模糊算法基本原理

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇模糊算法基本原理范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

模糊算法基本原理范文第1篇

关键词：故障诊断；遗传算法；神经网络；小波分析

引言

遗传算法GA（GeneticAlgorithms）模拟了达尔文的“适者生存，优胜劣汰”的自然进化论与孟德尔的遗传变异理论是由Michigan大学Holland教授1975年在他的专著AdaptationinNaturalandArtificial首次提出。其基本流程如图1。遗传算法（GA）与传统算法有很多不同之处，主要体现在GA适应性强，其使用的算子是随机的，如交叉、变异和繁殖等算子不受确定性规则的控制。但这种搜索也不是盲目的，而是向全局最优解方向前进。直接使用适值函数进行适值计算，而不需要求优化函数的导数，使一些不可求导的优化函数也可用GA优化；GA具有较强的鲁棒性，它能同时搜索解空间的多个点，从而使之收敛于全局最优解，而不至于陷入局部最优解；另外它还具有智能性和并行性，利用遗传算法的方法，可以解决那些结构尚无人能理解的复杂问题。它已广泛应用于函数优化、组合优化、模式识别和信号处理等领域，在处理复杂优化问题时遗传算法显示了巨大潜力，在实际工程应用中取得了巨大成功。由于上述特点，建立合理的模型，可以将GA用于设备的状态监测和故障诊断之中。本文把近年来的有关GA用于故障诊断的文献进行分析、归纳，总结出GA在故障诊断中的具体应用。

GA用于故障诊断从目前来看，有直接应用于故障诊断之中，主要用于提取特征向量，为诊断的后续处理作准备。有和其他的诊断方法相结合，研究得较多。

一、利用遗传算法提取、优化特征参数

机械故障诊断是一个典型的模式分类问题。在诊断实践中，由于诊断对象的复杂性，故障特征和故障类别的对应关系不甚明了，人们提出了大量的原始特征以进行故障识别。但由于特征向量之间存在一定的关联性，且特征向量对不同故障的敏感程度不同，这对设备诊断的效率和准确率有重要的影响。要对这些特征向量进行优化，使它们能够适应实际需要。

史东锋等对回转机械故障诊断中3类由同步振动引起的故障来分析，应用遗传算法，染色体采用二进制编码方式，以样本类内、类间的距离判据为适应值函数，进行特征选择，高效地剔除原始特征集的冗余特性，提高故障的识别精度。而用常规方法对得到的23个特征量进行分类，由于起高度的冗余性，很难取得理想的分类效果。

二、遗传算法与人工神经网络（ANN）的结合应用

人工神经网络以其强有力的学习和并行处理能力为故障诊断提供了全新的理论方法和实现手段。神经网络通过对经验样本的学习，将知识以权值和阈值的形式存储在网络中。网络的输入是被诊断对象的征兆即特征值，输出则表示发生故障的可能性。神经网络是以神经元为信息处理的基本单元，以神经元间的连接弧为信息通道，多个神经元联结而成的网络结构。神经网络以其独特的联想、记忆和学习功能在机械设备故障诊断领域受到广泛关注，其中研究较多的是BP神经网络及其改进算法。

三、遗传算法与模糊集理论的结合应用

模糊集理论是一种新的数据分析和处理方法，使用模糊集理论可以对决策表进行简化，去除冗余属性。故障模糊诊断的基本原理是利用模糊变换的原理、最大隶属度和阈值原则，根据各故障的原因与征兆之间不同程度的因果关系，在综合考虑所有征兆基础上来诊断旋转机械振动故障的可能原因。将模糊集理论应用到解决旋转机械故障诊断问题时，要计算旋转机械振动故障数据库中的频域征兆，使用模糊集理论对其进行约简，根据约简的结果生成规则。利用得到的规则对故障样例进行诊断。

四、遗传算法与小波理论的结合应用

小波变换作为新的信号处理手段，具有传统傅立叶变换和加窗傅立叶变换无法比拟的优点。其特点是实现了对信号的多分辨率分析，便于对信号的总体和局部进行刻划；且能将信号准确还原。利用它对信号的分解和重构特性，可有针对性地选取有关频带的信息和剔除、降低噪声干扰，这对于机械故障诊断具有很大的实际意义。

模糊算法基本原理范文第2篇

【关键词】图像噪声 滤波 FPGA

【中图分类号】TN713 【文献标识码】A 【文章编号】1009-9646(2008)08-0190-02

1 改进非线性滤波算法的提出

在噪声的数字信号处理中,主要研究的是高斯噪声和椒盐噪声对图像信号的污染的改善。图像预处理的目的是改善图像数据,抑制不需要的变形或者增强某些对于后续处理重要的图像特征。目前最常用的图像去噪滤波器是线性滤波器和非线性滤波器。

线性滤波器是域平均法也称均值滤波法,其算法是在像数据的窗口内的中间位置的值用窗口内所有像素数据的平均值取代。线性滤波器对高斯噪声具有良好的滤出作用,然而,当信号频谱与噪声频谱混叠时或者当信号中含有非叠加性噪声时,线性滤波器的处理结果就很难令人满意。而且均值算法会破坏图像边缘,模糊图像细节。不利于特征识别,而且也不能有效滤出椒盐噪声[1]。

中值滤波器是基于次序统计完成信号恢复得一种典型的非线性滤波器,是一种减少边缘模糊的非线性平滑方法,其基本原理是把数字图像或数字序列中心位置的值用该点邻域的中值替代[2]。中值滤波算法的特点是在去除噪音的同时,可以比较好地保留边的锐度和图像的细节在有序的一系列表中,中值是指位于中心的值。邻域中亮度的中值不受个别噪声毛刺的影响,因此中值平滑相当好地消除了冲激噪声[3]。

根据对各种噪声滤出的算法和效果的分析,设计了一种改进的中值滤波器进行滤波,它是一种邻域运算,类似域卷积,但不是加权求和,其基本原理是把计算窗口中包含中间像素点的左上角、右上角、左下角和右下角的四个子邻域的均值,选择最大值作为输出像素值,这样既能滤出椒盐噪声,又可以滤出高斯噪声,同时也能最大限度地保持图像地细节。并且也很方便地利用FPGA实现。

其算法表达式为:

最后取最大的作为输出像素值,即

(5)

式中:g(x,y),f(x,y)为像素灰度值。

2 FPGA实现方法

设计采用的是3×3模板处理图像为128×128×8像素的灰度图像。总体设计方案如图1所示[4]。

由图1可知,整个系统设计分为3大模块:3×3模板生成模块、中值滤波模块和行列计数器模块。D(7:0)为灰度图像数据输入端。整个系统有统一的时钟信号clk和复位信号RST;DOUT(7:0)为图像数据输出端;DV为输出数据有效标志。下面分别介绍各模块功能和设计方法。

2.1 3X3模板生成模块

该模块原理框图如图2所示。

图中r代表移位寄存器;FTFO代表先进先出存储器。图像数据以时钟节拍从数据输入端依次输入。F1F0用来存储一行的数据。以便使w11.w12…w33存放的正好是3×3模板所对应的图像数据,如表1所示。当数据流不断从数据输入端输入时,3×3模板对应的图像数据不断地跟着变化,这就可以对一帧图像的所有像素都进行3×3模板处理[5]。

2.2 中值滤波模块

该模块部分原理框图如图3所示。

改进的中值滤波模块其基本原理是对3×3模板中的左上、左下、右上、右下四个子领域的2×2窗口的数据取均值r11、r12、r21、r22进行排序。最后取排序中最大值作为中心像素点的数值输出。

2.3 行列计数器模块

该模块结构如图4所示,图中:RSTN为复位端直接与全局复位信号Rs相连;EN为使能端;ClK为时钟输入端;rowpos为图像行位置标志;colpos为图像列位置标志。该模块比较简单只是起到计数功能,用来确定数据在图像阵列中的位置。通过该模块可以确定一幅图像是否到达边缘,或者传输完毕。

图4行列计数模块结构图

计数部分VHDL源代码如下:

architecture rc_counter of rc_counter is

begin

process( RSTn,Clk,En)

variable Co1Pos_var: intener:=0;

variable RowPos_var: intener:=0;

begin

if RSTn=’0'then

Co1Pos_var:=1;

Co1Pos

Row Pos_var:=0;

Row Pos

elsif rising_edge( Clk) then

if En=’1'then

Co1Pos_var:=Co1Pos_var+ 1;

if Co1Pos_var=num_cols then

Row Pos_var:=RowPos_var+1

Co1Pos_var:=0:

if RowPos_var=num_rows then

RowPos_var:=0:

end if:

end if:

Co1Pos

Row Pos

end if:

end if:

end process;

end re_counter;

设计中还要处理发生在图像的左边缘、右边缘、上边缘和下边缘的错误[6]。因为在边缘处无法用3×3模板覆盖住这个图像。亦即也要覆盖图像外部一部分。这样就无法使用上面的中值滤波模块。把边缘像素的结果简单地设成“0”。若是图像的边缘,则把“0”通过中值滤波模块。不加处理直接赋到DOUT输出端;否则,调用中值滤波模块。对输入图像数据进行中值滤波处理。

3 仿真结果分析

经过系统滤波后产生的图像和MATLAB仿真图像的对比如图5所示。其中:(a)没有噪声的原始图像;(b)高斯噪声和椒盐噪声污染的图像;(c)MATLAB的中值滤波函数后产生的输出图像。图(d)改进算法中值滤波的MATLAB仿真图像。通过比较,该滤波系统的滤波效果较传统中值滤波效果有明显改善,既有效滤出燥声又最大限度保留边缘细节。

(a)原始图像(b)高斯和椒盐干扰

(c)guss&pepper中值滤波 (d)改进算法中值滤波

图5图像对比

经测试,该中值滤波器能达到的最大时钟频率为63.959MHz。这意味着处理一帧128 ×128像素的灰度图像只需约0.26ms。另外本系统只占用了EPM7128芯片中5980个slice,约占15％。

参考文献

[1] 马义德,张祥光.非线性滤波除噪技术综述.兰州大学学报,2005(2).

[2] 刘先锋,沈胜宏.边缘保留的图像噪声滤除方法.电子技术应用,2000(11).

[3] Cattlemen K.R,数字图像处理.电子工业出版社.1998.

[4] 李雷鸣,张春焕.一种基于FPGA的图像中值滤波器的硬件实现.电子工程师,2004(2).

[5] 陈镇.中值滤波器的FPGA实现方案.红外.第10期.

[6] 用FPGA实现嵌入式视频图像信号实时采集.试验科学与技术.2005,6(2).

模糊算法基本原理范文第3篇

【关键词】模糊控制 氯乙烯精馏 两变量

1氯乙烯精馏工艺

裂解后生成的产物粗氯乙烯中含有大量杂质，杂质中有未参加反应的C2H2、HCL、有原料气带来的气体H2、N2、O2、H20等，还有尚有少量的各种饱和或不饱和的一氯或多氯衍生物，如二氯乙烷、二氯乙烯、三氯乙烷等。产物中杂质主要由精馏装置来脱除的，其中轻组分杂质采用低沸塔除去，重组分杂质用高沸塔除去。氯乙烯的提纯主要操作就是精馏，在精馏整个过程中需要的设备包含氯化氢塔、低沸点塔、高沸点塔、氯化氢干燥器等设备，设备多。

氯乙烯精馏工艺中，生产工艺过程流程很长，反应机理复杂， 它具有复杂化工反应过程一系列的典型特性。而精馏塔又是个多输入多输出的对象，变量多，参数之间相互影响，关联严重。

2模糊控制理论

模糊控制属于智能控制。它是建立在人工经验基础之上。一些常规控制方法难以实现的复杂控制，熟练的操作人员往往凭借丰富的实践经验，很好的进行复杂控制，并取得满意的控制结果。模糊控制算法就是借助模糊数学把操作人员的的实践经验进行定量化，得到控制规则，从而形成一种智能控制理论。

1、模糊控制系统

模糊控制系统是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制系统，它从行为上模仿人的思维方法和决策过程。模糊控制的基本原理如图1所示。

将输入的精确量偏差e和偏差变化率e进行模糊化，得到模糊化量E和CE，然后对模糊化量进行近似推理决策，得到模糊控制输出u，输出控制量u传给现场的执行机构，执行机构根据控制量的大小去执行控制动作，实现对被控过程的控制。

2、模糊控制器的组成

模糊控制器主要由模糊化接口、推理机和解模糊接口三部分和知识库（含数据库和规则库）构成的，模糊控制器的组成框图如图2所示。

3、模糊控制器的设计

（1）定义输入输出变量

模糊控制器设计的首要工作就是确定控制器的输入输出变量。

（2）定义所有控制变量的模糊化条件

根据受控系统的实际情况，对输入变量的测量范围和输出变量的控制作用范围，以确定误差e、误差变化ec及控制量u的模糊集和论域。然后对模糊变量赋值，确定其对应的隶属函数，即确定论域内元素对模糊变量的隶属度。其中，误差e、误差变化ec及控制量u的模糊集及其论域定义如下：

（3）设计控制规则库，建立模糊控制表

把专家和操作工的经验用语言表达出来，形成模糊控制规则语句，描述众多被控过程的模糊模型，最终建立模糊控制表。

3氯乙烯精馏工艺中模糊控制算法设计

对于氯乙烯精馏生产过程，经常研究的被控对象的数学模型是简化的数学模型，是做了一些简化假设，所以并不能很准确的表示被控对象的数学模型，因此可以根据系统的模糊关系，利用模糊条件写出控制规则，设计出理想的控制系统。

针对氯乙烯精馏过程，设计氯乙烯精馏中低沸塔塔温和塔釜液位两变量模糊控制系统。其原理如图3所示。其中，模糊控制是依据回路的偏差e1、e2和偏差变化量Δe1、Δe2，经过模糊运算得到控制信号u1、u2，送给低沸塔被控对象，引起被控变量y1、y2变化。经过低沸塔被控对象运行之后，得到的输出值y1、y2再分别与被控变量的设定值比较。

模糊补偿算法实现的是对被控对象的控制信号的补偿，可以实现解耦控制，可以有效克服滞后，改善控制系统的品质，控制效果要比PID控制要好，但是，单纯的模糊控制算法解耦效果并不是很好，而且控制结构复杂，参数整定麻烦。

参考文献：

[1]郑石子.聚氯乙烯生产与操作[M].北京：化学工业出版社. 2007

模糊算法基本原理范文第4篇

关键词：刑事模糊图像 Retinex算法 增强

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2012）11-0133-01

数字图像技术的发展给刑事科学技术工作带来了极大的方便，刑事图像技术也由传统的刑事照相技术发展为成熟的数字刑事图像技术。新时期的刑事图像技术学致力于刑事科学技术的光学成像研究和刑事图像处理研究，模糊图像的处理是刑事图像处理工作中极具挑战性的难题。

1、刑事模糊图像形成因素

模糊图像处理是对由于介质、客观环境等因素造成的模糊图像和退化图像进行校正处理，使其清晰化，以利于图像研判。刑事图像的模糊有多种因素造成：一是非正确曝光退化，如非线性退化等；二是离（散）焦模糊，对焦不实使物体不能清晰的成像于焦平面上；三是运动模糊，运动模糊是指在曝光瞬间，照相机与被摄物体间有相对运动；四是噪声干扰致使图像模糊不清；五是监控视频模糊，如安装位置不合适、光线太暗或太亮、目标运动过快、摄像镜头对焦不实等，往往使影响资料变得模糊不清。

2、Retinex算法原理及应用特性

2.1　Retinex理论概述

Retinex（视网膜“Retina”和大脑皮层“Cortex”的缩写）理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统（Human　Visual　System）的图像增强理论。该算法的基本原理模型最早是由Edwin　Land（埃德温·兰德）于19世纪70年代提出的一种被称为具有颜色恒常性的色彩理论，并在颜色恒常性的基础上提出的一种基于此理论的图像增强方法。Retinex　理论的基本内容包括物体的颜色是由物体对长波（红）、中波（绿）和短波（蓝）光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩具有一致性，不受光照非均性的影响，即Retinex　理论是以色感一致性（颜色恒常性）为基础的。鉴于Retinex原理，对于观察图像S中的每个点（x，y），用公式可以表示为：

S（x，y）=R（x，y）.L（x，y）

其中，S（x，y）为所观察的图像，R（x，y）是反射物体图像，L（x，y）为入射光图像。

2.2　Retinex算法的应用特点

Retinex理论的基本思想就是将原始图像看成是由照射图像和物体反射属性组成，照射光图像直接决定一幅图像中像素能够达到的动态范围，物体反射属性决定了图像的内在性质，因此，在原始图像中去除或降低照射图像的影响从而保留本质的反射属性是Retinex理论的基本思想。Retinex算法具有锐化、颜色恒常性、动态范围压缩大、色彩逼真度高等特点。

传统的图像增强算法，如线性变换、非线性变换、图像锐化等只能增强图像的某一类特征，如压缩图像的动态范围，或增强图像的边缘等。Retinex算法可以在动态范围压缩、边缘增强和颜色恒常三方面达到平衡，因此可以对各种不同类型的图像进行自适应性地增强。

3、Retinex算法对数字模糊图像处理的适用

3.1　Retinex算法对图像的预处理

在多种以Retinex为核心的算法中，单尺度（Single-Scale　Retinex，SSR）算法和多尺度（Multi-Scale　Retinex，　MSR）算法是最具有代表性和最成熟的算法。利用多尺度Retinex灰度图像增强算法对灰度图像进行增强，在图像的预处理阶段对噪声进行滤除，做到改善图像颜色恒常性，压缩图像动态范围，提高对比度，有效显示淹没在阴影、光照等区域中的细节，为下一步的特征提取提供必要的条件。

3.2　Retinex算法对场景模糊图像的增强

场景的干扰常常致使物体成像模糊，如雨雾天条件下，户外景物的对比度和颜色发生退化，计算机视觉系统无法正确检测与跟踪场景中目标，这就需要对雨雾天图像或视频作清晰化处理。Retinex　理论及相关算法是图像增强的新思路，其理论基础是色彩的恒常性，它通过模拟人眼观察场景的方式，恢复因图像采集设备限制而丢失的场景细节，达到增强图像对比度，还原物体真实色彩的目的。

3.3　Retinex算法对图像细节特征的增强

在图像处理和计算机视觉领域，特征提取被广泛运用，其效果很大程度上取决于图像的质量。图像在采集的过程中，多变的光照条件、物体间相互遮挡、采集设备自身限制等因素都会影响图像质量，要想对质量差的图像进行特征提取非常困难。基于Retinex理论的图像增强算法能减少计算时间，将多种计算函数相结合，能够有效地重建图像细节达到增强图像的目的，使增强后的图像更适合于细节特征的提取。

Retinex算法是数字图像处理的新算法，与其他传统图像处理算法相比，具有很大的优势，能大量保留提取图像的细节特征。在刑事图像处理工作中，技术人员所感兴趣的就是对侦破案件有用的细节特征。刑事图像工作遇到的问题及其产生原因都是其他领域图像处理所共有的，因此，Retinex理论同样适用于刑事图像处理研究，将基于Retinex理论的各种改进的Retinex算法直接应用到刑事模糊图像处理工作中，势必会给当前的刑事模糊图像处理工作打开新的局面。

参考文献

[1]李权合，毕笃彦，时平，何宜宝.基于Retinex和视觉适应性的图像增强[J].中国图形图像学报，2010，15（12）：1728-1732.

[2]乔小燕，姬光荣，陈雾.一种改进的全局Re　tinex图像增强算法及其仿真研究[J].系统仿真学报，2009，21（4）：1185-　1197.

模糊算法基本原理范文第5篇

关键词:智能科学与技术专业;课程体系;教材建设

继2004年北京大学率先在国内建立“智能科学与技术”本科专业之后,2005年,北京邮电大学、南开大学和西安电子科技大学;2006年,首都师范大学、北京信息科技大学、武汉工程大学和西安邮电学院;2007年,北京科技大学、厦门大学和湖南大学;2008年,河北工业大学和桂林电子科技大学;2009年,重庆邮电大学和大连海事大学;2010年,中南大学和上海理工大学先后经教育部批准先后设立了“智能科学与技术”本科专业[1-2]。在中国人工智能学会教育工作委员会的指导下,自2002年起,各相关专业教师定期召开智能科学与技术教育学术研讨会,并出版教育论文专辑,大力推进了我国智能科学与技术教育的健康、快速发展,并对我国智能科学技术的人才培养和学科建设起到了极大的带动作用。

作为一个发展中的新兴专业,目前各高校仍主要结合自身基础和特点建设该专业。如南开大学以智能技术与智能工程为核心专业课程[3];北京科技大学从社会需求角度出发,以提高学生软件实践能力为切入点[4];河北工业大学根据相关专业的就业现状,以提高学生硬件实践能力为着力点[5]。为了解决南开大学、北京科技大学和河北工业大学3所高校共同面临的课程体系和教材建设等问题,三校教师分别于2010年6月16日和8月2日在南开大学、河北工业大学进行了两次研讨,现将研讨成果汇总于此。

1研讨背景

“智能科学与技术”专业自开办以来,不可避免地要回答如下3个方面的问题:

1) 来自用人单位的问题:“智能科学与技术”专业是做什么的?与其他专业相比优势何在?

2) 来自学生及家长的问题:“智能科学与技术”专业是学什么的?与其他专业相比优势何在?

3) 来自教师自身的问题:“智能科学与技术”专业应该教什么?与其他专业相比优势何在?

无论是做什么、学什么还是教什么,归根到底是课程体系和教材内容。无论是研究生课程下移(带来学生接受知识的困难),还是在其他专业教学体系基础上做简单的增、删、改(带来学生知识结构的凌乱),都是不行的,长此以往的后果将是没有优势,只有劣势。

南开大学、北京科技大学和河北工业大学3所高校的“智能科学与技术”专业建设都源于自动化专业基础,而且都具有典型的工科特色;同时3所高校分别是教育部直属“985”高校、教育部直属国家“优势学科创新平台”建设项目试点高校和河北省属“211”高校,3所高校的“智能科学与技术”专业分别于2006、2007和2008年招生。3所高校在“智能科学与技术”专业建设上的异同特点以及地域便利的条件,为优势互补、交流融合提供了机遇。

2课程体系

根据研究任务的不同,智能科学技术涵盖的内容可以划分为智能科学、智能技术、智能工程三个层次[6]。

1) 智能科学:主要任务是研究人的智慧,建立人机结合系统理论,并用其模拟人的智慧。

2) 智能技术:在智能科学的框架内创建人机结合智能系统所需要的方法、工具和技术。

3) 智能工程:利用智能科学的理念和思想,充分运用智能技术工具创建各种应用系统。它是当前新技术、新产品、新产业的重要发展方向、开发策略和显著标志。

根据上述智能科学技术的划分,智能科学与技术专业的课程体系同样划分为理论、技术与工程应用3个层次,具体框架如图1所示。

需要说明的是,由于课时、学时等因素的限制,有些课程需要包含未列入课程的部分内容。如智能科学与技术概论课程内含系统论的简要介绍;智能控制系统包含可编程序控制器、智能传感器、智能执行器等内容;智能工程包含若干典型智能系统实例。

3教材建设

经南开大学、北京科技大学和河北工业大学3所高校的讨论,一致认为工科专业应以技术和工程应用两个层次为核心,并将人工智能导论和智能信息处理两门课程的教材合并为智能技术。同时,根据南开大学侧重理论、北京科技大学侧重软件、河北工业大学侧重硬件的原则进行分工,编写对应课程的教学大纲和教材内容。

3.1智能技术

本课程包括智能计算和计算机视觉两部分,分别介绍以对人脑的物理结构进行模拟为主要特征的联接主义智能技术和以模拟人类视觉处理为主要特征的计算机视觉两部分。它是智能技术的主干内容;也是实现智能技术、组成智能系统的重要工具,属于本专业本科生的专业基础课。通过智能技术的学习,学生应能够掌握智能技术的基本原理和方法。通过课堂讲解、,并配合一定的作业练习、上机实验等环节,学生应初步具备运用智能技术和方法分析和解决问题的能力。本课程拟定90学时,其中授课54学时,实验36学时。

教材内容包括智能计算和计算机视觉两部分,智能计算部分包括神经网络、模糊理论和遗传算法/蚁群算法,计算机视觉包括计算机视觉导论、计算机视觉理论基础、图像预处理、图像分割、物体识别、图像理解、双目立体视觉、三维视觉技术、主动视觉。

神经网络讲授单个神经元(感知器)的动作原理,与实际生物神经元的对应关系;讲授BP神经网络的组成,网络的特性和对非线性函数的模拟功能;介绍BP算法的优、缺点;讲授H网络的组成结构,H网络在解决优化问题的优越性。模糊理论讲授模糊集合的概念,建立隶属度函数的概念;介绍模糊规则的建立原则,模糊规则与模糊系统收入输出量之间的关系;介绍模糊化以及模糊量精确化的几种常用方法。遗传算法和蚁群算法只作简要介绍,重点介绍这两种算法的特点和成功的应用实例,使学习者有一个感性认识,明确这种类型算法的“迭代”特点以及总体最优目标与个体行为之间的联系。

计算机视觉理论基础主要介绍Marr的视觉计算理论、图像的相关知识、傅立叶变换基础;图像预处理主要介绍像素亮度变换、几何变换、直方图修正、局部预处理、图像复原;图像分割主要介绍阈值处理方法、基于边界的分割方法、基于区域的分割方法;形状表示与描述主要介绍链码、使用片断序列描述边界、尺度空间方法、基于区域的形状表示与描述;物体识别主要介绍知识的表示、统计模式识别、神经元网络、遗传算法、模拟退火、模糊系统;图像理解主要介绍并行和串行处理控制、分层控制、非分层控制;双目立体视觉主要介绍双目立体视觉原理、精度分析、系统结构、立体成像、立体匹配、系统标定;三维视觉技术主要介绍结构光三维视觉原理、光模式投射系统、标定方法、光度立体视觉、由纹理恢复形状、激光测距法;主动视觉主要介绍从阴影恢复形状、从运动恢复结构、主动跟踪。

3.2智能控制理论与技术

本课程是“智能科学与技术”专业的一门重要专业课程,目的是使学生了解智能科学与控制理论结合所产生之智能控制理论的基本概念和应用价值;使学生熟知当前主流智能控制技术的种类,并掌握模糊控制、神经网络控制以及进化计算、群体智能的基础知识,了解智能技术与传统控制方法的结合点;加强MATLAB仿真实验的训练,以使学生更好地理解基础知识,培养学生使用高级智能控制方法解决实际控制问题的能力。本课程的学习将使学生加深对控制理论的理解,明晰智能技术在控制中的应用技巧,也为本科生继续深造打下基础。本课程拟定64学时,其中授课54学时,实验10学时。

教材内容包括智能控制概论,介绍智能控制的发展历程和应用领域,简介几种重要的智能控制方法;专家控制,简介专家系统的基本结构,讲授专家PID控制器的原理与设计方法;模糊控制,讲授模糊数学基础知识、传统的模糊控制原理和控制器设计与实现方法、模糊PID控制的两种形式,特别是PID控制参数的模糊整定技术;神经网络控制,讲授前馈神经网络和递归神经网络中几种典型的网络模型以及学习算法、基于神经网络的线性系统辨识技术、神经网络逆模控制等;进化计算与控制,讲授进化计算的概念、遗传算法的原理及其与其他智能方法的结合,介绍遗传机器人学;群体智能与控制,讲授蚁群算法的基本原理及其在控制问题中的应用,介绍群体机器人学。

3.3单片机原理与应用

本课程是“智能科学与技术”专业的一门专业课程,目的是使学生了解单片机的组成原理及常用控制算法的实现;掌握51系列单片机指令系统和一般汇编程序设计编写方法;熟悉常用的单片机硬件扩展技术;在此基础上,熟练掌握控制算法的单片机程序编写与调试。本课程拟定54学时,其中授课38学时,实验16学时。

教材内容包括单片机系统概述,介绍单片机定义、单片机发展过程及单片机硬件结构;单片机指令系统及程序设计,介绍指令系统和汇编语言程序设计;硬件资源及接口技术,介绍硬件资源和接口技术;单片机使用技术,介绍抗干扰技术、C语言应用程序设计;依次介绍PID控制器、状态反馈控制器、模糊控制器、系统辨识、卡尔曼滤波、滑模控制器、最优控制器、鲁棒控制器、自适应控制器、神经网络控制器的历史沿革、基本原理、常用形式和单片机具体实现方法。

3.4嵌入式系统

本课程以当前主流的嵌入式系统技术为背景,以嵌入式系统原理为基础,以嵌入式系统开发体系为骨架,以嵌入式控制系统开发为目标,较为全面地介绍嵌入式系统的基本概念、软硬件的基本体系结构、软硬件开发方法、相关开发工具、应用领域、热门领域的开发实例以及当前的一些前沿动态,为学生展示较为完整的嵌入式控制系统领域概况。本课程拟定64学时,其中授课48学时,实验16学时。

教材依据嵌入式控制系统的特征,将控制算法、嵌入式系统硬件、操作系统、应用程序设计及组态软件作为统一的技术平台介绍,突出嵌入式技术在控制系统中应用的特点,重点介绍嵌入式控制系统软硬件、电路、操作系统、实时性、可靠性等特性,从软件体系结构及开发的角度出发,强调实时调度、Bootloader、BSP、嵌入式实时多任务系统设计、交叉开发与仿真开发等关键技术,并特别引入了工业控制中需要的电磁兼容性设计和大量的典型嵌入式控制系统实例设计。通过本课程的学习,学生不但可以学会使用工具开发嵌入式软硬件,而且可以从总体角度选择适当的技术和方法,全面规划和设计嵌入式系统。

3.5智能工程

本课程是“智能科学与技术”专业的一门核心专业课程。面向智能技术的实际应用,着眼于解决工程应用中的技术问题,从典型系统设计案例分析出发,通过大量实验提高学生的工程实践能力。本课程拟定36学时,全部为授课学时。

教材内容包括智能工程概论,介绍智能工程现状、工程设计原则和工程实际流程;常用传感器原理,介绍传感器一般特性、光电式传感器和视觉传感器;典型智能系统设计案例,包括智能移动机器人、智能电梯群控电梯等系统。

3.6智能机器人

课程通过对一个具有代表性的仿人机器人的拆解,将知识点拆解成6个主要教学模块:1)机器人控制模块,介绍各类控制模块的原理与组成;2)机器人运动系统,介绍电机与舵机的原理与控制方法;3)机器人动作系统,介绍机器人各部件的协调控制;4)机器人视觉系统,介绍典型的超声波、影像传感器的原理与识别算法;5)机器人表现系统原理,介绍人与机器人的交互原理;6)机器人通信系统原理,介绍机器人之间的数据与信息传递方法。学生学习时,能够与基础知识相联系,并能掌握机器人这门技术,为从事机器人产品研发工作打下坚实的基础。本课程拟定54学时,其中授课44学时,实验10学时。

教材面向“智能科学与技术”专业,同时兼顾信息类专业学生编写,根据这类专业学生的知识结构和特点组织内容。从具体的机器人控制需求出发,将自动控制的基本理论和机器人控制特点相结合,讲授机器人控制系统的组成、规律、特点和设计方法。理论上反映当前的最新进展,内容上考虑初学者的需求,侧重普及性、实用性和新颖性,结构体系符合信息类和控制类专业学生的特点,力求简洁、清楚,对技术的叙述遵循目标、问题、理论依据、实现方法、实际情况、发展方向的方式。做到重点突出,符合实际,满足需要,指导性强。

3.7智能控制系统

本课程是“智能科学与技术”专业的一门专业课程,使学生了解智能控制系统的基础知识;掌握智能控制系统中最新的智能传感技术、智能控制器、智能执行能执行器及智能网络与接口技术;掌握智能控制系统中多个关键硬件装置的识别及其使用。通过学习多个智能控制系统的开发实例,学生应掌握智能控制系统的设计方法与技术,坚实地掌握最新智能控制系统知识,提高理论联系实际的能力,并为学习其他课程的打下坚实基础。本课程拟定64学时,其中授课48学时,实验16学时。

教材内容包括概述,介绍智能控制系统的基本概念、基本内容和机构及其发展趋势;智能传感系统,讲授智能数据采集技术、传感器智能化的数据处理方法、多传感器信息融合的方法、智能传感器实现方法与典型实例;智能控制器设计,讲授基于单片机的智能控制器设计及其应用、基于高性能嵌入式ARM的智能控制器设计及其应用、基于PLC的智能控制器设计及其应用;智能电动执行器,讲授智能电动执行器的硬件实现技术,软件设计技术以及典型的智能电动执行器实例及其应用;智能网络与接口技术,讲授无线传感器智能网络,工业现场总线网络以及智能传感器、智能控制器和智能执行器的网络接口实现技术;智能控制系统设计实例,综合利用前面的知识设计网络化智能压力传感器的系统设计、基于声音定位的智能机器人系统设计、基于微机电惯性传感器的汽车多路况智能防撞系统的设计、大型设备的PLC智能控制系统设计。

4结语

通过南开大学、北京科技大学和河北工业大学3所高校的研讨,我们凝练出较完整的“智能科学与技术”专业课程体系,体现出本专业的特色;提出可供3所高校共同使用的教学大纲和教材内容,体现出学生培养的工程实践导向。这些研究成果可以为开办“智能科学与技术”专业的兄弟院校进一步研讨提供蓝本,也可以为筹建该专业的高校所参考。

注:本文受到北京科技大学教学研究会第六批教学研究课题、北京科技大学教育教学研究基金青年教师教育教学研究立项项目、河北工业大学教改项目(2010-12)支持。

参考文献:

[1] 王万森,钟义信,韩力群,等. 我国智能科学技术教育的现状与思考[J]. 计算机教育,2009(11):10-14.

[2] 教育部关于公布2009年度高等学校专业设置备案或审批结果的通知[S]. 教高〔2010〕2号,2010.

[3] 方勇纯,刘景泰. 南开大学“智能科学与技术”专业教学体系与实验环境建设[J]. 计算机教育,2009(11):21-25.

[4] 石志国,刘冀伟,王志良.“智能科学与技术”本科专业软件实践类课程建设探讨[J]. 计算机教育,2009(11):93-97.

[5] 刘作军,张磊,杨鹏,等. 谈我校增设“智能科学与技术”专业的设想与措施[J]. 计算机教育,2009(11):53-56.

[6] 卢桂章. 无处不在的智能技术[J]. 计算机教育,2009(11):68-72.

A Study on the Course System and Textbook Construction for the Discipline of

Intelligence Science and Technology

YANG Peng1, ZHANG Jian-xun2, LIU Ji-wei3, ZHANG Lei1

(1. Hebei University of Technology, Tianjin 300130, China; 2.Nankai University, Tianjin 300071, China;

3. University of Science and Technology Beijing, Beijing 100083, China)