人工智能技术及应用PDF电子书下载

第1章 绪论 1

1.1 人工智能的发展过程 1

1.1.1 萌芽期（1956年以前） 1

1.1.2 形成时期（1956～1961年） 2

1.1.3 发展时期（1961年以后） 3

1.1.4 人工智能的研究热点与展望 4

1.2 人工智能研究的内容 5

1.2.1 知识表示 5

1.2.2 自动推理 5

1.2.3 机器学习 6

1.3 人工智能研究的意义和目标 6

1.3.1 人工智能研究的意义 6

1.3.2 人工智能研究的目标 7

1.4 智能化信息技术在石油化工行业的应用 7

1.4.1 石油化工行业的信息化 7

1.4.2 智能化信息技术在石油化工行业的应用 11

第2章 模糊逻辑和专家系统 15

2.1 模糊数学基础 16

2.1.1 模糊集合 16

2.1.2 模糊关系 21

2.1.3 模糊推理 24

2.2 模糊控制器结构及原理 25

2.2.1 模糊控制器的结构 25

2.2.2 模糊控制器的设计 27

2.2.3 模糊控制器的特点 31

2.3 基于规则推理的专家系统 32

2.3.1 专家系统的定义与分类 32

2.3.2 专家系统的结构 34

2.3.3 基于规则推理的专家系统 35

2.4 应用实例 38

2.4.1 电气传动系统：直流调速系统的模糊控制器设计 38

2.4.2 DCS故障诊断专家系统 40

参考文献 44

第3章 人工神经网络 45

3.1 人工神经网络的基本概念 45

3.1.1 人工神经网络简介 45

3.1.2 生物神经元模型 46

3.1.3 人工神经网络的模型 47

3.1.4 人工神经网络的分类 49

3.1.5 神经网络的学习方式 50

3.2 BP人工神经网络结构及学习 51

3.2.1 BP人工神经网络结构 51

3.2.2 BP人工神经网络学习法 51

3.3 常用人工神经网络简介 57

3.3.1 径向基函数（RBF）网络 57

3.3.2 Hopfield网络 58

3.4 人工神经网络在石化行业中的应用实例 59

3.4.1 BP学习算法的改进 59

3.4.2 神经网络在石油化工过程故障诊断中的应用 60

参考文献 63

第4章 遗传算法 64

4.1 遗传算法的基本原理 65

4.1.1 遗传算法的相关知识 65

4.1.2 遗传算法的基本思想和一般结构 66

4.2 遗传算法的应用技术基础 67

4.2.1 选用遗传算法的原因 67

4.2.2 遗传算法的应用性能评价 68

4.2.3 遗传算法的具体实现方法 69

4.3 几种重要的改进遗传算法 74

4.3.1 小生境技术遗传算法 75

4.3.2 混合遗传算法 76

4.3.3 并行遗传算法 78

4.4 遗传算法的应用实例 79

4.4.1 遗传算法在石化企业生产调度中的应用 79

4.4.2 遗传算法在石化多效并流蒸发器设计中的应用 80

4.5 多变异拟子基因共同进化算法（3MGCA） 81

参考文献 85

第5章 人工免疫系统 86

5.1 人工免疫系统的基本概念 87

5.1.1 生物免疫系统 87

5.1.2 人工免疫系统的仿生机理 89

5.2 阴性选择算法 93

5.2.1 人工免疫算法的基本思想和一般结构 93

5.2.2 阴性选择算法 94

5.3 人工免疫系统应用实例1——故障检测 97

5.3.1 应用背景和问题的提出 97

5.3.2 振动诊断系统设计 98

5.3.3 故障诊断策略 101

5.4 人工免疫系统应用实例2——计算机病毒检测 103

5.4.1 应用背景和问题的提出 103

5.4.2 检测数据的选取 104

5.4.3 基于人工免疫算法的计算机病毒检测模型 105

5.4.4 病毒检测系统的工作流程 105

5.4.5 实验结果分析 108

参考文献 111

第6章 人工智能的研究现状和发展趋势 112

6.1 人工智能技术的研究现状及展望 112

6.1.1 模糊控制技术研究现状及展望 112

6.1.2 神经网络技术研究现状及展望 116

6.1.3 遗传算法研究现状及展望 120

6.1.4 免疫算法研究现状及展望 122

6.2 人工智能技术在石化工业应用的现状 123

6.2.1 数据采集、处理、软测量技术 123

6.2.2 石油化工复杂生产过程建模 123

6.2.3 故障诊断 124

6.2.4 优化控制 124

参考文献 125