人工智能在機械系統(tǒng)中的應用

1、人工智能在機械系統(tǒng)中的應用2013 年 6 月 20 日6人工智能在機械系統(tǒng)中的應用摘要： 人工智能(Artificial Intelligence, 簡稱AI)是一門研究如何構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。智能技術是當前新技術、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，給機械系統(tǒng)的發(fā)展指明了方向。本文描述了一些已經(jīng)應用了智能技術解決機械問題的方法及該技術今后的應用趨勢，并通過應用實例給出具體說明。關鍵詞：人工智能機械系統(tǒng)故障診斷專家系統(tǒng)人工神經(jīng)網(wǎng)絡那何謂人工智能呢?人工智能(Artificial I

2、ntelligence)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、技術及應用系統(tǒng)的一門新的技術科學。人們認為人工智能”是計算機科學技術的前沿科技領域。因此，人工智能”與計算機軟件有密切的關系。人工智能是類人”機器人所需要的算法和技術，也就是說我們研究的主題是高級智能的本質，而不是其外在表現(xiàn)和輔助部件。一方面，各種人工智能應用系統(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用了人工智能的理論方法和技術。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備。人工智能是從思維、感知、 行為三層次和機器

3、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、技術及其應用的技術學科。例如，用計算機打印常用的報表，進行一些常規(guī)白文字處理 ，都是程序化的操作，談不上有智能。但是，用計算機給人看病，進行病理診斷和藥物處方，或者，用計算機給機器看病，進 行故障診斷和維修處理，就需要計算機有人工智能。人工智能學科領域中有一個重要的學科 分支是 專家系統(tǒng)(Expert System), 簡稱代寫論文 ES就是用計算機去模擬、延伸和擴展 專家的智能?；趯＜业闹R和經(jīng)驗，可以求解專業(yè)性問題的、具有人工智能的計算機應用系統(tǒng)。如：醫(yī)療診斷專家系統(tǒng)，故障診斷專家系統(tǒng)等。人工智能在機械系統(tǒng)中具有重大的意 義。

4、、人工智能主要有以下幾個方明的應用：一、識別過程，外界輸入的信息向概念邏輯信息轉譯，將動態(tài)靜態(tài)圖像、聲音、語音、 文字、觸覺、味覺等信息轉化為形式化(大腦中的信息存儲形式)的概念邏輯信息。二、智能運算過程，輸入信息刺激自我學習、信息檢索、邏輯判斷、決策，并產(chǎn)生相應 反應。三、控制過程，將需要輸出的反應轉譯為肢體運動和媒介信息。1人工智能在機械系統(tǒng)中的應用方向機械系統(tǒng)是一個廣義的概念，它是由各個機械基本要素組成的，完成所需的動作、實現(xiàn)機械能的變化、代替人類勞動的系統(tǒng)。 在實用型工程系統(tǒng)中， 人工智能在解決機械工程中的 應用可體現(xiàn)于產(chǎn)品設計、工藝制定、生產(chǎn)管理、故障診斷等方面。1.1 機械設計機械

5、設計實際上是一個模型的綜合和分析的過程，它不僅包括大量的計算、分析、 繪圖等數(shù)值計算型工作；還包括擬定初始方案，選擇最優(yōu)方案，制定合理結構等方案設計工作。目前， 有些企業(yè)已引入 CAD/CAM系統(tǒng)，由于CAD/CAM（統(tǒng)對符號推理工作需要綜合運用多種科學的專門知識和豐富的實踐經(jīng)驗才能解決，這需要 CAD/CAM（統(tǒng)具有智能性，因此， 設計智能化已成為機械設計中一個很熱門的研究課題之一，它把計算機從數(shù)值處理擴展到非數(shù)值處理，包括知識與經(jīng)驗的集成、推理和決策，力圖使機械設計過程自動化，減少人類專家在設計過程中由于個人因素造成的不足。此外， 與傳統(tǒng)設計方法相比，專家系統(tǒng)在機械設計中有著不可比擬的優(yōu)勢

6、，它不僅可以長期穩(wěn)定工作、節(jié)省成本，還可以為專家知識特別是啟發(fā)式知識提供存儲手段和傳授途徑、易于繼承。1.2 機械制造在機械生產(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?，然后構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，向當代工程師們設計和實

7、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)技術用于現(xiàn)代加工系統(tǒng)，需要開發(fā)一種新技術，把機器智能技術和Petri 網(wǎng)理論以及智能離散事件控制器連接起來。1.3 機械電子工程在許多工程系統(tǒng)中，往往由于內部結構復雜，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)

8、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。1.4 機械系統(tǒng)故障診斷對機械設備進行故障診斷主要是通過對設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，領域專家可以憑借視覺、聽覺、嗅覺、觸覺或測量設備得到一些客觀數(shù)據(jù)，并根據(jù)對系統(tǒng)結構和系統(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 人工智能在機械

9、系統(tǒng)中的應用方法應用機械系統(tǒng)的 AI技術傳統(tǒng)上可以分為專家系統(tǒng)（ES）、人工神經(jīng)網(wǎng)絡（ANN）、模糊集理論（FST）和啟發(fā)式搜索（GA）四類。2.1 專家系統(tǒng)(Expert System .ES )專家系統(tǒng)是人工智能的主要分支之一。一個典型的專家系統(tǒng)由四部分組成：知識庫、推理機、知識獲取機制和人機界面。專家系統(tǒng)按其知識表達方式不同，可分為基于規(guī)則和基于框架的專家系統(tǒng)；按其推理方式不同可分為正向推理和逆向推理。在知識表達方面，利用產(chǎn)生式規(guī)則進行知識表達，一方面得有益于現(xiàn)有人工智能語言，另一方面，它的表達合乎人的心理邏輯，便于進行知識獲取，利于人們接受，利用框架進行知識表達得到了越來越多的應用。

10、在診斷推理方面，主要表現(xiàn)在對推理邏輯和推理模型的研究，在人工智能領域，存在著許多推理邏輯，在專家系統(tǒng)中廣泛使用模糊推理邏輯降低系統(tǒng)復雜性，在機械系統(tǒng)故障診斷上能產(chǎn)生很好的效果。專家系統(tǒng)技術的研究和應用正以前所未有的速度在故障診斷、模擬仿真、自動控制、工藝編程、生產(chǎn)規(guī)劃、產(chǎn)品設計等許多機械工程領域不斷發(fā)展。隨著研究工作的不斷深入，一些新的技術方法和先進制造技術正融入機械工程專家系統(tǒng)技術的研究和應用中，不僅使知識表示、 知識庫構建、知識獲取和推理模式等關鍵技術的研究取得了一定成果，還出現(xiàn)了一些集成式的新型專家系統(tǒng)，如神經(jīng)網(wǎng)絡專家系統(tǒng)、模糊專家系統(tǒng)、基于 Internet 的專家系統(tǒng)、CAD專家系統(tǒng)

11、、CAPP專家系統(tǒng)等。他們綜合利用了專家系統(tǒng)啟發(fā)性、透明性、靈活性以及具有處理不確定知識能力的特點，使機械工程專家系統(tǒng)的應用領域不斷拓寬。2.2 人工神經(jīng)網(wǎng)絡(artificial neural network. ANN )人工神經(jīng)網(wǎng)絡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，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系，實現(xiàn)了對人類經(jīng)驗思維的模擬。由于神經(jīng)網(wǎng)絡具有原則上容錯、結構拓撲魯棒、聯(lián)想、推測、記憶、自適應、

12、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)的應用方式有：從模式識別角度應用神經(jīng)網(wǎng)絡作為分類器進行故障診斷；從預測角度應用神經(jīng)網(wǎng)絡作為動態(tài)預測模型進行故障預測； 利用神經(jīng)網(wǎng)絡極強的非線性動態(tài)跟蹤能力進行基于結構映射的故障診斷；從知識處理角度建立基于神經(jīng)網(wǎng)絡的診斷專家系統(tǒng)等。目前， 為提高神經(jīng)網(wǎng)絡在實用中的學習和診斷性能，主要從神經(jīng)網(wǎng)絡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， 與模糊邏輯的結合研究也是一個研究熱點。2.3 模糊集理論(Fuzzy Sets Theory. FSN )

13、人的認知世界包含大量的不確定之時，需要對所獲信息進行一定的模糊化處理，以減少問題的復雜度。1965 年 Zadeh 創(chuàng)立的模糊集理論是處理不確定性的一種很好的方法。模糊邏輯可認為是多值邏輯的擴展，能夠完成傳統(tǒng)數(shù)學方法難以做到的近似推理。目前基于多類電量測試信息模糊融合的模擬電路故障診斷方法已經(jīng)提出?；?K 故障節(jié)點診斷法和最小標準差法的元件故障隸屬函數(shù)構造方法, 以及基于可測點電壓與不同測試頻率下電路增益的模糊信息融合診斷算法也已闡述。分別利用此兩類測試信息及K 故障診斷法和最小標準差法,對電路進行初步診斷, 再運用模糊變換及故障定位規(guī)則, 得到融合的故障診斷結果。模擬實驗結果表明, 所提方

14、法大大提高了機械系統(tǒng)故障定位的準確率。2.4 啟發(fā)式搜索(Heuristic Search. HS )遺傳算法(Genetic Algorithms ,GA )和模擬退火(Simulated Annealing ,SA )算法是近年來逐漸興起的兩種啟發(fā)式搜索，通過隨機產(chǎn)生新的解并保留其中較好的結果，并避免陷入局部最小，以求得全局最優(yōu)解或近似最優(yōu)解。GA是由數(shù)字串的集合表示優(yōu)化問題的解，通過遺傳算子，即選擇、雜交和變異的操作對數(shù)字串尋優(yōu)。SA 在已知解的鄰近區(qū)產(chǎn)生新的解，并逐漸縮小鄰近區(qū)域的大小，直到逼近全局的最優(yōu)解。兩種方法都可以用來求解任意目標函數(shù)和約束的最優(yōu)化問題。在交流伺服系統(tǒng)中采用遺傳

15、算法的模糊神經(jīng)網(wǎng)絡控制較之傳統(tǒng)的PID 控制方式具有響應速度快、誤差小、無震蕩、伺服性能強等優(yōu)點，仿真結果表明，將遺傳算法融入模糊神經(jīng)網(wǎng)絡控制器來控制交流伺服系統(tǒng)，其系統(tǒng)的響應超調量明顯減少，具有較好的抗干擾性、伺服性。3 人工智能在機械系統(tǒng)中的發(fā)展趨勢人工智能中的四種主要工具，即 ES、 ANN、 FST 和 GA， 雖然在機械領域有不同程度的應用，但各自都存在一些局限：ES 存在知識獲取的“瓶頸”、知識難以維護、應用面窄、診斷能力弱等問題。ANN在外推時誤差較大、系統(tǒng)結構變化時ANN的組成結構也要變化、難以實現(xiàn)基于結構化知識的邏輯推理、缺乏解釋能力等。FST 存在可維護性問題。GA 在依據(jù)

16、的信息發(fā)生畸變時，難以保證可靠性等。目前，缺少一種普遍有效的方法應用于機械系統(tǒng)的各個領域?；旌现悄?，即綜合多種智能技術用以設計、控制、 監(jiān)測機械系統(tǒng)成為新的發(fā)展趨勢。結合的方式主要有基于規(guī)則的專家系統(tǒng)與神經(jīng)網(wǎng)絡相結合，CBR與基于規(guī)則系統(tǒng)和神經(jīng)網(wǎng)絡的結合，模糊邏輯、神經(jīng)網(wǎng)絡與專家系統(tǒng)的結合等。其中模糊邏輯、神經(jīng)網(wǎng)絡與專家系統(tǒng)結合的診斷模型是最具發(fā)展前景的，也是目前人工智能領域的研究熱點之一?；旌现悄茉跈C械系統(tǒng)的應用中有如下發(fā)展趨勢：由基于規(guī)則的系統(tǒng)到混合模型的系統(tǒng)，由領域專家提供知識到機器學習、由非實時診斷到實時診斷、由單一推理控制到混合推理控制策略等。4 人工智能在機械系統(tǒng)中的應用實例智能技

17、術在機械領域已經(jīng)有了許多成功的應用。在工程中，典型的專家系統(tǒng)有幫助工程師發(fā)現(xiàn)結構分析問題的分析策略的SACON系統(tǒng)；幫助識別和排除機車故障的DELTA系統(tǒng)；幫助操作人員檢測和處理核反應堆事故的REACTOR系統(tǒng)。在故障診斷方面，1967年在美國航天局(NASA倡導下，由美國海軍研究室( ONR主 持美國機械故障預防小組(MFPG,積極從事故障診斷技術研究和開發(fā)。目前各種類型的故障診斷和維修專家系統(tǒng)已用于美國F- 15 戰(zhàn)斗機、B- 1B 轟炸機、海軍艦艇、陸軍軍械裝置等現(xiàn)役裝備的故障診斷和維修中。在我國，華中理工大學研制了用于汽輪機組工況監(jiān)測和故障診斷的智能系統(tǒng) DEST哈爾濱工業(yè)大學和上海發(fā)

18、電設備成套設計研究所聯(lián)合研制了汽 輪發(fā)電機組故障診斷專家系統(tǒng)MMMD-;清華大學研制了用于鍋爐設備故障診斷的專家系統(tǒng)在電路和數(shù)字電子設備方面，MIT 研制用于模擬電路操作并演繹出故障可能原因的EI系統(tǒng)；美國海軍人工智能中心開發(fā)了用于診斷電子設備故障的IN- ATE 系統(tǒng) ; 波音航空公司研制了診斷微波模擬接口MSI 的 IMA 系統(tǒng)；意大利米蘭工業(yè)大學研制用于汽車啟動器電路故障診斷的系統(tǒng)。2006 年初， 上海交通大學機電控制研究所、上海市農(nóng)業(yè)機械研究所成功研制了適用于我國數(shù)字農(nóng)業(yè)特點的兩種主要智能型農(nóng)業(yè)機械：中、 小型收割機智能測產(chǎn)系統(tǒng)及其配套軟件；智能變量施肥、播種機及其配套軟件。雖然相關

19、的應用實例還有很多，但它們大都處于實驗室或小范圍試驗狀態(tài)，限于成本、技術等問題，不能得到普及應用，這將成為智能技術在機械領域應用的“瓶頸”。5 結束語 理論和實踐研究表明，智能技術已廣泛應用于機械系統(tǒng)的各個方面，隨著計算機網(wǎng)絡尤其是Internet 的發(fā)展，為人工智能注入了新的內容，加上多媒體技術、生物計算技術、 分布式人工智能和知識發(fā)現(xiàn)等計算機技術的興起，使得人工智能更有效的應用于機械系統(tǒng)及其它領域。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、模糊邏輯、專家系統(tǒng)等的混合智能設計、控制、監(jiān)測、診斷系統(tǒng)將成為又一熱點，具有廣闊的應用前景。發(fā)展人工智能必須注意以下幾個問題。1 、應使人工智能實體生存的第一目的是為了人類的生存與發(fā)展，否則人工智能實體就將威脅到人類的生存。2、要使人工智能的研究迅速發(fā)展必需大量的人力、物力、財力，而在市場經(jīng)濟條件下，發(fā)展人工智能如不能帶來利潤是沒有人愿意投資的。只有讓人工智能實體參與生產(chǎn)、研究才能產(chǎn)生利潤。而人工智能實體參與生產(chǎn)研究必然會擠占人的工作崗位(使人工智能實體完全代替人從事生產(chǎn)研究是我們的最終目的)， 從而加重失業(yè)危機，可能給社會帶來不穩(wěn)定因素，不利于社