知识工作自动化.docx

最新精品文档，知识共享！ 现状 在现代工业生产中, 自动化技术和系统已经发展到一定水平, 但是在复杂分析、精确判断和创新决策等方面还是要依赖人的知识型工作, 目前人的智能型工作和自动控制系统只能依靠人机接口交互,还是一种非自动化的运行机制. 知识自动化就是人的智能型工作向控制系统的自动化延伸, 知识自动化系统是用机器实现人的智能型工作的控制系统, 知识自动化是工业生产中采用机器实现基于知识自动处理的建模、控制、优化及调度决策的自动化系统理论、方法和技术. 知识自动化的基础是采用有效方法对知识进行合理提取及处理, 目前对知识的处理方法的研究集中在知识获取、表示、重组和关联推理上, 但是离实现工业生产过程所需要的知识型工作自动化还有一定差距. (1) 知识获取. 知识获取是指从专家或其他专门知识来源汲取知识并向知识型系统转移的过程或技术. 20世纪 60 年代以前, 大部分人工智能程序所需知识是由专业程序员手工编入程序的. 知识获取首次提出于 20 世纪 80 年代, 知识获取常用的方法主要有关联规则挖掘 [5]、统计方法 [6]、人工神经网络 [7]、决策树 [8]、遗传算法 [9]、基于事例的推理方法 [10] 等. 尽管知识获取可以通过以上各种方法实现,但工业过程中隐性知识如何获取依然是研究的难点,因为实际工业中数据样本的质量和数量难以保证,工业过程控制系统中建模、控制与优化决策相关知识规则的获取等仍是主要难题,工业大数据环境下获取知识的研究成果还较少. (2) 知识表示. 知识表示就是对知识的一种描述, 或者说是对知识的一组约定, 一种计算机可以接受的用于描述知识的数据结构. 常用的知识表示方法有一阶谓词逻辑表示法, 产生式表示法, 框架表示法、面向对象表示法、Petri 网表示法、语义网表示法等. 在工业生产过程中, 知识型工作者对事物和信息的表达往往是不精确、不确定和模糊的, 最终导致获得的知识具有不确定性, 此类知识如何表示对于面向控制需求的知识自动化系统实现具有挑战性. (3) 知识重组. 知识重组是指对相关知识客体中的知识因子和知识关联进行结构上的重新组合,形成另一种形式的知识产品. 知识重组包括知识因子的重组和知识关联的重组 [46].知识因子的重组是指将知识客体中的知识因子抽出,并对其进行形式上的归纳、选择、整理或排列,从而形成知识客体的检索指南系统的过程. 知识关联的重组是指在相关知识领域中提取大量知识因子,并对其进行分析与综合,形成新的知识关联,从而生产出更高层次上综合知识产品的过程. 知识重组包括知识增殖、知识分裂、知识变异、知识融合、知识约简以及知识衍生等方面.目前，对知识重组的研究还处在理论阶段,有关知识重组的应用研究相对还比较少.工业生产过程的控制决策问题复杂多变,受到多种不确定性因素(如市场、物流和矿源等变化) 的影响,根据单一属性的知识很难让工业中的智能系统做出最优决策,因此需要将多种属性的知识进行重组,创造出有利于精准决策的新知识,这也是知识自动化系统实现的重要技术手段. (4) 知识关联和推理. 知识之间存在很多有用的关联,在知识网络化模型中,知识就是由众多的结点 (即知识因子) 和结点之间联系 (即知识关联) 组成的 。Ruiz 等[50]通过研究知识之间的关联规则进行知识的管理与产生新的知识.Namioka等[51]将知识关联网络应用到系统设计中,知识库开发者可以避开冗长的描述、错误以及矛盾,降低了计算复杂性.知识关联的研究工作主要集中在如何通过关联规则从数据挖掘有效的信息,在图书馆管理、情报搜集、网络信息分析上运用较多,对于工业生产过程的知识关联研究较少. 知识推理有多种方法,可以按不同方式分成几类.根据知识表示特点,可分为图搜索方法以及逻辑论证方法,图搜索推理的方法是从图中初始状态的节点到目标状态的终止节点的搜索过程,而逻辑论证推理方式是基于知识表示采用谓词逻辑或者其他逻辑形式时,进行推理的过程；根据是否采用启发性知识,分为启发式推理和非启发式推理;根据所用知识因果关系的确定程度,分为精确推理和非精确推理. 实际系统通常结合其他技术对问题进行推理求解. 主要有以下几种方法 a) 基于Bayes 网络的知识推理. 该类方法主要是将因果关系知识或关联性通过 Bayes 网络表示出来,并结合 Bayes 统计的方法进行推理,得到目标解. b) 基于本体的知识推理. 国内外研究学者对基于本体的知识推理的研究成果也较多. c) 基于案例的知识推理. 在基于案例推理系统中,所谓案例就是求解问题的状态及对其求解的策略.一般地,一个案例包含问题的初始状态,问题求解的目标状态以及求解的方案.这种推理方法模拟人类推理活动中“回忆”的认知能力,在问题求解时,可以使用以前求解类似问题的经验 (即案例