王淮

摘要：人工智能在機械加工裝備中的應(yīng)用日益寬泛。在神經(jīng)網(wǎng)絡(luò)、人機交互、信息采集、建模與決策等方法的支持和依托下，能夠較好地實現(xiàn)人工智能技術(shù)與機械加工裝備的深度融合。

關(guān)鍵詞：人工智能、機械加工、裝備、應(yīng)用

1人工智能重點應(yīng)用方向分析

1.1人工智能應(yīng)用背景

人工智能，又稱機器學(xué)習(xí)，是通過對數(shù)據(jù)進行學(xué)習(xí)分析，從而訓(xùn)練出數(shù)據(jù)處理模型的一類技術(shù)。機器學(xué)習(xí)可分為監(jiān)督式學(xué)習(xí)和無監(jiān)督式學(xué)習(xí)兩大類。監(jiān)督式學(xué)習(xí)通過給定事先標(biāo)記過的訓(xùn)練數(shù)據(jù)，通過訓(xùn)練，可對離散數(shù)據(jù)進行分類分析和對連續(xù)數(shù)據(jù)進行回歸分析。而無監(jiān)督式學(xué)習(xí)通過事先給定的是沒有被標(biāo)記過的訓(xùn)練數(shù)據(jù)，可對數(shù)據(jù)進行的是分群分析。與傳統(tǒng)的數(shù)據(jù)處理方式不同，機器學(xué)習(xí)不需要人為地提前設(shè)計數(shù)據(jù)處理的模型，而是通過對實際數(shù)據(jù)的學(xué)習(xí)得出。因此機器學(xué)習(xí)可以靈活地應(yīng)對復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，如機械制造中所需要考慮的眾多參數(shù)及不確定因素。人工智能技術(shù)在機加工上的應(yīng)用可以分為五個步驟，即問題確定，數(shù)據(jù)采集，模型訓(xùn)練，模型評估，結(jié)果分析。隨著工業(yè)4.0的進行，人工智能技術(shù)在機械制造中的應(yīng)用也日益突顯，有效地促進了工業(yè)發(fā)展。

1.2搜索技術(shù)

搜索技術(shù)是一種使用搜索方法查找問題解決方案的技術(shù)。這通常表現(xiàn)為設(shè)計一個系統(tǒng)或為某一特定目標(biāo)尋找適當(dāng)或最佳的解決辦法。研究技術(shù)是人工智能的基本技術(shù)之一，分為兩類：盲目研究，通常只適用于解決相對簡單的問題;另一種是啟發(fā)式搜索，也稱為信息搜索，它使用問題的啟發(fā)式信息來指導(dǎo)搜索，從而減少搜索的范圍和復(fù)雜性，從而提高搜索效率并找到最佳解決方案。

1.3模式識別

模式識別是人類理解世界的基本智慧。在人工智能研究中，模型識別主要指使用數(shù)學(xué)模型和計算機手段分析、描述、識別、分類、解釋和處理文本、符號、聲音、圖像及其矢量等信息的過程。作為人工智能的一個重要組成部分，模型識別發(fā)展最快、應(yīng)用最廣泛的領(lǐng)域是深入學(xué)習(xí)和大量數(shù)據(jù)。通過深入學(xué)習(xí)和大量數(shù)據(jù)，模式識別的性能可以大大提高。

1.4協(xié)同演化算法

協(xié)同進化算法借鑒了食物鏈和生物世界的共生關(guān)系，以物種進化過程為視覺模擬對象進行自適應(yīng)優(yōu)化研究，對于普通遺傳算法的不足之處，生物整體優(yōu)化算法是研究算法創(chuàng)新的新熱點協(xié)作演化算法遵循高等生存演化規(guī)律，為通過劃分策略解決復(fù)雜的大規(guī)模非線性問題提供了獨特的思路和方法。近年來，它已在多目標(biāo)功能優(yōu)化、圖像分割研究、神經(jīng)網(wǎng)絡(luò)和技術(shù)設(shè)計等許多領(lǐng)域得到成功應(yīng)用。然而，建立有效的自適應(yīng)計算機系統(tǒng)和生物研究模式仍然面臨許多挑戰(zhàn)和困難。

2人工智能在機械加工裝備中的應(yīng)用分析

在智能機床加工裝備制造過程中，可以充分引入智能化技術(shù)、網(wǎng)絡(luò)技術(shù)和運動控制技術(shù)，設(shè)計和制造具有智能編程、智能診斷和智能補償?shù)臄?shù)控機床裝備，構(gòu)造出智能機床加工裝備制造生態(tài)系統(tǒng)，實現(xiàn)智能機床的分布式、分級、分享制造和生產(chǎn)應(yīng)用。人工智能技術(shù)能夠?qū)?shù)控機床裝備的生產(chǎn)過程進行及時糾錯、檢測和數(shù)據(jù)反饋，快速、高效地評估數(shù)控機床加工零件的運行狀態(tài)，對錯位的零件進行及時復(fù)位，并通過實時修改工況參數(shù)的方式，提高機床零件加工的精度。

2.1數(shù)據(jù)采集技術(shù)在數(shù)控機床裝備中的應(yīng)用FOCAS

協(xié)議是一種基于TCP/IP協(xié)議的應(yīng)用工具，能夠利用讀寫數(shù)控系統(tǒng)控制伺進給軸和主軸運動相關(guān)數(shù)據(jù)，了解機械裝備的運行工況，包括刀具偏置、零偏、軸坐標(biāo)值、用戶宏程序變量、螺距誤差補償數(shù)據(jù)等，實現(xiàn)對數(shù)控機床零件加工過程的讀寫控制和操作。

2.2海量工業(yè)過程數(shù)據(jù)處理技術(shù)在數(shù)控機床裝備中

的應(yīng)用在數(shù)控機床裝備的運行過程中。數(shù)據(jù)采集的頻率較高。在這些海量數(shù)據(jù)的采集過程中，需要進行壓縮處理。為此，可以采用常見的數(shù)據(jù)壓縮算法，如：分段線性插值方法、矢量量化方法、信號變換方法等，按照一定的規(guī)則重新排列組織工業(yè)數(shù)據(jù)，剔除冗余無用的信息數(shù)據(jù)，對其進行轉(zhuǎn)換、解壓縮、重構(gòu)等操作。并在數(shù)據(jù)壓縮算法的支持下，通過壓縮比描述數(shù)據(jù)壓縮后的狀態(tài)，以此對比解壓恢復(fù)數(shù)據(jù)與實際數(shù)據(jù)的相似程度。如：旋轉(zhuǎn)門算法就是利用線性線段擬合和容差的方式，對數(shù)控機床加工過程數(shù)據(jù)進行壓縮的算法。通過對容差的動態(tài)調(diào)整和多模型尋優(yōu)的方式，獲悉數(shù)控機床加工過程誤差最大的點，從而更好地減少壓縮誤差，提高數(shù)據(jù)壓縮的精準(zhǔn)性。

2.3數(shù)字可視化監(jiān)控技術(shù)在數(shù)控機床裝備中的應(yīng)

用在數(shù)控機床裝備的人工智能技術(shù)應(yīng)用之中，數(shù)字可視化監(jiān)控技術(shù)是一種普遍使用的技術(shù)。在仿真學(xué)科和計算機圖形學(xué)的支持下，數(shù)字可視化監(jiān)控由二維進入到三維。在Unity3D技術(shù)的支持下，可以構(gòu)建Unity3D平臺的數(shù)字可視化監(jiān)控系統(tǒng)，方便、直觀地對數(shù)控機床加工過程進行監(jiān)控，并進行故障聲光報警，實現(xiàn)對數(shù)控機床的遠(yuǎn)程智能化控制。以FANUC數(shù)控機床為例，可以采用基于FOCAS協(xié)議的連接方式，作業(yè)人員能夠通過PC或手機等終端設(shè)備進行遠(yuǎn)程監(jiān)控，實時采集數(shù)控機床裝備生產(chǎn)運行過程的數(shù)據(jù)，并對數(shù)控機床進行遠(yuǎn)程智能化控制，及時把握數(shù)控機床的運行狀態(tài)。

在數(shù)字可視化監(jiān)控系統(tǒng)之中，可以對實時采集的機床真實加工數(shù)據(jù)進行仿真模擬，以此驅(qū)動數(shù)控機床模型和零件模型的運行，并對其運行過程實施可視化監(jiān)控。同時，可以通過驅(qū)動桁架模型實時采集相關(guān)數(shù)據(jù)，模擬數(shù)控機床加工實際場景中的自動上下料活動，并通過對數(shù)據(jù)的判定做出是否需要對部件進行翻轉(zhuǎn)的決策，從而實時可視化地獲悉桁架運行狀態(tài)。

2.4在機械電子及其他工業(yè)生產(chǎn)中的應(yīng)用

物質(zhì)和信息是人類社會發(fā)展的最根源的兩大因素，在人類社會初期，由于生產(chǎn)力水平低，人類社會以物質(zhì)為首要基礎(chǔ)，僅靠“結(jié)繩記事”的方法傳遞信息，但隨著社會生產(chǎn)力的不斷發(fā)展，信息的重要性不斷被人們發(fā)現(xiàn)，文字成為傳遞信息最理想的途徑，最近五十年間，網(wǎng)絡(luò)的普及給信息傳遞帶來了新的生命，人類進入到了信息社會，而信息社會的發(fā)展離不開人工智能技術(shù)的發(fā)展。不論是模型的建立與控制，還是故障診斷，人工智能在機械電子工程當(dāng)中都起著處理信息的作用。

機械電子系統(tǒng)缺乏穩(wěn)定性，往往在生產(chǎn)過程之中受到客觀條件的影響，輸入的信息類型不公多且而且體量大，從總體上講導(dǎo)致了它難以準(zhǔn)確地描述機械電子系統(tǒng)的輸入和輸出系統(tǒng)之間相互對應(yīng)的關(guān)系，傳統(tǒng)方式不僅要求建立起規(guī)則庫、學(xué)習(xí)形成知識和數(shù)學(xué)公式等，而且三種方式也是優(yōu)缺點分明，比如數(shù)學(xué)公式，它具有描述嚴(yán)謹(jǐn)、準(zhǔn)確的特征，難而卻難以描述復(fù)雜狀況中的輸入以及輸出信息，比如用傳感器進行傳遞不同類型的輸入信息，而且信息通常是具有模糊性，在傳統(tǒng)的方式之下則要求建立起各種各樣的分析系統(tǒng)，并且對于信息類型進一步區(qū)分和加工。在此時，還要求考慮到利用好人工智能技術(shù)，不斷地對這些信息進行高效識別，在人工智能領(lǐng)域，對于人工神經(jīng)網(wǎng)絡(luò)、模糊推理系統(tǒng)能夠處理數(shù)量龐大的模糊信息。

結(jié)束語：大規(guī)模機械制造過程復(fù)雜，需要確定的機加工參數(shù)眾多，機加工成品質(zhì)量也會受其它一些不確定因素的影響。因為傳統(tǒng)加工是依賴于人工的機加工參數(shù)設(shè)定及成品質(zhì)量把控，不僅消耗大量時間，而且受從業(yè)者自身素質(zhì)影響較大，所以，人工智能算法在機械制造中的應(yīng)用意義重大。人工智能技術(shù)可以實現(xiàn)機加工工藝流程優(yōu)化，在眾多的工藝參數(shù)中搜索出最優(yōu)的工藝參數(shù)組合;可以實現(xiàn)機加工參數(shù)的智能調(diào)整，對機加工過程中的不確定因素進行分析，及時調(diào)整加工參數(shù);可以預(yù)測刀具磨損情況，把控機加工的成品質(zhì)量;可以實時監(jiān)測機加工過程，保證機加工的安全性。

參考文獻：

[1]戴認(rèn)之.人工智能技術(shù)在工業(yè)設(shè)備和系統(tǒng)智能運營維護的應(yīng)用[J].中國信息化，2020（07）：52-53.

[2]劉朝宇.信息化背景下農(nóng)業(yè)機械裝備需求及結(jié)構(gòu)優(yōu)化分析[J].農(nóng)業(yè)工程技術(shù)，2021，41（12）：49-51.