機械電子工程與人工智能的相關性研究

廖津民

摘 要：機械電子工程領域是我國傳統制造業發展的基礎學科，也是影響我國經濟發展的關鍵產業，關系著人們的生產生活方式。近些年來，互聯網技術的爆發式發展，以信息技術為依托的人工智能技術逐漸開始影響各行各業，因此，將人工智能技術引入到機械電子工程領域相關產業，以解決傳統機械領域的疑難問題為目的，以推動學科之間的協同發展為手段，本文通過對機械電子工程領域的發展特點及發展現狀進行研究與總結，并對當前人工智能技術的發展趨勢和發展特點進行歸納，總結出當前人工智能技術在機械電子工程領域的相關應用，對兩門學科之間的相關性進行研究與分析，總結出學科協同發展的方向與趨勢。

關鍵詞：機械電子工程;人工智能;相關性

引言：傳統的制造業依賴于機械加工，車間裝配等方式來完成生產過程。隨著電子工程技術的發展，提出了機械電子工程學科來完成初級的自動化生產。而人工智能技術是新時代的產物，為傳統的機械工程領域帶來了新的發展方向。

一、機械電子工程特點及發展現狀

機械電子工程技術是以機械專業為基礎，將電子工程相關學科、控制相關技術相融合而構建的學科，是一門綜合性學科，涵蓋了多個學科的基礎知識。與傳統的機械設計相比較，機械電子工程學科更注重機械和電子兩門學科的融合，以及通過信息化的方式實現信息上的交互，都是基于智能化的處理。傳統的機械電子元器件，構成較為簡單，內部涉及的工藝與控制算法較為簡單，新時代的機械電子工程技術涵蓋了復雜了控制算法和運算方法，以精細化、高品質、高效率地實現運動為目標，以提高運算性能、減少運行時間為要求，因此，機械電子工程領域逐漸走向智能化的發展方式。

隨著科學技術的不斷向前發展，推動了新一代機械電子工程技術的向前發展。機械電子工程的發展可以根據發展狀態劃分為以下幾個階段：初級階段，該階段主要依賴于人類手工完成生產工作，人民的勞動水平代表著機械工業的整體運行效率;第二階段，伴隨著勞動力的不斷解放，工業革命推動了機械工程領域的改革，進一步提升了機械生產力，但此階段生產力水平的發展依然落后于社會時代發展的需求;第三階段，機械電子轉型階段，在該階段，機械電子工程技術的發展顛覆了傳統機械理念，科技的進步促進了機械電子工程以更加靈活、方便的生產方式發展，工作效率和生產質量得到了快速發展。

二、人工智能技術特點及發展

（一）人工智能技術的特點

人工智能技術新時代提出的計算機學科的一個分支，包含了體現人的意識、思維的智能化的概念，因此，美國斯坦福大學人工智能研究中心的學者溫斯頓教授提出，人工智能學科是一門自主學習，表示一種如何表達知識、如何獲取知識、如何運用知識的學科，即是一門通過計算機相關算法來研究人類相關運動、思考的規律的學科，打造出具有類人特性的、智能化的系統，通過軟件與硬件相結合的方式來模擬人類思考方式和智能行為。

（二）人工智能技術的發展現狀

人工智能技術的發揮從提出到發展實踐可以概括為以下幾個階段，第一階段，萌芽初期，該階段來源于17世紀的馮諾依曼計算機的首次提出，引起了各個國家的學者對于計算機學科的研究與討論，人類開始進入信息化的時代，此階段也是人工智能發展的初期階段，該階段的發展特點是相關計算機理論的提出和相關技術的探索，為后期人工智能技術的發展奠定了基礎。第二階段是初級階段，該階段是基于計算機技術的不斷發展，人們首次提出了人工智能這門學科，該階段人工智能技術的發展主要基于相關理論的證明和博弈上，該時期的研究成果包括LISP語言等，相較于第一階段，該階段，人工智能的發展引導越來越多的學者提出創造出一臺具備人的智能決算活動的設備。第三階段，快速發展階段，第三發展階段與第二發展階段之間，人工智能技術的發展經歷了一段瓶頸期，人們受限于軟、硬件條件的發展，人們只能采用簡單的映射手段來進行推進，無法推動邏輯思維方向的發展。該階段，諸多學者對人工智能結合各個領域的研究，人工智能技術逐漸滲透到各個學科、各個領域，將人工智能技術推向應用。第四階段：穩步發展階段，互聯網技術的飛速發展在該階段近一步促進了人工智能技術的發展，將人工智能技術逐漸推向分布式、多主體的趨勢，人工智能技術在醫療圖像處理、大數據分析、智能預測等方面表現出運算的高效性和實用性，能夠在不確定環降下對未知環境進行感知與判斷的智能化算法，使得人們不斷開始了智能大腦、智慧交通、智能醫療、自動駕駛等多方向的研討。

三、人工智能技術在機械電子工程領域的應用

伴隨著網絡通訊技術的飛速發展與廣泛普及，標志著人們已經步入信息化的時代，而人工智能技術是構建信息化社會的技術手段，其中人工智能領域相關的數學模型的提取與建立，設備故障的自動診斷等技術在實際應用中具有廣泛的研究價值與商業價值。在機械電子工程領域內應用人工智能技術，可通過構建故障診斷系統，該系統主要由機械故障案例庫、故障診斷規則庫、知識處理以及專家系統人機界面等組成，系統結構簡潔且穩定性良好，診斷系統整體結構。

電子信息技術的發展也推進了機械工業領域的有效發展，同時也面臨相應的問題，例如如何穩定的保證機械電子設備建立輸入與輸出的相關性是一個較為困難的問題。在傳統機械領域中，采用數學推導等方式來計算輸出與輸入變量之間的相關關系，需要以此來建立規則庫和學習兩種方式實現精準計算。但是，傳統的計算方法局限于線性的、定常的相關問題，對于多維度、復雜、不確定性的系統則無法獲取精確的解，因此，面對此種問題，依靠基于不確定關系的運行程序才可以實現對輸入與輸出關系的模擬。在新時代中，各個領域運行所依賴的系統構成是復雜、多元的，需要同時接收來自不同信號源、不同載體、不同形式的數據信息，而系統也面臨著同時處理紛雜數據的問題。

近些來，伴隨著深度學習、人臉識別技術、自然語言處理、云計算、腦機接口等技術的飛速發展使得人工智能技術逐漸滲入到人們的日常生活與學習中。神經網絡技術是通過模擬人體內神經元的方式來實現對輸入信號的分析，通過對實驗數據的不斷訓練來獲取逐漸精確的預測值，該方式應用較多的場合是對圖片，該技術的特點是訓練數據量足夠充足，選取合適的參數即可達到近似98%的準確率。模糊推理系統是采用一種模擬近似人腦功能來實現對信號的解析。以上兩種技術都可以實現對機械電子工程系統的輸入與輸出進行計算。在實際應用過程中，主要有幾個方面的不同，（1）神經網絡內部計算方式是一種黑匣子的方式，只能通過修飾參數來實現輸出結果的精確性，而模糊推理系統具有明確的理論依據性。（2）系統輸入輸出精度上，神經網絡系統的精度較高，而模糊推理技術的系統精度相比較低一些;（3）神經網絡采用分布式的方式來對信息進行存儲，模糊推理系統采用規則式的方式實現對信息的存儲。

四、總結與展望

在現代機械電子工程發展的嶄新階段，人們致力于將綜合性較強的人工智能系統引入到研究與實踐中，時代的進步帶來了學科之間的相互促進與發展，只有不斷的實現學科之間的結合與促進，才能夠充分的發揮學科各自的優勢，解決學科內部本身的發展制約，綜上，人工智能技術在機械電子工程領域的發展，在解放生產力，提高生產效率的同時，也推動了機械工業整體上的智能化水平。

參考文獻：

[1]穆柄廷.機械電子工程與人工智能的相關性研究[J].湖北農機化，2020（09）：129-130.

[2]余海超.機械電子工程與人工智能的相關性研究[J].科技風，2020（03）：159.