《自动化的发展方向》由会员分享，可在线阅读，更多相关《自动化的发展方向（19页珍藏版）》请在金锄头文库上搜索。
1、自动化的发展方向控制理论与控制工程 1.学科以工程领域内的控制系统为主要对象，以数学方法和计算机技术为主要工具，研究各种控制策略及控制系统的分析、建摸、设计、综合和实现的理论、技术和方法。控制理论是控制科学及其工程应用的重要基础和核心内容之一；随着控制理论的发展和技术水平的提高，控制工程也迅速拓宽领域，丰富内容，并促进控制理论的研究不断扩展和深化。控制理论及控制工程的应用基础是准确可靠的检测技术和自动化装置；自动控制系统规模和应用范围的不断扩大，促进了系统工程学科的迅速发展；对难以用传统数学方法描述的控制问题，摸式识别与智能系统的研究将发挥越来越重要的作用。 2、专业培养目标：本学科培养从事自
2、动控制理论，控制系统分析、综合与设计，系统集成、建模、优化等方面的高级专门人才。3、研究方向：自动化系在此学科的研究方向为：控制理论；控制工程；控制系统仿真；计算机集成制造系统和工业过程计算机控制与管理。 检测技术与自动化装置 1、检测技术与自动化装置是运用现代物理、控制理论、电子学、计算机科学和计量科学，研究被控对象的信息提取、转换、传递与处理的理论、方法和技术的一门学科，是控制科学与工程学科的重要组成部分。 检测技术研究如何将各种反映被测对象特性的参数按照一定的对应关系转换为易于传递的信号，并提供给自动控制系统；自动化装置涉及控制系统中的传感器、变送器、控制器、执行机构等，包括它们的集成化
3、、智能化技术和可靠性技术。2、专业培养目标：本学科培养从事各种检测技术与自动化装置的研究、开发、设计等方 而工作的高级专门人才。3、研究方向：自动化系在此学科的研究方向为：电子技术及微型计算机应用；自动检测及仪表和电子技术。 系统工程 1、系统工程是为了解决日益复杂的社会实跋问题而形戌的从整体出发合理组织、控制和管理各类系统的综合性的工程技术学科。系统工程技术的 出现，大大提高了人类认识世界和改造世界的能力。随着社会的发展，它 的作用将更加重要和突出。系统工程以工业、农业、交通、军事、资源、 环境、经济、社会等领域中的各种复杂系统力主要对象，以系统科学、控 制科学、信息科学和应用数学为理基础，
4、以计算机技术为基本工具，以 优化为主要目的，采用定量分析为主、定性定量相结合的综合集成方法， 研究解决带有一般性的系统分析、设计、控制和管理问题。系统工程与控 制科学、管理科学、信息科学、经济学和计算机科学有密切的联系。2、专业培养目标：本学科培养从事系统工程领域的研究、开发、设计等方而工作的高级 专门人才。3、研究方向：自动化系在此学科的研究方向为：大系统理论及应用；复杂系统自组织、自学习及自适应和智能决策理论及应用。 模式识别与智能系统 1、模式识别与智能系统是六十年代以来在信号处理、人工智能、控制论、计算机技术等学科基础上发展起来的新型学科。该学科以各种传感器 为信息源，以信息处理与模式
5、识别的理论技术为核心，以数学方法与计算 机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上 构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统性 能。模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值 的控制科学与工程的重要学科分支。2、专业培养目标：本学科培养从事摸式识别与智能系统的研究、开发与设计方面的高级专门人才。3、研究方向：自动化系在此学科的研究方向为：信号处理理论与应用；模式识别、 计算机视觉、人工智能的理论及应用；神经网络与模糊系统及其在信息处理、识别与控制中的应用。展望 21 世纪初，在近十年神经网络理论研究趋向的背景下，笔者认为神经网络理论
6、的主要前 沿领域包括： (1) 对智能和机器关系问题的认识将进一步增长 研究人类智力一直是科学发展中最有意义，也是空前困难的挑战性问题人脑是我们所知道 的唯一智能系统，它具有感知识别、学习、联想、记忆、推理等智能，80年代中期出现了“ 联结主义”的革命，或“ 并行分布处理 (PDP)”，它又被普遍地称为神经网络，具有自学习 、自适应和自组织的特点，也是神经网络迫切需要增强的主要功能进一步研究调节多层感 知器的算法，使建立的模型和学习算法成为适应性神经网络的有力工具，构建多层感知器与 自组织特征图级联想的复合网络，是增强网络解决实际问题能力的一个有效途径重视联结 的可编程性问题和通用性问题的研究
7、，从而促进智能科学的发展我们通过不断探索人类智 能的本质以及联结机制，并用人工系统复现或部分复现，制造各种智能机器，这样，可使人 类有更多的时间和机会从事更为复杂、更富创造性的工作 智能的产生和变化经过了漫长的进化过程，我们对智能处理的新方法的灵感主要来自神经科 学，例如学习、记忆实质上是突触的功能，而海兔的小系统神经元是研究学习记忆突触机 制的天然模型，在细胞和分子水平上研究，为我们提供真正的实证又如，人类大脑的前额 叶高度发育，它几乎占了 30%大脑的表面积 ，在其附近形成了人类才出现的语言运动区，它与智能发育可能密切相关，使神经系统的发 育同环境的关系更加密切，脑的可塑性很大，能主动适应
8、环境还能主动改造环境，人类向制造智能工具方向迈进正是这种主动性的反映事实上，脑的可塑期越长，经验对脑的影响就 越大，而人类的认知过程很大程度上不仅受经验主义的影响，而且还接受理性主义的模型和 解释因此，对于智能和机器的关系，应该从进化的角度，把智能活动看成动态发展的过程，并合理的发挥经验的作用同时还应该从环境与社会约束以及历史文化约束的角度加深对 它的理解与分析 神经网络是由大量处理单元组成的非线性、自适应、自组织系统，它是现代神经科学研究成 果的基础上提出的，试图模拟神经网络加工、记忆信息的方式，设计一种新的机器，使之具 有人脑风格的信息处理能力智能理论所面对的课题来自“环境问题目的”，有极
9、大的 诱惑力与压力，它的发展方向就将是，把基于联结主义的神经网络理论、基于符号主义的人 工智能专家系统理论和基于进化论的人工生命这三大研究领域，在共同追求的总目标下，自 发而有机的结合起来在这里我们只想重复一下我们的信念并推测：在 21 世纪初，智能的机 器实现问题的研究将有新的进展和突破 (2) 神经计算和进化计算将有重大的发展 计算和算法是人类自古以来十分重视的研究领域，本世纪 30 年代，符号逻辑方面的研究非常 活跃例如 Church、Kleene、Godel、Post 、Turing 等数学家都给出了可计算性算法的精确 数学定义，对后来的计算和算法的发展影响很大50 年代数学家Mark
10、ov 发展了 Post 系统80 年代以后，神经网络理论在计算理论方面取得了引 人注目的成果，形成了神经计算和进化计算新概念，激起了许多理论家的强烈兴趣，如前所 述，大规模平行计算是对基于 Turing 机的离散符号理论的根本性的冲击，但 90 年代人们更多 的是批评的接受它，并将两者结合起来，近年来，神经计算和进化计算领域很活跃，有新的 发展动向，在从系统层次向细胞层次转化里，正在建立数学理论基础随着人们不断探索新 的计算和算法，将推动计算理论向计算智能化方向发展，在21 世纪人类将全面进入信息社会 ，对信息的获取、处理和传输问题；对网络路由优化问题；对数据安全和保密问题等等将有 新的要求，
11、这些将成为社会运行的首要任务，因此，神经计算和进化计算与高速信息网络理 论联系将更加密切，并在计算机网络领域中发挥巨大的作用，例如，大范围计算机网络的自 组织功能实现就要进行进化计算现有的一些神经网络模型并没有攻克组合爆炸问题，只是把计算量转交给了学习算法来完成 ，具体说，增加处理机数目一般不能明显增加近似求解的规模可以说，有些神经网络模型 的计算(学习)时间与神经元有多少事实上关系不太大，却与学习的样本有明显的依赖关系 值得注意的是，尽管采用大规模并行处理机是神经网络计算的重要特征，但我们还应寻找其 它有效方法，建立具有计算复杂性、网络容错性和坚韧性的计算理论 人类的思维方式正在转变：从线性
12、思维转到非线性思维神经元、神经网络都有非线性、非 局域性、非定常性、非凸性和混沌等特性，我们在计算智能的层次上研究非线性动力系统、 混 沌神经网络以及对神经网络的数理研究进一步研究自适应性子波、非线性神经场的兴奋 模式、神经集团的宏观力学等因为，非线性问题的研究是神经网络理论发展的一个最大 动力，也是它面临的最大挑战此外，神经网络与各种控制方法有机结合具有很大发展前景 ， 建模算法和控制系统的稳定性等研究仍为热点问题，而容忍控制、可塑性研究可能成为新的 热点问题开展进化并行算法的稳定性分析及误差估计方面的研究将会促进进化计算的发展 把学习性并行算法与计算复杂性联系起 来，必须分析这些网络模型的
13、计算复杂性以及正确性，从而确定计算是否经济合理关注神 经信息处理和脑能量两个方面以及它们的综合分析研究的最新动态，吸收当代脑构象等各种 新技术和新方法例如，在 1994 年 Science 杂志上，生物化学家 Adleman 发表了 一篇论文：Molecular Computation of Solutions to Combinatorial Problems， 他采用 超并行的 DNA 求解组合问题，他是 DNA 计算的创建者之一，随后，他制造的超并行 DNA 计算机 T T-100 取得了技术上的突破这一具有重大价值的理论和方法，是对 NP 完全问题和数据加密 标准系统等发起了最猛烈的攻
14、击因此，神经网络在 DNA 序列分析上的应用会更受人们的关 注 很明显，离散符号计算、神经计算和进化计算相互促进从道理上说，也许最终导致这 3 种 计算统一起来，这算得上是我们回避不了的一个重大难题预计在 21 世纪初，关于这个领域 的研究会产生新的概念和方法尤其是视觉计算方面会得到充分地发展我们应当抓住这个 机会，力求取得重大意义的理论和应用成果 (3) 神经网络结构和神经元芯片的作用将不断扩大 神经网络结构的研究是神经网络的实现以及成功地实现应用的前提，又是优越的物理前提 它体现了算法和结构的统一，是硬件和软件的混合体，这种硬软混合结构模型可以为意识的 作用和基本机制提供解释未来的研究主要
15、是针对信息处理功能体，将系统、结构、电路、 器件和材料等方面的知识有机结合起来，建构有关的新概念和新技术，如，结晶功能体、最 子效应功能体、高分子功能体等在硬件实现上，研究材料的结构和组织，使它具有自然地 进行信息处理的能力，如，神经元系统、自组织系统等目前有些学者正在研究从硬件技术 到应用之间的映射理论，将会出现一些新的方法 神经计算机的主要特征是具有并行分布式处理、学习功能，这是一种提高计算性能的有效途 径，使计算机的功能向智能化发展，与人的大脑的功能相似，并具有专家的特点，比普通人 的反应更敏捷，思考更周密光学神经计算机具有神经元之间的连接不仅数量巨大而且结合 强度可以动态控制，因为光波
16、的传播无交叉失真，传播容量大，并可能实现超高速运算，这 是一个重要 的发展领域，其基础科学涉及到激光物理学、非线性光学、光紊乱现象分析等，这些与神 经网络之间在数学构造上存在着类似性近年来，人们采用交叉光互连技术，保证了它们之 间 没有串扰，它有着广阔的发展前景在技术上主要有超高速、大规模的光连接问题和学习 的 收敛以及稳定性问题，可望使之得到突破性进展；另一种是采用 LSI 技术制作硅神经芯片， 以及二维 VLSI 技术用于处理具有局部和规则连接问题在未来一、二十年里半导体神经网络 芯片仍将是智能计算机 硬件的主要载体，而大量的神经元器件，如何实现互不干扰的高密度、高交叉互连，这个问 题可望尽早得到解决此外，生物器件的研究正处于探索之中，研究这种模型的理论根据是 ，当硅集成块和元件间的距离如果接近 0.01 微米时，电子从邻近元件逸入的概率将很有限， 便产生“隧道效应”的现象，它是高集成电路块工作
