人工智能在工業(yè)領(lǐng)域融的應(yīng)用探討

張書超

（天翼智慧家庭科技有限公司，江蘇 南京 210000）

1 人工智能概述

新一代人工智能，一般是指構(gòu)建在計算機(jī)科學(xué)、大數(shù)據(jù)技術(shù)、無線網(wǎng)絡(luò)傳輸信息技術(shù)、仿真建模信息技術(shù)、智能控制等多種現(xiàn)代信息化工程科學(xué)技術(shù)基礎(chǔ)上的智能科學(xué)技術(shù)，它既是現(xiàn)代計算機(jī)科學(xué)中所不能缺少的重要部分，同時又是在計算機(jī)領(lǐng)域中最富有代表性并具有良好前景的新技術(shù)，它在完全了解人類智能化本質(zhì)的前提下，通過模仿人體意識與思想，并運(yùn)用于智能設(shè)備管理中，從而達(dá)到更高的模擬與仿真功效。如今，在人類日常生活中隨處可見人工智能技術(shù)的運(yùn)用，如智能家具、電器智能管理，甚至在工業(yè)中也開始大量運(yùn)用人工智能技術(shù)，在智能制造設(shè)備以及相關(guān)信息技術(shù)基礎(chǔ)上，逐步開發(fā)出了人工智能技術(shù)軟件，但目前因為受科技制約，在機(jī)械設(shè)計生產(chǎn)與自動化過程中，人工智能技術(shù)運(yùn)用仍處于較小范圍內(nèi)測試，其整體技術(shù)仍處于摸索階段[1]。

2 人工智能在工業(yè)領(lǐng)域中的優(yōu)勢

首先，為進(jìn)一步提高在工業(yè)生產(chǎn)過程中的補(bǔ)償準(zhǔn)確性，將電腦編程和監(jiān)控等現(xiàn)代智能信息技術(shù)中的大部分操作都進(jìn)行自動化設(shè)置，且在數(shù)據(jù)信息追蹤與檢測過程中運(yùn)用大規(guī)模運(yùn)算，從而大幅度降低了在人工生產(chǎn)中的誤差。其次，盡量減少人力管理中的資本消耗。人工智能技術(shù)應(yīng)運(yùn)后，有效減少了人工耗費(fèi)，也釋放了大量剩余勞動力，可達(dá)到較好的投資回報率[2]。再次，應(yīng)該增加對生產(chǎn)制造過程的監(jiān)控標(biāo)準(zhǔn)。即便是專業(yè)的科技人員在監(jiān)控機(jī)電設(shè)備時，也會存在一些問題。人工智能技術(shù)可利用模塊化編程系統(tǒng)及統(tǒng)一的標(biāo)準(zhǔn)控制機(jī)械協(xié)同作業(yè)，以更精確地邏輯思維減少錯誤操作。最后，能夠改善工廠管理自動化的穩(wěn)靠性。因為人工智能通過計算機(jī)來計算和管理，從而減少了大量的外部影響。員工啟動操作程序后，系統(tǒng)按程序運(yùn)行，不受外界因素的影響[3]。

3 人工智能在制造與生產(chǎn)全流程智能化的應(yīng)用分析

工業(yè)制造與生產(chǎn)全流程智能化是實現(xiàn)制造與生產(chǎn)全流程的智能自主控制，將生產(chǎn)操作者的認(rèn)知工作進(jìn)行智能化，使生產(chǎn)控制器和加工裝置轉(zhuǎn)變?yōu)橹悄茏灾骺刂葡到y(tǒng)；使技術(shù)管理人員和生產(chǎn)管理人員的認(rèn)識工作智能化；將ERP與MES系統(tǒng)轉(zhuǎn)變?yōu)橛扇藱C(jī)協(xié)作的管理與決策智能系統(tǒng)；將由企業(yè)內(nèi)部資源規(guī)劃系統(tǒng)、制造執(zhí)行系統(tǒng)、生產(chǎn)裝備管理系統(tǒng)等構(gòu)成的企業(yè)三級架構(gòu)，轉(zhuǎn)變?yōu)槿鐖D1所述的由人機(jī)協(xié)作的管理、決策智能系統(tǒng)、智能自主系統(tǒng)構(gòu)成的企業(yè)二層架構(gòu)，將制造業(yè)和工業(yè)生產(chǎn)全過程中的企業(yè)投資決策、管理和運(yùn)營，轉(zhuǎn)變?yōu)槿鐖D2所述的企業(yè)CPS管理系統(tǒng)。

圖1 制造流程由三層結(jié)構(gòu)變革為智能化兩層結(jié)構(gòu)

圖2 制造與生產(chǎn)流程 CPS 系統(tǒng)

4 人工智能技術(shù)在工業(yè)自動化控制系統(tǒng)中的應(yīng)用方式

4.1 模糊控制系統(tǒng)

以人工智能為主要基礎(chǔ)的模糊控制系統(tǒng)，其核心就是朦朧控制器架構(gòu)，它們根據(jù)系統(tǒng)的動靜態(tài)、被控對象等，而包括了許多不同種類的控制器構(gòu)成。在模糊控制系統(tǒng)工作的過程中，模糊控件架構(gòu)就會以輸入-輸出連接方式為依據(jù)，收集有關(guān)被控制目標(biāo)的有關(guān)數(shù)據(jù)。而采用這樣的方法，模糊控制系統(tǒng)就會對所收集的有關(guān)數(shù)據(jù)加以整理、變換，然后以仿真數(shù)據(jù)的方式再傳遞到被控制目標(biāo)中。

4.2 專家控制系統(tǒng)

專家控制系統(tǒng)以計算機(jī)作為控制中心，建立數(shù)據(jù)庫系統(tǒng)、管理模塊等信息，管理模塊經(jīng)過對信息的收集和分析發(fā)出控制指令，控制器使用時，首先必須建立求解體系，求解過程如下：

它們根據(jù)各種各樣的技術(shù)參數(shù)而有各種各樣的算法，U=(U1，U2，U3lum)，E=(E1，E2，E3len)，I=(I1，I2，I3liq)，f代表的含義就是對整套控制器的運(yùn)算函數(shù)。當(dāng)實現(xiàn)求解方程組以后，由控制器的工程設(shè)計人員解析整個系統(tǒng)的操控效率，并在此基礎(chǔ)上載入整套操作系統(tǒng)的操控代碼。在工程控制器的設(shè)計工作中，工作人員通過從整體控制器中輸入有關(guān)技術(shù)參數(shù)，實現(xiàn)了對有關(guān)工程裝置的科學(xué)管理。但必須注意的是，整體控制器有效性推理工作必須建立在正向推導(dǎo)基石上，工程設(shè)計員必須通過對知識的正確運(yùn)用，實現(xiàn)了對整體控制器的科學(xué)設(shè)計。

4.3 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)

神經(jīng)網(wǎng)絡(luò)控制器可以改善系統(tǒng)的監(jiān)控效率，需要具有對數(shù)據(jù)的有效分類和整合能力。因為工業(yè)系統(tǒng)中具有大量被控對象，使用神經(jīng)網(wǎng)絡(luò)控制器可以達(dá)到較為優(yōu)秀的監(jiān)控效率。在神經(jīng)網(wǎng)絡(luò)系統(tǒng)設(shè)計中，會使用大規(guī)模控制元件，從而形成了多層級的控制組合系統(tǒng)，在互聯(lián)的基礎(chǔ)上建立了專用的監(jiān)控網(wǎng)絡(luò)系統(tǒng)，以全面地發(fā)揮人工智能技術(shù)的優(yōu)越性。神經(jīng)網(wǎng)絡(luò)監(jiān)控對傳感器要求較高，將感應(yīng)器設(shè)置在受控對象上，并收集設(shè)備的工作數(shù)據(jù)，利用數(shù)據(jù)反映和調(diào)節(jié)并掌握被控對象的工作狀況，但實際上，神經(jīng)網(wǎng)絡(luò)控制器成為現(xiàn)代控制器，同時具有控制信息的多點(diǎn)輸入和多點(diǎn)輸出特性。在工業(yè)神經(jīng)網(wǎng)絡(luò)管理系統(tǒng)中，除了會建立集成度極高的管理中樞，也會建立設(shè)備執(zhí)行參量的數(shù)據(jù)庫，并通過對該類型數(shù)據(jù)的分類，建立不同工業(yè)裝置的監(jiān)控模式，以改善系統(tǒng)的控制精度。

5 人工智能在機(jī)加工中的應(yīng)用分析

大規(guī)模機(jī)械制造過程復(fù)雜，需要確定的機(jī)加工參數(shù)眾多，機(jī)加工成品質(zhì)量也會受其他一些不確定因素的影響。因為傳統(tǒng)加工依賴于人工的機(jī)加工參數(shù)設(shè)定及成品質(zhì)量把控，不僅消耗大量時間，而且受從業(yè)者自身素質(zhì)影響較大，所以人工智能算法在機(jī)械制造中的應(yīng)用意義重大。人工智能技術(shù)可以實現(xiàn)機(jī)加工工藝流程優(yōu)化，在眾多的工藝參數(shù)中搜索出最優(yōu)的工藝參數(shù)組合；可以實現(xiàn)機(jī)加工參數(shù)的智能調(diào)整，對機(jī)加工過程中的不確定因素進(jìn)行分析，及時調(diào)整加工參數(shù)；可以預(yù)測刀具磨損情況，把控機(jī)加工的成品質(zhì)量；可以實時監(jiān)測機(jī)加工過程，保證機(jī)加工的安全性。

人工智能又稱智能模擬，是通過對數(shù)據(jù)進(jìn)行學(xué)習(xí)分析，從而訓(xùn)練出數(shù)據(jù)處理模型的一類技術(shù)。機(jī)器學(xué)習(xí)可分為監(jiān)督式學(xué)習(xí)和無監(jiān)督式學(xué)習(xí)兩大類。監(jiān)督式學(xué)習(xí)通過給定事先標(biāo)記過的訓(xùn)練數(shù)據(jù)，通過訓(xùn)練可對離散數(shù)據(jù)進(jìn)行分類分析和對連續(xù)數(shù)據(jù)進(jìn)行回歸分析。而無監(jiān)督式學(xué)習(xí)通過事先給定的沒有被標(biāo)記過的訓(xùn)練數(shù)據(jù)，可對數(shù)據(jù)進(jìn)行的分群分析。與傳統(tǒng)的數(shù)據(jù)處理方式不同，機(jī)器學(xué)習(xí)不需要人為地提前設(shè)計數(shù)據(jù)處理的模型，而是通過對實際數(shù)據(jù)的學(xué)習(xí)得出的。因此，機(jī)器學(xué)習(xí)可以靈活地應(yīng)對復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，如機(jī)械制造中所需要考慮的眾多參數(shù)及不確定因素。人工智能技術(shù)在機(jī)加工上的應(yīng)用可以分為五個步驟，即問題確定、數(shù)據(jù)采集、模型訓(xùn)練、模型評估、結(jié)果分析。隨著工業(yè)的發(fā)展，人工智能技術(shù)在機(jī)械制造中的應(yīng)用也日益增加。

6 人工智能技術(shù)在機(jī)加工中的應(yīng)用分析

6.1 機(jī)加工工藝的優(yōu)化

機(jī)加工是一個復(fù)雜的過程，如加工步驟的確定，加工刀具的選擇，均存在一定的選擇性。對于每個機(jī)加工步驟，需要確定的參數(shù)也有許多，如進(jìn)刀速率、進(jìn)刀量、主軸轉(zhuǎn)速、刀具前角等。這些都會影響到機(jī)加工的結(jié)果，如工件表面粗糙度、材料去除速率、工具壽命損耗等。傳統(tǒng)制造工業(yè)，加工工藝的制定完全依賴經(jīng)驗，成品質(zhì)量的最終呈現(xiàn)也因機(jī)加工工藝師的素質(zhì)而有所偏差。機(jī)加工工藝的設(shè)定需要考慮眾多參數(shù)，工藝的優(yōu)化可以通過采集加工參數(shù)，設(shè)定與其對應(yīng)的機(jī)加工結(jié)果的數(shù)據(jù)，進(jìn)而進(jìn)行人工智能算法，如模糊算法、遺傳算法、模擬退火算法等，可以達(dá)到優(yōu)化工藝參數(shù)組合的目的。

6.2 機(jī)加工參數(shù)的智能調(diào)整

即使提前設(shè)置好了機(jī)加工的工藝參數(shù)，在機(jī)械加工過程中，能造成誤差的因素還是存在的。不可把控的因素包括工件的實際塑性變形、機(jī)床的顫振、機(jī)床熱變形等。通過配備對應(yīng)的傳感器進(jìn)行實時監(jiān)測（溫度傳感器、振動傳感器等），并使用人工智能技術(shù)對這些不確定因素進(jìn)行分析，及時調(diào)整加工參數(shù)，從而達(dá)到把控成品質(zhì)量的目的。例如，在加工過程中，由于環(huán)境溫度的差異導(dǎo)致機(jī)床各部位存在熱變形的現(xiàn)象。由于溫度的不確定性，熱變形導(dǎo)致的誤差也無法靠人工去精確調(diào)整。在這種情況下，可以對機(jī)床各個部位的實時溫度進(jìn)行監(jiān)測，通過運(yùn)用神經(jīng)網(wǎng)絡(luò)對機(jī)床實際熱變形進(jìn)行分析，對加工參數(shù)進(jìn)行自動調(diào)整。又如，在機(jī)加工過程中，材料廢屑的厚度是變化的，加工過的工件表面實際上也不是絕對平整的，而是波狀的。當(dāng)這種厚度變化劇烈時，會使刀具產(chǎn)生巨大的振動，稱為機(jī)床顫振現(xiàn)象。傳統(tǒng)的避免顫振現(xiàn)象是通過提前對機(jī)加工過程進(jìn)行振動模型分析，從而計算出適當(dāng)?shù)闹鬏S轉(zhuǎn)速與進(jìn)刀量。然而傳統(tǒng)模型描述的是理想狀態(tài)下的情況，而實際上所涉及的因素是眾多的。通過運(yùn)用支援向量網(wǎng)絡(luò)，可以考慮到更多的因素，包括主軸轉(zhuǎn)速、進(jìn)刀量、進(jìn)刀速率、機(jī)床在各個方向上的實時振動信號等，從而實現(xiàn)加工參數(shù)的實時調(diào)整，避免機(jī)床顫振的發(fā)生。

6.3 刀具磨損、破損的預(yù)測

刀具的磨損甚至損壞會極大地影響到機(jī)加工的成品質(zhì)量。傳統(tǒng)的由機(jī)加工工人進(jìn)行的刀具情況把控，已不適應(yīng)于大規(guī)模，自動化的機(jī)加工方式。通過運(yùn)用人工智能技術(shù)對各種相關(guān)的參數(shù)進(jìn)行監(jiān)測，可以預(yù)測刀具的磨損程度。通過對磨損情況進(jìn)行分級，及時更換磨損情況嚴(yán)重的刀具，可以保證成品質(zhì)量，提高生產(chǎn)效率。現(xiàn)有預(yù)測刀具磨損、破損的相關(guān)研究表示，使用人工智能預(yù)測的方式，準(zhǔn)確率均可達(dá)90%以上。

6.4 機(jī)加工過程的實時監(jiān)控

對于機(jī)加工的實時監(jiān)控尤為重要，不僅涉及加工成品質(zhì)量，更重要的是要避免機(jī)加工安全事故。實時監(jiān)控可以在人工智能的幫助下實現(xiàn)，通過配備設(shè)備監(jiān)控裝置采集相關(guān)數(shù)據(jù)，實時檢測機(jī)床各個部件的運(yùn)行狀態(tài)。

7 結(jié)束語

與傳統(tǒng)的數(shù)據(jù)處理方式不同，機(jī)器學(xué)習(xí)不需要人為地提前設(shè)計數(shù)據(jù)處理的模型，而通過對實際數(shù)據(jù)的學(xué)習(xí)得出。因此機(jī)器學(xué)習(xí)可以靈活地應(yīng)對復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，如機(jī)械制造中所需要考慮的眾多參數(shù)及不確定因素。人工智能技術(shù)在機(jī)加工上的應(yīng)用可以分為五個步驟，即問題確定、數(shù)據(jù)采集、模型訓(xùn)練、模型評估、結(jié)果分析。隨著人工智能技術(shù)在機(jī)械制造中的廣泛應(yīng)用，有效地促進(jìn)了工業(yè)發(fā)展。■