大數據時代機械設計的發展趨勢探究

摘 要：以機械設計與制造為代表的制造業是國家工業生產與經濟建設的命脈，我國機械行業在近二十年間保持了飛速發展態勢，中國制造已經成為了國家名片，這也為我國綜合國力的全面提升奠定了堅實基礎，但在激烈的世界競爭及持續進步的科技水平面前，我國機械行業同樣面臨著巨大的轉型升級壓力。信息技術的發展滲透使大數據日趨成熟，大數據能夠為使用者提供更加精準和全面的數據資源，進而有效開展數據分析與數據利用。機械設計行業在大數據的支撐下將向著全新方向發展，特別是將提升設計的科學性與可靠性，逐步進入人工智能機械設計階段。筆者結合相關理論及個人經驗對大數據時代機械設計的發展趨勢進行探究。

關鍵詞：大數據;機械設計;發展趨勢

大數據技術隨著信息技術及科技的發展而進入了成熟期，它為各行各業的發展提供了有效支持，正在為生產力的提升注入動力。傳統機械設計對設計者的個人經驗及思維能力具有較高的依賴性，設計者在很大程度上決定了機械設計的成敗與最終產品的優劣。大數據時代設計者能夠利用的信息資源更為豐富，通過大數據、物聯網、人工智能等等新興技術的運用使得機械設計效率與設計可靠性同步提升，有效滿足市場對產品的需求。在大數據時代機械設計的主要發展趨勢將包括以下幾個方面：

一、人工智能支持下的機械設計

人工智能相較于人類的自然智能而言主要來自于機器智能，機器根據預定程序對相關數據進行處理和分析，能夠在不同場景下做出反應，這就需要程序對可能出現的場景做出預判，如果出現了程序面對預先設定的場景則會出現崩潰。人工智能與傳統計算機程序的主要差別就是能夠展開深度學習，通過訓練實現獨立探索，人們不再需要錄入所有場景就能夠讓人工智能獨立完成工作。大數據的快速發展為人工智能的自我深度學習提供了支持，因此人工智能在近年來保持了高速發展。

（一）專家系統

專家系統是一個計算機程序，同時也是人工智能的主要應用法相，基于知識系統建立的專家系統能夠為人類提供幫助，在不同專業領域給予使用者專業化的支持。專家系統能夠利用現有數據展開深度分析，最終得到專業化的結論，這有助于人類專家的成熟經驗和豐富資源能夠被更多人使用，有效避免了不必要的曲折。專家系統主要包括知識庫和推理機制，知識庫有效涵蓋了不同領域的知識與規則，通過搜索系統與推理機制將數據庫的資源充分調用，最終形成了有助于機械設計的解決方法，提升了設計的一致性、可用性及高效性。

（二）生成式機械設計

生成式設計是模仿自然進化的一種自然進化的設計方式，設計者可以將設計目標、設計材料、制造工藝、成本控制等等條件錄入系統，生成式設計程序可以根據相關數據給出多種方案，圍繞不同方案的可行性與生成可能性進行分析，逐步測試各種方案是否適用于設計需求，在哪些環節可能存在問題。生成式機械設計具有非常顯著的優點，首先它能夠給出多種設計方案，人類可能需要長時間思考才能得到一個方案，而它則能夠在短時間內給出大量方案，同時對方案進行論證;其次生成式設計能夠進行復雜而精細的設計，特別是3D打印等制造技術的應用使得傳統制造方式無法實現的方案能夠順利完成;最后生成式設計能夠預先對約束條件進行區分，有效避免了不同條件間的沖突，設計師能夠將注意力集中于創新設計領域。生成式設計保持了高速發展，Autodesk公司已經與美國宇航局展開合作，利用生成式設計方式進行航天器的設計。

二、大數據支持下的模塊化機械設計

模塊化設計就是將具有標準接口的獨立部件進行分塊設計，不同部件通過組合將會得到最終的機械，模塊化設計大大降低產品的生產難度，同時有利于后期的維護和使用，有效境地了生產與使用成本。大數據時代機械設計逐漸向模塊化方向發展，很多供應商開始為用戶提供通用或標準化的部件，企業通過通用數據庫和自由數據庫的建立能夠對數據進行全面的分析，在機械設計過程中更加準確地調用需要的數據，同時對整個行業與市場展開分析，進而設計生產更加符合企業需求的產品，為機械行業發展提供支持，同時也為機械設計提供了寶貴的數據。

三、增材制造技術支持下的機械設計

傳統機械制造主要采用去除材料的加工方式，很多復雜零部件的生產需要經過多個步驟加工完成，整體投入的成本較高，在設計環節不僅僅要考慮制造需要，同時也要考慮裝配需要。增材制造通過連續添加層來完成零件的制造，這恰恰與傳統零件加工方式相反，生產環節能夠選擇的方式更加多樣，例如3D打印、連續融化材料層都是其中的典型代表。增材制造技術充分利用了現有材料進行零部件加工，大大減少了材料的浪費，又能夠快速完成復雜部件加工，整個生產過程的成本相對較低。例如NASA利用3D打印完成的火箭燃料噴射機設計制造，整個噴射器只有兩個部件構成，而傳統制造方式下需要生產數百個零件。隨著國家上關于增材制造研究的不斷深入，該技術也得到了快速發展，機械設計由此變得更加靈活。

四、數字孿生技術支持下的機械設計

數字孿生將物理資產、流程、系統、設備的數字副本進行了有效集成，利用產品模型和傳感器等等方式獲取產品設計、制造和使用整個周期的各項數據，進而利用數字孿生技術構建仿真模型，通過模型的變化和調整更加真實地反映出機械情況，通過模擬來判斷評價機械設計是否合理，進而為下一步的優化調整提供依據和參考。數字孿生從多個角度對機械狀態進行學習與更新，非常接近現實情況。數字孿生驅動的機械設計不但能夠進行概念設計，也能夠進行詳細設計和虛擬驗證，將極大地縮短產品的設計周期。在可以預見的未來，數字孿生技術將在機械設計領域得到更為廣泛的使用。

參考文獻：

[1]諸劍，王玉鵬，吳金文，吳世斌.大數據背景下工程機械遠程監控技術研究[J].現代信息科技，2019，3（03）：178-179.

[2]姚錫凡，雷毅，葛動元，葉晶.驅動制造業從“互聯網+”走向“人工智能+”的大數據之道[J].中國機械工程，2019，30（02）：134-142.

[3]嚴高超，劉春東，陳立偉，李超逸.大數據時代下我國機械制造業的發展方向[J].電子測試，2016（24）：157+160.

[4]雷亞國，賈峰，周昕，林京.基于深度學習理論的機械裝備大數據健康監測方法[J].機械工程學報，2015，51（21）：49-56.

作者簡介：陳堅（1972-），男，機電工程系教師，實驗師，高級技師，研究方向：車工數控加工等。