期刊名称：人工智能 创刊时间：2017年12月 主管单位：工业和信息化部 主办单位：中国电子信息产业发展研究院、赛迪工业和信息化研究院（集团）有限公司 刊期：双月刊 国内统一连续出版物号：CN 10-1530/TP 国际标准连续出版物号：ISSN 2096-5036 电话：010-88558766 email：aiview@ccidmedia.com
<正>新一轮科技革命与产业变革方兴未艾，人工智能正加速赋能实体经济。党的二十大报告指出，坚持把发展经济的着力点放在实体经济上，推进新型工业化，加快建设制造强国、质量强国、航天强国、交通强国、网络强国、数字中国。实施产业基础再造工程和重大技术装备攻关工程，支持“专精特新”企业发展，推动制造业高端化、智能化、绿色化发展。柴天佑院士认为，虽然对工业人工智能的界定并不明确且随时间的推移不断变化，工业人工智能研究与应用的核心目标是：针对产品与工艺设计、经营管理与决策、制造流程运行管理与控制等工业生产活动中目前只能依靠人的感知、认知、分析与决策能力和经验与知识来完成的影响经济效益的知识工作，
人工智能是提升制造系统智能性的关键支撑技术。智能制造相关的信息物理融合以及数字孪生等方法与人工智能具有密切的关联关系。人工智能已经在创成式推理设计、机器视觉识别、决策分析,以及产品健康管理等制造环节得到了典型成功应用。提出了从“人工智能+制造”向“制造+人工智能”的转变,人与人工智能的互补结合,结合企业的经验知识沉淀,先进制造模式落实,与企业数字化转型紧密结合等发展建议。指出了基于人工智能的研发设计拟实仿真、自适应工艺优化、制造执行过程决策、制造装备资源状态评估与预防性维护、虚拟试验测试、服役性能与运维评估、跨地域/专业的综合研制集成、联动保供生产供应集成等发展重点。
针对视觉SLAM、激光雷达SLAM随时间引起的漂移误差,以及复杂环境下传感器本身局限导致的稳定性及精度问题,本文首先分析了各类SLAM技术的特点,介绍了惯性基组合导航的定位定姿优势,将惯性基组合导航技术与SLAM技术融合,提高视觉传感器和激光雷达传感器测量数据位姿转换精度,减少SLAM的累积位姿误差,最终提升多源融合系统导航定位精度、建图精度和稳定性。
增量型极限学习机（Incrementa线性逼近能力,但原模型存在输出权重分布不均匀影响模型泛化能力的问题。本文提出了基于衰减正则化项的增量型极限学习机（ARI-ELM）,通过在输出权值迭代求解过程中加入衰减正则化项,减小迭代前期隐节点的输出权值,并保证迭代多次后的新增节点不受较大正则化系数的影响,使网络整体的输出权值达到一个相对较小且分布均匀的状态,最终减小了模型的复杂度,从理论层面证明了加入衰减正则化项后模型仍然具有收敛性,并将该算法应用于具体的智能制造动态调度权重预测场景中,得到较好的效果。
智能探测系统是一个机、电、液、磁高度耦合的复杂系统,其研制过程是一项系统工程,采用基于模型的系统工程研制方法能够减少新建或改型时的相关风险,降低研制成本。本文介绍了智能探测系统基于模型的研制过程,从智能探测系统的需求开始自顶向下,进行体系论证、方案设计、详细设计、生产制造到运行保障。整个研制过程基于模型传递,通过模型驱动的设计过程,为系统行为模式、研制体制和管理模式等的创新提供源源不断的动力。
人是智能制造系统中能动性和自由度最高的要素之一,高效、准确地实现车间工作人员生产行为的智能管控对于智能制造系统的稳定运行有着重要的应用价值。本文首先以宏观管控、微观管控两个层次讨论了车间生产行为智能管控的核心需求;再从感知、处理、响应三个层面介绍了基于计算机视觉技术的车间生产行为智能管控系统的整体架构;接着结合科研项目实践,给出了将计算机视觉与车间生产行为智能管控相结合的应用重点案例;最后从行为预测以及数字孪生技术的角度探讨了车间生产行为智能管控技术未来的发展趋势。
随着科技的发展,人工智能技术已经逐渐成为一项重要的创新技术,并逐步被应用于航天制造领域,带来了许多新的发展机遇。本文旨在探讨人工智能在航天制造领域的应用,包括人工智能技术的概述,航天智能制造发展现状,人工智能在航天制造领域的应用研究。人工智能的深入应用,将不断提高航天制造的生产效率和质量,助力航天制造业实现智能化转型升级。
机理建模主要针对所研究对象的物理、化学、生物等原理,进行可解析机理建模,有着计算快速、可改进、快速复制的优势,在很多工程领域有着广泛的应用,但是其往往对于复杂系统而言,不能够充分考量到多样且长周期运行下的误差影响,从而造成模型精度不高的问题。AI建模因为以更为通用的数学方法为主,因此可广泛深入到各行各业。通过构建数据之间的关系,对于相应的场景与问题进行数学模型构建,并进而形成解决方案。虽然其精准度可以达到更高,但是往往需要更大的数据量和更长时间的训练以达到其较好的效果。为了结合其二者的优势,本文提出了“机理+AI”的混合建模方法并进行了系统性地阐述,同时将其成功地应用于数控机床机械加工的领域,形成了较好的应用实践与社会效应。
刀具磨损作为制造过程不可避免的物理现象,剧烈的刀具磨损会直接影响到零件的加工质量与尺寸精度,刀具破损更会直接导致生产零件的报废和机床的故障停机,亟需实现刀具磨损状态的在线监测以规避上述问题,同时提高制造过程的智能化水平。由于人工智能技术不依赖于复杂的加工机理,以及强大的数据处理能力,已广泛地应用于刀具磨损监测。因此,本文围绕人工智能技术在刀具磨损监测中的重要应用,重点阐述实现刀具磨损监测的总体流程,主流的机器学习算法在刀具磨损监测中的研究进展,近年来以深度学习算法为主的人工智能技术在刀具磨损监测中的应用,最后对刀具磨损监测中存在的挑战与未来的发展趋势进行展望。
产品设计是产品开发过程中的创造性阶段,是产品开发过程中最重要的环节之一。产品设计技术、方法和工具已经成为决定设计能力与水平的关键要素。近年来,产品设计方法朝着基于知识和数据驱动两个方向快速发展,推动产品设计的自动化和智能化水平提升。本文论述了一种知识与数据融合驱动的智能设计技术,该技术结合了基于知识和数据驱动两种方法的优势,给出了知识与数据融合驱动的智能设计技术框架,论述了设计知识分类与量化表征、设计数据获取与试验设计、知识与数据融合模型、基于智能优化算法的方案生成等关键技术。上述技术可应用于航天器气动力预测、航天控制力矩陀螺试验设计、水下发射装置流场重构等工程问题中,验证了知识与数据融合技术解决工程问题的潜力及优势。
结构是产品安全性的重要保障,随着土木、航空、航天、船舶等工程领域的迅猛发展,结构设计也将面临更为严峻的挑战。在人工智能技术蓬勃发展的当代,智能方法与结构设计技术相结合、充分利用其优势解决传统方法难以处理的复杂问题,是国内外相关领域学者们愈发关注的研究课题。近年来,多种人工智能技术在工程领域中的应用研究越来越丰富,目前已经形成了一些较为成熟的研究思,路和一定数量的研究成果。本文聚焦于工程结构设计领域,针对结构性能评估、不确定性分析了回顾和总结。