目錄
“新一代人工智能理論、技術(shù)及應(yīng)用叢書”序
前言
第1章 緒論 1
1.1 背景與趨勢(shì) 1
1.2 群體智能與智能制造 2
1.3 群智制造智慧空間的關(guān)鍵科學(xué)挑戰(zhàn) 3
1.4 本書組織結(jié)構(gòu) 4
參考文獻(xiàn) 6
第2章 群智涌現(xiàn)機(jī)理驅(qū)動(dòng)的制造業(yè)智慧空間構(gòu)建 7
2.1 生物群智涌現(xiàn)行為 7
2.1.1 集體行進(jìn) 7
2.1.2 群體聚集 8
2.1.3 協(xié)作筑巢 8
2.1.4 分工捕食 9
2.1.5 社會(huì)交互 9
2.2 生物群智到制造群智的映射模型 10
2.2.1 群集動(dòng)力學(xué) 11
2.2.2 自適應(yīng)機(jī)制 12
2.2.3 群智優(yōu)化算法 12
2.2.4 圖結(jié)構(gòu)映射模型 13
2.2.5 演化博弈動(dòng)力學(xué) 13
2.2.6 群智能體學(xué)習(xí)機(jī)制 14
2.3 制造業(yè)智慧空間構(gòu)建 15
2.3.1 制造業(yè)智慧空間系統(tǒng) 15
2.3.2 制造業(yè)智慧空間的群體智能涌現(xiàn) 19
2.3.3 制造業(yè)智慧空間機(jī)理 22
2.4 本章小結(jié) 25
參考文獻(xiàn) 26
第3章 制造個(gè)體與智能群體融合 29
3.1 制造主體可伸縮情境感知方法 29
3.1.1 制造主體可伸縮情境感知概述 30
3.1.2 混合精度量化自適應(yīng)計(jì)算 34
3.1.3 邊緣端融合高效自適應(yīng)感知 36
3.1.4 壓縮與分割策略融合的可伸縮情境感知 43
3.2 群智能體深度強(qiáng)化學(xué)習(xí) 46
3.2.1 群智能體深度強(qiáng)化學(xué)習(xí)概述 47
3.2.2 基于信息勢(shì)場(chǎng)獎(jiǎng)勵(lì)函數(shù)的多AGV任務(wù)分配 49
3.2.3 基于分層內(nèi)在激勵(lì)的多AGV調(diào)度 51
3.3 跨制造實(shí)體/場(chǎng)景的知識(shí)遷移 56
3.3.1 群智制造與知識(shí)遷移 57
3.3.2 類別不平衡的少樣本表面缺陷檢測(cè) 59
3.3.3 跨制造場(chǎng)景的少樣本表面缺陷檢測(cè) 63
3.4 基于聯(lián)邦學(xué)習(xí)的協(xié)同制造知識(shí)增強(qiáng) 66
3.4.1 群智制造與聯(lián)邦學(xué)習(xí) 67
3.4.2 高通信效率的混合聯(lián)邦學(xué)習(xí)框架 69
3.4.3 跨環(huán)境聯(lián)邦持續(xù)學(xué)習(xí) 70
3.5 本章小結(jié) 73
參考文獻(xiàn) 74
第4章 智能群體診斷與控制 79
4.1 診斷與控制一體化架構(gòu) 83
4.1.1 集中式診斷與控制一體化架構(gòu) 83
4.1.2 分布式診斷與控制一體化架構(gòu) 86
4.2 性能驅(qū)動(dòng)的分布式協(xié)同診斷與控制方法 88
4.2.1 性能驅(qū)動(dòng)的分布式協(xié)同診斷方法 88
4.2.2 性能驅(qū)動(dòng)的分布式協(xié)同控制方法 109
4.3 面向關(guān)鍵性能指標(biāo)的實(shí)時(shí)優(yōu)化 123
4.3.1 診斷系統(tǒng)參數(shù)實(shí)時(shí)優(yōu)化算法 123
4.3.2 控制系統(tǒng)參數(shù)實(shí)時(shí)優(yōu)化算法 132
4.4 本章小結(jié) 135
參考文獻(xiàn) 135
第5章 群智能體多任務(wù)優(yōu)化決策方法 140
5.1 基于多源信息的信息融合與特征提取 144
5.1.1 多源信息的特征提取方法 144
5.1.2 多源信息的目標(biāo)定位方法 146
5.1.3 多源信息的目標(biāo)識(shí)別方法 149
5.2 柔性產(chǎn)線多任務(wù)優(yōu)化與決策方法 153
5.2.1 柔性作業(yè)車間調(diào)度問(wèn)題的描述 154
5.2.2 數(shù)學(xué)模型 156
5.2.3 柔性作業(yè)車間調(diào)度問(wèn)題的性能指標(biāo) 157
5.2.4 柔性產(chǎn)線多任務(wù)動(dòng)態(tài)優(yōu)化與決策方法 158
5.3 智能群體面向關(guān)鍵性能指標(biāo)的策略演化方法 162
5.4 本章小結(jié) 166
參考文獻(xiàn) 166
第6章 制造企業(yè)協(xié)同運(yùn)行模型和支撐系統(tǒng) 168
6.1 協(xié)同制造的發(fā)展歷程和面臨的新挑戰(zhàn) 168
6.2 融合群體智能的制造企業(yè)協(xié)同運(yùn)行模型 171
6.2.1 集成化過(guò)程模型 175
6.2.2 智能資源模型 177
6.2.3 群體智能協(xié)同模型 182
6.2.4 可信共享信息模型 186
6.3 制造企業(yè)群智協(xié)同運(yùn)行過(guò)程建模與仿真 187
6.3.1 協(xié)同制造過(guò)程建模語(yǔ)言 188
6.3.2 協(xié)同制造過(guò)程建模與仿真系統(tǒng) 193
6.4 基于區(qū)塊鏈的制造數(shù)據(jù)可信共享技術(shù) 199
6.4.1 基于細(xì)粒度制造企業(yè)分布式信任體系的數(shù)據(jù)質(zhì)量控制 200
6.4.2 基于區(qū)塊鏈可靠性容錯(cuò)的制造企業(yè)數(shù)據(jù)安全存儲(chǔ) 201
6.4.3 區(qū)塊鏈隱私數(shù)據(jù)可控共享 202
6.4.4 制造企業(yè)區(qū)塊鏈的數(shù)據(jù)共享機(jī)制案例實(shí)現(xiàn) 203
6.5 本章小結(jié) 205
參考文獻(xiàn) 205
第7章 制造企業(yè)協(xié)同運(yùn)行中的智能服務(wù) 207
7.1 基于聯(lián)邦學(xué)習(xí)的隱私保護(hù)知識(shí)增強(qiáng) 207
7.1.1 協(xié)同制造中隱私保護(hù)對(duì)數(shù)據(jù)共享的限制問(wèn)題 207
7.1.2 聯(lián)邦學(xué)習(xí)發(fā)展過(guò)程與基本原理 208
7.1.3 基于聯(lián)邦學(xué)習(xí)的產(chǎn)品質(zhì)量預(yù)測(cè)案例研究 209
7.1.4 聯(lián)邦學(xué)習(xí)在協(xié)同制造中的應(yīng)用展望 212
7.2 協(xié)同制造中的設(shè)備資源實(shí)時(shí)推薦 214
7.2.1 設(shè)備推理規(guī)則語(yǔ)言領(lǐng)域知識(shí) 215
7.2.2 基于規(guī)則的設(shè)備資源推薦技術(shù) 218
7.2.3 設(shè)備推薦案例分析 220
7.3 跨企業(yè)協(xié)同智能協(xié)商 222
7.3.1 跨企業(yè)協(xié)同智能協(xié)商方法 223
7.3.2 跨企業(yè)協(xié)同智能協(xié)商方案 225
7.3.3 跨企業(yè)協(xié)同智能協(xié)商系統(tǒng) 227
7.4 本章小結(jié) 234
參考文獻(xiàn) 234
第8章 群智企業(yè)運(yùn)行模型原型系統(tǒng)開發(fā) 236
8.1 制造企業(yè)信息化 236
8.1.1 制造企業(yè)信息化需求 236
8.1.2 制造企業(yè)信息化趨勢(shì) 237
8.1.3 制造系統(tǒng)的形態(tài)演變 238
8.2 群智企業(yè)運(yùn)行模型總體架構(gòu) 242
8.3 人、機(jī)、物資源接入及發(fā)布 243
8.3.1 數(shù)字化、物聯(lián)化技術(shù)手段 243
8.3.2 虛擬化、服務(wù)化技術(shù)手段 244
8.4 數(shù)據(jù)匯聚子系統(tǒng) 245
8.4.1 清華數(shù)為：大數(shù)據(jù)管理模塊 245
8.4.2 信鏈：區(qū)塊鏈可信服務(wù)模塊 247
8.5 群智基礎(chǔ)支撐子系統(tǒng) 249
8.5.1 生物群智驅(qū)動(dòng)的制造業(yè)智慧空間模型 249
8.5.2 個(gè)體自適應(yīng)感知模塊 250
8.5.3 個(gè)體自學(xué)習(xí)增強(qiáng)模塊 252
8.5.4 群智能體強(qiáng)化學(xué)習(xí)模塊 253
8.5.5 遷移學(xué)習(xí)模塊 254
8.6 群智控制子系統(tǒng) 256
8.6.1 群智控制一體化模型配置模塊 256
8.6.2 智能群體多任務(wù)優(yōu)化決策模塊 257
8.6.3 智能群體控制和策略演化模塊 258
8.7 協(xié)同服務(wù)子系統(tǒng) 260
8.7.1 基于多維聯(lián)邦學(xué)習(xí)的知識(shí)增強(qiáng)模塊 260
8.7.2 協(xié)同運(yùn)行激勵(lì)模塊 261
8.7.3 基于領(lǐng)域知識(shí)的設(shè)備推薦模塊 263
8.7.4 過(guò)程和資源建模與仿真模塊 266
8.8 群智企業(yè)運(yùn)行模型原型系統(tǒng)應(yīng)用模式 267
8.9 本章小結(jié) 268
參考文獻(xiàn) 268
第9章 制造企業(yè)智慧空間應(yīng)用解決方案 269
9.1 復(fù)雜產(chǎn)品制造 269
9.1.1 復(fù)雜產(chǎn)品制造背景 269
9.1.2 復(fù)雜產(chǎn)品制造分析 270
9.1.3 復(fù)雜產(chǎn)品制造案例 272
9.2 單元級(jí)制造 273
9.2.1 場(chǎng)景概況 273
9.2.2 解決方案 275
9.3 產(chǎn)品/專業(yè)線級(jí)制造 276
9.3.1 場(chǎng)景概況 276
9.3.2 解決方案 278
9.4 供應(yīng)鏈、企業(yè)級(jí)制造 279
9.4.1 場(chǎng)景概況 279
9.4.2 解決方案 281
9.5 本章小結(jié) 283
參考文獻(xiàn) 283