㈠ 人工智慧在機械製造方面的應用

機械方面:松下機械手焊接機,法拉克車輛總裝機械手.
生活方面:各種智能機器機人.
科研: 水下機器人.
軍工:排爆機器人.
現在.......多著呢...寫不完

㈡ 人工智慧是什麼在機械領域有哪些應用最好說得通俗易懂一些。。不要復制粘貼的。。

人工智慧也稱為機器智能，由計算機應用系統來模擬人類智能活動的能力，以延伸人類智能的科學。而從學科角度講，目前的人工智慧是計算機科學的一個分支。說白了就是電腦在工業中的應用。機械領域的機器人等自動化設備的控制，都是其具體應用。

㈢ 人工智慧大數據和機器學習在電氣工程中有哪些應用

電氣工程及其自動化
電氣工程及其自動化（簡：電氣）本身就是一級學科，強電，含控制的知識。下屬五個二級學科：電機與電器、電力系統及其自動化、高壓與絕緣、電力電子與電力傳動、電工理論與新技術。該專業本科一般按一級學科招生，研究生階段按二級學科會有明顯區分。本科專業課程安排、偏向，各個學校稍有不同，大致可分為：電力系統方向和傳動方向，後者和控制交叉較多。工作偏重輸變電、電機、電子器件製造（大功率，不是給手機啊電腦用的那種）與變流技術（整流 逆變 變頻 斬波）。
自動化（研究生階段對應一級學科：控制科學與工程），以弱控強，屬於一個交叉性較強、寬口徑的專業。這個專業我覺得更偏弱電，但和通信、電子科學技術又完全不同，偏重於工業控制。下屬二級學科：控制理論與控制工程、檢測技術與自動裝置、系統工程、模式識別與智能系統、導航制導與控制、企業信息化系統與工程、生物信息學。
有些學校本科階段把這倆專業放一起了，有的不是電氣在本科期間，除了偏重於高壓、繼電保護、電力系統方向的部分，剩下的傳動控制和自動化區別不大，我只能說專業基礎課很多一樣。從對二級學科的羅列可以看出來，只有在研究生期間，專業偏向才十分明顯。甚至很多老牌的電氣名校都是在電力系統和高壓方向較強。
2. 電氣工程及其自動化、自動化就業方向
電氣工程及其自動化，有人的地方就有電嘛，就業口徑寬是必然的。主要的就業領域是電力相關企業，電力系統方向去國家電網、供電局、電力設計院、各電廠、國電南瑞、中廣核等等，總之與輸變電有關的單位都可以；偏電力電子與傳動的去電氣公司、電機廠、工業生產企業都可以，諸如較有名的西門子、ABB、通用電氣，特變電工等等；再者自動化，前面說了，口徑很寬，從專業上說其重在控制，不在「發電及其輸送的各個過程」，但是上面說的又都能去。半導體、嵌入式、PLC控制、PCB設計等等，製造業吧。
總的來說，對本科生這幾個方向就業口徑都挺寬，但能做的也非常基礎，研發崗一般不要本科生這放在哪個專業都是一般性規則。電力系統更注重供電、輸變電、相比其它更有針對性，能進電網也不錯。
3.可否作碼農或轉向人工智慧
人工智慧未來將滲透到各個領域，但就解決的問題目標來說，AI和電氣完全兩碼事。有的人把AI劃到計算機科學下，我個人覺得是學科大交叉。如果一定要找一個最對口的專業，除了計算機，可能是「控制科學與工程」下的「模式識別與智能系統」（但那又怎樣）。俗話說隔行如隔山，除非你本科就是計算機，其他專業差別不大

㈣ 機械電子工程可以往人工智慧發展嗎如果可以，需要學什麼

人工智慧的研究主要有三方面：
一是純理論性的，以強人工智慧或者神經網專絡為研究方向屬，這樣的話，本科可以選擇神經科學，也可以選修心理學、哲學、計算機科學
二是從演算法層面對人工智慧的優化，這也是大多數人現在對人工智慧的理解，本科自然要學計算機科學了，但博弈論之類重視邏輯的小類別學科也有選修或者自學的必要。
第三種就是工業應用的方面。樓主的認識很對，這樣主要應該學習自動化和機械控制。
不知樓主在國內還是國外讀大學。
在國外，人工智慧的理論研究還是很有價值的。國內嘛就別想了。
在國內，計算機是現在很火的專業不必多說。選機械控制專業的話就業前景非常好。
樓主你說喜歡硬體方面科技產品設計？若不是機械控制，人工智慧目前還主要是研究演算法層面的。電子工程這樣的硬體專業目前對人工智慧還沒啥應用。
當然樓主有志於在國內研究神經網路那是祖國的驕傲啊^ ^
人工智慧是一門很迷人的學科。希望樓主能找到適合自己的方向好好發展，帶動我國的人工智慧領域哦！

㈤ 機械電子工程專業能否參與人工智慧的研究

讀研的話機械領域和人工智慧關系最密切的方向是機器視覺屬於智能製造，機械電子更多是機器人，機電液一體化。本科的話除了人工智慧專業，就數自動化更接近人工智慧，如果想學就自己找書看，學軟體，網上也有很多外國公司免費提供的教程。對了，現在的人工智慧研究主要有幾個大方向：機器視覺，機器學習，智能演算法等

㈥ AI(人工智慧)在機械領域有哪些應用

1.機械領域的主要應用：1.1 機械設計 機械設計實際上是一個模型的綜合和分析的過程，它不僅包括大量的計算、分析、繪圖等數值計算型工作；還包括擬定初始方案，選擇最優方案，制定合理結構等方案設計工作。 目前， 有些企業已引入CAD/CAM 系統， 由於CAD/CAM系統對符號推理工作需要綜合運用多種科學的專門知識和豐富的實踐經驗才能解決，這需要CAD/CAM系統具有智能性，因此，設計智能化已成為機械設計中一個很熱門的研究課題之一，它把計算機從數值處理擴展到非數值處理，包括知識與經驗的集成、推理和決策，力圖使機械設計過程自動化，減少人類專家在設計過程中由於個人因素造成的不足。此外，與傳統設計方法相比，專家系統在機械設計中有著不可比擬的優勢，它不僅可以長期穩定工作、節省成本，還可以為專家知識特別是啟發式知識提供存儲手段和傳授途徑、易於繼承。1.2 機械製造 在機械生產製造過程中，需要為工廠中所有的裝配機器供應零件。目標可能由監控者提供，也可能由系統對當時狀態做出評估而產生。智能系統怎樣推斷出適當的目標，然後構造試圖達到目標的動作序列，這個過程通常稱為規劃(planning), 它是自動問題求解的特例，是人工智慧研究的重要子領域。 此外，計算機集成加工系統（CIMS）和柔性加工系統（FMS）在近年來獲得迅速發展。在一個復雜的加工過程中，不同條件下的多種操作是必要的。環境的不確定性以及系統軟硬體的復雜性，向當代工程師們設計和實現有效的集成控制系統提出了挑戰。為了把現有的Petri 網技術用於現代加工系統，需要開發一種新技術，把機器智能技術和Petri 網理論以及智能離散事件控制器連接起來。1.3 機械電子工程 在許多工程系統中，往往由於內部結構復雜，存在著對加工過程式控制制及故障診斷等方面的困難，一般的PID 等典型控制方法雖然能解決一些問題，但在一些場合已不能滿足生產的要求，當前，典型的機電一體化產品- 數控機床、交流伺服驅動裝置等正在向數字化、小型化、高精度等方向發展，為監控帶來新的挑戰，由於模糊神經網路控制不依賴控制對象和數學模型，具有較強的魯棒性，是一種非線性的控制方法，在解決此類問題中有很好的優勢。而專家系統主要用於復雜的機械繫統，能夠克服基於模型的故障診斷方法對模型的過分依賴性。1.4 機械繫統故障診斷 對機械設備進行故障診斷主要是通過對設備敏感部位的信號利用感測器進行數據採集和特徵提取，根據不同機械部件在不同時間和狀態下具有不同的特徵，來判斷是否工作正常。它包含兩方面的內容，即對系統運行狀態進行監測和發現異常情況後對故障進行分析、診斷。在系統運行過程中，若某一時刻系統發生故障，領域專家可以憑借視覺、聽覺、嗅覺、觸覺或測量設備得到一些客觀數據，並根據對系統結構和系統故障歷史的深刻了解很快做出判斷，確定故障的原因和部位。對於較為復雜的系統，這種基於專家系統的故障診斷方法尤為有效。2 人工智慧在機械繫統中的應用方法 應用機械繫統的AI 技術傳統上可以分為專家系統（ES）、人工神經網路(ANN)、模糊集理論(FST)和啟發式搜索(GA)四類。2.1 專家系統（Expert System .ES） 專家系統是人工智慧的主要分支之一。一個典型的專家系統由四部分組成：知識庫、推理機、知識獲取機制和人機界面。專家系統按其知識表達方式不同，可分為基於規則和基於框架的專家系統；按其推理方式不同可分為正向推理和逆向推理。在知識表達方面，利用產生式規則進行知識表達，一方面得有益於現有人工智慧語言，另一方面，它的表達合乎人的心理邏輯，便於進行知識獲取，利於人們接受，利用框架進行知識表達得到了越來越多的應用。在診斷推理方面，主要表現在對推理邏輯和推理模型的研究，在人工智慧領域，存在著許多推理邏輯，在專家系統中廣泛使用模糊推理邏輯降低系統復雜性，在機械繫統故障診斷上能產生很好的效果。專家系統技術的研究和應用正以前所未有的速度在故障診斷、模擬模擬、自動控制、工藝編程、生產規劃、產品設計等許多機械工程領域不斷發展。隨著研究工作的不斷深入，一些新的技術方法和先進製造技術正融入機械工程專家系統技術的研究和應用中，不僅使知識表示、知識庫構建、知識獲取和推理模式等關鍵技術的研究取得了一定成果，還出現了一些集成式的新型專家系統，如神經網路專家系統、模糊專家系統、基於Internet 的專家系統、CAD 專家系統、CAPP 專家系統等。他們綜合利用了專家系統啟發性、透明性、靈活性以及具有處理不確定知識能力的特點，使機械工程專家系統的應用領域不斷拓寬。2.2 人工神經網路（artificial neural network. ANN） 人工神經網路是模擬的生物激勵系統，將一系列輸入通過神經網路產生輸出。這里輸出、輸入都是標准化的量，輸出是輸入的非線性函數，其值可由連接各神經元的權重改變，以獲得期望的輸出值，即所謂的訓練過程。基於數值計算方法的神經網路，將已有數據和已知系統模式作樣本，通過學習獲得兩者的映射關系，實現了對人類經驗思維的模擬。 由於神經網路具有原則上容錯、結構拓撲魯棒、聯想、推測、記憶、自適應、自學習、並行和處理復雜模式的功能，使其在工程實際存在著大量的多故障、多過程、突發性故障、龐大復雜機器和系統的監測及診斷中發揮著較大作用。 在機械繫統的應用方式有：從模式識別角度應用神經網路作為分類器進行故障診斷；從預測角度應用神經網路作為動態預測模型進行故障預測；利用神經網路極強的非線性動態跟蹤能力進行基於結構映射的故障診斷；從知識處理角度建立基於神經網路的診斷專家系統等。目前，為提高神經網路在實用中的學習和診斷性能，主要從神經網路模型本身改進和模塊化模型診斷策略兩方面開展研究；同時，與模糊邏輯的結合研究也是一個研究熱點。2.3 模糊集理論（Fuzzy Sets Theory. FSN） 人的認知世界包含大量的不確定之時，需要對所獲信息進行一定的模糊化處理，以減少問題的復雜度。1965 年Zadeh 創立的模糊集理論是處理不確定性的一種很好的方法。模糊邏輯可認為是多值邏輯的擴展，能夠完成傳統數學方法難以做到的近似推理。目前基於多類電量測試信息模糊融合的模擬電路故障診斷方法已經提出。基於K故障節點診斷法和最小標准差法的元件故障隸屬函數構造方法,以及基於可測點電壓與不同測試頻率下電路增益的模糊信息融合診斷演算法也已闡述。分別利用此兩類測試信息及K 故障診斷法和最小標准差法,對電路進行初步診斷,再運用模糊變換及故障定位規則, 得到融合的故障診斷結果。模擬實驗結果表明,所提方法大大提高了機械繫統故障定位的准確率。2.4 啟發式搜索（Heuristic Search. HS） 遺傳演算法（Genetic Algorithms ,GA）和模擬退火（Simulated Annealing ,SA）演算法是近年來逐漸興起的兩種啟發式搜索，通過隨機產生新的解並保留其中較好的結果，並避免陷入局部最小，以求得全局最優解或近似最優解。GA是由數字串的集合表示優化問題的解，通過遺傳運算元，即選擇、雜交和變異的操作對數字串尋優。SA 在已知解的鄰近區產生新的解，並逐漸縮小鄰近區域的大小，直到逼近全局的最優解。兩種方法都可以用來求解任意目標函數和約束的最優化問題。 在交流伺服系統中採用遺傳演算法的模糊神經網路控制較之傳統的PID 控制方式具有響應速度快、誤差小、無震盪、伺服性能強等優點，模擬結果表明，將遺傳演算法融入模糊神經網路控制器來控制交流伺服系統，其系統的響應超調量明顯減少，具有較好的抗干擾性、伺服性。3 人工智慧在機械繫統中的發展趨勢 人工智慧中的四種主要工具， 即ES、ANN、FST 和GA，雖然在機械領域有不同程度的應用，但各自都存在一些局限：ES 存在知識獲取的「瓶頸」、知識難以維護、應用面窄、診斷能力弱等問題。ANN 在外推時誤差較大、系統結構變化時ANN 的組成結構也要變化、難以實現基於結構化知識的邏輯推理、缺乏解釋能力等。FST 存在可維護性問題。GA 在依據的信息發生畸變時，難以保證可靠性等。 目前，缺少一種普遍有效的方法應用於機械繫統的各個領域。混合智能，即綜合多種智能技術用以設計、控制、監測機械繫統成為新的發展趨勢。結合的方式主要有基於規則的專家系統與神經網路相結合，CBR 與基於規則系統和神經網路的結合，模糊邏輯、神經網路與專家系統的結合等。其中模糊邏輯、神經網路與專家系統結合的診斷模型是最具發展前景的，也是目前人工智慧領域的研究熱點之一。混合智能在機械繫統的應用中有如下發展趨勢：由基於規則的系統到混合模型的系統，由領域專家提供知識到機器學習、由非實時診斷到實時診斷、由單一推理控制到混合推理控制策略等。4 人工智慧在機械繫統中的應用實例 智能技術在機械領域已經有了許多成功的應用。在工程中，典型的專家系統有幫助工程師發現結構分析問題的分析策略的SACON 系統；幫助識別和排除機車故障的DELTA 系統；幫助操作人員檢測和處理核反應堆事故的REACTOR 系統。 在故障診斷方面,1967 年在美國航天局（NASA）倡導下，由美國海軍研究室（ONR）主持美國機械故障預防小組（MFPG），積極從事故障診斷技術研究和開發。目前各種類型的故障診斷和維修專家系統已用於美國F- 15 戰斗機、B- 1B 轟炸機、海軍艦艇、陸軍軍械裝置等現役裝備的故障診斷和維修中。在我國，華中理工大學研製了用於汽輪機組工況監測和故障診斷的智能系統DEST；哈爾濱工業大學和上海發電設備成套設計研究所聯合研製了汽輪發電機組故障診斷專家系統MMMD- ；清華大學研製了用於鍋爐設備故障診斷的專家系統等等。 在電路和數字電子設備方面，MIT 研製用於模擬電路操作並演繹出故障可能原因的EI 系統；美國海軍人工智慧中心開發了用於診斷電子設備故障的IN- ATE 系統;波音航空公司研製了診斷微波模擬介面MSI 的IMA 系統；義大利米蘭工業大學研製用於汽車啟動器電路故障診斷的系統。 2006 年初，上海交通大學機電控制研究所、上海市農業機械研究所成功研製了適用於我國數字農業特點的兩種主要智能型農業機械：中、小型收割機智能測產系統及其配套軟體；智能變數施肥、播種機及其配套軟體。雖然相關的應用實例還有很多，但它們大都處於實驗室或小范圍試驗狀態，限於成本、技術等問題，不能得到普及應用，這將成為智能技術在機械領域應用的「瓶頸」。引用： http://teardown.eefocus.com/xuweitao/blog/08-01/141923_aa9c4.html