人工神经网络在机械工程领域中的研究与应用

人工神经网络在机械工程领域中的研究与应用

张晓北

150429199110102517

摘要：随着科技的进步，人工神经网络都是由许多系统的处理单元结合而成的密集型网络，从相关部门对于人脑组织探索的信息中可以总结出人脑的主要特点。然而其并不属于对人脑的现实阐述，而是对人脑的系统仿真再现，神经网络属于明显非线性的大型持续变化体系。在神经元网络对数据进行分析时，需要借助各神经元间的相互影响，理论与数据的收集主要是以元件在现实空间中的搭设形式来展现。

关键词：人工神经网络；机械工程；应用

引言

随着智能理论以及科学技术的高速发展，当前社会中应用智能计算方式来完成日常生活与工作，已经成为人们生活中必不可少的一种方式，提高机械优化设计不仅可以为社会发展带来更多的便利，同时也能帮助人们完成以往难以完成的工种。在机械优化设计中，最重要的问题之一就是如何将机械工程设计问题直接转化为最优化问题，选择最恰当的方式来完成社会以及人们对于机械优化设计的需求。

1人工神经网络在机械化设计中的模型构建

1.1BP神经网络

在完成机械优化设计中，BP (BackPropagation)神经网络在优化设计算法和模型构建中起着非常重要的作用。BP神经网络系统主要模拟人脑神经系统的运行，逐步完成系统结构的构建。在信息处理过程中，这种系统结构在信息传递和信息分析方面都比较严格和严谨。它在处理信息时可以将抽象思维和联想思维结合起来，利用这种思维整合实现对信息的准确转化。改善了以往优势机械产品在信息转化过程中信息处理能力不强的问题。在机械设计过程中，根据社会和人们对机械产品的需求，优化和展示整体能力来完成设计是最重要的途径之一。在设计过程中，无论是工艺的处理需求，还是线性关系的构建，都需要以人工神经网络系统作为最基本的优化要求。与过去对机械产品的需求不同，现在对机械产品的要求不仅表现在其替代人工劳动活动的能力上，而且要求所有机械产品都要具备一定的信息处理独立分析能力，这也导致当前行业必须快速完成机械设计的优化，提高机械产品的信息处理能力。在优化过程中，通过分析BP神经网络运行的信息处理特点，可以发现该系统能够有效地提高信息处理系统的工作效率和工作质量。与其他信息处理系统不同的是，BP神经网络操作系统可以对产品中存在的不同参数进行优化，提取信息的关键因素，整合信息传递的优化结果，并以此作为控制整个系统的最关键因素，促进机械产品制造过程的完成。其使用效果可以满足人们和社会对产品的实际需求。通过该系统应用，可以更快速、准确地处理系统中需要处理的数据，并通过集成数据算法更清晰地发现信息的关键点。同时结合机械优化设计，在数据的输送和管理上，可以提高产品的整体质量。

1.2反馈神经网络

反馈神经网络也是一种基于神经传递的网络信息处理模型。在模型的构建和处理过程中，通过双向连接控制对相应神经元之间的媒介信息进行转换，确保信息神经元的转换控制为整体信息传输控制奠定基础。需要注意的是，在构建反馈神经网络时，相应的模型构建需要注意神经元传递中的权值控制。只有当神经元传输中的权值处理满足整体反馈调节工作时，才能保证在后续的机械优化设计中，将信息传输转化为神经元介质传输指导下的信息处理系统。将反馈神经网络调节应用到实际的机械优化设计中，可以对优化设计中的外部信息输入进行控制，并根据信息输入控制之间的关系，对整体信息传递管理点进行整合并及时实施。在整个信息反馈调节过程中，相应的信息调节控制以反馈模型构建中关键因素的控制为标准，并根据神经网络模型构建中的反馈调节机制进行协调，从而及时实施整个系统调节控制管理的关键点。在系统反馈调整过程中，还应明确反馈神经网络中的变量设计和相应的约束条件，以确保在约束条件的控制过程中发挥系统优化设计的关键控制作用。然而，在该模型的应用中，相应的模型应用存在一些差异。为了提高系统模型应用构建能力，需要消除模型的局限性，提高其应用的控制优化能力。

2人工神经网络在机械工程领域中的应用

2.1在故障诊断中的应用

在对人工神经网络进行故障排除时，所体现出的诸多功能也为一些故障排除环节给出了高效的方法。人工神经网络故障的排除体系，通常都是借助问题真实性来实现，再借助人工神经网络的有效预测，识别出真实的问题，大多数发达国家的探索结果都可以充分反映人工神经网络在机械问题识别中的运用是既充分又具发展前景。所进行识别的设备，也大多都是从上千兆的汽轮发电系统、核电站系统航天习行设备，识别方法也不仅是借助振动方法，也会运用到油样和声传递等方法，现阶段所运用的网络专家一体，也从全面的角度借助了专家体系和人工神经网络的所有优势，也就是借助专家体系来做逻辑想象，借助网络来做识别和确定。这样的问题识别过程，也属于网络化识别的科学方法。

2.2在监测、控制中的应用

由于机械加工是一个十分复杂的系统，影响因素较多且充满了不确定性，因此机械加工过程的监测、预测、控制功能的实现十分困难。人工神经网络可以较好实现机械加工的监测、控制功能。另外，机械加工过程中存在大量的动态参数，如力的大小、方向、位移、速度、温度、噪声、磁场等因素，将这些参数作为人工神经网络的输入参数，通过不断的机械学习提高系统判断的准确性，输出信息就可以作为该系统状态判断的一个有效参考。结合机械自动化的控制方式，将人工神经网络获取的信息经过计算机程序处理，输出给控制设备相应的处理方式，实现机械加工过程的动态控制。

2.3在结构分析、设计、优化方面的应用

现代机械结构的影响参数很复杂，包括静态常量和动态变量两种类型的影响参数，因此现代机械结构的优化设计是一项十分复杂的工作，不仅对研究人员的设计能力有较高的要求，还需要其进行大量的数据处理工作。对此，可以应用Hopfield神经网络进行辅助设计。由于Hopfield神经网络总是趋向于最优的稳定状态，这样就可以将机械设计问题转化为数学代数求极小值的问题，将机械结构各个参数作为函数的变量，将所求结构作为神经网络的最优值，从而实现机械结构的优化设计。

结语

综上所述，随着科技的发展与智能技术的逐渐优化，人们对机械系统的要求也逐渐提高，尤其是对机械产品的综合性能，无论是其功能性还是简便性，都有着越来越高的要求。如果始终按照传统的机械系统优化方式来进行算法优化，那么其优化的效果难以满足社会需求。只有利用BP神经网络模型与反馈神经网络模型来完成机械优化设计，才能让机械产品的综合性能满足社会需求，为我国经济带来积极的作用，并且克服传统优化算法中存在的问题。

参考文献

[1]赵娜.基于人工神经网络的复杂产品模块化数学建模[J].河北北方学院学报（自然科学版），2022，38（3）：12-19.

[2]屈梁生.人工神经网络与机械工程中的智能化问题[J].中国机械工程，2021，8（2）：1-4.

[3]乔卫亮，刘阳，周群，等.基于模糊人工神经网络的安全风险评估模型[J].安全与环境学报，2021，21（4）：1405-1411.

[4]许世杰.人工神经网络在机械故障诊断技术中的应用[J].机电信息，2020（12）：40-41.

[5]柴伟杰.人工神经网络及其在机械工程领域中的应用研究[J].南方农机,2021,49(22):40.