人工智能在机械设计制造及其自动化中的应用

杨嘉琦

（长安大学工程机械学院，陕西渭南 710021）

我国科学技术水平的提升，推动各行业朝着自动化、智能化转型，基于此，人工智能受到极大关注，逐渐被广泛应用于各个行业中，特别是各行业生产技术更新、升级的当下，人工智能凭借技术优势助力了产业升级。机械设计制造及其自动化应用人工智能，对固有生产模式与技术手段进行了更新，并且，随着人工智能应用范围与领域的拓宽，机械设计制造及其自动化水平也得到了显著提升。文章以人工智能在机械设计制造及其自动化中的应用为对象展开分析，阐述了人工智能技术的实际应用策略。

1 人工智能与机械设计制造

1.1 人工智能技术

人工智能技术是以机器学习、深度学习、计算机视觉为代表的多元化智能算法及技术形式，切实增强了机器人、自动化设备性能及感知与学习能力，不仅可以执行复杂程度更高的任务，还可以提升机械设计、生产环节的自动化水平[1]。人工智能在机械设计与制造领域的应用，为其提供了全新的思路及技术手段，例如，通过深度学习技术，可加强机器人与自动化设备的训练、组织模拟及实践练习，实现机械化抓取、焊接及组装等基本操作，同时，以数据驱动为核心的技术手段，可提升机械设备性能。

另外，人工智能在机械设计制造中的应用，也改变了机械工程师、技术专家等从业者的工作习惯，尤其是机械设计、分析、制造环节，对人工智能的依赖性更高。例如机械工程师应用人工智能，可将更多精力集中到高精尖机械设计制造环节。同时，随着自动化程度的不断提升，固有技工岗位数量在随之减少[2]。

虽然人工智能的发展前景广阔，但其在安全性、稳定性等方面的挑战不容忽略，例如，“黑箱”问题。所以，今后机械设计制造及其自动化的实践进程中，还应通过人和人工智能技术的协同合作，保证机械设计制造及其自动化的长远发展。

1.2 机械设计制造功能与技术需求

1.2.1 功能需求

（1）机械设备涉及诸多类型，各类型机械功能需求均不相同，所以机械设计制造及其自动化实践中，须科学划分机械设备类别，保证机械设备功能与生产需求相符；立足物质维度、能量维度、信息维度，对机械功能需求展开全面分析；须分别了解制造条件及需要应用的技术，使机械制造实力和技术间更加契合。

（2）构建机械设计制造及其自动化系统，须通过合理的方法处理信息，使系统产出的产品更加有针对性[3]。同时，为保证机械自动化系统在运行中的可靠性，则需要采用多学科知识及技术。考虑到各机械设备的运行环节，会有不同的功能表现，所有机械设计、制造生产环节，须考虑实际可能出现的问题，制订更加全面的解决方案，保证机械设备可实现既定功能目标，并为后续机械设计制造生产夯实基础。

（3）生产机械设备的功能务必要与生产任务规定相符，确保机械设计制造环节的质量和效果。

1.2.2 技术需求

机械设计制造及其自动化各项功能的实现，须大力应用多元化技术手段。例如，在机械设备结构设计、分析性能环节，可应用AutoCAD（Autodesk Computer Aided Design，计算机辅助设计）、CAE（Computer Aided Engineering，计算机辅助工程）、CAM（Computer Aided Manufacturing，计算机辅助制造），其间还需要应用参数化设计软件，保证在机械系统设计环节，满足所有功能方面的需求。

另外，机械设计制造及其自动化的实践中，还需要应用新材料及新制造技术，例如，高强度合金、复合材料等，优化产品性能的同时，也可以减轻重量。新技术多以3D 打印技术、激光加工技术为代表，此类技术在机械生产中的应用，不仅可以为设计创建更加自由的空间，还有利于提高制造精度，实现复杂程度更高的机械功能。

综上所述，在机械设计制造及其自动化中，随着机器学习技术、计算机视觉技术等人工智能技术的广泛应用，大力实现了机械设计制造生产的创新。与此同时，凭借人工智能的诸多优势，机械设计制造及其自动化系统也更多元化，例如，智能感知功能、学习与决策功能等，真正实现了人工智能驱动机械设计制造的目标，有利于加强机械设计制造及其自动化系统适应性。

2 人工智能在机械设计制造及其自动化中的应用

2.1 机械设计

机械设计领域，固有的设计思想和现代设计思想差别明显，且表现在各层面，现代化机械设计，设计、制造、销售这3个层面尤为显著，固有的设计模式必然会与现代社会市场发展脱节[4]，而现代化机械结构的更新和优化与人工智能技术相结合，能保证生产系统的运行始终稳定，维持在最佳的工作状态，并且，借助人工智能技术，还可以对人工成本支出进行有效控制。所以，机械设计领域应用人工智能技术后，优化以往机械设计的不足，务必会开拓出更多的发展机遇，从而在人工智能助力下，推动机械设计制造行业的良性发展[5]。

2.2 精准计算与故障诊断

机械设计制造及其自动化数据计算与传输阶段的论证、建模过程存在一定难度，需要技术人员做运算推导，中途不能出现失误，特别是人工计算过程中，如果其中一项数据错误，会造成严重后果[6]。而通过人工智能可自动整理数据资料，并对海量数据进行精准分类，保证最后获得的计算结果的精准性，以免在后续的机械设计制造中出现故障。而且应用人工智能技术，凭借其信息自动化分类、处理的功能，还可以提高计算推导环节的精准性，弥补人工计算存在的不足。例如，机械监测数据，利用人机接口转入到系统中，再使用推理机达到前向导引的效果，其间利用思维机制进行运算，便可获得最后的诊断结论，通过技术人员辅以实例分析，可获得与之相似结果，针对产生的机械误差问题，也可以获得准确度高的诊断结论。

在此基础上，人工智能还可以自动诊断机械故障，通过人机交互，向系统输入机械检测数据，经过推理机制的作用，便可获得有针对性的结果，并给出故障的处理建议。根据提出建议，将其与案例库储存信息进行对比，按照案例相似程度，可以从中总结机械故障的根本原因，从而在人工智能的帮助下，高效完成机械故障的自动处理。

机械故障很容易造成经济损失，为减少因其造成的损失，越来越多的生产企业开始引入人工智能，实现故障成因、机械设备使用年限等的智能化分析，明确贴合实际的机械设备维护方法。我国已实现了人工智能、机械设计制造故障诊断的融合，甚至研发出了性能完善的故障检测智能系统，很大程度上减少了因机械故障造成的损失。

2.3 机械制造系统控制

基于机械设计制造的各硬件设备，人工智能节点执行与辨识两个程序间存在交互作用，在其影响下，可精准控制反馈信息，加强机械操作环节的合理性及机械制造控制的精准性，各系统软件的搭配使用效果也更为理想。Job-Shop 调度控制主机行为模式如图1所示。

图1 Job-Shop调度控制主机行为模式

以θ1、θ2两个指标为对象，分析机械设计制造及其自动化中人工智能的应用效果。依次设置θ1、θ2的最后理想取值结果、机械元件制造精度指标μ理想化计算结果，具体见表1。根据表1数据进行分析，θ1指标均值整体较低，θ2指标均值水平则与之相反。如此，θ1、θ2物理数值必然显现出波动性变化，这也会为μ最后计算结果赋予波动性，具体见表2。

表1 机械元件制造精度理想数据

表2 μ实验数据

针对上述问题，建议应用人工智能达到干预的效果。实施干预后，θ1、θ2指标数值结果水平高，可提升机械元件制造精度，μ计算数值结果持续增加。由此可知，控制精度受到人工智能的干预后，控制更具精准性。

2.4 信息处理

机械设计制造及其自动化涉及海量信息处理，此环节的固有方式是将电子信息系统作为信息传输的路径，然而此方法无法保证信息传输的稳定性，如果输入、输出信息较多，极有可能发生信息传输错误，或传输过程中断的现象，不利于后续信息的实际应用。应用人工智能技术进行信息处理，凭借人工智能本身具有的精准监测性能，可全程监督、跟踪信息传输过程，保证信息输入、输出精确性，为机械设计制造及其自动化奠定精准信息的基础。

2.5 计算与存储数据

人工智能技术对计算与存储数据有明显优势，下面以神经网络为例，探讨人工智能在计算与储存数据中的应用。神经网络是一种仿真人体神经活动的技术，可组建电子网络系统。神经网络具有良好的存储能力与精准性，基于人工智能前提下，在数据分析、计算与对比中应用，能更加智能的对比不同阶段产生的数据，并在保证数据准确性的基础上，高效处理海量数据信息[7]。将其与机械设计制造及其自动化建立联系，发现后者的一些需求和该网络系统有很高的相似度，所以，机械设计制造工作人员通常非常关注神经网络的计算机数据存储研究。例如，电加工中应用神经网络，可凭借其精准性、计算能力等优势，提升电加工技术效率、电加工过程稳定性及精度，为后续机器人设计生产中神经网络领域的运用夯实理论基础。神经网络结构如图2所示。

图2 神经网络结构

2.6 机器人设计

人工智能和机器人设计开发与生产关系非常紧密，且人工智能技术与传感技术、GPS（全球定位系统，Global Positioning System）定位技术等先进科技息息相关，所以机器人设计生产中，可根据需求选择不同的技术手段，构建现代技术体系，该体系包括品质管理、智能化生产、工程技术信息系统等诸多体系，可对机器人设计生产全过程综合管理。

3 结束语

综上所述，机械设计制造及其自动化的实践过程中，为满足现阶段行业发展的新要求，须大力应用人工智能技术。从机械设计环节开始，逐渐向机械制造、机械生产等多环节渗透人工智能，并且借助该技术优势，实现机械设计制造全过程的自动化、智能化，提高生产设计效率基础上，切实提升机械设计制造的精度，推动我国工业产业的智能化建设。