人工神经网络在机械优化设计中的应用研究

李 渊，杜秋月，张明慧

（1.山西大同大学机电工程学院，山西大同 037003；2.北京工商大学材料与机械工程学院，北京 100048）

0 引言

随着智能理论以及科学技术的高速发展，当前社会中应用智能计算方式来完成日常生活与工作，已经成为人们生活中必不可少的一种方式，提高机械优化设计不仅可以为社会发展带来更多的便利，同时也能帮助人们完成以往难以完成的工种。在机械优化设计中，最重要的问题之一就是如何将机械工程设计问题直接转化为最优化问题，选择最恰当的方式来完成社会以及人们对于机械优化设计的需求。如果按照传统的机械优化设计算法完成优化，会遇到非常多的阻碍，然而利用人工神经网络完成机械优化设计算法，则能够解决以往难以解决的问题。本研究的主要目的就是分析人工神经网络在机械优化设计中的应用。

1 人工神经网络概述

人工神经网络是一种模仿动物神经网络行为的新型系统。与以往计算机优化设计的算法不同，这种优化设计算法及主要是进行分布式信息存储的数字算法模型。虽然人工神经网络算法的优点较多，并且可以帮助机械产品在完成设计和制造后符合社会以及当前人们的需求。然而由于人工神经网络模型的处理相对复杂，在其对应的处理系统中，需要大量的信息节点来帮助信息进行传达以及命令进行发展。为此，要求所有技术人员针对人工神经网络系统进行深入的学习和了解，只有这样才能保证人工神经网络系统构建的效果符合机械优化的实际需求。

在应用人工神经网络系统时，不难发现该系统具有较强的自主学习能力以及自主适应能力，这是由于在设计阶段就对该系统进行了预先的信息设计。这种信息设计可以帮助系统完成数据的转化，针对不同的情况选择不同的数据信息，进而形成网络化数据处理运算模型，针对不同的情况作出不同的反应处理。无论是网络发展还是科学发展，都帮助这一技术在不断进步。我国当前应用的人工网络系统主要有以下3 个特征，这些特征在不断地被完善，也在帮助着我国社会的进步和发展。

（1）在多数情况下人工神经网络具有非线性，这也是人工神经网络在构成过程中最重要的一点特征。与其他算法以及系统不同，神经网络传输节点在不同的情况下对于环境以及事物的判断能力也是不同的，如果神经网络在激活的情况下，其能够展现的特征相对较多，而在抑制状态下其可以展现的特征也相对较少，这种关系在数学研究中被称为非线性关系。根据不同情况选择不同的控制能力，也是人工神经网络最重要的特征以及优势之一。

（2）人工神经网络系统具有非局限性。在任何一个完整的人工神经网络系统构建中，由于其所对应的神经元传递信息效果不同，导致对应的介质传递也是不同的，而神经元的介质传递是作为人工神经网络系统中交换信息的最重要因素，也就促使了人工神经网络系统具有非局限性，可以在传递信息时更难以被控制以及被限制，提高了信息传递的准确性以及速度。

（3）人工神经网络系统具有非常定性。这一特征的主要是在使用人工神经网络系统完成机械优化时，所产生的机械产品具有自主学习能力以及自主适应能力。这两种能力都充分的表现在机械产品中，然而随着网络构成信息的不断变化，科学技术的高速发展，在社会变迁的当今其所呈现出来的稳定性变化也不同。因此可以说，人工神经网络系统的工作能力以及学习能力会随着科学技术、网络技术的发展而逐渐增强，这是一种系统的自我学习，自我成长的状态，可以帮助人们更好地完成工作以及生活中难以完成的事情。人工神经网络系统的出现能帮助我国国民经济不断增长，为我国工业发展做出非常积极的贡献。这种技术的不断提高，也可以促使社会的创新能力以及工业产品的创新，帮助人们在以后的生活和工作中更加便利，解放人们的劳动力，促使社会更加和谐地发展。

2 人工神经网络在机械化设计中的模型构建

2.1 BP 神经网络

在完成机械优化设计中，BP（Back Propagation，反向传播）神经网络对于优化设计的算法以及模型构建，有着非常重要的意义。BP 神经网络系统主要是模仿人类大脑中神经系统运行，而逐渐完成构建的系统结构。这种系统结构在处理信息的过程中，无论是对于信息的传递还是信息的分析都相对严密且严谨，能够在处理信息时将抽象性的思维与联想性的思维进行整合运用这种思维整合，实现信息的准确转化，提高了以往在优机械产品信息转化过程中所遇到的信息处理能力不强这一问题。在机械设计过程中，最重要的方式之一就是优化及整体的能力展现，按照社会以及人们对于机械产品的需求完成设计。在设计过程中，无论是技术的处理需求还是线性关系的构建，都需要以人工神经网络系统作为优化的最基本要求。与以往对于机械产品的需求不同，当前人们对于机械产品的要求不仅仅是在其能够代替人工完成劳动活动，更是要求所有的机械产品有着一定的信息处理自主分析能力，这也导致在当前工业中必须要快速地完成机械优化设计，提高机械产品的信息处理能力。

在优化过程中，利用BP 神经网络运行的信息处理特征分析，可以发现运用这种系统能有效提高信息处理系统的工作效率以及工作质量。与其他信息处理系统不同，BP 神经网络运行系统可以针对产品中所存在的不同参数进行优化，并且提取其中信息的关键因素，整合信息传递最优化的结果，将此来作为整个系统中控制的最关键因素，这就促使在完成机械产品的制造过程中，其使用效果能够满足人们以及社会对于该产品的实际需求。利用这一系统应用，能将系统中应该处理的数据更加快速且准确的处理，并且利用数据算法整合更加明确地找到信息的关键点，同时结合机械优化设计，促使产品在完成数据的运输和管理中提高整体的质量。

2.2 反馈神经网络

人工神经网络在机械优化过程中所使用的，另外一种系统是反馈（Recurrent Network）神经网络，它也是建立在机械产品的整体传输之上、利用网络信息技术完成的模型构建。反馈神经网络在构建的过程中，其主要是借助双向性连续控制，完成整个模型的构建和处理。在进行信息传递时，主要是根据对应神经元之间的戒指不同，完成不同信息的分析和处理，利用神经元信息的转化控制来对整体信息传输进行控制处理，确保不同的信息能够得到不同的处理，同时保障信息处理的效率以及其准确性。

利用反馈神经网络系统完成整体构建时，设计人员需要注意，反馈神经网络系统在购建时对应的模型构建必须要注重神经元传递的全职控制，一旦权值控制出现问题，就会导致整个反馈神经网络的构件出现难以解决的问题。只有保证在完成反馈神经网络构建中，其神经元传递的权值处理能够满足该产品整体的反馈调节工作，才能确保在进行后续的机械优化设计过程中其整体性以及产品的性能符合设计要求。在反馈神经网络构建系统中，其信息处理系统主要是通过神经元戒指的传递，准确地将不同信息完全转化后以不同的指令发送给各个不同的零部件。为此，在利用反馈神经网络调节系统中，必须要控制好整体优化设计的外部信息输入，并且根据不同信息输入之间的关系，进行准确的控制，及时将整体信息管理结合整个机械产品的要点进行数据分析，确保机械产品的性能满足社会需求以及设计要求。

在反馈神经网络系统的构建中，其对于信息的调节控制主要是以反馈模型构建中的关键因素进行控制的。为此，为了保证整个信息调节过程的准确性，必须要控制好关键性因素的标准性，并且按照神经网络模型中所存在的反馈调节机制进行协调，确保可将系统内的信息准确的发送到不同的位置，实现系统调节控制管理的真正意义。以往在完成机械优化设计中，经常忽略了信息反馈这一问题，认为信息反馈并不重要，然而一旦系统中的信息反馈调节出现问题，就会导致系统中命令出现问题，进而促使机械产品出现问题。这种问题一旦出现难以解决，也会导致机械优化出现失败。因此，要求在完成神经系统网络构建中，针对系统内反馈调节处理，必须要对其中的变量设计以及对应的约束条件进行明确，只有这样才能保证在约束条件中控制好其所需要发挥的设计要点，提高模型整体的工作效果。但是需要意识到在该模型中，其对应模型一定会存在着一定的差异，这种差异是难以被协调和改变的，为此就要求系统模型在实际应用中具有一定的包容性，避免由于差异性而导致信息难以传递和反馈的问题，提高排除模型的局限性，真正优化机械产品的设计，提高机械产品在应用过程中的容错性，让机械产品能够更好地应用在社会中。

3 结语

综上所述，随着科技的发展与智能技术的逐渐优化，人们对机械系统的要求也逐渐提高，尤其是对机械产品的综合性能，无论是其功能性还是简便性，都有着越来越高的要求。如果始终按照传统的机械系统优化方式来进行算法优化，那么其优化的效果难以满足社会需求。只有利用BP 神经网络模型与反馈神经网络模型来完成机械优化设计，才能让机械产品的综合性能满足社会需求，为我国经济带来积极的作用，并且克服传统优化算法中存在的问题。