誕生於本世紀40年代的人工神經網路（ann）方法，在經歷了近50年的發展演變之後，其應用如今已滲透到各個工程領域，已經並正在取得令人鼓舞的成就。
在機械工程領域，自80年代開始，ann引起了研究人員濃厚的興趣和廣泛的重視，作了大量的工作，取得了可喜的進展。目前，ann的應用可謂涉及到機械工程的方方面面，從機械設計到結構工程、從機械製造到表面工程，可謂無孔不入。雖然ann並非萬能的工具，但其高度的非線性對映能力，良好的容錯性及魯棒性的確是機械工程領域建模的一種有力工具，有著廣闊的應用前景。
本書將對ann在機械工程中的應用作一簡單介紹，旨在讓讀者能夠在短期內了解這方面的應用成果。由於篇幅所限，所介紹的內容也只是冰山一角。有興趣的讀者可進一步查閱相關文獻。
5.1 人工神經網路在凸輪型線擬合中的應用
在對凸輪軸桃形誤差進行高精度檢測時，需要知道凸輪任意角位對應的理論公升程值。
而實際情況是，凸輪設計者只給出了較大角間距的凸輪理論公升程值，而未提供間距更小、便於實現凸輪高精度測量的理論值。用bp網路擬合凸輪型線，能夠實現任意角度下對應理論公升程值的快捷計算。
表5-1 神經網路擬合值（單位mm）
採用二個隱層的bp網路，輸入節點數為1，對應凸輪轉角；輸出節點數為1，對應凸輪公升程；兩個隱層節點數均為5。採用神經網路工具箱的工具函式訓練網路。表5-1給出了部分理論值與擬合值的對照表。
從表中可以看出，神經網路擬合凸輪型線達到了很高的精度。
與傳統的型線擬合法相比，如插值法，多項式擬合，三次樣條函式擬合，光順法等，神經網路的優點是擬合速度快，擬合凸輪的光順性好，插值計算快。當然，擬合精度與光順性是個矛盾，過渡擬合的曲線是否光順尚需深入研究。
5.2 基於人工神經網路的專家系統
計算機輔助設計（cad）是當今計算機應用的乙個重要領域，cad技術的發展推動了機械設計領域的設計革命。cad技術從誕生到現在，已從簡單的數值型處理工作，如計算、分析、繪圖等，發展到能作一些創造性思維活動的智慧型cad（i cad）。
所謂i cad，就是將人工智慧技術，特別是專家系統的技術，與傳統的cad相結合形成的智慧型化cad系統。i cad除了具有傳cad的功能外，還具有分析歸納設計知識，模擬人腦推理分析的能力，因此能代替設計人員完成一些必要的智力工作，使計算機在一定程度上代替人腦進行一些創造性的工作，從而減少cad過程中依賴於設計人員的問題。icad是cad的必然發展趨勢，而將人工神經網路用於專家系統的設計中，是進行智慧型cad的一條有效途徑。
1、專家系統及其存在的問題
什麼是專家？專家是乙個在某領域中具有特殊知識和技能的人。人們總是渴望掌握專家的知識和技能，然而這需要時間和付出。
人工智慧技術使得人們能夠利用專家的知識和經驗來解決在機械設計過程中許多難於用數學模型描述與分析，而只能用專家們自己積累的知識進行思考、推理和判斷才能處理的問題。這樣一種能夠以具有專家級水平來解決問題的系統稱為專家系統。
在機械設計中,設計方案的確定,分析模型的建立,主要引數的決策等設計環節中,有相當一部分工作是不能以精確的數學模型描述並用數值計算方法求解的。在傳統的cad中,系統只能做計算型的工作,因而上述智慧型活動只能由人類專家完成,而在i cad中,這些智慧型活動是由設計型專家系統完成的。
如何建立乙個專家系統？首先，要將領域內專家的知識按一定的知識表達形式轉換為計算機模型，並輸入到專家系統的知識庫中。「產生式」知識表達方式是目前專家系統最基本的一種形式，它表示了邏輯上的因果關係，在語句上表示成「如果a，則b」的形式。
其次，專家系統要能夠根據使用者的各種諮詢，從知識庫中獲取相匹配的模型，用推理機產生各種建議與結論，並返饋給使用者。知識庫和推理機是專家系統的基本組成部分。
專家系統以符號表達和符號處理作為智慧型處理的基礎。這種處理方法使專家系統在某些方面具備了智慧型系統應有的能力，但也存在明顯的不足，這主要體現在下面幾個方面：
1）知識獲取的「瓶頸」問題
以符號表達和符號處理為基礎的傳統專家系統獲取專家知識的途徑主要是通過與專家對話，將專家的知識總結為規則存入知識庫中。這種獲取知識的方法費時費力，且不能保證知識的全面性。而且，有的知識雖能獲取，卻難於用規則加以表達，變成計算機可以接受的語句。
由於這些困難，使知識庫中的知識貧乏，從而導致專家系統的智慧型水平不高。
2）缺乏魯棒性
專家系統的魯棒性（robustness）指對於超出系統擁有的知識範圍仍能推出正確結論的能力。基於符號的專家系統魯棒性極差，一旦使用者諮詢的問題超出知識庫的知識範圍，系統將獲得錯誤結論。
3）推理能力弱
對單一問題求解策略，系統在推理過程中容易出現諸如「匹配衝突」、「組合**」和「無窮遞迴」等問題。這時系統的推理速度變慢，效能低下。
4）學習能力差
系統的智慧型水平永遠停留在初建時的水平上，不能在實踐過程中不斷學習，這勢必限制系統的發展與提高。
5）知識庫維護困難
在使用過程中，希望加入新的規則，或刪除、修改已有規則都是很麻煩的事，這使得知識庫的維護變得困難，限制了系統的不斷完善。
由於傳統專家系統的這些弱點，使人們自然想到尋找新的方法。人工神經網路很強的學習、聯想、自組織、自適應、並行、分布儲存能力，以及良好的容錯性、魯棒性，為解決這些難題提供了新途徑。
2、基於人工神經網路的專家系統
人工神經網路是模擬人的大腦神經系統智慧型行為的一種資訊處理系統。乙個訓練好的神經網路，權值就隱含了所獲取的知識，相當於專家系統的知識庫；利用神經網路的泛化能力就可獲得不同輸入條件下的輸出，相當於專家系統的推理機。因此，神經網路具備了專家系統的二個基本部分，相當於乙個專家系統。
基於神經網路的專家系統和基於符號的傳統專家系統相比，有較大的差異：
1）知識的表示、獲取和推理方式不同
知識的表示獲取及運用構成了專家系統工作的主要內容。傳統專家系統的知識表示是一種基於符號規則的顯示表示；而神經網路專家系統的知識表示卻基於網路自身的分布式連線機制的隱式表示，無論什麼知識，神經網路專家系統都把它隱式儲存在網路的權值和閾值中。
在知識獲取上，傳統專家系統需要知識工程師對專家的經驗知識進行整理、總結和消化；神經網路專家系統只需要用專家解決問題的例項來訓練神經網路，使得在相同條件下，神經網路的結論與專家的結論盡可能的相同。
在推理方式上，傳統專家系統採用演繹推理方式，而神經網路專家系統採用平行計算方式。
2）開發、維護難度是不同的
傳統專家系統的知識獲取過程周期長、難度大、費用高，對系統的規則進行新增、刪除或修改都比較麻煩；而神經網路專家系統的知識獲取是基於樣本的，其獲取方便得多。
由於省去了處理例外和特例的大量規則，因而維護方便；當要擴充套件其功能，從實踐不斷總結學習時，只需在加入新樣後重新訓練網路即可。
3）系統的魯棒性是不同的
傳統的專家系統魯棒性極差，一旦超出專家的知識範圍，系統給出的結論就毫無意義；神經網路專家系統利用其泛化能力，對於樣本之外的事例，仍能給出較為正確的結論。
上面的論述表明神經網路專家系統較之傳統專家系統有許多優點。但是，在開發神經網路專家系統中，如果樣本的質量、數量存在問題，系統也不會很好地工作。比如，樣本數過少時，傳統專家系統可能工作得更好。
圖5-2是神經網路專家系統結構。它由二部分組成：開發環境和執行環境。
在開發環境中，根據樣本訓練神經網路，並將訓練好的網路權值和閾值儲存下來。這一步實現知識的表示和獲取。
在執行環境中，對外界的激發實現已記憶資訊的轉換操作或聯想，對系統的輸入作出響應，這一步實現推理過程。推理後獲得的結論，還可以作為新樣本加入到原樣本集中，以擴充網路的功能。
5.3 基於神經網路的結構近似分析技術
1、結構分析技術
在機械工程領域，有限元法已成為結構靜力動力分析的有效工具。除了一些特殊情況，目前有限元分析均採用國內外現存的商用軟體，使用者不必自編程式即可完成各種複雜結構，在複雜工況下的靜力、動力、屈曲，接觸，溫度場等結構分析。
有限元結構靜力分析歸結為求解線性方程：
5-1）
其中為總剛度矩陣，為載荷向量，為位移向量。在對（5-1）進行邊界條件處理後，即可求得位移向量。
有限元結構動力分析歸結為求解廣義特徵方程：
5-2）
其中為總剛度矩陣，為總質量矩陣，為特徵值，為對應的特徵向量。
在結構優化設計中，計算工作量大部分是用於對修改的結構作有限元重分析。為了提高優化效率，通常要從二方面著手：
1） 尋找收斂快的優化方法，以減少重分析的次數。
2） 採用近似重分析技術，以代替完整的重分析。
2、結構近似重分析技術
國內外學者對結構近似重分析技術作過許多研究，這裡作一簡單回顧。
結構近似重分析的思想就是利用原始設計點的資訊推出新設計點的資訊，而由此付出的代價應該比對新設計點作一次完整重分析小得多才合算。常用的方法有泰勒級數展開法，迭代法等等。
現看結構靜力分析的泰勒級數展開法。
設侍分析結構有r個設計變數，原始設計點為x(0)，對應的總剛陣為k(0)，位移向量為y(0)，修改後設計點為x(1)，對應總剛陣為k (1)，位移向量為y(1)。現用近似重分析技術求出y(1) 。
人工神經網路演算法簡介
西安電子科技大學軟體學院130513班黎建文 13051234 摘要 人工神經網路 這個詞彙對不少人來說並不新鮮，但是它的內涵，原理對很多人來說並不清楚。本文試圖對人工神經網路及其原理進行乙個簡單的介紹。關鍵字 人工神經網路 introduce to the artificial neural ne...
基於人工神經網路的化工安全評價
摘要 安全評價是安全生產組織 管理工作中的重要組成部分，由於安全評價的物件受多因素影響，其最終狀態和作用因素之間表現為非線性關係。而小波神經網路可以利用基於小波函式的神經元節點之間的閾值和節點間的連線權值事先輸入和輸出非線性對映，在處理非線性複雜問題上具有獨特優勢。因此，本文基於小波神經網路的動態評...
介紹人工神經網路的發展歷程和分類
1943年，心理學家和數理邏輯學家建立了神經網路和數學模型，稱為mp模型。他們通過mp模型提出了神經元的形式化數學描述和網路結構方法，證明了單個神經元能執行邏輯功能，從而開創了人工神經網路研究的時代。1949年，心理學家提出了突觸聯絡強度可變的設想。60年代，人工神經網路的到了進一步發展，更完善的神...