《現(xiàn)代工業(yè)系統(tǒng)的理論基礎(chǔ).ppt》由會員分享，可在線閱讀，更多相關(guān)《現(xiàn)代工業(yè)系統(tǒng)的理論基礎(chǔ).ppt（190頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、,,現(xiàn)代工業(yè)系統(tǒng)導論 第二章 現(xiàn)代工業(yè)系統(tǒng)的理論基礎(chǔ),浙江大學現(xiàn)代制造工程研究所 顧新建 祁國寧,,,,,,,第五章,車間層的現(xiàn)代工業(yè)系統(tǒng),,第六章,企業(yè)層的現(xiàn)代工業(yè)系統(tǒng),,第七章,企業(yè)協(xié)同層的現(xiàn)代工業(yè)系統(tǒng),,第一章,現(xiàn)代工業(yè)系統(tǒng)概況,,第二章 現(xiàn)代工業(yè) 系統(tǒng)的理論基礎(chǔ),,第三章,現(xiàn)代工業(yè)系,統(tǒng)建模理論和方法,,第四章,產(chǎn)品優(yōu)化理論和方法,,空間,優(yōu)化,,時間,優(yōu)化,,空間,優(yōu)化,,時間,優(yōu)化,,空間,優(yōu)化,,時間,優(yōu)化,,空間,優(yōu)化,,時間,優(yōu)化,,第八章,環(huán)境和諧層的現(xiàn)代工業(yè)系統(tǒng),目錄,第一節(jié) 系統(tǒng)空間優(yōu)化理論 第二節(jié) 系統(tǒng)時間優(yōu)化理論,第一節(jié) 系統(tǒng)空間優(yōu)化理論,2.1.1 系統(tǒng)論：系統(tǒng)集

2、成優(yōu)化的理論基礎(chǔ) 2.1.2 分形幾何理論：分形企業(yè)的理論基礎(chǔ) 2.1.3 模式識別理論：現(xiàn)代工業(yè)系統(tǒng)有序化的理論基礎(chǔ) 2.1.4 相似論：成組技術(shù)的理論基礎(chǔ) 2.1.5 層次分析法：工業(yè)系統(tǒng)方案設(shè)計和優(yōu)化的理論基礎(chǔ) 2.1.6 仿生學：現(xiàn)代工業(yè)系統(tǒng)理論創(chuàng)新的重要源泉,2.1.3 模式識別理論：現(xiàn)代工業(yè)系統(tǒng)有序化的理論基礎(chǔ),現(xiàn)代工業(yè)系統(tǒng)有序化或條理化的目的是降低工業(yè)系統(tǒng)的熵，即提高系統(tǒng)的有序度。 在這方面，模式識別理論可以發(fā)揮很大的作用。,1、工業(yè)系統(tǒng)分類問題,工業(yè)系統(tǒng)分類對象有產(chǎn)品、零件、過程、信息、知識等。用于分類的對象稱為樣本。 定義2.1： 工業(yè)系統(tǒng)分類問題是，設(shè)有n個樣本（如零件），

3、記作 ； 每個樣本都有m個特征,記作 ， i=1,2,,n。通過對樣本特征的分析，根據(jù)一定的應用目標，將具有一定相似性的樣本分類成組，記作 。,,,,復雜系統(tǒng)的解決方案有多種，不存在普適的方法,具體的分類方法有很多種，各種分類方法所解決的子問題不同，所采用的分類原理不同，所利用的樣本特征信息不同，所要求的樣本特征描述方法不同，以及所得到的分類結(jié)果形式不同。,樣本分類問題的分解,,定義2.2：樣本特征代碼化，即對與樣本分類有關(guān)的樣本特征用數(shù)碼的形式加以表示。 定義2.3：樣本特征選擇，即對樣本分類有不同影響的樣本特征給予不同的權(quán)重。 定義2.4：聚類分析的定義是：在模式

4、空間G，若給定n個樣本 ，按相互類似的程度找到相應的區(qū)域 ，使各 ，歸入其中一類，而不同時屬于兩類，即： 記聚類分析結(jié)果為f（x）。,,,,,定義2.5：模式分類器分為有監(jiān)督學習的和無監(jiān)督學習的，其定義分別是： 有監(jiān)督學習的模式分類器設(shè)計的定義是：利用已知類別標號的訓練集 ，確定執(zhí)行由模式空間到解釋空間這一映射的算子Rf(x),即模式分類器的結(jié)構(gòu)參數(shù)； 無監(jiān)督學習的模式分類器則是直接利用待分類的樣本，其實質(zhì)是將聚類分析與有監(jiān)督學習的模式分類器的設(shè)計這兩個過程結(jié)合在一起。 定義2.6：模式分類器分類的定義是：利用學習到的映射Rf(X)對樣本x進行分類，分類結(jié)果為C(X)。,,人

5、們對聚類分析和模式分類器設(shè)計進行了大量研究。 前者提供的是分類結(jié)果,后者則提供模式分類器的結(jié)構(gòu)，可以對新零件直接分類。 聚類分析的結(jié)果可以為模式分類器設(shè)計提供訓練樣本。 采用句法模式識別法時相應的四個子問題是：基元選擇；聚類分析；語法推理；句法識別。,2、樣本特征選擇,在設(shè)計一個模式分類器以前，首先要考慮樣本特征提取和數(shù)據(jù)壓縮問題。 一般采用分類編碼系統(tǒng)。分類編碼系統(tǒng)往往要適應多方面的需要，對于某一分類問題并非各碼位都有相同重要的影響。 所以為了提高分類效果，必須進行模式預處理和特征選擇。,1）特征碼位的選擇,例如，在一般零件分類時，只考慮對結(jié)構(gòu)形狀及工藝影響較大的主要碼位上的特征項的相似性，

6、而不考慮全部碼位上的相似性，否則分類的結(jié)果必然會出現(xiàn)分組數(shù)過多、而每組零件數(shù)很少的問題，并且使分類效率降低。,特征碼位的選擇方法,（1）對樣本特征作統(tǒng)計分析,將那些特征值都相同（如都為0或1）的碼位舍去。 （2）對樣本特征間的相關(guān)性作統(tǒng)計分析,特征間相關(guān)系數(shù)： 且 ij, 越大，兩個碼位上的特征越相關(guān)?？蓮南嚓P(guān)系數(shù)很大的樣本特征對中去掉一個特征。 （3）人工判別選擇碼位。,,2）特征權(quán)重的選擇,各碼位的特征對分類的影響是不同的，若在分類中對這些特征“一視同仁”，則勢必影響分類效果。 當已知聚類分析結(jié)果時，由一些感知器算法和神經(jīng)網(wǎng)絡算法可以較容易地得到特征權(quán)重。 特

7、征權(quán)重的選擇與應用目標有很大關(guān)系，其選擇目前主要還是靠人工判別。 特征的隸屬函數(shù)是另一種意義上的權(quán)重，主要是針對那些具有模糊概念的特征設(shè)計的，它表達了樣本具有某些特征的程度。 隸屬函數(shù)(x)在0,1之間取值，(x)值越大，說明樣本具有該特征的程度越高，樣本特征的隸屬函數(shù)的設(shè)計主要依賴于人工判別。,權(quán)重的確定是普遍性的難題！,在樣本分類中，如何確定權(quán)重是一個既關(guān)鍵又無規(guī)范可循的問題，而權(quán)重值的大小對結(jié)果的影響又舉足輕重。 經(jīng)常使用的確立權(quán)重的方法有：直接經(jīng)驗法、專家咨詢法、排序法、環(huán)比法、優(yōu)序圖法、逐步調(diào)整法和層次分析法等。,3、聚類分析方法,聚類分析又被稱為無監(jiān)督分類（Unsupervised

8、 Classification）。,1）遞階聚類法（Hierarchcal Clustering Methods）,這是目前國內(nèi)外使用較多的一類聚類方法，其基本思想是：首先計算各零件問題的距離函數(shù)或相似系數(shù)，然后根據(jù)距離大小或相似程度遞階歸類，直到所有零件歸為一類。 因此可以根據(jù)零件相似水平或零件組數(shù)要求得到不同的聚類結(jié)果。遞階聚類法的聚類過程可以采用聚類圖（或稱為譜圖）表示。 距離函數(shù)的定義有好多種，相似系數(shù)的定義更多。距離函數(shù)法中的類與類之間的遞推計算式常用的有8種，相似系數(shù)法也同樣有8種計算式（可參考數(shù)理統(tǒng)計中的多元統(tǒng)計分析方面的內(nèi)容）。 圖論法采用生成樹法形成聚類，由不同的距離或相似系

9、數(shù)計算式可得到不同的生成樹。,遞階聚類法的各種算法的結(jié)構(gòu),,,聚類圖(譜圖),(1) 距離函數(shù)法,將每個零件樣本的特征編碼看成是m維距離空間的一個點。用d ij表示第i個樣本與第j個樣本之間的距離。常用的距離有明考斯基(Minkowski)距離: (2.6) 當q=1為絕對值距離,q=2為歐氏距離;當q趨于無窮大時,為切比雪夫距離。 (2.7) 當0(零件特征滿足這一條件), 有時用蘭氏距離: (2.8) 類與類之間的距離計算法常用的有八種方法,有關(guān)這八種方法的優(yōu)劣有一些

10、評論,理論并未徹底解決。已有人采用歐氏距離作為零件特征編碼的距離函數(shù)，按最長距離法和離差平方和進行聚類。還有人采用絕對值距離進行多目標聚類。,,,,(2) 相似系數(shù)法,可以證明樣本i與j的相似系數(shù) 與距離 有如下關(guān)系: =exp(- ) (2.9) 因此基于相似系數(shù)的系統(tǒng)聚類法與基于距離函數(shù)的系統(tǒng)聚類法的實質(zhì)是相同的。 樣本間的相似系數(shù)計算方法有數(shù)量積法、夾角余弦法、相關(guān)系數(shù)法、最大最小法、算術(shù)平均最小法、幾何平均最小法、絕對值減數(shù)法等。 生產(chǎn)流程分析(PFA) 中主要利用的數(shù)據(jù)是零件機床關(guān)聯(lián)矩陣, 矩陣元素為0或1, 因此相似系數(shù)法在PFA 中經(jīng)常用到,如考慮各零件加工

11、批量的機床相似系數(shù),考慮加工順序的零件平均相似系數(shù), 零件工藝相似系數(shù),共同得分法的機床相似系數(shù),最小變換數(shù)法等。 類相似系數(shù)的計算式與類間距離計算式基本相同，因此聚類過程也相同。在零件分類中常用方法是單鏈聚類法(SLCA)、全鏈聚類法(CLCA)和平均鏈聚類法(ALCA)。,,,SLCA的關(guān)于機床i和j的相似性系數(shù)計算式為： (2.10),,,計算 如下 圖2-9 相似性系統(tǒng)樹,=,S,13,=,3/3 = 1,S,24,=,2/4 = 0.5,,,機床,1 2 3 4,,相似性,100,50,0,,,,,,,在使用遞階聚類法時應注意如下問題:,(1)距離函數(shù)法對零件

12、分類編碼系統(tǒng)的要求 (2)距離函數(shù)法中的各特征權(quán)重的考慮 (3)距離函數(shù)法和相似系數(shù)法的不同應用背景 (4)遞階聚類法的最大的特點,(1)距離函數(shù)法對零件分類編碼系統(tǒng)的要求,距離函數(shù)法要求零件特征描述空間是一距離空間?，F(xiàn)在的絕大多數(shù)編碼系統(tǒng)所得到的零件編碼（長度為m）不能直接構(gòu)成m維距離空間。因為這些編碼系統(tǒng)對零件結(jié)構(gòu)形狀等非數(shù)值特征值的數(shù)值化大多是人為的，其距離是沒有實際意義的。 解決的辦法是： 根據(jù)完全匹配的程度進行聚類。 “距離”定義為非數(shù)值的特征編碼值不匹配的碼位個數(shù)，即Hamming距離。 這種方法使編碼中的許多信息無法利用，只可用于粗分類。 把每一個非數(shù)值特征作為距離空間的一個坐標

13、。 這一方法可能是最有意義的。,,,光滑圓柱體,單向臺階,雙向臺階,有盲孔,有通孔,有圓錐面,有鍵槽,有齒形,基本形狀,最大外徑,0,10,50,100,200,500,1000,2000,5000,,,,,,,零件1,零件2,零件3,零件4,誰的距離大？,(2)距離函數(shù)法中的各特征權(quán)重的考慮,零件各特征在不同的分類應用中的作用影響是不同的。因此應在距離計算中給予各特征以不同的權(quán)重，這是距離函數(shù)法實際應用中的關(guān)鍵。 不同的權(quán)重往往導致很不相同的分類結(jié)果。 權(quán)重的選擇方法有：通過調(diào)查和試驗得出；通過訓練樣本學習得到。 前者與特征選擇有關(guān)，后者實際上是一個模式分類器設(shè)計問題。,(3)距離函數(shù)法和相

14、似系數(shù)法的不同應用背景,距離函數(shù)法大多用于編碼分類法中。 相似系數(shù)法大多用于生產(chǎn)流程分析法中。 相似系數(shù)一般采用歸一化處理，結(jié)果比較直觀。,(4)遞階聚類法的最大的特點,遞階聚類法的最大的特點是給出聚類圖。便于全面了解樣本聚類, 以便根據(jù)實際需要選擇某閾值,確定樣本的一種分類。,,,,,,,,機床,1 2 3 4,,相似性,100,50,0,,,,,,,2）動態(tài)聚類法,開始將幾個零件樣本粗糙地分成若干類,然后用某種最優(yōu)準則進行調(diào)整,直至不能調(diào)整為止。這是一種啟發(fā)式算法。 動態(tài)聚類法的基本原理,樣本分類,動態(tài)聚類法的分類,k均值算法 ISODATA算法(迭代自組織數(shù)據(jù)分析算法(Iterative

15、 Self-Organizing Data Analysis Techniques A) 修正的ISODATA算法 動態(tài)最優(yōu)聚類搜索技術(shù)(DYNOC) 多點中心動態(tài)聚類法 模糊動態(tài)聚類法 按近鄰規(guī)則的試探法 最大距離算法 模擬退火法(Simulated Annealing) 多目標的啟發(fā)式算法(Heuristic Analysis),(1) k均值算法,這一算法是計算聚類集中每一個模式樣本點到聚類中心的距離平方之和,并使該性能指標最小。 其結(jié)果受選定的聚類數(shù)目、初始中心位置、零件樣本的讀入次序及其幾何分布等影響。 在實際應用時，需要試探不同的類別數(shù)k和選擇不同的聚類中心起始值。,,,,,X,2

16、,X,1,k均值算法示意圖,1,2,3,4,5,6,7,8,9,10,11,12,1,2,3,4,5,6,7,8,9,10,,,（2）將各個樣本按最小距離原則 分配給K個聚類中心中的某一個,（3）計算各聚類中心新的向量值,（1）任選擇K個聚類中心,（4）各聚類中心新的向量值與過去的值不同， 轉(zhuǎn)（2），否則算法收斂，結(jié)束,(2) ISODATA算法(迭代自組織數(shù)據(jù)分析算法(Iterative Self-Organizing Data Analysis Techniques A),該算法與k均值算法有相似之處,即聚類中心同樣由樣本均值的迭代運算所決定。但ISODATA算法還加入了一些試探步驟,并且

17、組合成交互作用的結(jié)構(gòu),以便利用中間結(jié)果取得數(shù)據(jù)和經(jīng)驗。 該算法對一些聚類參數(shù)，諸如希望的聚類數(shù)、一個聚類中的樣本分布的最小標準差、聚類中心間的最小距離等，必須事先規(guī)定。這些參數(shù)設(shè)置是否適當對計算結(jié)果影響甚大。 因此在規(guī)定這些參數(shù)之前往往需對樣本數(shù)據(jù)進行分析研究。這在數(shù)據(jù)量較大，特別是在高維情況下，要很快地得到合理的參數(shù)設(shè)置并不容易，只能通過多次試驗。,該算法在迭代過程中引入產(chǎn)生和消除某些類別的方法，可將兩類合并成一類，也可將一類分成兩類。 在每一次迭代時，首先在不改變類別數(shù)目的前提下來改變分類，然后將樣本平均矢量之差小于預定閾值的類別對合并起來，或根據(jù)樣本協(xié)方差矩陣來決定其分裂與否。 一次次的

18、迭代，并不斷地進行分裂與合并，這種算法體現(xiàn)了人機交互和啟發(fā)式的特點。,(3)修正的ISODATA算法,對ISODATA算法修正的要點是,在各種可能選擇的聚類中,使值最小的聚類數(shù)k便是最適當?shù)木垲悺? 這里Di,i和Dj,j表示聚類i和j的離散度, Di,j是兩個聚類i和j之間的距離。,,,(4)動態(tài)最優(yōu)聚類搜索技術(shù)(DYNOC),對k均值算法和ISODATA算法的修正要點是引入一個性能準則函數(shù) 以決定最佳聚類,當(k)為最大值時,則此時所對應的聚類數(shù)k是最佳的。,,(5)多點中心動態(tài)聚類法,該算法的特點是將聚類中心用幾個點代表。 這樣可對某些較特殊的樣本分布（如狹長的聚

19、類分布）也可作出正確的聚類。 如果只用一個樣本為中心，聚類分析時往往總是把其分布看成是超球體的。,(6)模糊動態(tài)聚類法,采用的最優(yōu)準則是使目標函數(shù) 最小,其中 為模式對于第i類的隸屬函數(shù), 0,1,L為一聚類參數(shù),0L。,,,,,,(7)按近鄰規(guī)則的試探法,給定待分類的模式X1,X2,,Xn 。要求按距離閾值把這些模式分到聚類中心。當Xi與已知聚類中心的距離大于時則設(shè)Xi為新的聚類中心。試探開始時，可取任意樣本Xi為一個聚類中心的初始值。 該方法的聚類結(jié)果在很大程度上取決于下述因素：第一個聚類中心的選擇、待分類模式樣本的排列順序、距離閾值的大小和樣本分布的幾何性質(zhì)等。 優(yōu)點

20、是計算簡單，可用不同的起始點和閾值來試探，若所得結(jié)果不滿意就重選閾值和不同起始點重新計算。如果所選的能較好地分開各個類別，則也能獲得滿意的聚類結(jié)果。,,(8)最大距離算法,這也是一種簡易試探法, 與上述方法的主要區(qū)別是以到聚類中心的距離最大作為選擇另一個聚類中心的依據(jù)。,(9)模擬退火法(Simulated Annealing),模擬退火法在統(tǒng)計力學中的熱平衡過程與組合優(yōu)化問題之間建立了十分有用的聯(lián)系,用計算機通過Metropolis抽樣,模擬高溫物質(zhì)的退火過程,進行組合優(yōu)化問題求解,可有效地獲得全局最優(yōu)解。 聚類分析也是一種組合優(yōu)化問題，將模擬退火法引入聚類分析，可得到一類新的聚類分析算法。

21、,方法簡介,設(shè)S=S1,S2,,Sn為所有可能的組態(tài)(Configuration)構(gòu)成的集合。模擬退火法是在大量的可能解中，找到具有最小目標函數(shù)的問題的解。其一般情況是： 確定初始組態(tài)S和溫度T；重復循環(huán)下列操作m次： (1)首先由組態(tài)S產(chǎn)生其相鄰組態(tài)S，接收概率（即組態(tài)S下改變系統(tǒng)狀態(tài)的概率）為 A=1/（1+e-/T)。 (2)在S的附近隨機地選擇組態(tài)S ：使 =F（S ）F（S） ， IF （下山移動），使 S=S ； 否則 （上山移動）以概率e-/T 選擇S=S，降低溫度， 直到一個結(jié)束條件為真。返回S。,,上山移動，以概率e-/T 選擇S=S,,,,,,e

22、-/T,1,0,S,S,,S,,采用模擬退火法時，建模要考慮的問題：,組態(tài)：問題的解； 移動：解的一個變化； 近鄰組態(tài)：移動的結(jié)果； 目標函數(shù)； 冷卻計劃(Cooling Schedule)：確定何時應降低溫度？溫度應降低多少？退火過程何時應結(jié)束？,3.應用舉例：,零件j和機床i的組合匹配系數(shù)為 (2.13) (j=1,2,,...,n)為零件j的模糊子集； 為機床的模糊子集；k為特征k的權(quán)重； 為機床i和零件j的匹配程度；n=零件數(shù)；P =特征數(shù)，特征有：成本，加工時間，技術(shù)要求，精度，準備時間；m= 機床數(shù)量。正則化 ，（i=1,2,3,...

23、,m)(2.14） 這里 。,,,,,,,,,對0-1機床零件矩陣，目標是將非空元素組合在對角小塊上。因此用于形成機床組和零件族的模擬退火程序是： (1)組態(tài) 問題的一個組態(tài)是矩陣中行和列的任何置換（Permutation）； (2)移動 一個移動是交換機床一零件矩陣中的兩行或兩列； (3)近鄰組態(tài) 一個給定矩陣的一步移動后的新的行或列的置換；,,,,,(4)冷卻計劃 起始溫度應高得足以在到達最后一個組態(tài)前能到達大量的組態(tài)。以便不落入局部最優(yōu)解。但也不能太高，變成純隨機搜索，浪費機時。 降低溫度的計劃應該這樣設(shè)計：當溫度較高時，希望能快速降溫，以節(jié)省計算時間；當溫度接近終點溫度時應慢慢地

24、降低溫度，以接近全局最優(yōu)點。 模擬退火終止于下面的任一條件：溫度到達冰點，很小的T；在最后n次溫度水平上沒有顯著的變化；在目標已經(jīng)被評價N次后。 (5)目標函數(shù)（模型） 這里有兩個模型：,模型一,該模型是要將盡可能多的非零件元素沿矩陣對角線集中在一起，為： (2.15） 是機床零件矩陣的元素。(2.15）式表示矩陣元素距離矩陣對角線的總的距離。為了重排行和列，以便非零元素盡可能靠近對角線，應對(2.15）式最小化。 (2.16) 當m=n，對角元素為. 對于矩形矩陣，m n。定義對角線元素為 ，(2.16)式即為 (2.17) 這里 I1ij = I

25、2ij=,,,,,,,,,,模型二,其思想來源于 鍵能算法： i=1 j=1 (2.18) 這里 a 0,j=a m+1,j=0 (j=0,1,2,...,n) a i,0=a i,n+1=0 (i=0,1,...,m) 當越來越多的非零元素集中在一時，(2.18）式越來越大，因此，在模擬退火法中，可將(2.19）式改為 min (2.19),4. 模式分類器設(shè)計,模式分類器的設(shè)計可分為有監(jiān)督學習和無監(jiān)督學習兩種。 前者的方法來源主要是模式識別理論和成組技術(shù)，后者主要來源于人工神經(jīng)網(wǎng)絡技術(shù)。,1）感知機(Perceptrons)結(jié)構(gòu)及設(shè)計,感知機是采用線性判別函數(shù)

26、在特征空間內(nèi)對模式進行分類,感知機設(shè)計是確定線性判別函數(shù)的權(quán)集。其算法有梯度法、部分校正算法和最小平方誤差(LSME)法等。其結(jié)構(gòu)如圖 (左)。,,,,,,,,,,...,,,,,,,,,,,,,,,,,,,,,,,1,2,m,零件特征,零件族,1,2,k,感知機結(jié)構(gòu),感知機的基本算法,設(shè)模式特征數(shù)為m，有k個模式類別G1,G2,,Gk。 若在學習過程的第t次迭代時，一個屬于 類的模式樣本X送入機器，先計算出k個判別函數(shù) ,j=1,2,,k; i=1,2,...,m 的結(jié)果， 若 , j=1,2,,k; jp 的條件成立，則權(quán)向量不變，即 , j=1,2,,k;

27、 i=1,2,,m 然而，對于某個類別l，若 ，則權(quán)系數(shù)調(diào)整如下：,,,,,,,j=1,2,,k; jp, jl 其中C為一正常數(shù)，權(quán)向量 的初始值可視情況任選，若模式類別是線性可分的，此迭代算法的收斂。,,,,,2) 半線性前饋網(wǎng)絡學習算法,這是一種能從樣本集中有效地學習判別函數(shù)的系統(tǒng),網(wǎng)絡由分為不同層次的節(jié)點組成, 每一層的節(jié)點輸出送到下一層節(jié)點。這些輸出值由于連接權(quán)值不同而被放大、衰減或抑制。除了輸入層外，每一節(jié)點的輸入為前一層所有節(jié)點輸出值的加權(quán)和。每一節(jié)點的激勵輸出由節(jié)點輸入、激勵函數(shù)及偏置量決定。 在經(jīng)過上述神經(jīng)網(wǎng)絡學習后所實現(xiàn)的映射，將形成一種用于計算點間距離的新的距離

28、度量。這種距離不再是原來的歐氏距離等，而是基于輸出空間中相似性的距離，即將空間中的模式點按照它們的屬類標號或按照它們所具有的特征值重新排列，因此這類神經(jīng)網(wǎng)絡可以進行一些非線性分類，一般采用具有三層結(jié)構(gòu)的網(wǎng)絡可以滿足需要。,3) 矩陣聯(lián)想存儲器,聯(lián)想存儲器是同時具有模式識別和自動聯(lián)想檢索功能兩種功能的神經(jīng)網(wǎng)絡。 給定一組聯(lián)想模式對（xk,yk),xk為m維輸入向量,yk為n維輸出向量,向量乘積 為矩陣,并可被看作一種聯(lián)想存儲器。雙向聯(lián)想存儲器(Bidirectional Associative Memory) 是它的一種,能存儲任意雙極值(-1或1)或者二值(0或1)模式對(xk,yk)。網(wǎng)

29、絡由Hebb規(guī)則在線學習，按離散時間方式運行。,,聯(lián)想記憶（Associate Memory）是一類神經(jīng)元網(wǎng)絡系統(tǒng)，具有信息存儲和信息聯(lián)想的特點。 一個聯(lián)想存儲器應具有以下能力： 能存儲許多“聯(lián)想模式對”（即激勵模式與響應模式對）； 能通過自組織過程實現(xiàn)存儲； 存儲信息具有分布性，魯棒性； 在接受到激勵模式時，能生成并輸出適當?shù)捻憫Ｊ剑?能與其它存儲器連接。 如圖所示的聯(lián)想存儲器具有分布式體系結(jié)構(gòu)，具有以上全部性質(zhì)。,激勵模式 聯(lián)想輸出 圖 聯(lián)想存儲器,,,全息存儲器(Holographic Memory),全息存儲器在聯(lián)想存儲器的基礎(chǔ)上，在輸入輸出對之間增加一個中間環(huán)節(jié)一組正

30、交正數(shù)集合，該中間環(huán)節(jié)可以用來作為一種濾波器以消除交叉干擾。,4) 句法模式分類器,句法模式識別是基于形式語言理論, 故有時也稱作語言識別或結(jié)構(gòu)模式識別。與統(tǒng)計模式識別不同，句法模式認別明顯地利用了模式的結(jié)構(gòu)特點。它是把模式的結(jié)構(gòu)和語言的句法兩者之間的相似性加以引伸而構(gòu)成的。存在可識別的“結(jié)構(gòu)”是成功地進行句法模式識別的基本要求。零件結(jié)構(gòu)形狀特征以及工藝特征之間存在一定的關(guān)系，存在可識別的“結(jié)構(gòu)”，因此可以采用句法模式識別方法進行零件的成組分析。但是至今涉及設(shè)計一個句法模式識別系統(tǒng)有關(guān)的一些主要問題仍只是部分地獲得解決。例如句法識別系統(tǒng)尚沒有一般的學習或訓練算法。,5）具有自組織性的人工神經(jīng)網(wǎng)

31、絡,具有自組織性的人工神經(jīng)網(wǎng)絡學習算法是一些將聚類分析和模式分類器設(shè)計結(jié)合在一起的學習算法。 這些是目前正在發(fā)展中的學習算法。所謂自組織性，即無監(jiān)督的學習。,（1）自組織網(wǎng)絡學習算法,T.Kohnon的自組織特征映射人工神經(jīng)網(wǎng)絡是一個簡單的雙層網(wǎng)絡。每個輸入節(jié)點與所有輸出節(jié)點通過權(quán)重W相聯(lián)系，實現(xiàn)對輸入數(shù)據(jù)的非線性降維映射。 其網(wǎng)絡權(quán)的學習算法的關(guān)鍵是，選擇與新樣本距離最近的輸出節(jié)點P，僅對該樣本的各特征輸入節(jié)點到輸出節(jié)點P的網(wǎng)絡權(quán)進行調(diào)整，對其它節(jié)點的網(wǎng)絡權(quán)不進行調(diào)整。,（2）模糊神經(jīng)網(wǎng)絡的學習算法,模糊神經(jīng)網(wǎng)絡采用與自組織網(wǎng)絡相同的結(jié)構(gòu),但采用“并行”學習方式，一次輸入所有的訓練樣本點，確

32、定每個樣本點對每個子集的隸屬程度，網(wǎng)絡權(quán)的調(diào)整綜合考慮了所有樣本的特征信息。 一改自組織神經(jīng)網(wǎng)絡對模式的“硬”劃分為“軟”劃分，避免了一次性劃分帶來的分類不當以及網(wǎng)絡振蕩問題，同時，由于取消了增益函數(shù)值(t)，從而簡化了學習過程，減少了人為的影響，增加了劃分的合理性。,自組織網(wǎng)絡算法是每輸入一個模式，學習一次，即權(quán)系數(shù)立刻更新一次；而模糊神經(jīng)網(wǎng)絡算法是在輸入所有的模式后計算每個模式對各個子集的隸屬程度，在綜合考慮所有模式的特征信息后，調(diào)整網(wǎng)絡權(quán)，即一輪學習只更新一次系數(shù)，因此，學習過程亦大大縮短。 當然由此也付出一些代價，即需存儲每一個模式對各子集的隸屬度信息，因此占用計算機內(nèi)存空間大于自組織

33、網(wǎng)絡法，特別適用于訓練模式不是很多的情況。,第一節(jié) 系統(tǒng)空間優(yōu)化理論,2.1.1 系統(tǒng)論：系統(tǒng)集成優(yōu)化的理論基礎(chǔ) 2.1.2 分形幾何理論：分形企業(yè)的理論基礎(chǔ) 2.1.3 模式識別理論：現(xiàn)代工業(yè)系統(tǒng)有序化的理論基礎(chǔ) 2.1.4 相似論：成組技術(shù)的理論基礎(chǔ) 2.1.5 層次分析法：工業(yè)系統(tǒng)方案設(shè)計和優(yōu)化的理論基礎(chǔ) 2.1.6 仿生學：現(xiàn)代工業(yè)系統(tǒng)理論創(chuàng)新的重要源泉,2.1.4 相似論成組技術(shù)的理論基礎(chǔ) 1、相似理論,相似理論最主要的理論是相似性原理。所謂相似性是指在性質(zhì)完全不同的系統(tǒng)中，相同的結(jié)構(gòu)可以帶來相同的或相似的功能的系統(tǒng)原理。 相似性原理事實上是類比法方法、模型方法、成組技術(shù)、仿生學方法

34、以至數(shù)學方法等多種科學技術(shù)方法的理論基礎(chǔ)。,,相似性原理認為：既然結(jié)構(gòu)決定功能，那么，對于具有不同子系統(tǒng)的那些系統(tǒng)，如果它們具有相同的結(jié)構(gòu)，則其功能就會相同。 例如，負反饋結(jié)構(gòu)會使系統(tǒng)產(chǎn)生自穩(wěn)定、自調(diào)節(jié)的功能。這一機理最初是從生物生理學中發(fā)現(xiàn)的，后來被移植到機電系統(tǒng)中，就出現(xiàn)了許多自動化的機械系統(tǒng)，現(xiàn)在這一機制又被運用于對管理的研究。 現(xiàn)代管理學運用反饋結(jié)構(gòu)形成更多的適應不同問題的自動調(diào)節(jié)機制。比如我國稅收制度改革中實行的增值稅和分稅制，都是用相互作用和反饋結(jié)構(gòu)把產(chǎn)業(yè)納稅者的各個環(huán)節(jié)，國家和地方之間的關(guān)系有機地結(jié)合起來。,生活中存在大量的可重新組合和重復使用的單元，利用這些單元，可以幫助提高工

35、作效率。 例如，美國航空公司的SABRE系統(tǒng)、摩托羅拉的傳呼機、美國電話電報公司的手提電話、人類基因組計劃和因特網(wǎng)成功的原因在于，它們很早就將數(shù)據(jù)定義并分解成最小的可重復單元，并創(chuàng)造了數(shù)據(jù)庫規(guī)則和界面，于是產(chǎn)生了無數(shù)的用戶組合變化、實驗種類和生產(chǎn)方式。 相似論雖不是萬能的，但它揭示了許多事物的本質(zhì)與規(guī)律，它是探索、追溯過去和未來的一把重要的鑰匙。,2、成組技術(shù),成組技術(shù)產(chǎn)生于20世紀50年代。成組技術(shù)是一種系統(tǒng)生產(chǎn)技術(shù)，通過識別并利用產(chǎn)品和制造過程中的相似信息，以達到降低產(chǎn)品成本，縮短生產(chǎn)周期和提高產(chǎn)品質(zhì)量的目的。 成組技術(shù)是建立在相似性理論基礎(chǔ)上的。生活中存在大量的相似的事物，成組哲理認為：

36、按事物的相似性分類成組處理問題可以提高效益。 而成組技術(shù)則是基于現(xiàn)代科技基礎(chǔ)，將成組哲理深入、有效地應用于機械制造業(yè)。,成組技術(shù)的基本概念可以表達為：將企業(yè)生產(chǎn)的多種產(chǎn)品、部件和工件，按照一定的相似性準則分類成組，并以這些組為基礎(chǔ)組織生產(chǎn)的各個環(huán)節(jié)，從而實現(xiàn)多品種、單件小批量生產(chǎn)全過程的合理化和科學化。 其實質(zhì)是綜合利用現(xiàn)代科技理論和技術(shù)手段，充分發(fā)現(xiàn)、標識和利用機械制造過程中的相似性，以改變傳統(tǒng)多品種生產(chǎn)的落后面貌，實現(xiàn)生產(chǎn)全過程的優(yōu)化。 成組技術(shù)包括成組設(shè)計、成組工藝、成組夾具和成組加工等。,不同的工業(yè)系統(tǒng)中存在大量的相似的信息和活動。可以基于相似論和成組技術(shù)，對這些相似的信息和活動進行歸

37、類統(tǒng)一處理，如：標準化和模塊化，建立不同層次的典型應用系統(tǒng)、產(chǎn)品模塊等。 在為用戶建立個性化的工業(yè)系統(tǒng)時，就可以方便地對典型應用系統(tǒng)進行參數(shù)化再設(shè)計，從而降低定制系統(tǒng)的成本，提高質(zhì)量。,不同的企業(yè)和行業(yè)中存在不同程度的相似性,,識別和利用相似工業(yè)系統(tǒng)中的相似性，提高系統(tǒng)的優(yōu)化效率,,3、類比法,類比是指涉及事物相似性關(guān)系的思維過程，是指從兩個或兩類事物之間的相關(guān)關(guān)系出發(fā)，根據(jù)對其中一方的特征和規(guī)律的認識來猜測另一方的特征和規(guī)律。 類比還包括隱喻和比擬等。 隱喻也是形成新概念的一種重要途徑。現(xiàn)代認知心理學的研究表明，人們認識新事物的過程本質(zhì)是一種“同化”過程，也就是把新的事物納入原有的概念框架之

38、中加以消化和理解的過程。 隱喻的認識論價值主要在于，它可以把抽象思維的認識成果凝結(jié)為多少有些直觀的概念。,,客觀世界是一個矛盾的統(tǒng)一體。一方面，大自然中，花鳥蟲魚，風雨雷電等無窮無盡的實體和千變?nèi)f化的現(xiàn)象，構(gòu)成了一個色彩紛呈的萬花筒； 另一方面，在一個事物與其它事物，一個類與另一個類，一個領(lǐng)域與另一個領(lǐng)域之間，卻存在著一定的共性。如生物界的物種進化同人類文明的進化途徑有很多相似之處。,類比的特征,（1）條件最少：任何兩個系統(tǒng)之間的任何一點相似都可以成為類比推理的理由。而且，幾乎可以說，兩個類比物之間的共同點越少，彼此間的聯(lián)系越遙遠，類比的結(jié)論也就越具有突破性和獨創(chuàng)性。 （2）或然性：即，它的真

39、實前提不能保證結(jié)論真實。也就是說類比推理的有效性絕不是無條件的。 （3）通過類比，常常能使我們跳過已知和未知之間的鴻溝。,第一節(jié) 系統(tǒng)空間優(yōu)化理論,2.1.1 系統(tǒng)論：系統(tǒng)集成優(yōu)化的理論基礎(chǔ) 2.1.2 分形幾何理論：分形企業(yè)的理論基礎(chǔ) 2.1.3 模式識別理論：現(xiàn)代工業(yè)系統(tǒng)有序化的理論基礎(chǔ) 2.1.4 相似論：成組技術(shù)的理論基礎(chǔ) 2.1.5 層次分析法：工業(yè)系統(tǒng)方案設(shè)計和優(yōu)化的理論基礎(chǔ) 2.1.6 仿生學：現(xiàn)代工業(yè)系統(tǒng)理論創(chuàng)新的重要源泉,2.1.5 層次分析法：工業(yè)系統(tǒng)方案設(shè)計和優(yōu)化的理論基礎(chǔ),工業(yè)系統(tǒng)優(yōu)化和控制中的許多問題在某種意義下都可以歸結(jié)為決策問題。層次分析法（AHP，The Ana

40、lytic Hierarchy Process）本質(zhì)上是一種決策思維方式，它把復雜的問題分解為各組成因素，將這些因素按支配關(guān)系分組以形成有序的遞階層次結(jié)構(gòu)，通過兩兩比較判斷的方式確定每一層次中因素的相對重要性，然后在遞階層次結(jié)構(gòu)內(nèi)進行合成以得到?jīng)Q策因素的相對于目標的重要性的總順序。,2.1.5 層次分析法：工業(yè)系統(tǒng)方案設(shè)計和優(yōu)化的理論基礎(chǔ),層次分析法體現(xiàn)了人們決策思維的基本特征：分解、判斷、綜合。 但其局限性是：每一層次中各要素的相對重要性的選擇有較大的主觀性；只能從已知方案和因素中優(yōu)選。 層次分析法的應用案例有供應鏈管理（SCM）中對供應商的評價、客戶關(guān)系管理（CRM）中對重要客戶的識別、作

41、業(yè)排序中對控制參數(shù)的選擇等。,一個典型的層次結(jié)構(gòu)模型,遞階層次結(jié)構(gòu)示意圖,層次分析法的基本方法,層次分析法采用一致性檢驗來保證判斷的一致性和結(jié)果的可靠。一致性檢驗主要是利用最大特征根來判別的。因為矩陣最大特征根與判斷一致性有內(nèi)在的聯(lián)系。,,判斷一致性，是指判斷矩陣具備完全一致性，即判斷矩陣A 的元素應滿足如下條件: (i,j,k1,2,...n) 根據(jù)矩陣理論，這時判斷矩陣具有唯一非零的、也是最大的特征根n，其余的特征根均為零。,,1.建模,首先分析層次分析法要解決的問題、問題的范圍、問題所包含的要素及要素間的相互關(guān)系。然后將問題（任務）所包含的各方面的內(nèi)容（要素）分組

42、，按其概括性和從屬性分成不同的層次。如最高層、中間層、最低層，也有分為四層的。 最高層又稱目標層，是層次分析法所要解決的問題。 中間層又稱準則層、指標層，是由實現(xiàn)目標所必須考慮的幾個準則 和每個準則所包含的具體指標組成。對于不同的具體任務應有不同的準則和指標。 最低層是由待排序的各類事物組成，如要比較的方案、待評比的成果、待優(yōu)選的課題等。,,工業(yè)系統(tǒng)優(yōu)化的層次模型 上下層之間有聯(lián)系的要素間應用連線標明。,,問題層,目標層,相關(guān)因素層,2.組成判斷矩陣,參與層次分析人員應是對研究對象富有經(jīng)驗并有判斷能力的專家，它們應能對每一層次中各要素的相對重要性作出判斷。合理構(gòu)成判斷矩陣是層次分析法的關(guān)鍵。假

43、定層次中要素 與下一層次 ， ， ， 諸要素有聯(lián)系， 判斷矩陣應有如下形式：,,,,,b11 b12 b1n,,,B1 B2 Bn,B1,B2,Bn,,b21 b22 b2n,bn1 bn2 bnn,其中bij表示對Ai而言, Bi對Bj的相對重要性的數(shù)值。bjibij。Saaty比較了27 種量化方法后證明,用數(shù)值19及其倒數(shù)來量化相對重要性是好方法。其含義分別為： “”表示Bi與Bj相比,具有同樣的重要性; “”表示Bi比Bj稍微重要; “”表示Bi比Bj明顯重要; “”表示Bi比Bj非常重要; “”表示Bi比Bj極端重要。 “”、“”、“”、“”四個數(shù)表示上述兩相鄰判斷的中值。,3.層次

44、單排序,根據(jù)判斷矩陣，計算對上一層次某要素而言的本層次內(nèi)與之有聯(lián)系的要素的重要性權(quán)值。其內(nèi)容主要是計算判斷矩陣A（對層次A而言）的最大特征根及其對應的特征向量問題，即計算滿足 AW= W 的最大特征根 及其對應的特征向量。向量W的各分量即相應元素單排序的相對重要性權(quán)值。這項計算工作是層次計算法的關(guān)鍵問題。由于判斷矩陣本身含有相當誤差，而層次排序在本質(zhì)上只是表達某種定性概念，沒有必要追求高的計算精度。下面介紹的近似算法方根法，可保證足夠精度來進行層次分析。,,,,方根法的計算步驟: a.計算判斷矩陣每一行諸元素的乘積Mi , (i,j1,2,, n) b.

45、計算Mi的n次方根: c.對向量 進行規(guī)范化: 所求的特征向量即為 d.計算判斷矩陣的最大特征根 式中(AW)i表示向量AW的第i個元素。,4.一致性檢驗,為檢驗判斷矩陣的一致性，須計算它的一致性指標： CI( n)(n-1) 如屬完全一致性,則CI0;如屬滿意一致性,則要求隨機一致性比率 CRCI/RI0.10 否則應重新修正判斷矩陣,直至獲得滿意一致性為止。式中的RI為同階的平均隨機一致性指標,其值依階數(shù)而定。因為矩陣階數(shù)越大，完全一致性越難達到，為測量不同階的判斷矩陣的一致性，再給出平均隨機一致性指標RI,

46、RI值可以通過查表得到。 階數(shù) 1 2 3 4 5 6 7 8 9 RI 0.00 0.00 0.58 0.90 2.1.12 2.1.24 2.1.32 2.1.41 2.1.45 平均隨機一致性指標RI,,,雖然以上利用同層因素間兩兩比較而計算得到其相對重要程度(權(quán)重系數(shù))的方法通用性很強，但是在多個決策者對同一因素集的判斷時，權(quán)重系數(shù)可能因不同決策者而異，比如對第k個決策者構(gòu)成他對權(quán)重系數(shù)的判斷，記為W(k)，這時，又構(gòu)成了多個決策者判斷的集結(jié)問題，這都增加了確定和使用權(quán)重系數(shù)的復雜性。,5、層次總排序,當求得同一層次中所有各要素的層次單排序結(jié)果后，即可計算對上一層

47、次而言的本層次所有要素重要性的權(quán)值，這就是層次總排序。它應從上到下逐層依次進行。對于最高層，由于只有一個目標要素，其層次單排序即總排序。,6、對排序結(jié)果作出系統(tǒng)分析,層次分析結(jié)果應是綜合科學資料數(shù)據(jù)、專家意見和分析者的認識，并對系統(tǒng)中各種因素的影響強度給出量化分析，分析者應對結(jié)果的合理性和實際意義進行檢查和分析，然后為決策者提供決策方案。,復雜機械結(jié)構(gòu)設(shè)計評估的層次分析模型,在8個因素中，功能特性的權(quán)重為34.23%，說明發(fā)動機外部附件及管路系統(tǒng)的結(jié)構(gòu)設(shè)計中，首先要保障各附件間的功能性連接關(guān)系，并且布局要合理，滿足各零件間的間隙等要求。其次是可制造性和可裝配性，它們分別占25.21%和18.7

48、4%。對于管路來說，導管的彎曲半徑最小不得大于2倍的管徑，否則導管在加工時將產(chǎn)生裂紋甚至折斷。其它5項因素只占21.82%，是設(shè)計人員容易忽略的因素。,目標層與準則層 的AC判斷矩陣,W=0.3423, 0.2521, 0.1874, 0.0787, 0.0383, 0.0199, 0.0521, 0.0292 T,求出最大特征值max=8.9093，其所對應的歸一化特征向量為,管理目標、CSF、與關(guān)鍵企業(yè)過程之間的關(guān)系,第一節(jié) 系統(tǒng)空間優(yōu)化理論,2.1.1 系統(tǒng)論：系統(tǒng)集成優(yōu)化的理論基礎(chǔ) 2.1.2 分形幾何理論：分形企業(yè)的理論基礎(chǔ) 2.1.3 模式識別理論：現(xiàn)代工業(yè)系統(tǒng)有序化的理論基礎(chǔ) 2

49、.1.4 相似論：成組技術(shù)的理論基礎(chǔ) 2.1.5 層次分析法：工業(yè)系統(tǒng)方案設(shè)計和優(yōu)化的理論基礎(chǔ) 2.1.6 仿生學：現(xiàn)代工業(yè)系統(tǒng)理論創(chuàng)新的重要源泉,2.1.6 仿生學：現(xiàn)代工業(yè)系統(tǒng)理論創(chuàng)新的重要源泉1、仿生學,仿生學是模仿生物的科學，即研究生物系統(tǒng)的結(jié)構(gòu)、物質(zhì)、功能、能量轉(zhuǎn)換、信息控制等特征為工程技術(shù)提供新的設(shè)計思想及工作原理的科學，其研究范圍主要包括：力學仿生、能量仿生、分子仿生和信息與控制仿生，形成了數(shù)學、物理學、化學、技術(shù)科學與生物學相融合的邊緣交叉學科。 一開始時人們將仿生學稱為“Bionics”，該詞由Bi（o）+（electr）onics組成。后來又稱之為“Biomimetics”

50、（模仿）和“Bio-inspired”（受生物啟發(fā)的）。 例如，起重機就是模擬鶴的動作而設(shè)計的。在英文里，起重機和鶴就是一個詞“crane”。仿生學的內(nèi)容包括對生物體機制的研究與探索以及仿生設(shè)計兩個方面。,生物系統(tǒng)通過幾十億年的進化，優(yōu)化了生命系統(tǒng)的結(jié)構(gòu)和功能。 可以說，現(xiàn)存的生物一般都是長期的生存競爭中在某些方面的優(yōu)勝者，具有高度的合理性和目的性，具體表現(xiàn)為生物系統(tǒng)結(jié)構(gòu)、功能及其控制機制的多樣性、復雜性、可靠性、適應性、精巧性、高效性和經(jīng)濟性等等，在許多方面都是現(xiàn)代高科技產(chǎn)品望塵莫及的。 例如，螳螂在1/20秒內(nèi)，便能計算出從它面前飛過的昆蟲的速度、距離和方向，這是現(xiàn)代火炮跟蹤系統(tǒng)所比不上的

51、。 在生命科學的基礎(chǔ)研究成果中選取富含對工程技術(shù)有啟發(fā)作用的內(nèi)容，同時將這些研究同工程技術(shù)及其它應用科學結(jié)合起來，改造現(xiàn)有的科學技術(shù)，建立新的科技模式，將是一件十分有意義的事情。,,經(jīng)過數(shù)十億年的進化和自然選擇，自然界的生物為人類的創(chuàng)新提供了天然的寶庫。 魚類等水生動物和有翼昆蟲等飛行動物經(jīng)歷了近億年的進化，為了攫取食餌、逃避敵害、生殖繁衍和集群活動等生存需要，發(fā)展了各具特色的在水中游動和空中飛行的非凡能力，其整體功能漸趨優(yōu)化，為當前的人造航行器和飛行器望塵莫及。 例如，昆蟲的物種多達1000萬種，平均體長35mm，帶翅可飛的占99%，其飛行性能更為高超，可懸停，并有驚人的機動能力。例如蒼蠅可

52、以在10-4秒的量級內(nèi)做180度轉(zhuǎn)向。,面對這個寶庫，10多年前，許多國家就已對仿生學做了精心、長期的計劃準備。 在美國，有一項長期研究計劃與仿生科技緊密相關(guān)。 在德國，其研究與技術(shù)部已就“21世紀的技術(shù)”為題在自適應電子技術(shù)、仿生材料、生物傳感器等方面投入相當大的人力和財力。 此外，英、日、俄等國都制訂了相應的中長期規(guī)劃，準備在仿生學研究領(lǐng)域展開源頭創(chuàng)新競爭。 10年后的今天，這些國家的仿生研究不僅成果頗豐，而且被迅速地轉(zhuǎn)化為相關(guān)產(chǎn)品，創(chuàng)造了巨大的經(jīng)濟效益。,仿生學的研究內(nèi)容,（1）信息（電子）仿生學：包括細胞內(nèi)和細胞間通信、感覺仿生、智能仿生、動物的腦和神經(jīng)系統(tǒng)仿生、信息的存儲和提取等，研

53、制多種人工神經(jīng)元電子模型和神經(jīng)網(wǎng)絡、高級智能機器人、電子蛙眼、鴿眼雷達系統(tǒng)以及模仿蒼蠅嗅覺系統(tǒng)的高靈敏小型氣體分析儀等； （2）控制仿生學：包括：體內(nèi)穩(wěn)態(tài)（反饋調(diào)控）、運動控制、動物的定向和導航、生態(tài)系統(tǒng)的漲落和人-機系統(tǒng)，研制蝙蝠和海豚的超聲波回聲定位系統(tǒng)、蜜蜂的“天然羅盤”、鳥類和海龜?shù)葎游锏男窍髮Ш?、地磁導航和重力場導航系統(tǒng)等；,仿生學的研究內(nèi)容,（3）化學仿生學：包括模仿光合作用、生物合成、生物發(fā)電、生物發(fā)光、選擇性膜和能量轉(zhuǎn)換等； （4）力學（機械）仿生學：模仿動物的走、跑、飛、游等運動，運用機械結(jié)構(gòu)和力學原理，研制昆蟲步行機等機械裝置，尋求車輛、艦船、飛行器的最佳設(shè)計原理； （5）

54、醫(yī)學仿生學：包括人工臟器的研制、生物醫(yī)學圖像識別以及醫(yī)學信號的分析處理等。此外，還在研究建筑仿生、農(nóng)業(yè)仿生等。,仿生學是從一個新的角度來看待生物的。它把生物體看作一個復雜的系統(tǒng)。這個系統(tǒng)與環(huán)境之間、系統(tǒng)內(nèi)各組成部分之間，都存在著緊密的聯(lián)系，不斷地進行著控制與調(diào)節(jié)過程。 仿生學側(cè)重于了解這些復雜過程的內(nèi)在關(guān)系，以及整個系統(tǒng)的行為和狀態(tài)，而不關(guān)心生物系統(tǒng)的具體物質(zhì)結(jié)構(gòu)和物質(zhì)成分。 仿生學的典范成就并非僅僅來自對自然的模仿，而是努力探究自然系統(tǒng)背后的原理與機制，然后對其加以具體應用的結(jié)果。事實上，單純復制生物組織會導致平庸、慘不忍睹的工程設(shè)計。 例如，懷特兄弟并不是簡單地模仿鳥的姿勢，而是考察了鳥在

55、沉浮和滑翔時翅膀的微妙狀態(tài)，然后將其移植到有著固定機翼的飛機上。,仿生學的基本原理,,,,,數(shù)學,生物,電烙鐵,仿生學符號,仿生學具有自己獨特的研究方法,首先，根據(jù)生產(chǎn)實際提出技術(shù)問題，選擇性地研究生物體的某些結(jié)構(gòu)的功能，簡化所得的生物資料，擇其有益內(nèi)容，得到一個生物模型； 然后，對生物模型進行數(shù)學分析，抽象出其中的內(nèi)在聯(lián)系，建立數(shù)學模型； 最后，采用電子、化學、機械等手段，根據(jù)數(shù)學模型，制造出實物模型，最終實現(xiàn)對生物系統(tǒng)的工程模擬。,最廣泛地運用類比、模擬和模型方法是仿生學研究方法的突出特點。 其目的不在于直接復制每一個細節(jié)，而是要理解生物系統(tǒng)的工作原理，以實現(xiàn)特定功能為中心目的。 般認為，

56、在仿生學研究中存在下列三個相關(guān)的方面：生物原型、數(shù)學模型和技術(shù)模型。 前者是基礎(chǔ)，后者是目的，而數(shù)學模型則是兩者之間必不可少的橋梁。 由于生物系統(tǒng)的復雜性，搞清某種生物系統(tǒng)的機制需要相當長的研究周期，而且解決實際問題需要多學科長時間的密切協(xié)作，這是限制仿生學發(fā)展速度的主要原因。,2、現(xiàn)代工業(yè)系統(tǒng)的生物型模型,目前，人們已經(jīng)采用了“agile（敏捷）”、“l(fā)ean（精干）”、“intelligent（智能）”、“holonic（全能型）”、“distribution（分布化）”、“flexibility（柔性）”、“autonomy（自治）”、“self-organization（自組織）”、“

57、adapatability to the environment（對環(huán)境的適應性）”、“product life cycle（產(chǎn)品生命周期）”等具有生物學意義的詞匯，從不同角度描述現(xiàn)代工業(yè)系統(tǒng)模式。,一些現(xiàn)代工業(yè)系統(tǒng)模式的共同點,,現(xiàn)代工業(yè),,雖然現(xiàn)代工業(yè)系統(tǒng)概念和生物系統(tǒng)的類比并不是完美無缺的，但如果工業(yè)系統(tǒng)能夠模仿其生物類比物的優(yōu)點則會受益無窮。 其目的是要求在進行工業(yè)系統(tǒng)設(shè)計和實施時，應該有一種系統(tǒng)的觀點，動態(tài)的觀點，復雜系統(tǒng)簡化的觀點，集成的觀點等。,生物型制造系統(tǒng)(BMS，Bionic Manufacturing System)概念最早由日本京都大學教授Norio Okino在198

58、8年提出，后來被作為智能工業(yè)系統(tǒng)的一部分。 基于由生物啟發(fā)得到的思想，例如自生長、自組織、自適應與自進化等，以這些思想為基礎(chǔ)的生物型制造系統(tǒng)的目標是處理制造環(huán)境中不可預知的變化。 同計算機科學的新領(lǐng)域例如進化計算和人工生命相聯(lián)系，BMS得到了發(fā)展。,,工業(yè)系統(tǒng)的僵化是當今工業(yè)面臨的巨大難題之一。對于瞬息萬變的工業(yè)環(huán)境來說，工業(yè)中流行的自動化系統(tǒng)，包括所謂的FMS（柔性工業(yè)系統(tǒng)），已是非常僵化而難以調(diào)整。 這就要求構(gòu)造這樣一個真正的柔性系統(tǒng)結(jié)構(gòu)。這種系統(tǒng)具有自主分布、自組織、自下而上、面向零件、協(xié)同和協(xié)調(diào)、超柔性等等特征。這些特征與生物體的特征是相似的。因此生物型制造系統(tǒng)是現(xiàn)代工業(yè)系統(tǒng)的發(fā)展方向

59、。,近幾年工業(yè)系統(tǒng)的規(guī)模、復雜性和動態(tài)性有很大變化。傳統(tǒng)的系統(tǒng)優(yōu)化理論無法解決當今工業(yè)系統(tǒng)的高度非線性化的問題。 需要一種能包含混沌、模糊等概念的精確的模型，用于解決多維的非線性聯(lián)立方程、非線性最優(yōu)化問題和組合優(yōu)化問題。 BMS將是一種類似于生物系統(tǒng)的解決上述問題的方法。,生物型制造系統(tǒng)的層次模型框架,,生物型制造系統(tǒng)模型實質(zhì)上是位于各種不同層次的先進的組織模型的綜合。 企業(yè)基因模型來源于標準化方法學、產(chǎn)品設(shè)計方法學、現(xiàn)代組織管理學等學科中的思想和方法。 企業(yè)細胞模型來源于獨立制造島、單元工業(yè)系統(tǒng)、并行工程的項目組等組織模型。 企業(yè)生物模型來源于計算機集成制造、分形企業(yè)、精益生產(chǎn)等系統(tǒng)模型。

60、企業(yè)群落模型來源于敏捷制造中的虛擬企業(yè)等模型。 企業(yè)生態(tài)模型來源于清潔制造、生態(tài)制造和綠色制造等模型。,海爾人說：“自主創(chuàng)新是我們永遠不變的基因?！?基因是什么？基因是DNA分子上通過復制可以遺傳給下一代或者移植給其他生物體的基本單位。正是因為在生命的肌體內(nèi)具有了這種可以遺傳和移植的創(chuàng)新基因，海爾才能扛起“中國造”的大旗，踏入世界級品牌行列。,3）生物型制造系統(tǒng)的模型的特點,BMS要求每個生產(chǎn)環(huán)節(jié)有自發(fā)性、自律性和自相協(xié)調(diào)能力，出現(xiàn)問題就地解決，每個基層單位都有自主權(quán)和主動性，但又顧及整體，保證總體設(shè)計上相互協(xié)調(diào)一致。BMS的基本單元稱作基元(modelon)，采用面向?qū)ο蠓椒ǘx。 基元上下

61、級與平行級間通過消息板(message board)交換信息。消息板與專家系統(tǒng)中的黑板機制相類似，只是取消了集中的控制機構(gòu)。 一個基元啟動后，激活相關(guān)的基元，通過消息板對話，謀求問題的解決。 這里強調(diào)的是自發(fā)驅(qū)動(spontaneity)、自律決策(autonomy)、自由結(jié)合(connection free)、可轉(zhuǎn)換性(transformability)和柔性(flexibility)等。,BMS具有自組織的結(jié)構(gòu)，由獨立的個體可以很容易地組成整體。 舉一個極其簡單的例子： 一個由兩個機器人組成的系統(tǒng)共同合作完成某個任務?，F(xiàn)采用兩種控制方式：集中控制；分布控制，即每個機器人自主工作并相互協(xié)調(diào)。

62、顯然集中控制方式的效率教高。 但當機器人的數(shù)量增加到三個時，分布控制方式可以基本不改變軟件而容納增加的機器人。而集中控制方式則需要重新設(shè)計軟件。 BMS也將具有這種可擴展性。,基于規(guī)則的人工智能(AI)系統(tǒng)在搜索規(guī)則AB，BC時，為了確定A而對所有的規(guī)則的先決條件進行徹底的搜索，從中選擇一條規(guī)則用于AB，其結(jié)論B又作為新的事實。 這個過程將重復許多次。在BMS中，每條規(guī)則是自治的，其操作是并行的，分別檢驗和激活事實，以確定其(規(guī)則)是否被選中。 由于規(guī)則的操作是自激的，因此規(guī)則的形式有很高的自由度。 例如：模糊規(guī)則和優(yōu)先規(guī)則可混合使用，規(guī)則的增刪非常容易。,,BMS的基礎(chǔ)是激勵-響應的聯(lián)系主義

63、模型。 生物的功能是由酶和其它生物化學物質(zhì)的激勵-響應鏈所引起的。 在信息系統(tǒng)中這些由生物單元的網(wǎng)絡組成的輸入-輸出鏈的結(jié)構(gòu)被抽象化和實現(xiàn)。這是BMS的基本模型。 神經(jīng)網(wǎng)絡是生物系統(tǒng)的最簡單的模型。 如果采用生物模型代替至今所使用的微分方程模型，那么人們所能信息化的對象將大大增加。 生物體中存在各種節(jié)律，這種節(jié)律保持著生物體的穩(wěn)定性。在BMS中也將具有這種節(jié)律和循環(huán)，循環(huán)的穩(wěn)定狀態(tài)作為系統(tǒng)的目標。,,生物體的所有信息都濃縮在其基因(DNA)中，BMS也將以穩(wěn)定的方式通過基因進行遺傳。 BMS的設(shè)計是通過自治功能，驅(qū)動元件進行自組織。 因而，CAD將支持產(chǎn)品的自下而上的設(shè)計過程。 這些元件被稱為

64、“基元(modelons)”，具有類似于生物體中的自組織功能，可存放在“基元”庫中。 設(shè)計者可根據(jù)要求從“基元”庫選取適合的基元。 原則上，設(shè)計過程由基元自組織進行，各種元件將通過其生物型的功能相互交換信息，從而決定各自的作用和相互間的聯(lián)系。 另外也有可能使CAD具有類似于生物的細胞分裂和和分化過程，具有比當今的參數(shù)化CAD更高的柔性。,與BMS理論有關(guān)的理論和方法有：基因算法、進化算法、L系統(tǒng)、細胞自治機、強化學習和神經(jīng)網(wǎng)絡。生物系統(tǒng)對環(huán)境的適應能力是通過自組織和進化實現(xiàn)的。 在生物系統(tǒng)中，整體的復雜性是建筑在局部的簡單性上的。 這里的適應性概念可以用于工業(yè)系統(tǒng)的各種場合，如：車間布置的自組

65、織，動態(tài)排序，對產(chǎn)品需求的適應，對生產(chǎn)過程變化的適應，對多層網(wǎng)絡的適應等。,BMS的自組織和進化,,仿生制造的比喻空間,,,,魚鰭 船槳 蝙蝠 雷達 蛙眼 電子蛙眼 鋸齒草 鋸子 動物爪 鉤子 鳥 飛機,,,,,,生活中的仿生學舉例：,,仿生學(Bionics) 模仿生物系統(tǒng)的原理以建造技術(shù)系統(tǒng)，或者使人造技術(shù)系統(tǒng)具有生物系統(tǒng)特征或類似特征的科學。 “適者生存，不適者淘汰” 自然界在億萬年的演化過程中孕育了各種各樣的生物，每種生物只有具有極其復雜和精巧的結(jié)構(gòu)和擁有神奇的特性和功能，才能在復雜多變的環(huán)境中生存下來。 如今的生物體

66、是高度集成整合的運動系統(tǒng)，其奇妙程度遠遠超過迄今為止的許多人造機器，因此仿生設(shè)計具有很大的潛力。,仿生學的概念,,,仿生學是一門建立在多學科邊緣上的綜合 性學科，包括 數(shù)學、生物學、物理學、控制論、信息論、人機學、材料學、機械學、工程學、生理學、神經(jīng)學、醫(yī)學、化學、電子學等學科。,仿生學的相關(guān)領(lǐng)域,,不同學者采用不同的分類方法： 1、功能仿生2、材料仿生3、過程仿生 4、控制仿生5、管理仿生等等.,,.青蛙與電子蛙眼 .水母與電子耳,信息仿生,青蛙與電子蛙眼,,青蛙的視覺系統(tǒng),“水母耳”風暴預測儀,水母耳與電子耳,.蛇的紅外探測 .蝙蝠與超聲波 .動物的天然導航,控制仿生,蛇,,,田鼠,熱血動物身體 向外散熱,蛇通過感受器 探測到熱源,蛇的紅外探測,頰窩,,頰窩是一個紅外感受器，對周圍溫度變化極為敏感，能感受0.001的溫度變化。這類蛇能在夜間準確判斷周圍恒溫動物的位置。 根據(jù)此原理，發(fā)明了現(xiàn)在軍事上用的紅外探測儀,蛇的紅外探測,飛行中的蝙蝠,超聲波,聲音反射波,,,,蛾,,,蝙蝠的捕食,蝙蝠與超聲波,,蝙蝠的回聲定位,超聲信號被反射,,蝙蝠與超聲波,腦,蝙蝠與超聲波,,蝙蝠的聲納處理