智能科学在工业4.0时代的应用与发展研究.docx

智能科学在工业4.0时代的应用与发展研究 易博松摘 要：通向工业4.0的路是一段革命性的进程，智能科学为了适应制造工业的发展，将会加速优化和创新的步伐。随着智能科学技术的不断创新和突破，最终将会促进制造业的全面智能化，使得未来的工业4.0继续向网络化、智能化的方向发展。关键词：智能科学；工业4.0；机器人；计算智能：TP183 ：A DOI：10.15913/ki.kjycx.2015.16.003制造业对于人类文明发展的重要性不言而喻，科学和技术的每一次创新，在成功应用到制造业后，都会极大地促进人类生产方式的变革，继而推动社会文明的发展。近来年，随着网络信息技术、智能科学的蓬勃发展，信息化和智能化正逐步融合到工业生产中，向人们展示着工业4.0时代的诞生。1 工业4.0与智能科学工业4.0，简单来说，就是以智能制造为主导的第四次工业革命。具体是指利用信息物理系统（CyberPhysicalSystem，简称“CPS”）将生产中的供应、制造、销售信息数据化、智慧化，最后达到快速、有效、个人化的产品供应。随着工业4.0时代的到来，传统的高倍冗余和高度集中的生产设计理念将会被摒弃，现阶段普遍应用的传统工业技术也将会逐渐被淘汰。随着一批批智能化与网络化融合的高端工业技术快速引入到实际的生产应用中去和高端智能产品如潮水般的涌现，动态优化、高度灵活的个性化和数字化生产设计理念将会得到普及。可以预见，工业4.0将推动工业由“制造”向“智造”转型，智能化技术无疑是新工业革命的核心技术之一。随着工业4.0的逐步推进，人们普遍意识到，智能制造的理论研究及应用开发对进一步提高产品质量、生产效率和制造业响应巿场变化的能力和速度以及降低生产成本具有重大意义。智能科学作为一门新的学科，越来越受到高度重视。智能科学是由脑科学、认知科学、人工智能等学科共同研究智能性质和规律的交叉学科，是探索自然智能的基本理论和机器智能的实现技术。脑科学从神经系统内分子水平、细胞水平、细胞间的变化过程、行为水平等方面出发，研究生物脑的结构和功能。认知科学是关于心智研究的理论和学说，研究人类的学习、记忆、思维、理解等行为和在认知过程中发生的其他行为。脑科学和认知科学属于自然智能，研究智能的本质是智能科学的基础，自然智能研究的任何突破性进展都会对智能科学的研究和应用起到极大的推动作用。人工智能则借鉴和利用自然智能的研究成果，构造具有一定智能的人工系统，模仿、延伸和扩展人和动物的个体或群体的智能，使机器能够从事过去只有人才能处理的智能工作。人工智能的重要研究领域包括机器感知、机器思维、机器学习、机器行为、计算智能、分布智能、群体智能、社会智能、集成智能和智能系统等。2 智能科学在工业4.0时代的应用与发展随着工业4.0的急速推进，技术创新浪潮的不断涌现，智能科学将逐渐渗透到工业4.0时代的每一个角落。2.1 生产系统设计理念的应用与发展在传统的工业中，所有的生产系统设计理念都建立在以固定的高倍冗余的资源投入来保障可靠的产品产出的原则基础上，目的是在最恶劣的条件下也能够保障生产活动的持续性。但是，以这种理念为基础所设计的各种各样的工业生产系统却使得人类社会普遍面临“高投入、高消耗、高排放、高污染”的困境。如果按照智能科学与技术来设计，它将彻底摒弃一劳永逸保安全的设计理念，利用人工智能的自主技术来实现动态优化的全新设计理念。具体来说，假设系统原来处于优化状态（尽可能少的资源投入和尽可能好的产品产出），现在，如果外界条件变化了，那么就通过自主检测技术来获得外部条件变化的信息，然后通过自主学习技术来提炼知识和生成策略，再通过自主调整技术使生产系统的参数调整到在新条件下的优化状态，仍然保持尽可能少的资源投入和尽可能好的产品产出，从而实现自主适应的要求。工业4.0正是在网络化和智能化的渗透中，逐步实现着由传统的高倍冗余和集中大批量生产向自主灵活适应和分散个性化生产的模式转变，其目标是打破传统行业的界限，重组产业链分工，建立新的活动领域和生产形式，最终建立一种高度灵活、自主适应的个性化和智能化产品与服务的全新生产模式。具体来说，工业4.0是在现代智能机器人、传感器、数据存储和计算能力实现突破的条件下，让所有的加工设备、原材料、运输车辆、装料机器人等都“能说话，会思考”，并通过工业互联网将供应链、生产过程和仓储物流智能连接。按照智能科学与技术的生产系统设计理念，摒弃现行的大规模、批量化生产，利用人工智能的自主技术来实现动态优化，即让整个生产系统中的设备、原材料等都高度智能化，可以独立、自主地运转，并通过互相交流和交换讯息等及时自主调整工艺流程，而且具备互相监控和监测生产环境的能力，最终确保多批次、小产量状态下产业的获利能力，确保工艺流程的灵活性和资源利用率，从而实现智能生产的“四化”，即供应和仓储成本较小化、生产过程全自动化、需求相应速度较大化和产品个性化。可以预见，在工业4.0进程中，随着智能科学生产系统设计理念的逐步渗入，越来越多的智能科学研究成果将应用到工业中，无数传统行业将发生颠覆性重构，产业链和社会分工将重新组织，世界工业版图将被重新描绘。2.2 机器学习在工业4.0时代的应用与发展工业4.0正催生着大数据时代的到来，计算技术通常只是用来分析数据，机器学习使得捕获和挖掘数据理解数据从中萃取有价值的数据预测未来趋势成为可能，成为了解决大数据问题的一种重要、关键的工具。机器学习是人工智能发展中一个极其重要也是应用潜力最大的研究领域，其专门研究计算机怎样模拟或实现人类的学习行为，以从纷繁复杂的现实世界中通过识别、利用现有知识来获取新的知识或技能，并建立学习的计算理论，重新组织已有的知识结构，使其不断提升和完善自身的性能，从而构造各种新的学习系统并将其应用到各个领域中去。常见的几种机器学习方法有分类学习、归纳学习、类比学习、解释学习、基于神经网络的学习和知识发现等，每一种学习方法都对应其主要解决的问题和解决相应问题的算法，例如，分类学习主要解决将实例数据划分到合适的分类中的问题，归纳学习主要用于预测数值型数据。 实践证明，机器学习在很多工业应用领域发挥了重要的实用价值，特别是在数据挖掘、语音识别、图像识别、机器人、车辆自动驾驶、信息安全、遥感信息处理和工业过程控制领域取得了令人瞩目的成果。工业4.0的核心发展方向智能制造是一种由以机器学习为代表的智能机器和人类专家共同组成的智能系统，目前这方面成功的应用系统有机械设备智能诊断系统、故障诊断专家系统、基于机器学习理论的智能决策支持系统、智能制造系统等，每类系统都有其特定的机器学习机制和方法。这类智能系统能在制造过程中能进行诸如获取信息、判断和筛选有用信息、分析和推理、最后进行构思和决策等的智能活动。智能系统的构建初衷，就是要打破传统的大批量流水线制造自动化的概念，转变为智能化和高度集成的柔性生产方式。与传统的制造相比，智能生产具有超柔性、自主学习、自主适应、自主维护和自我监督和相互监控、虚拟实现等能力和特征，最终能够达到取代、扩大和延伸原本需要大量群体智慧和经验才能完成的脑力劳动。然而，机器学习系统的建立是缓慢、耗时和易出错的一个过程。目前其开发存在相当大的困难，例如需要开发者具备深厚的专业知识；收集、合并和分析一个系统中不同类数据的工具互相孤立不兼容，缺乏系统的整合工具；需要相当大的实验能才能建立、评估、调试和验证模型，以保证模型的精确性等。另外，机器学习方法的研究应兼顾纵向深度方向和横向结合方向的研究，例如针对不同的研究环境和领域开发相适应的学习体制和方法，开发多种学习体制和方法的集成学习系统，以便完成复杂任务等。在机器学习的研究中，要让机器逐步从从事计算工作到从事创造性的思维工作转变，这样才能为工业4.0的技术革命作出更大的贡献。2.3 计算智能在工业4.0时代的应用与发展随着工业4.0的推进，制造业对智能化提出了更高的要求，而工程实践往往遇到的都是难以建立精确的数学或逻辑模型的问题，因此，传统的计算方法在解决这类复杂问题时很难求出精确的解，即便能求解，耗时也相当长。因此，人们一直在寻求能在求解时间和求解精度上取得平衡的计算方法，在人工神经网络取得新突破时，计算智能便应运而生。作为人工智能的一个重要领域，计算智能（Computational Intelligence，CI）利用仿生学思想模仿生物体系的某些规律和机制，例如生物进化、细胞网络等，用数学语言的抽象描述来设计求解问题的算法。用智能算法求解问题，即使是对象模型和边界条件不够精确和完整，也能够得到一个合理的解，尤其是能够有效解决系统中一些非线性和不确定性的问题。核心的计算智能有方法神经网络、进化计算和模糊逻辑。这些方法都能处理不完整、不精确或不确定的数据，建立的模型也具有自主控制能力、自扩展性、系统稳健性和适于并行处理等优点。基于计算智能的上述特点和研究的不断突破，其在工业领域得到越来越广泛的应用，取得了丰硕的成果。计算智能的工业应用领域已经逐渐扩展到了优化计算、模式识别、计算机网络、故障诊断、图像处理、信息安全、风险分析与控制、加工系统、调度系统、智能控制与自动化和通讯工程信息安全等诸多领域。这些应用都显示出了计算智能强大的信息处理和问题求解能力，具有广阔的研究前景。智能工厂是工业4.0的两大主题之一，无线感测器将是实现智能工厂建设的三大基础技术之一。以微处理器和计算智能研究为主的智能化仪器仪表正是运用包括神经网路、遗传演算法、进化计算等计算智能技术，使仪器仪表具有高效、多功能、高灵敏等性能。这些智能化仪器仪表构成的专家控制系统、模块逻辑控制系统等也是目前智能工厂相关复杂问题解决方法的研究热点。计算智能目前还处于不断发展和完善的过程，其在理论方面仍存在着许多不足，比如缺乏稳健的数学基础、神经网络的学习问题等，制约着计算智能的实际应用。在以后的研究中，还应根据不同的应用环境和应用需求，加强各种算法之间的融合，使之融合成为一个复合协同或综合集成计算应用系统，这样融合后的系统可实现优势互补。我们相信，计算智能技术在不断提高其自身性能后，其在工业4.0的应用中也将会不断完善和拓展。2.4 群体智能在工业4.0时代的应用与发展在工业发展的进程中，人们发现某些复杂困难的问题难以建立有效的形式化模型而使得问题求解变得困难，甚至不可能，群体智能因具有自组织性、层次性、涌现性和不确定性等特点，在没有集中控制且无法提供全局模型的问题求解上表现出了明显的优势。群体智能（Swarm/collection intelligence）这个概念来自对自然界中昆虫群体的观察，群居性生物通过协作表现出的宏观智能行为特征被称为群体智能。群体中的单个个体往往行为简单，智能也有限，但在不存在指挥中心的情况下，个体之间却能通过相互协作完成复杂的任务，表现出很高的群体智能。群体智能的群体可以适应随时变化的系统或环境，某个或者某几个个体的故障不会影响整个问题的求解，个体的活动无需中央控制，也不需要相互之间的监管，仅仅通过个体之间的通信就能进行流畅的合作，相互合作的个体是分布的，个体的执行时间比较短，而且因个体的增加而引起的通信开销增加很小。群体智能潜在的并行性和分布式特征使其成为了智能科学一个重要的研究方向。研究蚁群算法和粒子群体算法是目前群体智能最具有代表性和研究最为成熟的算法。蚁群算法主要包括蚁群优化算法、蚁群聚类算法等，其研究方向包括蚁群寻食行为、群体分工和任务分配行为、群体合作搬运行为、巢穴组织行为等。粒子群体算法模拟鸟群捕食过程，在多维搜索空间中，每个粒子根据自身的经验和邻近粒子的经验调整它的位置，群体之间通过集体协作找寻最优解。自提出以来，群体智能在组合优化、机器人协作、电力系统、工业模型设计、控制器控制策略等工业领域表现出了较好的优化求解性能，因此受到了广泛的关注。举例来说，群体智能算法在电力系统优化中有着广泛的应用，例如在配电网扩展规划、检修计划、机组组合、谐波分析与电容器配置、配电网状态估计、参数辨识、优化设计等方面。 群体智能能够满足工业工程问题中日益复杂的信息处理需求，尤其是动态特性突出的问题。在将来的研究工作中，群体智能系统底层机制和群体机器人的研究将会成为重点和热点，其应用也将具有广阔的前景。另外，还会扩展群体智能与其他各种先进智能，例如计算智能的融合，以改善自身或相应计算方法的性能。3 结束语本文通过对智能科学技术的生产设计理念和部分重要研究领域的介绍以及智能科学技术现阶段在工业4.0时代的实际应用程度和应用范围的探讨，强调了工业4.0时代对智能科学技术的迫切需求。毫无疑问，通向工业4.0的路就是实现智能化的过程，智能科学为了适应制造工业的发展，还需要加速优化和创新的步伐。我们相信，随着智能科学技术逐步和全面的创新与突破，最终将会促进制造业产业链各个环节的智能化，使得未来的工业4.0继续向网络化、智能化的方向发展。参考文献1乌尔里希森德勒.工业4.0M.邓敏，李现民，译.北京：机械工业出版社，2014.2常杉.工业4.0：智能化工厂与生产J.化工管理，2013（21）.3史忠植.智能科学M.北京：清华大学出版社，2006.4杜庆东.智能科学的现状与发展趋势J.沈阳师范大学学报（自然科学版），2011（1）.5钟义信.智能科学与技术学科发展现状与前景展望（二）J.中国人工智能学会通讯，2011（2）.6阿培丁.机器学习导论M.北京：机械工业出版社，2009.7龚宇，熊光楞.机器学习在智能车间调度系统中的应用J.控制与决策，1997（3）.8丁未.机器学习为代表的人工智能在仪器仪表工业中的应用展望J.中国仪器仪表，2014（8）.9安增波，张彦.机器学习方法的应用研究J.长治学院学报，2007（2）.10黄林军，张勇，郭冰榕.机器学习技术在数据挖掘中的商业应用J.中山大学学报论丛，2005（6）.11张军.计算智能M.北京：清华大学出版社，2009.12史忠植.高级人工智能M.北京：科学出版社，1998.13田晓艳.计算智能主要算法研究J.安防科技，2009（12）.14刘挺.计算智能技术的集成与工业应用研究J.青岛：中国海洋大学，2007.15杨启文.计算智能及其工程研究D.杭州：浙江大学，2001.16李澄非.计算智能方法研究及其在流程工业中应用D.北京：北京化工大学，2007.17任伟建.智能算法及其在油田故障诊断问题中的应用D.大庆：大庆石油学院，2006.18李国栋.计算智能分类方法及其在入侵检测中的应用研究D.天津：河北工业大学，2013.19乔鹏，赵永.计算智能技术特点和集成展望J.太原城市职业技术学院学报，2009（10）.20余建平，周新民，陈明.群体智能典型算法研究综述J.计算机工程与应用，2010（25）.21彭喜元，彭宇，戴毓丰.群智能理论及应用J.电子学报，2003（12）.22康琦，张燕，汪镭，等.群体智能应用综述J.冶金自动化，2005（5）.编辑：王霞Abstract： The road to industry 4.0 is a revolutionary process， the intelligent science in order to adapt to the development of manufacturing industry， will accelerate the pace of optimization and innovation. With the continuous innovation and breakthrough of the intelligent science and technology， it will eventually promote the comprehensive and intelligent manufacturing industry， which makes the future industry 4.0 continue to develop in the direction of network， intelligent.Key words： intelligent science； industry 4.0； robot； computational intelligence -全文完-