人工智能創新方案精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能創新方案主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：人工智能創新方案范文
關鍵詞：跨攝像機；目標檢測；圖像解析；人工智能
視頻監控智能化分析系統已廣泛應用于公共安全領域，其主要功能是通過對視頻內容的分析和抽取實現目標檢測跟蹤，智能目標檢測和事件檢測可以在需要人工干預時發出警報和產生應急預案。目前，各大城市已經大規模部署了各種各樣的視頻攝像機，獲取了海量視頻數據，但現有視頻應用系統仍然存在一些不足，尤其是對面部被遮擋目標的追蹤，目前還缺乏有效手段。
1目標跟蹤技術現狀
目標檢測識別分析是計算機視覺領域的熱門研究方向，其應用前景廣闊，在交通監控系統、智能家居等場景中都能見到它的身影。基于深度學習，目標檢測是身份識別領域的基礎。自2006年以來，大量國內外學者為深度神經網絡的研究做出巨大貢獻。目前，這項技術已成功應用在多種模式分類問題上。同樣基于深度學習，行人再識別（RelD）技術主要應用于跨攝像機檢測跟蹤，即判斷跨攝像機、跨場景的情況下視頻里出現的是否是同一個目標，它主要適用于無法進行人臉識別的情況，通過對目標的外形、體態等特點實現目標識別和追蹤。我國已有多家企業在行人再識別（RelD）上取得了重大突破，如澎思科技、云從科技、曠視科技等。其中，云從科技于2019年在行人再識別算法水平三大核心指標的平均精度均值（mAP）和首位命中率（Rank－1Accuracy）上達到了行業頂尖高度。澎思科技也于同年在首位命中率（Rank－1Accuracy）上刷新了世界紀錄。然而，目標檢測仍然存在很大的深人研究空間，攝像機的參數設置和視角，以及實際場景下的光照、天氣、遮擋、非剛體形變等因素使得理想的目標檢測仍然是一個挑戰。因此，本文將對目標跟蹤中的目標檢測技術提出新方案。
2技術路線
2．1總體邏輯
本文將通過視頻媒體池技術實現離線資源
與實時視頻錄像大數據的協同關聯解析。首先進行對敏感目標的精細化、快速結構化描述，如人臉、步態、輪廓、紋理、顏色等，系統通過對“人體”而不是僅僅依賴于“人臉”的詳細描繪，解決因面部被遮擋而產生的人臉識別困難的問題。接著通過對敏感目標的案事件在線建模實現案事件目標自動關聯；通過跨資源、跨域敏感目標檢測識別，實現基于視頻的高效動態布控，精準地得到目標的行動軌跡；通過對敏感目標的跨域跟蹤，利用時空關系實現多種視頻資源智能關聯實現“一張圖”作業，基于目標的實時行動軌跡實現公安追逃工作的標準化和高效化。
2．2目標底層特征生成及選取
目標檢測分為兩個階段，首先在給定的圖像的候選區域里提取特征，接著用訓練好的分類器進行分類后，最后再進行特征選取。下面對這三個階段分別進行介紹。2．2．1目標特征提取針對海量目標識別中單維度生物特征誤報率高的問題，本文在特征提取階段采用識別“人”而不是僅僅識別“臉”的方法。首先確定敏感目標表征某一類樣本的特征空間走向，確定在該走向上封閉區域向四外的伸延。按照如下思路構建封閉區域：利用已知樣本構造出代表該類樣本的高維空間的封閉區域的支撐“骨架”來描述該封閉區域的走向，在該“骨架”的基礎上按照一定策略向四外伸延，“生長”出高維空間封閉區域。總而言之，利用已知的樣本構造出代表該類樣本的高維空間的封閉區域，以后每學習一種新的類型，就構造出代表該類樣本的高維空間的封閉區域，然后調節原有各個類別封閉區域占據的空間。2．2．2目標特征分類對目標特征進行提取的下一階段是特征值分類，本文設計并實現了一種基于Torch分類器的目標識別系統，在Python中利用學習框架Torch搭建、訓練深度學習神經網絡。相較于基于TensorFlow的傳統深度神經網絡，本文中的Torch學習框架髙度模塊化，便于調試，搭建模型更方便。同時，基于Torch學習框架的神經網絡在網絡性能上也有提升，相較于基于傳統學習框架的系統，在本文設計出的系統的運行下的計算機顯存資源利用率更高，運行速度和精確度也得到了顯著提升，并且數據參數在CPU與GPU之間的遷移也十分靈活。系統在實現高效的數據分類遷移后，便進人到特征選取的階段。2．2．3基于多視角特征點的樣本特征選取對于模式空間構造而言，另一個重要的問題就是特征選取，特征選取恰當才有可能得到理想的檢測效果。本文采用基于多視角特征點的樣本特征構造方法，為了提高檢測準確性，本文在檢測前增加了基于三支決策的位姿識別來適應行為數據的復雜多樣，即在進行模式分類前，首先進行位姿識別，如果是正面人體，則不作任何變化直接與模式空間匹配；反之，如果是側面人體，則首先運用35支決策提出的方法將其轉為正面人體之后再進行模式空間匹配運算。為了適應數據動態變化的需求，避免數據樣本更新及變化引起的重復學習，本文還增加了增量學習與三支決策相結合，只修改因數據變化而改變的知識和規則。每當新增數據時，并不需要重建所有的知識庫，而是在原有知識庫的基礎上，僅做新增數據所引起的更新，這更加符合人的思維方式。增量式三支行為識別模型如圖1所示。本文將增量式三支決策模型用于異常行為的判定中。針對與行為傾向有密切聯系的異常行為收集信息，統計出目標的行為模式與規律，通過增量式學習的方法對新數據進行學習，將從新數據中提取出的特征與以前的行為模式和行為規律進行匹配，基于3支決策的思想對匹配結果進行判定，判定結果有行為“正常”、“異常”和“待定”3個種類。
2．3案事件建模、敏感目標識別、跨域跟蹤
案事件建模指的是系統對視頻內容進行自動分析和抽取，捕捉到敏感目標，對目標的危險等級做出判斷，并在需要人工干預時發出預警和產生應急預案，免去了人工預測分析的過程，省時省力。在進行單純的目標檢測時，由于只考慮當前幀內的物體，對于不同視域的物體檢測效果較差，對于檢測器來說，特定目標識別率較差，很容易錯分。同樣，單純的目標再識別算法也只能判斷兩個物體是否相似，無法應用于實際場景下。通過將目標檢測與行人再識別算法相結合，可以解決上述單個目標檢測算法或者單個目標再識別算法難以解決的問題。因此，這兩種算法的結合可以幫助公安獲得更準確的特定目標檢測。針對海量案事件目標深度關聯實時跟蹤困難的問題，本文提出多維度信息融合的目標行為預測和跨域自動跟蹤技術。視頻資源間的協作會受到視頻資源自身參數和目標運動的各種因素的影響，如目標的位置、移動方向、速度等。視頻資源的地理分布也應該納人考慮范圍，因為它是計算目標在視頻資源之間運動時間的直接因素。如圖2所示，以在線、離線、綜合等視頻資源作為數據源，疊加高度、時間、位置信息，一旦從某個視頻資源中發現敏感目標，將及時在“一張圖”中進行標定，并通過PGIS時空信息進行目標運動行為預測，實現精準導入一定范圍內的視頻資源，從而極大地降低了運算負載，提高了系統對敏感目標的跟蹤速度與精度。本文提出的跨資源跟蹤系統架構如圖2所示。
3實驗與效果
本文通過對比傳統的與改進后的目標跟蹤系統的準確率，來檢測優化后的目標跟蹤技術的應用效果。本文使用相同的軟件開發環境來確保實驗的準確性，系統開發都使用了Py－thon2．7．12。實驗通過增加視圖庫內含有同一跟蹤目標的視頻圖像的數量，來檢測目標識別準確率的變化，最后對比優化前后目標跟蹤系統的表現。實驗效果（見表1）。通過實驗結果可觀察得到，本文的目標跟蹤系統相比于傳統系統，目標跟蹤準確率始終高于傳統設計下的目標跟蹤準確率，同時，同一目標在視圖庫內的視頻圖像數量達到2000張后的目標跟蹤準確率無限接近于100％，而傳統系統下的目標跟蹤準確率要在視圖庫同一目標的視頻圖像存放達到1萬張以后才開始展現無限接近于100％的趨勢。實驗表明，在相同的開發環境下，優化后的系統在目標跟蹤準確率上有顯著提升。實驗進一步對同一目標進行了優化前后系統的跟蹤對比，結果表明，優化后的系統具有更佳的性能。本文提出的目標跟蹤方法對身體被部分遮擋的目標的跟蹤效果均優于傳統方法。值得一提的是，對于目標背影，優化后的系統能準確地進行識別，而傳統系統即使在背影圖像清晰的情況下也無法精準地識別。同時，在目標圖像過小的情況下，傳統的目標跟蹤系統甚至無法識別到目標。因此，本文提出的目標跟蹤技術在跟蹤效果上有顯著提升。
4展望
第2篇：人工智能創新方案范文
20世紀初,全球社會生產力的發展中只有5%是依靠技術創新取得的,而現在發達國家中的40%是依靠技術創新取得的｡
美籍奧裔經濟學家熊彼特(JosephA.Schumpeter)于1912年在其著作《經濟發展理論》中將“創新”作為一個經濟學概念首次提出｡
熊彼特認為創新是發明的第一次商品化,也就是說,把發明引入生產體系并為商業化生產服務的過程就是創新,它意味著建立新的生產函數或供應函數,是在生產體系中引進一種生產要素和生產條件的新的組合｡
而發明實際上就是一個產品創新的過程,其關鍵是設計的創新,設計創新是實現產品創新的根本基礎｡因此,創新設計的重要性就顯而易見了｡
創新設計是一種創造性的智力活動,是設計者充分發揮自己的創造力,利用人類已有的科學技術成果,進行創新構思,應用新技術､新原理､新方法進行產品分析和設計的過程｡
2創新方法的發展
創新是一個及其復雜的過程,人類對創新本質的認識與研究還遠遠達不到科學的層次｡但是眾多創新學者,經數十年的研究發現,科學技術的發明創造有一定的規律可循,他們大多是以原則､訣竅､思路形式指導人們克服心理和思維的障礙,改善思維的靈活性的過程｡
自20世紀30年代至80年代,世界上出現了300多種創新技法,10多種創造原理｡這些創新技法,各自從不同的角度､在一定程度上突破了制約創新的相關因素的限制｡
所謂創新技法就是在創造心理､創造性思維方法和認識規律基礎上的技巧｡這些創新技法不存在科學的邏輯關系,大多數目前在理論上處于“初生期”,還遠遠未達到純粹的科學水平｡
從思維的角度,創新是人類駕馭形象思維與邏輯思維､發散思維與收斂思維的過程｡
經過數十年的發展,在掌握已有創新技法的基礎上,結合認知科學､人工智能､設計方法學､科學技術哲學等前沿學科,創新設計方法已成為一門獨立且有待于開發的新的設計技術和方法｡
創新設計方法的發展歷程如圖1所示｡
最初的創新研究側重于人的創造性思維,總結出一些具有指導意義的規律,形成各種創新技法,如:頭腦風暴法､聯想法､類比法､側向思考､仿生法等｡
后來,創新方法的研究開始注重以知識(專利)為基礎,通過對專利的分析與研究,總結創造活動所遵循的創新原理,該階段的典型創新方法是TRIZ理論｡
隨著計算機技術的發展,創新方法的研究也出現新的趨勢,在現階段,各種成熟的創新設計方法開始集成化研究與應用,并與計算機(包括網絡)技術相結合,形成計算機輔助創新(CAI:ComputerAidedInnovation)技術,如:QFD､可靠性設計､網絡協同創新技術､有限元分析等各種成熟的技術和方法開始融入到創新設計過程中｡
3機械產品創新設計的研究
機械產品創新設計的研究對于提高機械產品的設計水平､提高產品的競爭力有著重大的意義,受到世界各個國家的普遍重視｡
機械創新設計是指充分發揮設計者的創造力,利用人類己有的相關科學技術成果(含理論､方法､技術原理等),進行創新構思,應用新技術､新原理､新方法進行產品的分析和設計,設計出具有新穎性､創造性及實用性的機構或機械產品(裝置)的一種實踐活動｡
一般來說,創新設計包括全新設計和適應型創新設計兩類｡
需要指出的是,創新設計和概念設計并不是同一個概念,概念設計的核心是進行設計創新,而創新設計并不盡限于概念設計階段｡在產品設計的各個階段均有創新設計的問題,但是最主要的是在概念設計階段進行創新｡
國內外學者針對機械產品創新設計,分別從設計的本質､設計的過程以及設計的方法等不同方面,做了大量的研究工作｡
創新設計理論和方法的研究現狀見表1｡
4機械產品創新設計存在的問題及展望
通過上述文獻的研究可以看出,盡管人們從不同角度對創新設計進行了數十年的研究,取得了一些成果,但是產品創新設計過程中還有一些問題仍沒有解決,成為今后研究的重點｡
(1)創新設計本質過程的研究這實際上也是對設計的創新本質的認識｡盡管人們從思維方法､設計手段等多方面對創新問題進行探索,現在對創新的實質過程仍沒有一個統一的､深層次的認識,無法形成一個完整的理論去指導創新實踐｡在這方面我們仍需要做大量的工作｡
(2)創新設計中知識的表達與應用首先,產品創新過程涉及多學科､多種技術,如何將設計知識組織管理,滿足設計主體對知識的需求是今后的研究重點｡其次,為創新設計過程建立科學的產品模型,結合現代CAD技術,支持創新方案的快速表達,對于提高設計效率有重要意義｡
(3)設計理論研究與設計工具開發存在嚴重脫節人們對于設計理論及創新問題進行了大量研究,但是理論研究與設計工具,特別是產品的結構設計工具存在嚴重的脫節｡一方面某些機械結構設計理論和方法的研究較少考慮計算機實現的問題;另一方面設計工具開發時,又沒有適合計算機進行的結構設計自動化和智能化理論｡需要深入研究機械產品設計中功——構映射的本質規律｡
(4)創新設計過程的集成化技術研究創新設計過程的集成化技術的重點在于概念設計的集成化實現,主要是指產品的原理方案創新與結構方案創新的集成｡現有的設計理論或設計工具多是從不同的角度,考慮某階段的創新實現問題,如:TechOptimizer可以輔助實現產品原理方案的創新,但需要其他CAD系統完成結構的設計工作;一些大型的CAD/CAE/CAM商品化軟件,如:UG､Pro/E等均開發出了支持概念設計的工業設計模塊或草圖設計模塊,但是這些模塊基本上仍是計算機輔助繪圖的工具,幾乎不支持原理方案的創新｡缺乏統一的創新設計理論指導創新設計過程,是造成原理方案創新與結構方案創新的集成度低的主要原因｡
參考文獻
[1]孫林夫.現代產品設計技術及其發展[J].中國制造業信息化,2003,32(1):37~40.
[2]約瑟夫.熊彼特.經濟發展理論[M].北京:商務印書館.1990.
[3]沈惠平.機械創新設計及其研究[J].機械科學與技術,1997,16(5):791~795.
[4]張武城.創造創新方略[M].北京:機械工業出版社,2005.
[5]劉瑩,艾紅.創新設計思維與技法[M].北京:機械工業出版社,2004.
[6]高常青,黃克正,王國峰.由TRIZ理論的通用解求問題的特殊解[J].中國機械工程,2006,17(1):84~88.
[7]鄒慧君,張青,郭為忠.廣義概念設計的普遍性､內涵及理論基礎的探索[J].機械設計與研究,2004,20(3):10~14.
[8]約翰遜PC(陸國賢等譯).機械設計綜合一創造性設計與最優化[M].北京:機械工業出版社,1987.
[9]檀潤華.創新設計-TRIZ:發明問題解決理論[M].北京:機械工業出版社.2002年2月第1版.
[10]I.Rivin.UseoftheTheoryofInventiveProblemSolving(TRIZ)inDesignCurriculum[J].TRIZJournal,triz-,February,1998.
[11]G.S.Altshuller.Andsuddenlytheinventorappeared[M].TechnicalInnovationCenter,INC,Worcester,1996.
[12]牛占文,徐燕申,林岳.實現產品創新的關鍵技術—計算機輔助創新技術,機械工程學報,2000,36(l):11~14.
[13]顏洪森.顏氏創造性機構設計(一)~(三)[J].機械設計,1995(10)~(12).
[14]李學榮,李乃拓.多桿機構復雜運動分析與自動設計[J].長沙交通學院學報,2000,16(1):18~21.
第3篇：人工智能創新方案范文
“大數據”是今年達沃斯世界經濟論壇的熱詞之一，與會各界都對云計算、大數據等驅動經濟數字化轉型因素表達了高度關注。而在年初舉辦的2018拉斯維加斯消費電子展(CES)上，美國消費技術協會總裁兼首席執行官加里·夏皮羅、英特爾首席執行官布萊恩·克爾扎尼奇等都表示，大數據將對人類生活產生深遠影響，大數據是未來科技浪潮發展不容忽視的巨大推動力量，2018年全球大數據產業將得到強勁發展。
2022年大數據市場規模達800億美元
記者梳理國內外權威機構最新統計數據，至2022年，全球大數據市場規模達到800億美元，年均實現15.37%的增長。近兩年來，大數據發展浪潮席卷全球。全球各經濟社會系統采集、處理、積累的數據增長迅猛，大數據全產業市場規模逐步提升。綜合各方觀點，2018年大數據產業或呈現開源大數據商業化進一步深入等七大發展趨勢。
根據監測統計，2017年全球的數據總量為21.6ZB(1個ZB等于十萬億億字節)，目前全球數據的增長速度在每年40%左右，預計到2020年全球的數據總量將達到40ZB。
阿里巴巴集團技術委員會主席王堅在接受《經濟參考報》記者專訪時表示：“過去人類發展留下了數據，但是數據不夠多，難以形成資源；但是互聯網時代留下的大量數據可以成為資源。”德國思愛普公司董事會成員Bernd Leukert表示，信息技術(IT)系統依賴傳統的數據處理方式，大量數據需要人工輸入;然而，如今任何一個物理存在都會自動生成數據，人與人、人與物、物與物之間都會產生大數據，數據流將深刻改變企業運行的各個環節。
清華數據創新基地主任邱東曉在接受記者采訪時表示，大數據首先要明確幾個層次。一個是技術層面，也就是大數據、物聯網和AI等。二是應用層面，將大數據技術應用到各個領域，以此來提高效率，減少成本。三是產業層面，利用大數據技術，推動產業升級，促進產業結構轉型。四是生態層面，人才、政策和市場之間如何相互配合，區域之間、國際之間如何相互溝通。
記者綜合多家機構的預測，2018年全球大數據市場規模將達到454億美元，未來五年(2018-2022)年均復合增長率約為15.37%，市場規模達805億美元。預計2018年我國大數據市場規模將達到280億元，未來五年(2018-2022)年均復合增長率約為27.29%。
七大趨勢：產業應用將是主旋律
記者采訪中國科學院、美國電子消費協會的有關專家，他們認為，隨著大數據基礎設施的不斷完善，數據分析和商業智能工具將逐漸成為大數據的主力軍。2018年，全球大數據產業將呈現七大發展趨勢，而產業應用將是主旋律。
首先，開源大數據商業化進一步深化。隨著閉源軟件在數據分析領域的地盤不斷縮小，老牌IT廠商正在改變商業模式，向開源靠攏，并加大專業服務和系統集成方面的力度，幫助客戶向開源的、面向云的分析產品遷移，主要是Hadoop技術將加速發展。
第二，打包的大數據行業分析應用開拓新市場。隨著大數據逐漸走向各個行業，基于行業的大數據分析應用需求也日益增長。未來幾年針對特定行業和業務流程的分析應用將會以預打包的形式出現，這將為大數據技術供應商打開新的市場。
第三，大數據細分市場規模進一步增大。大數據相關技術的發展，將會創造出一些新的細分市場。例如，以數據分析和處理為主的高級數據服務、基于社交網絡的社交大數據分析等。
第四，大數據推動公司并購的規模和數量進一步提升。因此，在未來幾年中，大型IT廠商將為了完善自己的大數據產品線進行并購，首先涉及的將是信息管理分析軟件廠商、預測分析和數據展現廠商等。
第五，大數據分析的革命性方法出現。今年，大數據分析將出現革命性的新方法，從前的很多算法和基礎理論可能會產生理論級別的突破。機器學習繼續成為大數據智能分析的核心技術；人工智能和腦科學相結合，成為大數據分析領域的熱點。金融、互聯網電子商務、健康醫療、城鎮化智慧城市領域的應用令人矚目。
記者近期在美國西部一所高校訪問時了解到，在美國的先進制藥行業，藥物開發領域的最新前沿技術是機器學習，即算法利用數據和經驗教會自己辨別哪種化合物同哪個靶點相結合，并且發現對人眼來說不可見的模式。
第六，大數據與云計算將深度融合。云計算為大數據提供彈性可擴展的基礎設施支撐環境以及數據服務的高效模式，大數據則為云計算提供新的商業價值，大數據技術與云計算技術必有更完美的結合。阿里云計算有限公司總裁胡曉明表示，2018年將是云計算與產業深度結合的元年。人們將看到各國的基礎設施越來越緊密地和云計算結合起來，更多的制造企業和金融機構開始用“云”，云計算將促進科技金融提高效益。
第七，大數據一體機將陸續。在未來幾年里，數據倉庫一體機、NoSQL一體機以及其它一些將多種技術結合的一體化設備將進一步快速發展。據記者了解，中國的華為、浪潮等公司今年將在大數據一體機上有更大的動作。華為IT服務器產品線總裁邱隆表示：“華為服務器在自身高質量、創新、高性價比的基礎上，致力提供一個開放的計算平臺，通過和業界主流大數據廠家合作，面向客戶提供最佳性價比的大數據解決方案。”
大國行動：政府與企業聯動
許多國家的政府對大數據產業發展有著高度的熱情。
紐約大學計算機系教授塞恩告訴記者，根據前期計劃，美國希望利用大數據技術實現在多個領域的突破，包括科研教學、環境保護、工程技術、國土安全、生物醫藥等。其中具體的研發計劃涉及了美國國家科學基金會、國家衛生研究院、國防部、能源部、國防部高級研究局、地質勘探局等6個聯邦部門和機構。
目前，歐盟在大數據方面的活動主要涉及四方面內容：研究數據價值鏈戰略因素；資助“大數據”和“開放數據”領域的研究和創新活動；實施開放數據政策；促進公共資助科研實驗成果和數據的使用及再利用。日本著名的矢野經濟研究所預測，2020年度日本大數據市場規模有望超過1兆日元。
第4篇：人工智能創新方案范文
關鍵詞：產學研結合；客戶知識管理；技術創新；模型
一、引言
知識經濟背景下的先進技術知識和客戶知識在企業技術創新中起著至關重要的作用，成為企業提高技術創新能力的關鍵環節。在知識以非線性擴張的速度增長的今天，企業如果僅僅依靠自己的力量獲取需要的所有的知識和能力，不僅花費昂貴，而且困難重重。企業技術創新是一種以市場需求為導向，以增強企業競爭力為目標，通過學習、引進、開發和應用新技術，并以此提高企業經濟效益的過程…。在知識經濟飛速發展的今天，企業必須充分重視內外部知識的共享和整合，這樣才能實現創新的成功，提高企業的整體競爭力。因此，企業必須不斷地與外界相關主體(高校、科研機構、中介機構等)進行技術創新知識的學習與交流。
二、先進技術知識的獲取及其在企業技術創新中的作用
(一)先進技術知識的獲取
企業在學習、引進、開發和應用新技術的過程中，一個重要的前提是企業必須能準確把握及判斷當前先進技術發展的方向，因此，先進技術知識是企業技術創新知識的一個重要方面。實踐證明，先進技術知識的獲取及開發僅依靠企業自身的力量還遠遠不夠，企業只有同高校、科研院所等合作才能更加有效地開展技術創新，因為高校和科研院所擁有了企業不可比擬的人才優勢、技術優勢和信息優勢。一般企業從高校和科研機構獲取先進技術知識的方式有：(1)專家培訓：企業聘請技術專家對企業相關員工進行先進技術知識的培訓，為企業后續研發做準備；(2)合作研發：建立在利益相關的合作基礎上的互相學習與溝通，企業可以在實踐中獲得自身所需的技術和信息；(3)公派學習：企業挑選合適員工公派到高校或科研院所學習，這類員工一般為企業重點培養的、級別較高的研發人員，作為企業自主創新的人員儲備。
因為企業在進行技術創新的過程中會遇到很多技術上的難題，其中很多困難是單純依靠企業自身的能力無法解決的。大學和科研院所具有豐富的人才、技術和信息資源，可以有效地幫助企業實現技術的改進和創新。
(二)產學研合作在企業技術創新中的作用
當前的技術環境從過去的相對穩定變得動蕩多變、難以預測，技術不確定性增加，產品和技術生命周期縮短，研究開發的成本和風險增大，技術邊界變得模糊，這些趨勢已經成為產學研合作創新的直接動力之一。
1 大學和科研院所是知識基礎設施的一部分，對企業技術創新而言，它們是新知識和新技術的源泉。技術開發一般分為基礎研究和應用研究。基礎研究耗費時間和精力，不能直接轉化為現實的生產力，帶來直接經濟效益，因此企業一般不會進行基礎研究，而是著重開展應用研究。大學和科研院所具有豐富的創新人才、技術和信息儲備，更有實力進行基礎研究，給企業的技術創新提供基本的技術保障。
2 科研院所和大學要在科學創新中扮主角，而企業要在技術創新中扮主角。在技術創新中科研院所和大學甘當配角，為企業服務，“受制”于企業。這方面，身處美國硅谷中心、支撐硅谷創新發展的斯坦福大學堪稱楷模。斯坦福對硅谷的貢獻舉世聞名，它從不直接經商辦企業，而是以先進的創新理念傳播和優秀人才培育去促進硅谷的繁榮。
3 對于沒有條件建立自己的技術創新研發機構的企業，如果要想開展技術創新，必須依靠科研院所和大學技術創新的戰略儲備和近期的技術和知識支持，采用多種形式密切產學研結合。例如，20世紀80年代初，日本成功的組織了微電子技術產學研聯合攻關，使其在生產技術上超過了美國。這種創新模式被譽為產學研結合的經典范例，為日本成為世界第二經濟強國作了重大貢獻。
三、客戶知識的獲取及其在企業技術創新中的作用
(一)客戶知識的獲取
客戶知識的獲取是指企業通過與客戶的接觸，開發、收集和整合企業內、外部各種客戶信息，并利用數據挖掘、知識推理等人工智能技術從中提取客戶知識。客戶知識獲取的方式為：首先，企業收集現有客戶和目標市場中潛在客戶的人文統計信息，并分析現有客戶的歷史消費情況以及潛在客戶的可能消費需求，掌握市場上關于客戶的詳細信息，從而得到關于客戶的知識；企業通過關于客戶的知識，能夠更準確地定位市場上的客戶資源，從而為每類客戶提供相匹配的產品和服務，而有關企業為客戶提供的定制化產品的信息就是客戶所需要的知識，這類知識使客戶更好地了解企業的產品，提高產品推廣的響應率；產品推出后，企業需要知道客戶對這些產品使用后的評價以改善產品的功能，這就是來自客戶的知識。企業利用呼叫中心、客戶抱怨管理系統以及客戶服務人員與客戶直接的交流和溝通來獲得相關的信息，對這些信息進行分析和整理，并以電子文檔、書面資料等形式進行存儲利用這類知識，企業能更準確地了解客戶需求，從而更新關于客戶的知識，并能改進產品的功能，推出新的更適合客戶需求的產品，同時更新客戶需要的知識。當新產品推出后，企業又能獲得新的來自客戶的知識。客戶知識的獲取就是在這樣一個循環反復的過程中實現。
對客戶知識的獲取并不是企業的最終目的，關鍵在于對這些知識進行科學有效的管理。客戶知識管理貫穿于企業技術創新的始終，企業的技術創新只有不斷的滿足客戶的需求，才能在市場中立于不敗之地。客戶知識是企業技術創新知識的一個重要方面，創新永遠是持續的流程，這就要求企業不斷更新客戶知識，加強自身的客戶知識管理能力。
(二)客戶知識管理在企業技術創新中的作用
1 客戶知識管理有利于企業技術創新知識的有序化
客戶知識管理作為企業客戶管理的新理念，通過對客戶知識的整理和分類，通過數字化和知識化將大量無序信息有序化，將客戶需求具體化，使技術創新的過程流暢，各個階段緊密有序，為員工提供知識共享的環境，提高其工作效率和創新能力，改善服務質量。企業技術創新的成功主要還是取決于技術創新的參與者。客戶知識管理的實施可以使技術創新過程流程化，便于每個參與者掌握和熟悉。在創新過程中，流程化的管理也便于參與者根據創新環境的變化而有效地對技術創新過程做出調整。創新人員既需要具備專業的技術基礎知識，又要了解企業的客戶知識，這樣才能保證客戶需求的變化及時傳達給創新人員，從而及時地調整企業的技術創新策略。企業的客戶知識管理者將各種客戶知識綜合整理，將客戶隱性知識變為企業的顯性知識，從而提高企業的整體創新能力。
2 客戶知識管理有利于企業技術創新風險的規避
企業技術創新是具有風險的，創新成果有可能達不到預期的效果，也可能根本無法轉化為現實的生產力。技術創新能使企業保持競爭優勢，其過程也是一種創新，它包含了許多企業無法預測的不確定因素，從而使技術創新充滿風險，這種風險主要是由市場環境的不確定性、新產品的市場接受程度所決定的。客戶知識管理可有效降低這種風險。客戶知識管理并不是從技術開始的，它始于商業目標。現在許多企業已認識到，企業應該到客戶那里獲取企業所需要的信息和知識。通過對知識的傳播和收集，通過企業與客戶的互動溝通，企業可從市場得到更多的信息，從而為技術創新作依據和參考，減少技術創新方案中不完整之處以及可根據市場信息的反饋而及時調整創新方案。
在企業技術創新的過程中，創新人員必須對企業客戶知識進行識別、獲取、開發、分析、使用和存儲。客戶知識管理可以改變技術創新的速度，通過構建一個能夠有效吸收、保持、共享和轉移的知識活動的微觀機構，使創新人員能方便、迅速而廣泛地獲取信息，快速而準確地做出判斷，有效地縮減創新時間，減少技術創新成本，提高技術創新的成功率，避免項目失敗的風險。
3 客戶知識管理有利于企業技術創新反饋的監控
企業技術創新系統是企業整個創新系統之中的一個基本組成部分。技術創新的每個階段的產出都應該反饋到技術創新系統當中來。通過對每個階段成果的評價來不斷完善企業技術創新系統。而目前大多數企業做的只是一個將技術創新知識整理與存儲的工作，客戶知識管理應該與企業的業務流程結合起來”。，將客戶知識作為流程來管理，使企業的資源和客戶知識形成一條知識鏈，讓每一階段的技術創新過程都可以得到檢驗與評價。而且，企業可以通過對每個階段反饋信息的分析，相應調整創新戰略，領導市場潮流。
4 客戶知識管理有利于企業技術創新優勢的保持
技術創新是能夠擴散的，盡管企業可以對自身創造的技術采取足夠的保密手段，但一旦企業通過技術創新取得競爭優勢，其他企業將會擴大資源的投入進行模仿技術創新，從而消減了技術領先企業的競爭優勢。這樣一來已創新的企業必須進行再創新，也就是進行持續性的技術創新。在這種競爭激烈的市場環境下，實施客戶知識管理的企業就能保持技術創新的優勢，及時適應改變了的創新環境。市場經濟條件下的企業要生存和發展，必須不斷跟蹤與發現新的客戶需求信息，轉變成新的客戶知識，應用新知識不斷指導技術創新，以保持自身的競爭優勢。這就要求企業要像對待技術成果那樣對待客戶知識，加強企業客戶知識管理，以此為基礎不斷創新，實現企業的可持續發展，保持企業的技術水平優勢和強大核心競爭力。
四、知識經濟背景下的企業技術創新過程分析
(一)企業技術創新過程
分析企業技術創新過程模型的演進，許多管理的實踐者發現學習是競爭優勢的主要來源，知識的產生、獲取、應用和共享等成為了創新研究的重點。第六代創新模型，認為是知識和知識的運用才使得企業之間存在差別，才使得企業的競爭優勢得以維持。因此，在企業技術創新過程中，先進技術知識和客戶知識的獲取和應用是關鍵。而企業作為技術創新的主體，它所需的創新知識可以來源于企業的內部，也可以來源于企業的外部(其他組織)，產學研結合可以有效實現創新知識在各主體間的應用、開發和擴散。
單獨考慮合作系統內的單一企業，其技術創新的過程包括創新決策的產生、研究開發、生產和銷售四個部分，通過上文客戶知識管理在企業技術創新過程中的作用分析可以看到，客戶需求是企業進行技術創新的基礎，客戶知識管理可以幫助企業家做出正確的創新決策、研發人員及時掌握客戶需求、生產人員準確了解客戶對產品的期望、銷售人員成功留住客戶。在企業技術創新過程中，客戶知識管理的內容貫穿始終，指導每一個部門的工作，從而實現企業的持續創新。通過以上分析，建立企業技術創新過程模型如下：
(二)知識經濟背景下企業技術創新過程分析
1 企業內部技術創新
知識經濟背景下企業技術創新過程模型圖分為兩部分，上半部分為企業內部技術創新過程，從創新決策開始，經過研發、生產，將技術轉化為產品或服務后，由銷售部門將產品或服務轉化為企業的效益。在這個過程中通過不斷考察市場客戶的需求，并且結合現有的技術成果，企業又產生新的創新決策，指導下一輪的技術創新。企業的技術創新是一個循環往復的過程，客戶知識管理的內容貫穿始終，指導每一個部門的工作，只有這樣才能實現企業的持續技術創新。
這一循環過程要求在企業內部建立一個“客戶知識互聯”網絡。明確要求各部門應該相互合作與協調，跨部門交換客戶知識和分享經驗。客戶知識管理系統根據企業技術創新的要求，將與創新密切相關的客戶知識分發給需要的職能部門和人員，達到以客戶為中心的協同工作的目的。比如針對某個客戶的個性化需求，生產部門會接收到CKM系統分發的客戶知識，以此為依據開展制造加工，并將制造流程信息反饋給客戶服務部門，客戶服務人員會結合相關客戶知識，通知該客戶詳細的供貨細節。
2 產學研結合技術創新
第5篇：人工智能創新方案范文
關鍵詞：變電站；繼電保護；故障類型；維護處理
目前，在引入電子通信技術以及計算機信息監測系統之后，繼電保護手段得到進一步的改進，使其能夠即使在用電的高峰期，也可以為電網以及用電的各個方面進行供電。由于對繼電保護進行處理需要相關電力技術人員具有較強的技術性，這就需求他們不但要有豐厚的理論知識，還應具備處理各種故障的經驗，一旦發生故障，就能夠及時找到原因，根據原因對應處理，以提升變電站的運行效率，保證高電網的安全穩定。因此，變電站能否正常運行，主要取決于繼電保護故障的處理對策上面。
1 繼電保護以及發展方向
繼電保護是為了保證變電站電力系統正常安全運行的電力裝置，以提高電力系統的經濟效益。計算機系統的應用和人工智能化程度的提高讓繼電保護的技術手段更上一個臺階，其發展趨勢向著計算機信息化，網絡管理化以及集防護、測量、檢測、數據收集、信號傳遞等方面為一體的綜合化。隨著科學技術的進步，將會有更多的先進技術、先進方法應用到繼電保護方面，不斷革新，不斷完善，進而提高其工作效率，降低其故障發生的概率。這就要求相關電力技術人員不斷創新，努力發現，積極摸索，研究新方案，以國際先進繼電保護設施作為基礎，組建一支具有豐富理論知識和專業處理故障成熟經驗的隊伍，以滿足時代不斷進步的標準，進而建設繼電保護從研究分析到故障處理的完善制度。
2 繼電保護故障有哪些
2.1 干擾方面的故障
導致這個問題出現的因素是：微機的抗干擾能力不強，如果旁邊有通信設施，就會自動屏蔽這些通信設施，產生干擾作用，引發相關邏輯元件錯誤應對動作，造成繼電保護故障。
2.2 定值的故障
在此方面主要體現在：對于整定的運算結果錯誤，出現了系統上的偏差；相關設施未按期更換，導致設施老化；在人工處理方面，對整定運算的結果是錯誤的等等。
2.3 高頻收發信號機故障
由于生產工廠的不同，導致在高頻收發信號機的質量性能方面有強有弱，往往在通信設施的干擾下造成其工作時的不穩定，引發故障。
2.4 插件絕緣故障
一些保護設施的集成程度較高，布線較為嚴緊，如果運轉的時間超過一定的期限，就會在靜電的影響作用下導致帶靜電的微粒匯集在接線焊點附近，易于焊點與其它焊點之間產生導電通道，導致繼電保護設施故障。
2.5 CT 飽和故障
CT 在二次系統的作用無可取代，如果系統出現故障，就會產生瞬時劇烈增加的短路電流，導致CT飽和，從而阻礙繼電保護工作的正常進行。
3 繼電保護故障對策要堅持的原則
3.1 開展繼電保護處理工作時，要有所依據，對每次發生故障的事件做好相關的記錄，例如光子牌、保護設施的燈光等信息數據等。所以要在解決相關故障前面對所得信息分析研究，按照所得結果去判定當前發生故障的類型，及時選用有效對策對其處理。
3.2 在電力系統正常運轉中，應按照其運轉的具體方法對保護設施開展連接片的投、退處理操作，采取有效對策對故障進行處理。例如，如果發生連接器的跳閘現象，對其投入操作時，應先計算連接片間的直流電壓大小，后才能進行運轉中的投入操作。就有關電力技術人員而講，應該定期檢測繼電保護設施的各項數據，確認其有效真實，不得隨意篡改或清除。
3.3 在實際應用中，會有這樣的情況：在全面分析研究已有信息的基礎上，并沒有找到故障出現的相關信息，所以在處理故障時，就無從查起，相應地提高了故障處理的難度。是人為的或者是外部環境導致的，還是因設施自身原因引起的，按照已有信息分析結果無法判斷。如果是人為因素，就要全面記錄其發生原因以及對策，可有效預防以后同類故障的發生和處理。
4 繼電保護裝置的處理對策
4.1 分析法
4.1.1 對于變電站110kv繼電保護電路中，可能會遇到這樣的問題：于開展處理故障傳動操作中發現，在加速跳閘后的小段時間中再次產生自動重合閘。通過研究分析微機故障有關結果來看，發現兩次跳閘相差21s，這正好與重合閘充電的時間相吻合，根據110kv開關重合回路相關工作運轉方面的原理，可找到此故障發生的原因是彈簧中充電時間超過規定的標準，導致故障產生。
圖1 110kv開關重合出口回路原理圖
4.1.2 在遇到重合閘設施放電閉鎖等故障的時候，先要研究每項輸入量，找到引發達到放電閉鎖標準值的大小，有目的地找到故障發生點，還要做好故障報告的全面分析工作。
4.2 電位變化法
應用電位變化法的原理是應用計算機系統對二次回路每個連接點進行全天候的監測，觀察其直流電壓以及電位方面的改變，來找尋故障的產生點。此種方法對于電源開關拒合與拒分，而相應的指示等信號不明的情況下發生故障處理比較適用。
4.3 按照電力工作技術人員相關經驗進行判斷
對已發生的故障進行匯集分類，在了解繼電保護理論的基礎之上，采取科學合理的方法來調查繼電保護設施的運轉情況，總結不同故障發生的內因以及有效處理的對策，為以后碰到相似的繼電保護故障提供解決的依據，便于更為高效地處理繼電保護的故障。例如，在實際操作過程中，遇到紅燈綠燈都沒有信號，而且跳閘的線圈也被燒毀的現象造成的故障，根據以往的經驗，我們可以判斷這種故障主要是由于開關機構存在操作死點而拒分造成的。按照電力技術工作人員相關經驗方法在實際應用中是他們經常采用的方法。這種方法要求電力相關技術工作人員在日常生活中多加積累經驗，總結相關教訓，故障一發生就可以判斷故障來源點，及時作出相應的措施，提高故障處理的工作效率，盡可能地減少因故障造成的損失。
4.4 分段處理法
4.4.1 根據檢測的結果，高頻保護接發機不能正常工作，發信機發信失常，檢測點引動本側發信失敗，相關技術人員不能接收3d告警預示。針對這一問題，應采取分段處理法進行解決，先要保持導電通道脫開，在其內接入75Ω的電阻，來檢測是否能夠進行自發自收的正常運轉，根據結果來做出故障是否出現在本機的決定，后接通導電通道，檢查所接收到的信號電平差值，就可以據此判斷通電電纜的完好程度，繼而找到故障發生線段。
4.4.2 檢測有線傳輸信號的通道。把通道接口脫開，檢測短接電路回路，判定回路是否正在連接，還可以短接外側環路，按照檢測對方是否收到信號的結果，來判斷通道的連接狀態。
5 結束語
綜上所述，要想保證電力系統的正常運行，就要盡快地處理變電站繼電保護的故障問題。文章在分析繼電保護故障類型的基礎上，經過詳細研究，提出一些處理故障的方法，旨在保持變電站正常運行，提高其工作效率，以便獲得良好的經濟效益。
參考文獻
