之一。
4合理的课程学习安排是培养高质量博士生的有效保证
5启示和建议
美国的博士教育强调坚实的基础理论知识、完善的知识体系和用于探索与创新的研究能力,而这些恰恰是决定博士毕业生日后发展潜力的关键。长期以来,我国计算机博士教育主要是通过参与科研项目的形式来对学生进行培养,这种“研究项目驱动型教育”在我国恢复研究生教育的初期起到了很好的推动作用,培养了大批科研人才。但随着教育本质的回归和创新型人才培养的需要,从总体来看,我国的这种单纯强调研究项目的教育模式培养的博士生,质量与国际先进水平相比还有一定的差距。由于没有严格的博士课程要求和淘汰制度,学生在学习阶段往往会忽略对基础知识的学习和对知识结构的完善。长此以往,必然会影响博士生的研究水平和发展潜力,最终将会影响国家的整体创新能力。
笔者建议,为了使学生掌握牢固的专业基础知识,同时培养学生在某一学科领域的研究兴趣和基本的研究能力,应该首先强调核心课程体系的建设,不论哪个方向的学生都必须通过一定数量的核心课程的学习,如算法、分布式操作系统、人工智能等,这些核心课程应由教师来讲授;同时,应严格课程的考核制度和课程评价体系。对于选修课,由于其主要目的是扩展学生的视野,培养学生分析问题和研究问题的能力,所以应借鉴国内外Seminar课程的成功经验,积极有效地激励教师和学生共同上好Seminar课。
博士生教育是一项复杂而艰巨的系统工程,而其中的课程学习是研究生培养中非常重要的一个环节,如何通过严格的培养机制和灵活的培养方法,在给学生传授基础知识的同时培养学生分析问题和解决问题的能力;如何将合理的研究生课程体系和研究项目结合起来,严格博士生培养机制,完善博士生资格评估体系,从制度上保障博士研究生的质量;以及如何真正教会学生探索科学基本问题的方法,培养学生良好的科研习惯和勇于开拓创新的精神等,是我们在计算机学科建设中应该进一步思考的问题。
关键词：应急；预测；支持向量机；人工神经网络；案例推理法
一、引言
“预测”这一件事，从古到今都是人们苦苦追求与探索的话题：从“先知三日，富贵十年”到“凡事预则立，不预则废”；从活跃在中国民间的算命先生，再到西方观测星象的占卜师，无不寄予着世人对未知的好奇和对未来的向往。随着科技进步与时展，特别是计算机技术的飞跃，给予人们更强大、更客观的手段和方法进行预测。本文以应急物资需求为背景，通过对各类预测方法的介绍和对比，为应急物资的需求预测寻求最佳途径。
二、预测方法分类及研究现状
由于预测的对象、目标、内容和期限的不同，近几十年来形成了多种多样的预测方法。据不完全统计，目前世界上有近千种预测方法，其中较为成熟的有150多种，常用的有30多种，用得最为普遍的有10多种，但目前为止还没有一个完整、统一、系统的分类体系。本文依照我国常用的分类方法，将预测方法分为定性分析和定量分析两大类。
1.定性分析预测法
定性分析预测法是指预测者根据历史与现实的观察资料，依赖个人或集体的经验及智慧，对未来的发展状态和趋势做出判断的预测方法。其主要方法包括专家意见法、头脑风暴法和德尔菲法等。定性预测的优点在于，能够较大程度地发挥人的主观能动作用，简单迅速，省时省力，具有较大的灵活性；同时它的缺点也是显而易见的：由于它较为依赖于人的经验和主观判断能力，从而易受人的知识、经验和能力的多少大小的束缚和限制，尤其缺乏对事物发展作数量上的精确描述。因此，定性分析预测法在现代预测技术中逐渐淡出，定量分析预测法成为预测的主要手段。
2.定量分析预测法
（2）因果分析预测法
三、应急物资需求预测的研究现状
1.案例推理法（CBR）
案例推理法（Case―BasedReasoning，简称CBR）最早是由耶鲁大学Schank教授在DynamicMemory：ATheoryofRemindingandLearninginComputersandPeople（1982）一文中提出的，它是人工智能领域的一项重要推理方法。国外自上世纪8O年代后期对CBR的理论和方法进行了系统研究，在通用问题求解、法律案例分析、设备故障诊断、辅助工程设计、辅助计划制定等领域取得实用性成果[1]；国内运用CBR方法对应急物资需求进行预测，取得了一定的进展：傅志妍，陈坚[2]运用欧氏算法寻求最佳相似源案例，建立案例推理――关键因素模型对目标案例进行需求预测，并通过实例验证了模型的科学有效；王晓、庄亚明[3]将模糊集理论、神经网络Hebb学习规则和多元线性回归与案例推理法相结合，较为准确地预测出非常规突发事件的资源需求；FuDeqiang[4]等人使用了一种基于案例推理和BP神经网络的精度预测法，同样通过目标案例证实了模型的可靠性。
2.人工神经网络（ANN）
3.支持向量机（SVM）
支持向量机在应急物资和物流需求预测中的研究，国内文献一般集中在以下几个方面：赵一兵[15]等人运用支持向量机回归算法建立了地震中人员伤亡预测模型，而后结合库存管理模型对应急物资进行了估算，并在实例中验证了模型的有效性；吴洁明[16]等运用支持向量机对历史物流需求量的数据进行学习，而后通过粒子群算法获得模型最优参数对物流需求进行预测；何满辉[17]等针对支持向量机在处理数据时无法将数据简化的问题，提出了基于模糊粗糙集与支持向量机的区域物流量预测方法；朱莎[18]提出了基于小波分析和支持向量机的组合预测方法，建立了针对紧急救援阶段和后续救援阶段的血液需求预测模型，并在汶川地震的案例中体现出该模型较高的精度。
从以上文献中我们可以发现，案例推理法，人工神经网络和支持向量机的应用，都体现出跨学科，跨专业的特点，它们将生物学或计算机科学等自然科学的研究方法推广到经济管理等社会科学中，并很好地解决了现实问题。
四、结束语
本文首先通过对现有预测方法的简要介绍，提出运用近年来兴起的人工智能方法对预测问题的研究；而后从应急物资需求的视角出发，对国内外解决应急物资需求预测方法做出总结回顾。通过分析，笔者认为支持向量机（SVM）更适合运用于对历史数据较少或不全的应急物资需求进行预测。下一步的工作将是对预测指标的选取和影响因子的量化，以及对输入SVM训练数据的处理，并在实例中验证该预测方法的精确度和有效性。
参考文献：
[1]侯玉梅，许成媛.基于案例推理法研究综述[J].燕山大学学报（哲学社会科学版），2011，12（4）：102-108.
[2]傅志妍，陈坚.灾害应急物资需求预测模型研究[J].物流科技，2009（10）：11-13.
[3]王晓，庄亚明.基于案例推理的非常规突发事件资源需求预测[J].西安电子科技大学学报，2010，12（7）：22-26.
[4]FuDeqiang，LiuYun，LiChangbing，ForecastingtheDemandofEmergencySupplies：BasedontheCBRTheoryandBPNeuralNetwork，Proceedingsofthe8thInternationalConferenceonInnovation&Management.Fukuoka，Japan，November，2011.
[5]LapedesA，Farber.Nonlinearsignalprocessingusingneuralnetworks：predictionandsystemmodeling[R].TechnicalReportLA-UR-87-2662，LosAlamosNationalLaboratory.LosAlamos.NM，1987.
[6]王其文，吕景峰，刘广灵等.人工神经网络与线性回归的比较[J].决策与决策支持系统，1993，3（3）：205-210.
[7]Chin，Kuo，Arthur，Reitsch.Neuralnetworksvs.conventionalmethodsofforecasting，TheJournalofBusinessForecastingMethods&Systems，Winter1995/199617-22.
[8]郭金芬，周刚.大型地震应急物资需求预测方法研究[J].价值工程，2011（22）.27-29.
[9]郭金芬.面向大型地震的应急物资需求预测方法研究[D].天津：天津大学，2011.
[10]后锐，张毕西.基于MLP神经网络的区域物流需求预测方法及其应用[J].系统工程理论与实践，2005，25（12）：43-47.
[11]苗鑫，西宝，邹慧敏.物流需求的动态预测方法.哈尔滨工业大学学报[J].2008，40（10）：1613-1616.
[12]牛忠远.我国物流需求预测的神经网络模型和实证分析研究[D].浙江：浙江大学，2006.
[13]VAPNIKV.TheNatureofStatisticalLearningTheory[M].NewYork：SpringVerlag，1995.
[14]VAPNIKV，张学工译.《统计学习理论的本质》[M].北京：清华大学出版社，2000.
[15]赵一兵，高虹霓，冯少博.基于支持向量机回归的应急物资需求预测[J].2013，30（8）：408-412.
[16]吴洁明，李余琪，万励.物流需求预测算法的仿真研究[J].2011，28（9）：246-249.
[17]何满辉，逯林，刘拴宏.基于模糊粗糙集与支持向量机的区域物流量预测[J].2012，12（3）：129-134.
【关键词】机电一体化现状发展趋势
机电一体化的发展大体可以分为3个阶段。20世纪60年代以前为第一阶段,这一阶段称为初级阶段。在这一时期,人们利用电子技术的初步成果来完善机械产品的性能。特别是在第二次世界大战期间,战争刺激了机械产品与电子技术的结合,这些机电结合的军用技术,战后转为民用,对战后经济的恢复起了积极的作用。那时研制和开发从总体上看还处于自发状态。由于当时电子技术的发展尚未达到一定水平,机械技术与电子技术的结合还不可能广泛和深入发展,已经开发的产品也无法大量推广。
20世纪70年代~80年代为第二阶段,可称为蓬勃发展阶段。这一时期,计算机技术、控制技术、通信技术的发展,为机电一体化的发展奠定了技术基础。大规模、超大规模集成电路和微型计算机的迅猛发展,为机电一体化的发展提供了充分的物质基础。
20世纪90年代后期,开始了机电一体化技术向智能化方向迈进的新阶段,机电一体化进入深入发展时期。一方面,光学、通信技术等进入了机电一体化,微细加工技术也在机电一体化中展露头脚,出现了光机电一体化和微机电一体化等新分支;另一方面对机电一体化系统的建模设计、分析和集成方法、机电一体化的学科体系和发展趋势都进行了深入研究。同时,由于人工智能技术、神经网络技术及光纤技术等领域取得的巨大进步,更为机电一体化技术开辟了发展的广阔天地。这些研究,将促使机电一体化进一步建立完整的基础和逐渐形成完整的科学体系。我国是从20世纪80年代初才开始在这方面研究和应用。国务院成立了机电一体化领导小组并将该技术列为“863计划”中。在制定“九五”规划和2010年发展纲要时充分考虑了国际上关于机电一体化技术的发展动向和由此可能带来的影响。许多大专院校、研究机构及一些大中型企业对这一技术的发展及应用也做了大量的工作,虽然取得了一定成果,但与日本等先进国家相比仍有相当差距。
三、机电一体化的发展趋势
(一)智能化趋势
智能化是21世纪机电一体化技术发展的一个重要发展方向。人工智能在机电一体化建设者的研究日益得到重视,机器人与数控机床的智能化就是重要应用。这里所说的“智能化”是对机器行为的描述,是在控制理论的基础上,吸收人工智能、运筹学、计算机科学、模糊数学、心理学、生理学和混沌动力学等新思想、新方法,模拟人类智能,使它具有判断推理、逻辑思维、自主决策等能力,以求得到更高的控制目标。机电一体化产品不可能具有与人完全相同的智能。但是,高性能、高速的微处理器使机电一体化产品赋有低级智能或人的部分智能。
(二)模块化趋势
模块化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、环境接口的机电一体化产品单元是一项十分复杂但又是非常重要的事。如研制集减速、智能调速、电机于一体的动力单元,具有视觉、图像处理、识别和测距等功能的控制单元,以及各种能完成典型操作的机械装置。这样可利用标准单元迅速开发出新产品,也可以扩大生产规模,制定各项标准,以便各部件、单元的匹配和接口。从电气产品的标准化、系列化带来的好处可以肯定,无论是对生产标准机电一体化单元的企业还是对生产机电一体化产品的企业,规模化将给机电一体化企业带来美好的前程。
(三)网络化趋势
(四)微型化趋势
微型化指的是机电一体化向微型机器和微观领域发展的趋势,国外称其为微电子机械系统(MEMS),泛指几何尺寸不超过1cm的机电一体化产品,并向微米、纳米级发展。微机电一体化产品体积小、耗能少、运动灵活,具有不可比拟的优势。微机电一体化发展的瓶颈在于微机械技术,微机电一体化产品的加工采用精细加工技术,即超精密技术,它包括光刻技术和蚀刻技术。
摘要：机电一体化是现代科学技术发展的必然结果,本文简述了机电一体化技术的基本概要和发展背景。综述了国内外机电一体化技术的现状，分析了机电一体化技术的发展趋势。
现代科学技术的不断发展，极大地推动了不同学科的交叉与渗透，导致了工程领域的技术革命与改造。在机械工程领域，由于微电子技术和计算机技术的迅速发展及其向机械工业的渗透所形成的机电一体化，使机械工业的技术结构、产品机构、功能与构成、生产方式及管理体系发生了巨大变化，使工业生产由“机械电气化”迈入了“机电一体化”为特征的发展阶段。
一、机电一体化概要
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、机电一体化的发展状况
机电一体化的发展大体可以分为3个阶段。20世纪60年代以前为第一阶段，这一阶段称为初级阶段。在这一时期，人们自觉不自觉地利用电子技术的初步成果来完善机械产品的性能。特别是在第二次世界大战期间，战争刺激了机械产品与电子技术的结合，这些机电结合的军用技术，战后转为民用，对战后经济的恢复起了积极的作用。那时研制和开发从总体上看还处于自发状态。由于当时电子技术的发展尚未达到一定水平，机械技术与电子技术的结合还不可能广泛和深入发展，已经开发的产品也无法大量推广。
20世纪90年代后期，开始了机电一体化技术向智能化方向迈进的新阶段，机电一体化进入深入发展时期。一方面，光学、通信技术等进入了机电一体化，微细加工技术也在机电一体化中崭露头脚，出现了光机电一体化和微机电一体化等新分支；另一方面对机电一体化系统的建模设计、分析和集成方法，机电一体化的学科体系和发展趋势都进行了深入研究。同时，由于人工智能技术、神经网络技术及光纤技术等领域取得的巨大进步，为机电一体化技术开辟了发展的广阔天地。这些研究，将促使机电一体化进一步建立完整的基础和逐渐形成完整的科学体系。
我国是从20世纪80年代初才开始在这方面研究和应用。国务院成立了机电一体化领导小组并将该技术列为“863计划”中。在制定“九五”规划和2010年发展纲要时充分考虑了国际上关于机电一体化技术的发展动向和由此可能带来的影响。许多大专院校、研究机构及一些大中型企业对这一技术的发展及应用做了大量的工作，不取得了一定成果，但与日本等先进国家相比仍有相当差距。
1智能化
智能化是21世纪机电一体化技术发展的一个重要发展方向。人工智能在机电一体化建设者的研究日益得到重视，机器人与数控机床的智能化就是重要应用。这里所说的“智能化”是对机器行为的描述，是在控制理论的基础上，吸收人工智能、运筹学、计算机科学、模糊数学、心理学、生理学和混沌动力学等新思想、新方法，模拟人类智能，使它具有判断推理、逻辑思维、自主决策等能力，以求得到更高的控制目标。诚然，使机电一体化产品具有与人完全相同的智能，是不可能的，也是不必要的。但是，高性能、高速的微处理器使机电一体化产品赋有低级智能或人的部分智能，则是完全可能而又必要的。
2模块化
模块化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、环境接口的机电一体化产品单元是一项十分复杂但又是非常重要的事。如研制集减速、智能调速、电机于一体的动力单元，具有视觉、图像处理、识别和测距等功能的控制单元，以及各种能完成典型操作的机械装置。这样，可利用标准单元迅速开发出新产品，同时也可以扩大生产规模。这需要制定各项标准，以便各部件、单元的匹配和接口。由于利益冲突，近期很难制定国际或国内这方面的标准，但可以通过组建一些大企业逐渐形成。显然，从电气产品的标准化、系列化带来的好处可以肯定，无论是对生产标准机电一体化单元的企业还是对生产机电一体化产品的企业，规模化将给机电一体化企业带来美好的前程。
3网络化
20世纪90年代，计算机技术等的突出成就是网络技术。网络技术的兴起和飞速发展给科学技术、工业生产、政治、军事、教育义举人么日常生活都带来了巨大的变革。各种网络将全球经济、生产连成一片，企业间的竞争也将全球化。机电一体化新产品一旦研制出来，只要其功能独到，质量可靠，很快就会畅销全球。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。
4微型化
微型化兴起于20世纪80年代末，指的是机电一体化向微型机器和微观领域发展的趋势。国外称其为微电子机械系统（MEMS），泛指几何尺寸不超过1cm3的机电一体化产品，并向微米、纳米级发展。微机电一体化产品体积小、耗能少、运动灵活，在生物医疗、军事、信息等方面具有不可比拟的优势。微机电一体化发展的瓶颈在于微机械技术，微机电一体化产品的加工采用精细加工技术，即超精密技术，它包括光刻技术和蚀刻技术两类。
5绿色化
工业的发达给人们生活带来了巨大变化。一方面，物质丰富，生活舒适；另一方面，资源减少，生态环境受到严重污染。于是，人们呼吁保护环境资源，回归自然。绿色产品概念在这种呼声下应运而生，绿色化是时代的趋势。绿色产品在其设计、制造、使用和销毁的生命过程中，符合特定的环境保护和人类健康的要求，对生态环境无害或危害极少，资源利用率极高。设计绿色的机电一体化产品，具有远大的发展前途。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，报废后能回收利用。
6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。表现之二是通信功能的大大加强，一般除RS232外，还有RS485、DCS人格化。未来的机电一体化更加注重产品与人的关系，机电一体化的人格化有两层含义。一层是，机电一体化产品的最终使用对象是人，如何赋予机电一体化产品人的智能、情感、人性显得越来越重要，特别是对家用机器人，其高层境界就是人机一体化。另一层是模仿生物机理，研制各种机电一体花产品。事实上，许多机电一体化产品都是受动物的启发研制出来的。
结语
李建勇．机电一体化技术．北京：科学出版社，2004．
【关键词】人脸识别人脸检测
1人脸识别的方法
随着技术的发展，人脸识别方法也呈现出“百花齐放”的趋势。从整体上把握，人脸识别技术可以分为以下三种：
1.1基于几何特征的正面人脸识别方法
该方法是最早的人脸检测方法，是对人脸的等先验知识导出规则的利用。人脸面部器官可以近似的看作是常见的几何单元，肤色也人脸的是重要特征之一。该方法就是采集人脸的重要的面部特征及其之间的相对距离、特征分布等参数从而形成一个可以表示人脸特征向量，例如角度、曲率等。该方法抗干扰能力极强，对于光照变化的敏感度很低，并且直接利用人脸信息，便于理解。同时，由于该方法算法只关心器官的基本形状和位置结构，并没有侧重细节特征，所以对于从图像中提取稳定的特征就比较困难。这就意味着当人的面部表情的变化较大时，或者是出现了存在遮挡物等影响鲁棒性差的情况，对于人脸特征的提取就会变得困难甚至错误。
1.2基于模板匹配的人脸识别方法
1.3基于模型的人脸识别方法
该方法是利用数学模型的参数进行人脸识别，合并人脸尺度和人脸方向的人脸。该方法着重了人脸各器官的不同特征和相互联系，又不敏感于面部表情变化，鲁棒性好，计算量也并不巨大。基于隐马尔科夫模型法就是其中最经典的方法。
2人脸识别的现状
人脸识别技术正式起步于美国，我国接触该技术较晚，但是经过科研人员和学者们多年的研究和实验，目前我国的人脸识别技术已经达到国际先进的水平。
2.1国内
在我国，最早从人工向计算机智能识别发展的生物识别技术是指纹识别，但是在实际应用中逐渐产生了对人脸识别技术的需求。从2001年开始，公安部门就开始使用这一技术来防范打击重大刑事犯罪并取得国家的支持。随后，我国在2008年北京奥运会举行时应用了人脸识别技术，这标志着我国的人脸识别进入大规模的使用阶段。在前几年举办的世博会上，该技术得到更加广泛的应用，同时各大公司也逐渐加入，实现了人脸识别技术在中国的大规模应用。随着我国技术的不断进步，“三化两合”将是人脸识别发展的必然趋势。“三化”指：主流化、芯片化、标准化；“两合”指：与其他生物特征的多生物特征融合与REID的联合。
2.2国外
国内外对于人脸识别的研究都非常的活跃。美国、德国、日本等经济发达国家和部分发展中国家都有研究机构和研究人员对此进行专门的研究。以下只取其中筛龉家作为例子。
2.2.1美国
美国是人脸识别技术最先起步的国家，也是最先应用该技术的国家，其人脸识别技术的水平一直走在国际前列。早在1993年，美国国防部就启动了FERET项目，为其之后的生物智能识别技术奠定了基础，推动人脸识别技术从初始阶段提升到原型系统阶段。目前，美国电影中没有钥匙孔只有一个摄像头的大门，刷一下人脸就可以进入；机要部门的核心设备通过指纹进行设备的解锁；追踪情节中利用街边摄像头进行识别等等，这些场景在实际生活中已经得到实际的应用。例如，FBI在2014年就推出了他们的新一代的电子识别系统，总投入超过10亿美金。用于利用监控锁定犯罪嫌疑人，从而进行全网追捕。不仅如此，美国国防部和国土安全部门加大了对人工智能识别技术的投资，用来防止对公共安全造成的威胁。
2.2.2日本
3人脸识别的展望
[1]吴巾一.人脸识别方法综述[A].计算机应用研究，2009（09）：3205-3209
[2]姜贺.基于几何特征的人脸识别算法[D].大连：大连理工大学，2008（12）.
[3]生物特征识别技术需从应用中逐步完善[J].智能建筑与城市信息，2014（09）：15-19
[4]余龙华.基于隐马尔科夫模型的人脸识别[A].计算机技术与发展，2012（02）：25-28