人工智能在機械自動化領域的應用分析

呂甜甜

（江蘇省洪澤中等專業(yè)學校，江蘇 淮安 223100）

1 引言

隨著“工業(yè)4.0”“中國制造2025”等戰(zhàn)略的提出，為更好地應對新一輪科技革命和產(chǎn)業(yè)革命，中國機械制造業(yè)在生產(chǎn)經(jīng)營過程中，積極融入智能化、自動化及人工智能技術等轉(zhuǎn)變傳統(tǒng)的制造模式，實現(xiàn)機械制造自動化，最終形成大規(guī)模計算機集成制造系統(tǒng)，從而達到降低制造成本和提高生產(chǎn)效率的目的，具體在工業(yè)中的應用主要包括數(shù)控集成、加工中心等。

2 人工智能技術概述

人工智能（Artificial Intelligence）是研究、開發(fā)用于模擬、延伸和擴展人智能的理論、方法、技術及應用系統(tǒng)的一門新技術科學，主要涵蓋專家系統(tǒng)、圖像識別、語言識別、機器人等先進技術。人工智能已經(jīng)融入到機械、電子、經(jīng)濟、哲學等多個領域中，滲透到人們生活的方方面面，變得無處不在。人工智能已經(jīng)發(fā)展為新一輪機械產(chǎn)業(yè)變革核心驅(qū)動力，助推著產(chǎn)業(yè)生產(chǎn)模式創(chuàng)新與發(fā)展。

3 人工智能在機械自動化領域中的應用

本文以農(nóng)機數(shù)控車床機械系統(tǒng)為例，具體探討人工智能在機械自動化領域中的應用實踐。

3.1 基于人工智能技術的機械系統(tǒng)分類

伴隨著人工智能的快速發(fā)展，人工智能在數(shù)控車床加工系統(tǒng)中得到了廣泛的運用，目前主要可以分為以下4類：

第一類：人工神經(jīng)網(wǎng)絡。利用神經(jīng)網(wǎng)絡可以實現(xiàn)數(shù)據(jù)的智能化處理，從而通過不斷地學習與訓練獲取知識，對于一些比較復雜的機械系統(tǒng)，在系統(tǒng)中引入人工神經(jīng)網(wǎng)絡，可以提高系統(tǒng)的智能化程度和學習、診斷能力。

第二類：專家系統(tǒng)。專家系統(tǒng)作為一種交互式、可靠的基于計算機的決策系統(tǒng)，通過從專家那里獲得知識來解決需要人類專家的許多問題，是人工智能在機械自動化領域中使用的主要分支，比如機械故障診斷，通過對機械癥狀的觀察與分析，推導出癥狀產(chǎn)生原因及排除故障的方法。

第三類：模糊控制。模糊控制技術是人工智能中的一個重要分支，是利用模糊數(shù)學知識模仿人腦思維的一種高級算法策略，被廣泛的應用于機器人、機械手控制、汽車控制、電梯控制等機械自動化領域中，可以有效提高機械系統(tǒng)控制的精確性，具有很強的應用價值。

第四類：啟發(fā)式搜索。啟發(fā)式搜索算法是一種在解空間中使用的優(yōu)化算法，這種算法主要用于加速逼近最優(yōu)解的搜索過程，能夠提高系統(tǒng)搜索的速度和智能化程度。

3.2 人工智能在機械自動化中的應用案例

農(nóng)機零部件加工數(shù)控車床主要分為臥式和立式兩種類型，其中，臥式數(shù)控車床分為傾斜導軌和水平導軌兩種類型，相比于水平導軌，傾斜導軌的剛性更大，更利于切削廢屑的排除；立式數(shù)控車床的主軸與水平面相互垂直，主要用于加工一些比較大型的零部件。

3.2.1 數(shù)控車床模塊化設計及工作流程

基于人工智能的農(nóng)機零部件加工數(shù)控車床主要由計算機數(shù)控裝置、輸入/輸出單元、單片機CPU、主控制器、機床主軸、速度控制單元、伺服電機、位置檢測反饋、工作等模塊組成。其工作流程如圖1所示。

圖1 數(shù)控車床模塊化工作流程

在農(nóng)機零部件進行加工時，采用上述裝置實現(xiàn)數(shù)控車床的自動化加工。首先，將待處理的零部件加工要求輸入到計算機數(shù)控裝置中，然后，啟動數(shù)控編程程序，對加工要求進行譯碼處理，接著數(shù)控系統(tǒng)開始工作，并根據(jù)加工要求控制車床道具對零部件進行切割處理，其中，位置檢測反饋模塊實現(xiàn)對刀具位置的控制，為了提高刀具切割的自動化程度和加工精度，利用人工智能技術對傳統(tǒng)數(shù)控車床系統(tǒng)模塊進行優(yōu)化不失為一條有效的途徑。

目前，實例推理是一種比較常用的人工智能技術。所謂實例推理，是指通過系統(tǒng)輸入機制和之前對問題的解決方案獲得實例庫數(shù)據(jù)，從而利用該數(shù)據(jù)來求解

新的問題。引入了實例庫的數(shù)控加工，首先由計算機數(shù)控裝置根據(jù)農(nóng)機零部件車削加工過程中的問題描述，在實例庫中查找能與之相匹配的實例，如果找到的實例與實際問題完全相符，則可以直接利用該實例；反之，則需要對實例進行一定的優(yōu)化和改善，使其能夠吻合加工需求，與此同時，將此次的問題和答案作為經(jīng)驗數(shù)據(jù)進行存儲，以備下次加工時可以循環(huán)利用。相比于傳統(tǒng)的數(shù)控加工，基于實例推理的人工智能技術的車床，不僅實現(xiàn)了機床各模塊的智能優(yōu)化，而且增加了功能、簡化了機械結(jié)構(gòu)、提高了農(nóng)機零部件的加工效率。

將人工智能技術引入到數(shù)控車床中，其主要目的是利用實例庫對數(shù)控車床的各個模塊進行優(yōu)化和改進（如圖2）。

圖2 農(nóng)機零件數(shù)控加工車床模塊智能優(yōu)化流程

其中，在農(nóng)機零部件加工過程中，當設計模塊符合加工需求時，選擇該模塊進行加工；反之，可以通過自主創(chuàng)建模塊，并進行人工智能選擇，這樣就能實現(xiàn)對數(shù)控車床各個模塊的智能化優(yōu)化與控制。

3.2.2 基于人工智能的數(shù)控車床加工測試

為了檢驗在數(shù)控車床系統(tǒng)中引入人工智能和實例推理的可行性，對車床的功能特征、位置特征、方位面特征、裝配幾何特征、聯(lián)系特征、拓撲關系特征等，采用模塊化和智能化的拼裝，然后對農(nóng)機零部件數(shù)控車床的加工性能進行了測試。

以農(nóng)機軸承零部件加工為例，如圖3所示。軸承是機械設備中的一種重要零部件，其加工精度直接影響著數(shù)控車床的加工效率。通過對車床優(yōu)化前后的軸承車削加工效率進行對比，如表1所示。

圖3 農(nóng)機零部件加工示意圖

表1 優(yōu)化前后加工效率對比

從表1中，可以看出利用人工智能技術優(yōu)化后的數(shù)控車床加工效率明顯高于優(yōu)化之前的，這說明人工智能技術在機械自動化設備中的運用，對于提高車床加工效率的影響是比較明顯的。

將優(yōu)化前后的數(shù)控車床加工精度進行對比分析，如表2所示。

表2 優(yōu)化前后加工精度對比

從表2可以看出，優(yōu)化后的數(shù)控機床加工精度明顯要優(yōu)于優(yōu)化之前的，這說明采用人工智能技術能夠在一定上提高數(shù)控機床加工精度。

4 結(jié)語

實踐表明，將人工智能技術引入到機械自動化領域中，可以全面提高機械自動化工程的工作精準度和工作效率，在一定程度上促進了機械自動化產(chǎn)業(yè)的快速發(fā)展。數(shù)控車床是機械自動化領域中的一個重要組成，研究表明，在數(shù)控車床的加工中利用人工智能技術對其模塊和程序進行優(yōu)化，其加工效率和加工質(zhì)量能夠得到顯著提升，同時有效提升車床加工的自動化水平。