王淮

摘要：人工智能在机械加工装备中的应用日益宽泛。在神经网络、人机交互、信息采集、建模与决策等方法的支持和依托下，能够较好地实现人工智能技术与机械加工装备的深度融合。

关键词：人工智能、机械加工、装备、应用

1人工智能重点应用方向分析

1.1人工智能应用背景

人工智能，又称机器学习，是通过对数据进行学习分析，从而训练出数据处理模型的一类技术。机器学习可分为监督式学习和无监督式学习两大类。监督式学习通过给定事先标记过的训练数据，通过训练，可对离散数据进行分类分析和对连续数据进行回归分析。而无监督式学习通过事先给定的是没有被标记过的训练数据，可对数据进行的是分群分析。与传统的数据处理方式不同，机器学习不需要人为地提前设计数据处理的模型，而是通过对实际数据的学习得出。因此机器学习可以灵活地应对复杂的数据结构，如机械制造中所需要考虑的众多参数及不确定因素。人工智能技术在机加工上的应用可以分为五个步骤，即问题确定，数据采集，模型训练，模型评估，结果分析。随着工业4.0的进行，人工智能技术在机械制造中的应用也日益突显，有效地促进了工业发展。

1.2搜索技术

搜索技术是一种使用搜索方法查找问题解决方案的技术。这通常表现为设计一个系统或为某一特定目标寻找适当或最佳的解决办法。研究技术是人工智能的基本技术之一，分为两类：盲目研究，通常只适用于解决相对简单的问题;另一种是启发式搜索，也称为信息搜索，它使用问题的启发式信息来指导搜索，从而减少搜索的范围和复杂性，从而提高搜索效率并找到最佳解决方案。

1.3模式识别

模式识别是人类理解世界的基本智慧。在人工智能研究中，模型识别主要指使用数学模型和计算机手段分析、描述、识别、分类、解释和处理文本、符号、声音、图像及其矢量等信息的过程。作为人工智能的一个重要组成部分，模型识别发展最快、应用最广泛的领域是深入学习和大量数据。通过深入学习和大量数据，模式识别的性能可以大大提高。

1.4协同演化算法

协同进化算法借鉴了食物链和生物世界的共生关系，以物种进化过程为视觉模拟对象进行自适应优化研究，对于普通遗传算法的不足之处，生物整体优化算法是研究算法创新的新热点协作演化算法遵循高等生存演化规律，为通过划分策略解决复杂的大规模非线性问题提供了独特的思路和方法。近年来，它已在多目标功能优化、图像分割研究、神经网络和技术设计等许多领域得到成功应用。然而，建立有效的自适应计算机系统和生物研究模式仍然面临许多挑战和困难。

2人工智能在机械加工装备中的应用分析

在智能機床加工装备制造过程中，可以充分引入智能化技术、网络技术和运动控制技术，设计和制造具有智能编程、智能诊断和智能补偿的数控机床装备，构造出智能机床加工装备制造生态系统，实现智能机床的分布式、分级、分享制造和生产应用。人工智能技术能够对数控机床装备的生产过程进行及时纠错、检测和数据反馈，快速、高效地评估数控机床加工零件的运行状态，对错位的零件进行及时复位，并通过实时修改工况参数的方式，提高机床零件加工的精度。

2.1数据采集技术在数控机床装备中的应用FOCAS

协议是一种基于TCP/IP协议的应用工具，能够利用读写数控系统控制伺进给轴和主轴运动相关数据，了解机械装备的运行工况，包括刀具偏置、零偏、轴坐标值、用户宏程序变量、螺距误差补偿数据等，实现对数控机床零件加工过程的读写控制和操作。

2.2海量工业过程数据处理技术在数控机床装备中

的应用在数控机床装备的运行过程中。数据采集的频率较高。在这些海量数据的采集过程中，需要进行压缩处理。为此，可以采用常见的数据压缩算法，如：分段线性插值方法、矢量量化方法、信号变换方法等，按照一定的规则重新排列组织工业数据，剔除冗余无用的信息数据，对其进行转换、解压缩、重构等操作。并在数据压缩算法的支持下，通过压缩比描述数据压缩后的状态，以此对比解压恢复数据与实际数据的相似程度。如：旋转门算法就是利用线性线段拟合和容差的方式，对数控机床加工过程数据进行压缩的算法。通过对容差的动态调整和多模型寻优的方式，获悉数控机床加工过程误差最大的点，从而更好地减少压缩误差，提高数据压缩的精准性。

2.3数字可视化监控技术在数控机床装备中的应

用在数控机床装备的人工智能技术应用之中，数字可视化监控技术是一种普遍使用的技术。在仿真学科和计算机图形学的支持下，数字可视化监控由二维进入到三维。在Unity3D技术的支持下，可以构建Unity3D平台的数字可视化监控系统，方便、直观地对数控机床加工过程进行监控，并进行故障声光报警，实现对数控机床的远程智能化控制。以FANUC数控机床为例，可以采用基于FOCAS协议的连接方式，作业人员能够通过PC或手机等终端设备进行远程监控，实时采集数控机床装备生产运行过程的数据，并对数控机床进行远程智能化控制，及时把握数控机床的运行状态。

在数字可视化监控系统之中，可以对实时采集的机床真实加工数据进行仿真模拟，以此驱动数控机床模型和零件模型的运行，并对其运行过程实施可视化监控。同时，可以通过驱动桁架模型实时采集相关数据，模拟数控机床加工实际场景中的自动上下料活动，并通过对数据的判定做出是否需要对部件进行翻转的决策，从而实时可视化地获悉桁架运行状态。

2.4在机械电子及其他工业生产中的应用

物质和信息是人类社会发展的最根源的两大因素，在人类社会初期，由于生产力水平低，人类社会以物质为首要基础，仅靠“结绳记事”的方法传递信息，但随着社会生产力的不断发展，信息的重要性不断被人们发现，文字成为传递信息最理想的途径，最近五十年间，网络的普及给信息传递带来了新的生命，人类进入到了信息社会，而信息社会的发展离不开人工智能技术的发展。不论是模型的建立与控制，还是故障诊断，人工智能在机械电子工程当中都起着处理信息的作用。

机械电子系统缺乏稳定性，往往在生产过程之中受到客观条件的影响，输入的信息类型不公多且而且体量大，从总体上讲导致了它难以准确地描述机械电子系统的输入和输出系统之间相互对应的关系，传统方式不仅要求建立起规则库、学习形成知识和数学公式等，而且三种方式也是优缺点分明，比如数学公式，它具有描述严谨、准确的特征，难而却难以描述复杂状况中的输入以及输出信息，比如用传感器进行传递不同类型的输入信息，而且信息通常是具有模糊性，在传统的方式之下则要求建立起各种各样的分析系统，并且对于信息类型进一步区分和加工。在此时，还要求考虑到利用好人工智能技术，不断地对这些信息进行高效识别，在人工智能领域，对于人工神经网络、模糊推理系统能够处理数量庞大的模糊信息。

结束语：大规模机械制造过程复杂，需要确定的机加工参数众多，机加工成品质量也会受其它一些不确定因素的影响。因为传统加工是依赖于人工的机加工参数设定及成品质量把控，不仅消耗大量时间，而且受从业者自身素质影响较大，所以，人工智能算法在机械制造中的应用意义重大。人工智能技术可以实现机加工工艺流程优化，在众多的工艺参数中搜索出最优的工艺参数组合;可以实现机加工参数的智能调整，对机加工过程中的不确定因素进行分析，及时调整加工参数;可以预测刀具磨损情况，把控机加工的成品质量;可以实时监测机加工过程，保证机加工的安全性。

参考文献：

[1]戴认之.人工智能技术在工业设备和系统智能运营维护的应用[J].中国信息化，2020（07）：52-53.

[2]刘朝宇.信息化背景下农业机械装备需求及结构优化分析[J].农业工程技术，2021，41（12）：49-51.