原文：
激烈的全球化市场竞争对制造系统提出了更高的要求——要求制造系统可以在确定性受到限制或没有先验知道与不能预测的环境下完成制造任务,因此一些高度民主的工业化的国家提出了智能制造技术(ＩＭＴ)与智能制造系统(ＩＭＳ)。IMS（智能制造系统）是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能以一种高度柔性与集成的方式，借助计算机模拟人类专家的智能活动进行分析、推理、判断、构思和决策等，从而取代或延伸制造环境中人的部分脑力活动。同时，收集、存储、完善、共享、继承和发展人类专家的智能
目前形成的“自动化孤岛”的连接和全局优化问题，以及各国、各地区的标准、数据和人机接口的统一问题，这些问题都使分布式网络化IMS（Intelligent Manufacturing System）的研究日益迫切的提到日程上来。
1、 分布式网络化IMS探讨与研究
1) CIMS的基本原理
从IMS的本质特征出发，在分布式制造网络环境中，根据分布式集成的基本思想，应用分布式人工智能中多Agent系统的理论与方法，实现制造单元的柔性智能化与基于网络的制造系统柔性智能化集成。根据分布系统的同构特征，在IMS的一种局域实现形式基础上，实际也反映了基于Internet的全球制造网络环境下IMS的实现模式
2）分布式网络化的基本构思
IMS的本质特征是个体制造单元的“自主性”与系统整体的“自组织能力”，其基本格局是分布式多自主体智能系统。基于这一思想，同时考虑基于Internet的全球制造网络环境，可以提出适用于中小企业单位的分布式网络化IMS的基本构架如图一。一方面通过Agent赋予各制造单元以自主权，使其自治独立、功能完善；另一方面，通过Agent之间的协同与合作，赋予系统自组织能力。
生产力在不断进步，推动着科技的进步与革新，以建立更加合理的生产关系。自工业革命以来，人力劳动已经逐渐被机械所取代，而这种变革为人类社会创造出巨大的财富，极大地推动了人类社会的进步。时至今天，机电一体化，机械智能化等技术应运而生并已经成为时代的主旋律。人类充分发挥主观能动性，进一步增强对机械的利用效率，使之为我们创造出愈加巨大的生产力，并在一定程度上维护了社会的和谐。工业机器人的出现是人类在利用机械进行社会生产史上的一个里程碑。在发达国家中，工业机器人自动化生产线成套设备已成为自动化装备的主流及未来的发展方向。国外汽车行业、电子电器行业、工程机械等行业已经大量使用工业机器人自动化生产线，以保证产品质量，提高生产效率，同时避免了大量的工伤事故。全球诸多国家近半个世纪的工业机器人的使用实践表明，工业机器人的普及是实现自动化生产，提高社会生产效率，推动企业和社会生产力发展的有效手段。机器人的历史并不算长，1959年美国英格伯格和德沃尔制造出世界上第一台工业机器人，机器人的历史才真正开始。德沃尔曾于1946年发明了一种系统，可以“重演”所记录的机器的运动。1954年,德沃尔又获得可编程机械手专利，这种机械手臂按程序进行工作，可以根据不同的工作需要编制不同的程序，因此具有通用性和灵活性，英格伯格和德沃尔都在研究机器人，认为汽车工业最适于用机器人干活，因为是用重型机器进行工作，生产过程较为固定。1959年，英格伯格和德沃尔联手制造出第一台工业机器人。我国1993年的机器人装机台数约在1000台,仅占全世界的0.16%,显得无足轻重,其中,国产机器人所占比例更低。 目前我国的机器人总数虽然较少,但国内机器人市场需求却很大,并呈上升趋势。在国家"七五"和"八五"攻关以及"863"计划等的推动下,我国机器人技术已有较大发展。智能机器人的研究获得进展,在机器人技术型号、机器人应用工程和机器人基础技术研究等方面取得显著成绩,跟踪了国际高级机器人技术,缩短了与国际先进水平的差距。1993年,全国机器人装机台数比1991年翻了一番,相对增长率很大。 尽管有人对我国发展机器人技术尚存模糊认识,但是,越来越多的人已经认识到,高级机器人(包括工业机器人和智能机器人)是关键的自动化技术之一,是我国现代化建设必不可少的重要技术。这种高技术涉及柔性加工系统(FMS)、计算机集成制造系统(CIMS)、智能制造系统(IMS)、柔性自动化(FA)和自动工厂(AF)等, 机器人是多学科交叉的产物，集成了运动学与动力学、机械设计与制造、计算机硬件与软件、控制与传感器、模式识别与人工智能等学科领域的先进理论与技术。同时，它又是一类典型的自动化机器，是专用自动机器、数控机器的延伸与发展。当前，社会需求和技术进步都对机器人向智能化发展提出了新的要求。 随着社会进步的步伐日益加快，对自动化的需求正在从制造业向工程、社会、生活等广泛领域扩展。原来在工厂结构化环境下工作的自动机器或工业机器人，适合于大规模、较少柔性和变动的生产环境，对智能程度并无过高要求，而在广泛领域内所需要的自动机器，则要满足不同的非结构环境下的不同需求，必须具有综合集成和自主的能力，向以技术集成为特征征的智能机器人发展。信息技术需要载体，用信息化改造传统工业和各行各业，最后都要落实到用自动机器去完成信息的物化，机器人就是其载体之一。而另一方面，信息技术的发展，特别是高性能计算机、通讯网络和电子器件、模式识别和信号处理、软件等技术的进展，又可促进机器人本身“智力”和“体质”的增强，为机器人向智能化、多样化发展创造条件，机器人技术与信息技术的这种互动发展在信息技术飞速发展的今天更为突出，这使机器人的高技术含量不断得到提升，始终处于高技术研究的前沿。 机器人由于本身具有无限的想象空间，历来是概念创新、技术创新的源泉，无论是在空间、水下、救灾、服务、医疗、娱乐……领域，都可根据需要设想出具有对应功能的智能机器人，而且这种想象空间由低到高，永无止境。当前，由于自动化的概念正在急速向广泛领域扩展，而信息技术的发展又极大地提高了机器人的智能程度，使这种想象空间的扩展有了需求和实现的可能，从而会更加激励围绕机器人的概念创新和技术创新，并蕴含着产生各种竞争前核心技术的可能性，从而必然是国际科技创新的重要竞争点。 机器人是多学科交叉的产物，但随着机器人应用环境和任务的复杂化，在非结构复杂环境下的信息综合与处理、针对复杂任务的规划和协调的难度和影响变得突出，需要采用信息反馈、优化控制、协调集成的理论、方法与技术去解决，控制学科在系统优化和综合集成方面的优势，将越来越在智能机器人中发挥主导作用。而智能机器人作为一种自动化系统，无论在理论与技术的覆盖面与前沿性、与各种先进信息技术的结合以及物理实现的多样性方面都是其它任何一类自动化系统所不能比拟的。因此，机器人在自动化科学技术中的代表性和地位将随着其应用范围的拓宽、所采用信息技术的更新和智能程度的提高，得到进一步的认可。 在机器人向智能化的发展中，多机器人协作系统是一类具有覆盖性的技术集成平台。如果说单个机器人的智能化还只是使个体的人变得更聪明，那么多机器人协作系统则不但要有一批聪明的人，还要求他们能有效地合作。所以它不仅反映了个体智能，而且反映了集体智能，是对人类社会生产活动的想象和创新探索。 多机器人协作系统有着广泛的应用背景，它与自动化向非制造领域的扩展有着密切的联系，由于应用环境转向非结构化，多移动机器人系统应能适应任务的变化以及环境的不确定性，必须具有高度的决策智能，因而，对多移动机器人协作的研究已不单纯是控制的协调，而是整个系统的协调与合作。在这里，多机器人系统的组织与控制方式在很大程度上决定了系统的有效性。多机器人协作系统还是实现分布式人工智能的典范。分布式人工智能的核心是把整个系统分成若干智能、自治的子系统，它们在物理和地理上分散，可独立地执行任务，同时又可通过通信交换信息，相互协调，从而同完成整体任务，这无疑对完成大规模和复的任务是富有吸引力的，因而很快在军事、信及其他应用领域得到了广泛重视。多机器协作系统正是这种理念的具体实现，其中每机器人都可看作是自主的智能体，这种多智体机器人系统MARS（Multi—AgentRoboticSystems）现已成为机器人学中一个新的研究热点。 多移动机器人系统由于具有移动功能，能在非结构环境下完成复杂任务，是多机器人协作系统中最具典型意义和应用前景、也是得到最广泛研究的一类系统。 体系结构是系统中机器人之间逻辑上和物理上的信息关系和控制关系，以及问题解能力的分布模式，它是多移动机器人协作行为的基础。一般地，多移动机器人协作系统的体系结构分为集中式（Centralized）和分式（Distributed）两种。集中式体系结构可用一个单一的主控机器人（Leader）来规划，该机器人具有关于系统活动的所有信息。而分布式体系结构则没有这样一个机器人，其中所有机器人相对于控制是平等的。尽管集中式体系结构可实现全局最优求解，但因考虑到不确定性影响，实际上人们更偏好分布式结构。近年采，在分布式体系结构中，为了克服机器人在实际环境中对环境建模的困难，，提高多移动机器人协作系统的鲁棒性和作业能力，一些学者采用了基于行为的反应式控制体力，一些学者采用了基于行为的反应式控制体系结构，将合作行为建立在一种反应模式上，加快了移动机器人对外界的响应，避免了复杂的推理，从而提高了系统的实时性。 感知是智能机器人行动的基础，包括“感觉”（传感）和“知道与理解”信息融合与利用）。在移动机器人中最主要的感知问题是定位和环境建模问题[7]o虽然已有里程计推算、基于视觉的路标识别、基于地图匹配的全局定位、陀螺导航、GPS等多种定位方法，但在未知非结构环境中，目前有GPS才能实现可实用的全局定位。但GPS同时受到精度、安全等因素的限制。如何借助机器人之间的配合提高定位和环境建模能力，是研究多移动机器人系统智能的重要内容。近年来，提出了多种环境地图建立与定位的同步处理方法[8]，其中环境建模与定位过程是相互伴随的，两者在彼此迭代的过程中逐步清晰化，但往往要求苛刻的环境条件。此外，在不少协作任务中只需要合作者间的相对位置信息，如编队及局部避碰等，因此基于传感器的局部定位也受到关注，机器人之间通过超声、红外、激光或视觉等传感器相互探测，然后通过统计、滤波等算法进行信息融合，由此得到系统中各机器人的相对位置。 我国在该领域的研究工作已经起步，在863计划、自然科学基金等资助下，经过多年的持续研究，国内已经有一批单位，在局部领域达到了较高的研究水平，实验研究情况也有了明显改善，但也遇到了诸多困难，尤其是在复杂系统控制与分布式智能领域的相关基础研究明显不足，缺乏强有力的理论和技术支持，而且大部分技术对环境的要求比较苛刻这诸多原因限制了多移动机器人系统的发展和向实用系统的转化面对真实世界的非结构化和动态特点，高适应性，、高柔性的协作理论、方法与技术将是今后的研究重点。
