智能制造技術

智能制造技術P第ag1e頁1智能制造涵義介紹智能制造淵于人工智能研究。人工智能就是用人工方法在計算機上實現(xiàn)智能。近半個世紀尤其是近來，伴隨產(chǎn)品性能完善化及其結(jié)構(gòu)復雜化、精細化，以及功效多樣化，促使產(chǎn)品所包含設計信息和工藝信息量猛增，隨之生產(chǎn)線和生產(chǎn)設備內(nèi)部信息流量增加，制造過程和管理工作信息量也必定劇增，因而促使制造技術發(fā)展熱點與前沿，轉(zhuǎn)向提升制造系統(tǒng)對于爆炸性增加制造信息處理能力、效率及規(guī)模上。P第ag2e頁1Page

1毫無疑問，智能化是制造自動化發(fā)展方向。在制造過程各個步驟幾乎都廣泛應用人工

智能技術。教授系統(tǒng)技術能夠用于工程設

計，工藝過程設計，生產(chǎn)調(diào)度，故障診療

等。也能夠?qū)⑸窠?jīng)網(wǎng)絡和含糊控制技術等

先進計算機智能方法應用于產(chǎn)品配方，生

產(chǎn)調(diào)度等，實現(xiàn)制造過程智能化。而人工

智能技術尤其適合于處理尤其復雜和不確

定問題。第3頁P第ag4e頁11.2發(fā)展歷史1992年美國執(zhí)行新技術政策，大力支持被總統(tǒng)稱之關鍵重大技術（CriticalTechniloty），包含信息技術和新制造工藝，智能制造技術自在其中，美國政府希望借助

此舉改造傳統(tǒng)工業(yè)并開啟新產(chǎn)業(yè)。加拿大制訂1994~1998年發(fā)展戰(zhàn)略計劃，認為未來知識密集型產(chǎn)業(yè)是驅(qū)動全球經(jīng)濟和加拿大經(jīng)濟發(fā)展基礎，認為發(fā)展和應用智能系統(tǒng)至關主要，并將詳細研究項目選擇為智能計算機、人機界面、機械傳感器、機器人控制、新裝置、動態(tài)環(huán)境下系統(tǒng)集成。P第ag5e頁1日本1989年提出智能制造系統(tǒng)，且于1994年開啟了先進制造國際合

作研究項目，包含了企業(yè)集成和全

球制造、制造知識體系、分布智能

系統(tǒng)控制、快速產(chǎn)品實現(xiàn)分布智能

系統(tǒng)技術等。P第ag6e頁1日本MA

DA企業(yè)數(shù)控機床攝于武漢機電博覽會P第ag7e頁12智能制造技術方法2.1教授系統(tǒng)教授系統(tǒng)通常由人機交互界面、知識庫、推理機、解釋器、綜合數(shù)據(jù)庫、知識獲

取等6個部分組成。其中尤以知識庫與推理機相互分離而別具特色。教授系統(tǒng)體系結(jié)構(gòu)隨教授系統(tǒng)類型、功效和規(guī)模不一樣，而有所差異。P第ag8e頁1工工作作過過程程教教授授系系統(tǒng)統(tǒng)基基本本結(jié)結(jié)構(gòu)構(gòu)如如圖圖所所表表示示，，其其中中箭箭頭頭方方向向為為數(shù)數(shù)據(jù)據(jù)流流動動方方向向。。P第ag9e頁1缺點點：：有有延延遲遲，，不不易易滿滿足足實實時時性性要要教授系統(tǒng)基本工作流程是，用戶經(jīng)過人機界面回答系統(tǒng)提問，推理機將用戶輸入信息與知識庫中各個規(guī)則條件進行匹配，并把被匹配規(guī)則結(jié)論存放到綜合數(shù)據(jù)庫中。最終，教授系統(tǒng)將得出最終止論展現(xiàn)給用戶。優(yōu)點：處理一些比較簡單確實定性問題求P第ag1e0頁12.2含糊推理從不準確前提集合中得出可能不準確結(jié)論推理過程，又稱近似推理。在人思維中，推理過程經(jīng)常是近似。比如，人們依據(jù)條件語句（假言）“若西紅柿是紅”，則西紅柿是熟”和前提（直言）“西紅柿非常紅”，馬上可得出結(jié)論“西紅柿非常熟”。這種不準確推理不可能用經(jīng)典二值邏輯或多值邏輯來完成。P第ag1e1頁1自1965年L．A．Zadeh提出含糊集概念以來，關于含糊系統(tǒng)研究得到了迅猛發(fā)展，含糊控制技術被廣泛應用于工業(yè)控制與家電產(chǎn)品制造中，并取得了令人矚目標成功。含糊推理是含糊控制理論基礎，即使含糊推理已經(jīng)有大量研究結(jié)果，但這些研究還沒有一個可靠邏輯基礎。優(yōu)點：能夠處理不確定現(xiàn)象和含糊現(xiàn)象缺點：需要大量經(jīng)驗和感知為前提P第ag1e2頁1Page

1應用實例分析圖第13頁2.3神經(jīng)網(wǎng)絡神經(jīng)網(wǎng)絡研究內(nèi)容相當廣泛，反應了多學科交叉技術領域特點。主要研究工作集中在以下幾個方面：生物原型研究。從生理學、心理學、解剖學、腦科學、病理學等生物科學方面研究神經(jīng)細胞、神經(jīng)網(wǎng)絡、神經(jīng)系統(tǒng)生物原型結(jié)構(gòu)及其功效機理。建立理論模型。依據(jù)生物原型研究，建立神經(jīng)元、神經(jīng)網(wǎng)絡理論模型。其中包含概念模型、知識模型、物理化學模型、數(shù)學模型等。P第ag1e4頁1網(wǎng)絡模型與算法研究。在理論模型研究基礎上構(gòu)作詳細神經(jīng)網(wǎng)絡模型，以實現(xiàn)計算機模擬或準備制作硬件，包含網(wǎng)絡學習算法研究。這方面工作也稱為技術模型研究。人工神經(jīng)網(wǎng)絡應用系統(tǒng)。在網(wǎng)絡模型與算法研究基礎上，利用人工神經(jīng)網(wǎng)絡組成實際應用系統(tǒng)，比如，完成某種信號處理或模式識別功效、構(gòu)作教授系統(tǒng)、制成機器人等等。P第ag1e5頁1特點人類大腦有很強自適應與自組織特征，后天學習與訓練能夠開發(fā)許多各具特色活動功效。如盲人聽覺和觸覺非常靈敏；聾啞人善于利用手勢；訓練有素運動員能夠表現(xiàn)出非凡運動技巧等等。泛化能力泛化能力指對沒有訓練過樣本，有很好預測能力和控制能力。尤其是，當存在一些有噪聲樣本，網(wǎng)絡具備很好預測能力。P第ag1e6頁1(3)非線性映射能力當對系統(tǒng)對于設計人員來說，很透徹或者很清楚時，則普通利用數(shù)值分析，偏微分方程等數(shù)學工具建立準確數(shù)學模型，但當對系統(tǒng)很復雜，或者系統(tǒng)未知，系統(tǒng)信息量極少時，建立準確數(shù)學模型很困難時，神經(jīng)網(wǎng)絡非線性映射能力則表現(xiàn)出優(yōu)勢，因為它不需要對系統(tǒng)進行透徹了解，不過同時能到達輸入與輸出映射關系，這就大大簡化設計難度。P第ag1e7頁1(4)高度并行性并行性含有一定爭議性。認可含有并行性理由：神經(jīng)網(wǎng)絡是依據(jù)人大腦而抽象出來數(shù)學模型，因為人能夠同時做一些事，所以從功效模擬角度上看，神經(jīng)網(wǎng)絡也應具備很強并行性。P第ag1e8頁1優(yōu)點：能夠?qū)崟r處理動態(tài)多變復雜問題缺點：還處于發(fā)展階段，普及有困難P第ag1e9頁13智能制造形式3.1智能機器數(shù)控機床P第ag2e0頁1加工中心P第ag2e1頁1機器人P第ag2e2頁13.2智能制造系統(tǒng)P第