摘要:现阶段，随着工程机械技术的不断发展，人工神经网络技术逐渐得到了应用，该技术包含众多的学科领域和高新科技，对提升机械的智能化、自动化等具有显著作用。文章分析了人工神经网络的具体内涵及特征，并探究其在机械工程中的具体应用，指出该技术的发展前景。
关键词:人工神经网络;机械工程;应用探析
引言
自80年代中期以来,美、日等国掀起了竟相研究和开发神经网络的热潮。1978年，国际神经网络学会(International Neural Networks Society。简称INNS)正式成立。1988年,美国国防部高级研究计划局(简称DARPA)宣布投资4亿美元,执行一项为期八年的神经网络计算机研制计划日本人类前沿科学计划"(简称HFSP)准备投资七千美元于神经网络计算机研制近年来,神经网络在模式识别智能计算,信号处理、联想记忆、推理决策及机器人等许多领域均获得了卓有成效的应用,成为各国科技界研究的焦点。
1人工神经网络的内涵及特征
1.1人工神经网络的内涵
人工神经网络简称为神经网络，这一技术通过模拟人类大脑中枢神经结构，构建分布式并行信心处理算法模型，是一种以人脑为模型的处理元素集合，其中各个处理元素都是一个神经单元。这里的神经元素不是独立的，与其他的神经元素都存在着一定的关联，这种关系也叫拓扑关系。在神经网络模型设计完成后，并不算真正成功，因为这是一个空的模型架构，需要在完成设计后，进行大量数据信息的训练，培养一种习惯和能力，让模型能够不断积累经验和知识，并形成自身问题处理的有效逻辑关系和能力，这样神经网络就能根据自身获得的知识以及经验，对相关问题进行处理。
1.2人工神经网絡的特点
就目前的神经网络技术来看，神经网络的特点主要有以下几个方面:(1)非线性特点。正如人脑一样,神经网络属于非线性关系。通过神经网络的应用，能够对多种变量的类似非线性关系进行处理和分析。(2)自学习自适应性。系统在完成大量训练的前提下，神经网络已经获得了一定的知识和经验积累，能够处理大量该信息，还能够接受信息变化。此外，神经网络在进行信息处理的过程中，能够总结相关信息之间的规律和关系，能够借助迭代过程实现自身拓扑关系的不断优化，进一步增长自身的见识和知识积累，提升自身数据分析和处理功能。(3)并行性。输入神经网络的相关信息的处理不是串行的，而是并行的，就像是串联电路和并联电路一样，并行电路中各个电气元件相互独立，各自不会产生干扰，计算机的主板实施的是串行作业，这样会导致在工作量较大的情况下，工作效率下降。但是神经网络采用并行处理模式，能够让每个神经单元都能够相互独立又相互配合工作，各自完成各自的数据分析和处理任务，在进行处理综合后将得出的最终信息传输到其他神经单元中，这样能够显著提升数据处理和分析能力。(4)较强的联想能力和容错能力。神经网络还能够实现各部分信息的互通和支持，为不完整的信息找到匹配信息，可见，神经网络的联想能力以及容错能力较好。
2神经网络技术在机械工程中的应用
2.1在CAD技术中的应用
现阶段，在机械工程中，CAD作为重要的绘图和计算软件，其自身的技术已经获得了不断发展。
现阶段的CAD技术不再仅仅局限于绘图功能应用，而是已经实现了对需求分析、原理方案设计、细节设计、工程分析、工艺设计、结构设计等众多功能的一体化。不过，CAD专家系统的不足也暴露出现来，主要表现:(1)系统的知识获取存在局限性，专家是知识的主要来源;(2)在丰富的知识链条中，分析的过程也会更长，需要的时间更多:(3)在问题超出系统的知识积累和经验的情况下，系统就不能进行有效的输出。而使用神经网络，往往不会出现以上问题，神经网络较好的分布式处理能力以及联想能力和容错能力，都能够确保相关问题的解决能够实现最优目标。
2.2在机械优化设计中的应用
进行机械设计，主要是参照机械设计规范要求，从设计问题中抽象出数学模型，借助数学归纳以及计算，在限定前提下计算出目标函数的最优方案。以往的机械设计中采用的优化方法和技术往往无法从现有问题抽象出最优数学模型，而借助神经网络技术应用，将函数带入进来，利用函数关系的分析和计算，实现最理想结果的获取。这对进一步优化机械设计过程，实现最理想设计目标能够发挥积极作用。
2.3在工程结构智能监控中的应用
目前对于具有精确数学模型的控制系统(如线性系统);经典控制与现代控制的理论和方法已成为非常有效的工具但是,对复杂的要求较高的控制系统(如机器人系统),采用常规的系统辨识方法已很建立其精确的数学模型。这里有很多不确定性和非线性因素。正是由于这些因素所引起的理论模型与实际系统之何的差别,导致常规控制系统的控制性能不能达到所希望的要求。现有的自适应、自校正控制方法虽然在一定程度上解决了不确定问题,但其本质上仍要求对象模型的在线辨识，故算法复杂,运算量大,应用受到限制针对非平稳随机激励或具有几何、本构非线性和不确定的机械系统,如由机床结构与切削过程形成的闭环反愤系统，在徽重力条件下的大柔性空间结构及受外界非平稳随机激动的精密隔振系统等,人们提出了一种基于神经网络的振动主动控制方法,进而为实现智能振动主动控制开辟了新的研究途径。可见，这一智能化监控系统中，借助神经网络技术，能够对模块数据进行读取，并开展自适应性学习，完成相应的推理以及管理目标，实现人机交互。对复杂机械设备,故障可能由多种因素引起,故障与征兆之间的关系是非线性的,甚至是模糊的。因此,进行故障诊断不仅需要推理，还需要大量的知识和经验。神经网络因具有自学习、联想和记忆功能,已被应甩于机被设备故障诊断领域。如德国开发了一种基于神经网络和发动机专用数据库的柴油发动机诊断系统(DLAMOND),能准确地诊断常见故障(如:全负荷时的功率不足;雾化值过大,疲气温度过高,阀门问隙调节不正常等)。另外,神经网络还可用于金属结构掼伤状态识别。
3结束语
神经网络在机械:工程中的应用具有显著优势，在机械工程众多领域都能够实现很好的应用，对此，需要进一步研究技术的适应性，构建神经网络模型，进行大量数据训练，才能切实提升系统性能，提升数据信息处理能力。
参考文献
[1]杨阳，王宏，化成城，等，面向国际一流学科的机械工程课程结构神经网络分析[J].教育教学论坛,2017(3):162-163.
[2]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，2018,49(22):40.
[3]吉梦雯，樊文欣，张涛，等，基于BP神经网络的连杆衬套强力旋压轴线直线度预测[J].塑性工程学报,2018,25(1):137-141.