摘要：当前,我国科学技术取得了突破性进展,机械电子工程在各行各业被普遍应用。传统的机械电子工程存在模块化程度不足、处理效率低以及稳定性差等缺陷。将目前热门的人工智能引入机械电子工程的实际应用,能很好地弥补以上缺陷,使生产效益倍增。基于此,文章就机械电子工程与人工智能的关系进行了研究,以期为机械电子工程智能化发展奠定基础。
关键词：机械电子工程; 人工智能; 关系;
目前机械电子工程的智能化程度不高,既无法消除自身的弊端,又阻碍了科技生产力的进步。智能化的机械电子工程优势突出,在一定程度上提高了生产效率,压低了生产成本,能很好地适应经济社会的发展。随着各学科的不断拓展延伸及交叉融合,推进机械电子工程的智能化成为大势所趋。
1 机械电子工程的发展
一般来说,机械电子工程的发展可划分为三个重要的历史阶段,机械电子工程发展历程图如图1所示。
1)手工加工阶段。
在这一阶段,不仅难以真正实现生产效率的提高,而且带来了不必要的生产成本,不同劳动人员的操作水平和操作步骤有一定的区别,难以保障产品的质量和稳定性。
2)流水线生产阶段。
这一阶段机器的操作模式更为僵化,灵活性大幅度降低,不利于企业生产技术的革新和发展,导致标准零件的生产不能满足人们日益丰富的零件需求。
3)产业化发展阶段。
机械电子工程制造技术是机械制造工艺新时期变革的产物,在产业化发展阶段,效率得到提升的同时,更加注重质量与适应能力的提高,这也逐渐促进了机械电子工程中人工智能的融入,使机械电子工程向着智能化、信息化和现代化的方向发展。
2 人工智能的发展历程
人工智能的发展历程可分为四个时期,其发展历程图如图2所示。
图1 机械电子工程发展历程图
图2 人工智能发展历程图
人工智能历经以上四个阶段的变革,在机械电子工程领域的运用主要涉及神经网络与模糊推理两种技术,且都有了长足的发展。神经网络可构成逻辑树,完成类似于点对点方式的数据处理操作,并对设备的输入和输出进行精度更高、更深入的数据分析;模糊推理则通过模拟人脑功能完成语言信息的处理。近几年,二者逐步结合,为提高机械电子工程系统的信息处理效率奠定了基础。
3 机械电子工程与人工智能的关系
在实际操作过程中,机械电子工程系统十分复杂,并非简单的易于表达的线性系统。而较为精确的数学表达方法在表达非线性过程中存在求解困难的问题,只能对基本的简单系统进行分析和求解,人工智能技术则可以很好地解决这个问题。
3.1 人工智能促进机械电子工程的模块化
机械电子工程已渗入现代社会的各行各业,其应具备多元化功能,以满足各行业的需要,为此,要与时俱进,不断往模块化方向发展。人工智能信息的综合性处理能力较强,可为机械电子工程构建模型推理系统提供有效帮助,不断推动其模块化进程。人工智能领域的神经网络系统可进行拟人化操作,而且人工智能相对人脑而言计算能力更强,能同时进行多类大量数据的处理分析,找到最优决策,促进机械电子工程的模块化。
3.2 人工智能可以提高机械电子工程的处理效率
在处理效率上,人工智能比机械电子工程更有优越性,人工智能的处理方法正逐步代替传统机械电子工程惯用的数学解析方法。人工智能可以运用模糊推理及神经网络构建相应的系统模型,在信息的存储上,模糊推理以规则方式为主,神经网络则以分布式为主,二者结合建立的模糊神经网络系统模型能极大地提高处理效率,方便机械电子工程信息的处理与传递。
3.3 人工智能能增强机械电子工程的稳定性
传统意义上的机械电子工程在面对一些复杂任务时,往往需要处理很大的数据量,而所使用的方法很难做到精确地控制每个电子系统,庞大的数据解析工程严重降低了机械电子工程的稳定性。人工智能在机械电子工程中的运用能合理地弥补稳定性差的缺陷,自发地构建处理复杂任务的模型,适时调整模型中的各项参数,以达到对突发状况及复杂任务的精准控制,并随时检测与诊断系统状态,增强机械电子工程的稳定性。
3.4 机械电子工程可以促进人工智能的进步
以往的人工智能主要集中于模糊推理和神经网络等方面理论的研究,构建的模型趋于理想化,不适用于解决实际问题。在机械电子工程中运用人工智能后,人工智能的相关技术更加人性化,构建的模型更符合实际应用需求。由此可见,机械电子工程可以促进人工智能的进步。
4 人工智能技术在机械电子工程中的实际应用
文章以已有的设备故障诊断系统为例进行分析。在机械电子工程的实际应用中,首先要对传统意义上的人工智能系统设计原理进行分析,对人工智能系统的组成和应用方式进行探讨,然后进一步与先进的人工智能实现技术手段融合。在此基础上配合已有的机械电子工程制造设备故障案例数据,构建以专家系统为基本结构,并能在机械电子工程制造设备正常工作过程中对设备信息采集系统获取的数据进行快速分析挖掘的设备故障诊断系统。机械电子工程面对的是较为复杂的非线性动力学数学模型,人工智能技术的使用极大地提升了系统对数据的处理效率,并且能更快速及时地根据这个专家系统诊断的故障种类和故障部件对故障进行排查和检修。系统结构示意图如图3所示。
图3 系统结构示意图
系统具体工作时,首先要对机械电子工程设备故障维修中的经验案例进行统计和收集,再在数据处理阶段对其数据的潜在信息进行分析。通过计算得出不同的案例故障数据在神经网络判断中所占的权重,以便后续对不同类型的故障进行故障发生可能性的计算,并向用户展示诊断结果。
在整个系统的运营过程中,用户通过系统的交互界面输入得到的设备运营数据。系统就能通过这样的故障诊断系统对设备的运行状况进行实时的检测,并判断故障的发生状况,如果故障发生,则输出机械电子工程设备的具体故障位置和故障类型。
5 结束语
在实际应用过程中,人工智能技术与机械电子工程的结合能弥补两者各自的不足。把人工智能技术应用到机械电子工程的系统数据处理中,通过神经网络设计相应的模型,进一步简化机械电子工程复杂系统运算和分析的过程,能提升机械电子工程的制造速度和产品生产的灵活性以及可调整性,进而提高生产效率,机械电子工程也使人工智能更趋于实际。
参考文献
[1]吴昊年,杨文.刍议机械电子工程与人工智能之间的关系[J].电子技术与软件工程,2015(15):130.
[2]杨智博.机械电子工程与人工智能技术的结合性管窥[J].时代农机,2020,47(3):28-29+31.
[3]李宜洋.人工智能在机械电子工程中的应用体会[J].电子制作,2017(11):33-34.
[4]袁奇.人工智能及机械电子工程技术关系的研究[J].南方农机,2020,51(4):241.
[5]黄伟鹏.人工智能技术在机械电子工程领域的应用[J].电子技术与软件工程,2018(3):248.
