机械电子工程与人工智能的关系分析

2024-01-02周迪

数字通信世界 2023年9期

关键词：工程机械工件机械

周迪

（南京迪安康信息科技有限公司，江苏南京 210012）

1 机械电子工程概述

1.1 机械电子工程及其特点

机械电子工程是将数字技术、计算机技术、信息技术、应用物理技术等有机结合起来，并将其有效运用于工业领域。该技术利用计算机系统，对目标进行有效的控制，以实现辅助工业运作及控制受控对象的技术运用模式。

1.2 机械电子工程的发展过程

目前，机械电子学的发展已步入普及和应用的阶段。而从其发展过程来看，大致可分为三个阶段。

（1）目前普遍采用的是以机械和电子工程为主的一体化的大规模生产模式。

（2）流水线模式应用曾经是最广泛、最有效的一种工业生产方式，其优势为生产能力强、生产效率高。尽管采用机械电子工程技术可以代替人工作业，提高加工精度，但是采用流水线方式进行加工仍然有一些缺陷，如灵活性不足，无法使用柔性生产模式等。

（3）与流水线模式形成鲜明对比的是集中式生产模式，该模式更适合于现代产业，其具有高度的灵活性与更为广泛的覆盖范围[1]。

2 人工智能技术的优势

2.1 人工智能技术及其优点

2.1.1 提升精度与效率

人工智能可以通过学习和模拟人的思考、理解、学习及创造等复杂的智能行为，在机械电子工程中实现更精确和快速的操作。与传统方法相比，人工智能可以自动分析和调整操作参数，减少误差，从而提高生产效率和产品质量。

2.1.2 增强控制能力

人工智能可以应用于机械电子工程的电气自动化控制系统，利用先进的数据分析和预测技术，实时监测和控制生产过程。与传统的电气自动化技术相比，人工智能能够更灵活地适应复杂和变化的工艺条件，从而提高控制效果，确保工艺的稳定性和安全性。

2.1.3 增强适应性与灵活性

人工智能技术可以通过学习来适应不同的工艺环境及要求，提供更为灵活和定制化的解决方案。因此在机械电子工程中，人工智能可以快速地对新的设计、生产或维护任务进行调整和优化，可以满足不同客户和市场的需求。

2.1.4 提高安全性

通过人工智能技术的实时监测和智能分析，可以及时识别和预防潜在的风险，从而降低机械电子工程实操的危险性，确保人员和设备的安全。

2.2 人工智能技术的发展史

人工智能是计算机科学的一个分支，专注于研究构建能够执行人类智能所需的复杂任务的算法和计算模型。其核心研究目标包括构建能够理解、学习及适应复杂环境，从而实现特定认知或决策系统。这一研究领域包括机器人技术、语音识别、图像识别、自然语言处理、专家系统等方面。人工智能技术自诞生以来，已经历了从最初的探索与发展，到后期技术突破的漫长过程。经过十余年的努力，现已经逐渐进入了工业化和产业化阶段。

自2012年至2016年，我国的人工智能经历了从技术研究到应用的转变，并在此后不断扩大应用领域。同时，基础设施建设的提升，为人工智能的应用提供了更加稳定和可靠的支持。经过数十年的发展，人工智能已经从最初的摸索、探索，发展到现在的规模化应用。尽管目前业内的共识是，人工智能的水平不高，也就是说，机器人没有任何思维能力，只能完成一套预先设定好的功能，人工智能则为通用的人工智能，也就是所谓的“强人工智能”，在该发展阶段中，机器会拥有和人一样的思维和判断能力，即机器化自主意识的移植与表现特征的衍生[2]。换句话说，人工智能技术虽然在很多方面得到了广泛的应用，并且实现了工业化，但在人工智能技术上，还存在着很多问题有待突破。因此，未来人工智能在实现大规模落地的过程中，将会经历技术上的不断创新与突破。

3 机械电子工程和人工智能的关系

3.1 改变复杂计算过程

人工智能技术可以模仿人的思维，因为其可以重构人的大脑，并且可以通过计算机运算来模拟和调用各个神经系统的功能，为此人工智能可通过对全局系统的控制，有效地区别各种信息的处理逻辑，并且能够逐步建立一种高效的独立操作模式。在此过程中，该技术将彻底改变传统的机械电子学转化效率低、计算过程复杂等状况。同时，该技术可大大提高计算的精确性和时效性，避免人为因素对其产生的错误。

3.2 排除生产诸多故障

在过去的机械工程中，由于种种原因，易出现机械工程运行失败或故障问题。为此，可合理采取智能化控制技术，以此为机械设备的安全、维修提供科学的依据。另外，由于智能化技术的运用，可以对机械设备进行全面、细致的检测，及时发现和采取有效的防护措施，防止机械工程设备出现严重的故障问题造成难以预料的安全事故[3]。如机械电子工程中涉及各种复杂的信号分析和处理，传统的信号处理方法在面对复杂和非线性的信号时存在局限性，而人工智能构造的神经网络，特别是深度学习网络，具有出色的自适应及学习能力。其可以自动从大量的信号数据中学习特征，对各种信号进行分类和识别。且神经网络的信号分类和识别技术可以应用于实时系统监控和控制。通过对关键信号的分析和解读，可以及时检测和诊断系统的异常，从而排除故障。

4 人工智能技术在机械电子工程中的应用

4.1 智能挖机助力工程机械领域数字化转型

利用智能挖掘技术，将传统的工程机械改造成机器人，以实现对挖掘机的实时监测。不仅支持鼠键、手柄等低延迟遥控，还可实现无人驾驶，且可在任何位置进行无人作业，支持多人操作。

4.1.1 传统挖掘机智能化升级

传统挖掘机可在学习算法上取得了新的突破，其主要采用学习模型，对挖掘机器人的液压与动力学进行建模，以此实现了运动控制的平滑、精确，使其能够适应各种类型的挖掘机械。在此基础上，挖掘机器人能够有效地进行人机交互：下层的控制行为为自动化操控；中、高级由真人协助完成[4]。

4.1.2 大幅提升施工效率

采用“一人多机”的挖掘机器人，其工作效率高达260%。以前需要勘测人员协作才能完成的坡面平整，今后，挖掘机的工人们可以利用遥控、可视化技术，使用一台计算机则可完成作业，以防止恶劣的气候条件影响工程的进度。同时，利用自动化控制和人机协同等技术，一台中等规模的挖掘机器人可以在一小时内挖出300 m3的土方。为了解决工程机械行业中存在的安全隐患，可利用智能感知技术，对施工现场进行360°全方位监控，并对底盘倾覆和翻车进行预警，通过对10 m范围内行人的检测，可有效解决挖掘机司机工作的危险环境问题。

4.2 AI+3D工程机械上下料应用

工程机械的生产过程比较复杂，自动化和智能化的普及较少。在工程机械生产线中，工件的上下料是一个非常关键的过程，其主要用于“四轮一带”、执行元件、控制元件等零件地下料、工件搬运等工序，但这些工序普遍需要人工来完成，其缺陷在于完成率较低、人工操作复杂、生产效率不高等，且安全隐患较大。为解决工程机械工业中工件的上下料问题，可依据人工智能技术在机械电子工程中的使用效果，基于智能+3D视觉导向产品，提供一种在识别准确率、生产效率，生产稳定性等方面都有很大优势的智能设备，以此更好地为工程机械工业提供智能化和自动化的升级服务[5]。

4.2.1 高质量成像效果，轻松应对各类复杂情况

工程机械的生产工艺比较复杂，每一道工序都有很多具有高亮反光、暗色、锈迹和油污的工件，为此需要对其进行上下料加工。如支撑轮、驱动轮、轴、行星架、齿轮、阀块等，这些工件对三维摄像机的成像效果有很大的影响。

4.2.2 深框稳定识别抓取，清框率满足客户需求

在工程机械工业中，清框出料率属于较为关键且重要的生产指标。但在实际生产中，深框的堆叠、工件的边角、隔板的易变形等因素，都会对清框的效果产生一定的影响，因此，机器人的高识别精度、稳定的抓取能力以及灵活性都成为精确操作的关键因素。这些特性确保了处理高反射和复杂表面时的图像识别和物体操纵的高清晰度和高准确度，从而满足工程需求。

如某大型工程机械工厂的链条节段上料，因链轨节自重、手工上料效率较低等，提出了采用3D可视化技术进行生产线改造的方案。在此针对工程中出现的干涉、深框清框困难、工件异形、进料无序等困难，笔者给出了以下几个改进措施。

（1）采用Mech-Vision。其有先进的可视化算法，能够快速、精确地识别出错综复杂的链节，并能在极短的时间内完成对链节的定位。

（2）该系统内置的智能规划抓取算法，可与边角夹具相结合，有效解决工件的边角等问题，并提高清框率，达到用户要求。同时，能够保证机器人在深框架内移动时避免碰撞，提高其稳定性[6]。

（3）采用Mech-Eye LSR。在上料过程中，可视化的时间不会影响整个上料速度，可提高了链条的上料速度。高精度的工业激光三维照相机，能产生高品质的点云数据。

4.3 环境适应性优异，适应各类生产现场

在工程机械工业中需要考虑产品的适应性，根据对大量用户及现场的调查分析，工厂的照明水平一般在15000到20000 lx间。在实际生产过程中，周围光线的干扰会影响点云的成像效果，为了解决该问题，可以使用工业级激光3D相机Mech-Eye LSR。经过试验，Mech-Eye LSR能够在强烈环境光（＞30000 lx）条件下，可对具有高反光、暗色和仅有细微差异的工件产生高品质的点云数据。对于一些常用材料，在大于100000 lx（户外正午日照）的情况下，仍然可以形成图像。这可降低企业成本，且保障了生产效率。因此，基于人工智能技术的机械电子工程在工程机械行业中具有广泛的应用前景。