基于人工智能技術在機械制造過程的技術應用研究

閆峰

摘要：科學技術快速發展的新時代的到來，極大地推動了社會生產力的發展。作為最新發展起來的一項技術，人工智能在很多領域都得到了廣泛的應用，同時給我們的生活帶來了很多便利。近幾年來，人工智能技術在機械電子工程領域得到應用，在科技和經濟方面都取得了良好的效果。故而，本文主要對人工智能技術和機械電子工程的概念作出闡述，對人工智能技術在機械電子工程領域的應用研究展開詳細探討。關鍵詞：機械制造；人工智能；深度學習 引言人工智能技術被應用到機械電子工程領域當中，促使傳統的機械電子工程在信息傳輸的形式上發生了變化，代替簡單能量之間的連接，進一步實現了動能的連接，所以人工智能技術在機械電子工程領域的發展中發揮著不可忽視的作用。1、人工智能技術與機械電子工程1.1 人工智能技術的概念作為新型科學力量的一種，人工智能技術展現了強大的綜合性，主要以電子信息和計算機科學為基礎，并結合社會心理學和哲學逐漸發展成熟。在搭建系統方面，人工智能技術已經遠遠領先于很多技術，其自動模式由無數個自動化軟件組合而成，與其他類型的應用型技術相比，智能自動模式已經發展得相對完善，通常來說，它的基本配置是不可缺少的，包含數字萬用表、多功能校準器和標準源，控制器和被檢表，這些零件是人工智能自動化技術的基本配置的組成部分，同時保障了人工智能自動化技術在機械電子工程中充分發揮其優勢。依據對人工智能技術良好發展前景的展望，本文將人工智能技術劃分為三個發展階段，第一階段為萌芽階段，在該時期計算機還未呈現當今社會的應用態勢，人們對互聯網的認知還處于起步階段，被個人眼光所限制，這使得人工智能技術的發展受到了很大的限制。隨著互聯網技術得到越來越廣泛的應用以及社會對互聯網知識的普及，計算機技術逐漸得到推廣應用，這一科技進步推動著人工智能技術的出現和發展，故被稱之為人工智能技術的萌芽階段；第二階段是初級階段，在該階段計算機儼然已經成為社會生產力發展不可或缺的關鍵因素。此外，人們日常生活與計算機的關聯也越來越緊密，互聯網技術逐漸向外擴張，實現了對社會各個生產領域的全覆蓋，以多媒體技術的蓬勃發展為時代背景，人工智能技術開始走進人們的生活當中；最后是發展上升階段，該階段人工智能技術的發展主要得益于電子信息技術的出現以及廣泛應用，促使人工智能技術實現了在機械電子工程領域中的普及。當今社會，人工智能技術正不斷展示出蓬勃向上的發展態勢，并漸漸成為新型信息化技術發展市場的重要推動力。2、機械制造過程與交互技術人工智能技術可以通過分析、處理和學習數據的能力，不斷學習制造系統的復雜調度處理和實踐經驗，從而自行設計制造系統。不斷地學習、優化和自控制，為制造系統賦予智能化。而之所以能夠實現這種智能化的原因，是因為人工智能多種技術融入到了各個環節，包括設計、生產實施和運營維護以及人機交互等，在此過程中融合了深度學習，虛擬現實，虛擬代理、自然語言生產、特征識別等AI技術，如圖1所示。為了實現系統主動和人的溝通交互，系統常采用的技術包括：自然語言生成、虛擬代理和生物特征識別技術。生物識別技術：支持人與機器之間更貼近自然交互的功能，包括語言、圖像、觸覺感知和肢體語言。它目前主要用于市場研究。語音識別是將人類語音信號轉換為應用軟件識別的格式。類人語言生成：使用計算機數據生成返回給用戶的文本。它通常用于顧客應答服務，數據報告和智能綜合分析。虛擬代理：低級的如：聊天機器人；也有高級的如：可以深度學習、像人一樣思考的高級系統。目前主要用作自動客戶服務和高級智能家居管理服務平臺。3、在機械設計、制造、維護中的應用3.1 虛擬現實技術虛擬現實（VR）不僅僅是一個演示媒體，而且還是一個設計工具，已經在機器制造的各個方面都發揮著不可或缺的作用。VR技術將設計以三維模型的形式呈現出來，使設計和制造工程師能夠直觀地理解并及時調整每個部件的特性，質量或位置。使用VR技術，機器制造商可以模擬機器設計并降低設計成本。機器生產測試特別復雜，虛擬現實技術可以簡化系統測試，并且可以更輕松地縮小，添加或修改模塊。既節約了時間，又節省了做模型的費用。3.2 深度學習（Deep Learning）可以視為機器學習的一種特殊（升級）類型，包括具有多層抽象的人工神經網絡（Artificial Neural Networks，ANN）。它目前主要用于大數據下支持的分類判決和模型識別領域。觀察點可由多種形式表示，如不同位置的不同像素矢量值。如對機械生產過程中大量實際數據的特點進行歸納總結，通過采用深度學習方法建立模型對機械設備的健康狀況進行監測診斷，以取得監測診斷精度。3.3 專家系統用人工智能中的知識表示和知識推理技術來模擬通常由這個領域的專家才能解決的復雜問題。應用于一系列廣泛的領域，協助或執行自動決策。使用實時監控制造過程中產生的時間序列數據：反饋設備性能參數、系統錯誤參數，從而主動預警系統的潛在異常，以及歷史數據的聚類分析、診斷和定位異常原因，制定運營決策并執行預防性維護，從而提前消除隱患。如，根據機械設備海量故障特征，并設計分類器，實現故障模式分類；收集多種故障模式，設計逐級匹配形態分析方法，實現故障的準確診斷。3.4 機器人技術將生物識別、深度學習算法等技術整合至極小卻高性能的傳感器、制動器、以及其他硬件中，這就催生出符合工程生產需求的機器人，能夠單獨或者配合人類一起工作，能在各種未知環境中靈活處理不同的任務、提高生產制造效率。目前應用于人類不便執行的高危任務或成本太高。4、發展趨勢4.1 大規模商用隨著AI產業和技術不斷走向成熟，其成本必然降低，同時全球大廠進入該領域，市場競爭因素也將進一步拉低人工智能產品的成本。開發的平臺吸引著更多開發者加入進來，開發出豐富產品功能和應用場景，促進應用技術的落地。相信商業領域的AI 技術很快迎來爆發期。4.2 將達到人類專家顧問級別隨著性能更強的神經元網絡、價格低廉的芯片以及大數據的幾何增長和積累、機器深度學習能力的提升。使用人工智能的人越多，人工智能就越聰明，未來專家系統將覆蓋我們這個世界，針對我們所有問題，給出所有專家級的解決方案。4.3 改變全球經濟生態隨著AI技術的發展，當技術成本低于雇傭勞動力的成本時，顯然低效率的人工勞動力會被AI技術下的各種設計、制造、運維維護技術都將被機器人大部分或全部替代，未來世界的社會模式也將隨之發生天翻地覆的改變。參考文獻[1]岳增，王飛.農業機械制造業中的現代制造技術分析[J].山東農業工程學院學報，2018（12）：33-34.[2]張潔，汪俊亮，等.大數據驅動的智能制造[J].中國機械工程，2019（02）：127-133+158.