文學福,宋小峰

（湖南應用技術(shù)學院,湖南 常德 415000）

人工智能技術(shù)是新時代科技創(chuàng)新發(fā)展的產(chǎn)物,目前已在許多領(lǐng)域有著具體的應用,人工智能主要通過模擬、拓展人類的智慧,進行新產(chǎn)品、新技術(shù)的開發(fā)。隨著人工智能技術(shù)的不斷創(chuàng)新,也可以廣泛應用于機械制造行業(yè)、機械設計和故障診斷,既減少機械領(lǐng)域的生產(chǎn)和運營成本,也可以提高機械行業(yè)的安全系數(shù)、智能化程度,提升機械的應用范圍和應用深度。[1]

1 人工智能技術(shù)在機械領(lǐng)域中的應用方向

1.1 機械設計

機械設計實際上是一種數(shù)值計算工作,通俗來講,機械設計可以通過模型的計算、分析、繪圖等過程進行合理結(jié)構(gòu)的方案設計。機械設計既包括對機械的初始方案確定,也包括結(jié)合企業(yè)利益選擇最優(yōu)方案、制定最佳的結(jié)構(gòu)特性。目前已有部分企業(yè)引入智能化機械系統(tǒng),通過智能設備進行符號推理工作,例如CAD、CMA系統(tǒng)。通過人工智能的計算和分析,綜合運用多種學科知識進行智能化機械設計。人員可以通過具體的參數(shù)來簡化設計步驟,通過智能理論方法來進行設計的開發(fā)與應用?？梢哉f,人工智能技術(shù)可以精準地控制機器制造的生產(chǎn)質(zhì)量。在智能化機械設計的過程中,人工智能技術(shù)既可以減少人為主觀因素對機械設計結(jié)構(gòu)的影響,也可以降低人力成本,雖然人的智慧是不可比擬的,但人工智能系統(tǒng)可以在一定程度上學習人的知識和經(jīng)驗,通過集成所有有關(guān)數(shù)值,選擇最恰當?shù)耐评砗蜎Q策,減少不必要的設計步驟。在未來人工智能系統(tǒng)可以通過AI自主學習,自主判斷來進行大規(guī)模的機械設計和智能檢測。設計人員既可以通過人工智能技術(shù)的自主學習和推理系統(tǒng),計算、儲存先進工藝,方便后人進行機械設計的學習,也可以根據(jù)市場對不同機械產(chǎn)品的需求,自動分析和調(diào)整、精準控制各個機械制造過程的參數(shù)。

1.2 機械制造

在機械生產(chǎn)制造的過程中通常需要有相關(guān)零配件,機械制造工廠需要為機械提供配件。在人工智能技術(shù)的參與下,這一過程可以通過機器進行實時的加工,人工智能系統(tǒng)可以根據(jù)機器所裝配的零部件推斷更合適的機械目標,通過機械想要達到的動作序列進行規(guī)劃,自動進行問題的求解。尤其機械行業(yè)中零件加工和設備的裝配相對比較復雜,機械的零件工序較多,因此,其生產(chǎn)過程較為漫長,整個過程必須嚴格按照標準和邏輯順序進行,一旦中間出現(xiàn)錯誤或數(shù)值誤差,則會讓整個機械制造工序中斷,還會讓相應的儀器設備報廢。這樣一來,生產(chǎn)成本不但會變得很高,同時也會降低生產(chǎn)效率。在人工智能系統(tǒng)的幫助下,整個生產(chǎn)線可以減少人工環(huán)節(jié),這就極大降低了因人為因素導致的零部件數(shù)值偏差,從而能有效提升機械制造的效率。由于部分機械制造相對比較危險,人工智能技術(shù)可以通過操作機器手臂,減少機械制造對工作人員的傷害。在最新的機械制造生產(chǎn)線中,可以由人工智能技術(shù),也就是機器人代替?zhèn)鹘y(tǒng)的人力進行流水線生產(chǎn),采用人工智能對零件進行加工,對儀器設備進行裝配。在生產(chǎn)線生產(chǎn)的過程中根據(jù)實時故障問題確定故障的位置,并由機器人傳輸?shù)焦收暇S修中心。另外在機械制造檢測出故障的具體位置后,人工智能技術(shù)可以在第一時間進行故障預警和指定位置的維修,既降低了生產(chǎn)成本,又可以提升安全系數(shù)。

1.3 機械電子工程

機械電子工程嚴格來說是由電子工程和智能技術(shù)結(jié)合起來的新興技術(shù),機械電子工程的發(fā)展是通過系統(tǒng)的輸入和輸出來完成的。而人工智能技術(shù)的加入,既可以幫助機械電子工程分析和處理系統(tǒng)中的信號,也可以通過豐富的經(jīng)驗和理論建立系統(tǒng)模型,利用神經(jīng)網(wǎng)絡和模糊邏輯系統(tǒng)來實現(xiàn)非線性計算。為有效解決機械一體化系統(tǒng)的非線性問題,需要人工智能技術(shù)系統(tǒng)的神經(jīng)網(wǎng)絡系統(tǒng)和模糊推理系統(tǒng)利用專門的算法來模擬人體神經(jīng)系統(tǒng),輸入電子信息系統(tǒng)。在機械一體化系統(tǒng)中,通過對非線性系統(tǒng)的穩(wěn)定性進行微調(diào),獲取關(guān)聯(lián)的特殊值,生成機電工程中的相關(guān)函數(shù),并通過模糊信息處理方法來調(diào)節(jié)非線性的變化和機械的溫度。常規(guī)的機電系統(tǒng)相對比較復雜,需要通過物理方程建立數(shù)學關(guān)系、通過人員的經(jīng)驗建立物理基礎、通過實驗和長期的數(shù)學推導進行因果關(guān)系的建立,在此范圍內(nèi)進行線性常數(shù)的系統(tǒng)應用。這一過程相對比較復雜,而人工智能則可以順利地解決復雜的問題,通過規(guī)則和方法來實現(xiàn)機械電子工程的真實目的［2］。通過人工智能來進行自動控制,利用系統(tǒng)的輸入和輸出進行模糊邏輯系統(tǒng)的計算處理,利用神經(jīng)網(wǎng)絡提高精確程度,通過網(wǎng)絡系統(tǒng)模擬人腦結(jié)構(gòu),分析和處理機械電子工程中的各種信號,對機械系統(tǒng)內(nèi)的信號進行自動識別。

1.4 機械故障診斷

隨著社會生產(chǎn)力和科學技術(shù)的不斷發(fā)展,機械設備、設施變得越來越復雜,機械設備一旦發(fā)生故障,檢修人員很難通過人工方法快速查明故障來源,導致應用該設備的個人或集體蒙受損失。人工智能技術(shù)的加入,很好地解決了這一問題。在人工智能技術(shù)與機械故障診斷的融合下,領(lǐng)域?qū)＜铱梢岳脗鞲衅魈崛C械設備、設施易感部位的信息和狀態(tài),根據(jù)各個機械部位的數(shù)據(jù)反饋,初步排查故障發(fā)生的原因和部位,判斷機械設備的工作是否正常。傳感器發(fā)揮作用的過程離不開人工智能技術(shù),機械設備內(nèi)部結(jié)構(gòu)復雜、各類零件交錯縱橫,檢修人員雖然擁有根據(jù)零件組成判斷故障類型的能力,但在實際機械設備管理中,檢修人員卻無法讓視野直接抵達機械設備內(nèi)部零件處。人工智能技術(shù)的運用可以幫助檢修人員,在機械設備發(fā)生故障失靈時,對機械設備內(nèi)部零件和狀態(tài)展開分析,迅速整理出數(shù)據(jù)分析結(jié)果。領(lǐng)域?qū)＜壹纯赏ㄟ^這些原始數(shù)據(jù),結(jié)合設備設施結(jié)構(gòu)、系統(tǒng)故障歷史等信息展開故障計算,用較高的效率確定機械故障發(fā)生的原因和部位。目前人工智能與機械故障分析的應用技術(shù)還不夠完善,因此在實際管理過程中,可以采取人工智能技術(shù)整理故障數(shù)據(jù)和專家分析融合的方法,分析機械設備故障系統(tǒng),以達到更好的分析效果。

2 人工智能技術(shù)在機械領(lǐng)域中的應用方法

2.1 專家系統(tǒng)

專家系統(tǒng)是人工智能的重要組成部分之一,一個完整的專家系統(tǒng)主要由知識庫、推理機、知識學習機制和人機界面四部分組成,專家系統(tǒng)的推理邏輯可以幫助機械進行診斷、推理和產(chǎn)品設計。專家系統(tǒng)根據(jù)知識表達方式的不同,可以分為規(guī)則類系統(tǒng)和框架類系統(tǒng),規(guī)則類系統(tǒng)是通過既定的規(guī)則來完成推理邏輯的過程,而框架系統(tǒng)是在固定的框架范圍內(nèi),廣泛搜尋有關(guān)機械的模糊推理邏輯,既降低了系統(tǒng)的復雜性,也能幫助機械系統(tǒng)進行快速的診斷和設計。專家系統(tǒng)的知識表達方式比較符合人類的心理邏輯,更便于學習和獲取人類的知識,通過框架進行知識表達,既可以在機械設計和制造的過程中產(chǎn)生新的技術(shù)方法和先進的制造工藝,也可以通過模糊邏輯的推理研究,對機械存在的故障進行很好的診斷。相對來說,專家系統(tǒng)就相當于人工智能語言的一部分,其可以通過正向和逆向的推理進行機械的自動控制和模擬仿真。目前專家系統(tǒng)的開發(fā)和應用已逐漸深入到機械領(lǐng)域中,隨著機械領(lǐng)域的不斷復雜化,專家系統(tǒng)也可以利用更靈活、更透明的推理方式,處理不確定的知識點,拓寬機械領(lǐng)域的應用。

2.2 人工神經(jīng)網(wǎng)絡

顧名思義,人工神經(jīng)網(wǎng)絡就是模擬人類的神經(jīng)網(wǎng)絡系統(tǒng),通過各部分的神經(jīng)配合將一系列數(shù)據(jù)進行輸入和輸出。在人工神經(jīng)網(wǎng)絡中,機械的輸入和輸出都需要標準化的量,輸出值是輸入值的非線性函數(shù),其量子可以通過各神經(jīng)元的權(quán)重進行調(diào)整和改變。通過獲取某一部分的權(quán)重比來達到期望的輸出值,神經(jīng)網(wǎng)絡擁有強大的數(shù)值計算方法,且可以通過已知的數(shù)據(jù)和模式樣本來映射學習者和獲得者之間的關(guān)系,這一過程實際上是對人類思維的再模擬。由于神經(jīng)網(wǎng)絡具有超強的容錯性和原則性。因此,其可以在系統(tǒng)內(nèi)進行自適應、自學習、處理復雜模式等多種功能,還可以利用聯(lián)想、魯棒、推測等檢測龐大機器系統(tǒng)中的多重故障和突發(fā)性故障。人工神經(jīng)網(wǎng)絡還可以作為機械故障診斷的分類器,通過模式識別角度和預測角度,對機械系統(tǒng)的故障進行動態(tài)預測。

2.3 模糊集理論

模糊集理論是人工智能的一種特色性功能,由于人的認知世界包含大量的模糊處理信息,也就是說,人類在認知的過程中含有不確定因素。因此,為減少問題的復雜性,人工智能系統(tǒng)通過模糊集理論進行多值邏輯的擴展,利用數(shù)學方法和模糊邏輯做到近似推理。可以模擬電路故障診斷方法,通過多值電量測試和信息模糊的融合,確定故障節(jié)點和原件故障,并通過最小標準差法進行故障隸屬函數(shù)的構(gòu)造。通過函數(shù)模型來達到電路增益的模糊信息診斷,利用模糊集理論來測試不同頻率下電路的故障信息,精準定位機械系統(tǒng)的故障源頭。模糊集理論可以分別利用k故障診斷法和最小標準差法,對測試部位進行初步診斷和模糊變換,最終綜合結(jié)果得到故障診斷報告。

2.4 啟發(fā)式搜索

眾所周知的啟發(fā)式搜索方法之一是遺傳算法,遺傳算法可以利用遺傳算子使數(shù)字串尋找最優(yōu)的解,這一過程可以進行選擇、變異等多種操作,而模擬退火也是啟發(fā)式搜索的一種方式,通過隨機產(chǎn)生的答案進行局部最優(yōu)解或近似最優(yōu)解[3]。遺傳算法和模擬退火這兩種方式都可以通過求解目標函數(shù)對問題進行最優(yōu)化解決,據(jù)實踐證明,這兩種算法具有誤差小、速度快的多重優(yōu)點。因此,在機械系統(tǒng)中,利用啟發(fā)式搜索方式可以提高機械系統(tǒng)的抗干擾性和伺服性。

3 人工智能技術(shù)在機械領(lǐng)域中的發(fā)展方向

在未來,人工智能技術(shù)會隨著生物工程和科技的不斷更新,獲得更多的發(fā)展機遇[4]。因此,機械領(lǐng)域可以運用人工智能技術(shù)中的超聲波傳感技術(shù)、自動識別技術(shù)、激光掃描技術(shù)等獲得更高質(zhì)量的發(fā)展。首先,在超聲波傳感技術(shù)中,機械可以實現(xiàn)對距離的精準測量和精準控制,以此提高機械設備的智能化程度；其次,在自動識別技術(shù)中,機械可以通過人工智能技術(shù)的支持,遠程接受操作人員的指令,通過判斷和推理遠程指令,提升機械運行的效率；最后,機械可以利用激光掃描技術(shù),提升數(shù)據(jù)傳輸?shù)目煽啃院蜏蚀_性。另外,機械領(lǐng)域還可以抓住人工智能仿生性的特點,研究機器視覺系統(tǒng),模擬人眼來進行機器的測量和判斷,依據(jù)像素亮度、顏色等信息將目標轉(zhuǎn)換成信號,控制現(xiàn)場設備的動作。由于機械在運行過程中會受粉塵、實際場地的影響,因此傳輸數(shù)據(jù)的準確性有待考量,而人工智能的加入,可以幫助機械在特定的時間內(nèi)選擇特定的測量方法,保證數(shù)據(jù)的精準性。人工智能技術(shù)在現(xiàn)階段已經(jīng)成為一種趨勢,機械領(lǐng)域需要正視這一機遇,通過深入研究其在機械領(lǐng)域中的應用和技術(shù)發(fā)展,在機械制造、機電工程方面取得技術(shù)性的突破,提高機械制造企業(yè)的市場競爭力,讓人工智能和機械技術(shù)有效融合,打造智能化的科技產(chǎn)品。

4 結(jié)束語

綜上所述,人工智能技術(shù)在機械領(lǐng)域中的應用非常廣泛。在未來,仍然需要不斷開發(fā)和利用人工智能技術(shù),通過研發(fā)模糊邏輯、神經(jīng)系統(tǒng)、專家系統(tǒng)等技術(shù)優(yōu)勢,促進機械行業(yè)實現(xiàn)現(xiàn)代化、智能化發(fā)展。