菠菜中色素的提取与分离

菠菜中色素的提取与分离

ID:38193574

大小:55.50 KB

页数:4页

时间:2019-06-07

菠菜中色素的提取与分离_第1页
菠菜中色素的提取与分离_第2页
菠菜中色素的提取与分离_第3页
菠菜中色素的提取与分离_第4页
资源描述:

《菠菜中色素的提取与分离》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、人工智能在智能机器人领域中的应用在现代的工业制造,航空航天,交通矿业等领域,机器人越来越发挥着重要的作用。一些日本的专家预测,到2010年,只有5%的体力劳动需要由人来完成,其余大量的体力劳动要由机器人来承担。随着机器人的普及,机器人安全,规划,控制等领域也日益承受着巨大的挑战。当今大多数机器人被看作是笨拙的、缓慢的、缺乏智能的。它们只是用来完成一些非常特定的任务。教机器人像人类一样完成一些任务也是非常困难的。按NitzenllJ的说法,这是机器人以下的一些特点决定的:(l)操作器的能力有限。机器人的末端操作器灵活性有限,不能像人的手那样灵活操作,因此只能操作特定形状及大小的

2、器件。(2)开环控制。如今的机器人多数都是开环控制,如搬运、焊接等操作,开环操作导致精确性很难保证。(3)无法进行错误诊断。绝大多数机器人无法对非预期的故障进行诊断并修复。机器人系统经常无法确认机器人是否按原计划工作。(4)有限的可移动性。今天的机器人常常会被引导方式所限制。这些机器人无法自由运动,避障能力也很有限。他们常常只能在确定的环境中运动。在过去的几十年,机器人控制理论得到了极大的发展。国内外专家学者做出了许多有益的尝试,取得了丰硕的成果。然而,大多数控制方法需要合适的数学模型。但由于机器人动力学的非线性、时变性、多关节强藕合及变惯量等复杂性,不仅其数学模型的参数,就

3、连数学模型的类型都很难准确确定。由在线进行系统辨识的方法确定的动态数学模型将随着负载和机器人型位的变化而不断变化。其巨大的计算量使这种方法根本无法应用到实际中去。因此在实际应用中,我们看到最多的应用还是Pl,PD和PID控制。另一方面,人类的操作员在执行相似任务的时候,并不需要知道什么数学模型,却能够执行得很好。因此,采用一种方式模拟人类的行为而不需要大量的数计算的控制方法自然而然地被提出来,这就是所谓的智能控制。智能控制涉及到人工智能的多个领域,包括专家系统、神经元网络以及模糊控制等。除了“专家系统”之外,还可列举出其他许多聪明的智能软件系统。如:机器博突的智能软件、智能控

4、制、智能管理、智能通信……的软件等。例如:IBM的“深蓝”系统战胜了国际象棋大师卡斯帕诺夫,就是计算机的机器智能水平的一次荣誉记录,也是聪明的人工智能软件的一个成功范例。那何谓人工智能呢?“人工智能”(ArtificialIntelligence)简称AI它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人们认为“人工智能”是计算机科学技术的前沿科技领域。因此,“人工智能”与计算机软件有密切的关系。人工智能是“类人”机器人所需要的算法和技术,也就是说我们研究的主题是高级智能的本质,而不是其外在表现和辅助部件。一方面,各种人工智能应用系统

5、都要用计算机软件去实现,另一方面,许多聪明的计算机软件也应用了人工智能的理论方法和技术。例如,专家系统软件,机器博奕软件等。但是,“人工智能”不等于“软件”,除了软件以外,还有硬件及其他自动化的通信设备。人工智能是从思维、感知、行为三层次和机器智能、智能机器两方面研究模拟、延伸与扩展人的智能的理论、方法、技术及其应用的技术学科。例如,用计算机打印常用的报表,进行一些常规的文字处理,都是程序化的操作,谈不上有智能。但是,用计算机给人看病,进行病理诊断和药物处方,或者,用计算机给机器看病,进行故障诊断和维修处理,就需要计算机有人工智能。人工智能学科领域中有一个重要的学科分支是“专

6、家系统”(ExpertSystem),简称代写论文ES。就是用计算机去模拟、延伸和扩展专家的智能。基于专家的知识和经验,可以求解专业性问题的、具有人工智能的计算机应用系统。如:医疗诊断专家系统,故障诊断专家系统等。人工智能要解决的问题主要是以下几个方面:一、识别过程,外界输入的信息向概念逻辑信息转译,将动态静态图像、声音、语音、文字、触觉、味觉等信息转化为形式化(大脑中的信息存储形式)的概念逻辑信息。二、智能运算过程,输入信息刺激自我学习、信息检索、逻辑判断、决策,并产生相应反应。三、控制过程,将需要输出的反应转译为肢体运动和媒介信息。实用机器人在第三个方面做得比较多,而识别

7、和智能运算是很弱的,尤其是概念知识的存储形式、逻辑判断和决策这些方面更是鲜有成果,这正是人工智能要重点解决的问题。在机器人控制中常用的智能控制方式是模糊控制。如图1所示。图1:机器人控制中的模糊控制十几年来,用神经元网络来控制机器人变得非常流行从控制的角度来考虑,神经元控制具有如下一些特性:(l)分布式的非线性。(2)从经验进行学习的能力。(3)强壮的平行多处理能力。(4)在尚未进行训练情况下的表现。常见的神经元机器人控制器如图2所示。图2:神经元机器人控制器神经元网络采用不同的结构可用于不同的应用,因

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。