前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇模糊算法基本原理范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

模糊算法基本原理范文第1篇

關(guān)鍵詞：故障診斷；遺傳算法；神經(jīng)網(wǎng)絡(luò)；小波分析

引言

遺傳算法GA（GeneticAlgorithms）模擬了達(dá)爾文的“適者生存，優(yōu)勝劣汰”的自然進(jìn)化論與孟德爾的遺傳變異理論是由Michigan大學(xué)Holland教授1975年在他的專著AdaptationinNaturalandArtificial首次提出。其基本流程如圖1。遺傳算法（GA）與傳統(tǒng)算法有很多不同之處，主要體現(xiàn)在GA適應(yīng)性強(qiáng)，其使用的算子是隨機(jī)的，如交叉、變異和繁殖等算子不受確定性規(guī)則的控制。但這種搜索也不是盲目的，而是向全局最優(yōu)解方向前進(jìn)。直接使用適值函數(shù)進(jìn)行適值計(jì)算，而不需要求優(yōu)化函數(shù)的導(dǎo)數(shù)，使一些不可求導(dǎo)的優(yōu)化函數(shù)也可用GA優(yōu)化；GA具有較強(qiáng)的魯棒性，它能同時(shí)搜索解空間的多個(gè)點(diǎn)，從而使之收斂于全局最優(yōu)解，而不至于陷入局部最優(yōu)解；另外它還具有智能性和并行性，利用遺傳算法的方法，可以解決那些結(jié)構(gòu)尚無人能理解的復(fù)雜問題。它已廣泛應(yīng)用于函數(shù)優(yōu)化、組合優(yōu)化、模式識別和信號處理等領(lǐng)域，在處理復(fù)雜優(yōu)化問題時(shí)遺傳算法顯示了巨大潛力，在實(shí)際工程應(yīng)用中取得了巨大成功。由于上述特點(diǎn)，建立合理的模型，可以將GA用于設(shè)備的狀態(tài)監(jiān)測和故障診斷之中。本文把近年來的有關(guān)GA用于故障診斷的文獻(xiàn)進(jìn)行分析、歸納，總結(jié)出GA在故障診斷中的具體應(yīng)用。

GA用于故障診斷從目前來看，有直接應(yīng)用于故障診斷之中，主要用于提取特征向量，為診斷的后續(xù)處理作準(zhǔn)備。有和其他的診斷方法相結(jié)合，研究得較多。

一、利用遺傳算法提取、優(yōu)化特征參數(shù)

機(jī)械故障診斷是一個(gè)典型的模式分類問題。在診斷實(shí)踐中，由于診斷對象的復(fù)雜性，故障特征和故障類別的對應(yīng)關(guān)系不甚明了，人們提出了大量的原始特征以進(jìn)行故障識別。但由于特征向量之間存在一定的關(guān)聯(lián)性，且特征向量對不同故障的敏感程度不同，這對設(shè)備診斷的效率和準(zhǔn)確率有重要的影響。要對這些特征向量進(jìn)行優(yōu)化，使它們能夠適應(yīng)實(shí)際需要。

史東鋒等對回轉(zhuǎn)機(jī)械故障診斷中3類由同步振動引起的故障來分析，應(yīng)用遺傳算法，染色體采用二進(jìn)制編碼方式，以樣本類內(nèi)、類間的距離判據(jù)為適應(yīng)值函數(shù)，進(jìn)行特征選擇，高效地剔除原始特征集的冗余特性，提高故障的識別精度。而用常規(guī)方法對得到的23個(gè)特征量進(jìn)行分類，由于起高度的冗余性，很難取得理想的分類效果。

二、遺傳算法與人工神經(jīng)網(wǎng)絡(luò)（ANN）的結(jié)合應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)以其強(qiáng)有力的學(xué)習(xí)和并行處理能力為故障診斷提供了全新的理論方法和實(shí)現(xiàn)手段。神經(jīng)網(wǎng)絡(luò)通過對經(jīng)驗(yàn)樣本的學(xué)習(xí)，將知識以權(quán)值和閾值的形式存儲在網(wǎng)絡(luò)中。網(wǎng)絡(luò)的輸入是被診斷對象的征兆即特征值，輸出則表示發(fā)生故障的可能性。神經(jīng)網(wǎng)絡(luò)是以神經(jīng)元為信息處理的基本單元，以神經(jīng)元間的連接弧為信息通道，多個(gè)神經(jīng)元聯(lián)結(jié)而成的網(wǎng)絡(luò)結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)以其獨(dú)特的聯(lián)想、記憶和學(xué)習(xí)功能在機(jī)械設(shè)備故障診斷領(lǐng)域受到廣泛關(guān)注，其中研究較多的是BP神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法。

三、遺傳算法與模糊集理論的結(jié)合應(yīng)用

模糊集理論是一種新的數(shù)據(jù)分析和處理方法，使用模糊集理論可以對決策表進(jìn)行簡化，去除冗余屬性。故障模糊診斷的基本原理是利用模糊變換的原理、最大隸屬度和閾值原則，根據(jù)各故障的原因與征兆之間不同程度的因果關(guān)系，在綜合考慮所有征兆基礎(chǔ)上來診斷旋轉(zhuǎn)機(jī)械振動故障的可能原因。將模糊集理論應(yīng)用到解決旋轉(zhuǎn)機(jī)械故障診斷問題時(shí)，要計(jì)算旋轉(zhuǎn)機(jī)械振動故障數(shù)據(jù)庫中的頻域征兆，使用模糊集理論對其進(jìn)行約簡，根據(jù)約簡的結(jié)果生成規(guī)則。利用得到的規(guī)則對故障樣例進(jìn)行診斷。

四、遺傳算法與小波理論的結(jié)合應(yīng)用

小波變換作為新的信號處理手段，具有傳統(tǒng)傅立葉變換和加窗傅立葉變換無法比擬的優(yōu)點(diǎn)。其特點(diǎn)是實(shí)現(xiàn)了對信號的多分辨率分析，便于對信號的總體和局部進(jìn)行刻劃；且能將信號準(zhǔn)確還原。利用它對信號的分解和重構(gòu)特性，可有針對性地選取有關(guān)頻帶的信息和剔除、降低噪聲干擾，這對于機(jī)械故障診斷具有很大的實(shí)際意義。

模糊算法基本原理范文第2篇

【關(guān)鍵詞】圖像噪聲 濾波 FPGA

【中圖分類號】TN713 【文獻(xiàn)標(biāo)識碼】A 【文章編號】1009-9646(2008)08-0190-02

1 改進(jìn)非線性濾波算法的提出

在噪聲的數(shù)字信號處理中,主要研究的是高斯噪聲和椒鹽噪聲對圖像信號的污染的改善。圖像預(yù)處理的目的是改善圖像數(shù)據(jù),抑制不需要的變形或者增強(qiáng)某些對于后續(xù)處理重要的圖像特征。目前最常用的圖像去噪濾波器是線性濾波器和非線性濾波器。

線性濾波器是域平均法也稱均值濾波法,其算法是在像數(shù)據(jù)的窗口內(nèi)的中間位置的值用窗口內(nèi)所有像素?cái)?shù)據(jù)的平均值取代。線性濾波器對高斯噪聲具有良好的濾出作用,然而,當(dāng)信號頻譜與噪聲頻譜混疊時(shí)或者當(dāng)信號中含有非疊加性噪聲時(shí),線性濾波器的處理結(jié)果就很難令人滿意。而且均值算法會破壞圖像邊緣,模糊圖像細(xì)節(jié)。不利于特征識別,而且也不能有效濾出椒鹽噪聲[1]。

中值濾波器是基于次序統(tǒng)計(jì)完成信號恢復(fù)得一種典型的非線性濾波器,是一種減少邊緣模糊的非線性平滑方法,其基本原理是把數(shù)字圖像或數(shù)字序列中心位置的值用該點(diǎn)鄰域的中值替代[2]。中值濾波算法的特點(diǎn)是在去除噪音的同時(shí),可以比較好地保留邊的銳度和圖像的細(xì)節(jié)在有序的一系列表中,中值是指位于中心的值。鄰域中亮度的中值不受個(gè)別噪聲毛刺的影響,因此中值平滑相當(dāng)好地消除了沖激噪聲[3]。

根據(jù)對各種噪聲濾出的算法和效果的分析,設(shè)計(jì)了一種改進(jìn)的中值濾波器進(jìn)行濾波,它是一種鄰域運(yùn)算,類似域卷積,但不是加權(quán)求和,其基本原理是把計(jì)算窗口中包含中間像素點(diǎn)的左上角、右上角、左下角和右下角的四個(gè)子鄰域的均值,選擇最大值作為輸出像素值,這樣既能濾出椒鹽噪聲,又可以濾出高斯噪聲,同時(shí)也能最大限度地保持圖像地細(xì)節(jié)。并且也很方便地利用FPGA實(shí)現(xiàn)。

其算法表達(dá)式為:

最后取最大的作為輸出像素值,即

(5)

式中:g(x,y),f(x,y)為像素灰度值。

2 FPGA實(shí)現(xiàn)方法

設(shè)計(jì)采用的是3×3模板處理圖像為128×128×8像素的灰度圖像?？傮w設(shè)計(jì)方案如圖1所示[4]。

由圖1可知,整個(gè)系統(tǒng)設(shè)計(jì)分為3大模塊:3×3模板生成模塊、中值濾波模塊和行列計(jì)數(shù)器模塊。D(7:0)為灰度圖像數(shù)據(jù)輸入端。整個(gè)系統(tǒng)有統(tǒng)一的時(shí)鐘信號clk和復(fù)位信號RST;DOUT(7:0)為圖像數(shù)據(jù)輸出端;DV為輸出數(shù)據(jù)有效標(biāo)志。下面分別介紹各模塊功能和設(shè)計(jì)方法。

2.1 3X3模板生成模塊

該模塊原理框圖如圖2所示。

圖中r代表移位寄存器;FTFO代表先進(jìn)先出存儲器。圖像數(shù)據(jù)以時(shí)鐘節(jié)拍從數(shù)據(jù)輸入端依次輸入。F1F0用來存儲一行的數(shù)據(jù)。以便使w11.w12…w33存放的正好是3×3模板所對應(yīng)的圖像數(shù)據(jù),如表1所示。當(dāng)數(shù)據(jù)流不斷從數(shù)據(jù)輸入端輸入時(shí),3×3模板對應(yīng)的圖像數(shù)據(jù)不斷地跟著變化,這就可以對一幀圖像的所有像素都進(jìn)行3×3模板處理[5]。

2.2 中值濾波模塊

該模塊部分原理框圖如圖3所示。

改進(jìn)的中值濾波模塊其基本原理是對3×3模板中的左上、左下、右上、右下四個(gè)子領(lǐng)域的2×2窗口的數(shù)據(jù)取均值r11、r12、r21、r22進(jìn)行排序。最后取排序中最大值作為中心像素點(diǎn)的數(shù)值輸出。

2.3 行列計(jì)數(shù)器模塊

該模塊結(jié)構(gòu)如圖4所示,圖中:RSTN為復(fù)位端直接與全局復(fù)位信號Rs相連;EN為使能端;ClK為時(shí)鐘輸入端;rowpos為圖像行位置標(biāo)志;colpos為圖像列位置標(biāo)志。該模塊比較簡單只是起到計(jì)數(shù)功能,用來確定數(shù)據(jù)在圖像陣列中的位置。通過該模塊可以確定一幅圖像是否到達(dá)邊緣,或者傳輸完畢。

圖4行列計(jì)數(shù)模塊結(jié)構(gòu)圖

計(jì)數(shù)部分VHDL源代碼如下:

architecture rc_counter of rc_counter is

begin

process( RSTn,Clk,En)

variable Co1Pos_var: intener:=0;

variable RowPos_var: intener:=0;

begin

if RSTn=’0'then

Co1Pos_var:=1;

Co1Pos

Row Pos_var:=0;

Row Pos

elsif rising_edge( Clk) then

if En=’1'then

Co1Pos_var:=Co1Pos_var+ 1;

if Co1Pos_var=num_cols then

Row Pos_var:=RowPos_var+1

Co1Pos_var:=0:

if RowPos_var=num_rows then

RowPos_var:=0:

end if:

end if:

Co1Pos

Row Pos

end if:

end if:

end process;

end re_counter;

設(shè)計(jì)中還要處理發(fā)生在圖像的左邊緣、右邊緣、上邊緣和下邊緣的錯誤[6]。因?yàn)樵谶吘壧師o法用3×3模板覆蓋住這個(gè)圖像。亦即也要覆蓋圖像外部一部分。這樣就無法使用上面的中值濾波模塊。把邊緣像素的結(jié)果簡單地設(shè)成“0”。若是圖像的邊緣,則把“0”通過中值濾波模塊。不加處理直接賦到DOUT輸出端;否則,調(diào)用中值濾波模塊。對輸入圖像數(shù)據(jù)進(jìn)行中值濾波處理。

3 仿真結(jié)果分析

經(jīng)過系統(tǒng)濾波后產(chǎn)生的圖像和MATLAB仿真圖像的對比如圖5所示。其中:(a)沒有噪聲的原始圖像;(b)高斯噪聲和椒鹽噪聲污染的圖像;(c)MATLAB的中值濾波函數(shù)后產(chǎn)生的輸出圖像。圖(d)改進(jìn)算法中值濾波的MATLAB仿真圖像。通過比較,該濾波系統(tǒng)的濾波效果較傳統(tǒng)中值濾波效果有明顯改善,既有效濾出燥聲又最大限度保留邊緣細(xì)節(jié)。

(a)原始圖像(b)高斯和椒鹽干擾

(c)guss&pepper中值濾波 (d)改進(jìn)算法中值濾波

圖5圖像對比

經(jīng)測試,該中值濾波器能達(dá)到的最大時(shí)鐘頻率為63.959MHz。這意味著處理一幀128 ×128像素的灰度圖像只需約0.26ms。另外本系統(tǒng)只占用了EPM7128芯片中5980個(gè)slice,約占15％。

參考文獻(xiàn)

[1] 馬義德,張祥光.非線性濾波除噪技術(shù)綜述.蘭州大學(xué)學(xué)報(bào),2005(2).

[2] 劉先鋒,沈勝宏.邊緣保留的圖像噪聲濾除方法.電子技術(shù)應(yīng)用,2000(11).

[3] Cattlemen K.R,數(shù)字圖像處理.電子工業(yè)出版社.1998.

[4] 李雷鳴,張春煥.一種基于FPGA的圖像中值濾波器的硬件實(shí)現(xiàn).電子工程師,2004(2).

[5] 陳鎮(zhèn).中值濾波器的FPGA實(shí)現(xiàn)方案.紅外.第10期.

[6] 用FPGA實(shí)現(xiàn)嵌入式視頻圖像信號實(shí)時(shí)采集.試驗(yàn)科學(xué)與技術(shù).2005,6(2).

模糊算法基本原理范文第3篇

【關(guān)鍵詞】模糊控制 氯乙烯精餾 兩變量

1氯乙烯精餾工藝

裂解后生成的產(chǎn)物粗氯乙烯中含有大量雜質(zhì)，雜質(zhì)中有未參加反應(yīng)的C2H2、HCL、有原料氣帶來的氣體H2、N2、O2、H20等，還有尚有少量的各種飽和或不飽和的一氯或多氯衍生物，如二氯乙烷、二氯乙烯、三氯乙烷等。產(chǎn)物中雜質(zhì)主要由精餾裝置來脫除的，其中輕組分雜質(zhì)采用低沸塔除去，重組分雜質(zhì)用高沸塔除去。氯乙烯的提純主要操作就是精餾，在精餾整個(gè)過程中需要的設(shè)備包含氯化氫塔、低沸點(diǎn)塔、高沸點(diǎn)塔、氯化氫干燥器等設(shè)備，設(shè)備多。

氯乙烯精餾工藝中，生產(chǎn)工藝過程流程很長，反應(yīng)機(jī)理復(fù)雜， 它具有復(fù)雜化工反應(yīng)過程一系列的典型特性。而精餾塔又是個(gè)多輸入多輸出的對象，變量多，參數(shù)之間相互影響，關(guān)聯(lián)嚴(yán)重。

2模糊控制理論

模糊控制屬于智能控制。它是建立在人工經(jīng)驗(yàn)基礎(chǔ)之上。一些常規(guī)控制方法難以實(shí)現(xiàn)的復(fù)雜控制，熟練的操作人員往往憑借豐富的實(shí)踐經(jīng)驗(yàn)，很好的進(jìn)行復(fù)雜控制，并取得滿意的控制結(jié)果。模糊控制算法就是借助模糊數(shù)學(xué)把操作人員的的實(shí)踐經(jīng)驗(yàn)進(jìn)行定量化，得到控制規(guī)則，從而形成一種智能控制理論。

1、模糊控制系統(tǒng)

模糊控制系統(tǒng)是以模糊集理論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種智能控制系統(tǒng)，它從行為上模仿人的思維方法和決策過程。模糊控制的基本原理如圖1所示。

將輸入的精確量偏差e和偏差變化率e進(jìn)行模糊化，得到模糊化量E和CE，然后對模糊化量進(jìn)行近似推理決策，得到模糊控制輸出u，輸出控制量u傳給現(xiàn)場的執(zhí)行機(jī)構(gòu)，執(zhí)行機(jī)構(gòu)根據(jù)控制量的大小去執(zhí)行控制動作，實(shí)現(xiàn)對被控過程的控制。

2、模糊控制器的組成

模糊控制器主要由模糊化接口、推理機(jī)和解模糊接口三部分和知識庫（含數(shù)據(jù)庫和規(guī)則庫）構(gòu)成的，模糊控制器的組成框圖如圖2所示。

3、模糊控制器的設(shè)計(jì)

（1）定義輸入輸出變量

模糊控制器設(shè)計(jì)的首要工作就是確定控制器的輸入輸出變量。

（2）定義所有控制變量的模糊化條件

根據(jù)受控系統(tǒng)的實(shí)際情況，對輸入變量的測量范圍和輸出變量的控制作用范圍，以確定誤差e、誤差變化ec及控制量u的模糊集和論域。然后對模糊變量賦值，確定其對應(yīng)的隸屬函數(shù)，即確定論域內(nèi)元素對模糊變量的隸屬度。其中，誤差e、誤差變化ec及控制量u的模糊集及其論域定義如下：

（3）設(shè)計(jì)控制規(guī)則庫，建立模糊控制表

把專家和操作工的經(jīng)驗(yàn)用語言表達(dá)出來，形成模糊控制規(guī)則語句，描述眾多被控過程的模糊模型，最終建立模糊控制表。

3氯乙烯精餾工藝中模糊控制算法設(shè)計(jì)

對于氯乙烯精餾生產(chǎn)過程，經(jīng)常研究的被控對象的數(shù)學(xué)模型是簡化的數(shù)學(xué)模型，是做了一些簡化假設(shè)，所以并不能很準(zhǔn)確的表示被控對象的數(shù)學(xué)模型，因此可以根據(jù)系統(tǒng)的模糊關(guān)系，利用模糊條件寫出控制規(guī)則，設(shè)計(jì)出理想的控制系統(tǒng)。

針對氯乙烯精餾過程，設(shè)計(jì)氯乙烯精餾中低沸塔塔溫和塔釜液位兩變量模糊控制系統(tǒng)。其原理如圖3所示。其中，模糊控制是依據(jù)回路的偏差e1、e2和偏差變化量Δe1、Δe2，經(jīng)過模糊運(yùn)算得到控制信號u1、u2，送給低沸塔被控對象，引起被控變量y1、y2變化。經(jīng)過低沸塔被控對象運(yùn)行之后，得到的輸出值y1、y2再分別與被控變量的設(shè)定值比較。

模糊補(bǔ)償算法實(shí)現(xiàn)的是對被控對象的控制信號的補(bǔ)償，可以實(shí)現(xiàn)解耦控制，可以有效克服滯后，改善控制系統(tǒng)的品質(zhì)，控制效果要比PID控制要好，但是，單純的模糊控制算法解耦效果并不是很好，而且控制結(jié)構(gòu)復(fù)雜，參數(shù)整定麻煩。

參考文獻(xiàn)：

[1]鄭石子.聚氯乙烯生產(chǎn)與操作[M].北京：化學(xué)工業(yè)出版社. 2007

模糊算法基本原理范文第4篇

關(guān)鍵詞：刑事模糊圖像 Retinex算法 增強(qiáng)

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2012）11-0133-01

數(shù)字圖像技術(shù)的發(fā)展給刑事科學(xué)技術(shù)工作帶來了極大的方便，刑事圖像技術(shù)也由傳統(tǒng)的刑事照相技術(shù)發(fā)展為成熟的數(shù)字刑事圖像技術(shù)。新時(shí)期的刑事圖像技術(shù)學(xué)致力于刑事科學(xué)技術(shù)的光學(xué)成像研究和刑事圖像處理研究，模糊圖像的處理是刑事圖像處理工作中極具挑戰(zhàn)性的難題。

1、刑事模糊圖像形成因素

模糊圖像處理是對由于介質(zhì)、客觀環(huán)境等因素造成的模糊圖像和退化圖像進(jìn)行校正處理，使其清晰化，以利于圖像研判。刑事圖像的模糊有多種因素造成：一是非正確曝光退化，如非線性退化等；二是離（散）焦模糊，對焦不實(shí)使物體不能清晰的成像于焦平面上；三是運(yùn)動模糊，運(yùn)動模糊是指在曝光瞬間，照相機(jī)與被攝物體間有相對運(yùn)動；四是噪聲干擾致使圖像模糊不清；五是監(jiān)控視頻模糊，如安裝位置不合適、光線太暗或太亮、目標(biāo)運(yùn)動過快、攝像鏡頭對焦不實(shí)等，往往使影響資料變得模糊不清。

2、Retinex算法原理及應(yīng)用特性

2.1　Retinex理論概述

Retinex（視網(wǎng)膜“Retina”和大腦皮層“Cortex”的縮寫）理論是一種建立在科學(xué)實(shí)驗(yàn)和科學(xué)分析基礎(chǔ)上的基于人類視覺系統(tǒng)（Human　Visual　System）的圖像增強(qiáng)理論。該算法的基本原理模型最早是由Edwin　Land（埃德溫·蘭德）于19世紀(jì)70年代提出的一種被稱為具有顏色恒常性的色彩理論，并在顏色恒常性的基礎(chǔ)上提出的一種基于此理論的圖像增強(qiáng)方法。Retinex　理論的基本內(nèi)容包括物體的顏色是由物體對長波（紅）、中波（綠）和短波（藍(lán)）光線的反射能力決定的，而不是由反射光強(qiáng)度的絕對值決定的；物體的色彩具有一致性，不受光照非均性的影響，即Retinex　理論是以色感一致性（顏色恒常性）為基礎(chǔ)的。鑒于Retinex原理，對于觀察圖像S中的每個(gè)點(diǎn)（x，y），用公式可以表示為：

S（x，y）=R（x，y）.L（x，y）

其中，S（x，y）為所觀察的圖像，R（x，y）是反射物體圖像，L（x，y）為入射光圖像。

2.2　Retinex算法的應(yīng)用特點(diǎn)

Retinex理論的基本思想就是將原始圖像看成是由照射圖像和物體反射屬性組成，照射光圖像直接決定一幅圖像中像素能夠達(dá)到的動態(tài)范圍，物體反射屬性決定了圖像的內(nèi)在性質(zhì)，因此，在原始圖像中去除或降低照射圖像的影響從而保留本質(zhì)的反射屬性是Retinex理論的基本思想。Retinex算法具有銳化、顏色恒常性、動態(tài)范圍壓縮大、色彩逼真度高等特點(diǎn)。

傳統(tǒng)的圖像增強(qiáng)算法，如線性變換、非線性變換、圖像銳化等只能增強(qiáng)圖像的某一類特征，如壓縮圖像的動態(tài)范圍，或增強(qiáng)圖像的邊緣等。Retinex算法可以在動態(tài)范圍壓縮、邊緣增強(qiáng)和顏色恒常三方面達(dá)到平衡，因此可以對各種不同類型的圖像進(jìn)行自適應(yīng)性地增強(qiáng)。

3、Retinex算法對數(shù)字模糊圖像處理的適用

3.1　Retinex算法對圖像的預(yù)處理

在多種以Retinex為核心的算法中，單尺度（Single-Scale　Retinex，SSR）算法和多尺度（Multi-Scale　Retinex，　MSR）算法是最具有代表性和最成熟的算法。利用多尺度Retinex灰度圖像增強(qiáng)算法對灰度圖像進(jìn)行增強(qiáng)，在圖像的預(yù)處理階段對噪聲進(jìn)行濾除，做到改善圖像顏色恒常性，壓縮圖像動態(tài)范圍，提高對比度，有效顯示淹沒在陰影、光照等區(qū)域中的細(xì)節(jié)，為下一步的特征提取提供必要的條件。

3.2　Retinex算法對場景模糊圖像的增強(qiáng)

場景的干擾常常致使物體成像模糊，如雨霧天條件下，戶外景物的對比度和顏色發(fā)生退化，計(jì)算機(jī)視覺系統(tǒng)無法正確檢測與跟蹤場景中目標(biāo)，這就需要對雨霧天圖像或視頻作清晰化處理。Retinex　理論及相關(guān)算法是圖像增強(qiáng)的新思路，其理論基礎(chǔ)是色彩的恒常性，它通過模擬人眼觀察場景的方式，恢復(fù)因圖像采集設(shè)備限制而丟失的場景細(xì)節(jié)，達(dá)到增強(qiáng)圖像對比度，還原物體真實(shí)色彩的目的。

3.3　Retinex算法對圖像細(xì)節(jié)特征的增強(qiáng)

在圖像處理和計(jì)算機(jī)視覺領(lǐng)域，特征提取被廣泛運(yùn)用，其效果很大程度上取決于圖像的質(zhì)量。圖像在采集的過程中，多變的光照條件、物體間相互遮擋、采集設(shè)備自身限制等因素都會影響圖像質(zhì)量，要想對質(zhì)量差的圖像進(jìn)行特征提取非常困難?；赗etinex理論的圖像增強(qiáng)算法能減少計(jì)算時(shí)間，將多種計(jì)算函數(shù)相結(jié)合，能夠有效地重建圖像細(xì)節(jié)達(dá)到增強(qiáng)圖像的目的，使增強(qiáng)后的圖像更適合于細(xì)節(jié)特征的提取。

Retinex算法是數(shù)字圖像處理的新算法，與其他傳統(tǒng)圖像處理算法相比，具有很大的優(yōu)勢，能大量保留提取圖像的細(xì)節(jié)特征。在刑事圖像處理工作中，技術(shù)人員所感興趣的就是對偵破案件有用的細(xì)節(jié)特征。刑事圖像工作遇到的問題及其產(chǎn)生原因都是其他領(lǐng)域圖像處理所共有的，因此，Retinex理論同樣適用于刑事圖像處理研究，將基于Retinex理論的各種改進(jìn)的Retinex算法直接應(yīng)用到刑事模糊圖像處理工作中，勢必會給當(dāng)前的刑事模糊圖像處理工作打開新的局面。

參考文獻(xiàn)

[1]李權(quán)合，畢篤彥，時(shí)平，何宜寶.基于Retinex和視覺適應(yīng)性的圖像增強(qiáng)[J].中國圖形圖像學(xué)報(bào)，2010，15（12）：1728-1732.

[2]喬小燕，姬光榮，陳霧.一種改進(jìn)的全局Re　tinex圖像增強(qiáng)算法及其仿真研究[J].系統(tǒng)仿真學(xué)報(bào)，2009，21（4）：1185-　1197.

模糊算法基本原理范文第5篇

關(guān)鍵詞:智能科學(xué)與技術(shù)專業(yè);課程體系;教材建設(shè)

繼2004年北京大學(xué)率先在國內(nèi)建立“智能科學(xué)與技術(shù)”本科專業(yè)之后,2005年,北京郵電大學(xué)、南開大學(xué)和西安電子科技大學(xué);2006年,首都師范大學(xué)、北京信息科技大學(xué)、武漢工程大學(xué)和西安郵電學(xué)院;2007年,北京科技大學(xué)、廈門大學(xué)和湖南大學(xué);2008年,河北工業(yè)大學(xué)和桂林電子科技大學(xué);2009年,重慶郵電大學(xué)和大連海事大學(xué);2010年,中南大學(xué)和上海理工大學(xué)先后經(jīng)教育部批準(zhǔn)先后設(shè)立了“智能科學(xué)與技術(shù)”本科專業(yè)[1-2]。在中國人工智能學(xué)會教育工作委員會的指導(dǎo)下,自2002年起,各相關(guān)專業(yè)教師定期召開智能科學(xué)與技術(shù)教育學(xué)術(shù)研討會,并出版教育論文專輯,大力推進(jìn)了我國智能科學(xué)與技術(shù)教育的健康、快速發(fā)展,并對我國智能科學(xué)技術(shù)的人才培養(yǎng)和學(xué)科建設(shè)起到了極大的帶動作用。

作為一個(gè)發(fā)展中的新興專業(yè),目前各高校仍主要結(jié)合自身基礎(chǔ)和特點(diǎn)建設(shè)該專業(yè)。如南開大學(xué)以智能技術(shù)與智能工程為核心專業(yè)課程[3];北京科技大學(xué)從社會需求角度出發(fā),以提高學(xué)生軟件實(shí)踐能力為切入點(diǎn)[4];河北工業(yè)大學(xué)根據(jù)相關(guān)專業(yè)的就業(yè)現(xiàn)狀,以提高學(xué)生硬件實(shí)踐能力為著力點(diǎn)[5]。為了解決南開大學(xué)、北京科技大學(xué)和河北工業(yè)大學(xué)3所高校共同面臨的課程體系和教材建設(shè)等問題,三校教師分別于2010年6月16日和8月2日在南開大學(xué)、河北工業(yè)大學(xué)進(jìn)行了兩次研討,現(xiàn)將研討成果匯總于此。

1研討背景

“智能科學(xué)與技術(shù)”專業(yè)自開辦以來,不可避免地要回答如下3個(gè)方面的問題:

1) 來自用人單位的問題:“智能科學(xué)與技術(shù)”專業(yè)是做什么的?與其他專業(yè)相比優(yōu)勢何在?

2) 來自學(xué)生及家長的問題:“智能科學(xué)與技術(shù)”專業(yè)是學(xué)什么的?與其他專業(yè)相比優(yōu)勢何在?

3) 來自教師自身的問題:“智能科學(xué)與技術(shù)”專業(yè)應(yīng)該教什么?與其他專業(yè)相比優(yōu)勢何在?

無論是做什么、學(xué)什么還是教什么,歸根到底是課程體系和教材內(nèi)容。無論是研究生課程下移(帶來學(xué)生接受知識的困難),還是在其他專業(yè)教學(xué)體系基礎(chǔ)上做簡單的增、刪、改(帶來學(xué)生知識結(jié)構(gòu)的凌亂),都是不行的,長此以往的后果將是沒有優(yōu)勢,只有劣勢。

南開大學(xué)、北京科技大學(xué)和河北工業(yè)大學(xué)3所高校的“智能科學(xué)與技術(shù)”專業(yè)建設(shè)都源于自動化專業(yè)基礎(chǔ),而且都具有典型的工科特色;同時(shí)3所高校分別是教育部直屬“985”高校、教育部直屬國家“優(yōu)勢學(xué)科創(chuàng)新平臺”建設(shè)項(xiàng)目試點(diǎn)高校和河北省屬“211”高校,3所高校的“智能科學(xué)與技術(shù)”專業(yè)分別于2006、2007和2008年招生。3所高校在“智能科學(xué)與技術(shù)”專業(yè)建設(shè)上的異同特點(diǎn)以及地域便利的條件,為優(yōu)勢互補(bǔ)、交流融合提供了機(jī)遇。

2課程體系

根據(jù)研究任務(wù)的不同,智能科學(xué)技術(shù)涵蓋的內(nèi)容可以劃分為智能科學(xué)、智能技術(shù)、智能工程三個(gè)層次[6]。

1) 智能科學(xué):主要任務(wù)是研究人的智慧,建立人機(jī)結(jié)合系統(tǒng)理論,并用其模擬人的智慧。

2) 智能技術(shù):在智能科學(xué)的框架內(nèi)創(chuàng)建人機(jī)結(jié)合智能系統(tǒng)所需要的方法、工具和技術(shù)。

3) 智能工程:利用智能科學(xué)的理念和思想,充分運(yùn)用智能技術(shù)工具創(chuàng)建各種應(yīng)用系統(tǒng)。它是當(dāng)前新技術(shù)、新產(chǎn)品、新產(chǎn)業(yè)的重要發(fā)展方向、開發(fā)策略和顯著標(biāo)志。

根據(jù)上述智能科學(xué)技術(shù)的劃分,智能科學(xué)與技術(shù)專業(yè)的課程體系同樣劃分為理論、技術(shù)與工程應(yīng)用3個(gè)層次,具體框架如圖1所示。

需要說明的是,由于課時(shí)、學(xué)時(shí)等因素的限制,有些課程需要包含未列入課程的部分內(nèi)容。如智能科學(xué)與技術(shù)概論課程內(nèi)含系統(tǒng)論的簡要介紹;智能控制系統(tǒng)包含可編程序控制器、智能傳感器、智能執(zhí)行器等內(nèi)容;智能工程包含若干典型智能系統(tǒng)實(shí)例。

3教材建設(shè)

經(jīng)南開大學(xué)、北京科技大學(xué)和河北工業(yè)大學(xué)3所高校的討論,一致認(rèn)為工科專業(yè)應(yīng)以技術(shù)和工程應(yīng)用兩個(gè)層次為核心,并將人工智能導(dǎo)論和智能信息處理兩門課程的教材合并為智能技術(shù)。同時(shí),根據(jù)南開大學(xué)側(cè)重理論、北京科技大學(xué)側(cè)重軟件、河北工業(yè)大學(xué)側(cè)重硬件的原則進(jìn)行分工,編寫對應(yīng)課程的教學(xué)大綱和教材內(nèi)容。

3.1智能技術(shù)

本課程包括智能計(jì)算和計(jì)算機(jī)視覺兩部分,分別介紹以對人腦的物理結(jié)構(gòu)進(jìn)行模擬為主要特征的聯(lián)接主義智能技術(shù)和以模擬人類視覺處理為主要特征的計(jì)算機(jī)視覺兩部分。它是智能技術(shù)的主干內(nèi)容;也是實(shí)現(xiàn)智能技術(shù)、組成智能系統(tǒng)的重要工具,屬于本專業(yè)本科生的專業(yè)基礎(chǔ)課。通過智能技術(shù)的學(xué)習(xí),學(xué)生應(yīng)能夠掌握智能技術(shù)的基本原理和方法。通過課堂講解、,并配合一定的作業(yè)練習(xí)、上機(jī)實(shí)驗(yàn)等環(huán)節(jié),學(xué)生應(yīng)初步具備運(yùn)用智能技術(shù)和方法分析和解決問題的能力。本課程擬定90學(xué)時(shí),其中授課54學(xué)時(shí),實(shí)驗(yàn)36學(xué)時(shí)。

教材內(nèi)容包括智能計(jì)算和計(jì)算機(jī)視覺兩部分,智能計(jì)算部分包括神經(jīng)網(wǎng)絡(luò)、模糊理論和遺傳算法/蟻群算法,計(jì)算機(jī)視覺包括計(jì)算機(jī)視覺導(dǎo)論、計(jì)算機(jī)視覺理論基礎(chǔ)、圖像預(yù)處理、圖像分割、物體識別、圖像理解、雙目立體視覺、三維視覺技術(shù)、主動視覺。

神經(jīng)網(wǎng)絡(luò)講授單個(gè)神經(jīng)元(感知器)的動作原理,與實(shí)際生物神經(jīng)元的對應(yīng)關(guān)系;講授BP神經(jīng)網(wǎng)絡(luò)的組成,網(wǎng)絡(luò)的特性和對非線性函數(shù)的模擬功能;介紹BP算法的優(yōu)、缺點(diǎn);講授H網(wǎng)絡(luò)的組成結(jié)構(gòu),H網(wǎng)絡(luò)在解決優(yōu)化問題的優(yōu)越性。模糊理論講授模糊集合的概念,建立隸屬度函數(shù)的概念;介紹模糊規(guī)則的建立原則,模糊規(guī)則與模糊系統(tǒng)收入輸出量之間的關(guān)系;介紹模糊化以及模糊量精確化的幾種常用方法。遺傳算法和蟻群算法只作簡要介紹,重點(diǎn)介紹這兩種算法的特點(diǎn)和成功的應(yīng)用實(shí)例,使學(xué)習(xí)者有一個(gè)感性認(rèn)識,明確這種類型算法的“迭代”特點(diǎn)以及總體最優(yōu)目標(biāo)與個(gè)體行為之間的聯(lián)系。

計(jì)算機(jī)視覺理論基礎(chǔ)主要介紹Marr的視覺計(jì)算理論、圖像的相關(guān)知識、傅立葉變換基礎(chǔ);圖像預(yù)處理主要介紹像素亮度變換、幾何變換、直方圖修正、局部預(yù)處理、圖像復(fù)原;圖像分割主要介紹閾值處理方法、基于邊界的分割方法、基于區(qū)域的分割方法;形狀表示與描述主要介紹鏈碼、使用片斷序列描述邊界、尺度空間方法、基于區(qū)域的形狀表示與描述;物體識別主要介紹知識的表示、統(tǒng)計(jì)模式識別、神經(jīng)元網(wǎng)絡(luò)、遺傳算法、模擬退火、模糊系統(tǒng);圖像理解主要介紹并行和串行處理控制、分層控制、非分層控制;雙目立體視覺主要介紹雙目立體視覺原理、精度分析、系統(tǒng)結(jié)構(gòu)、立體成像、立體匹配、系統(tǒng)標(biāo)定;三維視覺技術(shù)主要介紹結(jié)構(gòu)光三維視覺原理、光模式投射系統(tǒng)、標(biāo)定方法、光度立體視覺、由紋理恢復(fù)形狀、激光測距法;主動視覺主要介紹從陰影恢復(fù)形狀、從運(yùn)動恢復(fù)結(jié)構(gòu)、主動跟蹤。

3.2智能控制理論與技術(shù)

本課程是“智能科學(xué)與技術(shù)”專業(yè)的一門重要專業(yè)課程,目的是使學(xué)生了解智能科學(xué)與控制理論結(jié)合所產(chǎn)生之智能控制理論的基本概念和應(yīng)用價(jià)值;使學(xué)生熟知當(dāng)前主流智能控制技術(shù)的種類,并掌握模糊控制、神經(jīng)網(wǎng)絡(luò)控制以及進(jìn)化計(jì)算、群體智能的基礎(chǔ)知識,了解智能技術(shù)與傳統(tǒng)控制方法的結(jié)合點(diǎn);加強(qiáng)MATLAB仿真實(shí)驗(yàn)的訓(xùn)練,以使學(xué)生更好地理解基礎(chǔ)知識,培養(yǎng)學(xué)生使用高級智能控制方法解決實(shí)際控制問題的能力。本課程的學(xué)習(xí)將使學(xué)生加深對控制理論的理解,明晰智能技術(shù)在控制中的應(yīng)用技巧,也為本科生繼續(xù)深造打下基礎(chǔ)。本課程擬定64學(xué)時(shí),其中授課54學(xué)時(shí),實(shí)驗(yàn)10學(xué)時(shí)。

教材內(nèi)容包括智能控制概論,介紹智能控制的發(fā)展歷程和應(yīng)用領(lǐng)域,簡介幾種重要的智能控制方法;專家控制,簡介專家系統(tǒng)的基本結(jié)構(gòu),講授專家PID控制器的原理與設(shè)計(jì)方法;模糊控制,講授模糊數(shù)學(xué)基礎(chǔ)知識、傳統(tǒng)的模糊控制原理和控制器設(shè)計(jì)與實(shí)現(xiàn)方法、模糊PID控制的兩種形式,特別是PID控制參數(shù)的模糊整定技術(shù);神經(jīng)網(wǎng)絡(luò)控制,講授前饋神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)中幾種典型的網(wǎng)絡(luò)模型以及學(xué)習(xí)算法、基于神經(jīng)網(wǎng)絡(luò)的線性系統(tǒng)辨識技術(shù)、神經(jīng)網(wǎng)絡(luò)逆?？刂频?進(jìn)化計(jì)算與控制,講授進(jìn)化計(jì)算的概念、遺傳算法的原理及其與其他智能方法的結(jié)合,介紹遺傳機(jī)器人學(xué);群體智能與控制,講授蟻群算法的基本原理及其在控制問題中的應(yīng)用,介紹群體機(jī)器人學(xué)。

3.3單片機(jī)原理與應(yīng)用

本課程是“智能科學(xué)與技術(shù)”專業(yè)的一門專業(yè)課程,目的是使學(xué)生了解單片機(jī)的組成原理及常用控制算法的實(shí)現(xiàn);掌握51系列單片機(jī)指令系統(tǒng)和一般匯編程序設(shè)計(jì)編寫方法;熟悉常用的單片機(jī)硬件擴(kuò)展技術(shù);在此基礎(chǔ)上,熟練掌握控制算法的單片機(jī)程序編寫與調(diào)試。本課程擬定54學(xué)時(shí),其中授課38學(xué)時(shí),實(shí)驗(yàn)16學(xué)時(shí)。

教材內(nèi)容包括單片機(jī)系統(tǒng)概述,介紹單片機(jī)定義、單片機(jī)發(fā)展過程及單片機(jī)硬件結(jié)構(gòu);單片機(jī)指令系統(tǒng)及程序設(shè)計(jì),介紹指令系統(tǒng)和匯編語言程序設(shè)計(jì);硬件資源及接口技術(shù),介紹硬件資源和接口技術(shù);單片機(jī)使用技術(shù),介紹抗干擾技術(shù)、C語言應(yīng)用程序設(shè)計(jì);依次介紹PID控制器、狀態(tài)反饋控制器、模糊控制器、系統(tǒng)辨識、卡爾曼濾波、滑模控制器、最優(yōu)控制器、魯棒控制器、自適應(yīng)控制器、神經(jīng)網(wǎng)絡(luò)控制器的歷史沿革、基本原理、常用形式和單片機(jī)具體實(shí)現(xiàn)方法。

3.4嵌入式系統(tǒng)

本課程以當(dāng)前主流的嵌入式系統(tǒng)技術(shù)為背景,以嵌入式系統(tǒng)原理為基礎(chǔ),以嵌入式系統(tǒng)開發(fā)體系為骨架,以嵌入式控制系統(tǒng)開發(fā)為目標(biāo),較為全面地介紹嵌入式系統(tǒng)的基本概念、軟硬件的基本體系結(jié)構(gòu)、軟硬件開發(fā)方法、相關(guān)開發(fā)工具、應(yīng)用領(lǐng)域、熱門領(lǐng)域的開發(fā)實(shí)例以及當(dāng)前的一些前沿動態(tài),為學(xué)生展示較為完整的嵌入式控制系統(tǒng)領(lǐng)域概況。本課程擬定64學(xué)時(shí),其中授課48學(xué)時(shí),實(shí)驗(yàn)16學(xué)時(shí)。

教材依據(jù)嵌入式控制系統(tǒng)的特征,將控制算法、嵌入式系統(tǒng)硬件、操作系統(tǒng)、應(yīng)用程序設(shè)計(jì)及組態(tài)軟件作為統(tǒng)一的技術(shù)平臺介紹,突出嵌入式技術(shù)在控制系統(tǒng)中應(yīng)用的特點(diǎn),重點(diǎn)介紹嵌入式控制系統(tǒng)軟硬件、電路、操作系統(tǒng)、實(shí)時(shí)性、可靠性等特性,從軟件體系結(jié)構(gòu)及開發(fā)的角度出發(fā),強(qiáng)調(diào)實(shí)時(shí)調(diào)度、Bootloader、BSP、嵌入式實(shí)時(shí)多任務(wù)系統(tǒng)設(shè)計(jì)、交叉開發(fā)與仿真開發(fā)等關(guān)鍵技術(shù),并特別引入了工業(yè)控制中需要的電磁兼容性設(shè)計(jì)和大量的典型嵌入式控制系統(tǒng)實(shí)例設(shè)計(jì)。通過本課程的學(xué)習(xí),學(xué)生不但可以學(xué)會使用工具開發(fā)嵌入式軟硬件,而且可以從總體角度選擇適當(dāng)?shù)募夹g(shù)和方法,全面規(guī)劃和設(shè)計(jì)嵌入式系統(tǒng)。

3.5智能工程

本課程是“智能科學(xué)與技術(shù)”專業(yè)的一門核心專業(yè)課程。面向智能技術(shù)的實(shí)際應(yīng)用,著眼于解決工程應(yīng)用中的技術(shù)問題,從典型系統(tǒng)設(shè)計(jì)案例分析出發(fā),通過大量實(shí)驗(yàn)提高學(xué)生的工程實(shí)踐能力。本課程擬定36學(xué)時(shí),全部為授課學(xué)時(shí)。

教材內(nèi)容包括智能工程概論,介紹智能工程現(xiàn)狀、工程設(shè)計(jì)原則和工程實(shí)際流程;常用傳感器原理,介紹傳感器一般特性、光電式傳感器和視覺傳感器;典型智能系統(tǒng)設(shè)計(jì)案例,包括智能移動機(jī)器人、智能電梯群控電梯等系統(tǒng)。

3.6智能機(jī)器人

課程通過對一個(gè)具有代表性的仿人機(jī)器人的拆解,將知識點(diǎn)拆解成6個(gè)主要教學(xué)模塊:1)機(jī)器人控制模塊,介紹各類控制模塊的原理與組成;2)機(jī)器人運(yùn)動系統(tǒng),介紹電機(jī)與舵機(jī)的原理與控制方法;3)機(jī)器人動作系統(tǒng),介紹機(jī)器人各部件的協(xié)調(diào)控制;4)機(jī)器人視覺系統(tǒng),介紹典型的超聲波、影像傳感器的原理與識別算法;5)機(jī)器人表現(xiàn)系統(tǒng)原理,介紹人與機(jī)器人的交互原理;6)機(jī)器人通信系統(tǒng)原理,介紹機(jī)器人之間的數(shù)據(jù)與信息傳遞方法。學(xué)生學(xué)習(xí)時(shí),能夠與基礎(chǔ)知識相聯(lián)系,并能掌握機(jī)器人這門技術(shù),為從事機(jī)器人產(chǎn)品研發(fā)工作打下堅(jiān)實(shí)的基礎(chǔ)。本課程擬定54學(xué)時(shí),其中授課44學(xué)時(shí),實(shí)驗(yàn)10學(xué)時(shí)。

教材面向“智能科學(xué)與技術(shù)”專業(yè),同時(shí)兼顧信息類專業(yè)學(xué)生編寫,根據(jù)這類專業(yè)學(xué)生的知識結(jié)構(gòu)和特點(diǎn)組織內(nèi)容。從具體的機(jī)器人控制需求出發(fā),將自動控制的基本理論和機(jī)器人控制特點(diǎn)相結(jié)合,講授機(jī)器人控制系統(tǒng)的組成、規(guī)律、特點(diǎn)和設(shè)計(jì)方法。理論上反映當(dāng)前的最新進(jìn)展,內(nèi)容上考慮初學(xué)者的需求,側(cè)重普及性、實(shí)用性和新穎性,結(jié)構(gòu)體系符合信息類和控制類專業(yè)學(xué)生的特點(diǎn),力求簡潔、清楚,對技術(shù)的敘述遵循目標(biāo)、問題、理論依據(jù)、實(shí)現(xiàn)方法、實(shí)際情況、發(fā)展方向的方式。做到重點(diǎn)突出,符合實(shí)際,滿足需要,指導(dǎo)性強(qiáng)。

3.7智能控制系統(tǒng)

本課程是“智能科學(xué)與技術(shù)”專業(yè)的一門專業(yè)課程,使學(xué)生了解智能控制系統(tǒng)的基礎(chǔ)知識;掌握智能控制系統(tǒng)中最新的智能傳感技術(shù)、智能控制器、智能執(zhí)行能執(zhí)行器及智能網(wǎng)絡(luò)與接口技術(shù);掌握智能控制系統(tǒng)中多個(gè)關(guān)鍵硬件裝置的識別及其使用。通過學(xué)習(xí)多個(gè)智能控制系統(tǒng)的開發(fā)實(shí)例,學(xué)生應(yīng)掌握智能控制系統(tǒng)的設(shè)計(jì)方法與技術(shù),堅(jiān)實(shí)地掌握最新智能控制系統(tǒng)知識,提高理論聯(lián)系實(shí)際的能力,并為學(xué)習(xí)其他課程的打下堅(jiān)實(shí)基礎(chǔ)。本課程擬定64學(xué)時(shí),其中授課48學(xué)時(shí),實(shí)驗(yàn)16學(xué)時(shí)。

教材內(nèi)容包括概述,介紹智能控制系統(tǒng)的基本概念、基本內(nèi)容和機(jī)構(gòu)及其發(fā)展趨勢;智能傳感系統(tǒng),講授智能數(shù)據(jù)采集技術(shù)、傳感器智能化的數(shù)據(jù)處理方法、多傳感器信息融合的方法、智能傳感器實(shí)現(xiàn)方法與典型實(shí)例;智能控制器設(shè)計(jì),講授基于單片機(jī)的智能控制器設(shè)計(jì)及其應(yīng)用、基于高性能嵌入式ARM的智能控制器設(shè)計(jì)及其應(yīng)用、基于PLC的智能控制器設(shè)計(jì)及其應(yīng)用;智能電動執(zhí)行器,講授智能電動執(zhí)行器的硬件實(shí)現(xiàn)技術(shù),軟件設(shè)計(jì)技術(shù)以及典型的智能電動執(zhí)行器實(shí)例及其應(yīng)用;智能網(wǎng)絡(luò)與接口技術(shù),講授無線傳感器智能網(wǎng)絡(luò),工業(yè)現(xiàn)場總線網(wǎng)絡(luò)以及智能傳感器、智能控制器和智能執(zhí)行器的網(wǎng)絡(luò)接口實(shí)現(xiàn)技術(shù);智能控制系統(tǒng)設(shè)計(jì)實(shí)例,綜合利用前面的知識設(shè)計(jì)網(wǎng)絡(luò)化智能壓力傳感器的系統(tǒng)設(shè)計(jì)、基于聲音定位的智能機(jī)器人系統(tǒng)設(shè)計(jì)、基于微機(jī)電慣性傳感器的汽車多路況智能防撞系統(tǒng)的設(shè)計(jì)、大型設(shè)備的PLC智能控制系統(tǒng)設(shè)計(jì)。

4結(jié)語

通過南開大學(xué)、北京科技大學(xué)和河北工業(yè)大學(xué)3所高校的研討,我們凝練出較完整的“智能科學(xué)與技術(shù)”專業(yè)課程體系,體現(xiàn)出本專業(yè)的特色;提出可供3所高校共同使用的教學(xué)大綱和教材內(nèi)容,體現(xiàn)出學(xué)生培養(yǎng)的工程實(shí)踐導(dǎo)向。這些研究成果可以為開辦“智能科學(xué)與技術(shù)”專業(yè)的兄弟院校進(jìn)一步研討提供藍(lán)本,也可以為籌建該專業(yè)的高校所參考。

注:本文受到北京科技大學(xué)教學(xué)研究會第六批教學(xué)研究課題、北京科技大學(xué)教育教學(xué)研究基金青年教師教育教學(xué)研究立項(xiàng)項(xiàng)目、河北工業(yè)大學(xué)教改項(xiàng)目(2010-12)支持。

參考文獻(xiàn):

[1] 王萬森,鐘義信,韓力群,等. 我國智能科學(xué)技術(shù)教育的現(xiàn)狀與思考[J]. 計(jì)算機(jī)教育,2009(11):10-14.

[2] 教育部關(guān)于公布2009年度高等學(xué)校專業(yè)設(shè)置備案或?qū)徟Y(jié)果的通知[S]. 教高〔2010〕2號,2010.

[3] 方勇純,劉景泰. 南開大學(xué)“智能科學(xué)與技術(shù)”專業(yè)教學(xué)體系與實(shí)驗(yàn)環(huán)境建設(shè)[J]. 計(jì)算機(jī)教育,2009(11):21-25.

[4] 石志國,劉冀偉,王志良.“智能科學(xué)與技術(shù)”本科專業(yè)軟件實(shí)踐類課程建設(shè)探討[J]. 計(jì)算機(jī)教育,2009(11):93-97.

[5] 劉作軍,張磊,楊鵬,等. 談我校增設(shè)“智能科學(xué)與技術(shù)”專業(yè)的設(shè)想與措施[J]. 計(jì)算機(jī)教育,2009(11):53-56.

[6] 盧桂章. 無處不在的智能技術(shù)[J]. 計(jì)算機(jī)教育,2009(11):68-72.

A Study on the Course System and Textbook Construction for the Discipline of

Intelligence Science and Technology

YANG Peng1, ZHANG Jian-xun2, LIU Ji-wei3, ZHANG Lei1

(1. Hebei University of Technology, Tianjin 300130, China; 2.Nankai University, Tianjin 300071, China;

3. University of Science and Technology Beijing, Beijing 100083, China)