物聯(lián)網(wǎng)智能技術(shù)

第1章 物聯(lián)網(wǎng)與商務(wù)智能

1.1 物聯(lián)網(wǎng)概述

1.1.1 物聯(lián)網(wǎng)的概念

1.1.2 物聯(lián)網(wǎng)的體系結(jié)構(gòu)

1.1.3 物聯(lián)網(wǎng)的特點

1.1.4 物聯(lián)網(wǎng)的發(fā)展趨勢

1.2 商務(wù)智能

1.2.1 商務(wù)智能的定義

1.2.2 商務(wù)智能的功能及作用

1.2.3 商務(wù)智能的過程

1.3 商務(wù)智能的產(chǎn)生與發(fā)展過程

1.3.1 決策支持系統(tǒng)引發(fā)商務(wù)智能

1.3.2 數(shù)據(jù)倉庫實現(xiàn)商業(yè)信息的聚集

1.3.3 聯(lián)機分析產(chǎn)生多維數(shù)據(jù)

1.3.4 數(shù)據(jù)挖掘產(chǎn)生有價值的知識

1.3.5 信息可視化提供最直觀的視覺效果

1.3.6 知識時代的競爭利器

1.4 商務(wù)智能的體系結(jié)構(gòu)

1.5 主流商務(wù)智能產(chǎn)品

1.6 商務(wù)智能未來的發(fā)展趨勢

1.7 物聯(lián)網(wǎng)對商務(wù)智能活動的影響

1.8 物聯(lián)網(wǎng)環(huán)境下商務(wù)智能創(chuàng)新模式前景分析

本章小結(jié)

本章習題

第2章 知識表示方法

2.1 知識與知識表示

2.1.1 知識

2.1.2 知識表示

2.1.3 知識表示方法

2.1.4 衡量知識表示方法的標準

2.2 一階謂詞邏輯表示法

2.2.1 謂詞邏輯

2.2.2 一階謂詞演算

2.3 與"para" label-module="para">

2.3.1 問題的分解與等價變換

2.3.2 問題歸約的與/或樹表示

2.3.3 與/或樹表示法的求解步驟

2.4 產(chǎn)生式表示法

2.4.1 產(chǎn)生式系統(tǒng)的基本概念

2.4.2 產(chǎn)生式系統(tǒng)的特點

2.4.3 產(chǎn)生式表示的知識種類及基本形式

2.4.4 產(chǎn)生式系統(tǒng)的構(gòu)成

2.4.5 產(chǎn)生式系統(tǒng)的基本過程

2.4.6 產(chǎn)生式系統(tǒng)的控制策略

2.5 語義網(wǎng)絡(luò)表示法

2.5.1 語義網(wǎng)絡(luò)的基本概念

2.5.2 語義網(wǎng)絡(luò)的表示

2.5.3 語義網(wǎng)絡(luò)的推理過程

2.5.4 語義網(wǎng)絡(luò)表示法的特征

2.6 框架表示法

2.6.1 框架結(jié)構(gòu)和框架表示

2.6.2 框架系統(tǒng)

2.6.3 框架表示法的特性

2.7 過程表示法

2.7.1 過程規(guī)則的組成

2.7.2 過程表示的問題求解過程

2.7.3 過程表示的特性

2.8 劇本表示法

2.8.1 概念依賴理論

2.8.2 劇本的構(gòu)成

2.8.3 劇本的推理

2.9 面向?qū)ο蟊硎痉?

2.9.1 面向?qū)ο蟮幕靖拍?

2.9.2 面向?qū)ο蠹夹g(shù)表示知識的方法

本章小結(jié)

本章習題

第3章 高級知識推理

3.1 推理的相關(guān)知識

3.1.1 推理的概念

3.1.2 推理方法及其分類

3.1.3 推理的控制策略及其分類

3.1.4 正向推理

3.1.5 逆向推理

3.1.6 混合推理

3.2 推理的邏輯基礎(chǔ)

3.2.1 謂詞公式的解釋

3.2.2 謂詞公式的永真性與可滿足性

3.2.3 謂詞公式的等價性與永真蘊涵性

3.2.4 謂詞公式的范式

3.2.5 置換與合一

3.3 主觀Bayes方法

3.3.1 知識不確定性的表示

3.3.2 證據(jù)不確定性的表示

3.3.3 組合證據(jù)不確定性的計算

3.3.4 不確定性的更新

3.3.5 結(jié)論不確定性的合成

3.4 證據(jù)理論

3.4.1 DS 理論的形式描述

3.4.2 證據(jù)理論的推理模型

本章小結(jié)

本章習題

第4章 專家系統(tǒng)

4.1 專家系統(tǒng)的定義、特點及其類型

4.1.1 專家系統(tǒng)的定義

4.1.2 專家系統(tǒng)的一般特點

4.1.3 專家系統(tǒng)的類型

4.2 專家系統(tǒng)的結(jié)構(gòu)、功能及其基本原理

4.2.1 專家系統(tǒng)的結(jié)構(gòu)及其基本功能

4.2.2 專家系統(tǒng)的基本原理

4.3 專家系統(tǒng)的開發(fā)

4.3.1 專家系統(tǒng)的開發(fā)過程

4.3.2 專家系統(tǒng)開發(fā)語言和工具

4.4 專家系統(tǒng)的發(fā)展趨勢及應(yīng)用

4.4.1 專家系統(tǒng)的發(fā)展趨勢

4.4.2 專家系統(tǒng)的應(yīng)用

本章小結(jié)

本章習題

第5章 知識管理系統(tǒng)

5.1 知識管理系統(tǒng)概述

5.1.1 知識管理系統(tǒng)的概念

5.1.2 知識管理系統(tǒng)的構(gòu)建目標與實現(xiàn)途徑

5.1.3 知識管理系統(tǒng)的功能架構(gòu)與實現(xiàn)框架

5.2 知識管理系統(tǒng)模型

5.2.1 從理論角度構(gòu)建知識管理系統(tǒng)模型

5.2.2 從技術(shù)角度構(gòu)建知識管理系統(tǒng)模型

5.3 知識管理系統(tǒng)在企業(yè)中的應(yīng)用

5.3.1 知識管理系統(tǒng)在企業(yè)中的作用

5.3.2 知識管理系統(tǒng)在生產(chǎn)企業(yè)中應(yīng)用

5.3.3 知識管理系統(tǒng)實現(xiàn)企業(yè)智能運營

5.4 知識管理與商務(wù)智能的關(guān)系

5.4.1 知識管理和商務(wù)智能的區(qū)別

5.4.2 知識管理和商務(wù)智能的共同點

5.4.3 知識管理與商務(wù)智能整合

本章小結(jié)

本章習題

第6章 神經(jīng)網(wǎng)絡(luò)與遺傳算法

6.1 生物神經(jīng)元模型

6.2 人工神經(jīng)網(wǎng)絡(luò)概述

6.2.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展

6.2.2 神經(jīng)網(wǎng)絡(luò)的特性

6.2.3 人工神經(jīng)元模型

6.2.4 神經(jīng)網(wǎng)絡(luò)的分類

6.2.5 神經(jīng)網(wǎng)絡(luò)學習方法

6.3 向前神經(jīng)網(wǎng)絡(luò)模型

6.3.1 感知器算法及其應(yīng)用

6.3.2 BP神經(jīng)網(wǎng)絡(luò)

6.4 Hopfield神經(jīng)網(wǎng)絡(luò)

6.5 遺傳算法

本章小結(jié)

本章習題

第7章 其他計算智能法

7.1 蟻群算法

7.1.1 蟻群算法的基礎(chǔ)

7.1.2 蟻群算法的原理

7.1.3 蟻群算法描述

7.1.4 蟻群算法的特點

7.1.5 蟻群算法在多傳感器管理中的應(yīng)用

7.2 免疫克隆算法

7.2.1 算法原理基礎(chǔ)

7.2.2 免疫克隆算法算子

7.2.3 免疫克隆算法的實現(xiàn)步驟

7.2.4 免疫克隆算法在傳感器網(wǎng)絡(luò)路由的應(yīng)用

7.3 魚群算法

7.3.1 算法原理基礎(chǔ)

7.3.2 魚群算法描述

7.3.3 魚群算法分析

7.3.4 人工魚群算法在無線傳感網(wǎng)絡(luò)覆蓋中的應(yīng)用

7.4 粒子群優(yōu)化算法

7.4.1 粒子群優(yōu)化算法基礎(chǔ)分析

7.4.2 算法原理

7.4.3 粒子群算法參數(shù)

7.4.4 粒子群優(yōu)化算法流程

7.4.5 粒子群優(yōu)化算法在無線傳感器網(wǎng)絡(luò)定位中的應(yīng)用

本章小結(jié)

本章習題

第8章 粗糙集合

8.1 基本概念

8.1.1 RSDA工具概述

8.1.2 RSDA工具的數(shù)學機理

8.1.3 知識表達系統(tǒng)

8.1.4 決策系統(tǒng)

8.2 連續(xù)屬性離散化方法

8.2.1 離散化問題的正規(guī)化描述

8.2.2 現(xiàn)有連續(xù)屬性離散化方法綜述

8.2.3 基于數(shù)據(jù)分布特征的離散化方法

8.2.4 基于數(shù)據(jù)分區(qū)的離散化方法

8.2.5 不完備信息表的數(shù)據(jù)預處理方法

8.3 靜態(tài)決策系統(tǒng)分類算法

8.3.1 數(shù)據(jù)分析約簡算法中涉及的概念

8.3.2 數(shù)據(jù)分析約簡算法的描述

8.4 動態(tài)決策系統(tǒng)分類算法

8.4.1 增量式數(shù)據(jù)挖掘模型的提出

8.4.2 增量式數(shù)據(jù)挖掘模型的研究

本章小結(jié)

本章習題

第9章 機器學習

9.1 機器學習簡史

9.1.1 機器學習的發(fā)展歷史

9.1.2 機器學習的概念

9.1.3 機器學習系統(tǒng)的基本結(jié)構(gòu)

9.2 機器學習的主要策略和方法

9.2.1 機械學習

9.2.2 指導學習

9.2.3 歸納學習

9.2.4 類比學習

9.2.5 解釋學習

9.2.6 其他學習策略

9.3 幾種常用的機器學習算法

9.3.1 決策樹算法

9.3.2 支持向量機

9.3.3 貝葉斯學習算法

本章小結(jié)

本章習題

第10章 multiagent多智能體

10.1 多智能體的概念與發(fā)展過程

10.1.1 智能體的定義

10.1.2 多智能體的發(fā)展歷史和研究領(lǐng)域

10.1.3 多智能體與自治智能體

10.1.4 智能體的學習

10.2 多智能體強化學習

10.2.1 馬爾可夫決策過程

10.2.2 多智能體環(huán)境下的強化學習

10.2.3 TD算法

10.2.4 Dyna算法

10.2.5 Q學習

10.3 博弈學習

本章小結(jié)

本章習題

第11章 自然語言與感知

11.1 自然語言理解的概念和發(fā)展過程

11.1.1 自然語言的概念

11.1.2 自然語言理解的概念

11.1.3 自然語言理解的發(fā)展歷史

11.2 自然語言理解研究的關(guān)鍵問題

11.2.1 詞法分析

11.2.2 句法分析

11.2.3 語義分析

11.2.4 語言的自動生成

本章小結(jié)

本章習題

第12章 知識工程和數(shù)據(jù)挖掘

12.1 知識工程簡介

12.1.1 知識工程的相關(guān)概念和發(fā)展過程

12.1.2 知識管理與信息管理

12.2 數(shù)據(jù)挖掘和知識發(fā)現(xiàn)

12.2.1 數(shù)據(jù)挖掘與知識發(fā)現(xiàn)的概念、過程及方法

12.2.2 數(shù)據(jù)倉庫

12.3 常用的數(shù)據(jù)挖掘方法

12.3.1 關(guān)聯(lián)規(guī)則

12.3.2 時間序列分析

12.3.3 聚類分析

12.3.4 孤立點分析

本章小結(jié)

本章習題

參考文獻

《高等學校物聯(lián)網(wǎng)專業(yè)系列教材:物聯(lián)網(wǎng)智能技術(shù)》主要介紹了物聯(lián)網(wǎng)智能技術(shù)的理論及其相關(guān)算法，從知識管理、知識表達、知識推理、智能計算、機器學習等方面，對物聯(lián)網(wǎng)智能技術(shù)進行了詳細介紹，以期為讀者提供一個更為系統(tǒng)、綜合的物聯(lián)網(wǎng)智能技術(shù)體系。

本書內(nèi)容豐富、詳略得當、專業(yè)性強，既可作為系統(tǒng)工程專業(yè)、計算機專業(yè)及通信等相關(guān)專業(yè)本科生及研究生的教材，也可作為高等學校學生畢業(yè)論文及畢業(yè)設(shè)計的參考資料，以及從事物聯(lián)網(wǎng)智能技術(shù)相關(guān)工作的專業(yè)人員的參考書。

智能工業(yè)的實現(xiàn)是基于物聯(lián)網(wǎng)技術(shù)的滲透和應(yīng)用，并與未來先進制造技術(shù)相結(jié)合，形成新的智能化的制造體系。所以，智能工業(yè)的關(guān)鍵技術(shù)在于物聯(lián)網(wǎng)技術(shù)。

智能工業(yè)物聯(lián)網(wǎng)技術(shù)簡介

“物聯(lián)網(wǎng)技術(shù)”的核心和基礎(chǔ)仍然是“互聯(lián)網(wǎng)技術(shù)”，是在互聯(lián)網(wǎng)技術(shù)基礎(chǔ)上的延伸和擴展的一種網(wǎng)絡(luò)技術(shù)；其用戶端延伸和擴展到了任何物品和物品之間，進行信息交換和通訊。因此，物聯(lián)網(wǎng)技術(shù)的定義是：通過射頻識別（RFID）、紅外感應(yīng)器、全球定位系統(tǒng)、激光掃描器等信息傳感設(shè)備，按約定的協(xié)議，將任何物品與互聯(lián)網(wǎng)相連接，進行信息交換和通訊，以實現(xiàn)智能化識別、定位、追蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)技術(shù)叫做物聯(lián)網(wǎng)技術(shù)。

智能工業(yè)物聯(lián)網(wǎng)技術(shù)的內(nèi)容

包括識別、定位、追蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)技術(shù)。

FRID、NFC，WSN

智能工業(yè)物聯(lián)網(wǎng)技術(shù)在工業(yè)領(lǐng)域的應(yīng)用

制造業(yè)供應(yīng)鏈管理物聯(lián)網(wǎng)應(yīng)用于企業(yè)原材料采購、庫存、銷售等領(lǐng)域，通過完善和優(yōu)化供應(yīng)鏈管理體系，提高了供應(yīng)鏈效率，降低了成本?？罩锌蛙嚕ˋirbus）通過在供應(yīng)鏈體系中應(yīng)用傳感網(wǎng)絡(luò)技術(shù)，構(gòu)建了全球制造業(yè)中規(guī)模最大、效率最高的供應(yīng)鏈體系。

生產(chǎn)過程工藝優(yōu)化物聯(lián)網(wǎng)技術(shù)的應(yīng)用提高了生產(chǎn)線過程檢測、實時參數(shù)采集、生產(chǎn)設(shè)備監(jiān)控、材料消耗監(jiān)測的能力和水平。生產(chǎn)過程的智能監(jiān)控、智能控制、智能診斷、智能決策、智能維護水平不斷提高。鋼鐵企業(yè)應(yīng)用各種傳感器和通信網(wǎng)絡(luò)，在生產(chǎn)過程中實現(xiàn)對加工產(chǎn)品的寬度、厚度、溫度的實時監(jiān)控，從而提高了產(chǎn)品質(zhì)量，優(yōu)化了生產(chǎn)流程。

產(chǎn)品設(shè)備監(jiān)控管理各種傳感技術(shù)與制造技術(shù)融合，實現(xiàn)了對產(chǎn)品設(shè)備操作使用記錄、設(shè)備故障診斷的遠程監(jiān)控。GE Oil&Gas集團在全球建立了13個面向不同產(chǎn)品的i-Center，通過傳感器和網(wǎng)絡(luò)對設(shè)備進行在線監(jiān)測和實時監(jiān)控，并提供設(shè)備維護和故障診斷的解決方案。

環(huán)保監(jiān)測及能源管理物聯(lián)網(wǎng)與環(huán)保設(shè)備的融合實現(xiàn)了對工業(yè)生產(chǎn)過程中產(chǎn)生的各種污染源及污染治理各環(huán)節(jié)關(guān)鍵指標的實時監(jiān)控。在重點排污企業(yè)排污口安裝無線傳感設(shè)備，不僅可以實時監(jiān)測企業(yè)排污數(shù)據(jù)，而且可以遠程關(guān)閉排污口，防止突發(fā)性環(huán)境污染事故的發(fā)生。電信運營商已開始推廣基于物聯(lián)網(wǎng)的污染治理實時監(jiān)測解決方案。

工業(yè)安全生產(chǎn)管理把感應(yīng)器嵌入和裝備到礦山設(shè)備、油氣管道、礦工設(shè)備中，可以感知危險環(huán)境中工作人員、設(shè)備機器、周邊環(huán)境等方面的安全狀態(tài)信息，將現(xiàn)有分散、獨立、單一的網(wǎng)絡(luò)監(jiān)管平臺提升為系統(tǒng)、開放、多元的綜合網(wǎng)絡(luò)監(jiān)管平臺，實現(xiàn)實時感知、準確辨識、快捷響應(yīng)、有效控制。

智能工業(yè)物聯(lián)網(wǎng)如何改變工業(yè)自動化

物聯(lián)網(wǎng)的產(chǎn)業(yè)鏈即所謂的DCM(Device、Connect、Manage)跟工業(yè)自動化的三層架構(gòu)是互相呼應(yīng)的，在物聯(lián)網(wǎng)的環(huán)境中，每一層次自原來的傳統(tǒng)功能大幅進化，在Device(設(shè)備)達到所謂的全面感知，就是讓原本的物，提升為智能物件，可以識別或擷取各種數(shù)據(jù)；而在Connect(連接)層則是要達到可靠傳遞，除了原有的有線網(wǎng)絡(luò)外更擴展到各種無線網(wǎng)絡(luò)；而在Manage(管理)層部分，則是要將原有的管理功能進步到智能處理，對擷取到的各種數(shù)據(jù)做更具智能的處理與呈現(xiàn)。

傳統(tǒng)的工業(yè)自動化控制系統(tǒng)主要包括3個層次，分別是設(shè)備層(device layer)、控制層(control layer)、以及信息層(information layer)。設(shè)備層的功能是將現(xiàn)場設(shè)備以網(wǎng)絡(luò)節(jié)點的形式掛接在現(xiàn)場總線網(wǎng)絡(luò)上，依照現(xiàn)場總線的協(xié)議標準，設(shè)備采用功能模塊的結(jié)構(gòu)，通過組態(tài)設(shè)計，完成數(shù)據(jù)擷取、A/D轉(zhuǎn)換、數(shù)字濾波、溫度壓力補償、PID控制等各種功能；控制層是自動化的基礎(chǔ)，從現(xiàn)場設(shè)備中獲取數(shù)據(jù)，完成各種控制、運行參數(shù)的監(jiān)測、警報和趨勢分析等功能，控制層的功能一般由工業(yè)計算機或PLC等控制器完成，這些控制器具備網(wǎng)絡(luò)能力以協(xié)調(diào)網(wǎng)絡(luò)節(jié)點之間的數(shù)據(jù)通信，同時也實現(xiàn)現(xiàn)場總線網(wǎng)段與以太網(wǎng)段的連接；第三層信息層提供實現(xiàn)遠程控制的平臺，并連接到企業(yè)自動化系統(tǒng)，同時從控制層提取有關(guān)生產(chǎn)數(shù)據(jù)用于制定綜合管理決策。

自另一個角度來，物聯(lián)網(wǎng)可以使所謂的自動化跟信息化『兩化融合』的愿景更具體實現(xiàn)，自動化業(yè)者長期以來都朝著信息化目標前進，在物聯(lián)網(wǎng)的基礎(chǔ)下，原先傳統(tǒng)的C/S(Client/Server)架構(gòu)，可以轉(zhuǎn)換成B/S(Browser/Server)架構(gòu)，在生產(chǎn)制造、智能建筑、新能源、環(huán)境監(jiān)控、以及設(shè)備控制領(lǐng)域有更廣泛的應(yīng)用。具體而言，自動化資料如果沒有經(jīng)過訊息化的集成，一般使用者還是無法使用；同樣的，如果僅有訊息化功能，卻缺乏自動化的內(nèi)容，一樣也是空泛無用，兩者缺一不可。

智能工業(yè)物聯(lián)網(wǎng)技術(shù)與工業(yè)技術(shù)相結(jié)合

與未來先進制造技術(shù)相結(jié)合是物聯(lián)網(wǎng)應(yīng)用的生命力所在。物聯(lián)網(wǎng)是信息通信技術(shù)發(fā)展的新一輪制高點，正在工業(yè)領(lǐng)域廣泛滲透和應(yīng)用，并與未來先進制造技術(shù)相結(jié)合，形成新的智能化的制造體系。這一制造體系仍在不斷發(fā)展和完善之中。概括起來，物聯(lián)網(wǎng)與先進制造技術(shù)的結(jié)合主要體現(xiàn)在8個領(lǐng)域。

泛在感知網(wǎng)絡(luò)技術(shù)　建立服務(wù)于智能制造的泛在網(wǎng)絡(luò)技術(shù)體系，為制造中的設(shè)計、設(shè)備、過程、管理和商務(wù)提供無處不在的網(wǎng)絡(luò)服務(wù)。面向未來智能制造的泛在網(wǎng)絡(luò)技術(shù)發(fā)展還處于初始階段。

泛在制造信息處理技術(shù)　建立以泛在信息處理為基礎(chǔ)的新型制造模式，提升制造行業(yè)的整體實力和水平。泛在信息制造及泛在信息處理尚處于概念和實驗階段，各國政府均將此列入國家發(fā)展計劃，大力推動實施。

虛擬現(xiàn)實技術(shù)　采用真三維顯示與人機自然交互的方式進行工業(yè)生產(chǎn)，進一步提高制造業(yè)的效率。虛擬環(huán)境已經(jīng)在許多重大工程領(lǐng)域得到了廣泛的應(yīng)用和研究。未來，虛擬現(xiàn)實技術(shù)的發(fā)展方向是三維數(shù)字產(chǎn)品設(shè)計、數(shù)字產(chǎn)品生產(chǎn)過程仿真、真三維顯示和裝配維修等。

人機交互技術(shù)　傳感技術(shù)、傳感器網(wǎng)、工業(yè)無線網(wǎng)以及新材料的發(fā)展，提高了人機交互的效率和水平。制造業(yè)處在一個信息有限的時代，人要服從和服務(wù)于機器。隨著人機交互技術(shù)的不斷發(fā)展，我們將逐步進入基于泛在感知的信息化制造人機交互時代。

空間協(xié)同技術(shù)　空間協(xié)同技術(shù)的發(fā)展目標是以泛在網(wǎng)絡(luò)、人機交互、泛在信息處理和制造系統(tǒng)集成為基礎(chǔ)，突破現(xiàn)有制造系統(tǒng)在信息獲取、監(jiān)控、控制、人機交互和管理方面集成度差、協(xié)同能力弱的局限，提高制造系統(tǒng)的敏捷性、適應(yīng)性、高效性。

平行管理技術(shù)　未來的制造系統(tǒng)將由某一個實際制造系統(tǒng)和對應(yīng)的一個或多個虛擬的人工制造系統(tǒng)所組成。平行管理技術(shù)就是要實現(xiàn)制造系統(tǒng)與虛擬系統(tǒng)的有機融合，不斷提升企業(yè)認識和預防非正常狀態(tài)的能力，提高企業(yè)的智能決策和應(yīng)急管理水平。

電子商務(wù)技術(shù)　制造與商務(wù)過程一體化特征日趨明顯，整體呈現(xiàn)出縱向整合和橫向聯(lián)合兩種趨勢。未來要建立健全先進制造業(yè)中的電子商務(wù)技術(shù)框架，發(fā)展電子商務(wù)以提高制造企業(yè)在動態(tài)市場中的決策與適應(yīng)能力，構(gòu)建和諧、可持續(xù)發(fā)展的先進制造業(yè)。

系統(tǒng)集成制造技術(shù)　系統(tǒng)集成制造是由智能機器人和專家共同組成的人機共存、協(xié)同合作的工業(yè)制造系統(tǒng)。它集自動化、集成化、網(wǎng)絡(luò)化和智能化于一身，使制造具有修正或重構(gòu)自身結(jié)構(gòu)和參數(shù)的能力，具有自組織和協(xié)調(diào)能力，可滿足瞬息萬變的市場需求，應(yīng)對激烈的市場競爭。

智能工業(yè)解決工業(yè)領(lǐng)域物聯(lián)網(wǎng)應(yīng)用面臨的關(guān)鍵技術(shù)問題

從整體上來看，物聯(lián)網(wǎng)還處于起步階段。物聯(lián)網(wǎng)在工業(yè)領(lǐng)域的大規(guī)模應(yīng)用還面臨一些關(guān)鍵技術(shù)問題，概括起來主要有以下幾個方面。

工業(yè)用傳感器　工業(yè)用傳感器是一種檢測裝置，能夠測量或感知特定物體的狀態(tài)和變化，并轉(zhuǎn)化為可傳輸、可處理、可存儲的電子信號或其他形式信息。工業(yè)用傳感器是實現(xiàn)工業(yè)自動檢測和自動控制的首要環(huán)節(jié)。在現(xiàn)代工業(yè)生產(chǎn)尤其是自動化生產(chǎn)過程中，要用各種傳感器來監(jiān)視和控制生產(chǎn)過程中的各個參數(shù)，使設(shè)備工作在正常狀態(tài)或最佳狀態(tài)，并使產(chǎn)品達到最好的質(zhì)量?？梢哉f，沒有眾多質(zhì)優(yōu)價廉的工業(yè)傳感器，就沒有現(xiàn)代化工業(yè)生產(chǎn)體系。

工業(yè)無線網(wǎng)絡(luò)技術(shù)　工業(yè)無線網(wǎng)絡(luò)是一種由大量隨機分布的、具有實時感知和自組織能力的傳感器節(jié)點組成的網(wǎng)狀(Mesh)網(wǎng)絡(luò)，綜合了傳感器技術(shù)、嵌入式計算技術(shù)、現(xiàn)代網(wǎng)絡(luò)及無線通信技術(shù)、分布式信息處理技術(shù)等，具有低耗自組、泛在協(xié)同、異構(gòu)互連的特點。工業(yè)無線網(wǎng)絡(luò)技術(shù)是繼現(xiàn)場總線之后工業(yè)控制系統(tǒng)領(lǐng)域的又一熱點技術(shù)，是降低工業(yè)測控系統(tǒng)成本、提高工業(yè)測控系統(tǒng)應(yīng)用范圍的革命性技術(shù)，也是未來幾年工業(yè)自動化產(chǎn)品新的增長點，已經(jīng)引起許多國家學術(shù)界和工業(yè)界的高度重視。

工業(yè)過程建?！]有模型就不可能實施先進有效的控制，傳統(tǒng)的集中式、封閉式的仿真系統(tǒng)結(jié)構(gòu)已不能滿足現(xiàn)代工業(yè)發(fā)展的需要。工業(yè)過程建模是系統(tǒng)設(shè)計、分析、仿真和先進控制必不可少的基礎(chǔ)。

此外，物聯(lián)網(wǎng)在工業(yè)領(lǐng)域的大規(guī)模應(yīng)用還面臨工業(yè)集成服務(wù)代理總線技術(shù)、工業(yè)語義中間件平臺等關(guān)鍵技術(shù)問題。

智能工業(yè)的價值

工業(yè)化的基礎(chǔ)是自動化，自動化領(lǐng)域發(fā)展了近百年，理論，實踐都已經(jīng)非常完善了。特別是隨著現(xiàn)代大型工業(yè)生產(chǎn)自動化的不斷興起和過程控制要求的日益復雜營運而生的DCS控制系統(tǒng)，更是計算機技術(shù)，系統(tǒng)控制技術(shù)、網(wǎng)絡(luò)通訊技術(shù)和多媒體技術(shù)結(jié)合的產(chǎn)物。DCS的理念是分散控制，集中管理。雖然自動設(shè)備全部聯(lián)網(wǎng)，并能在控制中心監(jiān)控信息而通過操作員來集中管理。但操作員的水平?jīng)Q定了整個系統(tǒng)的優(yōu)化程度。有經(jīng)驗的操作員可以使生產(chǎn)最優(yōu)，而缺乏經(jīng)驗的操作員只是保證了生產(chǎn)的安全性。是否有辦法做到分散控制，集中優(yōu)化管理？需要通過物聯(lián)網(wǎng)根據(jù)所有監(jiān)控信息，通過分析與優(yōu)化技術(shù)，找到最優(yōu)的控制方法，是物聯(lián)網(wǎng)可以帶給DCS控制系統(tǒng)的。

IT信息發(fā)展的前期其信息服務(wù)對象主要是人，其主要解決的問題是解決信息孤島問題。當為人服務(wù)的信息孤島問題解決后，是要在更大范圍解決信息孤島問題。就是要將物與人的信息打通。人獲取了信息之后，可以根據(jù)信息判斷，做出決策，從而觸發(fā)下一步操作；但由于人存在個體差異，對于同樣的信息，不同的人做出的決策是不同的，如何從信息中獲得最優(yōu)的決策？另外“物”獲得了信息是不能做出決策的，如何讓物在獲得了信息之后具有決策能力？智能分析與優(yōu)化技術(shù)是解決這個問題的一個手段，在獲得信息后，依據(jù)歷史經(jīng)驗以及理論模型，快速做出最有決策。數(shù)據(jù)的分析與優(yōu)化技術(shù)在兩化融合的工業(yè)化與信息化方面都有旺盛的需求。

物聯(lián)網(wǎng)智能鎖是基于4G蜂窩網(wǎng)絡(luò)的窄帶物聯(lián)網(wǎng)技術(shù)。

2017年6月20日，ofo宣布其與中國電信和華為共同研發(fā)的全球首款共享單車NB-IoT “物聯(lián)網(wǎng)智能鎖”，開始正式應(yīng)用到ofo的小黃車上。

“物聯(lián)網(wǎng)智能鎖”是基于4G蜂窩網(wǎng)絡(luò)的窄帶物聯(lián)網(wǎng)技術(shù)，能夠運用到生產(chǎn)和生活的各個領(lǐng)域。

IVS，是基于DSP的單路視頻編碼器，同時內(nèi)嵌了智能視覺監(jiān)控功能，其自動檢測、即時報警通告和即時視頻確認等功能可以大幅提高安全監(jiān)控水平，同時基于三維視場檢測，能自動區(qū)分目標種類、大小、速度、移動方向等特征，具有出色的非平坦地形上的目標檢測能力，能可靠的檢測遙遠距離的目標，采用先進的模式識別技術(shù)和特定的行為分析算法，保持高檢測率(99.9%)的同時只有很低的誤報率（少于1個/天）。IVS結(jié)合監(jiān)控攝像機或PTZ球機可對智能視覺分析數(shù)據(jù)聯(lián)網(wǎng)進行報警運營，實現(xiàn)“事先預警 事中處置 事后取證”，是“智能視覺 物聯(lián)網(wǎng)”的真正的物聯(lián)網(wǎng)。

中文名

IVS

低誤報率

低于1%

應(yīng)用

政府機關(guān)，軍隊

IVS平臺

應(yīng)用軟件生成器

IVS是智能視覺物聯(lián)網(wǎng)技術(shù)的英文簡稱，IVS是從行為模型中提煉算法，植入DSP芯片，形成模塊化的、成熟的嵌入式軟件，實現(xiàn)智能視覺識別?？捎行z測人員倒地、徘徊、丟包、遺留物、偷盜、區(qū)域目標、圍墻攀爬、停車超時、逆行等多種行為，可達到99%高偵測條件下的低誤報率(低于1%)，被廣泛應(yīng)用于政府機關(guān)，軍隊，學校，油田，機場，航天，監(jiān)獄看守所，電網(wǎng)和核電站，軌道和非軌道交通，別墅和居民小區(qū)等等。