图书名称：《机器学习使用OeCV、Pytho和cikit-lear进行智能图像处理》【作者】（印）阿迪蒂尼·夏尔马（ADITYASHARMA），（印）维什韦什·拉维·什里马利（VISHWESHRAVISHRIMALI），（美）迈克尔·贝耶勒（MichaelBEYELER）著；刘冰译【丛书名】智能系统与技术丛书【页数】285【出版社】北京：机械工业出版社,2021.01【ISBN号】978-7-111-66826-8【分类】机器学习-图像处理软件【参考文献】（印）阿迪蒂尼·夏尔马（ADITYASHARMA），（印）维什韦什·拉维·什里马利（VISHWESHRAVISHRIMALI），（美）迈克尔·贝耶勒（MichaelBEYELER）著；刘冰译.机器学习使用OeCV、Pytho和cikit-lear进行智能图像处理.北京：机械工业出版社,2021.01.图书封面：智能图像处理》内容提要：《机器学习使用OeCV、Pytho和cikit-lear进行智能图像处理》内容试读■■■■■■■■■第一部分P6d机器学习与OeCV的基础知识在本书的第一部分，我们将回顾机器学习和OeCV的基础知识，首先介绍所需库的安装，然后转到基本的OeCV函数、监督学习的基础知识及其应用，最后，使用OeCV进行特征检测和识别。这部分包括以下章节·第1章机器学习体验·第2章用OeCV处理数据·第3章监督学习的第一步·第4章数据表示和特征工程■■■■面通道■是■厚■■■Choter/目第1章机器学习体验如果你已经决定进入机器学习领域，这太好了！如今，机器学习无处不在一从保护我们的电子邮件，到自动在图片中标记我们的好友，再到预测我们喜欢的电影。作为人工智能的一种形式，机器学习能够让计算机通过经验进行学习，利用收集到的过去数据对未来进行预测。最重要的是，计算机视觉是当今机器学习最激动人心的应用领域之一，深度学习和卷积神经网络驱动着诸如自动驾驶和谷歌的DeeMid等创新系统。可是，不要担心。为了从机器学习中获益，你的应用程序并不需要像前面示例那样的大规模，也不需要像前面的示例那样改变世界。在本章中，我们将讨论机器学习为何变得如此流行以及机器学习可以解决的各类问题。接着，我们将介绍使用OeCV解决机器学习问题所需的工具。在本书中，我们将假设你已经掌握OeCV和Pytho的基础知识，但是还有更多的学习空间。我们还将介绍如何在你的本地系统上安装OeCV,以便你可以自己尝试编写代码。那么你准备好了吗？本章将重温以下概念：口什么是机器学习？机器学习有哪些类别？▣重要的Pytho概念。口开始使用OeCV。▣在本地系统上安装Pytho和所需的模块。▣机器学习的应用。▣OeCV4.0有哪些新功能？6第一部分机器学习与OeCV的基础知识数据加载、数据可视化、统计、图像处理和自然语言处理等过程提供了大量开源库。使用Pytho的一个主要优势是能够应用终端或者诸如JuyterNoteook之类的其他工具直接与代码交互，稍后我们将会对此进行介绍。如果你通常将OeCV与C++结合使用，为了学习这本书中的内容，强烈建议你改用Pytho。做这样的建议并不是因为作者不喜欢C++!恰恰相反：作者在C/C++编程方面做了不少的工作一特别是通过NVIDIA的统一计算设备架构(ComuteUifiedDeviceArchitecture,CUDA)与GPU计算相结合。可是，如果你想学习一项新的技能，Pytho会是更好的选择，因为通过减少输入你可以做更多的事情。这将有助于减少认知负荷。与其被C+微妙的语法搞得心烦意乱，或者把时间浪费在将数据从一种格式转换成另一种格式上，不如选择使用Pytho。.Pytho将帮助你专注于手头的主题：成为机器学习的专家。1.5开始使用OeCV我相信你是OeCV的一个忠实用户，可能不需要再向你证明它的强大功能了。OeCV为计算机视觉应用提供了一个通用的架构，已经成为一套完整的经典且先进的计算机视觉和机器学习算法。根据其文档，OeCV已经拥有超过47000人的用户社区，下载次数超过700万次。这太惊人了！作为一个开源项目，研究人员、企业和政府机构利用和修改现有的代码很容易。尽管如此，在近期的机器学习热潮中，涌现出许多开源机器学习库，这些库所提供的功能远远超过了OeCV。一个突出的例子是cikit-.lear,它提供了许多先进的机器学习算法以及大量在线教程和代码片段。因为OeCV的开发主要是为了提供计算机视觉算法，所以OeCV的机器学习功能仅限于一个名为ml的模块。正如我们将在本书中看到的，OeCV虽然提供了许多先进的算法，但是有时在功能上却有些欠缺。在这些情况下，我们不会重新开发，而是简单地使用cikit-lear来实现我们的功能。最后且最重要的是，使用Pytho的Aacoda发行版安装OeCV,本质上是一行程序，我们将在下面几节中看到。如果你是想要构建实时应用程序的一个高级用户，那么OeCV的算法针对这项任务进行了很好的优化，而且Pytho提供了一些必要的加速计算方法（例如，使用Cytho,或诸如joli或dak之类的并行处理库)。1.6安装在开始之前，让我们确保已经安装创建一个功能完整的数据科学环境所需的所有工具···试读结束···...

2022-05-04

图书名称：《智能交通系列丛书新技术下的智能配货系统研究第1辑国家出版基金项目》【作者】张赫【丛书名】智能交通系列丛书【页数】366【出版社】大连：大连海事大学出版社,2021.02【ISBN号】978-7-5632-3911-5【分类】公路运输-货物运输-智能运输系统-研究【参考文献】张赫.智能交通系列丛书新技术下的智能配货系统研究第1辑国家出版基金项目.大连：大连海事大学出版社,2021.02.图书封面：智能交通系列丛书新技术下的智能配货系统研究第1辑国家出版基金项目》内容提要：《智能交通系列丛书新技术下的智能配货系统研究第1辑国家出版基金项目》内容试读第1章绪论智能运输系统与智能物流系统随着经济全球化趋势的不断增强和科学技术的迅猛发展，作为企业“第三利润源”的现代物流业，已在世界范围内广泛兴起。现代物流通过对仓储、运输、配送等环节的协调综合管理，达到了缩短物流运作周期、降低运营成本、优化物流资源的目的在物流的整体活动中，运输起着至关重要的作用，运输是“第三利润源”的主要源泉。因为运输要靠大量的动力消耗才能实现，而且它又承担大跨度空间转移的任务，所以活动的时间长、距离远、消耗大。消耗的绝对数量大，其节约的潜力也就大。物流合理化，在很大程度上取决于运输合理化，所以，在物流各项业务活动中，运输起着举足轻重的作用。1.1.1◆对交通运输不同层面的需求分析经济的发展推动着交通运输的发展，各国的路网通行能力无法满足日益增长的交通需求，交通拥挤、交通事故、环境污染以及能源短缺等问题是世界各国面临的共性问题，无论是发达国家还是发展中国家，都遭遇不同程度交通问题的困扰。对于物流企业来说交通问题直接影响了企业的经济效益和社会效益。能否找到一种有效办法来解决这些问题，降低经济损失、提高运输的运营效率和安全性是研究智能运输系统的主要动机。通信、控制、信息等先进技术为智能运输系统的产生提供了有力的技术支撑，用高新技术改造传统产业，提高运输的工作效率和水平，已经成为各个运输企业的共识，也是从多角度适应交通运输业发展的需求新技术下的智能配货系统研究1.1.1.1国家战略层面的需求分析交通是我国国民经济的基础产业，它不仅与人民生活密切相关，也是国防安全体系的重要组成部分。进行智能运输技术的研究，在涉及交通运输装备控制、交通运行方式调节、交通信息采集与应用、交通行为诱导与管制等现代交通核心技术上，开发具有自主知识产权的智能化、自动化和信息化的技术和产品，达到对运输的有效控制，实现低成本、安全、无缝的人或物的位移和流动，在符合国家总体战略的同时，对确保运输装备良好、安全的使用性能，对非常态下的交通运输安全性具有非常重要的意义在智能运输领域中，只有适应交通运行和发展规律的，对交通服务、运营、管理、效率产生革命性作用的技术，才可能有广阔的发展空间。我国有巨大的、带有社会和文化背景的应用市场需求，如果我们组织得当，将有可能在这方面形成独特的、有具体应用支撑的、有自主知识产权的高技术产业，运输领域的高技术研究是国家科技战略的重要组成部分。1.1.1.2经济发展的需求分析货物运输需求是派生需求，是由社会经济活动这一本源需求引起的。因此，经济因素对货物运输的影响是直接的、多方面的。进入精加工工业时期，经济增长对原材料的依赖明显减少，大宗散货需求增长速度放慢，使总体运输需求在数量上增长速度放缓，但运输需求越发多样化，技术密集型产品、高价值产品在运输的货物中的比重增大，对运输质量方面的需求越来越高。运输效率和水平反过来又直接影响我国经济的增长，在我国交通需求总量不断增加的状况下，交通基础设施建设远远满足不了这种快速增长的交通需求。只有通过技术手段提高运输效率，提高运输供给能力，才能够满足经济发展对运输业的需求。1.1.1.3促进人民生活水平提高的需求分析开展智能运输技术研究、开发和应用，解决智能运输发展的关键技术问题，实现各种运输方式之间的信息共享，推动综合交通体系的形成，实现人和物的低成本位移服务，为公众提供方便、快捷的交通服务，是提高公众生活水平的必要条件。1.1.1.4物流企业的需求分析物流企业运输成本在运营成本中占很大比例，要提高企业的经济效益，必须从运输的安全性、可控性和及时性等方面对运输过程加以掌控，这就需要把智能运输系统运用到运输生产的全过程，做到运输效益最大化。2第1章绪论1.1.2◆国外智能交通的发展现状当代世界交通运输业的发展出现了两大趋势：一是随着世界新技术革命的不断发展，交通运输业广泛采用新技术，提高运输工具、设备现代化和运输管理信息化水平；二是由于运输方式的多样化，运输过程的统一化，各种运输方式朝着分工协作、协调配合、建立综合运输体系的方向发展世界各国都采用了先进的科技手段来适应这种社会发展需要，如智能运输系统等」智能运输系统是20世纪80年代交通领域内的新兴科技，近几年的发展十分迅猛，已形成欧洲、美国和日本三大体系。智能运输系统，即ITS(ItelligetTraortatioSytem),是把先进的检测、通信及计算机技术综合应用于汽车和道路领域而形成的道路交通运输系统。TS是若干技术开发项目的集中体现，这些技术开发项目加强了道路、车辆和驾驶员三者之间的联系，因此提高了公路的安全性、系统的工作效率、环境质量等。美国是应用TS较为成功的国家之一。1991年美国国会通过了《综合地面运输效率法案》，其目的就在于要发展经济上有效、环境上完善的国家级综合地面运输系统，以便能够高效率地运送人员和货物。1992年，美国交通运输相关部门、联邦顾问委员会和美国智能运输协会联合制订了“智能运输系统”发展战略计划。1995年3月，美国交通运输相关部门发布了“国家智能交通系统项目规划”，明确规定了智能交通系统的应用领域。1996年，美国亚特兰大市交通局运用已有的“智能运输系统”的技术成果开发了Olymic交通控制管理系统，为第26届奥运会提供了有效的服务。美国联邦政府1990一1997年用于TS研究开发的年度预算总计为12.935亿美元，发展规划投资预算约为400亿美元。美国政府要求将TS的发展与建设纳入各级政府的基本投资计划之中，大部分资金由联邦、州和各级地方政府提供，同时美国政府也注重调动私营企业的投资积极性。TS在美国的应用已达80%以上，而且相关的产品也较先进1.1.2.1美国对智能交通系统的研究美国把TS共分为7个服务领域，包括27项用户服务功能，具体为：(1)出行及运输管理系统该系统主要是通过为出行人员提供信息服务，帮助出行人员计划行程及出行时间，避免出行延误。它包括以下6项内容：①在途驾驶员信息；②行车路线导航：③出行者服务信息：④交通控制：3新技术下的智能配货系统研究⑤突发事件管理；⑥车辆排放物的测试与控制。(2)出行需求管理系统该系统通过向用户提供出行前信息、搭载合乘信息及实施有关调控政策对出行需求进行有效管理，使出行更为合理、有序、快捷和安全。它主要包括以下3项内容：①出行前的出行信息；②搭乘及预约：③需求管理和运营。(3)公共交通运输管理系统它利用电子计算机技术改善公共运输的营运管理。此外，通过为用户提供准确的途中换乘信息及能更好地满足个人需求的非定线或准定线公共运输服务，提高客运效率及运输生产效益。此领域的用户服务主要包括以下4项内容：①公共运输管理；②途中换乘信息；③满足个人需要的非定线或准定线公共运输：④公共运输的安全性。(4)电子收费系统该系统是为用户支付通行费、车票费用、停车费等所有交通出行活动所发生的费用提供一种通用的电子支付手段，实现收费/支付的自动化，从而推动多式联运的发展。此项服务利用“智能卡”或其他技术形成一种通用的服务费支付体系。(5)商用车辆运营系统它涉及商用车辆的行政管理、安全性能管理、运营生产管理等多个方面。此系统的用户服务主要包括以下6项内容：①商用车辆电子通关系统；②自动化的路侧安全检测：③商用车辆管理程序；④车载安全监控系统；⑤货物的机动性：⑥危险品应急响应。(6)应急管理系统此系统旨在提高对突发交通事件的报告和响应能力，改善应急响应的资源配置。它包括以下2项内容：①紧急通告和人员安全：②应急车辆管理。新技术下的智能配货系统研究的商业车辆运行系统(ACV0)、先进的电子收费系统等。在20世纪80年代中期，欧洲10多个国家投资50多亿美元，旨在完善道路设施，提高服务水平。欧洲共同体（欧盟前身）》从1984年到1998年仅用于TS共同研究开发项目的预算就达280亿欧洲货币单位1.1.3●我国智能交通的发展现状我国早在20世纪70年代末就已经开始在交通运输和管理中应用电子信息技术，当时称为交通工程。根据国际上对智能运输系统发展的研究，可以认为，交通工程的研究与应用是智能运输系统初级阶段的工作。因此，我国的TS前身或基础工作早在20世纪70年代末就已经开始，当时交通部公路科学研究所与北京市公安局合作，首次在中国进行计算机控制交通信号的工程试验：20世纪80年代初，国家科技攻关项目“津塘疏港公路交通工程研究”首次在高等级公路上把计算机技术、通信技术和电子技术用于监视和管理系统：1986一1995年，中国在交通管理系统方面开展了一系列科学研究和工程实施，在城市交通管理、高速公路监控系统、收费系统、安全保障系统等方面取得了多项科研成果，并开发生产了车辆检测器、可变信息板、可变限速标志、紧急电话、分车型检测仪、通信控制器、监控地图板等多种专用设备，制定了一系列的标准和规范。这些工作无疑是我们今天进行TS研究和开发的基础。通过多年来中国交通科技界和工程界的不断努力，在中国高等级公路建设的带动下，中国在智能运输系统的开发和应用方面也取得了相当的进步，为今后智能运输系统的深入开发和应用打下了良好的基础。20世纪90年代中期以来，在交通运输部的组织下，我国交通运输领域的科学家和工程技术人员开始跟踪国际上智能运输系统的发展，交通运输部将智能运输系统的研究纳入了公路、水运科技发展“九五”计划和2010发展纲要。从1994年我国开始关注国际上TS的发展，特别是在1995年之后，我国在TS的研究、试验方面参与国际交流活动日益频繁，且在TS上的开发和应用也取得了相当大的进展。1996年以来，科学技术部、交通部（现交通运输部)、铁道部（现国家铁路局）先后成立了智能交通系统工程研究中心，组建了中国TS政府协调小组，随后又成立了“智能交通协会”，制定的总体规划包括道路、铁路、水运和民航的中国TS发展规划。同时，北京、西安、上海、武汉、杭州等城市也已先后提出本城市发展智能交通的规划和实施方案，其中杭州与深圳均已取得阶段性成果。铁道部铁科院也在设计铁路部门火车监控的解决方案。城市公交系统智能化的建设作为智能交通体系建设的子系统是中国交通建设重点，这其中包含了信息传送发布、调度管理和安全管理等。目前，我国的社会发展处于城市化进程加快、机械化程度迅速提高的阶段，交通运输效率、交通服务水平、交通安全、交通环境等方面的诸多问题集中出现，成为制约社会发展的重要问题。智能交通系统对于解决上述问题具有重要作用和意义。2010年第一季度，我国智能交通市场项目数量为634个，市场规模为57亿元，其中城市智能交通市场项目数量为451个，市场规模为17.1亿元，同比增长30.5%，高出2009年城市智能交通市场平均增长率一倍。重视智能交通科技的发展，事关我国交通运输可持续发展乃至社6···试读结束···...

2022-05-04

图书名称：《智能制造与机器人理论及技术研究丛书现代机器人系统仿真》【作者】夏泽洋作【丛书名】智能制造与机器人理论及技术研究丛书【页数】167【出版社】武汉：华中科学技术大学出版社,2021.09【ISBN号】978-7-5680-7125-3【价格】98.00【参考文献】夏泽洋作.智能制造与机器人理论及技术研究丛书现代机器人系统仿真.武汉：华中科学技术大学出版社,2021.09.图书封面：智能制造与机器人理论及技术研究丛书现代机器人系统仿真》内容提要：机器人系统仿真一直是机器人理论、技术及应用研究的重要及基础性内容之一。刚体机器人、软体机器人和刚软混杂机器人三类机器人系统因物理属性差异，其数学描述、建模方法和相应的仿真方法也存在明显差异。本书按照“理论及方法建立-功能模块及平台实现-典型仿真案例实现及演示”的思路，系统介绍了刚体机器人、软体机器人和刚软混杂机器人三类机器人系统的建模及仿真方法。本书内容及所述方法适用于解决目前常见的机器人操作仿真问题，既可用于相关研究及技术人员的研究及开发参考，也可作为相关领域的研究生及高年级本科生专业用书。本书中仿真案例的源代码可供下载以供研究及学习用。《智能制造与机器人理论及技术研究丛书现代机器人系统仿真》内容试读第1章机器人系统仿真概述1.1引言随着工业自动化和计算机技术的迅猛发展，通过计算机实现各类机器人系统的仿真，已成为机器人系统研发和应用工作中一种必不可少的手段。机器人系统仿真的本质是利用机器人学理论模型复现实际系统中将会发生的现象，并通过计算机图形学方法对其进行显示，以确定机器人本体与工作环境的动态变化过程。当前，随着机器人技术的发展及其应用的多样化，机器人研究的开展不可避免地受到物理或者经济条件的限制，我们难以在每次开展研究操作前都直接购买实体的机器人，或者在完成机器人系统设计方案论证前直接制造组装样机。仿真的主要意义不是取代实际硬件，而在于提供一个一致性较好、不确定因素可控的评估环境和与实际等效的操作效果，以最终缩短系统和技术研发的周期。本章主要介绍当前机器人仿真研究的概况，具体包括机器人仿真工具/仿真器简介、本书研究内容所基于的机器人仿真平台，以及面向机器人操作应用的仿真任务分类。1.2机器人仿真工具机器人仿真工具是实现机器人仿真的软件套件，也被称为仿真器(Simula-tor),而广义上的仿真工具还包括一些可视化工具(Viualizer)。仿真器是每个机器人研究人员必不可少的工具。一个好的仿真器可以用于设计机器人系统，使用现实场景快速测试算法或进行离线训练。仿真器主要模拟实现以下三种对象类型：1)机器人系统及其工作环境机器人仿真器的基础功能之一是实现对机器人系统（包括机器人本体及其·1现代机器人系统仿真他任何需要的硬件单元，如传感器、末端执行器等)及其工作环境的三维建模和渲染。借助基于计算机图形学方法的工具库（如OeGI.、VTK、Bleder等），几乎所有的仿真器都支持直接导入机器人系统的三维模型文件（如主流的，tl、.t、.dea等格式)来创建虚拟环境，并模拟实际机器人在工作范围约束内的运动。而工作环境的模拟则包括两个层次：简单环境模拟，需实现环境内静态对象（如搬运机器人所处仓储运行环境中的物体，仿人机器人所处家居环境中的家具、楼梯等)或简单运动（不需要满足特定物理规律约束）对象的三维建模和渲染：复杂环境模拟，需要物理引擎（如ODE、Bullet、PhyX等）的支持，更真实地生成环境的交互现象，如重力、碰撞、弹性形变等。2)机器人系统的运动学和动力学特性建立机器人系统的运动学和动力学描述，是实现机器人离线编程、模拟与世界交互的前提。大部分机器人操作应用中，仿真任务关注的是机器人本体(机械臂)的运动，包括涉及所有与运动有关的几何参数和时间参数的运动学，以及操作臂的运动与使之运动而施加的力和力矩之间的关系的动力学。几乎所有的机器人仿真器都能够基于运动学描述（如Deavit-Harteerg参数表）建立运动学方程，并基于运动学方程开发调试机器人的运动规划算法和轨迹控制程序，最终实现平面二维运动、三维任务空间内的笛卡儿运动，或者机械臂关节点运动等；少部分机器人仿真器，在此基础上，借助物理引擎还能够实现更真实的机器人动力学仿真，如力位控制等。3)机器人传感器常见机器人系统所配置的传感器包括关节位置（一般为编码器）、速度、加速度、力、视觉、距离、激光雷达、温度、声音等传感器。少数仿真软件能够对上述多类传感器进行虚拟，以适用于基于感知反馈运动控制的机器人应用，这类应用中，离线编程的成功往往取决于仿真环境与机器人实际环境的相似程度。1.2.1常用的机器人仿真器目前，从带有许可费的商业软件到免费的开源工具，有许多仿真工具可供选择。而从用于机器人应用研究的调研来看，机器人仿真器一般有三类：第一类仿真器由机器人厂商提供。这类仿真器常可随机器人本体一起被购买或赠送，一般也称为机器人开发套件(rooticdevelometuit,RDS)或者应用程序开发套件(oftwaredevelometkit,SDK)。绝大部分开发套件仅面向自有品牌机器人，如ABB的RootStudio、Kuka的SimPro、Fauc的Rooguide、Motoma的MotoSim等（见图1-I)。这些套件中一般包含全系列。2·第1章机器人系统仿真概述机器人三维模型、与机器人控制器的通信连接、三维可视化图形界面和集成式开发环境(itegrateddevelometeviromet,.IDE)等资源和工具。原RDS/SDK除提供较高的控制器通信和控制权限外，还提供较完善的开发例程、API说明、代码调试和控制器上载等实用功能。这些套件一般运行于个人计算机或工作站，少数可运行于移动平板或机器人示教盒。(a)()(c)(d)图1-1机器人厂商提供的专用仿真器(a)ABBRootStudio:()KukaSimPro:(c)FaucRooguide:(d)MotomaMotoSim5第二类仿真器基于通用商业化仿真软件或基于这类软件的第三方开发。这类仿真器一般是软件内置的附加功能模块或第三方基于软件功能自行实现的插件，如：澳大利亚PeterCorke等基于美国MathWork公司的商业数学软件MATLAB开发的集成机器人建模、仿真等功能的工具箱(RooticSytemToolox),RooticSytemToolox极大地简化了机器人学初学者的代码量，使其可以将注意力放在算法应用上而不是基础而烦琐的底层模型实现上：基于美国机械动力公司(MechaicalDyamicIc..,已并入美国MSC公司)开发的机械系统动力学自动分析(automaticdyamicaalyiofmechaical。3·现代机器人系统仿真ytem,ADAMS)软件可实现机器人虚拟样机的运动学、动力学分析及机械臂的轨迹规划，并能配合MATLAB使用，实现更为复杂的程序控制：其他可用于仿真的软件，如法国达索系统子公司开发的三维CAD软件SolidWork中内置的Motio模块，可实现简单的运动学仿真。第三类是面向通用性问题的机器人软件开发工具包或来自开源机器人社区的仿真器。这类仿真器设计和开发的初衷是为机器人仿真任务中的基础通用性问题提供系统的框架，以期望任何复杂的机器人应用均可以基于此进行二次开发。常用的有MRDS、Gazeo、V-REP、Weot等（见图1-2），其中，MRDS(MicrooftRooticDeveloerStudio)是美国Microoft公司开发的免费机器人开发工具包，该软件基于Widow操作系统开发，可利用微软的C#语言借助ViualStudio集成开发环境使用。MRDS包括可视化编程语言、机器人服务和机器人仿真三个主要部分，提供了包括Kiect在内的服务机器人硬件的仿真支持。Gazeo是一款开源的高保真仿真器，该工具是一个通用的多机器()(c)(d)图12面向通用性问题的应用平台或来自开源机器人社区的仿真器(a)MicrooftRooticDeveloerStudio:()Gazeo:(c)VirtualRootExerimetPlatform:(d)Weot1。4第1章机器人系统仿真概述人仿真器，支持多种机器人、多种类型的传感器以及物理仿真引擎回。该软件兼容开源机器人操作系统(rooticoeratioytem,ROS),具备强大的物理环境模拟功能、高质量的图形和丰富的图形界面工具，且便于编程。V-REP(VirtualRootExerimetPlatform)是由CoeliaRootic开发的面向教育免费的仿真器，支持Bullet、ODE和Vortex(用于流体仿真)引擎,相比于Gazeo,V-REP内集成了大量的常见模型，建模更加简单，同时VREP也兼容ROS。Weot是Cyerotic开发的商业化仿真软件（现已开源），功能直观，集成了上述两个仿真软件平台的优点，支持多编程语言且与ROS兼容。除上述仿真器之外，还有一类基于OeGL等开放图形库开发的轻量化可视化工具，如ROS自带的Rviz、Bullet自带的可视化界面等，它们可用于传感器等的数据、对象模型及其他实时状态信息的快速可视化。下面将重点对上述仿真工具中具有代表性的Gazeo、Weot和常用的可视化工具做基本的功能介绍，以便读者能够针对自己的研究任务确定最合适的工具。1.2.1.1Gazeo物理仿真器Gazeo最初由南加利福尼亚大学AdrewHoward和NateKoeig于2002年面向室内高保真机器人操作模拟而创建，NateKoeig继续维持Gazeo的开发和维护工作。2009年，WillowGarage公司的高级研究工程师JohHu基于ROS中间层将PR2集成到Gazeo中，至此Gazeo才迅速成为ROS社区中最广泛使用的仿真工具之一，随后于2011年获得了WillowGarage公司的资金支持。20l2年，开源机器人基金会(OeSourceRooticFoudatio,OSRF)成为Gazeo项目的管理者。开源机器人基金会在多样化活跃的社区的支持下继续开发Gazeo。在2013年7月的美国国防部高级研究计划局(DefeeAdvacedReearchProjectAgecy,DARPA)机器人挑战赛中，开源机器人基金会基于Gazeo仿真器举办了一场虚拟机器人挑战赛（见图1-3）。虽然之后Gazeo作为应用程序独立于ROS发布，但其与ROS的兼容性和易用性仍然是相对较好的，其他的显著特征还包括：1)动力学仿真Gazeo支持主流的高性能物理引擎，如ODE、Bullet、Simody和DART等。2)3D图形渲染Gazeo图形显示界面基于(O)GRE游戏渲染引擎创建，可提供逼真的环境渲染，包括高质量的照明、阴影和纹理等（见图1-4）。。5g现代机器人系统仿真图1-32013年DARPA基于Gazeo仿真器的虚拟机器人挑战赛I□16图14Gazeo仿真器中实现的高逼真仿真场景示例1]3)虚拟传感器Gazeo能够模拟包括激光传感器、2D/3D摄像头、Kiect样式的RGBD传感器、接触传感器、力/力矩传感器等在内的多类传感器和其他器件，并能够生成可选噪声的传感器数据。4)开源性及开发友好性Gazeo是Aache2.0协议的开源项目，研究人员能够基于源代码进行二次编译：用户可开发用于机器人、传感器和环境控制的自定义插件，插件可直接访问Gazeo的应用程序接口(API)资源库中已提供了PR2、Pioeer2-Dx、iRoot·6···试读结束···...

2022-05-04 智能制造 EPC 智能制造专业就业前景

图书名称：《智能网联汽车系列基于安全需求的信息物理系统设计》【作者】林忠纬，（美）阿尔伯托·桑戈瓦尼·文森泰利作；罗璎珞译【丛书名】智能网联汽车系列【页数】83【出版社】北京：机械工业出版社,2021.05【ISBN号】978-7-111-67879-3【价格】69.00【参考文献】林忠纬，（美）阿尔伯托·桑戈瓦尼·文森泰利作；罗璎珞译.智能网联汽车系列基于安全需求的信息物理系统设计.北京：机械工业出版社,2021.05.图书封面：智能网联汽车系列基于安全需求的信息物理系统设计》内容提要：《基于安全需求的信息物理系统设计》介绍了信息物理系统的一些初步知识和现有安全问题、基于安全需求的设计方法、CAN协议的安全机制、基于CAN和TDMA系统的安全需求映射问题和算法、用于V2V通信的安全需求优化问题和算法、基于状态机和基于图形的安全需求设计问题，本书还指出一些未来的发展方向。《基于安全需求的信息物理系统设计》契合智能网联汽车对高安全性的要求，非常适合汽车行业技术人员学习参考，也适合通信、网络等相关行业车载应用研究方面的技术人员参考阅读，对于车辆工程专业师生也会有所帮助。《智能网联汽车系列基于安全需求的信息物理系统设计》内容试读第1章简介随着计算技术的发展，日常生活中越来越多的系统依赖于算法和计算机，或者由算法和计算机控制。最具代表性的系统演变之一是飞机和汽车的线控驱动系统，这些系统已经不再是纯粹的机械系统了。这种结合计算和物理行为的系统被称为信息物理系统，其中“信息”代表计算部分，“物理”代表物理操控行为。除了飞机和汽车的系统外，其他常见的信息物理系统还包括医疗设备、智能电网和机器人。对这其中许多系统来说，安全性和可靠性都十分重要，在极端情况下，故障可能会造成严重后果甚至危及用户。除了常规的系统故障之外，网络安全攻击也会造成严重后果—可能会触发不同类型的系统故障，恶意攻击者会发现系统的安全漏洞并加以利用。最终，他们能够访问机密信息、控制系统行为或造成系统瘫痪。已经识别的有针对汽车系统[6,13,25-27,39]、飞机系统5.46]、全球定位系统[8,58]、医疗设备[10,29]和智能电网[24,30]的多种不同类型的网络攻击行为。随着系统与周围环境、基础设施和其他系统的连接日益发达，这些攻击变得更加具有威胁性，连接为网络攻击提供了接入点，并成为扩大攻击范围的“跳板”。可以通过设计使用安全机制来防止网络攻击，满足包括完整性、真实性、机密性或可用性在内的多种安全要求。但是，在汽车信息物理系统中使用安全机制也面临着诸多挑战，例如，应用于开放环境（如无线通信）、有限资源（如网络带宽、计算资源和功率)、严格的时序要求以及设备数量巨大等【10,23,24,27,46上述挑战使得在初始设计阶段之后，同时还要在与其他系统约束条件不冲突的前提下，再添加安全机制，这样会变得非常困难，有时甚至不可能。系统开发过程通常用图1.1所示的V模型35]来描述。如果在详细设计或实施之前未考虑安全性，有些问题很难解决。例如，剩余的网络带宽或计算资源对于安全机制来说往往是不够的，或者时序要求太紧而不能增加安全机制。因此，迫切地需要制定一套系统的方法，在信息物理系统早期设计阶段综合地描述和分析所有需求和限制，包括信息安全问题和其他的设计限制。本书将先介绍一种通用的基于安全需求的设计方法，它能够在信息物理系统的设计阶段分析各种约束条件时，将安全问题也一起考虑。该方法的依据是文献●●●●基于安全需求的信息物理系统设计项目定义验证与确认项日测试与集成使用场景概念使用与维护需求与架构系统验证与确认详细设计集成、测试验证实现图1.1系统开发流程「47]中提出的“基于平台的设计”，也就是说在初始阶段分别构建功能模型和架构平台，然后通过映射过程将两者融合在一起。在映射的过程中，功能模型落实在架构平台上，实现功能目标的同时满足相应的限制，并加以优化。该方法不同于传统的映射过程，因为它不仅将功能模型映射到架构平台，而且还会尝试进行安全机制选择和架构调整。其次，本书聚焦汽车系统自身的安全问题，因为这些问题是汽车信息物理系统中最常见的挑战，例如资源限制和时序要求。首先研究的是控制器局域网络(CAN)协议，一种非常具有代表性的异步协议，也是当前最常用的车载通信协议。这里会针对CAN协议提出一种安全机制。基于安全机制，在功能模型映射到体系结构平台的过程中就可以解决安全问题，并且信息安全和功能安全的约束条件在集成公式中也可以体现出来。通过灵活的密钥分发方案，基于安全需求的映射问题可以被表达为混合整数线性规划(MLP)问题。除CAN协议外，本书还分析了基于时分多址(TDMA)的车载通信协议，该协议是一种非常具有代表性的同步协议，也是许多现有协议的抽象，如FlexRay[]时间触发协议[45]和时间触发以太网4]等。这种协议越来越多地在各种安全性很重要的系统中采用，以实现更可预测的时序行为。将密钥的发送时间延迟[2.37,38,5]作为安全机制，并且开发了将模拟退火方法与一组有效的优化启发式算法相结合的算法，以解决安全需求映射问题。然后我们将该方法应用于专用短程通信(DSRC)技术的车车(V2V)通信。将兼顾信息安全和功能安全要求的信息安全需求优化问题形成公式，并且考虑椭圆曲线数字签名算法(ECDSA)不同设置时的开销。关键的决策因素是基本安全消···试读结束···...

2022-05-04

图书名称：《普通高等教育工业智能专业系列教材无人系统基础》【作者】杨光红，王俊生编【丛书名】普通高等教育工业智能专业系列教材【页数】385【出版社】北京：机械工业出版社,2021.08【ISBN号】978-7-111-68543-2【价格】89.90【参考文献】杨光红，王俊生编.普通高等教育工业智能专业系列教材无人系统基础.北京：机械工业出版社,2021.08.图书封面：智能专业系列教材无人系统基础》内容提要：本书是从事无人系统自主、智能控制相关工作的入门教材。编者从一般无人系统的知识入手，分享了在开发实际无人驾驶系统中积累的经验。本书共8章，第1章介绍无人系统的概念、意义、研究现状和发展趋势；第2章论述动态环境下无人系统的自主控制架构；第3章给出基于机器人操作系统ROS的程序设计方法；第4章设计无人驾驶数据采集系统；第5章组建无人驾驶定位系统；第6章开发无人驾驶环境感知系统；第7章研制无人驾驶规划决策系统；第8章构建无人驾驶执行控制系统。本书既可作为高等学校工业人工智能课程的教材，也可作为无人系统开发人员的技术参考书。本书配有授课电子课件，需要的教师可登录www.cmedu.com免费注册，审核通过后下载，或联系编辑索取（微信：15910938545，电话：010-88379739）。《普通高等教育工业智能专业系列教材无人系统基础》内容试读第1章绪论本章介绍无人系统的概念、意义、研究现状以及人工智能在无人系统中的发展趋势，这是学习本书后续内容的必要准备。1.1无人系统的概念和意义无人系统是指无人车、无人机、无人潜航器和无人水面艇等无人平台及其配套装备的统称四。无人系统能够在无驾乘人员条件下以自主方式达成预定目标。“平台无人”的特点使无人系统可代替人类完成危险、繁重或枯燥的工作；军用无人系统具备人员零伤亡、适应和生存能力强、制造与维护成本低等诸多优点13)。无人系统是由控制科学、信息科学和系统科学等高新技术支撑的综合系统，多学科交叉融合及协同发展是构建无人系统的基础)。21世纪以来，无人系统在工业、农业、服务业等民用领域得到了广泛应用，而且在军事领域也表现出强劲的发展势头。科技进步帮助人类不断提升认识、改造以及利用世界的能力，其中，机械化和电气化令人类体力得到拓展；信息化与智能化增强了人类智力；无人系统使智能化、信息化、电气化和机械化融为一体，把人类能力带到了一个新的历史高度，在推动军事变革、社会进步和经济发展方面将发挥重要作用1。1.2无人系统的研究现状本节从无人车、无人机、无人潜航器和无人水面艇四个方面介绍在自主无人系统领域具有代表性的最新研究成果。而传统的只能通过人工遥控方式运行（或自主能力非常有限）的无人系统不在本书讨论范围内。1.2.1无人车现状近年来，无人驾驶技术在城市交通、农业、采矿、港口码头、仓储物流、智能家居、军事和航天等领域中得到广泛应用。在城市交通领域，2009年Go0gle公司启动了自动驾驶汽车项目。2014年其推出了无人驾驶原型车Firefly(见图1-1)[6，并于2015年开始路试。Firefly是纯电动车，最高速度达40km/h。基于车载激光雷达和摄像机，Firefly能够感知环境信息，可在城市道路上完成无人驾驶。2016年年底，基于Google自动驾驶汽车项目成立了子公司Waymo。2017年，Waymo宣布Fiey退出历史舞台，继而将无人驾驶技术应用于克莱斯勒Pacific混合动力汽车（见图1-2）刀。2018年12月，自主驾驶出租车服务Waymo0e正式投人商用。截至2019年7月，Waymo的无人车在实际道路上累计测试里程已超过1600万km。无人系统基础图1-1Google公司的无人驾驶原型车Firefly在号服可科材图1-2Waymo公司研制的自主驾驶的克莱斯勒Pacific混合动力汽车2018年，Nuo公司对外公开了他们研制的用于短途配送货物的无人车（见图1-3）8]，并于同年在美国亚利桑那州面向公众开放了无人车配送服务。该车利用装备的摄像机和激光雷达可感知前来提货的用户和路况。图1-3Nuo公司的短途配送货物无人车在城市交通领域除以上研究成果外，还有多家科技公司和汽车制造商推出了多款无人驾驶汽车，这些无人车目前都在美国加利福尼亚州进行路试。2第1章绪论表1-1的数据来自美国加利福尼亚州车辆管理局(DMV)发布的《2018年自动驾驶接管报告》。其中统计了2017年12月一2018年11月期间在该州进行测试的无人车人工接管频率。这里的人工接管是指，因为天气、交通和系统故障等特殊情况，自动驾驶汽车在人工干预下脱离自动驾驶模式，并将控制权交给人类驾驶员的过程。因此，人工接管频率的高低可以从一个侧面反映目前无人驾驶技术的研究现状。表1-1DMV的城市交通领域无人车人工接管频率统计表(2017年12月一2018年11月期间)公司名称平均接管一次行进距离/km公司名称平均接管一次行进距离/kmWaymo17846.8Nullmax71.4GMCruie8327.8PhatomAI33.2Zoox3076.4NVIDIA32.2Nuro1645.3SFMotor17.7Poy.AI1635.6Teleav9.6Nia336.8BMW7.3Baidu329.0CarOe/Udelv6.1AIMotive322.6Toyota4.1AutoX305.3Qualcomm3.8Roadtar.AI280.5Hoda3.5WeRide/JigChi277.6MercedeBez2.3Aurora159.8SAIC1.9Drive.ai134.3Ale1.8PluAI87.0Uer0.6在农业领域，凯斯纽荷兰工业集团(CNHIdutrialN.V.)在美国爱荷华州举行的2016农业进步展览会上推出了凯斯(CaeIH)Magum无人驾驶概念拖拉机（见图1-4）。图1-4凯斯纽荷兰工业集团(CNHIdutrialN.V.)的凯斯Magum无人驾驶概念拖拉机该拖拉机可依据地势、障碍物以及田间其他农用机械的位置，自动规划最佳行进路线：根据远程遥控指令或天气预警信息，可实时调整该拖拉机的任务；一旦GPS位置信息丢失，该无人驾驶拖拉机会立即停止运行，从而保证农业生产安全。2019年，约翰迪尔公司(JohDeere)对外公开了他们研制的全电动无人驾驶拖拉机GridCON(见图1-5)。GridCON采用电缆供电，能够以20km/h的速度自主运行；为防止其碾压电缆，GridCON集成了智能引导系统，并配备了用于收放电缆的机械臂[o。3无人系统基础图I-5约翰迪尔公司(JohDeere)的全电动无人驾驶拖拉机GridCON此外，在2016中国国际农业机械展览会上，中国一拖集团有限公司发布了无人驾驶拖拉机一代样机。2018年，该公司设计的“东方红”无人驾驶拖拉机实现了农业全过程（即起动、倒车、操作农具、避障、耕作)的无人作业。2019年，由河南省智能农机创新中心牵头研制了我国首台纯电动无人拖拉机，该项研究在拖拉机路径规划和电动控制等方面取得了突破。在采矿行业，2005年小松集团(Komatu)开始研制露天矿山无人运输系统，于2008年正式商业化运营：该系统无须驾驶员，从而降低了15%的运输成本：而且，通过优化无人驾驶矿用卡车的控制方式，使轮胎寿命延长了40%。2016年，小松集团推出了新一代无人驾驶矿用卡车（见图1-6），该车取消了方向盘、脚踏板以及驾驶室，进而采用了四轮驱动转向系统，因此大幅提高了车辆的动力和灵活性。截至2018年年初，小松集团的无人驾驶矿车已在南北美洲以及澳大利亚的六座矿山得到应用」图1-6小松集团(Komatu)的无人驾驶矿用卡车另外，卡特彼勒公司(Caterillar,CAT)于1996年研发了第一辆无人驾驶矿用卡车：2013年，该公司的六辆无人驾驶矿用卡车开始商用。至2019年商用规模已超过150辆，为矿山转运物料已达10亿t,行驶里程将近3500万km。2019年年初，中国兵器工业集团旗下内蒙古北方重工业集团北方股份公司推出了国内首台无人驾驶电动轮矿用卡车，并进驻矿山开展测试。该车采用了载波相位差分(TK)技术定位误差限制在厘米级；基于毫米波雷达和激光雷达可感知矿区环境信息，从而实现了矿车自动避障、自动倾斜和精准停靠。在港口码头行业，2001年科尼集团(Koecrae)把基于柴液动力的Gottwald集装箱自动4第1章绪论导引车(AGV)应用于德国汉堡港，无人驾驶的AGV负责将集装箱由岸桥运输到堆场；2006年又交付了柴电动力的AGV:2011年采用铅酸电池的AGV开始商用；2018年具有快速充电能力的锂电池供电AGV投人使用（见图1-7），其完全充电只需1.5h。KLINE图1-7科尼集团(Koecrae)Gottwald的锂电池供电集装箱自动导引车从2002年起上海振华重工（集团）股份有限公司(ZPMC)开始研发集装箱AGV。2017年其研制的第四代AGV在青岛港全自动化码头投入运营（见图1-8）。与上一代AGV的区别是，该车具有集电系统以及顶升装置，集电系统利用滑触线保证AGV在行进中充电，顶升装置可抬高集装箱并将其放置到堆场指定位置。YRP图1-8青岛港全自动化码头的上海振华重工（集团）股份有限公司集装箱自动导引车目前，集装箱AGV定位技术包括GPS定位、利用埋设的电磁导引线（或磁钉）进行定位、加速度计和陀螺仪的惯性定位、激光定位等]。在仓储物流领域，亚马逊公司(Amazo)于2012年使用了仓储AGV(即Kiva机器人，见图1-9)[3]。Kva机器人通过地面的二维码进行定位，可按照无线指令将订单对应的货架搬运到分拣员面前，从而大幅提高了仓库的拣货效率。从2012年起，阿里巴巴、京东、顺丰和申通等公司陆续开始大量配备仓储物流搬运AGV。此外，2015年LideMaterialHadlig公司与Balyo公司合作研发了无人驾驶叉车（见图1-10)。无人系统基础Lidero图1-9亚马逊公司(Amazo)的仓储物流图1-l0LideMaterialHadlig公司与搬运AGV(Kiva机器人)Blyo公司合作研发的无人驾驶叉车该车在仓库内能无人驾驶的核心技术是Balyo设计的同时定位与地图构建(SimultaeouLocalizatioadMaig,SLAM)算法。为实现无人驾驶叉车的室内定位和环境感知，Balyo的工程师要完成以下三个步骤：首先，手动控制叉车在工作区运动，期间利用车载激光雷达(LightImagigDetectioadRagig,LIDAR)记录数据，并基于SLAM技术测绘出该工作☒的二维地图；然后，将二维地图中非固定设施移除，从而保留工作区的特征点（如柱子、墙壁搁物架等)，为后续无人驾驶提供工作区的参照地图，进而根据物流需求，在参照地图上为无人驾驶叉车添加虚拟路径和货物取放点：最后，将上述参照地图存储在无人驾驶叉车的计算机中，这样该叉车将参照地图和激光雷达实时获取的环境信息相比较就可完成自身定位和行进。在智能家居领域，2010年NeatoRootic公司首次将激光雷达SLAM技术运用到扫地机器人；利用SLAM技术测绘出的房间地图进行路径规划，保证了该机器人不与室内墙壁、家具发生碰撞且避免了清扫路线重复的情况。图1-11所示是2017年NeatoRootic发布的最新一代扫地机器人BotvacD7MCoected[I,其满电续航时间是2h,利用手机APP可令机器人在清扫行进过程中避开指定区域（如儿童和宠物区）。图1-11NeatoRootic公司的扫地机器人BotvacD7MCoected6···试读结束···...

2022-05-04

图书名称：《智能系统与技术丛书深度学习实战基于TeorFlow2和Kera原书第2版》【作者】（意）安东尼奥·古利，（印）阿米塔·卡普尔，（美）苏吉特·帕尔作；刘尚峰，刘冰译【丛书名】智能系统与技术丛书【页数】458【出版社】北京：机械工业出版社,2021.08【ISBN号】978-7-111-68771-9【价格】149.00【参考文献】（意）安东尼奥·古利，（印）阿米塔·卡普尔，（美）苏吉特·帕尔作；刘尚峰，刘冰译.智能系统与技术丛书深度学习实战基于TeorFlow2和Kera原书第2版.北京：机械工业出版社,2021.08.图书封面：智能系统与技术丛书深度学习实战基于TeorFlow2和Kera原书第2版》内容提要：本书围绕TeorFlow和Kera讲解神经网络和深度学习技术。在这个强大、受欢迎、可扩展的机器学习技术栈中，你将学习如何编写深度学习应用。TeorFlow是专业级应用选用的机器学习库，而Kera提供了一个简单且强大的PythoAPI来访问TeorFlow。TeorFlow2提供了完整的集成Kera，使高阶机器学习比以往任何时候都更加轻松便捷。本书还介绍了基于TeorFlow的神经网络，贯穿了主要的应用（回归、CNN、GAN、RNN、NLP），还涵盖了两个可用的示例应用，并深入探讨了生产环境下的TF、TFMoile，以及TeorFlow与AutoML的结合使用。《智能系统与技术丛书深度学习实战基于TeorFlow2和Kera原书第2版》内容试读CHAPTERI第1章基于TeorFlow2.0的神经网络基础本章我们将学习TerorFlow的基本内容，它是Google开发的用于机器学习和深度学习的开源框架。另外，我们也会介绍一些神经网络和深度学习的基础概念，近年来这两个机器学习领域取得了难以置信的寒武纪式增长。通过学习本章，希望你能了解动手实践深度学习所需的所有工具。1.1TeorFlow是什么TeorFlow(TF)是一个功能强大的开源软件库，它由Google的布莱恩(Brai)团队开发，主要用于深度神经网络。它自2015年11月使用Aache2.0开源协议首次发布后飞速发展，截至2019年5月，它在Githu的项目仓库(htt://githu.com/teorf1ow/teorf1ow)上已经有超过51000条提交，大约1830个贡献者。这些数据说明了它自身的流行度。我们先来看看TeorFlow到底是什么，以及它为何在众多深度神经网络研究人员和工程师中如此流行。Google©称它为“机器智能的开源软件库”，但随着很多深度学习库的出现，PyTorch(htt://ytorch.org/),Caffe(htt://caffe.erkeleyviio.org/)和MxNet(htt://mxet.aache.org/),是什么使得TeorFlow仍然与众不同呢？大多数深度学习库（如TeorFlow)都有自动求导工具（一种用于优化的数学工具），许多是开源平台，其中大多数提供CPU/GPU选项，有预训练模型，支持常用的神经网络架构（比如循环神经网络、卷积神经网络和深度信念网络）。⊙寒武纪生命大爆发是地球生命进化史上的一大奇观，这里指神经网络和深度学习的发展速度非常之快。一编辑注2第1章除此之外，TeorFlow还有以下重要的功能：口它适用于所有流行的编程语言，比如，Pytho、C++、Java、R和Go。口Kera作为高阶神经网络API集成到了TeorFlow中（自2.0开始，Kera成为与TeorFlow交互的标准API)。该API指定了软件组件间的交互方式。▣TeorFlow允许部署模型且易于在生产中使用。口TeorFlow2.0在基于静态图的图计算基础上，增加了动态计算（见第2章）。口最重要的是，TeorFlow拥有非常好的社区支持。对于所有开源项目，Githu上的五角星数量是衡量其流行度的重要途径（见图1-1）。截至2019年3月，TeorFlow、Kera和PyTorch的星数分别为123000、39100和25800。可见，TeorFlow成了机器学习中最受欢迎的框架。teorflow/teorflow●C++★123kAOeSourceMachieLearigFrameworkforEveryoekera-team/kera●Pytho★39.1kDeeLearigforhumaytorch/ytorch★25,8kTeoradDyamiceuraletworkiPythowithtrogGPUaccleratio图1-1Githu上各种深度学习项目的星数GoogleTred(趋势)是另一种衡量流行度的途径，结果再次证明TeorFlow和Kera分列一二位（截至2019年底），而PyTorch紧随其后（见图1-2）。GoogleTredComare<▣甜Relodthiage●teorfow●ctk◆ytorch●met●keraSearchtermSearchtermSearchtermSearchtermSearchtermUitedState学1/1/5-3/15/19AllcategorieWeSearchiteretovertime②±)<图1-2各种深度学习项目的GoogleTred基于TeorFlow2.0的神经网络基础31.2Kera是什么Kera是一个设计优美的API,它组合了各类用于建立和训练深度学习模型的构建模块。Kera可以集成到很多不同的深度学习引擎中，包括GoogleTeorFlow、MicrooftCNTK、AmazoMxNet和Theao。从TeorFlow2.0开始，Kera被采用为标准高阶API,大幅简化了编码，并使编程更为直观。1.3TeorFlow2.0有哪些重要的改动TeorFlow2.0包含大量的改动。Kera现在已经是TeorFlow的一部分。tf.kera是TeorFlow对Kera的具体实现，使用它替换掉Kera,可以更好地与其他TeorFlowAPI(比如动态图tf.data)集成，还有很多其他好处。这点我们将在第2章中详细讨论。TeorFlow可以使用i安装。更多TeorFlow安装选项可参考htt://www.teorflow.org/ital1a支持CPU版本：iitallteorflow支持GPU版本：iitallteorflow-gu为了理解TeorFlow2.0有哪些新特性，首先可以看一看在TeorFlow1.0中编写神经网络的传统方法：imortteorflow.comat.vlatfi_atf.laceholder(dtye=tf.float32,hae=(2))defmodel(x):withtf.variale_coe("matmul"):W=tf.get_variale("W",iitializer=tf.oe(hae=(2,2)))tf.get_variale("",iitializer=tf.zero(hae=(2)))returxWout_amodel(ia)withtf.Seio()ae:e.ru(tf.gloal_varialeiitializer())oute.ru([outa],feeddict=(ia:[1,0]))下面安装TeorFlow2.0。⊙此处指TeorFlow1.x的安装。一译者注4第1章支持CPU版本：iitallteorflow==2.0.0-alha0支持GPU版本：iitallteorflow-gu==2.0.0-alha0在TeorFlow2.0中编写神经网络的代码实现如下所示：imortteorflowatfWtf.Variale(tf.oe(hae=(2,2)),ame="W")tf.Variale(tf.zero(hae=(2)),ame="")@tf.fuctiodefmodel(x):returWxouta=model([1,0]）rit(outa】很明显，代码更加简洁美观。事实上，TeorFlow2.0的核心思想是使TeorFlow更易学易用。若你直接开始学习TeorFlow2.0,则你是幸运的。如果你已经很熟悉1x,那么就需要理解两者间的不同点，同时，你可能还需要借助一些自动化迁移工具来重写代码，这一点将会在第2章中讨论。现在，我们先介绍TeorFlow支持的最强大的学习范式之一：神经网络。1.4神经网络概述人工神经网络(ArtificialNeuralNetwork,ANN)表示一类机器学习模型，其灵感来自对哺乳动物中枢神经系统的研究。单个人工神经网络由多个互联的“神经元”组成，组织形式为“层”。某一层的神经元会将消息传递到其下一层神经元（术语为“发射”），这即是神经网络的运行方式。始于20世纪50年代初的早期研究提出了一种可进行简单运算的双层网络—“感知器”。随后，20世纪60年代末期进一步扩大了研究成果，提出了“反向传播”算法2，)，可用于更为高效的多层网络训练必一些研究认为，这些技术的根源可以追溯到更为久远的年代内。截至20世纪80年代，神经网络一直是学术热点之一，之后，其他一些更简单的实现方法受到了更多的重视。到了21世纪第一个十年的中期，人们重新唤起了对神经网络的兴趣，这主要得益于三个因素：G.Hito提出了一种突破性的快速学习算法35-6；2011年前后提出了将GPU用于大规模数值计算：大量可供训练的可用数据集这些改进措施为现代“深度学习”开辟了道路，它是一类神经元层数非常大的神经网络，并能够基于渐进式抽象层学习一些相当复杂的模型。几年前，人们起初会将一些使用了3~5层的神经元层数称为“深层”，而如今，200层以上的网络已经司空见惯！基于渐进式抽象的学习方式与人类大脑中进化了数百万年的视觉模型很类似。事实上基于TeorFlow2.0的神经网络基础5人类视觉系统就是由不同的层组合而成的。比如，我们的眼睛首先连接到称为视觉皮层(V1)的大脑区域（位于大脑后下部），该区域在许多哺乳动物中很常见，主要用于区分物体的基本属性，例如视觉方向、空间频率和颜色等方面的微小变化。据估计，V1视觉皮层由大约1.4亿个神经元组成，它们之间有数百亿个连接。进而，V1会连接到其他区域(V2、V3、V4、V5和V6),逐渐进行更复杂的图像处理及识别更复杂的概念，例如形状、面部、动物等。有人估计人类大脑皮层神经元总共约160亿个，其中的10%~25%用于视觉四。人类视觉系统的这种基于层的组织方式使深度学习获得了一些启发：前置的人工神经元层学习图像的基本属性，而更深的层则学习更复杂的概念。本书将提供一些在TeorFlow2.0中可工作的神经网络，其涵盖神经网络的几个主要方面。让我们从感知器开始吧！1.5感知器感知器是一种简单的算法，其输人向量（通常称为输入特征，简称为特征）为x(x,x2,,xm,共m个值)，输出为1(“是”)或0(“否”)。数学上，我们据此定义一个函数：1wx+>0f(x)=0否则其中w是权重向量，wx是点积∑x,是偏置。Wx+实际上定义了一个边界超平面，由w和的值改变位置。注意，超平面是一个子空间，其维数比它周围空间的维数少1。示例如图1-3所示。该算法简洁且行之有效。例如，给定三个输入特征，如红色绿色和蓝色的数值，感知器可以尝试确定该颜色是否为白色。需要注意的是，感知器无法表示“也许”结论。假设我们已经掌握了如何确定感知器的w和,那么它只能回答“是”(1)或“否”图1-3超平面示例(0)。这就是所谓的“训练”过程，将在以下各节中讨论。TeorFlow2.0代码的第一个例子在tf.kera中创建模型的方式有3种：序列(Sequetial)API、功能(Fuctioal)API和模型(Model)子类。在本章中，我们将使用最简单的Sequetial(),在第2章中再讨论另外两个。Sequetia1()模型是神经网络层的线性管道（栈）。以下代码定义了一个含有10个人工神经元的单层模型，期望输入变量（特征）个数为784。请留意，该网络是稠密的(dee),意味着每层中的每个神经元都连接到上一层的所有神经元，以及下一层的所有神经元：6第1章imortteorflowatffromteorflowimortkeraNBCLASSES=10RESHAPED784modeltf.kera.model.Sequetial()model.add(kera.layer.Dee(NB_CLASSESiut_hae=(RESHAPED,)kerel_iitializer='zero',ame='deelayer',activatio-'oftmax'))通过参数kerel_iitializer,每个神经元都能用特定的权重值初始化。有多种参数值可供选择，常见如下：口radomuiform:权重初始化值在-0.05~0.05的小范围内均匀随机分布。口radom_ormal:权重初始化值服从均值为零、标准差为0.05的高斯分布。若对高斯分布不太熟悉，可以将其想象成一个对称的“钟形曲线”形状口zero:所有权重初始化为0。完整的参数列表可访问线上文档：htt://www.teorf1low.org/ai_doc/ytho/tf/kera/iitializer.1.6多层感知器—第一个神经网络示例在本章中，我们将展示第一个具有多个稠密层的神经网络示例。由于历史原因，感知器专指具有单个线性层的模型，因此，如果模型中含有多个线性层，则称之为多层感知器(MLP)。需要注输入意，输入层或输出层从外部可见，而所有其他中间层输出都是隐藏的，统称为隐藏层。在这种情况下，每个线性层对应一个线性函数，而多层感知器将多个线性层依次堆叠，如图1-4所示。在图1-4中，第一个隐藏层中的每个节点接收输入，并根据其关联线性函数的计算值“发射”(0,1)信号。然后，第一个隐藏层的输出传递到第二层，在第图1-4多层感知器示例二层应用另一个线性函数，其结果传递到由单个神经元组成的输出层。有趣的是，这个分层的组织结构很像我们前面讨论的人类视觉系统。1.6.1感知器训练的问题及对策考虑一个神经元：权重w和偏差的最佳选择是什么？理想情况下，我们希望提供一组训练示例，在计算机保证输出误差最小的前提下调整权重和偏差。再具体一点，假设有一组猫的图片和另一组不包含猫的图片。同时，假设每个神经元的输入为图片中每个像素的值。那么，当计算机处理这些图像时，我们希望每个神经元都能调整其···试读结束···...

2022-05-04

图书名称：《智能系统与技术丛书深入浅出联邦学习原理与实践》【作者】王健宗，李泽远，何安珣作【丛书名】智能系统与技术丛书【页数】189【出版社】北京：机械工业出版社,2021.04【ISBN号】978-7-111-67959-2【分类】机器学习【参考文献】王健宗，李泽远，何安珣作.智能系统与技术丛书深入浅出联邦学习原理与实践.北京：机械工业出版社,2021.04.图书封面：智能系统与技术丛书深入浅出联邦学习原理与实践》内容提要：这是一本从基础、原理、实战、拓展4个维度系统讲解联邦学习的著作。作者是人工智能领域的资深专家，现任某大型金融集团科技公司联邦学习团队负责人，这本书不仅得到了中外院士的联合推荐，而且得到了来自清华大学、华中科技大学、百度、蚂蚁集团、同盾科技等学术界和企业界的专家的一致推荐。全书共9章，分为4个部分。第1部分基础（第1-2章）主要介绍了联邦学习的概念、由来、发展历史、架构思想、应用场景、优势、规范与标准、社区与生态等基础内容，帮助读者建立对联邦学习的感性认知。第二部分原理（第3-5章）详细讲解了联邦学习的工作原理、算法、加密机制、激励机制等核心技术，为读者进行联邦学习实践打好理论基础。第三部分实战（第6-7章）主要讲解了PySyft、TFF、CryTe等主流联邦学习开源框架的部署实践，并给出了联邦学习在智慧金融、智慧医疗、智慧城市、物联网等领域的具体解决方案。第四部分拓展（第8-9章）概述了联邦学习的形态、联邦学习系统架构、当前面临的挑战等，并探讨了联邦学习的发展前景和趋势。《智能系统与技术丛书深入浅出联邦学习原理与实践》内容试读第一部分基础第1章联邦学习的前世今生第2章全面认识联邦学习CHAPTERI第1章联邦学习的前世今生联邦学习作为一种强调数据安全和隐私保护的分布式机器学习技术，在大数据与人工智能广泛发挥作用的背景下，受到具有数据监管和隐私保护需求行业的广泛关注。本章将主要介绍联邦学习的由来、发展历程及现状，并详细阐释联邦学习涉及的技术门类以及现有的生态与标准。1.1联邦学习的由来人工智能自1956年在达特茅斯会议上被正式提出以来，经历了三轮发展浪潮。第三轮浪潮起源于深度学习技术，并实现了飞跃。人工智能技术不断发展，在不同前沿领域体现出强大活力。然而，现阶段人工智能技术的发展受到数据的限制。不同的机构、组织、企业拥有不同量级和异构的数据，这些数据难以整合，形成了一座座数据孤岛。当前以深度学习为核心的人工智能技术，囿于数据缺乏，无法在智慧零售、智慧金融、智慧医疗、智慧城市、智慧工业等更多生产生活领域大展拳脚。大数据时代，公众对于数据隐私更为敏感。为了加强数据监管和隐私保护，确保个人数据作为新型资产类别的法律效力，欧盟于2018年推行《通用数据保护条例》(GDPR)。中国也在不断完善相关法律法规以规范数据的使用，例如，2017年实施《中华人民共和国网络安全法》和《中华人民共和国民法总则》，2019年推出《互联网个人信息安第1章联邦学习的前世今生3全保护指南》，2020年推出《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见（中华人民共和国个人信息保护法（草案）》等。这些法律条目都表明，数据拥有者需要接受监管，具有保护数据的义务，不得泄露数据。目前，一方面，数据孤岛和隐私问题的出现，使传统人工智能技术发展受限，大数据处理方法遭遇瓶颈；而另一方面，各机构、企业、组织所拥有的海量数据又有极大的潜在应用价值。于是，如何在满足数据隐私、安全和监管要求的前提下，利用多方异构数据进一步学习以推动人工智能的发展与落地，成为亟待解决的问题。保护隐私和数据安全的联邦学习技术应运而生。1.2联邦学习的发展历程人工智能自被正式提出以来，经历了60多年的演进过程，现已成为一门应用广泛的前沿交叉学科。机器学习作为人工智能最重要的分支之一，应用场景丰富，落地应用众多。随着大数据时代的到来，各行各业对数据分析的需求剧增，大数据、大模型、高计算复杂度的算法对机器的性能提出了更高的要求。在这样的背景下，单机可能无法很好地完成数据庞大、计算复杂度高的大模型训练，于是分布式机器学习技术应运而生。分布式机器学习使用大规模的异构计算设备（如GPU)和多机多卡集群进行训练，目标是协调和利用各分布式单机完成模型的快速迭代训练。但是，之前传统的分布式机器学习技术需要先将集中管理的数据采取数据分块并行或者模型分块并行的方式进行学习，同样面临着数据管理方数据泄露的风险，这在一定程度上制约了分布式机器学习技术的实际应用和推广。如何结合数据隐私保护与分布式机器学习，在保证数据安全的前提下合法合规地开展模型训练工作，是目前人工智能领域的研究热点问题之一。联邦学习技术在数据不出本地的前提下对多方模型进行联合训练，既保证了数据安全和隐私，又实现了分布式训练，是解决人工智能发展困境的可行途径。第一部分基础本节将主要介绍联邦学习的发展历程。首先，由于联邦学习本质上属于一种分布式机器学习技术/框架的延伸，因此本节将简要介绍机器学习与分布式机器学习的概念和重要的发展节点；其次，由于联邦学习使用了很多数据隐私保护领域的研究成果，因此本节会介绍隐私保护相关研究的历程；最后，本节将概述正处于成长阶段的联邦学习发展过程。1.机器学习机器学习的提出与发展可以追溯到20世纪40年代。早在1943年，WarreMc-Culloch和WalterPitt就在其论文“Alogicalcalculuoftheideaimmaetierv-ouactivity”⊙中描述了神经网络的计算模型。该模型借鉴了生物细胞的工作原理，试图对大脑思维过程加以仿真，引起了许多学者对神经网络的研究兴趣。1956年达特茅斯会议正式提出人工智能概念。短短3年后，ArthurSamuel就给出了机器学习的概念。所谓机器学习，就是研究和构建一种特殊算法（而非某一个特定的算法），能够让计算机自己在数据中学习从而进行预测。然而，由于当时的神经网络设计不当、要求进行数量庞大的计算，再加上硬件计算能力的限制，神经网络被认为是不可能实现的，机器学习的研究长期陷入停滞。直到20世纪90年代，随着云计算、异构计算等高新技术的发展，许多传统的机器学习算法被提出，并取得了良好的效果。l990年，RoertSchaire发表论文“Thetregthofweaklearaility'”e,文中提出弱学习集可以生成强学习，推动了机器学习领域使用Bootig算法；l995年，CoriaCorte和Vaik发表论文“Suort-vectoretwork”©，提出支持向量机的模型；2Ool年，Breima发表论文“Radomforet'”⑧，提出随机森林算法。随着深层网络模型和反向传播算法的提出，神经网络也重回研究视野，进入繁荣发展阶段。McCullochWS,PittW.Alogicalcalculuoftheideaimmaetiervouactivity[J].Theulletiofmathematicaliohyic,1943,5(4):115-133.SchaireRE.Thetregthofweaklearaility[J].Machielearig,1990,5(2):197-227.自CorteC,VaikV.Suort-vectoretwork[J].Machielearig,1995,20(3):273-297.BreimaL.Radomforet[J].Machielearig,2001,45(1):5-32.第1章联邦学习的前世今生52.分布式机器学习至今，机器学习已经发展出了很多分支，应用范围也越来越广泛。然而，随着数据量的持续增长，模型复杂度不断提高，单机节点无法承载大量的数据信息和计算资源，主流机器学习的发展遇到瓶颈。为了解决大数据训练慢的难题，分布式机器学习被提出。分布式机器学习技术将庞大的数据和计算资源部署到多台机器上，以提高系统的可扩展性和计算效率。实现分布式的核心问题是如何进行数据的存储和数据的并行处理，当前主要的分布式数据处理技术主要基于Google提出的分布式文件存储和任务分解处理的思想。Google在2003年和2004年分别发表两篇关于Google分布式文件系统(GFS)和任务分解与整合(MaReduce)的论文，并公布了其中的细节。基于这些核心思想，多家企业、科研机构开发了相应的大数据计算、大数据处理与分布式机器学习的平台。大数据计算与处理方面常见的平台有Hadoo、Sark和Flik等。Hadoo分布式系统的基础架构在2005年由Aache实现，其中的HDFS分布式文件系统为海量数据提供了存储空间，MaReduce为海量数据提供了计算支持，有效提高了大数据的处理速度。Sark平台则由加州大学伯克利分校AMP实验室开发，以数据流应用为主，扩展了MaReduce的应用。Flik是一种同时支持高吞吐、低延迟、高性能的分布式处理框架，近些年来被越来越多的国内公司所采用。分布式机器学习训练分为数据并行和模型并行两种。数据并行是更常用的分布式训练方案，在这种方式下，所有设备自行维护一份参数，输人不同的数据，反向传播的时候通过AllReduce方法同步梯度，但是对于太大的模型不适用。由于数据并行会出现模型过大的情况，模型并行的方案被提出。模型并行主要包括层内并行和层间并行两种，但它们会有参数同步和更新的问题，对此业内正在探索更加高效的自动并行方法，尝试通过梯度压缩的方式来减少参数的通信量等。随着分布式技术的发展，一些机器学习/深度学习框架纷纷宣布支持分布式。2013年年底，由卡内基梅隆大学邢波教授主导的机器学习研究小组开源Petuum平台，旨在提高并行处理效率。主流深度学习框架TeorFlow和PyTorch分别于2016年和2019第一部分基础年开始支持分布式运行和分布式训练。2017年1月，由亚马逊选定的官方开源平台MXNet及其项目进人Aache软件基金会。MXNet支持多种语言和快速模型训练。2o18年3月，百度开源依托云端的分布式深度学习平台PaddlePaddle。2018年10月，华为推出一站式AI开发平台ModelArt,其中集成了MoXig分布式训练加速框架。MoXig构建于开源的深度学习引擎TeorFlow、MXNet、PyTorch、Kera之上，使得这些计算引擎的分布式性能更高，易用性更好。2019年1月，英特尔开源其分布式深度学习平台Nauta,该平台提供多用户的分布式计算环境，用于进行深度学习模型训练实验。3.隐私保护技术如何在数据传输中保护数据的隐私安全，一直是密码学领域的一大研究热点。早在1982年，姚期智院士就提出了“百万富翁问题”，即两个百万富翁都想知道谁更富有，但都不愿意将自己的财富数字透露给对方，双方如何在不借助第三方的前提下获得这个问题的答案。由这个问题引申出了安全多方计算的研究领域。具体来说，该领域探讨设计的协议是解决一组互不信任的参与方之间如何在保护隐私信息且没有可信第三方的前提下协同计算的问题。目前已有多个安全多方计算框架，涉及的密码学技术有混淆电路、秘密共享、同态加密、不经意传输等。混淆电路针对双方安全计算，其思想是，将共同计算的函数转化为逻辑电路，对电路的每一个门都进行加密并打乱，从而保证计算过程中不会泄露原始输入和中间结果，双方根据各自的输入，对每个电路逻辑门的输出进行解密，直到获得答案。秘密共享的思想是，将需要保护的秘密按照某些适当的方式拆解并交予不同的参与方管理，只有一同协作才能恢复秘密消息。同态加密的思想由Rivet在1978年提出，之后Getry又在其2009年发表的论文“Fullyhomomorhicecrytiouigideallattice”e中引申出全同态加密。全同态加密是指同时满足加同态和乘同态性质、可以进行任意多次加与乘运算的加密函数，通过这样的函数保障，经过同态加密处理的数据在解密后，其输出等于未加密原始数据经过同样操作后的输出。不经意传输则强调通信双方以一种GetryC.Fullyhomomorhicecrytiouigideallattice[C]//Proceedigoftheforty-firtaualACMymoiumoTheoryofcomutig.2009:169-178.···试读结束···...

2022-05-04 深入浅出陆行夏寒全文免费阅读xyping 小说 深入浅出的近义词

图书名称：《国外高校优秀教材系列交通类智能交通系统数据分析》【作者】（美）马什鲁·乔杜里，（美）艾米·阿彭，（美）卡坎·戴伊作；马晓磊，于海洋译【丛书名】国外高校优秀教材系列【页数】250【出版社】北京：机械工业出版社,2021.05【ISBN号】978-7-111-67592-1【分类】交通运输管理-智能系统-高等学校-教材【参考文献】（美）马什鲁·乔杜里，（美）艾米·阿彭，（美）卡坎·戴伊作；马晓磊，于海洋译.国外高校优秀教材系列交通类智能交通系统数据分析.北京：机械工业出版社,2021.05.图书封面：智能交通系统数据分析》内容提要：《智能交通系统数据分析》提供了用于分析智能交通系统的各类数据驱动方法，其中包括了实现这些算法的各种大数据分析与计算工具；回顾了智能交通系统的主要特点，以及如何分析其产生数据的基本概念。《智能交通系统数据分析》涉及数据采集、存储、处理和发布，数据架构设计、数据管理与展示系统，以及需要的软硬件技术。读者将会学习到如何设计有效的数据可视化界面、如何根据不同的交通场景评价不同的数据分析方法、在客车及货车领域面向安全与环境的案例应用、数据隐私和安全，以及社交媒体数据在交通规划中的应用。《智能交通系统数据分析》可作为本科生和研究生学习智能交通系统数据分析的教材，也适用于从事智能交通行业的研发人员阅读使用。《国外高校优秀教材系列交通类智能交通系统数据分析》内容试读第1章Chater智能交通系统的特征及其与数据分析的关系11.1智能交通系统作为数据密集型应用智能交通系统(ITS)的应用是复杂的、数据密集型的应用，其特点可以用“大数据的5V”来描述：①大量(volume),②多样(variety),③高速(velocity),④真实(veracity),⑤低价值密度(value)(对于最初的3V,见参考文献[1])。请注意，这些特性中的任何一个都可能对传统的数据库管理系统产生挑战，而具有其中多个特性的数据对于传统的数据处理系统来说是根本无法处理的。因此，需要能够处理大量历史和实时数据的数据基础设施和系统将TS从传统的技术驱动系统转变为复杂的数据驱动系统。第一个“V”是TS的数据量，对于运输系统来说，它是呈指数增长的。随着越来越多的复杂数据采集技术，每一秒钟都在生成数量空前的交通相关数据。例如，2013年每个汽车制造企业采集了大约480TB的数据，到2020年增加到11.1PB/年2。同样，伦敦市的闭路电视(CCTV)系统的500个摄像头产生1.2G的数据)。ITS数据的第二个“V”是数据多样性，它可以是以多种格式和多种方式采集的数据，包括从车辆和基础设施传感器上捕获的数字数据、来自社交媒体的文本数据以及从地图加载的图像和地理信息系统(GIS)数据。这些数据的组织程度从半结构化数据（例如，维修日志、图像、视频和音频文件)到结构化数据（例如，来自传感器系统的数据和来自交通事故数据存储库内的数据)之间各不相同。社交媒体数据被认为是半结构化数据，包含标签或具有不同语义元素的通用结构。不同的数据集具有不同的格式，这些格式在文件大小、记录长度和编码方案方面有所不同，其内容可以是同构的，也可以是异构的（即，具有许多数据类型，如文本、离散数字数据和可能标记或不标记的连续数字数据)。这些由不同来源以不同格式生成的异构数据集对数据分析系统的接收和集成提出了重大挑战。然而，它们的融合使得复杂分析变成可能，包括用于模式检测的自学习算法到用于复杂预测的降维方法。ITS数据的第三个“V”是速度，变化很大。从批处理到在线数据源的实时事件处理，数据摄取率和处理需求差异很大，从而引起了对数据基础架构的高要求。有些数据是连续、实时采集的，而有些数据是定期采集的。例如，美国大多数州的交通部门(DOT)使用自动数据采集器，向媒体提供数据。加利福尼亚州运输局(Caltra)设计智能交通系统数据分斯的商业/媒体大规模网络门户(CWWP)就是一个这样的例子，该网站旨在满足商业和媒体信息服务提供商的数据需求。CWWP请求并接收由Caltra维护的数据采集设备生成的旅行者信息)。尽管该系统是从交通中连续采集速度数据，但是可以以较低的频率间隔更新道路地图等数据。ITS数据的第四个“V”是真实，用于描述ITS数据的确定性或可靠性。例如，从数据流做出的任何决定都取决于源和数据流的完整性，即传感器的正确校准和对任何丢失数据的正确解释。因此，采集可靠和及时的交通相关数据的目标是ITS面临的重大挑战。ITS数据最后的“V”是低价值密度，取决于数据的已获取时间、采样率和预期的应用。例如，几分钟前的数据对于避免碰撞应用可能没有任何价值，但在路线规划应用中可能有用。价值是从数据中提取有意义的、可操作业务见解的能力度量。以下内容将从不同的数据系统角度描述TS,并解释TS不同的数据源和数据采集技术。1.1.1TS数据系统使用TS的一维视图可能会简化系统的某些方面。然而，它的复杂性要求使用多个视角。一种看待TS的方法是把它看作一个数据密集型的应用，在这个应用程序中，数据由计算机、通信基础设施和交通基础设施组成的互联网络承载并在其中流通。该系统的特点是：①数据生产者和消费者；②数据存储系统；③智能决策支持组件。通过有线和无线技术支持通信。智能决策支持应用程序通过互联网络，从道路传感器及其设备中提取数十亿个数据源产生的相关数据。然后，这些数据被用于向道路使用者、交通规划人员和决策者提供特定的服务。理解TS的第二种方法是考虑系统构架的各个层，类似于开放系统互联网络模型。对于该系统，基础层包含物理传输组件、计算机网络、计算机和存储设备。这些计算组件可能是现成的商品，也可能是小型社区或单个公司使用的专门设计的专用设备。该系统还具有一系列已经定义的标准，允许网络连接到计算机和存储设备。在基本物理层之上是数据链路层，它的特征是一系列日益复杂的标准，这些标准定义了特定网络技术(如无线或有线网络)的通信协议。互联网协议(P)是用于将不同网络连接在一起的标准协议，它高于单个网络协议，以允许经由移动电话到数据中心的车辆通信，数据中心与10G以太网等有线网络技术互连。IP之上的传输层协议，例如传输控制协议(TCP)和其他协议，确保了端到端通信的可靠性，即使不同的源在移动和变化。传输层上方的会话、显示和应用程序层协议描述了应用程序期望的数据格式，并管理用户和系统之间以及不同自治系统之间传递的不同类型的消息。看待TS的另一种观点是“三个I”一仪表化、互联化和智能化[。这是一个仪表概念，包括高级设备和传感器，这些设备和传感器的采集数据的数量和类型日益多样化。例如，传感器可以测量位置信息、监测和测量振动，或使用不同类型的摄像头捕获视频。高速公路上的探测车可用于连续采集交通数据。虽然传感器需要电源，如电池或电力连接，但技术进步使得在交通基础设施上广泛部署廉价传感器成为可能，可以在没有电池或外部电源的情况下运行。在这里，复杂的有线和无线通信系统将数据从传感器传输到智能决策支持应用程序。智能交通系统的特征及其与数据分析的关系第1章1.1.2TS数据源与数据采集技术通信和计算技术的重大进步反过来又使ITS数据采集技术取得了进展。相关数据来源很多。ITS数据源可分为四大类：①道路数据；②基于车辆的数据；③基于出行者的数据④广域数据。同样，数据采集技术分为四类：①道路数据采集技术；②基于车辆的数据采集技术；③基于出行者的数据采集技术；④广域数据采集技术。数十年来，道路数据采集技术一直被用于从高速公路沿线的固定地点采集数据。道路上使用的传感器在本质上可以是无源的，采集数据而不中断正常的交通行为。环形检测器是应用最广泛的道路数据采集技术之一。许多基于环路检测的应用目前正在使用中，如交叉口交通监控、事件检测、车辆分类和车辆再识别应用0.山。某些类型的环形探测器可以提供数据，包括某个位置车辆的计数或检测。另一种类型的道路数据采集器是微波雷达，它可以检测车流量、速度和车辆是否存在。红外传感器可以用来测量车辆的反射能量，能用于推断车辆的类型或行为特征。超声波传感器可以识别车辆数、车辆是否存在和车道被占用情况。另一种广泛使用的道路数据采集技术是闭路电视摄像头。机器学习方法可以应用到视频中来检测交通特征。一旦这些图像被数字化，它们就会被处理并转换成相关的交通数据。采用不同的机器视觉算法对记录的交通图像进行分析，实现实时交通监控、事件检测和验证，以及车辆分类。基于车辆的数据采集技术，例如带有电子收费标签的车辆和全球定位系统（GPS),与基于手机的蓝牙和WFi无线电相结合，是ITS应用中的第二个数据源。当道路数据采集技术用于特定位置的数据采集时，从移动车辆源采集数据的机会推动了诸如路线选择、起点和终点调查、行程时间估计等新应用的发展。网联车辆(coectedvehicle,CV)技术通过动态无线通信网络连接道路上的车辆，使车辆能够与其他车辆和交通基础设施，特别是路侧单元(roadideuit,RSU)实时共享数据。在网联车辆环境中，车辆和基础设施之间的这种无缝实时连接有可能为现有的基于基础设施的TS应用带来新的好处，包括安全性、移动性和环境方面的好处。到目前为止，美国运输部(USDOT)已经确定了97个网联车辆申请，而且这个名单还在增加2使用手机应用的驾驶人为TS提供了第三个数据采集源。这些广泛使用的通信和手机应用程序以及在线社交媒体已经被出行者用来自愿提供最新的交通信息。例如，现在由谷歌运营的Waze手机应用程序使用出行者的位置信息来推断交通减速和交通事故的潜在位置。然而，这些通过在线社交媒体平台获得的驾驶人数据是半结构化和不可靠的，驾驶人没有提供任何交通事件的具体位置信息。例如，只有1.6%的Twitter用户激活了地理定位功能)广域数据采集技术是第四种数据采集源，它通过多传感器网络监测交通流。由无人机和天基雷达获取的摄影测量和视频记录也可作为该技术的数据采集源。从这些技术中采集的数据包括车辆间距、速度和密度，这些数据反过来又用于不同的目的，如交通监控和事件管理。表1-1总结了不同的交通数据采集技术。除了四种经典的数据采集源采集的数据外，与交通相关的数据也来源于新闻媒体、气象站等。公共和私营机构在不同的交通决策活动中使用不同的技术采集的实时和存档数据，对迅速实施不同的ITS应用发挥了显著作用。3智能交通系统数据分析表1-1TS数据来源和数据采集技术数据来源数据采集技术数据类型用户优点缺点流量、速度、类·不受天气影响公共机·有限的范围环形检测器型、占有率，是否·使用广泛，熟练劳动力·延长生命周期成本构存在即可操作·易受货车重量影响而损坏道路数据基于视觉的流量、速度、类,比环形检测器覆盖范围大技术(CCTV公共机·延长生命周期成本型、占有率，是否·不受交通负荷影响摄像头)·受天气影响较大存在构·持续采集数据·覆盖范围比环形探测器和摄像头大车辆位置、行驶浮动车辆数·提取数据需要复杂的算时间、速度、横向公共和·车内无需特殊硬件设备据（有GPS和·道路沿线无需修建特殊法私人机构蜂窝网络)和纵向速/诚速、基础设施·GPS定位精度低基于车辆障碍物探测·持续采集数据的数据·不受天气影响车辆位置、行驶覆盖范围比环形探测器·提取数据需要复杂的算法时间、速度、横向网联车辆公共和和摄像头大需要专用的短程通信和纵向速/减速私人机构·持续采集数据(DSRC)或其他通信设备障碍物探测·不受天气影响基于出行推特、Waze实时警报、意外公共和·由于旅客的存在，覆盖·位置精度低者的数据检测私人机构范围更广·半结构化数据交通监控、事故·受天气、植被和阴影的公共机广域数据摄影测量交通规划与·可以从地面难以靠近的影响管理、设计构位置收集数据·精度受照相机质量和飞行高度的影响来源：[14]S.Bregma,Ueofocialmediaiulictraortatio,Tra.Re.Board99(2012)18-28.[15]CDOT,SurveyMaual,Chater4,AerialSurvey,ColoradoDeartmetofTraortatio.智能交通系统的大数据分析方法与基础设施建设数据分析的目的是从收集的数据中获取见解和知识。无论是评估现有的运输网络还是比较拟议的备选方案，分析数据和提供按需决策支持的能力对于ITS都是至关重要的。因此，为ITS开发的大数据分析方法是基于能够合并来自各种数据源的不同类型的非结构化、实时或档案数据集的能力的。本节描述了ITS数据分析关键方面的一个示例，特别是数据分析的基本类型、数据时间维度的作用、大数据分析的基础结构以及TS数据的安全性。更多详细的解释将在本书的其余章节中概述。如第2章“数据分析基础”所述，数据分析可以是描述性的、判断性的、预测性的和说明性的，每一种都用于ITS数据分析。描述性分析使用统计方法来描述数据中的特征和模式。给定道路上车辆的观测数据，可以计算出：①一天中特定时间沿道路延伸的平均车辆数；②车辆的平均、最小和最大速度：③车辆的平均重量和尺寸。第7章“可···试读结束···...

2022-05-04 城市智能交通系统陈旭梅

图书名称：《复杂机电系统智能故障诊断与健康评估》【作者】李巍华，张小丽，严如强作【页数】410【出版社】北京：国防工业出版社,2021.05【ISBN号】978-7-118-12218-3【参考文献】李巍华，张小丽，严如强作.复杂机电系统智能故障诊断与健康评估.北京：国防工业出版社,2021.05.图书封面：智能故障诊断与健康评估》内容提要：本书系统的阐述现代工业中复杂机电系统的故障预测、智能诊断及系统健康状态的评估等理论与方法，主要包括基于数据驱动的智能故障诊断原理、方法及其实现技术。基于统计学习理论、半监督学习、流形学习、深度学习的故障预测、状态评估的原理、技术及其应用。重点从模式识别、机器学习的角度，重点阐述基于半监督学习、流形学习的故障特征提取与选择、早期故障的预测、故障模式的分类及装备性能退化的评估等。并对当前机器学习的研究热点，深度学习在智能预测、健康评估中的应用进行分析、展望。本书可作为高等院校机械工程、控制工程、自动化及系统工程等专业的研究生教材或教学参考书，也可供广大科技工作者和从事过程控制、故障诊断、设备维护等人员参考。《复杂机电系统智能故障诊断与健康评估》内容试读第1章绪论1.1智能故障诊断与健康评估的概念装备智能故障诊断与健康评估是指利用人工智能和机器学习的相关算法对目标对象进行故障诊断、故障演化趋势及剩余寿命预测、健康状况的评估。从人工智能的角度看，装备的智能诊断与预测属于典型的模式识别问题。机器学习算法可以从历史数据中学习相关的知识，并生成相应的模型用于诊断、预测和健康评估。装备智能故障诊断与健康评估对应着故障预测与健康管理(rogoticadhealthmaagemet,.PHM)领域的3个层次：①故障检测和故障定位（故障诊断）；②故障发展趋势及剩余寿命预测（故障预测）：③根据诊断和预测信息对系统的健康状态进行评估（健康评估）。故障诊断包括故障检测和故障定位，故障检测主要是判断设备是否出现故障，而故障定位则是在故障出现时对故障部位进行识别故障检测技术的出现使得设备故障可以被及时地发现，防止故障继续发展造成更加严重的后果：故障定位技术则大大减少了设备检修的时间。故障预测则是在诊断的基础上，结合对象的结构参数与运行参数对设备的性能退化程度进行分析，对装备未来的故障及其演化的趋势进行预测、分析和判断，并对设备的剩余使用寿命进行预测。根据故障预测的结果，可以指导设备调整运行工况，以延长设备的使用时间：另外，还能根据剩余使用寿命，提前做好维护规划，减少设备的停机时间。健康状态评估则是在故障诊断和预测的基础上，对设备的健康状态进行量化分析设备在出现早期故障时，对设备运行的影响较小，此时对设备进行检修会造成不必要的浪费，增加设备的维护费用：当故障发展到一定程度之后，会对设备运行造成明显的影响，此时若不对设备进行检修则容易引发事故。健康状态评估技术通过对设备的性能劣化程度（含故障程度）进行动态的量化分析，实时监控设备健康状态，对其服役性能的退化程度做出评价，及时地发现需要维护的故障并减少不必要复杂机电系统智能故障诊断与健康评估的维护支出。1.2复杂机电系统智能故障诊断与健康评估的意义复杂机电系统的出现和发展反映了人类对于产品性能和工程设计的进一步追求，这是机械装备发展的必经过程。现代信息技术、计算机技术及人工智能的发展，赋予复杂机电系统越来越丰富的内涵以及更加复杂的功能。现代工业生产对产品质量和生产过程有着极高的要求，使得传统的机械系统逐渐被各类复杂机电系统所取代根据文献「1]对复杂机电系统的定义，现代复杂机电系统是以机电系统为载体，融合机、电、液、光等过程的复杂物理系统。多种单元技术根据功能需求集成于不同的机电载体上，通过信息流融合和信息驱动形成各种现代机电装备，如航空发动机、高速列车、精密机床及现代生产设备等。复杂机电系统通常由数量巨大种类众多的零部件构成，系统内部各零部件和子系统之间存在复杂的耦合关系，因此，确定系统行为时需要综合考虑各子系统的独立行为及子系统间复杂的耦合关系。由于系统在功能、结构和耦合关系等方面的复杂性以及物理过程的多样性，使得复杂机电系统的智能故障诊断与健康评估面临极大的挑战随着各类复杂机电系统不断向大型化、复杂化、高速化和精密化发展，在石化冶金、电力和机械等工业领域中，设备运行的高负荷、高腐蚀和高作业率成为主要特征。因机电系统设备故障而引起的灾难性事故屡有发生，例如：2011年，北京地铁某电动扶梯驱动链断裂，致使扶梯逆向下行造成了乘客踩踏事故：2012年，河北某风电场传动系统断齿停机事故，吉林某风电场发生风机塔架倒塌事故：2013年，俄罗斯载有卫星的火箭由于推进器故障在拜科努尔发射升空仅1mim就坠毁的事故等。由于机电系统设备故障可能造成巨大的经济损失、环境污染甚至人员伤亡，急需对运行中的机电系统进行动态监测与健康状况评估，以确保系统安全可靠运行。因此，复杂机电系统智能故障诊断与健康评估技术已成为保证生产系统安全稳定可靠运行的重要技术手段，越来越受到产业界、学术机构及政府部门的高度重视。《国家中长期科学和技术发展规划纲要(2006一2020)》和《机械工程学科发展战略报告(2011一2020)》均将“重大产品和重大设备以及关键零部件的可靠性、安全性和可维护性关键技术”列为需要重点突破的关键技术之一，工业和信息化部《智能制造工程实施指南(2016一2020)》也把“基于大数据的在线故障诊断与分析等智能检测装备”作为关键技术装备研制重点，以求可以“防患于未然”，避免灾难性事故发生，从而提高设备利用率、缩短停机维修时间、保证产品质量设备的维护是设备正常运行、避免安全事故的重要保障，维护策略的发展经历2第1章绪论了4个阶段：①事后维修(correctivemaiteace)阶段：②定期维护(laedmaite.ace)阶段：③视情维护(coditio-aedmaiteace)阶段；④预知维护(redictivemaiteace)阶段。事后维护是指在设备出现明显故障甚至停机时，才对设备进行检修的维护策略。这种策略不仅存在极大的安全隐患，而且需要耗费大量检修时间，造成显著的经济损失。定期维护是根据设备各个关键零部件的设计寿命对设备进行定期更换零部件和检修的一种维护策略，与事后维修相比，这种维护策略降低了故障的发生率。但是，定期维护无法避免零部件在设计寿命内出现的故障，而且在大多数情况下，定期维护都是在零部件无法正常工作之前将其换下，导致维护成本的增加。智能故障诊断与健康评估技术的发展，使得设备维护从定期维护向视情维护转变。视情维护避免了由于定期维护换下可用零部件造成的浪费，大大提高了零部件的使用时间，减少了设备维护成本：另外，视情维护可以有效避免设备的关键零部件在未达到使用时限时因出现故障而造成的事故。故障预测技术的出现，使得维护策略有了进一步的发展，预知维护的概念开始出现。预知维护根据对设备故障性质、类别、发展趋势及剩余使用寿命的预测，可以指导设备通过调整运行工况等措施提高利用率、延长剩余寿命：对于维修时间比较长，或者大型零部件的故障，可以提前做好维修的准备，减少设备的停机时间。对于复杂机电装备这种功能、结构和耦合关系极其复杂的系统而言，对其进行智能故障诊断与健康评估对于保证装备可靠性、提高系统利用率、减少维护成本、避免安全事故有着重大的意义。1.3复杂机电系统智能故障诊断与健康评估的研究内容在复杂机电系统运行过程中，多种物理过程相互耦合。从故障机理建模的角度来看，不仅需要考虑各个单独的物理过程，还需要分析各种物理过程之间的耦合，建模非常困难。智能故障诊断与健康评估方法利用机器学习算法，从历史数据中挖掘相关的知识，从而建立相应的模型，在研究复杂机电系统的状态评估和预测问题上有一定的优势。智能故障诊断与健康评估方法包含4个主要步骤：①信号采集：②信号预处理：③特征提取和选择：④故障诊断与健康评估。采集与装备运行状态相关的物理量，如振动、压力、转速、温度及声发射信号等：由于复杂机电系统运行工况复杂，监测信号很容易受到噪声的污染，需要对信号进行预处理以减少噪声的影响：提取信号的特征来诊断故障，如时域特征、频域特征和时频域特征，特征提取和选择是故障诊断中的关键步骤，冗余无效的特征反而会对诊断造成干扰，从而影响诊断精度：以所提取的特征作为机电系统运行状态的综合表征，利用历史数据训练模型参3复杂机电系统智能故障诊断与健康评估数，可以得到诊断预测模型。将系统运行监测信号经上述处理后输入最终的模型即可获取相应的系统状态信息。对于智能故障诊断预测模型的建立，根据学习模式的不同，可以分成3类：监督学习、无监督学习和半监督学习。监督学习方法利用带标签的训练样本集训练模型，在样本量充足的情况下，可以获得精度和泛化能力俱佳的状态评估模型：然而，在样本不足时，会出现过拟合导致精度和泛化性能变差。无监督学习方法针对的是没有标签样本情况下的健康评估，根据样本的相似度分析样本间的内在联系，以实现预期功能，如聚类方法、自组织映射网络等。由于没有监督信息，因此学习到的模型往往不够精确，目前无监督学习主要用于异常检测。半监督学习方法同时利用标签样本和无标签样本对模型进行训练，在标签样本不足的情况下，可以有效提高模型的精度和泛化能力。3种方法分别对应不同的应用场景，在标签样本充足的情况下，监督学习可以在最短的时间内学习到符合要求的模型：在没有标签样本的情况下，只能选择无监督学习方法：在标签样本不足的情况下，半监督学习方法则可以解决监督学习由于训练样本不足而出现的过拟合问题另外，根据模型结构层次的不同，还可以将这些方法分为浅层机器学习方法和深度学习方法。目前应用于智能故障诊断与健康评估的浅层机器学习方法主要有人工神经网络(artificialeuraletwork,ANN)、支持向量机(uortvectormachie,SVM)、聚类算法、隐马尔可夫模型、随机森林和流形学习方法等。这些方法只对输入数据进行一到两次的非线性变化，计算量较小：另外，其简单的结构层次使得需要训练的参数较少，在训练样本较少的情况下，也能获得良好的精度和泛化性能但是，浅层结构特征提取能力有限，需要进行人工的特征提取和选择。Hito等2利用贪婪学习算法解决了深层神经网络训练中梯度消失的问题，深度学习的概念开始出现。深度学习基于深层神经网络，其深层的结构使得其具有强大的特征提取能力，可以由网络自动进行特征的提取和选择，而不需要人工提取特征。但是，由于网络结构层次多，使得深度神经网络具有大量需要调整的参数，需要大量的故障数据用于网络的训练，训练样本不足时会出现严重的过拟合现象。相应地，其需要的训练时间和进行健康评估的时间也远远多于浅层机器学习方法综上所述，复杂机电系统智能故障诊断与健康评估的研究内容就是利用机器学习方法，从数据中挖掘出相关的知识，建立相应的诊断预测模型对装备的健康状态进行评估1.4智能故障诊断与健康评估的研究现状智能故障诊断与健康评估对于提高生产效率、降低事故率具有非常重要的意第1章绪论义，国内外学界、工业界都十分重视相关的方法和应用研究，提出了大量的智能故障诊断与健康评估方法。目前，对复杂机电系统智能故障诊断与健康评估的研究主要集中于系统关键零部件，如齿轮、轴承等。根据机器学习方法的结构层次的不同，分别从基于浅层机器学习方法和基于深度学习方法对智能诊断、预测与健康评估的研究现状进行综述1.4.1基于浅层机器学习的方法在基于浅层机器学习方法的智能故障诊断与健康评估研究方面，国内外学者展开了大量的工作。Li等3从装在行星齿轮箱不同位置的多个传感器信号中提取相同的两个特征，分别是滤除正常啮合成分后信号的均方根值，以及测量信号与健康信号的频谱差中所有正值和频谱和归一化后的值，并利用自适应神经模糊推理系统融合这些特征对行星齿轮箱的故障模式和故障程度进行诊断。Ual等4利用包络分析、希尔伯特变换和快速傅里叶变换从振动信号中提取特征作为人工神经网络的输入进行故障诊断，并利用遗传算法(geeticalgorithm,GA)优化人T神经网络的结构。游子跃等提出一种基于总体平均经验模式分解(eemleem-iricalmodedecomoitio,EEMD)和BP神经网络的风机齿轮箱故障诊断方法。利用小波变换对采集到的振动信号进行降噪处理，用EEMD降噪后的信号并从选取的固有模态函数(itriicmodefuctio,IMF)分量中提取能量特征参数，归一化后输入到BP神经网络进行齿轮箱的故障诊断。Chag等6提出一种基于轴心轨迹技术和分形理论的旋转机械故障诊断方法，该方法从振动信号中提取轴心轨迹，然后利用分形理论提取特征作为BP神经网络的输入进行故障诊断。Tia等提出了一种基于流形的动态时间规整(dyamictimewarig,DTW)方法，通过测量测试样本和模板样本之间的相似度来进行轴承故障诊断。与传统的动态时间规整方法相比，这个方法用基于流形的相似度度量代替了基于欧几里得距离的相似度度量此外，这些机器学习方法还被广泛应用于信号的降噪、降维与特征提取等Widodo等8利用主成分分析、独立成分分析、核主成分分析和核独立分量分析等从声发射信号和振动加速度信号中提取特征，并分别以关联向量机和支持向量机为分类器，对6种不同的轴承故障进行分类，对比了不同特征提取方式和分类器组合的故障诊断效果。Zari等91利用正常状态的数据训练神经网络，建立一个用于去除非轴承故障成分(removigo-earigfaultcomoet,RNFC)的滤波器。从原始信号中减去滤波后的信号以去除信号中的非轴承故障成分，并从去除非轴承故障成分后的信号中提取时域特征作为另一个神经网络的输入，对感应电动机中的轴承的健康状态进行分类。Jiag等o从振动信号中提取29个常用特征，利用5复杂机电系统智能故障诊断与健康评估干扰属性映射(uiaceattriuterojecito,NAP)进行特征选择，并被将选取的特征作为隐马尔可夫模型的输入进行轴承的退化评估。Yu从振动信号中提取14个时域特征和5个时频域特征，利用主元分析(PCA)进行特征降维，然后利用一种自适应隐马尔可夫模型算法建立一系列历史隐马尔可夫模型，以历史隐马尔可夫模型和当下马尔可夫模型的重叠率来评估轴承的健康状态为提高机器学习模型的泛化能力，集成学习通过构建多个机器学习机来完成学习任务，也被广泛应用于复杂机电系统的智能故障诊断与健康评估中。如Khazaee等12利用Demter--Shafer理论融合了振动和声音数据，基于集成学习提出一种有效的行星齿轮箱故障诊断方法。首先，利用小波变换将振动和声音信号从时域转换到时频域，并提取时频域特征作为神经网络的输入：然后，构建两个神经网络分类器，将振动信号特征和声音信号特征分别输入不同的神经网络：最后利用Demter--Shafer理论融合两个神经网络的输出得到最终的分类结果。Wag等1)提出一种基于粒子群优化的集成学习方法(articlewarmotimizatioaedelectiveeemlelearig,PSOSEN)用于旋转机械的故障诊断中。首先，从振动信号中提取时域和频域特征，训练出一系列的概率神经网络(roailiticeuralet-work,PNN):然后，利用自适应粒子群优化(adativearticlewarmotimizatio,APSO)算法从这些概率神经网络中选取出适用于故障诊断的网络，并利用奇异值分解(igularvaluedecomoitio,SVD)获取这些网络输出的最佳加权向量，最终诊断结果为各个网络输出构成的向量与最佳加权向量的内积。浅层机器学习方法结构简单，需要训练的参数少，计算量小，相应地对训练样本的数量和训练时间的要求也比较低。在训练样本数量和计算能力不足时，可以快速有效地建立具有较好精度和泛化能力的智能故障诊断、预测和健康评估模型。但是，由于其结构简单，特征提取能力有限，需要进行人工的特征提取和选择。1.4.2基于深度学习的方法随着深度学习技术的兴起及硬件计算设施的迅猛发展，基于深度学习的智能故障诊断与健康评估方法在故障诊断领域不断涌现。如Sao等4从振动信号中提取时域特征，将这些特征输入到深度置信网络中进行故障诊断，并提出用粒子群算法来训练深度置信网络的方法。Q:等利用总体经验模态分解和自回归模型从振动信号中提取特征，然后将提取的特征作为堆栈稀疏自编码网络的输入对旋转机械进行故障诊断。Che等16从不同的传感器采集的振动信号中提取时域和频域特征，将这些特征按传感器分别输入到不同的两层自编码网络进行进一步的特征提取，最后将所有自编码网络的输出排成一列作为深度置信网络的输入进行轴承的故障诊断。Guo等)提出一种基于LSTM-RNN(loghorttermmemory6···试读结束···...

2022-05-04 军工epub爱下电子书 epub出版物

图书名称：《基于云架构的智能测试系统关键技术及应用》【作者】邓士杰，丁超，唐力伟，张英波，苏续军，汪伟著【页数】151【出版社】北京：北京理工大学出版社,2021.03【ISBN号】7-5682-9617-5【分类】自动测试系统-研究【参考文献】邓士杰，丁超，唐力伟，张英波，苏续军，汪伟著.基于云架构的智能测试系统关键技术及应用.北京：北京理工大学出版社,2021.03.图书目录：智能测试系统关键技术及应用》内容提要：本书针对现有技术架构下的自动测试系统存在着测试效率和测试资源利用率偏低，测试成本偏高，导致已无法高效适应大规模并行测试应用场景的问题，借鉴云计算的理念，将电子数据表格技术、虚拟化技术以及最优化理论引入到自动测试系统领域，并对涉及的关键核心问题进行了论述。本书主要介绍了自动测试系统发展历程、涉及关键技术及未来发展趋势，云架构下智能自动测试系统的硬件模型、软件模型和运行机制，智能传感器技术、硬件测试资源虚拟化技术，不同测试任务下测试资源动态调度理论、原理样机设计与验证等内容。本书可以作为从事自动测试设备设计与开发工作相关的研发或设计工程师等相关人员的参考用书，也可以作为相关机械工程、仪器仪表等与自动测试技术相关专业的本科生、研究生教材。《基于云架构的智能测试系统关键技术及应用》内容试读第1章绪论1.1自动测试系统概述自动测试(automaticmeauremet)就是为完成某项测试任务，依托具备一定自动化能力的测量系统进行测量和实验。其中，自动测试技术的前身是20世纪40年代初期的扫频测试技术，通过在局部功能上实现针对内部仪器设备的模拟自动控制，解决了一些人工操作通常难以完成的任务；之后，该方法几经改进，并沿用至今。随着电子测量技术、自动化控制技术以及电子计算机技术等方法手段的蓬勃发展并不断成熟，融合上述技术的自动测试系统(automatictety-tem,ATS)朝着高速度、高精度、多功能的方向不断发展。自动测试系统就是融合了上述相关技术，在尽量少的人为参与的情况下，自动完成针对目标对象的测试任务。与许多新兴技术的诞生相似，针对ATS的相关研究首先是由于军事上的需要，主要为了解决军队武器装备的测试问题。其中ATS的提出源自20世纪50年代中期美军提出的“万能”自动测试系统概念，并以1956年美国国防部制订的SETE(SecretariattoElectroicTetEquimetCoordiatio,电子测试设备协调部)计划为开端，开始了针对现代ATS的相关研究)。在当时，针对自动测试系统的相关研究最终目标是在不依赖有关技术文献的基础上，通过非熟练工人就能实现系统内部几乎全部仪器设备的自动化操作，并且在电子计算机上快速完成测试，同时通过灵活的编程可以适应并完成所有的测试任务。虽然在当时的技术背景下，这一终极目标远远未能实现，但也取得了不少的技术成就。在当时的技术背景下，针对自动测试系统相关研究的探索，在贪多求全的“万能”思想指导下，导致所研制出的ATS日益庞大复杂，不仅造价奇高，且系统内部测试功能之间顾此失彼，反倒降低了系统的整体测试性2基于云架构的智能测试系统关键技术及应用能。因此致力于有的放矢、专门解决某些测试任务的专用型ATS应运而生。从早期针对具体型号的专用型ATS到当前具有极大开放性的通用型ATS,从专注于测试设备研制到统筹测试系统架构和软、硬件协同开发，ATS的发展历程大致经历了三代[2-)。第一代专用型ATS,是一款诞生于20世纪60年代针对具体型号装备的测试系统，具有极强的针对性。当测试相应型号的装备时，专用型ATS测试效率高，使用方便、简单，适用于装备类型单一、数量庞大的情况：但受限于早期设计模式，不同类型的专用型ATS之间硬件接口和软件标准不统一，相互间关系复杂且没有预留物理上的扩展空间，造成该型ATS的通用性、可扩展性以及独立性较差。第二代模块化ATS,以美军1986年制定的通用自动测试设备为代表，是以控制器（即控制计算机）为核心，依托标准接口总线和各类测试设备组建的测试系统。模块化ATS采用新型卡式仪器模块和控制器，通过标准接口总线实现了模块间的连接，增强了硬件设备之间的可互换性和可扩展性；依托控制器以软面板形式显示系统内部所有仪器模块的测试信息和操作按钮，用户只需通过操作软件来控制硬件设备，降低了测试的复杂程度。第三代虚拟仪器ATS,该型ATS是模块化ATS在软件层面的进一步深度优化，以美军1999年规划的下一代自动测试系统NxTetATS为代表，将现有测试过程中针对仪器设备的复杂操作转换为“鼠标+键盘”的简单操作，依托虚拟仪器面板完成测试活动的全过程，提高了具体操作的人性化水平。相比于国外自动测试系统，国内针对ATS的相关研究起步较晚，直到20世纪70年代中期才开始针对相关领域的初步探索，总体来说，国内发展水平整体落后于西方发达国家[6。但经过几十年的国内相关研究人员的不懈探索与实践，尤其是近些年来，围绕新一代ATS展开的相关研究在国内各大高校和科研院所陆续展开，加快了国内在相关领域的发展步伐。目前国内针对ATS的研究主要集中在系统体系架构的通用性、可移植性、标准化以及基于新技术对现有ATS进行改进上，在理论研究上有了一些突出成果，在实践中也研制出了一些顺应国际潮流的先进ATS。近些年来，伴随着云计算产业的不断发展，相关的新技术也不断应用于社会生产、第1章绪论3生活的其他领域。本书借鉴云计算的相关理念提出了面向测试领域的云测试技术，并与现有ATS相结合，开展了针对云测试环境下ATS关键技术的研究，对于解决当前保障部门面临的诸多难题提供了一条新的解决思路。1.2现有自动测试系统评述20世纪80年代开始，西方国家针对通用化的自动测试系统进行持续的人力、物力和财力的投入，由此研制出一系列的具备相当测试能力的自动测试系统1.2.1早期的自动测试系统首先是早期的自动测试系统，主要诞生于20世纪90年代中期以前，列举一些已投入使用的具有一定代表性的自动测试系统。综合自动支持系统(CASS),是由美国海军于20世纪80年代提出来的，旨在降低自动测试系统的成本并尽量实现自动测试设备的自动化。针对海军武器装备的自动测试需求，CASS为其提供满足维修保障需求的解决方案。模块化自动测试设备（MATE),是由美国空军于20世纪80年代提出来的，旨在降低自动测试系统的成本并为空军现有的各类自动测试设备进行规范，以实现测试设备采购、开发、维护等一系列操作的标准化。集成测试设备(FTE),是由美国陆军提出来的，旨在为陆军装备的现场测试提供可靠的自动测试设备。计算机化的自动机(CAM)是由美国通用汽车公司研制的一套综合性测试系统，旨在提供一套应用于维修车间的能够进行各类自动化测试的系统。通用测试站(CTS),是由美国海军于20世纪90年代提出来的，具体研制的单位是美国的休斯公司，主要针对海军装备的制导武器进行自动测试，针对CASS难以满足的测试需求进行扩展、深化。除了上述列出的自动测试系统外，在西方一些国家也成功开发出了一些其他类型的各具特色的自动测试系统。例如，英国国防部开发的低成本可扩展的自动测试设备LCDATE、美国波音公司开发的ATS-195、法国宇航公司的ATEC系列等。4基于云架构的智能测试系统关键技术及应用1.2.2近期的自动测试系统虽然早期的自动测试系统都采用了通用化的测试平台，但在实际应用中仍然无法适应众多待测设备的相关需求。其主要表现在：一是此类所渭的通用自动测试系统通常只针对某一类或某一系列装备进行针对性测试：二是此类ATS的相关研制工作总是被列入相应装备平台项目的规划之中，不可避免会带有相应装备测试相关的特性；三是不同类型的ATS之间的交互操作性较差。针对早期通用自动测试系统在实际应用中存在的诸多不足，进一步降低自动测试系统，尤其是军用ATS的相关成本，美国国防部率先提出了关于下一代自动测试系统的体系结构，即NxTetATS。建立在该标准上的自动测试系统采用开放式系统测试理念，受到EEE(电气和电子工程师协会)P1226和VXIPlugPlay(VPP)两个工业标准的支持，在测试信息系统和分布式测试方面，分别遵循IEEEP1232和TCP/IP(传输控制协议/网际协议)的支持。立足早期的自动测试系统，分析其不足和局限，着眼于近期国外更先进的自动测试系统，结合国内部队各保障部门现状，进行深入总结和归纳，以探索出一条符合自身发展、实际的自动测试系统的研制路线。1.3自动测试相关关键技术1.3.1测试总线技术测试总线是指计算机与测试仪器构成的测试系统内部以及相互之间信息传递的公共通路，是现代检测系统的重要组成部分。测试总线的选择是ATS硬件设计的重要环节，它决定着整个系统的测试性能，它的发展推动着自动测试系统的更新换代。采用先进的测试总线技术，易于实现硬件平台的标准化、通用化，从而大大简化系统硬件平台的结构，增加系统的开放性、兼容性、可靠性和可维护性，提高测试速度和测试精度。测试总线技术随着工业生产的需要以及高新科技的发展在国外发展很快，20世纪70年代出现GPIB(通用接口总线)，到80年代就出现了VXI(VMEueXteioforitrumetatio,用于仪器的VME总线扩展)总线，在90年···试读结束···...

2022-05-04 测试系统的静态特性 测试系统的组成

图书名称：《智能系统与技术丛书机器人系统设计与制作Pytho语言实现原书第2版》【作者】（印）郎坦·约瑟夫作；刘端阳译【丛书名】智能系统与技术丛书【页数】201【出版社】北京：机械工业出版社,2021.10【ISBN号】978-7-111-69134-1【价格】79.00【参考文献】（印）郎坦·约瑟夫作；刘端阳译.智能系统与技术丛书机器人系统设计与制作Pytho语言实现原书第2版.北京：机械工业出版社,2021.10.图书封面：智能系统与技术丛书机器人系统设计与制作Pytho语言实现原书第2版》内容提要：机器人操作系统（ROS）是科研和工业领域非常受欢迎的机器人软件框架。该系统性能强大，可以在机器人中实现多种功能，而不需要从零开始实施。本书首先介绍机器人操作系统的基础知识，以便你了解差分驱动机器人的基本原理。然后，介绍机器人建模知识以及如何使用机器人操作系统进行设计和模拟。接着设计机器人硬件和接口驱动器。之后，讲述如何使用机器人操作系统对深度传感器和激光雷达进行配置和编程。最后，使用Qt框架为机器人创建图形用户界面。学习完本书内容后，你将清楚地了解如何将所有元素集成和组装到机器人中，以及如何捆绑软件包。《智能系统与技术丛书机器人系统设计与制作Pytho语言实现原书第2版》内容试读CHAPTERI第1章ROS人门本书的主要目的是教你如何从头开始构建自主移动机器人。我们将使用机器人操作系统(RootOeratigSytem,ROS)对机器人进行编程，它的操作将在名为Gazeo的仿真器上进行模拟。在接下来的章节中，还会介绍机器人的机械设计、电路设计、嵌人式编程并使用ROS进行高级软件编程。本章将从ROS基础知识开始学习，包括如何安装ROS,如何使用ROS和Pytho编写基础的应用程序，以及Gazeo的基础知识。本章内容是自主机器人项目的基础。如果你已经了解了ROS的基础知识，并且已经在系统上安装了ROS,那么可以跳过这一章。但是，你仍然可以在以后浏览这一章来增强对ROS基础知识的记忆。本章将涵盖以下主题：·对ROS的概述。设行是球径●在Uutu16.04.3上安装ROSKietic。·介绍、安装和测试Gazeo。我们开始使用Pytho和ROS来对机器人编程吧！积觉升1.1技术要求可以从以下链接获得本章中提到的完整代码：ht:/githu.com/qoticla/learigrootic2ded1.2ROS概述OS是用于创建机器人应用程序的软件框架，其主要目的是提供可以用于创建···试读结束···...

2022-05-04 python epub电子书 python epub库

图书名称：《智能搜索和推荐系统原理、算法与应用》【作者】刘宇著【丛书名】智能系统与技术丛书【页数】257【出版社】北京：机械工业出版社,2021.01【ISBN号】978-7-111-67067-4【分类】搜索引擎-程序设计【参考文献】刘宇著.智能搜索和推荐系统原理、算法与应用.北京：机械工业出版社,2021.01.图书封面：智能搜索和推荐系统原理、算法与应用》内容提要：本书分为4大部分。第一部分（第1-3章）：搜索推荐系统的基础。首先介绍数学与统计学是现代机器学习理论的基础；其次介绍搜索推荐系统的常识；最后，描述知识图谱相关基础理论。第二部分（第4-6章）：搜索系统的基本原理。主要内容包括：搜索系统框架及原理、主要算法以及搜索系统相关评价指标。第三部分（第7-9章）：推荐系统的基本原理。主要内容包括：推荐系统框架及原理、主要算法以及推荐系统相关评价指标。第四部分（第10-12章）：应用。首先介绍三种常见的搜索引擎工具；其次讲述搜索引擎和推荐系统两个方向的应用。《智能搜索和推荐系统原理、算法与应用》内容试读■■■■■■■■■■■■■■■■■第一部分d/，。。。搜索和推荐系统的基础·第1章概率统计与应用数学基础知识·第2章搜索系统和推荐系统常识■第3章知识图谱相关理论面■图■■■层■■画题题Chctei1第1章概率统计与应用数学基础知识搜索和推荐作为算法领域相对成熟的两个应用方向，主要应用于机器学习和自然语言处理。机器学习和自然语言处理都会用到很多应用数学的知识，特别是概率与统计的一些基础知识。本章将简要介绍概率统计和应用数学的基础知识，以便读者对其相关知识点的掌握。已经了解概率统计和应用数学基础知识的读者，可以将本章作为复习模块，也可以直接跳过阅读后面的内容。1.1概率论基础概率论是机器学习中重要的基础知识。下面介绍一些与本书相关的概率论知识。1.1.1概率定义概率是对一个事件将要发生的可能性的一种测度。概率值在0到1之间，0代表不可能发生，1代表确定发生。事件的概率值越高，它发生的可能性就越大。假设概率值P为某个事件A发生的概率，记作P(A),(2,F,P)为一个测度空间，其中Q表示样本空间，F表示事件空间，那么满足以下公理。公理1：事件的概率是一个非负实数，且P(A)∈R,即P(A)≥0，A∈F。公理2：样本空间集合的概率值为1，即P(2)=1。公理3：任意可数的无交集的事件序列A,A2,…，满足如下条件：-P)第1章概率统计与应用数学基础知识5概率是多少？解：P(A,B,C)=P(A)×P(B)×P(C)=1111101010010000例2：假设一个女孩天生聪明的概率是P(A)=1/10,聪明的女孩子学习机器学习的概率是P(B4)=1/1000,一个人学习机器学习的概率是P(B)=1/100,求一个学机器学习是聪明女孩的概率是多少？解：P(4AB)=P4)×P(BA)/P(B)=10×1OO0÷1O0=·1.1.2随机变量前文讲到的概率在许多概率模型中的试验结果是数值化的，也有一些例子中的试验结果不是数值化的，但是这些试验结果是与某些数值相关联的。比如在传输信号试验中，传输信号所需要的时间，接收到的信号中发生错误的次数，传输信号的延迟，等等，这些事件发生的概率可以用随机变量表示。随机变量可以随机地取不同的值，取值可以是离散的，也可以是连续的。随机变量更像是一种函数，可以表示随机试验中所有可能的输出结果，如图1-1所示。样本空间图1-1随机变量随机变量可以分为离散型随机变量和连续型随机变量。离散型随机变量：如果随机变量为有限可列举的数值：x,x2,x,我们称之为离散型随机变量。连续型随机变量：如果随机变量X可以取实数数轴上的某个区间内的任意值，我们称之为连续型随机变量。1.1.3基础的概率分布很多基础的概率分布在机器学习和深度学习领域很有用，这些概率分布也是其他复杂分布的基础。下面我们学习几种基础的概率分布。6“◆。第一部分搜索和推荐系统的基础1)0-1分布：P(X=)=(1-)l,k=0,1其中，为k=1时的概率(0<<1)。假设一个试验事件发生的概率为,不发生的概率为1-,任何一个只有两种结果的随机事件都服从0-1分布。2)二项分布B(,):PX=)=C(1-)-,k=0,1,…,其中，C=k-k一是二项式系数。该公式可以理解为，在次试验中有k次成功(成功的概率为)和-k次失败（失败的概率为1-),并且k次成功可以在次试验的任何次试验中出现，则k次成功分布在次试验中共有C种不同的排列组合。0-1分布是二项分布的特例。例3：二项分布代码，如下所示。1.imortumya2.fromciyimorttat3.imortmatlotli.ylotalt4。并#开####并#井开#####料并###5.#二项分布6。井骨####井井开开######井井并##7.defiom_mf_tet()8.9.为离散分布10二项分布的例子：抛掷100次硬币，恰好两次正面朝上的概率是多少？11.12.=100#独立试验次数13.=0.5#每次正面朝上概率14.k=,arage(0,100)#0-100次正面朝上概率15.iomialtat.iom.mf(k,,)16.rit(iomial)#概率和为117.rit(um(iomial))18.ritiomial[2])19.lt.lot(k,iomial,'o-')20.lt.title('Biomial:=号i,=号，2f'号(,),fotize=15)21.lt.xlael('Numerofuccee')22.lt.ylael('Proailityofucce',fotize=15)23.lt.how(二项分布示意图如图1-2所示。二项分布不断叠加后会产生一个重要的分布，就是正态分布。3)正态分布N,=1ee2a2,0>0-∞

2022-05-04 数学建模算法与应用 司守奎数学建模算法与应用

图书名称：《智能时代计算机专业系统能力培养纲要》【作者】教育部高等学校计算机类专业教学指导委员会作【页数】183【出版社】北京：机械工业出版社,2021.05【ISBN号】978-7-111-68144-1【分类】电子计算机-人才培养-研究-中国【参考文献】教育部高等学校计算机类专业教学指导委员会作.智能时代计算机专业系统能力培养纲要.北京：机械工业出版社,2021.05.图书封面：智能时代计算机专业系统能力培养纲要》内容提要：本纲要面向我国2030年之前的智能科技以及社会经济发展目标，基于专业优化途径，参考国际教育经验，针对已有的计算机专业人才培养方案进行合理的知识重构和能力提升，确定计算机科学与技术专业系统能力培养的优化思路。重点在于针对智能时代系统能力培养，深入分析计算技术与应用发展对专业知识与能力产生的影响，从而调整、重组、更新知识单元知识点以及能力要素。《智能时代计算机专业系统能力培养纲要》内容试读1概论···试读结束···...

2022-05-04 智能时代计算机专业系统能力培养纲要 计算机与人工智能专业

图书名称：《智能建筑设备自动化系统设计与实施》【作者】方忠祥，戎小戈主编；孟建翔，金湖庭副主编【丛书名】职业教育教学改革系列教材楼宇智能化工程技术专业系列教材【页数】230【出版社】北京：机械工业出版社,2021.07【ISBN号】978-7-111-43599-0【价格】45.00【分类】智能化建筑-房屋建筑设备-自动化系统-高等职业教育-教材【参考文献】方忠祥，戎小戈主编；孟建翔，金湖庭副主编.智能建筑设备自动化系统设计与实施.北京：机械工业出版社,2021.07.图书封面：智能建筑设备自动化系统设计与实施》内容提要：本书内容包括：建筑物设备自动化系统(BAS)的组成、典型建筑物设备的自动化控制要点、著名BAS产品的硬件组成和软件组态要点、BAS系统的各类传感器、BAS系统的……《智能建筑设备自动化系统设计与实施》内容试读第1章建筑设备自动化系统概述1.1建筑设备自动化系统的发展史建筑设备自动化系统作为智能建筑的一个子系统，是随着建筑物所含的设备越来越多而产生的。直至20世纪80年代初期，建筑物中的设备还是很简单的几种，如几部电梯、一个锅炉房、一个制冷站、一些空调机组、一个低位水池、一个高位水箱、两个水泵、一个变配电间就构成了建筑物的设备。由于当时的自动化技术主要集中在工业过程和电力系统的控制，所以建筑设备自动化并没有成为一个行业类别。按照智能化程度可以将建筑设备自动化系统划分为4代产品：第一代：中央主机系统(CetralCotroladMoitorigSytem,CCMS)(20世纪70年代的产品)。BA系统从仪表系统发展成计算机系统。散设于建筑物各处的信息采集站(DGP)(连接着传感器和执行器等设备)通过总线与中央站连接组成中央监控型自动化系统。DGP分站的功能只是上传现场设备信息，下达中央站的控制命令。一台中央计算机操纵着整个系统的工作。中央站采集各分站信息，作出决策，完成全部设备的控制，中央站根据采集的信息和能量计测数据完成节能控制和调节。这个时期产品的缺点是：实用性很差，不适合恶劣环境。第二代：集散控制系统(DCS)(20世纪80年代的产品)。随着微处理机技术的发展和成本的降低，DGP分站安装了CPU,发展成直接数字控制器(DDC)。配有微处理机芯片的DDC分站，可以独立完成所有控制工作，具有完善的控制、显示功能，可以进行节能管理，可以连接打印机和安装人机接口等。BA系统由4级组成，分别是现场、分站、中央站和管理系统。集散系统的主要特点是：只有中央站和分站两类节点。中央站完成监视，分站完成控制，保证了系统的可靠性。DCS比较笨重，造价也相对高，性能比较强大。第三代：开放式集散系统(20世纪90年代的产品)。随着现场总线技术的发展，DDC分站连接传感器、执行器的输人/输出模块，应用各种现场总线，形成分布式输入/输出现场网络层，从而使系统的配置更加灵活。由于LoWork、CAN等总线技术的开放性，所以使分站具有了一定程度的开放规模。BA系统控制网络形成了3层结构，分别是管理网络层、控制网络层和现场网络层。第四代：网络集成系统(21世纪的产品)。随着企业traet的建立，建筑设备自动化系统广泛采用We技术。W技术目前在控制领域占据重要位置，BA系统中央站嵌人We服务器，融合We功能，以网页形式为工作模式，使BA系统与Itraet成为一体系统。网络集成系统广泛采用W技术，常常包含保安系统、机电设备系统和防火系统等。集成系统从不同层次的需要出发提供各种完善的开放技术，实现各个层次的集成，从现场层、自动化层到管理层。W集成系统完成了管理系统和控制系统的一体化。2005年年底，由浙大中控领衔制订的实时以太网现场总线技术国际标准EAP正式通过了国际电工委员会的审查，2智能建就设备自动化系统设计与实施这是我国工业自动化领域迄今为止获得的第一个国际标准，完全适合楼控产品应用，标志着我国自动化技术发展已经接近了世界先进水平。而能够提供楼控全系列软硬件产品的浙大中控公司更是具备了和世界一流楼控公司在同一层次竞争的能力。现场总线技术作为自动化领域的关键技术，一直掌握在美国霍尼韦尔、罗克韦尔等公司手中，他们利用其制订的现场总线标准和专利技术长期垄断着中国现场总线技术和产品市场，赚取大量的超额利润。因此，浙大中控研发的具有自主知识产权的自动化领域国际标准意味着国产的建筑自动化控制设备已经可以满足顶级项目的使用要求，完全可以替代进口产品。目前，规模和影响较大的楼宇设备供应公司有美国霍尼韦尔公司、江森公司、KMC公司、德国西门子公司、浙大中控、中程科技和清华同方等，它们都推出了建筑智能化集成系统。时至今日，建筑节能、集中设备管理等技术的广泛使用，需要为建筑物的各类设备配置先进的自动化系统。建筑设备自动化系统要承担三个层次的任务。第一个层次是设备的自动化控制，提高设备的自动化程度；第二个层次是优化设备的运行，减少设备故障带来的经济损失，降低劳动力成本；第三个层次是降低建筑能耗，节能减排，倡导绿色建筑。1.2建筑设备自动化系统的组成与典型构架1.2.1系统组成建筑设备自动化系统(BA系统)的作用是实现建筑物设备的自动化运行。通过网络系统将分布在各监控现场的系统控制器连接起来，实现集中操作、管理和分散控制的综合自动化系统。BA系统的目标就是对建筑物的各类设备进行全面有效的自动化监控，使建筑物有一个安全和舒适的环境，同时实现高效节能的要求，对特定事件做出适当反应。它的监控范围通常包括冷热源系统、空调系统、送排风系统、给排水系统、变配电系统、照明系统和电梯系统等。建筑设备自动化系统和一般的自动化系统一样，基本上由三个部分组成：测量机构、控制器、执行机构。测量机构一→控制器→执行机构1,测量机构人们常常称它们为传感器，或者测量变送器，其作用就是把一些非电信号物理量转换为电信号，如压力、流量、成分、温度、H值、电流、电压和功率等。例如压力的测量，常利用压敏或者变电容原理把液体或者气体的压力用导管引入到测压室内；随着压力的变化，测压室中间的不锈钢薄壁被挤压变形，使得两个金属室壁之间的电容发生变化；通过测量这个变化的电容，如振荡电路的频率变化，全臂电桥的输出电压变化。这样就建立了一个关联变化。压力变化→电容变化→电压变化再如流量测量，也有很多方法，如涡街流量计、转子流量计、孔板流量计和电磁流量计等。以电磁流量计为例，该仪器一般用来测量带有导电物质的流体，如自来水等。第1章建就设备自动化系统概述3它的原理是霍尔效应，在管壁两侧安装两个电极，形成电场，当流体以一定速度经过管道，其导电粒子被电场作用而按照正负极分别汇聚到两个电极上，从而出现了电压变化。按照霍尔原理，电荷的汇聚数量和运动速度有线性关系，那么电极电压变化和流体速度也有线性关系。流速变化→电荷变化→电压变化随着技术的进步，现在的测量技术又加进了总线技术。例如，一个成本几十元的单片机，加上一些感应元器件和通信线，可以制成感应一个房间的温湿度值，然后以S485总线方式传给上级计算机系统或控制器的智能测量机构。2.控制器控制器是实现控制系统自动化、智能化的关键部件。最近30年，国内控制器的进步非常大。经历了从早期的动圈仪表到应用集成电路控制器、风行一时的STD工控机和智能仪表，再到集散控制系统(DCS)、组态软件控制系统和可编程序(PLC)控制系统，直到今天广泛应用的现场总线控制系统(FCS)这一过程。FCS完全改变了DCS传统的、笨重的大柜子形象。各种信号输入、输出已经无需大量导线，取代那一个个DCS大柜子的是不到1kg的DDC控制器，这些控制器可以很方便地安装到最接近被控设备的地方。而传感器和执行机构可以用简单的总线连接在一起。在软件构成上，二次开发平台也越来越人性化，图形化开发已经成为主流。现在的自动化控制技术给设计者或者使用者提供非常自由的结构，使用的连接线已经少到数根。目前，W1-Fi技术越来越发达，2005年HONEYWEL在上海光大展览中心展示了其IG-BEE产品，在恶劣环境中，ZIG-BEE传感器可以在1000m距离内可靠地传输数据，而配置的纽扣电池可以使用三年以上。所以，无线数据传输在控制系统中的使用，是可以期待的。3.执行机构控制系统接受了传感器的信号后，使用强大的运算功能对数据进行处理，最后需要对调节系统发出指令，对对象被控参数进行调节，执行这个调节任务的就是执行机构。执行机构是五花八门的，如调节加热功率的调功器、调整阀门开度的阀门执行器和调节风机转速的变频器等。执行机构按照控制器的要求，将相关调节通道的设备，动作到要求的位置，如晶闸管的导通角、阀门的开度、风机的转速。例如，我们给阀门执行机构一个5V的信号，那么阀门执行机构就会动作，带动阀门改变开度。同时，一个铁心也被同步带动，改变了线圈的不平衡电压。一旦不平衡电压也达到5V,那么电动机就停止动作，也就意味着阀门目前已经到达5V信号所对应的位置。1.2.2建筑设备自动化系统的典型构架按控制方式分类，目前主要有集散控制系统和现场总线控制系统两种形式。1.集散控制系统20世纪70年代问世的集散控制系统用于生产过程的自动控制，已有20余年的历程。集散控制系统的基本思路是：分散控制、集中操作、分级管理、配置灵活、组态方便。分散是指工艺设备地理位置分散，控制设备相应分散，危险也随之分散。集散控制系统一般分为三级。第一级为现场控制级，它承担分散控制任务并与过程及操4智能建筑设备自动化系统设计与实施作站联系；第二级为监控级，包括控制信息的集中管理；第三级为企业管理级，它把建筑自动化系统与企业管理信息系统有机地结合起来，其结构如图1-1所示。管理计算机级10Mit/以太网TCP/IP监控级中央站9.676.8kit/RS-485现场控制级现场现场现场控制器控制器控制器现场设备图1-1分散控制系统结构由图1-1可知，集散控制系统将复杂对象分解为几个子对象，由现场控制级进行局部控制。中控室负责整个系统的数据存储和调用，向下连接现场控制器，向上提供历史和趋势数据。中控室对整个工艺过程进行集中监视、操作、管理，通过控制站对工艺过程的各部分进行分散控制，既不同于常规仪表控制系统，又不同于集中式的计算机控制系统，而是集中了两者的优点，克服了它们各自的不足。分站能独立控制，保证了系统的可靠性。分站与中央站连接在同一条总线上，保证了数据的一致性，进一步提高了系统的可靠性、实时性和准确性。数据的一致性对网络性能的影响至关重要。集散控制具有高度集中的显示操作功能，操作灵活、方便可靠；具有完善的控制功能，可实现多种多样的高级控制方案。集散控制系统采用数据通信技术构成局域网，传输现场实时控制信息，并进行信息综合管理。集散控制系统的平均无故障时间可达5×104h。保证高可靠性的关键是采用冗余技术和容错技术。一般的集散控制系统核心部件都采用了冗余技术和看门狗技术。集散控制系统的模块结构使系统的配置与系统的扩展十分方便，具有良好的可扩性。2.现场总线控制系统(1)现场总线的含义根据国际电工委员会标准的定义：现场总线是连接智能现场设备和自动化系统的数字式、双向传输、多分支结构的通信网络。现场总线的含义表现在以下5个方面。1)现场通信网络：集散型控制系统的通信网络截止于控制器或现场控制单元，现场仪表仍然是一对一的模拟信号传输，如图1-2所示，现场总线是用于过程自动化和制造自动化的现场设备或现场仪表互连的现场通信网络，它把通信线一直延伸到现场的智能/0模块，甚至智能传感器或者智能执行机构，如图1-3所示。图中的现场设备或现场仪表是指传感器、变送器或执行器等。这些设备通过一对传输线互连，传输线可以使用双绞线、同轴电缆和光缆等。由于它们具有CPU芯片，所以称为智能仪表。···试读结束···...

2022-05-04 机械工业出版社总编 机械工业出版社编辑

图书名称：《智能牵引供电系统丛书中国智能铁路核心技术高速铁路智能牵引供电系统》【作者】高仕斌作【丛书名】智能牵引供电系统丛书【页数】365【出版社】成都：西南交通大学出版社,2021.02【ISBN号】978-7-5643-7748-9【价格】128.00【分类】高速铁路-智能系统-牵引供电系统【参考文献】高仕斌作.智能牵引供电系统丛书中国智能铁路核心技术高速铁路智能牵引供电系统.成都：西南交通大学出版社,2021.02.图书封面：智能牵引供电系统丛书中国智能铁路核心技术高速铁路智能牵引供电系统》内容提要：本书从智能的概念出发，介绍了智能牵引供电系统的结构与功能，包含智能供变电设施、智能供电运行检修管理系统、智能供电调度系统和高速通信网络。按照智能牵引供电系统的功能结构，其核心内容包括：广域保护、自愈重构、故障预测、健康评估、供电调度，全书分章节全面论述了上述核心内涵的理论基础、实现方法与实施案例。《智能牵引供电系统丛书中国智能铁路核心技术高速铁路智能牵引供电系统》内容试读第1章绪论人工智能与智能系统是人类社会发展与文明进步的必然结果。近年来，世界再次掀起“智能”浪潮，智能交通、智慧城市、智能电网等词汇屡见不鲜。在中国人自主设计与建设的京张铁路通车110周年之际，智能京张高铁也于2019年12月30日通车运营。作为高速铁路的重要组成部分一牵引供电系统也在不断向智能化纵深发展，本章简要介绍高速铁路智能牵引供电系统的技术特征、层级划分与主要功能。1.1智能智能是智力和能力的总称。思想家们一般认为智与能是两个相对独立的概念，但又往往把二者结合起来作为一个整体看待。1.人类智能人类是万物之灵，应该是最具智能的。按照霍华德·加德纳多元智能理论的划分四，人类智能可以分成语言、逻辑、空间、肢体运作、音乐、人际和内省（自我认知、自然认知)等方面。人类之所以成为万物之灵，是因为人类具有能够高度发展的智能，包括“智”和“能”两种成分。“智”主要是指人对事物的认识能力；“能”主要是指人的行动能力；人类的“智”和“能”是结合在一起不可分离的。人类的劳动、学习和语言交往等活动都是“智”和“能”的统一，是人类独有的智能活动。意向是人类智能的一个重要方面。人的活动是有目的的、自觉的活动，一刻也离不开自己意向的主导；思维是人类智能的核心。人类智能的特点主要是思想，思想的核心又是思维。人是一种思维的动物，没有思维就没有人类的智能。有了思维，人类才能形成各种较复杂的意向，从而主导着人的活动，表现出人类所特有的自觉能动性。有了思维，人类才能探索自然界的奥秘，发现自然现象背后的规律。有了001■第1章绪论思维，人类才能发明各种技术，突破自己认识器官和行动器官的限制，大大提高改造世界的能力。按照霍华德·加德纳的理论，不难得出结论：·“智”和“能”是有机统一体，是人类成为万物之灵的根本。·人是一种有思维的动物，没有思维就没有人类的智能·人类的个体一人的智能是有局限的，但也是可以发展的。2.人工智能尼尔逊教授定义：人工智能是关于知识的学科一怎样表示知识、怎样获得知识并使用知识的科学)。温斯顿教授认为：人工智能就是研究如何使计算机去做过去只有人才能做的智能工作)。也就是说：人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统：研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软、硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能一般分为四类，即机器“像人一样思考”“像人一样行动”“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。人工智能按智能程度又可分为弱人工智能、强人工智能和超人工智能弱人工智能是擅长于单个方面的人工智能，已经有比较成功的例证。强人工智能是人类级别的人工智能，被认为是有知觉的、有自我意识的，机器的思考和推理就像人的思维一样。超人工智能在几乎所有领域都比最聪明的人类大脑聪明很多，被认为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。事实上，人工智能既涉及科技发展，还涉及伦理道德3.智能机器智能机器是能够在各类环境中自主地或交互地执行各种拟人任务的机器，具备形形色色的内部信息传感器和外部信息传感器，例如：视觉、听觉、触觉、嗅觉等。除具有感受器外，还具有效应器。效应器作为作用于周围环境的手段，就是“筋肉”，或称自整步电动机，从而使手、脚、长鼻子、触角等动起来。0021.2智能铁路由此可知，智能机器人至少要具备三个要素：感觉、运动、思考。智能机器人是一个多种高新技术的集成体，它融合了机械、电子、传感器、计算机硬件、软件、人工智能等许多学科的知识，涉及当今许多前沿领域的技术。4.智能系统智能系统是指能产生人类智能行为的计算机系统。智能系统不仅可以自组织性与自适应性地在传统的诺依曼的计算机上运行，而且可以自组织性与自适应性地在新一代非诺依曼结构的计算机上运行。个完备的智能系统至少应具备自动地获取和应用知识的能力、思维与推理的能力、问题求解的能力和自动学习的能力。智能系统处理的对象不仅包括数据，还包括知识。表示、获取、存取和处理知识的能力是智能系统与传统系统的主要区别之一。因此，一个智能系统也是一个基于知识处理的系统，它需要：知识表示语言：知识组织工具；建立、维护与查询知识库的方法与环境；支持现存知识的重用。智能系统处理的结果往往采用人工智能的问题求解模式来获得结果。它与传统的系统所采用的求解模式相比，有三个明显特征：其问题求解的算法往往是非确定型的或称启发式的：其问题的求解在很大程度上依赖知识：智能系统的问题往往具有指数型的计算复杂性。智能系统通常采用的问题求解方法大致分为搜索、推理和规划三类。智能系统与传统系统的又一个重要区别在于：智能系统具有现场感应（环境适应）的能力。现场感应指它能与所处的现实世界的抽象一现场进行交互，并适应这种现场这种交互包括感知、学习、推理、判断并做出相应的动作。这也就是通常人们所说的自组织性与自适应性。1.2智能铁路1.2.1国外智能铁路发展近年来，德国、法国、英国和俄罗斯分别推出了数字化或智能铁路计划，欧盟提出的《以市场为导向的Shift2Rail科技创新项目》最有代表性。003■第1章绪论Shift2Ril(简称S2R)是第一个欧洲铁路行业的倡议。文献[6]对S2R有详细介绍，具体包括：1.2.1.1S2R的提出背景S2R是在欧盟“Horizo2020”计划下的研究和创新活动，从而为达成“同一欧洲铁路区”目标进行必要的技术储备。欧盟认识到，欧洲铁路制造工业在国际上的领导者地位受到了新进入者的挑战，特别是来自亚洲的挑战，希望通过加快将新的和先进的技术整合到创新的铁路产品中，寻求研究和创新以及市场驱动的解决方案，提升欧洲铁路工业的竞争力，并满足日益变化的欧盟国家实际运输的需要。1.综合的挑战过去几年，北欧、西欧和欧洲中部投资建设高速铁路，铁路运输市场运量得到增长，但还是没有赢过陆运和空运：欧洲东部和南部一些国家的铁路货运和客运在运输系统中的占比反而有所下降；整个欧洲，集装箱只有10%是通过铁路运输的。过去几年铁路运输的增长表明，如果投资方向正确，铁路运输完全可以成为一个有吸引力的城市、区域和长距离的运输方案开拓铁路运输市场有助于降低温室气体排放、提升欧洲运输系统的总体环境性能：有助于欧洲铁路工业的竞争力，创造新的商业机会，从而提升国内生产总值(GDP)、增加就业机会、增强生产力、提升净出口额。总之，欧洲运输系统中铁路的角色需要增强、欧洲工业的全球竞争力需要增强。2,服务质量的挑战根据客户调查结果，欧洲铁路服务质量堪忧。欧洲人对铁路服务满意率只有58%，对铁路车站满意率只有51%；19%的欧洲人不选择列车出行。铁路还没有成为对用户友好的运输模式。对于货运市场，可靠性、准时性缺失是客户不满意的源头。较低的铁路运输能力使得它也不是一个节省成本的选择。3.成本的挑战铁路运输还需要依赖公共资金的支持。2012年，欧洲对铁路公共服务和基建方面的支持资金为360亿~380亿欧元0041.2智能铁路铁路系统单位输出的成本需要降低，成本的竞争力需要提升。4,竞争力的挑战2012年全球铁路市场的经济总量是1310亿欧元，欧洲铁路工业仍具有领先地位(占490亿欧元)，但是已被亚洲超越，特别是中国、日本和韩国等国家在研究和创新方面的大量投入，极大地支持了铁路工业发展。为了应对这些挑战，最好的办法是从现在开始，结合系统研究方法，通过创新来提升产品的品质和可靠性，从而降低产品的全生命周期成本。这也是S2R倡议被提出的初衷。1.2.1.2S2R的关键目标2014年06月16日，欧盟理事会颁布了第642号S2R条例；2015年05月01日，在S2R条例的框架下，启动了“灯塔”项目，包括：创新的智能铁路(I2Rail)、S2R的信息技术(IT2Rail)、新一代铁路列车(Roll2Rail)和智慧铁路(SmartRail)4个研究项目。整个S2R正在实施和已经完成的项目有67个。从“灯塔”项目的研究与创新可以看出：智能与智慧铁路是其核心。S2R的工作目标将围绕提升服务质量、降低系统成本、增强互用性和安全性、简化商业程序4个方面开展。到2030年，希望达成如下关键目标：(1)将铁路服务的可靠性和准时性提升50%。(2)将铁路运输系统的运力提升100%(3)将铁路运输的生命周期成本降低50%。1.2.1.3S2R的主要内容S2R的主要研究与创新内容包括如下11个方面：·列车自动驾驶(AutomatedTraiOeratio):·服务的流动性(MoilityaaService):·快速响应需求的物流(LogiticoDemad):·从数据中获得更大价值(MoreValuefromData):·能量应用优化（OtimumEergyUe:·衔接合拍的服务(ServiceTimedtotheSecod):005第1章绪论·铁路低成本解决方案(LowCotRailwaySolutio):·有保障的资产健康与有效利用(GuarateedAetHealthadAvailaility)·智能列车(ItelligetTrai)。车站与智慧城市的流动性(StatioadSmartCityMoility):·环境与社会可持续性(EvirometaladSocialSutaiaility)。例如，图1-1为铁路低成本解决方案，图1-2为智能列车解决方案CLOSE图1-1铁路低成本解决方案图1-2智能列车解决方案S2R的工作将围绕着五个创新计划开展，涵盖铁路系统中所有相关的结构和功能子系统，如图1-3所示。IP1IP2IP3IP4IP5长期需求和社会经济研究低成先进低成可持本和的交本引力续的智慧材料和工艺可靠通管的和有的列理和续和路服吸引系统集成，安全性车，控制可靠务的T力的和互用性包括系统的高解决欧洲高性性能方案能列基建技术能源和可持续性车和高速人力资本列车图1-3S2R的五个创新计划006···试读结束···...

2022-05-04