人工智能在機械設計制造及其自動化中的應用

楊嘉琦

（長安大學工程機械學院，陜西渭南 710021）

我國科學技術水平的提升，推動各行業朝著自動化、智能化轉型，基于此，人工智能受到極大關注，逐漸被廣泛應用于各個行業中，特別是各行業生產技術更新、升級的當下，人工智能憑借技術優勢助力了產業升級。機械設計制造及其自動化應用人工智能，對固有生產模式與技術手段進行了更新，并且，隨著人工智能應用范圍與領域的拓寬，機械設計制造及其自動化水平也得到了顯著提升。文章以人工智能在機械設計制造及其自動化中的應用為對象展開分析，闡述了人工智能技術的實際應用策略。

1 人工智能與機械設計制造

1.1 人工智能技術

人工智能技術是以機器學習、深度學習、計算機視覺為代表的多元化智能算法及技術形式，切實增強了機器人、自動化設備性能及感知與學習能力，不僅可以執行復雜程度更高的任務，還可以提升機械設計、生產環節的自動化水平[1]。人工智能在機械設計與制造領域的應用，為其提供了全新的思路及技術手段，例如，通過深度學習技術，可加強機器人與自動化設備的訓練、組織模擬及實踐練習，實現機械化抓取、焊接及組裝等基本操作，同時，以數據驅動為核心的技術手段，可提升機械設備性能。

另外，人工智能在機械設計制造中的應用，也改變了機械工程師、技術專家等從業者的工作習慣，尤其是機械設計、分析、制造環節，對人工智能的依賴性更高。例如機械工程師應用人工智能，可將更多精力集中到高精尖機械設計制造環節。同時，隨著自動化程度的不斷提升，固有技工崗位數量在隨之減少[2]。

雖然人工智能的發展前景廣闊，但其在安全性、穩定性等方面的挑戰不容忽略，例如，“黑箱”問題。所以，今后機械設計制造及其自動化的實踐進程中，還應通過人和人工智能技術的協同合作，保證機械設計制造及其自動化的長遠發展。

1.2 機械設計制造功能與技術需求

1.2.1 功能需求

（1）機械設備涉及諸多類型，各類型機械功能需求均不相同，所以機械設計制造及其自動化實踐中，須科學劃分機械設備類別，保證機械設備功能與生產需求相符；立足物質維度、能量維度、信息維度，對機械功能需求展開全面分析；須分別了解制造條件及需要應用的技術，使機械制造實力和技術間更加契合。

（2）構建機械設計制造及其自動化系統，須通過合理的方法處理信息，使系統產出的產品更加有針對性[3]。同時，為保證機械自動化系統在運行中的可靠性，則需要采用多學科知識及技術。考慮到各機械設備的運行環節，會有不同的功能表現，所有機械設計、制造生產環節，須考慮實際可能出現的問題，制訂更加全面的解決方案，保證機械設備可實現既定功能目標，并為后續機械設計制造生產夯實基礎。

（3）生產機械設備的功能務必要與生產任務規定相符，確保機械設計制造環節的質量和效果。

1.2.2 技術需求

機械設計制造及其自動化各項功能的實現，須大力應用多元化技術手段。例如，在機械設備結構設計、分析性能環節，可應用AutoCAD（Autodesk Computer Aided Design，計算機輔助設計）、CAE（Computer Aided Engineering，計算機輔助工程）、CAM（Computer Aided Manufacturing，計算機輔助制造），其間還需要應用參數化設計軟件，保證在機械系統設計環節，滿足所有功能方面的需求。

另外，機械設計制造及其自動化的實踐中，還需要應用新材料及新制造技術，例如，高強度合金、復合材料等，優化產品性能的同時，也可以減輕重量。新技術多以3D 打印技術、激光加工技術為代表，此類技術在機械生產中的應用，不僅可以為設計創建更加自由的空間，還有利于提高制造精度，實現復雜程度更高的機械功能。

綜上所述，在機械設計制造及其自動化中，隨著機器學習技術、計算機視覺技術等人工智能技術的廣泛應用，大力實現了機械設計制造生產的創新。與此同時，憑借人工智能的諸多優勢，機械設計制造及其自動化系統也更多元化，例如，智能感知功能、學習與決策功能等，真正實現了人工智能驅動機械設計制造的目標，有利于加強機械設計制造及其自動化系統適應性。

2 人工智能在機械設計制造及其自動化中的應用

2.1 機械設計

機械設計領域，固有的設計思想和現代設計思想差別明顯，且表現在各層面，現代化機械設計，設計、制造、銷售這3個層面尤為顯著，固有的設計模式必然會與現代社會市場發展脫節[4]，而現代化機械結構的更新和優化與人工智能技術相結合，能保證生產系統的運行始終穩定，維持在最佳的工作狀態，并且，借助人工智能技術，還可以對人工成本支出進行有效控制。所以，機械設計領域應用人工智能技術后，優化以往機械設計的不足，務必會開拓出更多的發展機遇，從而在人工智能助力下，推動機械設計制造行業的良性發展[5]。

2.2 精準計算與故障診斷

機械設計制造及其自動化數據計算與傳輸階段的論證、建模過程存在一定難度，需要技術人員做運算推導，中途不能出現失誤，特別是人工計算過程中，如果其中一項數據錯誤，會造成嚴重后果[6]。而通過人工智能可自動整理數據資料，并對海量數據進行精準分類，保證最后獲得的計算結果的精準性，以免在后續的機械設計制造中出現故障。而且應用人工智能技術，憑借其信息自動化分類、處理的功能，還可以提高計算推導環節的精準性，彌補人工計算存在的不足。例如，機械監測數據，利用人機接口轉入到系統中，再使用推理機達到前向導引的效果，其間利用思維機制進行運算，便可獲得最后的診斷結論，通過技術人員輔以實例分析，可獲得與之相似結果，針對產生的機械誤差問題，也可以獲得準確度高的診斷結論。

在此基礎上，人工智能還可以自動診斷機械故障，通過人機交互，向系統輸入機械檢測數據，經過推理機制的作用，便可獲得有針對性的結果，并給出故障的處理建議。根據提出建議，將其與案例庫儲存信息進行對比，按照案例相似程度，可以從中總結機械故障的根本原因，從而在人工智能的幫助下，高效完成機械故障的自動處理。

機械故障很容易造成經濟損失，為減少因其造成的損失，越來越多的生產企業開始引入人工智能，實現故障成因、機械設備使用年限等的智能化分析，明確貼合實際的機械設備維護方法。我國已實現了人工智能、機械設計制造故障診斷的融合，甚至研發出了性能完善的故障檢測智能系統，很大程度上減少了因機械故障造成的損失。

2.3 機械制造系統控制

基于機械設計制造的各硬件設備，人工智能節點執行與辨識兩個程序間存在交互作用，在其影響下，可精準控制反饋信息，加強機械操作環節的合理性及機械制造控制的精準性，各系統軟件的搭配使用效果也更為理想。Job-Shop 調度控制主機行為模式如圖1所示。

圖1 Job-Shop調度控制主機行為模式

以θ1、θ2兩個指標為對象，分析機械設計制造及其自動化中人工智能的應用效果。依次設置θ1、θ2的最后理想取值結果、機械元件制造精度指標μ理想化計算結果，具體見表1。根據表1數據進行分析，θ1指標均值整體較低，θ2指標均值水平則與之相反。如此，θ1、θ2物理數值必然顯現出波動性變化，這也會為μ最后計算結果賦予波動性，具體見表2。

表1 機械元件制造精度理想數據

表2 μ實驗數據

針對上述問題，建議應用人工智能達到干預的效果。實施干預后，θ1、θ2指標數值結果水平高，可提升機械元件制造精度，μ計算數值結果持續增加。由此可知，控制精度受到人工智能的干預后，控制更具精準性。

2.4 信息處理

機械設計制造及其自動化涉及海量信息處理，此環節的固有方式是將電子信息系統作為信息傳輸的路徑，然而此方法無法保證信息傳輸的穩定性，如果輸入、輸出信息較多，極有可能發生信息傳輸錯誤，或傳輸過程中斷的現象，不利于后續信息的實際應用。應用人工智能技術進行信息處理，憑借人工智能本身具有的精準監測性能，可全程監督、跟蹤信息傳輸過程，保證信息輸入、輸出精確性，為機械設計制造及其自動化奠定精準信息的基礎。

2.5 計算與存儲數據

人工智能技術對計算與存儲數據有明顯優勢，下面以神經網絡為例，探討人工智能在計算與儲存數據中的應用。神經網絡是一種仿真人體神經活動的技術，可組建電子網絡系統。神經網絡具有良好的存儲能力與精準性，基于人工智能前提下，在數據分析、計算與對比中應用，能更加智能的對比不同階段產生的數據，并在保證數據準確性的基礎上，高效處理海量數據信息[7]。將其與機械設計制造及其自動化建立聯系，發現后者的一些需求和該網絡系統有很高的相似度，所以，機械設計制造工作人員通常非常關注神經網絡的計算機數據存儲研究。例如，電加工中應用神經網絡，可憑借其精準性、計算能力等優勢，提升電加工技術效率、電加工過程穩定性及精度，為后續機器人設計生產中神經網絡領域的運用夯實理論基礎。神經網絡結構如圖2所示。

圖2 神經網絡結構

2.6 機器人設計

人工智能和機器人設計開發與生產關系非常緊密，且人工智能技術與傳感技術、GPS（全球定位系統，Global Positioning System）定位技術等先進科技息息相關，所以機器人設計生產中，可根據需求選擇不同的技術手段，構建現代技術體系，該體系包括品質管理、智能化生產、工程技術信息系統等諸多體系，可對機器人設計生產全過程綜合管理。

3 結束語

綜上所述，機械設計制造及其自動化的實踐過程中，為滿足現階段行業發展的新要求，須大力應用人工智能技術。從機械設計環節開始，逐漸向機械制造、機械生產等多環節滲透人工智能，并且借助該技術優勢，實現機械設計制造全過程的自動化、智能化，提高生產設計效率基礎上，切實提升機械設計制造的精度，推動我國工業產業的智能化建設。