摘要：现代科技的进步使人工智能逐渐应用到机械领域中，人工智能技术在解决机械系统制造问题、远程控制和故障诊断方面具有非常显著的效果。因此，文章从机械设计、机械制造、机电工程三大角度出发，探讨人工智能技术在这三种领域中的应用方向。人工智能可以通过模拟人的智能，研究和开发一些高科技产品，帮助机械行业面对日益激烈的竞争。通过研发神经网络、专家系统等具有智能性的机械设备，不断提高机械领域的竞争力，文章对人工智能技术在机械领域中的时间运用展开简要探讨。

关键词：人工智能技术；机械领域；应用探讨

人工智能技术是新时代科技创新发展的产物，目前已在许多领域有着具体的应用，人工智能主要通过模拟、拓展人类的智慧，进行新产品、新技术的开发。随着人工智能技术的不断创新，也可以广泛应用于机械制造行业、机械设计和故障诊断，既减少机械领域的生产和运营成本，也可以提高机械行业的安全系数、智能化程度，提升机械的应用范围和应用深度。[1]

1人工智能技术在机械领域中的应用方向

1.1机械设计。机械设计实际上是一种数值计算工作，通俗来讲，机械设计可以通过模型的计算、分析、绘图等过程进行合理结构的方案设计。机械设计既包括对机械的初始方案确定，也包括结合企业利益选择最优方案、制定最佳的结构特性。目前已有部分企业引入智能化机械系统，通过智能设备进行符号推理工作，例如CAD、CMA系统。通过人工智能的计算和分析，综合运用多种学科知识进行智能化机械设计。人员可以通过具体的参数来简化设计步骤，通过智能理论方法来进行设计的开发与应用。可以说，人工智能技术可以精准地控制机器制造的生产质量。在智能化机械设计的过程中，人工智能技术既可以减少人为主观因素对机械设计结构的影响，也可以降低人力成本，虽然人的智慧是不可比拟的，但人工智能系统可以在一定程度上学习人的知识和经验，通过集成所有有关数值，选择最恰当的推理和决策，减少不必要的设计步骤。在未来人工智能系统可以通过AI自主学习，自主判断来进行大规模的机械设计和智能检测。设计人员既可以通过人工智能技术的自主学习和推理系统，计算、储存先进工艺，方便后人进行机械设计的学习，也可以根据市场对不同机械产品的需求，自动分析和调整、精准控制各个机械制造过程的参数。

1.2机械制造。在机械生产制造的过程中通常需要有相关零配件，机械制造工厂需要为机械提供配件。在人工智能技术的参与下，这一过程可以通过机器进行实时的加工，人工智能系统可以根据机器所装配的零部件推断更合适的机械目标，通过机械想要达到的动作序列进行规划，自动进行问题的求解。尤其机械行业中零件加工和设备的装配相对比较复杂，机械的零件工序较多，因此，其生产过程较为漫长，整个过程必须严格按照标准和逻辑顺序进行，一旦中间出现错误或数值误差，则会让整个机械制造工序中断，还会让相应的仪器设备报废。这样一来，生产成本不但会变得很高，同时也会降低生产效率。在人工智能系统的帮助下，整个生产线可以减少人工环节，这就极大降低了因人为因素导致的零部件数值偏差，从而能有效提升机械制造的效率。由于部分机械制造相对比较危险，人工智能技术可以通过操作机器手臂，减少机械制造对工作人员的伤害。在最新的机械制造生产线中，可以由人工智能技术，也就是机器人代替传统的人力进行流水线生产，采用人工智能对零件进行加工，对仪器设备进行装配。在生产线生产的过程中根据实时故障问题确定故障的位置，并由机器人传输到故障维修中心。另外在机械制造检测出故障的具体位置后，人工智能技术可以在第一时间进行故障预警和指定位置的维修，既降低了生产成本，又可以提升安全系数。

1.3机械电子工程。机械电子工程严格来说是由电子工程和智能技术结合起来的新兴技术，机械电子工程的发展是通过系统的输入和输出来完成的。而人工智能技术的加入，既可以帮助机械电子工程分析和处理系统中的信号，也可以通过丰富的经验和理论建立系统模型，利用神经网络和模糊逻辑系统来实现非线性计算。为有效解决机械一体化系统的非线性问题，需要人工智能技术系统的神经网络系统和模糊推理系统利用专门的算法来模拟人体神经系统，输入电子信息系统。在机械一体化系统中，通过对非线性系统的稳定性进行微调，获取关联的特殊值，生成机电工程中的相关函数，并通过模糊信息处理方法来调节非线性的变化和机械的温度。常规的机电系统相对比较复杂，需要通过物理方程建立数学关系、通过人员的经验建立物理基础、通过实验和长期的数学推导进行因果关系的建立，在此范围内进行线性常数的系统应用。这一过程相对比较复杂，而人工智能则可以顺利地解决复杂的问题，通过规则和方法来实现机械电子工程的真实目的［2］。通过人工智能来进行自动控制，利用系统的输入和输出进行模糊逻辑系统的计算处理，利用神经网络提高精确程度，通过网络系统模拟人脑结构，分析和处理机械电子工程中的各种信号，对机械系统内的信号进行自动识别。

1.4机械故障诊断。随着社会生产力和科学技术的不断发展，机械设备、设施变得越来越复杂，机械设备一旦发生故障，检修人员很难通过人工方法快速查明故障来源，导致应用该设备的个人或集体蒙受损失。人工智能技术的加入，很好地解决了这一问题。在人工智能技术与机械故障诊断的融合下，领域专家可以利用传感器提取机械设备、设施易感部位的信息和状态，根据各个机械部位的数据反馈，初步排查故障发生的原因和部位，判断机械设备的工作是否正常。传感器发挥作用的过程离不开人工智能技术，机械设备内部结构复杂、各类零件交错纵横，检修人员虽然拥有根据零件组成判断故障类型的能力，但在实际机械设备管理中，检修人员却无法让视野直接抵达机械设备内部零件处。人工智能技术的运用可以帮助检修人员，在机械设备发生故障失灵时，对机械设备内部零件和状态展开分析，迅速整理出数据分析结果。领域专家即可通过这些原始数据，结合设备设施结构、系统故障历史等信息展开故障计算，用较高的效率确定机械故障发生的原因和部位。目前人工智能与机械故障分析的应用技术还不够完善，因此在实际管理过程中，可以采取人工智能技术整理故障数据和专家分析融合的方法，分析机械设备故障系统，以达到更好的分析效果。

2人工智能技术在机械领域中的应用方法

2.1专家系统。专家系统是人工智能的重要组成部分之一，一个完整的专家系统主要由知识库、推理机、知识学习机制和人机界面四部分组成，专家系统的推理逻辑可以帮助机械进行诊断、推理和产品设计。专家系统根据知识表达方式的不同，可以分为规则类系统和框架类系统，规则类系统是通过既定的规则来完成推理逻辑的过程，而框架系统是在固定的框架范围内，广泛搜寻有关机械的模糊推理逻辑，既降低了系统的复杂性，也能帮助机械系统进行快速的诊断和设计。专家系统的知识表达方式比较符合人类的心理逻辑，更便于学习和获取人类的知识，通过框架进行知识表达，既可以在机械设计和制造的过程中产生新的技术方法和先进的制造工艺，也可以通过模糊逻辑的推理研究，对机械存在的故障进行很好的诊断。相对来说，专家系统就相当于人工智能语言的一部分，其可以通过正向和逆向的推理进行机械的自动控制和模拟仿真。目前专家系统的开发和应用已逐渐深入到机械领域中，随着机械领域的不断复杂化，专家系统也可以利用更灵活、更透明的推理方式，处理不确定的知识点，拓宽机械领域的应用。

2.2人工神经网络。顾名思义，人工神经网络就是模拟人类的神经网络系统，通过各部分的神经配合将一系列数据进行输入和输出。在人工神经网络中，机械的输入和输出都需要标准化的量，输出值是输入值的非线性函数，其量子可以通过各神经元的权重进行调整和改变。通过获取某一部分的权重比来达到期望的输出值，神经网络拥有强大的数值计算方法，且可以通过已知的数据和模式样本来映射学习者和获得者之间的关系，这一过程实际上是对人类思维的再模拟。由于神经网络具有超强的容错性和原则性。因此，其可以在系统内进行自适应、自学习、处理复杂模式等多种功能，还可以利用联想、鲁棒、推测等检测庞大机器系统中的多重故障和突发性故障。人工神经网络还可以作为机械故障诊断的分类器，通过模式识别角度和预测角度，对机械系统的故障进行动态预测。2.3模糊集理论模糊集理论是人工智能的一种特色性功能，由于人的认知世界包含大量的模糊处理信息，也就是说，人类在认知的过程中含有不确定因素。因此，为减少问题的复杂性，人工智能系统通过模糊集理论进行多值逻辑的扩展，利用数学方法和模糊逻辑做到近似推理。可以模拟电路故障诊断方法，通过多值电量测试和信息模糊的融合，确定故障节点和原件故障，并通过最小标准差法进行故障隶属函数的构造。通过函数模型来达到电路增益的模糊信息诊断，利用模糊集理论来测试不同频率下电路的故障信息，精准定位机械系统的故障源头。模糊集理论可以分别利用k故障诊断法和最小标准差法，对测试部位进行初步诊断和模糊变换，最终综合结果得到故障诊断报告。

2.4启发式搜索。众所周知的启发式搜索方法之一是遗传算法，遗传算法可以利用遗传算子使数字串寻找最优的解，这一过程可以进行选择、变异等多种操作，而模拟退火也是启发式搜索的一种方式，通过随机产生的答案进行局部最优解或近似最优解[3]。遗传算法和模拟退火这两种方式都可以通过求解目标函数对问题进行最优化解决，据实践证明，这两种算法具有误差小、速度快的多重优点。因此，在机械系统中，利用启发式搜索方式可以提高机械系统的抗干扰性和伺服性。

3人工智能技术在机械领域中的发展方向

在未来，人工智能技术会随着生物工程和科技的不断更新，获得更多的发展机遇[4]。因此，机械领域可以运用人工智能技术中的超声波传感技术、自动识别技术、激光扫描技术等获得更高质量的发展。首先，在超声波传感技术中，机械可以实现对距离的精准测量和精准控制，以此提高机械设备的智能化程度；其次，在自动识别技术中，机械可以通过人工智能技术的支持，远程接受操作人员的指令，通过判断和推理远程指令，提升机械运行的效率；最后，机械可以利用激光扫描技术，提升数据传输的可靠性和准确性。另外，机械领域还可以抓住人工智能仿生性的特点，研究机器视觉系统，模拟人眼来进行机器的测量和判断，依据像素亮度、颜色等信息将目标转换成信号，控制现场设备的动作。由于机械在运行过程中会受粉尘、实际场地的影响，因此传输数据的准确性有待考量，而人工智能的加入，可以帮助机械在特定的时间内选择特定的测量方法，保证数据的精准性。人工智能技术在现阶段已经成为一种趋势，机械领域需要正视这一机遇，通过深入研究其在机械领域中的应用和技术发展，在机械制造、机电工程方面取得技术性的突破，提高机械制造企业的市场竞争力，让人工智能和机械技术有效融合，打造智能化的科技产品。

4结束语

综上所述，人工智能技术在机械领域中的应用非常广泛。在未来，仍然需要不断开发和利用人工智能技术，通过研发模糊逻辑、神经系统、专家系统等技术优势，促进机械行业实现现代化、智能化发展。

参考文献：

[1]赵从佳.人工智能技术在机械电子工程领域的应用[J].精品，2019（8）：225.

[2]高哲霞.关于人工智能技术在机械电子工程领域的应用探讨[J].电子乐园，2019（4）：5.

[3]谢彬明，杨荣强.人工智能在机械自动化方面的应用与研究[J].南方农机，2019，50（4）：153.

[4]潘云峰，胡浪飞.人工智能技术在机械电子工程领域的应用研究[J].科技资讯，2020，18（5）：24+26.

作者:文学福 宋小峰 单位:湖南应用技术学院