咨询热线:010-56245276

首页 电力展会 电力会议 会展要闻 会展专题 热门展讯 名企动态

您当前的位置:北极星电力会展网 > 热门展讯 > 正文

圆桌论坛丨人工智能在多个领域中的发展思考与应用分享

北极星电力会展网 来源:群智未来人工智能研究院 2021-07-05 06:23:50

导语:2021年6月26日,来自东南大学和浙江大学的六位专家在雪浪大会网络群体智能·智慧能源创新分论坛“人工智能应用产业分享与研讨”圆桌论坛环节上分别做了精彩报告并针对人工智能理论研究与相关产业的结合展开深入讨论。

圆桌嘉宾:虞文武(长江学者)、花为(国家杰青)、吴争光(万人计划青年拔尖人才)、黄永明(万人计划领军人才)、温广辉(青年长江)、Baldi Simone(国家青年千人)

在圆桌论坛上,首席教授虞文武首先对群智未来人工智能研究院作了简要介绍并把对研究院未来发展方向的思考与大家进行了分享。

研究院的定位目标是推动物联网、人工智能前沿技术与实体产业深度融合,打造科技成果转化以及政产学研合作的国内领先示范创新平台,服务国家重大战略需求。研究院将逐渐集聚物联网与人工智能产业链生态与实建项目,逐步形成以无锡经济开发区雪浪小镇为主体的区域性现代产业高地和人才洼地。研究院联合了东南大学等高校/研究所知名教授团队、有影响力科技型平台类企业团队、相关行业联盟资深专家等,致力于与国内产业一线企业开展合作,包括华为公司、中国移动、国家电网、军工集团等。研究院应当以人工智能核心技术——网络群体智能为主线,贯穿智慧土木、智能电机、智能电网、智能环保、智能通信、智能交通、智能机器人等领域的理论与应用研究,发挥群体优势,服务国家重大战略需求。

之后虞文武教授针对网络群体智能的技术与应用给大家做了专业的学术报告。虞教授指出,网络群体智能核心技术的核心思想是通过局部信息的处理与交互来达到全局控制与优化目标,这一思想是得益于生物集群现象的启发。网络群体智能主要包括网络结构、涌现机理、局部邻居信息、合作全局目标等四个方面,适用于网络中心无法处理巨复杂任务以及无法形成中心处理的大规模智能网络系统。近些年,团队在协同分析、协同控制、协同优化等几个方面进行理论研究创新,同时在智能交通系统中的协同预测与调度、无人集群系统的协同抗干扰控制、智能配电网的协同架构规划等工程技术应用方面做了大量工作。

在应用案例方面,针对不确定无人系统集群编队问题,基于网络群体智能理论提出了多类型不确定条件下的集群编队算法,可有效提高转弯效率、防止队内成员碰撞,实现快速编队形成、保持与变换。在源-网-荷互动运行下的配电网规划中,研究了分散式负荷参与电网一、二次调频策略以及分布式控制与优化策略对配电网规划的影响。为未来智能电网中大规模分布式电源与多元化负荷接入以及用户需求侧的管理开拓了新方向。在智能交通流量预测与信号灯控制应用研究方面,基于网络群体智能思想提出了智能交通系统分布式协同预测与调度算法,提高了深度学习预测精度,大幅超过现有算法精度,并针对信号灯协同调控问题提出了协同智能调控的方案。在智慧社区信息感知与管控调度方面,基于网络群体智能思想,设计了分布式、可扩展的智慧城市运营管理体系架构以及运营平台,实现了自进化的信息——物理融合系统闭环控制,可支持百万级以上终端并发量。

之后东南大学花为教授为大家做了关于人工智能在智能电机系统中的应用展望方面的报告,花教授的主要研究方向是永磁电机系统。

随着转速和功率密度的提升,电机设计越发需要多物理场分析。常规基于参数扫描的优化方法因其低效和难以准确获得全局最优结果的缺陷,已经不能满足电机优化设计的需求。同时,与数值计算不同的是,电机具有高度非线性以及强耦合等特点,这些特点导致电机性能需要有限元计算获得,从而会导致电机优化的时间负担繁重。而人工智能应用在电机优化设计中可以训练学习出电机参数与电机性能之间的非线性关系,在保证优化精度的前提下,快速获得电机性能,从而显著减少优化设计的时间。如今,遗传算法(GA)和粒子群算法(PSO)等智能算法已被应用在电机优化设计中来获得全局最优设计。人工智能赋予了电机优化设计新的生命,使智能电机系统在智能设计、制造、控制、感知、诊断、决策、自愈等方面具有广阔和光明的应用前景。

在优化算法方面,电机的优化和数值优化问题没有本质区别,电机优化的关键在于电机性能指标的获取方式。目前最为常用的电机优化方法是利用商用有限元软件进行电磁仿真,形成电机优化流程。首先以有限元法计算出电机的性能指标,传递给后处理软件(MATLAB、Python等),再应用优化算法和优化策略指导优化变量向最优方向进化。有限元(FEM)计算的嵌入使得电机优化十分耗时,而为了保证计算结果的准确性,FEM在电机优化中又难以被替代。但是人工智能中的回归模型可以代替大部分FEM计算,可以完美应用在电机优化设计中。如今比较常用的有三种可选择进行建模的代理模型,包括人工神经网络ANN、支持向量机SVG以及克里金Kriging。结果显示,人工智能技术的使用大幅提高了优化问题的预测精度,使整体优化时间削减至纯FEM的30%。

未来人工智能技术在电机中的进一步应用,需要更加深刻地掌握智能电机系统的内在特性以及更加精确地进行系统建模,然后根据具体需求合理选择与运用人工智能算法。

接下来,浙江大学吴争光教授针对智能机器人与视觉感知等方向做了相关报告。吴教授的主要研究方向涉及智能机器人系统、人工智能算法及技术应用、数据采集及融合、存储与管理、分析挖掘及智能计算和可视化及应用等方向。

报告主要涉及了智能机器人的应用、前沿机器人感知和视觉智能识别三个方面的内容。首先介绍了自主巡检机器人以及为多种不同环境设计的巡逻、载物机器人,这些智能化机器人可在结构化/非结构环境和不借助外部GPS的情况下,进行自主导航。主要应用案例主要有港口环境自主AGV无轨导航系统、无人铲车、无人清扫车、无人行李车、四足机器人路径规划、电力巡间车自主导航、室内外低成本跟随机器人、仿真乒乓球机器人本体视觉系统和一款仿真无人驾驶系统等。在机器人感知方面,简要介绍了视觉里程估计/视觉SLAM技术研究、异质传感器地图复用系统、在线时空标定的紧耦合系统、高空飞行器对地观测的自身位姿估计、精确快速的3D点云语义分割、单目深度估计、无监督光流与深度估计等多个方面的研究成果。在视觉智能识别方面,主要展示了交通卡口车辆定位与车牌识别、视频中汽车品牌识别、水上目标识别与检测、人体动作识别与评价、悬浮手势识别、人脸识别、人脸再扮演、图像生成、表情迁移、音频生成人脸、头部姿态识别、卡通人物识别、游戏视频精彩片段识别等演示实例,同时介绍了智能人脸大数据管控平台。相关识别技术还可以应用到诸如机场跑道异物检测、电梯异常行为检测、水泥厂监控、机场停机操作流程合规检查、智能课堂检测、安全帽配戴检测以及智能超市购物行为识别等现实场景中。

之后,东南大学黄永明教授作了B5G/6G无线接入网络智能方面的研究报告。

黄教授指出5G和未来6G网络服务于千行百业,应用场景极其丰富,同时它们的发展也面临巨大挑战。大数据、人工智能与通信深度融合形成网络智能,是B5G/6G的必然发展趋势。而发展B5G/6G网络内生智能面临的挑战主要体现在如何在B5G/6G网络内嵌入数据处理技术与智能技术从而形成网络智能新技术体系,具体包含架构构建、数据处理和AI算法设计等方面的挑战。容易看出,数据是B5G/6G网络智能化的必备基础,因此建立完备的网络数据采集分析体系迫在眉睫。

黄教授介绍了其所在研究团队基于所构建的商业级5G开放试验专网建立了较完备的网络数据采集分析体系,解决了网络数据逐层获取、内在关联分析和特征提取等问题,形成了基站无线数据实时分析软件PML AirTracer;进一步提出无线接入网络内生智能体系架构,研发了在5G无线系统中嵌入数据面和智能面的开放试验平台,完成了面向工业互联网的分级智能RAN切片试验,显著提升了业务服务保障能力。

紧接着,东南大学温广辉教授作了关于无人系统协同控制及小型装备研制的报告。

在报告中温教授指出,群体智能提供了一种通过聚集群体的智慧解决问题的新模式。群体智能不仅为解决各种科学难题提供了新的途径,而且其思想早已融入到了日常生活的各个方面,例如实时交通监控、物流管理。

首先,温教授对量子启发群智算法进行了介绍。20世纪90年代后期,量子智能优化算法兴起,并形成了第一次研究与应用高峰。在这期间,量子神经网络、量子遗传算法、量子退火算法被相继提出。量子启发群智算法包括量子遗传算法和量子粒子群算法等,它的优点主要在于其具有隐含的并行性。量子启发群智算法使用量子比特编码染色体或粒子与量子门更新染色体或粒子,可以应用于组合优化、函数优化、自动控制等各个领域中。现有的量子启发群智算法在种群结构、粒子编码、更新策略等方面还需要进一步改进。作为应用案例,温教授还介绍了量子启发群智算法在微电网优化调度中的应用。

温教授还对分布式类脑智能计算进行了介绍。类脑计算是人工通用智能的基石。现如今类脑计算的发展是主要基于冯诺依曼架构的传统计算机,未来则是会更多地依托人工通用智能、类脑架构的类脑计算机。当前的人工智能存在两条技术发展路径:以模型学习驱动的数据智能和以认知仿生驱动的类脑智能。类脑智能是受大脑神经运行机制和认知行为机制启发,以计算建模为手段,通过软硬件协同实现的机器智能。类脑智能可以突破数据智能的局限性。分布式类脑技术包括分布式强化学习与群体智能决策,相关算法可以有效解决各种情况下的优化博弈问题。具体地,深度学习技术、聚类学习技术、强化学习技术和神经网络技术等都属于类脑智能技术,类脑智能技术可以应用到如智能电网等诸多领域。

最后,温教授向大家展示了其科研团队在协同避障和小型无人艇装备研制方面的最新研究成果。

最后是来自东南大学的Baldi Simone教授的关于在智慧建筑和智能交通领域与工业界和学术界合作的一些经验分享。Baldi教授曾在意大利、塞浦路斯、希腊、捷克的霍尼韦尔实验室和荷兰的代尔夫特大学开展参与该领域的研究工作。

Baldi教授指出减少建筑以及交通的能源消耗对全世界来说迫在眉睫,每年建筑物消耗的能源占全球总消耗能源的40%,而每年交通工具消耗的能源占全球总消耗能源的28%。Baldi教授还指出在智能交通领域人驾驶的车辆与自动驾驶车辆的交互,保证智能建筑节能的同时提高人们的舒适度等方面都面临着巨大的挑战,许多机构以及研究所都在为克服这些挑战开展研究工作,并为此设计新的基于学习的控制方法。

之后,Baldi教授介绍了他曾参与一些的关于自动驾驶以及智能建筑的具体项目工作。这些项目包括与德国弗劳恩霍夫(Fraunhofer)建筑物理研究所和霍尼韦尔(Honeywell)实验室在智能建筑和物联网方面合作的相关工作;以及与西门子(SIEMENS)、NXP和TASS在智能交通和自动驾驶方面合作的相关工作。最后,Baldi教授表达了对中国在智能建筑和物联网以及智慧交通等方面未来发展前景的信心。

 

 

 

 

 

 

分享到:

相关新闻

    新闻排行榜

关闭

重播

关闭

重播

广告服务/会展合作:齐女士 010-56245276 13381061157 点击这里给我发消息

关于我们 | 会员服务 | 媒体报道 | 广告服务 | 营销活动 | 电展+套餐 | 成功案例 | 招聘服务 | 加入我们 | 网站地图 | 联系我们 |

版权所有 ©1999-2021 北极星电力网(Bjx.Com.Cn) 运营:北京火山动力网络技术有限公司

京ICP证080169号 京ICP备09003304号-2 京公网安备 11010502034458号 电子公告服务专项备案