摘要：人工智能(Artificial Intelligence，簡稱AI)是一門研究如何構(gòu)造智能機器或智能系統(tǒng)，使它能模擬、延伸、擴展人類智能的學科。智能技術(shù)是當前新技術(shù)、新產(chǎn)品、新產(chǎn)業(yè)的重要發(fā)展方向、開發(fā)策略和顯著標志，尤其它在解決遠程控制、故障診斷、非線性等問題上的優(yōu)勢，給機械電子工程的發(fā)展指明了方向。本文對人工智能在機械電子工程中的應(yīng)用進行了研究，分析機械電子工程中人工智能技術(shù)的運用。

　　關(guān)鍵詞：人工智能;機械電子工程;故障診斷

　　1 人工智能的定義

　　“人工智能”(Artificial Intelligence)簡稱AI它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學。人們認為“人工智能”是計算機科學技術(shù)的前沿科技領(lǐng)域。因此，“人工智能”與計算機軟件有密切的關(guān)系。人工智能是“類人”機器人所需要的算法和技術(shù)，也就是說我們研究的主題是高級智能的本質(zhì)，而不是其外在表現(xiàn)和輔助部件。一方面，各種人工智能應(yīng)用系統(tǒng)都要用計算機軟件去實現(xiàn)，另一方面，許多聰明的計算機軟件也應(yīng)用了人工智能的理論方法和技術(shù)。例如，專家系統(tǒng)軟件，機器博奕軟件等。但是，“人工智能”不等于“軟件”，除了軟件以外，還有硬件及其他自動化的通信設(shè)備。人工智能是從思維、感知、行為三層次和機器智能、智能機器兩方面研究模擬、延伸與擴展人的智能的理論、方法、技術(shù)及其應(yīng)用的技術(shù)學科。

　　2 人工智能在機械電子工程中的應(yīng)用

　　在許多工程系統(tǒng)中，往往由于內(nèi)部結(jié)構(gòu)復雜，存在著對加工過程控制及故障診斷等方面的困難，一般的PID 等典型控制方法雖然能解決一些問題，但在一些場合已不能滿足生產(chǎn)的要求，當前，典型的機電一體化產(chǎn)品——數(shù)控機床、交流伺服驅(qū)動裝置等正在向數(shù)字化、小型化、高精度等方向發(fā)展，為監(jiān)控帶來新的挑戰(zhàn)，由于模糊神經(jīng)網(wǎng)絡(luò)控制不依賴控制對象和數(shù)學模型，具有較強的魯棒性，是一種非線性的控制方法，在解決此類問題中有很好的優(yōu)勢。而專家系統(tǒng)主要用于復雜的機械系統(tǒng)，能夠克服基于模型的故障診斷方法對模型的過分依賴性。

　　2.1人工智能為機械工程設(shè)計提供精細的制造工藝。在機械生產(chǎn)制造過程中，需要為工廠中所有的裝配機器供應(yīng)零件。目標可能由監(jiān)控者提供，也可能由系統(tǒng)對當時狀態(tài)做出評估而產(chǎn)生。智能系統(tǒng)怎樣推斷出適當?shù)哪繕耍缓髽?gòu)造試圖達到目標的動作序列，這個過程通常稱為規(guī)劃(planning)，它是自動問題求解的特例，是人工智能研究的重要子領(lǐng)域。此外，計算機集成加工系統(tǒng)(CIMS)和柔性加工系統(tǒng)(FMS)在近年來獲得迅速發(fā)展。在一個復雜的加工過程中，不同條件下的多種操作是必要的。環(huán)境的不確定性以及系統(tǒng)軟硬件的復雜性，向當代工程師們設(shè)計和實現(xiàn)有效的集成控制系統(tǒng)提出了挑戰(zhàn)。為了把現(xiàn)有的Petri網(wǎng)技術(shù)用于現(xiàn)代加工系統(tǒng)，需要開發(fā)一種新技術(shù)，把機器智能技術(shù)和Petri網(wǎng)理論以及智能離散事件控制器連接起來。

　　2.2人工智能為機械電子工程系統(tǒng)提供良好的故障診斷方法。對機械設(shè)備進行故障診斷主要是通過對設(shè)備敏感部位的信號利用傳感器進行數(shù)據(jù)采集和特征提取，根據(jù)不同機械部件在不同時間和狀態(tài)下具有不同的特征，來判斷是否工作正常。它包含兩方面的內(nèi)容，即對系統(tǒng)運行狀態(tài)進行監(jiān)測和發(fā)現(xiàn)異常情況后對故障進行分析、診斷。在系統(tǒng)運行過程中，若某一時刻系統(tǒng)發(fā)生故障，領(lǐng)域?qū)＜铱梢詰{借視覺、聽覺、嗅覺、觸覺或測量設(shè)備得到一些客觀數(shù)據(jù)，并根據(jù)對系統(tǒng)結(jié)構(gòu)和系統(tǒng)故障歷史的深刻了解很快做出判斷，確定故障的原因和部位。對于較為復雜的系統(tǒng)，這種基于專家系統(tǒng)的故障診斷方法尤為有效。

　　2.3人工智能為機械電子工程領(lǐng)域創(chuàng)造完整的的人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是模擬的生物激勵系統(tǒng)，將一系列輸入通過神經(jīng)網(wǎng)絡(luò)產(chǎn)生輸出。這里輸出、輸入都是標準化的量，輸出是輸入的非線性函數(shù)，其值可由連接各神經(jīng)元的權(quán)重改變，以獲得期望的輸出值，即所謂的訓練過程。基于數(shù)值計算方法的神經(jīng)網(wǎng)絡(luò)，將已有數(shù)據(jù)和已知系統(tǒng)模式作樣本，通過學習獲得兩者的映射關(guān)系，實現(xiàn)了對人類經(jīng)驗思維的模擬。由于神經(jīng)網(wǎng)絡(luò)具有原則上容錯、結(jié)構(gòu)拓撲魯棒、聯(lián)想、推測、記憶、自適應(yīng)、自學習、并行和處理復雜模式的功能，使其在工程實際存在著大量的多故障、多過程、突發(fā)性故障、龐大復雜機器和系統(tǒng)的監(jiān)測及診斷中發(fā)揮著較大作用。在機械系統(tǒng)的應(yīng)用方式有：從模式識別角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為分類器進行故障診斷;從預測角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為動態(tài)預測模型進行故障預測;利用神經(jīng)網(wǎng)絡(luò)極強的非線性動態(tài)跟蹤能力進行基于結(jié)構(gòu)映射的故障診斷;從知識處理角度建立基于神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)等。目前，為提高神經(jīng)網(wǎng)絡(luò)在實用中的學習和診斷性能，主要從神經(jīng)網(wǎng)絡(luò)模型本身改進和模塊化模型診斷策略兩方面開展研究;同時，與模糊邏輯的結(jié)合研究也是一個研究熱點。

　　3 結(jié)語

　　人工智能發(fā)展根據(jù)人工智能、生產(chǎn)力、生產(chǎn)關(guān)系、道德、文化的發(fā)展狀況適當限制人工智能進入某些領(lǐng)域。在不影響人工智能發(fā)展的前提下應(yīng)禁止人工智能進入那些即使人工智能進入對人類的生存能力也無多大影響的領(lǐng)域，目前，智能技術(shù)已廣泛應(yīng)用于機械電子工程的各個方面，隨著計算機網(wǎng)絡(luò)尤其是Internet的發(fā)展，為人工智能注入了新的內(nèi)容，加上多媒體技術(shù)、生物計算技術(shù)、分布式人工智能和知識發(fā)現(xiàn)等計算機技術(shù)的興起，使得人工智能更有效的應(yīng)用于機械電子工程及其它領(lǐng)域。面對日益激烈的機械行業(yè)的競爭，研發(fā)基于神經(jīng)網(wǎng)絡(luò)、模糊邏輯、專家系統(tǒng)等的混合智能設(shè)計、控制、監(jiān)測、診斷系統(tǒng)將成為又一熱點，具有廣闊的應(yīng)用前景。

　　參考文獻：

　　[1]Thomas Dean，James Allen，Yiannis Aloimonos. Artificial IntelligenceTheory and Practice.顧國昌等譯.人工智能- 理論與實踐[M].北京：電子工業(yè)出版社，2004

　　[2]王文杰，葉世偉.人工智能原理與應(yīng)用[M].北京：人民郵電出版社.2004

　　[3]李美華，韓大明，陸懷民.人工智能在機械故障診斷中的應(yīng)用[J].森林工程.2006，22(2)：23- 24

　　[4]時圣革，常文兵等.故障診斷專家系統(tǒng)及發(fā)展趨勢.機械工程師.2006，(11)：26- 28

　　[5]蔡自興，徐光祐.人工智能及其應(yīng)用[M]：第三版. 北京：清華大學出版社.2004

　　[6]顧平，李良榮等.遺傳算法的人工智能在交流伺服中的設(shè)計.貴州大學學報.2006，23(1)：54- 58

　　作者：徐志洋

　　推薦閱讀：容易錄用機械儀表核心期刊