人工智能与机器人

人工智能与机器人摘要：人工智能人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。人工智能主要包含三个方面：感知能力、思维能力、行为能力。而机器人则是将人工智能与物理器件结合起来，完成某些工作的机器，本文结合机器人的特点谈谈人工智能。一人工智能概述人工智能(ArtificialIntelligence，简称AI)，也称作机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。同样，人工智能也主要包含三个方面：感知能力、思维能力、行为能力。只不过这三个方面是通过“机器”系统，而不是“人”这一系统来完成。我们为何需要人工智能第一、做人类做不到的事情，二、做人类做不好的事情，三、做对人类有危险的事情。人工智能的研究更多的是结合应用领域来进行的，下面是几个主要的应用研究领域：（一）模式识别[人工智能的应用研究]模式，是指已经界定好的，用来供模仿的一个标本或标准。模式识别就是指识别出这个标本或标准。人工智能所研究的模式识别是指用“机器”代替人类或帮助人类感知模式，也就是使一个“机器”系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。（二）智能检索智能检索依赖知识库系统，知识库系统又叫数据库系统，它是存储某学科大量事实的计算机软件系统，随着应用的发展，存储的信息量越来越庞大。使用检索系统可以回答用户提出的有关该学科的各种问题。为了有效地表示、存储和检索大量事实，已发展了许多技术，研究智能检索系统具有重要的实际意义，它是计算机科学的一个活跃的分支。（三）专家系统专家系统是一个具有大量专门知识与经验的程序系统。它应用人工智能技术，根据某个领域一个或多个专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。当前机器学习的研究成果中，专家系统是发展比较快的一个分支。（四）问题求解人工智能的第一个大成就是发展了能够求解难题的下棋程序，如国际象棋、中国象棋、围棋等，我们今天在网上都可以找到各种各样的人机对弈软件。在下棋程序中，应用到的某些技术，如向前看几步，还有把困难的问题分成一些比较容易的子问题等，其实就是数据库搜索和问题归纳这样的人工智能基本技术。此外，人工智能还在机器视觉、组合调度问题、自然语言理解、机器学习、编程、定理证明等研究应用领域发挥着重要作用。可以这样说，人工智能已深入各行各业，对人类社会做出了巨大的贡献。二人工智能在机器人中的应用（一）机器人综述机器人（Robot）是自动执行工作的机器装置。它既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动。它的任务是协助或取代人类工作的工作，例如生产业、建筑业，或是危险的工作。它可以说是高级整合控制论、机械电子、计算机、材料和仿生学的产物。目前在工业、医学、农业、建筑业甚至军事等领域中均有重要用途。现在，国际上对机器人的概念已经逐渐趋近一致。一般说来，人们都可以接受这种说法，即机器人是靠自身动力和控制能力来实现各种功能的一种机器。联合国标准化组织采纳了美国机器人协会给机器人下的定义：“一种可编程和多功能的，用来搬运材料、零件、工具的操作机；或是为了执行不同的任务而具有可改变和可编程动作的专门系统。”机器人能力的评价标准包括：智能，指感觉和感知，包括记忆、运算、比较、鉴别、判断、决策、学习和逻辑推理等；机能，指变通性、通用性或空间占有性等；物理能，指力、速度、连续运行能力、可靠性、联用性、寿命等。因此，可以说机器人是具有生物功能的三维空间坐标机器。（二）机器人组成各个系统中的人工智能机器人一般由执行机构、驱动器、检测装置和控制系统等组成。1.执行机构对于执行机构最广泛的定义是：一种能提供直线或旋转运动的驱动装置，它利用某种驱动能源并在某种控制信号作用下工作。执行机构即机器人本体，其臂部一般采用空间开链连杆机构，其中的运动副（转动副或移动副）常称为关节，关节个数通常即为机器人的自由度数。根据关节配置型式和运动坐标形式的不同，机器人执行机构可分为直角坐标式、圆柱坐标式、极坐标式和关节坐标式等类型。出于拟人化的考虑，常将机器人本体的有关部位分别称为基座、腰部、臂部、腕部、手部（夹持器或末端执行器）和行走部（对于移动机器人）等。由于用电做为动力有其它几类介质不可比拟的优势，所以电动型近年来发展最快，应用面较广。电动型按不同标准又可分为：组合式结构和机电一体化结构；电器控制型、电子控制型和智能控制型（带HART、FF协议）；数字型和模拟型；手动接触调试型和红外线遥控调试型等。它是伴随着人们对控制性能的要求和自动控制技术的发展而迅猛发展的。2.驱动器驱动器是机器人的动力系统，相当于人的心血管系统，一般由驱动装置和传动机构两部分组成。因驱动方式的不同，驱动装置可以分成电动、液动和气动三种类型。驱动装置中的电动机、液压缸、气缸可以与操作机直接相连，也可以通过传动机构与执行机构相连。传动机构通常有齿轮传动、链传动、谐波齿轮传动、螺旋传动、带传动等几种类型。3.检测装置检测装置的作用是实时检测机器人的运动及工作情况，根据需要反馈给控制系统，与设定信息进行比较后，对执行机构进行调整，以保证机器人的动作符合预定的要求。作为检测装置的传感器大致可以分为两类：一类是内部信息传感器，用于检测机器人各部分的内部状况，如各关节的位置、速度、加速度等，并将所测得的信息作为反馈信号送至控制器，形成闭环控制。另一类是外部信息传感器，用于获取有关机器人的作业对象及外界环境等方面的信息，以使机器人的动作能适应外界情况的变化，使之达到更高层次的自动化，甚至使机器人具有某种“感觉”，向智能化发展，例如视觉、声觉等外部传感器给出工作对象、工作环境的有关信息，利用这些信息构成一个大的反馈回路，从而将大大提高机器人的工作精度。传感器常用到的是人工智能技术，特别是神经网络。思想，或者更具特色，并且引入数学描述。人工神经网络的发展史同时包含了概念创新和实现开发的进步。虽然这些成果的取得并不是一帆风顺的。作为一种较新的方法体系，人工神经网络具有分布并行处理、非线性映射、自适应学习、较强的鲁棒性和容错等特性，这使得它在神经计算在数据融合领域得到广泛的重视。人工神经网络处理信息的特点:首先，具有自学习功能，神经网络是通过研究系统过去的数据记录进行训练的，一个经过适当训练的神经网络具有归纳全部数据的能力，因此，神经网络能够解决那些由数学模型或描述规则难以处理的问题。自学习功能对于预测有特别重要的意义。再者，具有联想存储功能，人脑是具有联想功能的，用神经网络的反馈网络就可以实现这种联想，例如ESN模型就是一种典型的反馈神经网络，它的特点就在于非线性动态短期记忆效应。还具有容错性，人类大脑具有很强的容错能力，神经网络也具有很强的容错性。它可以从不完善的数据中进行学习和做出决定。由于知识存在于整个系统中，而不是在一个存储单元中，一定比例的结点不参与算，对整个系统性能不会产生重大影响。数据融合应用于传感器网络的研究已相当地广泛，特别是在网络层的以数据为中心的路由算法和协议。数据融合是一门跨学科的综合理论和方法，其可借鉴其它领域的一些新技术和方法，如人工智能领域中的专家系统，模糊逻辑和人工神经网络等技术。这也是整个机器人控制的检测装置中用到的人工智能技术与基础。[2武汉理工大学]4.控制系统控制系统有两种方式。一种是集中式控制，即机器人的全部控制由一台微型计算机完成。另一种是分散（级）式控制，即采用多台微机来分担机器人的控制，如当采用上、下两级微机共同完成机器人的控制时，主机常用于负责系统的管理、通讯、运动学和动力学计算，并向下级微机发送指令信息；作为下级从机，各关节分别对应一个CPU，进行插补运算和伺服控制处理，实现给定的运动，并向主机反馈信息。根据作业任务要求的不同，机器人的控制方式又可分为点位控制、连续轨迹控制和力（力矩）控制。人工智能控制技术一直没能取代古典控制方法。但随着现代控制理论的发展,控制器设计的常规技术正逐渐被广泛使用的人工智能软件技术(人工神经网络、模糊控制、模糊神经网络、遗传算法等)所替代。这些方法的共同特点是:都需要不同数量和类型的必须的描述系统和特性的apriori知识。由于这些方法具有很多优势,因此工业界强烈希望开发、生产使用这些方法的系统,但又希望该系统实现简单、性能优异。在将来,智能技术在机器人传动等技术中占相当重要的地位,特别是自适应模糊神经元控制器在性能传动产品中将得到广泛应用。但是,还有很多研究工作要做,现在还只有少数实际应用的例子,大多数研究只给出了理论或仿真结果,因此,常规控制器在将来仍要使用相当长一段时间。人工智能控制器可分为监督、非监督或增强学习型三种。常规的监督学习型神经网络控制器的拓扑结构和学习算法已经定型,这就给这种结构的控制器增加了限制,使得计算时间过长,常规非人工智能学习算法的应用效果不好。采用自适应神经网络和试探法就能克服这些困难,加快学习过程的收敛速度。常规模糊控制器的规则初值和模糊规则表是既定a-priori型,这就使得调整困难,当系统得不到a-priori(既定)信息时,整个系统就不能正常工作。而应用自适应AI控制器,例如使用自适应模糊神经控制器就能克服这些困难,并且用DSP比较容易实现这些控制器。总而言之,当采用自适应模糊神经控制器,规则库和隶属函数在模糊化和反模糊化过程中能够自动地实时确定。有很多方法来实现这个过程,但主要的目标是使用系统技术实现稳定的解,并且找到最简单的拓扑结构配置,自学习迅速,收敛快速[1]人工智能控制技术在电气传动领域的运用三人工智能机器人的前景