智能制造论文英文文献

Electric Automation 电气自动化ELECTRIC AUTOMATION DEVICE AND METHOD FOR ADJUSTING THE FUNCTIONS OF THE ELECTRIC AUTOMATION DEVICE The invention relates to an electric automation device comprising a control unit that is controlled by a computer. In order to create an automation device that can be set to predefined functions in a particularly flexible manner while requiring less testing, a computer hardware component (2) is provided with control software comprising a basic functional area which includes an operating system (3), a device driver (4), and communication modules (5) so as to form a basic automation device (1) while the basic automation device (1) is complemented with any application modules (7a, 7b, 7c, 8, 9) that can be connected to the basic functional area via a software interface (6) in order to obtain the automation device. The invention also relates to a method for producing or adjusting the functions of such an electric automation device. 电气自动化专业介绍一、专业概况 随着高新技术的发展和生产自动化程度的提高，我国国民经济发展，正在和继续需要大批技术应用型实用人才。电气自动化技术是现代制造技术中不可缺少的重要技术门类，也是一个国家科技实力乃至综合竞争力的综合反映，在工业发展中具有前导地位。电气自动化技术，集机、电、计算机、信息处理等多学科于一体，是多学科相互交叉、渗透、结系淖酆涎Э疲�诠�窬�媒ㄉ柚姓加兄匾�牡匚弧R虼耍�梢运档缙�远��际跏嵌ヌ炝⒌氐氖乱担�枪�窬�梅⒄购腿嗣裆�钏�教岣叩奈镏侍跫�� ?br> （一）、培养目标本专业培养德、智、体、美、劳全面发展，具有良好职业道德和综合业务素质，具备较强的创新意识和创业能力，掌握电气自动化技术、计算机控制技术的基础理论，能在生产、建设、管理、服务第一线从事常用电气自动化设备、常用电气设备、供配电系统和装置、计算机控制系统、PLC控制系统的安装、调试、运行和维护的实用型高技能专门人才。 （二）、培养要求及职业能力分析 1、培养要求：本专业主要学习电气自动化的专业技术知识，应具有较强的本专业技术应用能力。 2、职业能力分析 （1）具有良好的身体素质、职业道德和人文素质，较强的语言文字表达能力和一定的社会交往能力及继续学习能力。 （2）具有较强的用英语进行人际和人机交流能力，具有阅读和翻译本专业有关英文资料的能力。 （3）具有较强的在信息化社会中工作、学习、生活所必备的计算机应用能力；熟练使用电子电气CAD软件；掌握一门程序设计语言。 （4）具有分析和测试常见的电工电子线路，能设计一般电工电子应用线路，能熟练使用常规电工电子仪器、仪表，具有熟练的电工基本操作技能。 （5）熟悉常用低压电器的基本原理及使用；能熟练阅读电气控制线路的原理图与接线图；具有对常规电气设备、供配电设备等电气控制系统进行安装、调试、维护能力。 （6）具有正确选用、安装、调试、维护电力电子装置和典型交、直流调速系统的能力。 （7）具有熟练的可编程控制器应用能力。 （8）具有以嵌入式计算机数字控制技术为核心的新技术基本应用能力，对相应控制系统具有调试维护能力。 （9）具有对一般的机械零件图、产品装配图与机械、液压和气压传动系统回路的识读能力，了解常用机械设备的结构特点及工艺过程，了解常见的机械和电气的配合关系。 （10）了解企业管理的基本知识，具有一定的质量意识。 （三）、课程设置 课程设置共分五部分：公共必修课、专业必修课、专业限定选修课、专业选修课及公共选修课。 1、公共必修课包括：思想道德修养、法律基础、邓小平理论、马克思主义哲学、体育、英语、高等数学、计算机操作基础等。 2、专业必修课包括：电工基础、模拟电子技术、数字电子技术、电机及拖动基础、机械制图及公差、机械工程基础、嵌入式计算机原理及应用、C语言程序设计、自动检测与转换技术、现代电力电子技术、可编程序控制器应用、自动控制原理与系统、C语言、工厂电气控制技术、电子电气CAD、变配电技术、变频调速原理与应用、工业控制网络、DSP原理与应用及专业英语等。其中主干课程为：电工基础、模拟电子技术、数字电子技术、电机及拖动基础、嵌入式计算机原理及应用、自动检测与转换技术、现代电力电子技术、可编程序控制器应用、自动控制原理与系统等。 3、专业限选课包括：计算机控制技术、工业自动化仪表、控制电机、智能控制等。 4专业任选课包括：电工电子工艺、多媒体技术、楼宇自动化、计算机系统仿真、计算机维修、程序设计（VB）等。 5、公共选修课包括：包括两个能力模块：经济管理科学类和人文与社会科学类。 （四）、实践教学环节 1、专业主要实践教学包括：电工实验、模拟电子技术实验、数字电子技术实验、电机与电力拖动实验、可编程序控制器应用实验、嵌入式计算机原理实验、现代电力电子技术实验、电工基础课程设计、电子技术课程设计、嵌入式计算机原理课程设计、可编程序控制器应用课程设计、自控系统课程设计、综合系统实训、金工实习、电工电子实习、专业参观、综合生产实习、毕业设计等。 2、非专业实践教学包括：入学教育、军训、暑期社会实践、社团活动、体育活动、文艺活动等。 （五）、职业技能证书 本专业证书包含三个方面： 1、公共必修证书：PET、计算机一级证书。 2、专业必修证书：CAD初级、维修电工中级。 3、任选证书：CET四级证书、计算机三级证书(单片机方向）、CAD中级证书、维修电工高级证书、气液电控制技术。 （六）、本专业师资力量 学院拥有一支学术造诣高、教学经验丰富、实践能力强的师资队伍。电气自动化技术专业现有师资26人，其中副高职称以上有17人，“双师型”教师10人。能够满足公共基础课、专业基础课和专业课的理论及实践教学的需要。 二、职业前景 1、对口行业 电气自动化技术是传统而具有新内涵的专业，本专业培养拥护党的基本路线，德、智、体、美等全面发展，具备从事电气自动化技术所需要的理论知识和职业技术能力，主要在生产、建设、服务和管理等第一线工作的高级技术应用性专门人才。本专业的毕业生可就职于国防、航天、航空、航海、铁道、机械、轻工、化工、电子、电力、电信、钢铁、石油、矿山、煤炭、地质、勘测等广泛的工业、农业、科学研究领域，也可就职于现代物流及现代服务业。 2、就业前景 在上海市经济委员会的《上海制造业战略升级的行动纲要》中指出：加快推动制造业的战略升级是贯彻党的十六大精神，坚定地走新型工业化道路，实现向制造业强国转变的国家战略需要，也是上海建立新型产业体系，提高城市综合竞争力，坚持“四个中心”的客观要求。上海制造业战略升级的重点包括：高新技术产业重点发展电子信息和现代生物与现代医药制造业；交通运输设备制造业重点发展汽车、轨道交通、船舶、民用飞机；装备制造业重点发展大型成套设备、电站设备、新能源和新型环保设备制造业；原材料制造业重点发展石油化工和精细化工、精品钢材制造业；生产性服务业重点发展制造业物流、技术服务等产业；大力发展就业广、清洁型的都市型工业。根据电气自动化的内涵，上述产业无不包含电气自动化技术，同时也对电气自动化技术专业的人才提出了更高的要求。据上海市政府组织的《面向新世纪上海紧缺人才需求趋势与开发研究对策》的报告显示，复合型技术人才是紧缺的专业人才，而电气自动化技术专业是培养复合型技术人才的有效载体。可以预见在未来数年内，电气自动化专业毕业生就业前景良好。

人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。【人工和智能】人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或着人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。 关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。 人工智能目前在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。详见

[1]ROVITHAKIS G A. Stable adaptive neuro-control design via Lyapunov function derivative estimation [ J ]. Automatica, 2001 37 (8):1213- 1221.[2]王源,胡寿松,吴庆宪.一类非线性系统的自组织模糊CMAC神经网络重构跟踪控制[J].控制理论与应用,2003,20(1):70-77.(WANG Yuan, HU Shousong, WU Qingxian. Adaptive reconfigurable tracking control of a class of nonlinear systems based on self-organizing fuzzy CMAC neural networks [ J ]. Control Theory & Applications, 2003,20(1 ) :70 - 77. )[3]LEWIS F L, YESILDIREK A, LIU K. Multilayer neural net robot controller:structure and stability proofs [ J]. IEEE Trans on Neural Networks, 1996,7(2) :388 - 399.[4]金波,俞亚新.一种自适应CMAC神经元网络控制器及其在水轮调速器中的应用[J].控制理论与应用,2002,19(6):905-908.( JIN Bo, YU Yaxin. Adaptive CMAC controller for hydraulic turbine speed governor [ J ]. Control Theory & Applications, 2002, 19 (6):905 - 908. )[5]CHEN F C, KHALIL H K. Adaptive control of nonlinear systems using neural networks [J]. Int J Control, 1992,55(6): 1299 - 1317.[6]牛玉刚,邹云,杨成梧.基于神经网络的一类非线性系统自适应跟踪控制[J].控制理论与应用,2001,18(3):461-464.( NIU Yugang, ZOU Yun, YANG Chengwu. Neural network-based adaptive tracking control for a class of nonlinear systems [ J]. Control Theory & Application, 2001,18 ( 3 ): 461 - 464. )[7]李翔,陈增强,袁著祉.非最小相位非线性系统的简单递归神经网络控制[J].控制理论与应用,2001,18(3):456-460.(LI Xiang,CHEN Zengqiang, YUAN Zhuzhi. Simple recurrent neural network control for non-minimum phase nonlinear system [ J ]. Control Theory &Application ,2001,18(3) :456 - 460. )[8]CHEN S, BILLINGS S A, GRANT P M. Recursive hybrid algorithm for nonlinear system identification using radial basis function networks [J]. Int J Control, 1992,55(5): 1050 - 1070.[9]BROWN M, HARRIS C J. Neurofuzzy Adaptive Modeling and Control [M].Hertfordshire: Prentice Hall International (UK) Limited,1994.[10]LIN C T, LEE G C S. Neural Fuzzy Systems-A Neuro-fuzzy Synergism to Intelligent Systems [M].New York: Prentice Hall Inc. ,A Simon & Schuster Company, 1996.[11]GE S S, LEE T H, HARRIS C J. Adaptive Neural Network Control of Robotic Manipulators [ M]. Singapore: World Scientific, 1998.[12]孙富春,孙增圻,张钹.机械手神经网络稳定自适应控制的理论与方法[M].北京:高等教育出版社,2004.(SUN Fuchun, SUN Zengqi, ZHANG Bo. Theory and Approaches for Stable Adaptive Control of Robotic Manipulators Using Neural Networks [M]. Beijing: Higher Education Press,2004. )[13]WIDROW B. The original adaptive neural net broom-balancer[ C ]//Proc of IEEE Int Symposium on Circuits and Systems. Piscataway,NJ:IEEE Press, 1987:351 - 357.[14]ALBUS J approach to manipulator control:the cerebellar model articulation controller (CMAC) [ J]. J of Dynamics Systems,Measurement and Control, 1975,97 ( 3 ): 220 - 227.[15]HOPFIELD J J, TANK D W. Computing with neural circuits: A model [ J]. Science, 1986,233:625 - 633.[16]RUMELHART D E, MCCLELLAND J L. Parallel Distributed Processing : Explorations in the Microstructure of Cognition [ M]. Cambridge, MA: MIT Press, 1986.[17]WANG Jeen-Shing, LEE G C S. Self-adaptive recurrent neuro-fuzzy control of an autonomous underwater vehicle [ J ]. IEEE Trans on Robotics and Automation, 2003,19 ( 2 ): 283 - 295.[18]DIAO Yixin, PASSINO K M. Adaptive neural/fuzzy control for interpolated nonlinear systems [ J ]. IEEE Trans on Fuzzy Systems,2002,10(5) :582 - 595.[19]达飞鹏,宋文忠.基于模糊神经网络的滑模控制[J].控制理论与应用,2000:17(1):128-132.(DA Feipeng,SONG Wenzhong. Sliding mode control based on the fuzzy neural networks [ J ]. Control Theory & Applications, 2000,17(1):128- 132.)[20]DENG Hui, SUN Fuchun, SUN Zengqi. Observer-based adaptive controller design of flexible manipulators using time-delay neurofuzzy networks [J]. J of Intelligent and Robotic Systems,2002,34(34) :453 - 466.[21]LIU Huaping, SUN Fuchun, HE Kezhong, et al. Controller design and stability analysis for fuzzy singularly perturbed systems [ J]. Acta Automatica Sinica ,2003,29(4) :494 - 500.[22]胡寿松,周川,胡维礼.基神经网络的模型跟随鲁棒自适应控制[J].自动化学报,2000,26(5):623-629.(HU Shousong, ZHOU Chuan, HU Weili. Model-following robust adaptive control based on neural networks [ J ]. Acta Automatica Sinica ,2000,26(5) :623 - 629. )[23]PARTRICIA Melin, OSCAR Castrilio. Intelligent adaptive control of non-linear dynamical systems with a hybrid neuro-fuzzy-genetic approach [C]//Proc of IEEE Int Conf on Systems, Man, and Cybernetics. Piscataway,NJ: IEEE Press, 2001:1508 - 1513.[24]LEE Ching-hung,LIN Yu-hing,LAI Wei-yu. Systems identification using type-2 fuzzy neural network (type-2 FNN) systems [C]//Proc of 2003 IEEE Int Symposium on Computational Intelligence in Robotics and Automation. Piscataway, NJ: IEEE Press, 2003:1264 -1269.[25]PARTRICIA M, OSCAR C. A new method for adaptive model-based control of nonlinear plants using type-2 fuzzy logic and neural networks [C]//Proc of IEEE Int Conf on Fuzzy Systems. Piscataway,NJ: IEEE Press, 2003: 420 - 425.[26]MENDELAND J M, BOB John R I. Type-2 fuzzy sets made simple [J]. IEEE Trans on Fuzzy Systems,2002,10(2): 117 - 127.[27]Ezhov A A, Khromov A G, Berman G P. Analog quantum neuron for functions approximation [ C ]//Proc of Int Joint Conf on Neural Networks. Piscataway,NJ: IEEE Press, 2001,2:1577 - 1582.[28]SANNER R M, SLOTINE J J E. Stable adaptive control and recursive identification using radial Gaussian networks [ C ]//Proc of IEEE Conf on Decision and Control. Piscataway, NJ: IEEE Press,1991:2116-2123.[29]POLYCARPOU M M, IOANNOU P S. Identification and control of nonlinear systems using neural network models: design and stability analysis EE-Report 91 - 09 - 01 [ R ]. Los Angeles: University of Southem California, 1991.[30]SANCHEZ E N, BERNAL M A. Adaptive recurrent neural control for nonlinear system tracking [ J ]. IEEE Trans on Systems, Man,and Cybernetics, Part B: Cybernetics, 2000,30( 6 ): 886 - 889.[31]SUN Fuchun, LI HanXiong, LI Lei. Robot discrete adaptive control based on dynamic inversion using dynamical neural networks [ J ].Automatica, 2002,38 ( 11 ): 1977 - 1983.[32]SANNER R M, SLOTINE J J E. Structurally dynamic wavelet networks for the adaptive control of uncertain robotic systems [ C ]//Proc of the 34 th IEEE Conf on Decision and Control. Piscataway,NJ: IEEE Press, 1995: 2460 - 2467.[33]POLYCARPOU M M. Stable adaptive neural control scheme for nonlinear systems [ J]. IEEE Trans on Automatic Control, 1996,41(3) :447 - 451.[34]SUN Fuchun, SUN Zengqi, WOO Pengyun. Neural network-based adaptive controller design of robot manipulators with an observer [ J]. IEEE Trans on Neural Networks ,2001,12( 1 ) :54 - 67.[35]NARENDRA K S, PARTHASARATHY K. Identification and control of dynamical systems using neural networks [ J ]. IEEE Trans on Neural Networks, 1990,1(1) :4 - 27.[36]ROVITHAKIS G A. Tracking control of multi - input affine nonlinear dynamical systems with unknown nonlinearities using dynamical neural networks [ J]. IEEE Trans on Systems, Man, and Cybernetics-Part B: Cybernetics, 1999,29(2): 179 - 189.[37]GE S S, LI G Y, LEE T H. Adaptive NN control for a class of strictfeedback discrete-time nonlinear systems [ J ]. Automatica, 2003,39(5) :807 - 819.[38]JAGANNATHAN S, LEWIS F L. Multilayer discrete-time neural-net controller with guaranteed performance [ J ]. IEEE Trans on Neural Networks, 1996,7 ( 1 ): 107 - 130.[39]SUN Fuchun, SUN Zengqi, WOO Pengyan, Stable neural networkbased adaptive control for sampled-data nonlinear systems [ J]. IEEE Trans on Neural Networks, 1998,9(5) :956 - 968.[40]CHENG C M, REES N W. Stability analysis of fuzzy multivariable systems: vector Lyapunov function approach [ J]. IEE Proceeding of Control Theory, 1997,144(5) :403 - 412.[41]SUN Fuchun, SUN Zengqi, FENG Gang. An adaptive fuzzy controller based on sliding mode for robot manipulators [ J ]. IEEE Trans on Systems, Man, and Cybernetics- Part B: Cybernetics,1999,29(5) :661 - 667.[42]TANAKA K, WANG H O. Fuzzy Control Systems Design and Analysis-A Linear Matrix Inequality Approach [M] .New York:John Wiley & Sons, Inc. ,2001.[43]TANIGUCHI T, TANAKA K, WANG H O. Fuzzy descriptor systems and nonlinear model following control [ J ]. IEEE Trans on Fuzzy Systems, 2000,8 (4): 442 - 452.[44]WU S J, LIN C T. Optimal fuzzy controller design: local concept [J] .IEEE Trans on Fuzzy Systems,2000,8(2): 171 - 185.[45]WU S J, LIN C T. Discrete-time optimal fuzzy controller design:global concept approach [ J]. IEEE Trans on Fuzzy Systems, 2002,10(1) :21 - 38.[46]CAO S G, REES N W, FENG G. H∞ control of uncertain fuzzy continuous - time systems [ J ]. Fuzzy Sets and Systems, 2000,115 (2):171 - 190.

Along with the development of science and technology, intelligent and automation technology is more and more popular, all kinds of hi-tech also widely used in intelligent robot toy car and manufacturing field, make intelligent robot more and more diverse. Intelligent car is a variety of high-paying technology integration body, it incorporates mechanical, electronic, sensors, computer hardware, software, artificial intelligence and many other subject knowledge, can involves many of today's current areas of technology. This car design mainly by the single chip microcomputer control system module, manostat module, motor driver module, infrared inspection module and to the wireless digital module composition, system to C8051F340 microcontroller as the core, set to foreign control, use linear regulator chip to voltage stability of control for single chip microcomputer and other peripherals for the reliable power supply, using infrared to the module black and white signal detection, use L298N motor driver module to the dc speed-down motor stability control, use light coupling strength chips for electrical isolation of control, disappear