王志剛++邢鵬皎

摘 要：人工神經(jīng)網(wǎng)絡(luò)是一種在人工智能的基礎(chǔ)上建設(shè)的一種特殊的網(wǎng)絡(luò)，這種網(wǎng)絡(luò)技術(shù)以信息處理為根本，將人腦之中的神經(jīng)元網(wǎng)絡(luò)抽象化，通過簡單的模型來建設(shè)網(wǎng)絡(luò)系統(tǒng)，建設(shè)的方法也極其多樣化，這種網(wǎng)絡(luò)技術(shù)經(jīng)常會被應(yīng)用于工業(yè)的優(yōu)化機械設(shè)計過程中。使用這種網(wǎng)絡(luò)方法進行優(yōu)化，主要是為了對過去使用的計算機優(yōu)化方法具有的缺點進行彌補，隨著智能技術(shù)的不斷前進，這種網(wǎng)絡(luò)技術(shù)的適用性也就變得更強，本文根據(jù)對人工神經(jīng)網(wǎng)絡(luò)技術(shù)的了解，對其被應(yīng)用于機械優(yōu)化工作之中的情況進行分析。

關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；機械優(yōu)化設(shè)計；應(yīng)用

機械優(yōu)化設(shè)計使機械設(shè)計過程之中的重要環(huán)節(jié)，設(shè)計人員需要將幾種可應(yīng)用的方案列舉出來，從其中找出最適合機械設(shè)計工作的方案，達到最優(yōu)設(shè)計的目的，當(dāng)前設(shè)計者經(jīng)常使用的優(yōu)化方法主要是借助計算機技術(shù)自動尋求效果最優(yōu)的設(shè)計方案，但是隨著機械設(shè)計工作逐漸變得更加復(fù)雜，計算機選擇的方法現(xiàn)有的缺陷也逐漸影響其選擇的效果，而新型的優(yōu)選方案的技術(shù)有很多，人工神經(jīng)網(wǎng)絡(luò)技術(shù)非常適合機械設(shè)計，本文基于對優(yōu)化機械設(shè)計工作的了解，對人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用進行研究。

1 人工神經(jīng)網(wǎng)絡(luò)概述

人工神經(jīng)網(wǎng)絡(luò)是上個世紀八十年代的一個研究熱點，隨著智能技術(shù)以及其他智能化技術(shù)不斷提升，相關(guān)人員對這種技術(shù)的研究也逐漸深入。作為一種在機械設(shè)計環(huán)節(jié)經(jīng)常會被應(yīng)用的運算模型神經(jīng)網(wǎng)絡(luò)主要是有許多神經(jīng)元構(gòu)成的，不同的神經(jīng)元之間持有相互聯(lián)接的關(guān)系，系統(tǒng)之中的每一個節(jié)點都可以被看作輸出類型的函數(shù)，設(shè)計人員也將其稱為激勵函數(shù)，這種設(shè)計技術(shù)的應(yīng)用范圍也逐漸被擴大，不僅僅可以被應(yīng)用與智能機械設(shè)計領(lǐng)域，同時在生物、自動控制以及經(jīng)濟等多種不同的領(lǐng)域之中也會被用到。

人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元互聯(lián)組成的非線性、自適應(yīng)信息處理系統(tǒng)。它是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出的，試圖通過模擬大腦神經(jīng)網(wǎng)絡(luò)處理、記憶信息的方式進行信息處理。人工神經(jīng)網(wǎng)絡(luò)具有四個基本特征：

非線性關(guān)系是自然界的普遍特性。大腦的智慧就是一種非線性現(xiàn)象。人工神經(jīng)元處于激活或抑制二種不同的狀態(tài)，這種行為在數(shù)學(xué)上表現(xiàn)為一種非線性人工神經(jīng)網(wǎng)絡(luò)。具有閾值的神經(jīng)元構(gòu)成的網(wǎng)絡(luò)具有更好的性能，可以提高容錯性和存儲容量；非局限性：一個神經(jīng)網(wǎng)絡(luò)通常由多個神經(jīng)元廣泛連接而成。一個系統(tǒng)的整體行為不僅取決于單個神經(jīng)元的特征，而且可能主要由單元之間的相互作用、相互連接所決定。通過單元之間的大量連接模擬大腦的非局限性。聯(lián)想記憶是非局限性的典型例子；非常定性：人工神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、自組織、自學(xué)習(xí)能力。神經(jīng)網(wǎng)絡(luò)不但處理的信息可以有各種變化，而且在處理信息的同時，非線性動力系統(tǒng)本身也在不斷變化。經(jīng)常采用迭代過程描寫動力系統(tǒng)的演化過程；非凸性：一個系統(tǒng)的演化方向，在一定條件下將取決于某個特定的狀態(tài)函數(shù)。

2 應(yīng)用分析

2.1 BP神經(jīng)網(wǎng)絡(luò)分析

BP神經(jīng)網(wǎng)絡(luò)是一種模仿類型的神經(jīng)網(wǎng)絡(luò)，借助BP神經(jīng)網(wǎng)絡(luò)技術(shù)可以有效地對信息進行處理，其模仿的對象主要是人類大腦的神經(jīng)網(wǎng)絡(luò)的功能與結(jié)構(gòu)，在對信息進行處理的時候，主要借用一些人腦常常會應(yīng)用的方法，包括聯(lián)想記憶以及形象思維等，處理信息的方法主要是記憶、識別等，其使用優(yōu)勢在于極高的自組織性以及適應(yīng)性，同時器非線性的映射技術(shù)也使其能夠以最快的速度對實物進行分類，并開展實時處理的活動。

在開展機械設(shè)計活動時，設(shè)計人員需要對機械系統(tǒng)的多目標以及結(jié)構(gòu)兩部分進行機械設(shè)計，設(shè)計人員的設(shè)計思想一般是通過結(jié)構(gòu)分析的方法，對數(shù)量的基本結(jié)構(gòu)進行研究，取得一定的樣本，借助樣本對神經(jīng)網(wǎng)絡(luò)系統(tǒng)進行構(gòu)建，在開展數(shù)據(jù)訓(xùn)練活動時，也需要應(yīng)用樣本，借助網(wǎng)絡(luò)系統(tǒng)可以實現(xiàn)結(jié)構(gòu)分析的需要，設(shè)計人員的計算量也會相對減少，這種方法經(jīng)常會與其他同樣能夠起到優(yōu)化作用的算法結(jié)合使用。

利用 BP 神經(jīng)網(wǎng)絡(luò)模型還可以進行機械產(chǎn)品的多目標優(yōu)化設(shè)計。在機械產(chǎn)品系列化設(shè)計過程中，同一個產(chǎn)品需要保證的產(chǎn)品性能可能是多方面的，即優(yōu)化設(shè)計中的目標函數(shù)由很多個組成，同時影響各個方面的產(chǎn)品性能的參數(shù)即優(yōu)化設(shè)計中的設(shè)計變量也有很多個，每一個設(shè)計變量對若干個目標函數(shù)都產(chǎn)生影響，在利用下式的線性加權(quán)法進行多目標優(yōu)化設(shè)計時，利用 BP 神經(jīng)網(wǎng)絡(luò)的非線性映射能力，在進行優(yōu)化設(shè)計時，可以避開確定各個目標函數(shù)的權(quán)重，較為有效地進行多目標優(yōu)化設(shè)計。其方法是：首先根據(jù)產(chǎn)品的具體情況構(gòu)造一個 BP 神經(jīng)網(wǎng)絡(luò)，以各個設(shè)計變量作為這個神經(jīng)網(wǎng)絡(luò)的輸入向量，以各個分目標函數(shù)作為這個神經(jīng)網(wǎng)絡(luò)的輸出向量，利用已有的經(jīng)驗數(shù)據(jù)訓(xùn)練該網(wǎng)絡(luò)，確定網(wǎng)絡(luò)各個聯(lián)接的聯(lián)接權(quán)重，即確定設(shè)計變量空間到目標函數(shù)空間的映射關(guān)系，然后在進行系列產(chǎn)品設(shè)計時，根據(jù)業(yè)已確定的設(shè)計變量空間到目標函數(shù)空間的映射關(guān)系，確定各個設(shè)計變量的取值，從而達到新產(chǎn)品的綜合性能最優(yōu)，達到多目標優(yōu)化設(shè)計的目的。由于 BP 算法是基于梯度下降技術(shù)的算法，因此利用 BP 算法訓(xùn)練多層前向神經(jīng)網(wǎng)絡(luò)易使網(wǎng)絡(luò)陷于局部極值點而得不到全局最優(yōu)解。解決的辦法是采用全局優(yōu)化算法進行網(wǎng)絡(luò)的訓(xùn)練。

2.2 反饋神經(jīng)分析

該神經(jīng)網(wǎng)絡(luò)模型是由一些相互雙向連接的神經(jīng)元組成，每個聯(lián)接有一個權(quán)值。網(wǎng)絡(luò)中每個神經(jīng)元的輸出均反饋到同一層次其它神經(jīng)元的輸入上。由這種拓撲結(jié)構(gòu)構(gòu)成的網(wǎng)絡(luò)在沒有外部輸入的情況下，網(wǎng)絡(luò)自身狀態(tài)的演化使得網(wǎng)絡(luò)收斂到一個穩(wěn)定態(tài)；在該穩(wěn)定狀態(tài)下，兩神經(jīng)元之間的聯(lián)接權(quán)值相等，網(wǎng)絡(luò)趨于平衡，Hopfield 等人將能量函數(shù)引入到該網(wǎng)絡(luò)結(jié)構(gòu)中，并以此來判定該方法的穩(wěn)定性。將 Hopfield 神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到機械優(yōu)化設(shè)計中，其關(guān)鍵是在機械優(yōu)化設(shè)計問題與 Hopfield 神經(jīng)網(wǎng)絡(luò)模型之間建立一種對應(yīng)關(guān)系，用人工神經(jīng)網(wǎng)絡(luò)有效地表示優(yōu)化設(shè)計中的設(shè)計變量、約束條件和目標函數(shù)，將該種神經(jīng)網(wǎng)絡(luò)的動態(tài)演化過程與機械優(yōu)化設(shè)計的在解空間尋優(yōu)過程對應(yīng)起來。但該模型本身存在的一些局限性如容易陷入局部最小點等，影響了它的應(yīng)用。

3 結(jié)束語

人工神經(jīng)元類型的網(wǎng)絡(luò)技術(shù)具有的幾方面特點都將其優(yōu)勢體現(xiàn)出來，隨著我國工業(yè)對于機械設(shè)計的要求不斷提升，機械設(shè)備的內(nèi)部系統(tǒng)的構(gòu)造也就變得更加復(fù)雜化，如果僅僅只依靠單一的計算機設(shè)計技術(shù)，很難全面地滿足優(yōu)化機械的設(shè)計需求，因此在對方案進行擇優(yōu)選擇的時候，設(shè)計人員可以將幾種新型擇優(yōu)技術(shù)結(jié)合使用，除了本文提到的人工神經(jīng)網(wǎng)絡(luò)技術(shù)之外，可以模擬退火等智能技術(shù)，但是將人工化的神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于復(fù)雜的機械設(shè)計環(huán)節(jié)之中時，還會出現(xiàn)一些算法方面的優(yōu)化問題，技術(shù)人員需要繼續(xù)對其展開研究。

參考文獻：

[1] 金全意. 基于培養(yǎng)卓越工程師的機械優(yōu)化設(shè)計課程改革研究[J]. 教育教學(xué)論壇. 2013（31）

[2] 吳亞明. 機械優(yōu)化設(shè)計的應(yīng)用發(fā)展分析[J]. 中小企業(yè)管理與科技（中旬刊）. 2015（06）

[3] 周淑娟. 遺傳算法與人工神經(jīng)網(wǎng)絡(luò)在流體機械研究領(lǐng)域中的應(yīng)用[J]. 廊坊師范學(xué)院學(xué)報（自然科學(xué)版）. 2011（02）

[4] 董立立，趙益萍，梁林泉，朱煜，段廣洪. 機械優(yōu)化設(shè)計理論方法研究綜述[J]. 機床與液壓. 2010（15）