人工智能與機電自動化的融合發(fā)展探討

摘 要：文章針對“人工智能與機電自動化的融合發(fā)展”進行研究，旨在順應時代發(fā)展趨勢，探索人工智能與機電自動化融合發(fā)展的方向和路徑。文章從視覺識別應用、專家控制系統(tǒng)、模糊控制系統(tǒng)等層面，分析了人工智能與機電自動化融合發(fā)展的方向。文章還詳細介紹了基于人工智能搭建機電自動化智能控制結(jié)構(gòu)與基于人工智能搭建機電自動化故障預警與智能診斷系統(tǒng)的具體思路和方法，探索了人工智能與機電自動化融合發(fā)展的路徑。文章提及的觀點和方法可以為人工智能與機電自動化融合發(fā)展提供新的思路，從新的角度推動機電自動化領(lǐng)域的發(fā)展。

關(guān)鍵詞：人工智能 機電自動化 融合發(fā)展

1 人工智能與機電自動化融合發(fā)展的方向

1.1 視覺識別應用

視覺識別技術(shù)的原理是計算機模擬人類的視覺功能，通過精準識別和收集指定事物相關(guān)數(shù)據(jù)信息，分析運動動態(tài)[1]。視覺識別技術(shù)涉及圖像采集、分析處理和信息輸出等方面的功能，這些功能都需要得到計算機系統(tǒng)的支持。目前，人工智能技術(shù)與機電自動化融合發(fā)展的一個重要方向就是視覺識別應用。如，汽車生產(chǎn)、機器人等領(lǐng)域中，視覺識別應用發(fā)揮了重要的作用，為機電自動化發(fā)展和工業(yè)生產(chǎn)提速作出了極大貢獻。以汽車生產(chǎn)控制領(lǐng)域為例，企業(yè)將智能機器人與視覺識別應用結(jié)合在一起，使生產(chǎn)線編程擴機系統(tǒng)能夠高度精準化地完成測量、識別、定位任務。有了人工智能技術(shù)的支持，汽車生產(chǎn)控制系統(tǒng)可以憑借視覺識別應用鎖定某一點位，由計算機系統(tǒng)和激光掃描裝置全方位掃描車身，精準計算車身數(shù)據(jù)，再由智能系統(tǒng)將相關(guān)數(shù)據(jù)傳輸?shù)綑C器人控制中樞，機器人可以判斷和檢驗數(shù)據(jù)的準確性。從整個流程來看，視覺識別應用展現(xiàn)了人工智能技術(shù)應用于機電自動化發(fā)展的新方向，實現(xiàn)了機電自動化精準檢測和控制的效果。

1.2 專家控制系統(tǒng)

人工智能技術(shù)在機電自動化中的另一個應用方向是專家控制系統(tǒng)，即利用人工智能技術(shù)與專家經(jīng)驗結(jié)合在一起，以提升機電自動化水平[2]。從現(xiàn)實情況來看，由人工設計的機電自動化控制系統(tǒng)可能出現(xiàn)一些問題，導致自動化控制優(yōu)勢很難充分體現(xiàn)。如今，人工智能技術(shù)與機電自動化融合發(fā)展，可以大幅度提升機電自動化控制的效率，保證機電自動化運行的質(zhì)量。以機電自動化故障診斷為例，人工智能技術(shù)的應用能夠有效提升專家控制系統(tǒng)的運行效率和質(zhì)量。首先，融合人工智能技術(shù)的專家控制系統(tǒng)能夠精準檢測機電設備中的特征信號。其次，融合人工智能技術(shù)的專家控制系統(tǒng)能夠匯總分析檢測結(jié)果，找到機電設備及自動化系統(tǒng)存在的問題，給出故障信息。最后，融合人工智能技術(shù)的專家控制系統(tǒng)能夠全方位監(jiān)測和識別機電自動化系統(tǒng)的運行狀態(tài)，根據(jù)故障信息運行相應的解決方案。人工智能技術(shù)在機電設備專家智能診斷中的應用，可以更加全面精準地檢測機電設備的運行情況，收集關(guān)于設備位置、狀態(tài)信息等方面的數(shù)據(jù)。如果再配合傳感器裝置等，可以獲得關(guān)于機電設備溫度檢測、壓力檢測等方面的數(shù)據(jù)信息。在各方面信息數(shù)據(jù)的支持下，機電設備專家智能診斷系統(tǒng)可以更加精準地定位機電設備故障位置，分析故障類型及相關(guān)信息，找到機電設備出現(xiàn)故障的原因，自動運行故障排除方案。

1.3 模糊控制系統(tǒng)

模糊控制系統(tǒng)是依托計算機控制技術(shù)，以模糊語言形式形成的閉環(huán)結(jié)構(gòu)數(shù)字控制系統(tǒng)。模糊控制系統(tǒng)在機電設備和自動化系統(tǒng)中能夠充分發(fā)揮作用，離不開模糊控制器的支持和保障[3]。如果將模糊控制系統(tǒng)運用于機電設備溫濕度控制系統(tǒng)中，可以確保機電設備在模糊控制理論和系統(tǒng)算法的支持下自動調(diào)節(jié)溫濕度。一般來說，模糊控制系統(tǒng)是由執(zhí)行機構(gòu)、I/O接口、控制器、測量裝置組成[4]。模糊控制系統(tǒng)中直流電動機、交流電動機、伺服電動機、各類氣動調(diào)節(jié)閥、液壓馬達、液壓閥等部件組成了執(zhí)行機構(gòu)，主要負責執(zhí)行指令；I/O接口是控制器的輸入/輸出接口，在模糊控制系統(tǒng)中主要作為模/數(shù)、數(shù)/模轉(zhuǎn)換單元存在，主要用來協(xié)助完成模糊邏輯處理的“非模糊化”過程；由檢測元件、模擬測量儀器、傳感器組成的測量裝置在模糊控制系統(tǒng)中主要用來將被控對象的各類非電量轉(zhuǎn)變成電流、壓力等電信號。明確模糊控制系統(tǒng)的組成后，可嘗試引入人工智能技術(shù)，對整個系統(tǒng)進行優(yōu)化。

2 人工智能與機電自動化融合發(fā)展的路徑

2.1 基于人工智能搭建機電自動化智能控制結(jié)構(gòu)

2.1.1 硬件設計

智能機器人作為智能機電設備中比較重要的組成部分，可以成為人工智能技術(shù)與機電自動化融合發(fā)展的切入點[5]。技術(shù)人員可以將人工智能技術(shù)運用于智能機電設備自動化硬件設計中，使人工智能技術(shù)得以充分發(fā)揮自身優(yōu)勢。一般來說，智能機電設備自動化硬件包括EPEC控制器與無線遙控器等。從智能機電設備中EPEC控制器設計的角度來看，技術(shù)人員可以在基于人工智能搭建的機電自動化智能控制結(jié)構(gòu)中，利用系統(tǒng)和算法優(yōu)化無線遙控終端和EPEC控制器的運行機制，實現(xiàn)由無線遙控終端發(fā)布控制指令，對EPEC控制器進行點動控制和運動控制。通過這種方式高效運行關(guān)節(jié)位置開環(huán)控制系統(tǒng)和關(guān)節(jié)位置閉環(huán)控制系統(tǒng)，使智能機器人能夠精準靈活地完成關(guān)節(jié)運動。

2.1.2 自適應跟隨控制

智能機器人配備傾角傳感器，能夠更好地感知運動軌跡，高效完成工作任務。其技術(shù)原理是將目標角度值作為位置閉環(huán)控制系統(tǒng)的輸入，與傾角傳感器的測量值形成位置閉環(huán)控制系統(tǒng)（見圖1）。

當智能機器人運動時，受到位置閉環(huán)控制系統(tǒng)的影響，機械手運動軌跡將會保持始終與工作面垂直的狀態(tài)。在機電自動化控制中，技術(shù)人員可以借助無線遙控手柄來控制位置閉環(huán)系統(tǒng)的目標值，以便能夠隨時改變智能機器人的運動軌跡。位置閉環(huán)控制系統(tǒng)是由EPEC控制器、液壓馬達、負載敏感比例多路換向閥、傾角傳感器及比例放大器組成[6]。在人工智能與機電自動化融合發(fā)展的趨勢下，可以借助人工智能技術(shù)對位置閉環(huán)控制系統(tǒng)的運控模式進行優(yōu)化和更新，使無線遙控器能夠更好地控制EPEC控制器。位置閉環(huán)控制系統(tǒng)運行過程涉及的技術(shù)要點是在人工智能技術(shù)的支持下無線遙控器將會給EPEC控制器自動發(fā)送指令，指令中給出的具體運動速度將會在EPEC控制器的定時周期內(nèi)轉(zhuǎn)換為坐標系中的目標位置。系統(tǒng)可以利用算法自動解析目標位置數(shù)據(jù)，解算出機器人大臂、小臂與其初始狀態(tài)之間的夾角以及傾角傳感器的實時測量數(shù)值。EPEC控制器會自動計算夾角與實時測量值的差值，從而得到比較準確的控制量。由位置閉環(huán)控制系統(tǒng)自動運行線性化算法計算出EPEC控制器PWM輸出模塊的占空比。EPEC控制器將按照計算出的數(shù)值輸出電壓信號，信號經(jīng)功率放大器放大之后，傳輸至負載敏感比例多路換向閥。經(jīng)過一系列操作使位置閉環(huán)控制系統(tǒng)完成驅(qū)動液壓馬達控制器的任務。

2.1.3 閉環(huán)控制系統(tǒng)優(yōu)化

基于人工智能搭建機電自動化智能控制結(jié)構(gòu)的過程中，借助人工智能技術(shù)優(yōu)化位置閉環(huán)控制系統(tǒng)是提升系統(tǒng)響應速度的有效手段[7]。開展這項工作時，可從改變比例環(huán)節(jié)的系數(shù)入手，通過調(diào)整比例系數(shù)和積分系數(shù)，消除位置閉環(huán)控制系統(tǒng)存在的穩(wěn)態(tài)誤差。之所以這樣做是因為調(diào)整比例系數(shù)和積分系數(shù)能夠改變位置閉環(huán)控制系統(tǒng)的超調(diào)量和調(diào)節(jié)時間，消除響應滯后對控制系統(tǒng)產(chǎn)生的負面影響。完成這一操作之后，即可增強位置閉環(huán)控制系統(tǒng)的整體穩(wěn)定性和系統(tǒng)響應速度。

2.2 基于人工智能搭建機電自動化故障預警與智能診斷系統(tǒng)

2.2.1 系統(tǒng)架構(gòu)與功能設計

基于人工智能搭建機電自動化故障預警與智能診斷系統(tǒng)，可從系統(tǒng)總體架構(gòu)、數(shù)據(jù)采集與預處理、特征提取與模型構(gòu)建、預警與智能診斷等方面入手。搭建基于人工智能的機電自動化故障預警與智能診斷系統(tǒng)的關(guān)鍵在于設計機電設備故障預警與智能化判別系統(tǒng)。技術(shù)人員應從數(shù)據(jù)搜集單元、前期處理單元、特性抽取單元、故障分析單元及預警單元等角度入手，構(gòu)建機電自動化故障預警與智能診斷系統(tǒng)。發(fā)揮數(shù)據(jù)搜集組件的作用和價值，及時獲取機電設備運行過程中產(chǎn)生的震動、氣溫、壓強等一系列數(shù)據(jù)；發(fā)揮預處理組件的作用和價值，對獲得的相關(guān)信息進行凈化，使這些數(shù)據(jù)能夠傳輸?shù)狡渌恢?；發(fā)揮特征抽取模塊的作用和價值，在信號處理技術(shù)和機器學習算法的支持下從獲取的數(shù)據(jù)信息中萃取核心故障特性；發(fā)揮故障分析單元即預警單元的作用和價值，基于萃取出的核心故障特性建立分類或回歸模型，依托模型判斷故障類型。在系統(tǒng)自動判別故障類型的過程中，也會檢測機電自動化系統(tǒng)運行產(chǎn)生的輸出結(jié)果是否超出界限值。一旦超出界限值，系統(tǒng)將會自動預警，同時及時采取措施。

2.2.2 算法選擇

機電設備故障預警與智能化判別系統(tǒng)搭建完成之后，需要利用卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡等基于人工智能的深度學習算法對系統(tǒng)進行優(yōu)化。對于機電設備故障預警與智能化判別系統(tǒng)來說，卷積神經(jīng)網(wǎng)絡這種深度學習算法比較合適。這是因為使用卷積神經(jīng)網(wǎng)絡深度學習算法之后，機電設備故障預警與智能化判別系統(tǒng)識別、判定和處理故障的精準性、效率和質(zhì)量等方面都得到了改善。

2.2.3 實驗設計與數(shù)據(jù)驗證

依托人工智能技術(shù)系統(tǒng)可以自動收集運行過程中產(chǎn)生的信息。這些信息中包含了正常與異常狀況下振動信息、溫度讀數(shù)、壓力值等方面的運行數(shù)據(jù)。技術(shù)人員可以利用獲取的數(shù)據(jù)訓練卷積神經(jīng)網(wǎng)絡深度學習算法模型，使基于人工智能搭建的機電自動化故障預警與智能診斷系統(tǒng)表現(xiàn)出更加強勁的效能。在一次次的訓練中，卷積神經(jīng)網(wǎng)絡深度學習算法模型能夠自動調(diào)整網(wǎng)絡架構(gòu)、調(diào)整學習速率等核心參數(shù)，不斷提升故障識別、診斷、處理的效率和精準度。得到最佳算法模型之后，技術(shù)人員可以利用基于人工智能搭建的機電自動化故障預警與智能診斷系統(tǒng)進行故障預警與診斷測試。例如，技術(shù)人員利用算法模型對機電自動化系統(tǒng)運行狀態(tài)開展故障預警與診斷測試工作，測試過程中發(fā)現(xiàn)“軸承損壞”故障類型的預警時間在30min左右，智能診斷程序給出的診斷結(jié)果是軸承損壞，人工驗證的結(jié)果也是軸承損壞；“皮帶撕裂”故障類型的預警時間在15min左右，智能診斷程序給出的診斷結(jié)果是皮帶撕裂，人工驗證的結(jié)果也是皮帶撕裂；“電機過熱”故障類型的預警時間在5min左右，智能診斷程序給出的診斷結(jié)果是電機過熱，人工驗證的結(jié)果也是電機過熱。從智能故障診斷的測試結(jié)果可以發(fā)現(xiàn)，基于人工智能搭建的機電自動化故障預警與智能診斷系統(tǒng)在卷積神經(jīng)網(wǎng)絡深度學習算法模型的支持下，得到的診斷結(jié)果比較準確。

2.2.4 系統(tǒng)實現(xiàn)與測試

基于卷積神經(jīng)網(wǎng)絡深度學習算法模型等人工智能技術(shù)搭建的機電自動化故障預警與智能診斷系統(tǒng)具備了數(shù)據(jù)收集、前期處理、特性抽取、問題診斷及預先警報等多方面的功能。該系統(tǒng)在人工智能技術(shù)與機電自動化的融合發(fā)展模式下功能更加強大，尤其是在故障精準判別方面。在該系統(tǒng)的支持下，機電自動化運行過程中軸承破損、皮帶斷裂、電動機超溫等多種類型的故障，識別和診斷的時間有效降低，精準度得到明顯提升。通過對實驗測試結(jié)果進行分析和匯總可以發(fā)現(xiàn)，該系統(tǒng)運用之后，機電自動化系統(tǒng)運行過程中故障判別準確率已經(jīng)超過90%。這不僅可以有效降低技術(shù)人員的工作壓力，也能夠產(chǎn)生更好的效益。從未來發(fā)展前景的角度來看，基于卷積神經(jīng)網(wǎng)絡深度學習算法模型等人工智能技術(shù)搭建的機電自動化故障預警與智能診斷系統(tǒng)可用于實時監(jiān)測與預警、智能診斷與維修建議、提高生產(chǎn)效率與安全性等方面。該系統(tǒng)未來在廣泛推廣時，可嘗試采用尖端的感知器技術(shù)與訊息處理算法解決海量數(shù)據(jù)快速精準高效處理方面產(chǎn)生的問題；采用多模型融合系統(tǒng)構(gòu)建功能更加強大的故障判別模型，使系統(tǒng)能夠快速判定更多類型的故障問題。

3 結(jié)語

在當今時代背景下，人工智能與機電自動化的融合發(fā)展是大勢所趨。技術(shù)人員可以嘗試將人工智能算法模型引入到機電自動化智能控制結(jié)構(gòu)和機電自動化故障預警與智能診斷系統(tǒng)中，借助先進的技術(shù)手段和設備提升系統(tǒng)運行的水平和質(zhì)量。文章從不同角度對人工智能與機電自動化的融合發(fā)展進行探討，提出了比較科學合理的觀點，也梳理了流程和操作程序。這些成果都能夠為相關(guān)領(lǐng)域的發(fā)展作出貢獻，使技術(shù)人員得以參考借鑒有價值的內(nèi)容，進一步優(yōu)化機電自動化系統(tǒng)和程序，助推我國機電自動化技術(shù)進入一個新的發(fā)展階段。

參考文獻：

[1]竇穎艷，慕陽.基于人工智能的自適應控制策略及其在工業(yè)自動化中的應用[J].家電維修，2025（1）：107-109.

[2]章海峰，高瞳.人工智能技術(shù)在工業(yè)自動化系統(tǒng)中的應用[J].中國科技期刊數(shù)據(jù)庫·工業(yè)A，2025（1）：094-097.

[3]賀有兵，曾立兵.人工智能在機械設計制造及自動化中的應用[J].鑿巖機械氣動工具，2025，51（1）：16-18.

[4]林呂鵬.人工智能技術(shù)融入機械設計及自動化的策略[J].鞋類工藝與設計，2025，5（2）：117-119.

[5]趙得學，王洪生.基于人工智能的機電設備自動化控制系統(tǒng)設計與實現(xiàn)[J].現(xiàn)代制造技術(shù)與裝備，2024，60（6）：207-209.

[6]呂愛英.人工智能在機械設計制造及自動化中的應用分析[J].中國設備工程，2024（8）：269-271.

[7]闞新星，嚴登梅.人工智能在機電設備自動化控制中的應用研究[J].造紙裝備及材料，2024，53（1）：57-59.