人工智能在機械加工裝備中的應用探討

王淮

摘要：人工智能在機械加工裝備中的應用日益寬泛。在神經網絡、人機交互、信息采集、建模與決策等方法的支持和依托下，能夠較好地實現人工智能技術與機械加工裝備的深度融合。

關鍵詞：人工智能、機械加工、裝備、應用

1人工智能重點應用方向分析

1.1人工智能應用背景

人工智能，又稱機器學習，是通過對數據進行學習分析，從而訓練出數據處理模型的一類技術。機器學習可分為監督式學習和無監督式學習兩大類。監督式學習通過給定事先標記過的訓練數據，通過訓練，可對離散數據進行分類分析和對連續數據進行回歸分析。而無監督式學習通過事先給定的是沒有被標記過的訓練數據，可對數據進行的是分群分析。與傳統的數據處理方式不同，機器學習不需要人為地提前設計數據處理的模型，而是通過對實際數據的學習得出。因此機器學習可以靈活地應對復雜的數據結構，如機械制造中所需要考慮的眾多參數及不確定因素。人工智能技術在機加工上的應用可以分為五個步驟，即問題確定，數據采集，模型訓練，模型評估，結果分析。隨著工業4.0的進行，人工智能技術在機械制造中的應用也日益突顯，有效地促進了工業發展。

1.2搜索技術

搜索技術是一種使用搜索方法查找問題解決方案的技術。這通常表現為設計一個系統或為某一特定目標尋找適當或最佳的解決辦法。研究技術是人工智能的基本技術之一，分為兩類：盲目研究，通常只適用于解決相對簡單的問題;另一種是啟發式搜索，也稱為信息搜索，它使用問題的啟發式信息來指導搜索，從而減少搜索的范圍和復雜性，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學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，模型識別發展最快、應用最廣泛的領域是深入學習和大量數據。通過深入學習和大量數據，模式識別的性能可以大大提高。

1.4協同演化算法

協同進化算法借鑒了食物鏈和生物世界的共生關系，以物種進化過程為視覺模擬對象進行自適應優化研究，對于普通遺傳算法的不足之處，生物整體優化算法是研究算法創新的新熱點協作演化算法遵循高等生存演化規律，為通過劃分策略解決復雜的大規模非線性問題提供了獨特的思路和方法。近年來，它已在多目標功能優化、圖像分割研究、神經網絡和技術設計等許多領域得到成功應用。然而，建立有效的自適應計算機系統和生物研究模式仍然面臨許多挑戰和困難。

2人工智能在機械加工裝備中的應用分析

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、網絡技術和運動控制技術，設計和制造具有智能編程、智能診斷和智能補償的數控機床裝備，構造出智能機床加工裝備制造生態系統，實現智能機床的分布式、分級、分享制造和生產應用。人工智能技術能夠對數控機床裝備的生產過程進行及時糾錯、檢測和數據反饋，快速、高效地評估數控機床加工零件的運行狀態，對錯位的零件進行及時復位，并通過實時修改工況參數的方式，提高機床零件加工的精度。

2.1數據采集技術在數控機床裝備中的應用FOCAS

協議是一種基于TCP/IP協議的應用工具，能夠利用讀寫數控系統控制伺進給軸和主軸運動相關數據，了解機械裝備的運行工況，包括刀具偏置、零偏、軸坐標值、用戶宏程序變量、螺距誤差補償數據等，實現對數控機床零件加工過程的讀寫控制和操作。

2.2海量工業過程數據處理技術在數控機床裝備中

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

2.3數字可視化監控技術在數控機床裝備中的應

用在數控機床裝備的人工智能技術應用之中，數字可視化監控技術是一種普遍使用的技術。在仿真學科和計算機圖形學的支持下，數字可視化監控由二維進入到三維。在Unity3D技術的支持下，可以構建Unity3D平臺的數字可視化監控系統，方便、直觀地對數控機床加工過程進行監控，并進行故障聲光報警，實現對數控機床的遠程智能化控制。以FANUC數控機床為例，可以采用基于FOCAS協議的連接方式，作業人員能夠通過PC或手機等終端設備進行遠程監控，實時采集數控機床裝備生產運行過程的數據，并對數控機床進行遠程智能化控制，及時把握數控機床的運行狀態。

在數字可視化監控系統之中，可以對實時采集的機床真實加工數據進行仿真模擬，以此驅動數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控。同時，可以通過驅動桁架模型實時采集相關數據，模擬數控機床加工實際場景中的自動上下料活動，并通過對數據的判定做出是否需要對部件進行翻轉的決策，從而實時可視化地獲悉桁架運行狀態。

2.4在機械電子及其他工業生產中的應用

物質和信息是人類社會發展的最根源的兩大因素，在人類社會初期，由于生產力水平低，人類社會以物質為首要基礎，僅靠“結繩記事”的方法傳遞信息，但隨著社會生產力的不斷發展，信息的重要性不斷被人們發現，文字成為傳遞信息最理想的途徑，最近五十年間，網絡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，而信息社會的發展離不開人工智能技術的發展。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中都起著處理信息的作用。

機械電子系統缺乏穩定性，往往在生產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，從總體上講導致了它難以準確地描述機械電子系統的輸入和輸出系統之間相互對應的關系，傳統方式不僅要求建立起規則庫、學習形成知識和數學公式等，而且三種方式也是優缺點分明，比如數學公式，它具有描述嚴謹、準確的特征，難而卻難以描述復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，在傳統的方式之下則要求建立起各種各樣的分析系統，并且對于信息類型進一步區分和加工。在此時，還要求考慮到利用好人工智能技術，不斷地對這些信息進行高效識別，在人工智能領域，對于人工神經網絡、模糊推理系統能夠處理數量龐大的模糊信息。

結束語：大規模機械制造過程復雜，需要確定的機加工參數眾多，機加工成品質量也會受其它一些不確定因素的影響。因為傳統加工是依賴于人工的機加工參數設定及成品質量把控，不僅消耗大量時間，而且受從業者自身素質影響較大，所以，人工智能算法在機械制造中的應用意義重大。人工智能技術可以實現機加工工藝流程優化，在眾多的工藝參數中搜索出最優的工藝參數組合;可以實現機加工參數的智能調整，對機加工過程中的不確定因素進行分析，及時調整加工參數;可以預測刀具磨損情況，把控機加工的成品質量;可以實時監測機加工過程，保證機加工的安全性。

參考文獻：

[1]戴認之.人工智能技術在工業設備和系統智能運營維護的應用[J].中國信息化，2020（07）：52-53.

[2]劉朝宇.信息化背景下農業機械裝備需求及結構優化分析[J].農業工程技術，2021，41（12）：49-51.