基于人工智能技术的机械制造探究

2021-04-03洪溥张锦

中国设备工程 2021年12期

洪溥，张锦

（山西交通职业技术学院，山西太原 030000）

随着近年来科学技术的发展，越来越多的人工智能技术开始应用到机械制造中，对其影响日益显著。就机械制造的特点来说，其相关性工作均具有重复性、高危险性及高负荷性的特点，而人工智能技术的引入可很大程度上克服生产过程中的问题，降低生产成本。更重要的是，随着人工智能技术的爆发式发展，其通过新的思维方式、新的技术方法、新的目标使机械制造更加的智能，以往的生产模式得到了较大的改变。因此，进一步在机械制造中大力推广和应用人工智能技术尤为必要，值得深入分析探究。

1 机械制造中常用的几种人工智能技术

人工智能技术拥有分析、处理与学习数据的能力，且可以不断学习制造系统的复杂调度处理，在不断的学习与自控制过程中赋予制造系统智能化这一特性。所使用的人工智能技术已经可以参与机械制造的设计、生产及运营维护等环节中，在此过程中可以发挥虚拟现实、深度学习、自然语言生产等相关性技术的优势，提升机械制造效率与质量。

（1）虚拟现实技术：目前所使用的虚拟现实技术不单单是一个演示媒体，更是一个设计工具，其已经渗透至机械制造的各个环节中。比如，借助虚拟现实技术可以将机械制造以三维模型的形式展示出来，其中的设计环节可以直观展示到设计师与制造工程师眼前，可以即时对设计生产中存在的问题及时予以解决。除此之外，机械制造中的生产测试工作较为复杂，将虚拟现实技术应用其中后，一方面，可以对系统测试流程做细致的调整与调整；另一方面，可以更加方便地调整和修改模块，实用性更强。

（2）深度学习技术：深度学习技术是机器学习的一种特殊类型，作为一种包括诸多人工神经网络的技术，深度学习技术在大数据所支持的分类判决与模型识别中有广泛的应用。在机械生产制造过程中，深度学习技术可以对所产生的实际数据作系统的归纳总结，并借助深度学习方法构建模型，以此对机械设备的运行状态进行监测诊断，获得精准的诊断信息。

（3）专家系统：专家系统应用于机械制造中一些复杂环节中，协助或执行自动决策。一方面，专家系统可以实时监测机械制造过程中所产生的时间序列数据，为执行系统反馈相关的数据信息，比如，设备性能参数、系统运行错误参数，以此帮助执行系统预测机械制造的运行障碍，尽早处理故障问题。另一方面，根据积累的历史数据，专家系统可以及时针对相关的故障问题提出解决对策，执行运营决策方案并执行。目前，所使用的专家系统已经可以实现故障模式的分类，依据故障性质设计相匹配的形态分析方法，从而尽早消除安全隐患。

（4）机器人技术：机器人技术是近年来在各行各业中得到了广泛应用的人工智能技术，这一技术可以将生物识别技术、深度学习算法等技术有机结合起来，强化机器人的智能性。在机械制造过程中，可以将机器人应用到一些人类不便操作或危险的任务中，不仅可以提升生产制造效率，而且可以降低人为操作的风险与成本，应用前景十分广阔。

2 机械制造中人工智能技术的应用要点

2.1 机械设计中的应用要点

人工智能技术具有十分强大的思维能力与创造能力，这对开展机械设计工作十分有利。随着近年来机械制造行业的发展，现代化设计理念已经逐步取代传统设计理念，机械制造设计环节、制造环节及售后服务等诸多环节均引入了人工智能技术，在加快机械制造自动化、专业化及智能化方面有十分重要的意义。

在设计环节，目前所引入的人工智能技术趋于多元化，在整个设计过程中可以减少主观因素对设计方案的影响，从而提升设计方案的科学性。另外，与传统设计方式相比，以人工智能技术为基础的设计技术可以长时间处于工作状态。其优势主要体现在两方面，一是可以节约机械设计过程中的成本，同时，为设计人员提供更加丰富、精准的设计信息。二是可以为工作人员提供更多形式的数据信息存储方式，方便后期查询学习。总的来说，人工智能的技术的应用，很好地改变了传统设计模式，为机械设计工作带来了诸多的机遇，弥补了传统设计的局限性。

2.2 机械制造中的应用要点

机械制造是整个机械生产工作的重要环节之一，可以直接影响和决定机械产品的质量。将人工智能技术引入机械制造中不仅可以提升生产效率与能力，还可确保产品的生产质量。实际应用过程中，借助人工智能技术可对机械制造实现自动化控制与处理，及时调整生产过程中存在的问题。总的来说，机械制造环节人工智能技术的应用主要体现在以下几方面：（1）基于人工智能技术，可以更加精准地控制机械制造过程，机械制造过程中不易受到外界因素的影响，生产质量可以得到有效的保障；（2）基于人工智能技术，机械制造环节可以被自动化分析处理，并根据实际情况即时调整生产流程，在控制生产质量的同时，满足人们对产品的个性化需求；（3）人工智能技术可以对制造过程中所存在的故障问题进行检测，若某个生产环节存在故障问题，人工智能技术可以在第一时间对故障的相关信息进行分析，客观评估数据信息，精准定位故障，为工作人员故障维修提供参考意见。

2.3 信息处理中的应用要点

以往所使用的信息处理工具有较大的局限性，无法正确处理相关的数据信息，从而影响机械制造质量。比如，依托电子信息的信息传输体系，虽然可以很好地处理运行过程中产生的数据信息，但在海量信息的输入输出环节中极易出现故障问题，分析原因在于这一电子系统本身有不稳定和不可靠特点，无法满足机械制造数据处理需求。因此，为有效解决机械制造过程中信息处理这一问题，必须在信息处理中引入人工智能技术。在实际应用过程中，人工智能技术可以全面监测信息传输过程中存在的问题，尤其是可以监测电子信息系统运行的稳定性，提升海量信息输入输出的稳定性与可靠性。目前，通过将人工智能技术加入信息处理中，不仅可以实现预期的信息处理目标，而且可以提升机械制造的自动化实践能力，对推动机械制造专业化和智能化有着十分重要的意义。

2.4 故障诊断中的应用要点

机械制造过程中经常会出现一些复杂性的故障问题，对机械制造效率与质量均有较大的影响。比如，机械制造及运行过程中有一定的复杂性，过程中会涉及较多的海量数据，尤其是在建模与论证过程中需要开展计算推导，单纯依靠人工必然会存在计算失误的风险。因此，引入人工智能技术十分必要。在人工智能技术应用时，可以借助其自动化分类归纳信息的优势对相应的计算流程进行精准控制，提升计算的精确度。另外，在计算过程中，通过人工智能技术可以对所存在的运行故障问题进行诊断，先将机械监测数据存储于系统中，待诊断后提出专家意见，最后基于历史数据来计算故障的相似度，若与历史数据相类似，则可以尽快开展故障排查工作。

2.5 神经网络系统的应用要点

神经网络系统是机械制造及自动化生产应用过程中最具代表性的人工智能技术，有十分显著的应用优势。目前所使用的神经网络系统技术是一种经人类神经系统仿真所得到的电子信息系统，其优势在于存储量大、数据存储精确性与安全性高。在机械制造过程中，神经网络系统可以先对局部数据进行模拟分析，而后通过数据分析来获得参与值，即便是海量数据的处理，神经网络也可以快速且精准地完成，对实现机械制造智能化有十分重要的作用。除此之外，随着神经元结构的性能更加强大，可以加强机器深度学习的能力，人工智能会越来越聪明，这对于实现机械制造专业化、智能化裨益良多。