基于人工智能技术在机械制造过程的技术应用研究

闫峰

摘要：科学技术快速发展的新时代的到来，极大地推动了社会生产力的发展。作为最新发展起来的一项技术，人工智能在很多领域都得到了广泛的应用，同时给我们的生活带来了很多便利。近几年来，人工智能技术在机械电子工程领域得到应用，在科技和经济方面都取得了良好的效果。故而，本文主要对人工智能技术和机械电子工程的概念作出阐述，对人工智能技术在机械电子工程领域的应用研究展开详细探讨。关键词：机械制造；人工智能；深度学习 引言人工智能技術被应用到机械电子工程领域当中，促使传统的机械电子工程在信息传输的形式上发生了变化，代替简单能量之间的连接，进一步实现了动能的连接，所以人工智能技术在机械电子工程领域的发展中发挥着不可忽视的作用。1、人工智能技术与机械电子工程1.1 人工智能技术的概念作为新型科学力量的一种，人工智能技术展现了强大的综合性，主要以电子信息和计算机科学为基础，并结合社会心理学和哲学逐渐发展成熟。在搭建系统方面，人工智能技术已经远远领先于很多技术，其自动模式由无数个自动化软件组合而成，与其他类型的应用型技术相比，智能自动模式已经发展得相对完善，通常来说，它的基本配置是不可缺少的，包含数字万用表、多功能校准器和标准源，控制器和被检表，这些零件是人工智能自动化技术的基本配置的组成部分，同时保障了人工智能自动化技术在机械电子工程中充分发挥其优势。依据对人工智能技术良好发展前景的展望，本文将人工智能技术划分为三个发展阶段，第一阶段为萌芽阶段，在该时期计算机还未呈现当今社会的应用态势，人们对互联网的认知还处于起步阶段，被个人眼光所限制，这使得人工智能技术的发展受到了很大的限制。随着互联网技术得到越来越广泛的应用以及社会对互联网知识的普及，计算机技术逐渐得到推广应用，这一科技进步推动着人工智能技术的出现和发展，故被称之为人工智能技术的萌芽阶段；第二阶段是初级阶段，在该阶段计算机俨然已经成为社会生产力发展不可或缺的关键因素。此外，人们日常生活与计算机的关联也越来越紧密，互联网技术逐渐向外扩张，实现了对社会各个生产领域的全覆盖，以多媒體技术的蓬勃发展为时代背景，人工智能技术开始走进人们的生活当中；最后是发展上升阶段，该阶段人工智能技术的发展主要得益于电子信息技术的出现以及广泛应用，促使人工智能技术实现了在机械电子工程领域中的普及。当今社会，人工智能技术正不断展示出蓬勃向上的发展态势，并渐渐成为新型信息化技术发展市场的重要推动力。2、机械制造过程与交互技术人工智能技术可以通过分析、处理和学习数据的能力，不断学习制造系统的复杂调度处理和实践经验，从而自行设计制造系统。不断地学习、优化和自控制，为制造系统赋予智能化。而之所以能够实现这种智能化的原因，是因为人工智能多种技术融入到了各个环节，包括设计、生产实施和运营维护以及人机交互等，在此过程中融合了深度学习，虚拟现实，虚拟代理、自然语言生产、特征识别等AI技术，如图1所示。为了实现系统主动和人的沟通交互，系统常采用的技术包括：自然语言生成、虚拟代理和生物特征识别技术。生物识别技术：支持人与机器之间更贴近自然交互的功能，包括语言、图像、触觉感知和肢体语言。它目前主要用于市场研究。语音识别是将人类语音信号转换为应用软件识别的格式。类人语言生成：使用计算机数据生成返回给用户的文本。它通常用于顾客应答服务，数据报告和智能综合分析。虚拟代理：低级的如：聊天机器人；也有高级的如：可以深度学习、像人一样思考的高级系统。目前主要用作自动客户服务和高级智能家居管理服务平台。3、在机械设计、制造、维护中的应用3.1 虚拟现实技术虚拟现实（VR）不仅仅是一个演示媒体，而且还是一个设计工具，已经在机器制造的各个方面都发挥着不可或缺的作用。VR技术将设计以三维模型的形式呈现出来，使设计和制造工程师能够直观地理解并及时调整每个部件的特性，质量或位置。使用VR技术，机器制造商可以模拟机器设计并降低设计成本。机器生产测试特别复杂，虚拟现实技术可以简化系统测试，并且可以更轻松地缩小，添加或修改模块。既节约了时间，又节省了做模型的费用。3.2 深度学习（Deep Learning）可以视为机器学习的一种特殊（升级）类型，包括具有多层抽象的人工神经网络（Artificial Neural Networks，ANN）。它目前主要用于大数据下支持的分类判决和模型识别领域。观察点可由多种形式表示，如不同位置的不同像素矢量值。如对机械生产过程中大量实际数据的特点进行归纳总结，通过采用深度学习方法建立模型对机械设备的健康状况进行监测诊断，以取得监测诊断精度。3.3 专家系统用人工智能中的知识表示和知识推理技术来模拟通常由这个领域的专家才能解决的复杂问题。应用于一系列广泛的领域，协助或执行自动决策。使用实时监控制造过程中产生的时间序列数据：反馈设备性能参数、系统错误参数，从而主动预警系统的潜在异常，以及历史数据的聚类分析、诊断和定位异常原因，制定运营决策并执行预防性维护，从而提前消除隐患。如，根据机械设备海量故障特征，并设计分类器，实现故障模式分类；收集多种故障模式，设计逐级匹配形态分析方法，实现故障的准确诊断。3.4 机器人技术将生物识别、深度学习算法等技术整合至极小却高性能的传感器、制动器、以及其他硬件中，这就催生出符合工程生产需求的机器人，能够单独或者配合人类一起工作，能在各种未知环境中灵活处理不同的任务、提高生产制造效率。目前应用于人类不便执行的高危任务或成本太高。4、发展趋势4.1 大规模商用随着AI产业和技术不断走向成熟，其成本必然降低，同时全球大厂进入该领域，市场竞争因素也将进一步拉低人工智能产品的成本。开发的平台吸引着更多开发者加入进来，开发出丰富产品功能和应用场景，促进应用技术的落地。相信商业领域的AI 技术很快迎来爆发期。4.2 将达到人类专家顾问级别随着性能更强的神经元网络、价格低廉的芯片以及大数据的几何增长和积累、机器深度学习能力的提升。使用人工智能的人越多，人工智能就越聪明，未来专家系统将覆盖我们这个世界，针对我们所有问题，给出所有专家级的解决方案。4.3 改变全球经济生态随着AI技术的发展，当技术成本低于雇傭劳动力的成本时，显然低效率的人工劳动力会被AI技术下的各种设计、制造、运维维护技术都将被机器人大部分或全部替代，未来世界的社会模式也将随之发生天翻地覆的改变。参考文献[1]岳增，王飞.农业机械制造业中的现代制造技术分析[J].山东农业工程学院学报，2018（12）：33-34.[2]张洁，汪俊亮，等.大数据驱动的智能制造[J].中国机械工程，2019（02）：127-133+158.