本书面向智能制造，将机器智能领域的结构模拟、功能模拟、行为模拟与机制模拟方法贯穿应用于制造全过程，阐明机器智能技术发展对制造业的深刻影响，为制造业的智能化改造升级提供参考。在理论方法上，本书从信息理论视角出发，将“数据-信息-知识-智能”转换作为阐述智能科学发展的主线；在应用场景上，本书围绕智能制造全流程涉及的要素，将“产品-工艺-装备-决策”作为介绍机器智能理论方法在智能制造中应用的主线。通过两条主线的贯穿，可以给读者完整的知识、统一的理论和聚焦的应用场景，提升了读者系统化的科学视角高度，也更加落地而具有实用性。本书可作为高等院校智能科学与技术、机械工程、工业工程、自动化、计算机科学、数据科学等相关专业高年级本科生和研究生的教材和参考用书，也适合对智能科学、智能制造有兴趣的广大读者阅读。

信息化和智能化是人类社会发展的大趋势。信息化发展日益成熟，智能化发展正在登上历史舞台。随着智能机器与各行各业的深入融合，催生了智能制造等新的生态形式。智能科学与技术逐渐渗透到社会生活的各方面，将在未来的信息化社会中扮演极其重要的角色。 本书主要介绍了机器智能在智能制造各个场景中的需求情况，从产品、工艺、装备、决策等不同层面，全方位介绍了制造系统中的智能化需求；以人工神经网络为代表的结构模拟方法，对常见的神经网络模型进行了结构与应用分析；以专家系统为代表的功能模拟方法，对知识表示、知识工程等基础理论进行了细致分析；以感知-动作系统为代表的行为模拟方法，从机器感知、模式分类及计算智能等角度探索了计算智能在智能制造中的典型应用；基于数据-信息-知识-智能转换的全信息理论，将多年来相对独立发展的机器智能三大学派有机地融为一体；还介绍了机器智能的其他理论与方法，以及机器智能和智能制造的前沿动态与发展方向。 本书在介绍机器智能传统和最新理论方法的同时，围绕制造全流程涉及的“产品-工艺-装备-决策”主线，介绍了这些机器智能理论方法在产品设计、工艺规划、生产物流管控、设备监控、质量控制等制造过程各个场景下的应用，阐明了如何利用机器智能的相关理论、方法和技术实现制造业的智能化转型升级。 本书由上海交通大学秦威、孙衍宁负责编著和统稿审校。在本书编著的过程中，上海交通大学博士和硕士研究生许鸿伟（第1、2章）、胡勍（第3章）、刘日鑫（第4章）、王无印（第5章）、胡锦华（第6章）、滕浩（第7章）、张战罗（第8章）等负责了相应章节的整理工作，付出了大量心血，在此对他们表示感谢。另外，笔者引用和参考了大量文献，在此向文献作者表示由衷的感谢。若有因疏忽而未标注的，敬请有关作者谅解。此外，电子工业出版社的编辑们为本书的出版付出了辛勤劳动，在此表示由衷的感谢。 机器智能的相关理论和方法还处在迅速发展阶段，在制造业中的应用已经引起越来越多的科研和工程人员的关注。由于作者的水平和能力有限，书中的缺点和疏漏在所难免，欢迎广大读者批评指正。 作 者 2022/7/29

第1章 绪论 001 1.1 智能科学技术的历史使命和研究方向 001 1.1.1 历史使命 001 1.1.2 研究方向 001 1.2 机器智能概述 003 1.2.1 机器智能的定义 003 1.2.2 机器智能的发展 003 1.2.3 机器智能技术手段 004 1.3 智能制造概述 005 1.3.1 智能制造的定义 005 1.3.2 智能制造的发展 006 1.3.3 智能制造的特征 007 1.3.4 智能制造的实现基础 009 1.4 机器智能与智能制造 011 1.5 本书的主要内容和章节安排 012 参考文献 013 第2章 制造系统中的智能化需求场景 015 2.1 产品的智能化需求 015 2.1.1 智能产品 015 2.1.2 产品智能化设计 017 2.1.3 产品质量自适应控制 018 2.2 工艺的智能化需求 019 2.2.1 工艺模型自主生成 019 2.2.2 工艺路径智能规划 020 2.2.3 工艺参数自适应优化 021 2.3 装备的智能化需求 023 2.3.1 装备自感知与监控 023 2.3.2 装备故障预测与自诊断 025 2.3.3 装备自主协同与柔性生产 026 2.4 决策的智能化需求 028 2.4.1 智能排产与调度 028 2.4.2 智能无人物流 032 2.4.3 人机协作与共融 034 2.5 本章小结 036 参考文献 036 第3章 面向智能制造的机器智能结构模拟方法与应用 039 3.1 基于结构模拟的机器智能理论与方法 039 3.2 结构模拟之人工神经网络模型 042 3.2.1 单层感知机 042 3.2.2 多层感知机与BP神经网络 047 3.2.3 Hopfield反馈神经网络 050 3.3 结构模拟之卷积神经网络模型 053 3.3.1 卷积神经网络模型的基本元素 053 3.3.2 传统卷积神经网络模型 056 3.3.3 因果卷积神经网络模型 057 3.4 结构模拟之循环神经网络模型 059 3.4.1 时序数据 060 3.4.2 传统循环神经网络模型 061 3.4.3 长短期记忆网络模型 062 3.5 结构模拟方法在智能制造中的应用案例 064 3.5.1 基于LSTM的通风系统热需求功率智能预测 064 3.5.2　融合因果卷积与LSTM的锂离子电池状态智能监控 068 3.6 本章小结 080 参考文献 081 第4章 面向智能制造的机器智能功能模拟方法与应用 083 4.1　基于功能模拟的机器智能理论与方法 083 4.2 功能模拟之因果知识推理方法 089 4.2.1 数据中的因果关系发现理论 089 4.2.2 两阶段的因果关系推理方法 092 4.2.3 基于因果知识的制造系统可观可控分析 098 4.3 功能模拟之专家系统构建与开发 100 4.3.1 专家系统的基本概念 100 4.3.2 专家系统的基本类型 104 4.3.3 专家系统的开发工具 107 4.4 功能模拟方法在智能制造中的应用案例 109 4.4.1 基于知识推理的复杂机械产品装配质量控制 109 4.4.2 航天结构件的三维数控加工工艺设计专家系统开发 121 4.5 本章小结 126 参考文献 127 第5章 面向智能制造的机器智能行为模拟方法与应用 129 5.1 感知-动作系统 129 5.2 行为模拟之机器感知方法 133 5.2.1 机器感知基本原理 133 5.2.2 无线传感器网络基本概念 136 5.2.3 信息融合基本概念 137 5.3 行为模拟之模式分类方法 138 5.3.1 基本概念 138 5.3.2 特征抽取与选择 140 5.3.3 常用模式分类方法 142 5.3.4 性能评估 147 5.4 行为模拟之计算智能算法 150 5.4.1 计算智能的基本概念 150 5.4.2 模糊计算方法 151 5.4.3 进化计算方法 152 5.5 行为模拟方法在智能制造中的应用案例 156 5.5.1 基于并行多目标遗传算法的生产资源优化配置 156 5.5.2 基于模糊逻辑控制的物料运输任务调度 163 5.6 本章小结 168 参考文献 169 第6章 面向智能制造的机器智能机制模拟方法与应用 171 6.1　基于机制模拟的机器智能理论与方法 171 6.2　机制模拟之复杂系统的网络化建模分析方法 174 6.2.1　网络科学基本理论介绍 174 6.2.2 基于复杂网络理论的制造系统优化决策方法 177 6.2.3 数据与网络融合的制造系统建模与分析方法 182 6.3 机制模拟之强化学习方法 185 6.3.1 强化学习的基本框架 185 6.3.2 多智能体强化学习方法 189 6.4 机制模拟之“关联+预测+调控”智能决策新模式 191 6.4.1 关联：制造系统耦合作用机理的智能分析 191 6.4.2 预测：制造系统性能演化规律的智能预测 193 6.4.3 调控：制造车间性能调控机制的智能构建 197 6.5 机制模拟方法在智能制造中的应用案例 202 6.5.1 基于复杂网络的飞机总装系统工时波动影响力评估 202 6.5.2　考虑工时柔性可变的制造系统资源动态调整 210 6.6　本章小结 220 参考文献 221 第7章 面向智能制造的机器智能其他理论与方法 223 7.1 多智能体与群集智能 223 7.1.1 复杂系统理论 224 7.1.2 多智能体系统的一致性控制 225 7.1.3 群集智能行为的生物原型 225 7.1.4 蚁群算法 226 7.1.5 粒子群算法 228 7.2 脑皮质学习算法 229 7.2.1 层级实时记忆 229 7.2.2 空间沉积的实现 230 7.2.3 时间沉积的实现 232 7.2.4 脑皮质学习算法原理 234 7.3 多智能体系统在智能制造中的典型应用 236 7.3.1 基于多智能体协同的大规模物料运输调度优化 237 7.3.2 基于多智能体的多机器人控制 238 7.4 群集智能算法在智能制造中的典型应用 240 7.4.1 基于两阶段多目标蚁群算法的云物流服务调度优化 240 7.4.2 基于粒子群算法的柔性车间调度系统 242 7.4.3 基于脑皮质算法的时间序列异常检测 243 7.5 本章小结 246 参考文献 246 第8章 机器智能和智能制造的前沿动态与发展方向 248 8.1 机器智能的前沿动态与困难瓶颈 249 8.1.1 机器智能的最新进展和前沿动态 249 8.1.2 机器智能理论面临的困难与瓶颈 253 8.2 智能制造的前沿动态与困难瓶颈 255 8.2.1 智能制造的最新进展和前沿动态 255 8.2.2 智能制造面临的困难与瓶颈 261 8.3 本章小结 264 参考文献 264