神经网络 是一种运算模型,由大量的节点(或称神经元)和之间相互连接构成。每个节点代表一种特定的输出函数,称为激励函数(ActivationFunction)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工 神经网络 的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种 算法 或者函数的逼近,也可能是对一种逻辑策略的表达。这如果用在数控系统的控制中,对于数控机床的发展将是一个飞速的提高。
运用人工神经智能网络将使数控机床的体现出新的优越性。首先它具有自学习功能。例如实现图像识别时,只在先把许多不同的图像样板和对应的应识别的结果输入人工 神经网络 ,网络就会通过自学习功能,慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。
其次它具有联想存储功能。用人工 神经网络 的反馈网络就可以实现这种联想。另外它具有高速寻找优化解的能力。寻找一个复杂问题的优化解,往往需要很大的计算量,利用一个针对某问题而设计的反馈型人工 神经网络 ,发挥计算机的高速运算能力,可能很快找到优化解。
随着 科技 的进步,数控机床也在不断发展,它不仅延伸了人的体力,还要逐步解决代替脑力劳动问题,包括自主工艺规划、工夹具管理、生产控制和维护管理等,机床将变得越来越“聪明”和人性化。在未来的工厂里,数控机床不仅是一台加工设备,而是工厂管理网络中的一个节点,具备更加广泛的人-机交互、物-物通信功能,从而开创数控技术的新纪元。