浅析大数据时代的机械设计发展趋势

刘康宁

摘 要：随着信息技术的发展，大数据驱动的制造业时代即将到来。本文综述了国内外基于高新技术发展的机械设计的主流方法，简述了四类机械设计发展状况，主要有与人工智能结合发展的机械设计、基于大数据技术的模块化机械设计、基于增材制造技术的机械设计和基于数字孪生应用发展的机械设计。文章最后展示了机械设计的远期愿景。

关键词：机械设计;发展趋势;大数据;人工智能;增材制造;数字孪生

随着科学技术的日益发展，大数据技术的日渐成熟，各行各业都能从新技术的应用中获益。传统的机械设计更多地依赖于机械设计师个人的知识、经验和技能。而在大数据时代，机械设计师可以逐渐利用人工智能、大数据、物联网、数字孪生（Digital twin）等高新技术加快设计的速度和提高设计的质量，更好地满足日益激烈的市场竞争需求。

1 与人工智能结合发展的机械设计

人工智能（AI）是由机器展示的智能，与人类和其他动物展示的自然智能形成对比。常规的程序需要定义所有可能的场景，无论在此场景外发生什么情况，程序都会停止或者崩溃。人工智能程序则是为特定的任务“训练”一个程序，然后让它通过深度学习自己去探索;我们不需要预先定义程序在完成此特定任务时将面临的所有场景，程序只是自己“找出”该做什么。[1]得益于大数据的发展，近年来，人工智能发展迅速。

1.1 专家系统

专家系统（Expert System） 实际上是一个计算机程序，是现在人工智能的一个主要应用。专家系统也被称为“基于知识的系统”，它是人类专家的智能助手，或者是无法接触专家的人的资源。专家系统使用推理从存储的信息中得出结论。这种人工智能应用的目的不是取代我们的人类专家，而是让他们的知识和经验更广泛地得到应用。

专家系统由知识库、推理机和用户界面三部分组成。知识库在一个非常狭窄的领域中包含声明性（事实性）和程序性（使用规则）知识。推理引擎通过确定要访问哪些过程性知识以获得适当的声明性知识来运行系统，然后得出结论并决定何时找到适用的解决方案[2]。

利用专家系统进行机械设计具有一定的优势，比如一致性、可用性、不知疲倦等特性。

1.2 生成式机械设计

生成性设计模仿了自然进化的设计方法。设计师或工程师将设计目标连同材料、制造方法和成本约束等参数输入生成设计软件。与拓扑优化有区别的是，该软件探求处理方案的所有可能性，快速生成设计备选方案。它测试并从每次迭代中学习什么可行，什么不可行[3]。

生成式机械设计具有三大优点：

（1）探索更广泛的设计方案。在你能想出一个点子的时间里，一台电脑就能产生上千个点子，同时还能产生数据来证明哪种设计效果最好。

（2）使不可能的设计成为可能。生成式设计允许您创建优化的复杂形状和内部网格。其中有些形式是传统制造方法无法做到的，然而，采用3D打印制造方法可以轻易实现。

（3）优化材料和制造方法。设置目标和参数，生成式软件将根据这些约束创建高性能的设计选项。该软件解决了相互冲突的设计约束，因此设计师可以专注于创新。

实际上，生成式设计目前已取得很大发展。据外国媒体称， 设计软件公司 Autodesk 与美国宇航局合作， 利用人工智能设计了用于太空探索的卫星航天器， 并取得了超越预期的效果。

2 基于大数据技术的模块化机械设计

所谓的模块化设计是一种用具有标准接口的独立部件创建新的系统的设计方法。这使得设计可以定制、升级、修复和重用部件。在大数据技术时代，涌现了很多提供通用部件、标准部件的供应商，也有各种数模分享平台为大数据分析提供来源，甚至企业自己也可以建立自己的数据库。机器学习能够用来辨认形式，将数据分类。在对产品进行市场预测、功能分析的基础上，对一系列通用功能模块进行了划分和设计，从而实现过往机械设计经验的积累和借鉴利用。

3 基于增材制造（Additive Manufacturing）技术的机械设计

传统的机械制造多采用的是去除材料的加工方法，一个复杂零件的生产，需要由多种不同的机床完成，固定资产投入大，制造成本高。而且，在进行机械设计时，设计师必须充分考虑“面向制造的机械设计”和“面向装配的机械设计”，否则，最终的成品极有可能成为废品。

增材制造（AM），是一種通过连续添加层来生产零件的过程，这与传统的减法制造相反。增材制造工艺的实施方式多种多样，其中3D打印是一种越来越受欢迎的方法。另一种方法包括熔化连续的材料层来制造产品。增材制造的主要好处是它可以在不浪费多余材料的情况下制造出几何形状复杂的物体。这个过程的另一个好处是它不需要很多工具，而且是一个成本较低的制造过程。 以往的能实现某一功能的机械结构可能由几百个零件组成，而基于3D打印技术的零件数量可以只需要几个。以2015年NASA工程师向公众展示的3d打印火箭燃料喷射器为例，这种传统方法制作的喷射器一般由200多个部件组成，而3D打印的喷射器只有两个部件。这种改变也给机械设计带来一定的变化，设计师在设计时可以不考虑旧的设计规则。当然设计时选择最好的材料和工艺，这一原则也适用于AM， 是必须在设计的早期阶段考虑的。近年来，随着国际上对增材制造的广泛关注和大量投入，增材制造技术也得到了迅速发展。

4 基于数字孪生（Digital Twin）应用发展的机械设计

数字孪生指的是集成了各种用途的物理资产（物理孪生）、流程、人员、位置、系统和设备的数字副本。利用产品模型、传感器等，它可以正确地映射实体产品在整个生命周期的各种实际数据。数字孪生将人工智能、机器学习和软件分析与空间网络图相结合，创建实时的数字仿真模型，随着物理模型的变化而不断更新和变化。数字孪生体不断地从多个来源学习和更新自己，以表示其接近实时的状态、工作条件或位置。

基于数字孪生（Digital twin）驱动的机械设计不但能够进行概念设计，也能够进行详细设计和虚拟验证，将极大地缩短产品的设计周期[4]。

5 结语

综上所述，在大数据时代，机械设计将变得更加智能化、模块化，机械产品将更加轻量化、绿色化，机械设计师移动办公的可能性将大大提高。未来机械设计师可以不必端坐在电脑前，打开专业的三维建模软件进行机械设计。设想这样一个场景：设计师在客户现场，倾听客户的意见，头脑中飞快总结了客户对设备的要求，打开手机移动网络的人工智能机械设计接口，通过语音告诉人工智能相关需求信息;人工智能调动专家数据库，进行深度学习探索，快速地勾画出一套概念设计的方案，并建构出一个简单的数字模型;设计师展示概念设计方案，并同客户进一步沟通交流。持续不断的准确、实时的信息流帮助快速决策、提高设计速度、加快生产进程和优化生产力，从而让产品快速进入市场。

参考文献：

[1]wikipedia.Artificial intelligence[EB/OL].https：//en.wikipedia.org/wiki/Artificial_intelligence.2019-01-08.

[2]邵剑平.人工智能在齿轮优化设计中的应用研究[J].机电产品开发与创新，2006（01）：110.

[3]autodesk.com.What is generative design？[EB/OL].https：//www.autodesk.com/solutions/generative-design.2019-01-08.

[4]Tao F，Cheng J，Qi Q，Zhang M，Zhang H，Sui F.Digital twin-driven product design， manufacturing and service with big data[J].International Journal of Advanced Manufacturing Technology，2017（03）.