人工智能在机械系统中的应用.doc

人工智能在机械系统中的应用 2013年 6月 20 日人工智能在机械系统中的应用摘要： 人工智能(Artificial Intelligence,简称AI)是一门研究如何构造智能机器或智能系统，使它能模拟、延伸、扩展人类智能的学科。智能技术是当前新技术、新产品、新产业的重要发展方向、开发策略和显著标志，尤其它在解决远程控制、故障诊断、非线性等问题上的优势，给机械系统的发展指明了方向。本文描述了一些已经应用了智能技术解决机械问题的方法及该技术今后的应用趋势，并通过应用实例给出具体说明。关键词：人工智能 机械系统 故障诊断专家系统 人工神经网络那何谓人工智能呢？“人工智能”(Artificial Intelligence)简称AI它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人们认为“人工智能”是计算机科学技术的前沿科技领域。因此,“人工智能”与计算机软件有密切的关系。人工智能是“类人”机器人所需要的算法和技术，也就是说我们研究的主题是高级智能的本质，而不是其外在表现和辅助部件。一方面,各种人工智能应用系统都要用计算机软件去实现,另一方面,许多聪明的计算机软件也应用了人工智能的理论方法和技术。例如,专家系统软件,机器博奕软件等。但是,“人工智能”不等于“软件”,除了软件以外,还有硬件及其他自动化的通信设备。人工智能是从思维、感知、行为三层次和机器智能、智能机器两方面研究模拟、延伸与扩展人的智能的理论、方法、技术及其应用的技术学科。例如,用计算机打印常用的报表,进行一些常规的文字处理,都是程序化的操作,谈不上有智能。但是,用计算机给人看病,进行病理诊断和药物处方,或者,用计算机给机器看病,进行故障诊断和维修处理,就需要计算机有人工智能。人工智能学科领域中有一个重要的学科分支是“专家系统”(Expert System),简称代写论文ES。就是用计算机去模拟、延伸和扩展专家的智能。基于专家的知识和经验,可以求解专业性问题的、具有人工智能的计算机应用系统。如:医疗诊断专家系统,故障诊断专家系统等。人工智能在机械系统中具有重大的意义。、人工智能主要有以下几个方明的应用：一、识别过程，外界输入的信息向概念逻辑信息转译，将动态静态图像、声音、语音、文字、触觉、味觉等信息转化为形式化（大脑中的信息存储形式）的概念逻辑信息。二、智能运算过程，输入信息刺激自我学习、信息检索、逻辑判断、决策，并产生相应反应。三、控制过程，将需要输出的反应转译为肢体运动和媒介信息。1 人工智能在机械系统中的应用方向 机械系统是一个广义的概念，它是由各个机械基本要素组成的，完成所需的动作、实现机械能的变化、代替人类劳动的系统。在实用型工程系统中，人工智能在解决机械工程中的应用可体现于产品设计、工艺制定、生产管理、故障诊断等方面。1.1 机械设计 机械设计实际上是一个模型的综合和分析的过程，它不仅包括大量的计算、分析、绘图等数值计算型工作；还包括拟定初始方案，选择最优方案，制定合理结构等方案设计工作。 目前， 有些企业已引入CAD/CAM 系统， 由于CAD/CAM系统对符号推理工作需要综合运用多种科学的专门知识和丰富的实践经验才能解决，这需要CAD/CAM系统具有智能性，因此，设计智能化已成为机械设计中一个很热门的研究课题之一，它把计算机从数值处理扩展到非数值处理，包括知识与经验的集成、推理和决策，力图使机械设计过程自动化，减少人类专家在设计过程中由于个人因素造成的不足。此外，与传统设计方法相比，专家系统在机械设计中有着不可比拟的优势，它不仅可以长期稳定工作、节省成本，还可以为专家知识特别是启发式知识提供存储手段和传授途径、易于继承。1.2 机械制造 在机械生产制造过程中，需要为工厂中所有的装配机器供应零件。目标可能由监控者提供，也可能由系统对当时状态做出评估而产生。智能系统怎样推断出适当的目标，然后构造试图达到目标的动作序列，这个过程通常称为规划(planning), 它是自动问题求解的特例，是人工智能研究的重要子领域。 此外，计算机集成加工系统（CIMS）和柔性加工系统（FMS） 在近年来获得迅速发展。在一个复杂的加工过程中，不同条件下的多种操作是必要的。环境的不确定性以及系统软硬件的复杂性，向当代工程师们设计和实现有效的集成控制系统提出了挑战。为了把现有的Petri 网技术用于现代加工系统，需要开发一种新技术，把机器智能技术和Petri 网理论以及智能离散事件控制器连接起来。1.3 机械电子工程 在许多工程系统中，往往由于内部结构复杂，存在着对加工过程控制及故障诊断等方面的困难，一般的PID 等典型控制方法虽然能解决一些问题，但在一些场合已不能满足生产的要求，当前，典型的机电一体化产品- 数控机床、交流伺服驱动装置等正在向数字化、小型化、高精度等方向发展，为监控带来新的挑战，由于模糊神经网络控制不依赖控制对象和数学模型，具有较强的鲁棒性，是一种非线性的控制方法，在解决此类问题中有很好的优势。而专家系统主要用于复杂的机械系统，能够克服基于模型的故障诊断方法对模型的过分依赖性。1.4 机械系统故障诊断 对机械设备进行故障诊断主要是通过对设备敏感部位的信号利用传感器进行数据采集和特征提取，根据不同机械部件在不同时间和状态下具有不同的特征，来判断是否工作正常。它包含两方面的内容，即对系统运行状态进行监测和发现异常情况后对故障进行分析、诊断。在系统运行过程中，若某一时刻系统发生故障，领域专家可以凭借视觉、听觉、嗅觉、触觉或测量设备得到一些客观数据，并根据对系统结构和系统故障历史的深刻了解很快做出判断，确定故障的原因和部位。对于较为复杂的系统，这种基于专家系统的故障诊断方法尤为有效。2 人工智能在机械系统中的应用方法 应用机械系统的AI 技术传统上可以分为专家系统（ES）、人工神经网络(ANN)、模糊集理论(FST)和启发式搜索(GA)四类。2.1专家系统（Expert System .ES） 专家系统是人工智能的主要分支之一。一个典型的专家系统由四部分组成：知识库、推理机、知识获取机制和人机界面。专家系统按其知识表达方式不同，可分为基于规则和基于框架的专家系统；按其推理方式不同可分为正向推理和逆向推理。在知识表达方面，利用产生式规则进行知识表达，一方面得有益于现有人工智能语言，另一方面，它的表达合乎人的心理逻辑，便于进行知识获取，利于人们接受，利用框架进行知识表达得到了越来越多的应用。在诊断推理方面，主要表现在对推理逻辑和推理模型的研究，在人工智能领域，存在着许多推理逻辑，在专家系统中广泛使用模糊推理逻辑降低系统复杂性，在机械系统故障诊断上能产生很好的效果。专家系统技术的研究和应用正以前所未有的速度在故障诊断、模拟仿真、自动控制、工艺编程、生产规划、产品设计等许多机械工程领域不断发展。随着研究工作的不断深入，一些新的技术方法和先进制造技术正融入机械工程专家系统技术的研究和应用中，不仅使知识表示、知识库构建、知识获取和推理模式等关键技术的研究取得了一定成果，还出现了一些集成式的新型专家系统，如神经网络专家系统、模糊专家系统、基于Internet 的专家系统、CAD 专家系统、CAPP 专家系统等。他们综合利用了专家系统启发性、透明性、灵活性以及具有处理不确定知识能力的特点，使机械工程专家系统的应用领域不断拓宽。2.2 人工神经网络（artificial neural network. ANN） 人工神经网络是模拟的生物激励系统，将一系列输入通过神经网络产生输出。这里输出、输入都是标准化的量，输出是输入的非线性函数，其值可由连接各神经元的权重改变，以获得期望的输出值，即所谓的训练过程。基于数值计算方法的神经网络，将已有数据和已知系统模式作样本，通过学习获得两者的映射关系，实现了对人类经验思维的模拟。 由于神经网络具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、并行和处理复杂模式的功能，使其在工程实际存在着大量的多故障、多过程、突发性故障、庞大复杂机器和系统的监测及诊断中发挥着较大作用。 在机械系统的应用方式有：从模式识别角度应用神经网络作为分类器进行故障诊断；从预测角度应用神经网络作为动态预测模型进行故障预测；利用神经网络极强的非线性动态跟踪能力进行基于结构映射的故障诊断；从知识处理角度建立基于神经网络的诊断专家系统等。目前，为提高神经网络在实用中的学习和诊断性能，主要从神经网络模型本身改进和模块化模型诊断策略两方面开展研究；同时，与模糊逻辑的结合研究也是一个研究热点。2.3 模糊集理论（Fuzzy Sets Theory. FSN） 人的认知世界包含大量的不确定之时，需要对所获信息进行一定的模糊化处理，以减少问题的复杂度。1965 年Zadeh 创立的模糊集理论是处理不确定性的一种很好的方法。模糊逻辑可认为是多值逻辑的扩展，能够完成传统数学方法难以做到的近似推理。目前基于多类电量测试信息模糊融合的模拟电路故障诊断方法已经提出。基于K故障节点诊断法和最小标准差法的元件故障隶属函数构造方法,以及基于可测点电压与不同测试频率下电路增益的模糊信息融合诊断算法也已阐述。分别利用此两类测试信息及K 故障诊断法和最小标准差法,对电路进行初步诊断,再运用模糊变换及故障定位规则, 得到融合的故障诊断结果。模拟实验结果表明,所提方法大大提高了机械系统故障定位的准确率。2.4 启发式搜索（Heuristic Search. HS）遗传算法（Genetic Algorithms ,GA）和模拟退火（Simulated Annealing ,SA）算法是近年来逐渐兴起的两种启发式搜索，通过随机产生新的解并保留其中较好的结果，并避免陷入局部最小，以求得全局最优解或近似最优解。GA是由数字串的集合表示优化问题的解，通过遗传算子，即选择、杂交和变异的操作对数字串寻优。SA 在已知解的邻近区产生新的解，并逐渐缩小邻近区域的大小，直到逼近全局的最优解。两种方法都可以用来求解任意目标函数和约束的最优化问题。 在交流伺服系统中采用遗传算法的模糊神经网络控制较之传统的PID 控制方式具有响应速度快、误差小、无震荡、伺服性能强等优点，仿真结果表明，将遗传算法融入模糊神经网络控制器来控制交流伺服系统，其系统的响应超调量明显减少，具有较好的抗干扰性、伺服性。3 人工智能在机械系统中的发展趋势 人工智能中的四种主要工具， 即ES、ANN、FST 和GA，虽然在机械领域有不同程度的应用，但各自都存在一些局限：ES 存在知识获取的“瓶颈”、知识难以维护、应用面窄、诊断能力弱等问题。ANN 在外推时误差较大、系统结构变化时ANN 的组成结构也要变化、难以实现基于结构化知识的逻辑推理、缺乏解释能力等。FST 存在可维护性问题。GA 在依据的信息发生畸变时，难以保证可靠性等。 目前，缺少一种普遍有效的方法应用于机械系统的各个领域。混合智能，即综合多种智能技术用以设计、控制、监测机械系统成为新的发展趋势。结合的方式主要有基于规则的专家系统与神经网络相结合，CBR 与基于规则系统和神经网络的结合，模糊逻辑、神经网络与专家系统的结合等。其中模糊逻辑、神经网络与专家系统结合的诊断模型是最具发展前景的，也是目前人工智能领域的研究热点之一。混合智能在机械系统的应用中有如下发展趋势：由基于规则的系统到混合模型的系统，由领域专家提供知识到机器学习、由非实时诊断到实时诊断、由单一推理控制到混合推理控制策略等。4 人工智能在机械系统中的应用实例 智能技术在机械领域已经有了许多成功的应用。在工程中，典型的专家系统有帮助工程师发现结构分析问题的分析策略的SACON 系统；帮助识别和排除机车故障的DELTA 系统；帮助操作人员检测和处理核反应堆事故的REACTOR 系统。 在故障诊断方面,1967 年在美国航天局（NASA）倡导下，由美国海军研究室（ONR）主持美国机械故障预防小组（MFPG），积极从事故障诊断技术研究和开发。目前各种类型的故障诊断和维修专家系统已用于美国F- 15 战斗机、B- 1B 轰炸机、海军舰艇、陆军军械装置等现役装备的故障诊断和维修中。在我国，华中理工大学研制了用于汽轮机组工况监测和故障诊断的智能系统DEST；哈尔滨工业大学和上海发电设备成套设计研究所联合研制了汽轮发电机组故障诊断专家系统MMMD- ；清华大学研制了用于锅炉设备故障诊断的专家系统等等。 在电路和数字电子设备方面，MIT 研制用于模拟电路操作并演绎出故障可能原因的EI 系统；美国海军人工智能中心开发了用于诊断电子设备故障的IN- ATE 系统;波音航空公司研制了诊断微波模拟接口MSI 的IMA 系统；意大利米兰工业大学研制用于汽车启动器电路故障诊断的系统。 2006 年初，上海交通大学机电控制研究所、上海市农业机械研究所成功研制了适用于我国数字农业特点的两种主要智能型农业机械：中、小型收割机智能测产系统及其配套软件；智能变量施肥、播种机及其配套软件。虽然相关的应用实例还有很多，但它们大都处于实验室或小范围试验状态，限于成本、技术等问题，不能得到普及应用，这将成为智能技术在机械领域应用的“瓶颈”。5 结束语 理论和实践研究表明，智能技术已广泛应用于机械系统的各个方面，随着计算机网络尤其是Internet 的发展，为人工智能注入了新的内容，加上多媒体技术、生物计算技术、分布式人工智能和知识发现等计算机技术的兴起，使得人工智能更有效的应用于机械系统及其它领域。面对日益激烈的机械行业的竞争，研发基于神经网络、模糊逻辑、专家系统等的混合智能设计、控制、监测、诊断系统将成为又一热点，具有广阔的应用前景。发展人工智能必须注意以下几个问题。1、应使人工智能实体生存的第一目的是为了人类的生存与发展，否则人工智能实体就将威胁到人类的生存。2、要使人工智能的研究迅速发展必需大量的人力、物力、财力，而在市场经济条件下，发展人工智能如不能带来利润是没有人愿意投资的。只有让人工智能实体参与生产、研究才能产生利润。而人工智能实体参与生产研究必然会挤占人的工作岗位（使人工智能实体完全代替