面向智能制造的机器智能理论与方法

作品简介

本书面向智能制造，将机器智能领域的结构模拟、功能模拟、行为模拟与机制模拟方法贯穿应用于制造全过程，阐明机器智能技术发展对制造业的深刻影响，为制造业的智能化改造升级提供参考。在理论方法上，本书从信息理论视角出发，将“数据-信息-知识-智能”转换作为阐述智能科学发展的主线；在应用场景上，本书围绕智能制造全流程涉及的要素，将“产品-工艺-装备-决策”作为介绍机器智能理论方法在智能制造中应用的主线。通过两条主线的贯穿，可以给读者完整的知识、统一的理论和聚焦的应用场景，提升了读者系统化的科学视角高度，也更加落地而具有实用性。本书可作为高等院校智能科学与技术、机械工程、工业工程、自动化、计算机科学、数据科学等相关专业高年级本科生和研究生的教材和参考用书，也适合对智能科学、智能制造有兴趣的广大读者阅读。

秦威，2019.12-今，上海交通大学，工业工程与管理系，系副主任（分管科研）2017.12-今，上海交通大学，机械与动力工程学院，副教授，博士生导师2014.07-2017.12，上海交通大学，机械与动力工程学院，讲师2016.05-2016.11，中航商用航空发动机制造有限责任公司，工艺技术主管2018.03-2019.03，上海市临港地区智能制造专项办公室主任助理。

作品目录

• 内容简介
• 工业智能与工业大数据系列编委会
• 前言
• 第1章 绪论
• 1.1 智能科学技术的历史使命和研究方向
• 1.1.1 历史使命
• 1.1.2 研究方向
• 1.2 机器智能概述
• 1.2.1 机器智能的定义
• 1.2.2 机器智能的发展
• 1.2.3 机器智能技术手段
• 1.3 智能制造概述
• 1.3.1 智能制造的定义
• 1.3.2 智能制造的发展
• 1.3.3 智能制造的特征
• 1.3.4 智能制造的实现基础
• 1.4 机器智能与智能制造
• 1.5 本书的主要内容和章节安排
• 参考文献
• 第2章 制造系统中的智能化需求场景
• 2.1 产品的智能化需求
• 2.1.1 智能产品
• 2.1.2 产品智能化设计
• 2.1.3 产品质量自适应控制
• 2.2 工艺的智能化需求
• 2.2.1 工艺模型自主生成
• 2.2.2 工艺路径智能规划
• 2.2.3 工艺参数自适应优化
• 2.3 装备的智能化需求
• 2.3.1 装备自感知与监控
• 2.3.2 装备故障预测与自诊断
• 2.3.3 装备自主协同与柔性生产
• 2.4 决策的智能化需求
• 2.4.1 智能排产与调度
• 2.4.2 智能无人物流
• 2.4.3 人机协作与共融
• 2.5 本章小结
• 参考文献
• 第3章 面向智能制造的机器智能结构模拟方法与应用
• 3.1 基于结构模拟的机器智能理论与方法
• 3.2 结构模拟之人工神经网络模型
• 3.2.1 单层感知机
• 3.2.2 多层感知机与BP神经网络
• 3.2.3 Hopfield反馈神经网络
• 3.3 结构模拟之卷积神经网络模型
• 3.3.1 卷积神经网络模型的基本元素
• 3.3.2 传统卷积神经网络模型
• 3.3.3 因果卷积神经网络模型
• 3.4 结构模拟之循环神经网络模型
• 3.4.1 时序数据
• 3.4.2 传统循环神经网络模型
• 3.4.3 长短期记忆网络模型
• 3.5 结构模拟方法在智能制造中的应用案例
• 3.5.1 基于LSTM的通风系统热需求功率智能预测
• 3.5.2 融合因果卷积与LSTM的锂离子电池状态智能监控
• 3.6 本章小结
• 参考文献
• 第4章 面向智能制造的机器智能功能模拟方法与应用
• 4.1 基于功能模拟的机器智能理论与方法
• 4.2 功能模拟之因果知识推理方法
• 4.2.1 数据中的因果关系发现理论
• 4.2.2 两阶段的因果关系推理方法
• 4.2.3 基于因果知识的制造系统可观可控分析
• 4.3 功能模拟之专家系统构建与开发
• 4.3.1 专家系统的基本概念
• 4.3.2 专家系统的基本类型
• 4.3.3 专家系统的开发工具
• 4.4 功能模拟方法在智能制造中的应用案例
• 4.4.1 基于知识推理的复杂机械产品装配质量控制
• 4.4.2 航天结构件的三维数控加工工艺设计专家系统开发
• 4.5 本章小结
• 参考文献
• 第5章 面向智能制造的机器智能行为模拟方法与应用
• 5.1 感知-动作系统
• 5.2 行为模拟之机器感知方法
• 5.2.1 机器感知基本原理
• 5.2.2 无线传感器网络基本概念
• 5.2.3 信息融合基本概念
• 5.3 行为模拟之模式分类方法
• 5.3.1 基本概念
• 5.3.2 特征抽取与选择
• 5.3.3 常用模式分类方法
• 5.3.4 性能评估
• 5.4 行为模拟之计算智能算法
• 5.4.1 计算智能的基本概念
• 5.4.2 模糊计算方法
• 5.4.3 进化计算方法
• 5.5 行为模拟方法在智能制造中的应用案例
• 5.5.1 基于并行多目标遗传算法的生产资源优化配置
• 5.5.2 基于模糊逻辑控制的物料运输任务调度
• 5.6 本章小结
• 参考文献
• 第6章 面向智能制造的机器智能机制模拟方法与应用
• 6.1 基于机制模拟的机器智能理论与方法
• 6.2 机制模拟之复杂系统的网络化建模分析方法
• 6.2.1 网络科学基本理论介绍
• 6.2.2 基于复杂网络理论的制造系统优化决策方法
• 6.2.3 数据与网络融合的制造系统建模与分析方法
• 6.3 机制模拟之强化学习方法
• 6.3.1 强化学习的基本框架
• 6.3.2 多智能体强化学习方法
• 6.4 机制模拟之“关联+预测+调控”智能决策新模式
• 6.4.1 关联：制造系统耦合作用机理的智能分析
• 6.4.2 预测：制造系统性能演化规律的智能预测
• 6.4.3 调控：制造车间性能调控机制的智能构建
• 6.5 机制模拟方法在智能制造中的应用案例
• 6.5.1 基于复杂网络的飞机总装系统工时波动影响力评估
• 6.5.2 考虑工时柔性可变的制造系统资源动态调整
• 6.6 本章小结
• 参考文献
• 第7章 面向智能制造的机器智能其他理论与方法
• 7.1 多智能体与群集智能
• 7.1.1 复杂系统理论
• 7.1.2 多智能体系统的一致性控制
• 7.1.3 群集智能行为的生物原型
• 7.1.4 蚁群算法
• 7.1.5 粒子群算法
• 7.2 脑皮质学习算法
• 7.2.1 层级实时记忆
• 7.2.2 空间沉积的实现
• 7.2.3 时间沉积的实现
• 7.2.4 脑皮质学习算法原理
• 7.3 多智能体系统在智能制造中的典型应用
• 7.3.1 基于多智能体协同的大规模物料运输调度优化
• 7.3.2 基于多智能体的多机器人控制
• 7.4 群集智能算法在智能制造中的典型应用
• 7.4.1 基于两阶段多目标蚁群算法的云物流服务调度优化
• 7.4.2 基于粒子群算法的柔性车间调度系统
• 7.4.3 基于脑皮质算法的时间序列异常检测
• 7.5 本章小结
• 参考文献
• 第8章 机器智能和智能制造的前沿动态与发展方向
• 8.1 机器智能的前沿动态与困难瓶颈
• 8.1.1 机器智能的最新进展和前沿动态
• 8.1.2 机器智能理论面临的困难与瓶颈
• 8.2 智能制造的前沿动态与困难瓶颈
• 8.2.1 智能制造的最新进展和前沿动态
• 8.2.2 智能制造面临的困难与瓶颈
• 8.3 本章小结
• 参考文献
• 反侵权盗版声明