淺談神經網絡在機械工程中的應用

李程輝

（鄭州大學 機械工程學院，河南 鄭州 450001）

人工神經網絡是一門邊緣性交叉學科，涉及計算機、應用數學、微電子學、人工智能等多個學科領域。自二十世紀80年代中期引起國內機械工程領域眾多科研工作者的興趣和重視，并進行了卓有成效的研究和探索工作。近年來，人工神經網絡在機械工程中得到了廣泛應用，前景十分可觀。

1 人工神經網絡類簡介

1.1 人工神經網絡的定義

人工神經網絡（Artificial Neural Networks,簡寫為ANN），也簡稱為神經網絡（NNS）。它是一種模擬人類大腦行為特征，進行分布式并行信息處理的算法數學模型，是以人腦為模型的處理元素的集合。每個處理元素相當于大腦中一個神經元。每個處理元素并不是單獨存在的，它與周圍的許多其他處理元素相互連接，從而構成一種拓撲聯系。神經網絡不是設計出來就能正常使用，需要對它進行前期訓練，即預輸入一些數據，告之如何處理。神經網絡過對這一過程進行歸納總結，并形成自身的思維方式和經驗。從而神經網絡可以利用已獲得知識和經驗處理問題。這一過程好比馴獸師訓練動物一樣。

1.2 神經網絡的特征

1.2.1 非線性。人類大腦的智慧就是一種非線性現象。處理元素處于激活或抑制兩種不同的狀態，這在數學上就是一種非線性關系。利用神經網絡可以實現多變量之間的多種非線性映射，因而可以描述大規模非線性復雜系統。

1.2.2 自學習自適應能力。神經網絡經過前期的訓練，能夠處理大量信息，并允許信息是變化的。除此以外，神經網絡在處理信息的同時，能夠總結、綜合輸入信息和輸入信息以及已有信息之間的規律，采用迭代過程優化自身的拓撲關系，豐富自身的知識和經驗，從而提高處理分析數據的能力。

1.2.3 并行性。輸入到神經網絡中的信息是各處理元素并行處理的?，F代計算機CPU相當于計算機的司令部，所有指令由CPU一條一條發出，串行工作。工作量很大時，效率必然很低。而神經網絡所不同的是，每個處理元素相當于一個獨立的微型CPU，各自獨立地從其他處理元素采集數據，分析綜合后再輸入到其他神經元素。各個神經元素相互獨立，又相互配合，無統一指揮。神經網絡這一特性，使其對信息的響應和處理效率大大提高。

1.2.4 分布式信息存儲。神經網絡的信息存儲不是分別存儲在各個處理元素中，而是存儲在處理元素之間的拓撲關系中。處理元素之間不同行的聯接方式反映了不同的存儲信息。輸入的信息在神經網絡中傳播、調整，直到找到與之最佳匹配的存儲信息。在這一過程中，神經網絡各部分信息相互補充，相互支持，并可以為不完整的信息找到最佳匹配。因此，神經網絡具有很強的聯想能力和容錯能力。

2 神經網絡在機械工程中的應用

2.1 CAD技術

目前，CAD技術已經從傳統的繪圖功能發展為集需求分析、原理方案設計、初步結構設計與分析、詳細設計、工程分析、工藝設計等功能于一身的CAD專家系統。但CAD專家系統存在自身缺陷。第一，知識的獲取存在“瓶頸”，主要來源于專家。第二，知識量越豐富，推理鏈越長，效率越低。第三，求解問題所需知識超出其知識庫，系統無能為力。而神經網絡的應用彌補了上述缺陷。其知識的獲取一部分通過前期訓練，另一部分通過自身實踐。其信息處理過程是在自身知識網絡中尋找最佳匹配的過程，冗余知識耗用時間少。再有，神經網絡的聯想能力和容錯能力使其處理問題時能夠克服自身知識量的約束?？梢?，神經網絡可作為CAD專家系統很好的補充。

2.2 機械優化設計

機械優化設計，就是根據機械設計的規范，從設計問題中抽象出數學模型，采用數學歸納法和計算機技術，在約束條件下求目標函數的最優解。傳統的優化方法難于從現有問題抽象出最佳的數學模型和在約束條件下求得最優解。而神經網絡引入了能量函數的概念，從而把求目標函數的最小值的問題轉化為求能量函數的極小值點。而Hopfied網絡（人工神經網絡的一個網絡模型）總是趨向能量最小的穩定狀態。從而使最優解的求取大大簡化。

2.3 故障診斷

機械故障診斷在產品維修保養方面有廣闊的應用前景，受到廣泛重視。故障狀態信息和故障原因之間是一種非線性映射關系。而神經網絡對處理非線性復雜問題有獨特的優越性。首先，從傳感器獲得的信息是工況信息的集合，神經網絡可以從中提取出故障征兆信息，相當于濾波；然后利用聯想能力和自適應能力對故障征兆進行分析，從而判斷是否有故障或者故障類型；最后將處理結果作為輸出。

2.4 工況檢測與控制

機械加工制造過程中的參數如溫度、應力、振動、慣性力等具有復雜性和隨機性。傳統的精確數學模型應用受到一定限制。而神經網絡為復雜的非線性映射問題提供了解決辦法。神經網絡經過前期培訓和學習，對輸入的非線性復雜信號進行分析，識別出工藝系統的狀態，并根據經驗給出控制策略，實現在線控制，主動控制。

2.5 智能控制與機器人工程

對于可抽象精確數學模型的問題，傳統的控制方法已非常有效，但對于復雜的控制系統，如機器人控制系統，很難建立精確數學模型。其接受的信號為非確定的非線性信號。利用神經系統的自適應性，充分逼近已有數學模型，利用自組織能力迅速作出反饋，其聯想能力和容錯能力大大提供了系統處理不確定信號的能力。因此，可作為機器人的自適應控制器。

此外，神經網絡在可靠性設計、自動設計、專家系統、幾何建模等方面也得到較廣泛的應用。

3 結語

隨著人工神經網絡相關理論的研究，更多優化網絡模型的建立，以及計算機技術的發展，神經網絡在機械方面會得到更加充分的利用。從而為機械產品在設計、制造、評估、使用和維護等階段提供巨大便利，推動機械制造業向前飛速發展。

[1]徐秉錚.神經網絡理論與應用.廣州：華南理工大學出版社.

[2]黃洪鐘，黃文培，王金諾.神經挽留過技術在機械工程中的應用與展望.機械科學與技術，1995.4