智能檢測(cè)技術(shù)教學(xué)課件

1、 4 “三心二意三心二意”，邁向成功，邁向成功 專(zhuān)心、用心、開(kāi)心；知曉天意和人意 專(zhuān)心：做每一件事情都要付出百分之百甚至百分之一 百二十的精力。無(wú)論你做什么事情，都要全力以赴， 全新投入，心無(wú)旁騖。 用心：要會(huì)思考，在做每一件事情的時(shí)候都要學(xué)會(huì)問(wèn)一 個(gè)為什么。這樣才能加深理解、舉一反三。追本溯源才 是學(xué)習(xí)的真諦。 開(kāi)心：要學(xué)會(huì)享受生活。我們除了工作學(xué)習(xí)，還有家人 朋友，還要享受愛(ài)情親情友情，享受自然美景，享受文 化藝術(shù)，享受一切。 5 天意：要抓住機(jī)遇。這里的天，不是上帝，不是佛祖， 是你自己。天上不會(huì)掉餡餅的（給你），但是，你得 備著個(gè)盤(pán)子，等天上掉餡餅的時(shí)候，你可以接得住。 這個(gè)盤(pán)子就是你

2、自己的知識(shí)、能力、閱歷，還有你愿 意改變的勇氣。 人意：要學(xué)會(huì)自己做抉擇。經(jīng)商創(chuàng)業(yè)、豪宅名車(chē)、帥 哥美女、埋頭科研、出國(guó)深造？哪一個(gè)適合你？抉擇 往往是困難的。選擇一條適合自己的道路，聽(tīng)取他人 的建議但不盲從。堅(jiān)持自己，相信自己。 6 1、緒論 一、傳統(tǒng)檢測(cè)技術(shù)及特點(diǎn) 敏感元件敏感元件信號(hào)放大與變換信號(hào)放大與變換 顯示裝置顯示裝置 被測(cè)參數(shù)被測(cè)參數(shù) 用敏感元件將被測(cè)參數(shù)轉(zhuǎn)換成易于觀(guān)測(cè)的信息量，通過(guò)用敏感元件將被測(cè)參數(shù)轉(zhuǎn)換成易于觀(guān)測(cè)的信息量，通過(guò) 顯示裝置給出被測(cè)參數(shù)的具體的信息顯示裝置給出被測(cè)參數(shù)的具體的信息。特點(diǎn)。特點(diǎn) 1、敏感元件與被測(cè)參數(shù)、敏感元件與被測(cè)參數(shù)“一一對(duì)應(yīng)一一對(duì)應(yīng)”：被測(cè)參數(shù)

3、就是待：被測(cè)參數(shù)就是待 測(cè)參數(shù)；敏感元件的輸出與被測(cè)參數(shù)之間有確定的函數(shù)關(guān)測(cè)參數(shù)；敏感元件的輸出與被測(cè)參數(shù)之間有確定的函數(shù)關(guān) 系；測(cè)量結(jié)果主要取決于敏感元件。系；測(cè)量結(jié)果主要取決于敏感元件。 2、敏感元件不能滿(mǎn)足新的測(cè)量要求、敏感元件不能滿(mǎn)足新的測(cè)量要求 我們?cè)撛鯓幼觯?7 二、智能檢測(cè)技術(shù) 將人工智能的技術(shù)和方法應(yīng)用于參數(shù)的檢測(cè) 一定要有敏感元件 一定應(yīng)用了人工智能技術(shù) 敏感元件1 x1 敏感元件 2 x2 敏感元件 n xn (推理推理) (知識(shí)庫(kù)知識(shí)庫(kù)) 智能體智能體 y1 y2 ym 8 二、智能檢測(cè)技術(shù) 各種的推理技術(shù)各種的推理技術(shù) 專(zhuān)家系統(tǒng)專(zhuān)家系統(tǒng)故障診斷故障診斷 人工神經(jīng)元網(wǎng)絡(luò)算

4、法人工神經(jīng)元網(wǎng)絡(luò)算法 遺傳算法遺傳算法 模糊集合理論模糊集合理論 多信息融合技術(shù)（多傳感器，虛擬多傳感多信息融合技術(shù)（多傳感器，虛擬多傳感 器信息融合）器信息融合） 9 二、智能檢測(cè)技術(shù) 應(yīng)用： 1、難測(cè)參數(shù)（現(xiàn)有傳感器測(cè)量誤差大；無(wú)合 適的傳感器） 2、重要的設(shè)備和對(duì)象 2、人工智能一般原理 一、人工智能的發(fā)展 11 2、人工智能一般原理 二、人工智能系統(tǒng)的組成 輸入輸入/輸出輸出 知識(shí)表示知識(shí)表示 知識(shí)庫(kù)知識(shí)庫(kù)知識(shí)求解、推理知識(shí)求解、推理 智能體 12 三、狀態(tài)空間法與圖搜索法 狀態(tài)空間法是基于解答空間的問(wèn)題表示和 求解方法。（尋找最佳路徑） 用狀態(tài)空間圖表示，節(jié)點(diǎn)代表狀態(tài)，弧線(xiàn) 代表狀態(tài)

5、空間的關(guān)系操作符 13 舉例（重排九宮） 2 8 0 3 14 6 57 2 8 1 3 04 6 57 2 8 4 3 10 6 57 2 0 8 3 14 6 57 2 8 6 3 14 0 57 左移 上移 下移 右移 節(jié)點(diǎn) 初始節(jié)點(diǎn) 弧線(xiàn) 子節(jié)點(diǎn) 1 2 0 3 84 6 57 目標(biāo)節(jié)點(diǎn) 14 圖搜索方法 （1）廣度優(yōu)先搜索法 （2）深度優(yōu)先搜索 （3）啟發(fā)式搜索 15 16 (1)廣度優(yōu)先搜索法 特點(diǎn)特點(diǎn) 逐行搜索，先進(jìn)先出； 總可以找到目標(biāo)節(jié)點(diǎn)； 搜索效率低 17 廣度優(yōu)先搜索算法 啟動(dòng)啟動(dòng) S0放入放入OPEN表表 OPEN表表=空？空？ 取取OPEN表中最前面的節(jié)點(diǎn)表中最前面的

6、節(jié)點(diǎn)N 放入放入CLOSED表，冠以序號(hào)表，冠以序號(hào)n 節(jié)點(diǎn)節(jié)點(diǎn)N=Sg? N可擴(kuò)展？可擴(kuò)展？ 擴(kuò)展擴(kuò)展N，將其子節(jié)點(diǎn)依次放入，將其子節(jié)點(diǎn)依次放入OPEN 表末尾，冠以指向表末尾，冠以指向N的返回指針的返回指針 成功成功 失敗失敗 Y Y Y N N N 18 19 （2）深度優(yōu)先搜索 特點(diǎn)：特點(diǎn)： 晚生成的節(jié)點(diǎn)優(yōu)先擴(kuò)展 不一定能找到目標(biāo)節(jié)點(diǎn) 搜索效率高 20 （3）啟發(fā)式搜索 對(duì)OPEN表各節(jié)點(diǎn)進(jìn)行評(píng)價(jià)，擇優(yōu)擴(kuò)展 評(píng)價(jià)函數(shù)：E(x)=d(x)+h(x) min d(x)已花的代價(jià) h(x)到目標(biāo)節(jié)點(diǎn)所需的代價(jià) 21 22 （4）代價(jià)圖 3 4 56 34 例如：推銷(xiāo)員旅行 23 四、謂詞邏輯

7、與邏輯推理 （1）原子公式 由謂詞符號(hào)和若干個(gè)項(xiàng)組成的謂詞公式。是 謂詞邏輯的最小單位 RED(flower) INDOOR(robot,room1) GREATER(x,3) 24 (2)合適公式 由多個(gè)原子公式應(yīng)用連詞構(gòu)成的復(fù)合謂詞公式 合取（），“與” 原子公式1 原子公式2 析取（V），“或”原子公式1 V原子公式2 非（），“否” 原子公式 蘊(yùn)涵（），“條件結(jié)論”原子公式1 原 子公式2 等價(jià)（） 25 （3）量詞 全稱(chēng)量詞（ ）“所有” （ ）INDOOR(x,room1) 存在量詞（ ） “有” （ ）INDOOR(x,room1) x x x x 26 (4)合適公式的性質(zhì) 2

8、7 （5）邏輯推理（歸結(jié)原理） 文字：一個(gè)原子或原子公式的否定 子句：有文字的析取組成的公式 P V QTP V RT Q V RT 消解原理 28 舉例 喜歡三國(guó)演義者必讀水滸；若某書(shū)與儒林外史同類(lèi)，則一 定不與水滸同類(lèi)；沒(méi)有人喜歡的書(shū)不會(huì)和三國(guó)演義同類(lèi)；俞 平伯只讀與紅樓夢(mèng)同類(lèi)的書(shū)。求證：如果紅樓夢(mèng)與儒林外 史同類(lèi)，則俞平伯一定不喜歡三國(guó)演義。 LIKE(x，三國(guó)演義)READ(x，水滸) SAMESORT (y，儒林外史) SAMESORT(y，水滸) LIKE (x，y) SAMESORT(y，三國(guó)演義) READ (俞平伯，y)SAMESORT(y，紅樓夢(mèng)) 求證：SAMESORT

9、(紅樓夢(mèng)，儒林外史)LIKE(俞平伯，三國(guó)演義) x 29 LIKE(x，三國(guó)演義)READ(x，水滸) SAMESORT (y，儒林外史) SAMESORT(y，水滸) LIKE (x，y) SAMESORT(y，三國(guó)演義) READ (俞平伯，y)SAMESORT(y，紅樓夢(mèng)) 求證：SAMESORT (紅樓夢(mèng)，儒林外史)LIKE(俞平伯，三國(guó)演義) 子句： LIKE(x，三國(guó)演義) V READ(x，水滸) 子句： SAMESORT (y，儒林外史) V SAMESORT(y，水滸) x 子句： LIKE (x，y) V SAMESORT(y，三國(guó)演義) 子句： READ (俞平伯，y)

10、 V SAMESORT(y，紅樓夢(mèng)) 對(duì)求證的取否SAMESORT (紅樓夢(mèng)，儒林外史)LIKE(俞平伯，三國(guó)演義) 子句：SAMESORT (紅樓夢(mèng)，儒林外史)； LIKE(俞平伯，三國(guó)演義) 2021-7-23 Measurement of gas-liquid two- phase flow Complicated flow system Parameters to be measured: Single phase flow rate; Total flow rate; Phase fraction; Flow pattern Bubble flow Slug flow Annular

11、 flow Wave flow Flow patterns in gas-liquid two-phase flows Stratified flow 31 3、基于神經(jīng)網(wǎng)絡(luò)的檢測(cè) （1）生物神經(jīng)元模型生物神經(jīng)元模型 細(xì)胞體細(xì)胞體 軸突軸突 突觸突觸 樹(shù)突樹(shù)突 細(xì)胞體細(xì)胞體 軸突軸突 突觸突觸 樹(shù)突樹(shù)突 當(dāng)神經(jīng)元所有輸入的總效應(yīng)達(dá)到閾值電平時(shí)，才產(chǎn)生電脈沖通過(guò)軸突輸出當(dāng)神經(jīng)元所有輸入的總效應(yīng)達(dá)到閾值電平時(shí)，才產(chǎn)生電脈沖通過(guò)軸突輸出 32 （2 2）人工神經(jīng)元模型 ）（ 1 0 N i ii x )(fy 為激發(fā)函數(shù)為激發(fā)函數(shù) n-1 1 0 x0 x1 Xn-1 f y 人工神經(jīng)元模型 33

12、0v f(v) 1 0 v f(v) 1 -1 （a）階躍函數(shù)）階躍函數(shù)（b）符號(hào)函數(shù)）符號(hào)函數(shù) 0v f(v) 1 -1 1 -1 0v f(v) 1 （c）分段函數(shù)）分段函數(shù)（d）Sigmoid函數(shù)函數(shù) 為激發(fā)函數(shù)為激發(fā)函數(shù) - e1 1 )( f 34 （3 3）人工神經(jīng)網(wǎng)絡(luò) x0 x1 Xn-1 ijjt O1 O2 Ol )( 1 0 j N i iijj xfb t m j jjtt bc )( 1 0 )( tt cfo 35 （4 4）基于反向傳播網(wǎng)絡(luò)的學(xué)習(xí) （BP算法） 神經(jīng)網(wǎng)絡(luò) 比較計(jì)算R希望輸出 輸出輸入 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng) 2 1 0 )( 2 1 m t ttp odE

13、 R E R p RRR nn 1 36 求 jt t t p jt O O EE jt p ttt t p Od O E 2 jttjt jt t t t jt t bOObcf c c OO 1 tjjtttjt bbOO1 tt jiij wx jj w jj m t jttj bbw 1 1 0 其中，其中， 37 （5 5）多樣本BPBP訓(xùn)練算法 增量型學(xué)習(xí)算法 1）?。┤?，Emax；選??；選取R各初值各初值 2）P1=1，E=0 3）由）由XP1、R求求OP1 4）計(jì)算）計(jì)算 及及 5）求）求R（與單樣本一樣計(jì)算），并（與單樣本一樣計(jì)算），并R=R+ R 6）若）若P1P，P1=

14、P1+1，轉(zhuǎn)，轉(zhuǎn)3） 否則轉(zhuǎn)否則轉(zhuǎn)7） 7）若）若EEmax，訓(xùn)練結(jié)束，訓(xùn)練結(jié)束 否則轉(zhuǎn)否則轉(zhuǎn)2） 211 1 )( 2 1 P t P tP OdEEEE P 1 0 38 （5 5）多樣本BPBP訓(xùn)練算法 累積型學(xué)習(xí)算法 1 1）?。┤?，EmaxEmax；選取；選取R R各初值各初值 2 2）P1=1P1=1，E=0E=0 3 3）由）由X XP1 P1、 、R R求求O OP1 P1 4 4）計(jì)算）計(jì)算 及及 5 5）若）若P1PP1P，P1=P1+1P1=P1+1，轉(zhuǎn)，轉(zhuǎn)3 3） 否則轉(zhuǎn)否則轉(zhuǎn)6 6） 6 6）若）若EEmaxEEmax，訓(xùn)練結(jié)束，訓(xùn)練結(jié)束，否則轉(zhuǎn)否則轉(zhuǎn)7 7） 7

15、7）求）求R R，并，并R=R+ R=R+ R R，轉(zhuǎn)，轉(zhuǎn)2 2） 211 1 )( 2 1 P t P tP OdEEEE P 1 0 39 累積型學(xué)習(xí)算法中R R的求取 對(duì)于每一個(gè)樣本對(duì)于每一個(gè)樣本XP1，計(jì)算，計(jì)算 進(jìn)一步求得進(jìn)一步求得 1P j b 1P j O 1P t )1 ( 1111P t P t P t P t OO m P P j P tjt b 01 11 tjjtttjt bbOO1 單個(gè) 樣本： 40 （6 6）徑向基函數(shù)（RBFRBF）神經(jīng)網(wǎng)絡(luò) j j j b CX h 2 exp 2 X為輸入向量為輸入向量 T jnjjj cccC, 21 第第j個(gè)基函數(shù)的中心；

16、個(gè)基函數(shù)的中心； 中心寬度中心寬度 ji c j b m j jjh y 1 41 （RBFRBF）神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) 2 2 1 yyE d jdj hyy 3 2 j j jjdj b CX hyyb 2 j jii jdji b cx yyc )2() 1() 1()(kRkRRkRkR 學(xué)習(xí)率學(xué)習(xí)率，動(dòng)量因子動(dòng)量因子 42 （7 7）神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì) 1 1、網(wǎng)絡(luò)結(jié)構(gòu)的選擇、網(wǎng)絡(luò)結(jié)構(gòu)的選擇 2 2、輸入輸出節(jié)點(diǎn)數(shù)的確定、輸入輸出節(jié)點(diǎn)數(shù)的確定 3 3、中間層層數(shù)及節(jié)點(diǎn)數(shù)的選擇、中間層層數(shù)及節(jié)點(diǎn)數(shù)的選擇 4 4、各參數(shù)的初始值的確定、各參數(shù)的初始值的確定 5 5、學(xué)習(xí)率的確定、學(xué)習(xí)率的確定 6

17、6、樣本數(shù)的確定、樣本數(shù)的確定 7 7、神經(jīng)網(wǎng)絡(luò)的不斷訓(xùn)練、神經(jīng)網(wǎng)絡(luò)的不斷訓(xùn)練 2021-7-23 predict the temperature of the 12th layer Temperature prediction in chemical reaction tower Structure of Carbonation Tower Tail gas Pre-carbonated ammoniacal brine Carbonated ammoniacal brine Chilled water Chilled water Cooling water Cooling water Ca

18、lcining gas II Calcining gas I 2021-7-23 Temperature prediction in chemical reaction tower Input variables: flowrate of carbonated ammoniacal brine; flowrate of pre-carbonated ammoniacal brine ; flowrate of calcining gas I; flowrate of calcining gas II; temperature of 5th layer; temperature of 7th l

19、ayer; temperature of 17th layer; temperature of 23th layer the quantity of heat removed by the cooling water and chilled water Pretreatment of the input variables TDNN Transform TDNN output to model output The structure of prediction model 2021-7-23 69.5 Time (min) Comparison between the model outpu

20、t and actual temperature based on TDNN model 0100200300400500600700800900 66.5 67 67.5 68 68.5 69 Actual Model Output Temperature () 0 67.5 68 68.5 69 69.5 Actual Model Output Time (min) Temperature () Comparison between the model output and actual temperature based on MLP model 10020030040050060070

21、0800900 67 66.5 46 4 4、基于模糊邏輯推理的檢測(cè) （1 1）模糊邏輯及其基本運(yùn)算模糊邏輯及其基本運(yùn)算 PP1 QP QP 1)-1QPQP（ ),min(QP ),max(QP 47 （2）模糊語(yǔ)言及隸屬度函數(shù) 1 1）語(yǔ)言變量：模糊邏輯運(yùn)算的輸入變量和輸）語(yǔ)言變量：模糊邏輯運(yùn)算的輸入變量和輸 出變量；出變量； 2 2）語(yǔ)言變量的論域：變量的取值范圍；）語(yǔ)言變量的論域：變量的取值范圍； 3 3）量化等級(jí)：對(duì)語(yǔ)言變量在論域內(nèi)進(jìn)行量化）量化等級(jí)：對(duì)語(yǔ)言變量在論域內(nèi)進(jìn)行量化 ，分成若干個(gè)等級(jí)；，分成若干個(gè)等級(jí)； 4 4）模糊集；）模糊集； 5 5）隸屬度函數(shù)：描寫(xiě)語(yǔ)言變量模糊集與

22、量化）隸屬度函數(shù)：描寫(xiě)語(yǔ)言變量模糊集與量化 等級(jí)的函數(shù)關(guān)系，等級(jí)的函數(shù)關(guān)系，)(x 48 （3）規(guī)則庫(kù) 基于專(zhuān)家知識(shí)基于專(zhuān)家知識(shí) 推理規(guī)則：推理規(guī)則： IF A THEN X IF A THEN X （語(yǔ)言變量（語(yǔ)言變量= =“模糊集模糊集”） IF (A AND B) THEN YIF (A AND B) THEN Y 49 （4 4）模糊推理 根據(jù)輸入量、規(guī)則庫(kù)、模擬人類(lèi)的推理決根據(jù)輸入量、規(guī)則庫(kù)、模擬人類(lèi)的推理決 策過(guò)程進(jìn)行推理，給出輸出量與其量化等策過(guò)程進(jìn)行推理，給出輸出量與其量化等 級(jí)的關(guān)系，即隸屬度函數(shù)。級(jí)的關(guān)系，即隸屬度函數(shù)。 求關(guān)系矩陣求關(guān)系矩陣R=DTR=DTC C，為笛卡爾

23、相乘，為笛卡爾相乘 其中，其中，D=AD=AB B 求求D=AD=AB B 則輸出則輸出C C=D=DT TR R， 為模糊矩陣乘為模糊矩陣乘 50 （5）精確化過(guò)程 在推理得到的模糊集合中去一個(gè)能最佳代在推理得到的模糊集合中去一個(gè)能最佳代 表這個(gè)模糊推理結(jié)果可能性的精確值的過(guò)表這個(gè)模糊推理結(jié)果可能性的精確值的過(guò) 程，即給出輸出變量的量化等級(jí)。程，即給出輸出變量的量化等級(jí)。 1 1）重心法）重心法 2 2）加權(quán)平均法）加權(quán)平均法 51 舉例 溫度控制系統(tǒng)，輸入量為溫度差溫度控制系統(tǒng)，輸入量為溫度差e=Te=Td d-T-T；dede （溫度差（溫度差e e的變化量）。輸出量為的變化量）。輸出量

24、為u u e-50-30-15-505153050 論域論域 de-150-90-30-100103090150 u-64-16-4-20241664 等級(jí)等級(jí)-4-3-2-101234 量化量化 表表1 語(yǔ)言變量的論域和量化語(yǔ)言變量的論域和量化 52 等級(jí)等級(jí)-4-3-2-101234 PB00000000.351 PS000000.410.40 ZE0000.210.2000 NS00.410.400000 NB10.350000000 表表2 2 模糊變量的隸屬度函數(shù)模糊變量的隸屬度函數(shù) 53 de eNBNSZEPSPB NB*PBPBPSNB NSPBPSPSZENB ZEPBPSZENSNB PSPBZENSNSNB PBPBNSNBNB* 表表3 3 規(guī)則表規(guī)則表 設(shè)：設(shè)：e= “1”，de= “-2” 2 . 0) 1 ( e ZE 4 . 0) 1 ( e PS 1)2( de NS ),(PSNSdeZEe ),(ZENSdePSe 54 對(duì)于規(guī)則1 1 如果e=”ZE”e=”ZE”，且de=d