机械电子工程与人工智能的关系探究

　　机械电子工程学科的发展晚于传统的机械工程，但是在上世纪这两种学科己经开始逐渐出现融合的趋势。信息化时代的发展，使得人工智能技术得到了飞速的发展，人工智能技术在机械电子工程中的运用也得到了广泛的运用，这种运用使得机械电子工程正由传统的能量连接及动能连接向信息连接发展，实现了机械电子工程的智能化发展。

　　1.机械电子工程

　　1.1机械电子工程的发展史

　　机械电子工程的发展总体经历了三个大的发展阶段。第一阶段是萌芽的发展阶段，这一阶段的机械电子发展主要以手工加工为主，这种低下的生产力发展会受到人力资源的制约，为了有效的提高生产能力，人们逐渐向机械工业方向发展过渡。第二阶段就是生产线发展阶段，这种流水线的生产能够做到标准件的机械生产，这种先进的生产模式，能够实现生产力的极大提高，实现了产品的大批量生产，很能节省人力。这一阶段的发展也有很多的缺点，如一些机械标准件的生产线都需要引进高标准的标准生产流水线，这在很大程度上导致生产不能及时的适应市场需求，缺乏灵活性，随着社会生产需求的不断变化，这种生产模式也出现显现出其不适应性。最后一个阶段就是机械电子产业化发展阶段，这一阶段的发展实现了产品与市场的对接，能够通过产业化的发展来满足生产及生活中对机械电子产品的需求，在这一阶段还产生了以机械电子工程为核心的柔性制造系统。

　　1.2机械电子工程的特点

　　机械电子工程属于综合性学科，并不是一门独立的学科，这一学科的发展包括了各类学科的精华。机械电子工程的设计要坚持以机械工程。计算机及电子工程为基本核心，在综合其他学科实现设计的科学合理，使得系统配置和目标能够符合设计要求，在进行设计时还要求设计工程师能够做到各个模块的有机结合，发挥各个模块的最大化优势，保证设计工作的顺利完成。另外，机械电子产品的结构相对简单，不需要使用过多的部件或元件。单思机械电子产品的内部结构比较，能够实现产品性能的提高，由于缩小产品的物理体积使其与传统的笨重机械相比具有更大的消费群体。

　　2.人工智能

    2.1人工智能的定义

　　人工智能是一门综合性的交叉学科，涉及到控制论、信息论、计算机科学以及神经生理学，对心理学、语言学及哲学等多门学科都有一定的涉及。可以说人工智能是21世纪最伟大的三大学科之一。人工智能能够模拟人的智能，还能充分的运用计算机来实现人的智能的延伸及扩展，是一门非常有发展前景的科学技术。

　　2.2人工智能的发展史

     2.2.1萌芽阶段

　　人工智能的萌芽阶段始于17世纪，法国的科学家发明了世界上第一部计算器，这种计算器能够实现加法的机械计算，这一发明在当时轰动一时，从此开始世界各国的科学家们都开始了对这一技术的研究，使得这一计算器的功能得到不断的改善，直到第一台计算机的发明。在这一阶段人工智能的发展还比较缓慢，主要还是处于实践经验的积累过程中，这为以后的发展提供了极为有力的条件。

　　2.2.2第一个发展阶段

　　在1956年举办的“侃谈会”上，美国人第一次使用了“人工智能”这一术语。在这阶段的发展过程中，人工智能的发展主要集中在翻译及证明方面，人工智能的博弈还是主要的研究任务。

　　2.2.3挫折阶段

　　在人们实际的研究工作中，随着人工智能研究工作的不断推进，人们逐渐发现人工智能在模仿人类思维方面还存在很多现实难题，在60年代中至70年代初期，很多的科学发现人工智能的研究都没有逃离出简单映射的方法，在逻辑思维方面的发展更是微乎其微。这一阶段的人工智能也实现了一定的科学创新，在自然语言的理解、计算机视觉及机器人和专家系统方面也取得了重要的成就。

　　2.2.4第二个发展阶段

　　人工智能的研究在得到初步的发展之后，便以1977年第五届国际人工智能联合会议的召开为转折点，在这次会议之后人工智能进的发展，不断的进入到了知识基础的发展阶段，在发展过程中，很多知识工程都在向人工智能领域渗透，这促使知识工程很快渗透到人工智能的各个领域，对人工智能的实际应用起到了非常重要的促进作用。2.2.5平稳发展阶段

　　在互联网技术的发展中，特别是国际互联网技术的不断普及，使得人工智能的发展方向发生了改变，正逐渐由单个主体向分布式主体方向过渡。在人工智能工程的演变及应用中，人工智能的发展受到网络普及的影响比较深。可以说网络的飞速普及促进了信息社会的发展，给信息的传递造成了革命性的改变。在人类进入到信息社会之后，人工智能技术的发展在实现信息的有效处理上发挥着不可替代的作用，在模型的建立控制及故障诊断上，机械电子工程都离不开人工智能技术的支持。

　　3.机械电子工程与人工智能的关系

　　机械电子系统具有不稳定性，这就使得机械电子系统在输入与输出关系的处理上比较困难。推导数学方程的方、建设规则库的方法以及学习并生成知识的传统方法，虽然在解析数学方面具有精密性，但是这些传统的方法还只能适用于一些相对简单的系统。然而现代社会所需求的系统是纷繁复杂的，往往会需要一个系统能够处理多种信息类型。人工智能系统在进行信息处理时，还存在一定的不确定性和复杂性，所以现在以知识为基础的人工智能信息处理方式正成为成为解析数学方式的替代手段。

　　人工智能建立系统所采取的方法中，主要使用的是神经网络系统和模糊推理系统。神经网络系统能够实现对人脑结构的模拟人，能够分析数字信号并给出参考数值。而模糊推理系统则是通过模拟人脑的功能，来实现对语言信号的有效分析。在处理输入输出的关系上，这两种方法既有共同之处，也存在各自的差异性。神经网络系统在信息的储存上是采用分布式的方式，而模糊推理系统则采用规则方式实现信息的储存。神经网络系统输入时由于每个神经元之间都有固定联系所以计算量一般都很大，而模糊推理系统的连接是不固定的，所以其计算量相对较小。在输入输出的精度上，神经网络系统的精度较高而且呈光滑曲面，而模糊推理系统的精度就较低而且呈台阶状。模糊神经网络系统做到了两者功能的最大融合，这对信息的合理表达是非常有利的，为其提供了一个适合的完全表达空间。而逻辑推理规则能够实现节点函数的增强，这为神经网络系统提供了函数连结，实现了两者的功能的最大化发挥。

　　4.结语

　　总而言之，随着科学技术的不断发展，各个学科间的交叉和融合就会越多，这给人工智能人工智能与机械电子工程的发展带来了很大的发展机遇，所以要处理好二者的关系以实现这一领域的不断发展。