摘要：本文旨在分析神经网络技术的具体特征的基础上，深入探析神经网络技术在机械工程领域中的具体应用，指出该技术未来的发展趋势。以期能进一步提高神经网络技术在机械工程各个领域中的应用价值，促进机械工程的发展。
关键词：神经网络技术；机械工程；应用与发展
引言
人工神经网络技术包含了多种现代化的信息技术，需要相关操作人员结合神经网络技术的特点，明确神经网络技术在机械工程领域的发展方向，将神经网络技术合理应用到机械工程中，促进机械智能化发展。
1神经网络技术的特征
1.1非线性
神经网络技术具有非线性的特点，能够由神经网络映射出多种变量和多个指令之间的关系，形成一个有机联系的整体。神经网络利用自身非线性的整合优势和拟合能力，可以直观的展示出各个元素间的联系，并进行大规模的数据统计和储存，能够根据变量的特性做分类处理，提高系统的容错性，使神经网络技术在应用领域发挥更大的使用价值。
1.2自主学习能力
神经网络最大的特点就在于，通过一定周期的相应训练和适应，从而可以深入的处理大批量的信息。此外，神经网络在处理信息的进程时，还可以同时进行相关信息的梳理以及有效掌握输入信息之间所存在的特征，通过应用迭代过程从而进一步优化自身的拓扑关系，强化自有掌握的知识以及有关经验，从而进一步提升处理以及分析数据的综合素质。
1.3并发性
输入神经网络的相关信息的处理不是串行的，而是并行的，就像是串联电路和并联电路一样，并行电路中各个电气元件相互独立，各自不会产生干扰，计算机的主板实施的是串行作业，这样会导致在工作量较大的情况下，工作效率下降。但是神经网络采用并行处理模式，能够让每个神经单元都能够相互独立又相互配合工作，各自完成各自的数据分析和处理任务，在进行处理综合后将得出的最终信息传输到其他神经单元中，这样能够显著提升数据处理和分析能力。
1.4储存性
神经网络除了具有非线性、适应性、并发性的特点，还具有储存性。神经网络的信息存储不是分别储存各个元素当中，而是有效地储存在处理元素当中的拓扑关系当中。处理元素当中的不同行的连接方式直接说明了其不同的存储内容。输入的相关数据信息在神经网络中快速的传输，从而进一步寻找到最佳的存储信息。这样的进程当中，神经网络各个环节可以有效实现信息的相互补充，同时也可以为不完整的信息寻找到最合适的搭配。所以，神经网络具有非常强大的容错属性。
2神经网络技术在机械工程中的具体应用
2.1故障诊断
神经网络技术能够及时掌握合理的方式对信息进行分析和处理，尽可能在较短的时间内有效解决问题。因此，神经网络技术也经常被应用在机械工程故障诊断中。在利用神经网络技术排除系统故障时，借助人工神经网络技术智能化、自动化的特征，对系统故障情况进行深入分析，能够更加精准的诊断出机械设备出现此故障的成因。在进行设备故障诊断时，多是对发电系统和核电站系统等相关设备进行故障监测，使用神经网络技术能够打破以往只依靠振动方法来识别系统故障的方式，创新了新的监测方式，如根据声音传递的方法也能监测出系统的故障，针对诊断出的故障，及时采取合理的解决措施。所以将神经网络技术应用到机械工程故障诊断中，在一定程度上能够缩短故障排除的时间，有效地提高了诊断结果的准确性，避免故障问题带来更大的损失。
2.2CAD技术当中的应用
现阶段，CAD技术随着不断的革新相比于初代而言有了极大的功能应用提升。
特别是从原本的基本绘图功能随之不断发展为集合了需求的解析、原理方案的设计、工程解析等多功能于一体的CAD操作系统。但是CAD操作系统就目前实际应用中发现，仍然存在着一定的技术缺失。第一，相关专业知识的摄取相对薄弱，其核心的来源是专家的数据库。第二，知识量相对积累越多，推理所消耗的时间便越长，这也导致了整个开展的效率明显下降。第三，相关的问题解析已经明显超出了其知识库所能涉及的范畴之外，系统无法进行有效的操作。而通过结合神经网络技术的深度应用，在一定程度上很好地弥补了相关问题的缺失。特别是知识获得的相当一部分可以通过前期的训练，加上后期的实践过程中获得。整体的信息处理过程是基于其整体知识架构中寻找最为合适的进程，整体消耗的时间也相对更短。还有，神经网络的联想素质以及容错率也可以更好地改善处理相关问题时不受到自由知识库有限的制约。由此可知，神经网络可以作为CAD操作系统功能应用中良好补充。
2.3机械设计
神经网络技术不同于专家系统通过建立和完善知识数据库来满足运行需要，而是依靠训练样本的训练对知识信息数据进行储存和管理，利用模拟的便捷方式，实现对系统信息数据的分析和处理，充分发挥自身非线性和适应性的特点，使复杂的问题逐渐简单化。而且神经网络技术的容错性很强，对于网络连接失败的情况，仍旧可以正常运转。将神经网络技术应用到机械工程机器设计中，能够有效地提高机械设计的准确性和智能化。如在机床设计过程中，利用神经网络技术的特性，根据机械工程需要工件的材料质量和标准改制机床的结构，结合机床的承重力和耐受力设计出合理的计划方案，将人工神经网络技术切实应用到机械设计中，使神经网络技术得到充分应用，同时也提高了机械工程设计部门的工作效率。
3神经网络技术未来在机械工程中核心应用的发展方向
3.1智能操控以及机器人工智能工程
对于可抽象精确数学模型的相关问题，传统的控制方法往往无法起到最佳的效果，但是对于相对复杂的操控系统而言，诸如智能机器人的操作系统，也很难建立精准的数学模型。整体接收的信号往往为无法确定的非线性信号。通过神经系统的自我调整特性，充分的仿造现有的数学模型，有效利用自身组织性能做出有效的判断，其较好的容错性可以有效提升整个系统处理不确定信号的能力。所以，可以更好地作为智能机器人的自适应控制器。
3.2工程的检测与控制
科技的发展势必会促进神经网络技术应用于机械工程其他领域。例如，在机械工程加工制造过程中，因为加工制作各个环节的指标和变量存在着随机性和变动性，使加工制作的环节无法顺利进行，这就需要神经网络技术发挥非线性和适应性的特点，为加工制作提供有效的解决方法。运用神经网络技术，能够准确的分析出非线性的复杂信息内容，根据得出的信息结果，采取合理的控制方案，发挥神经网络技术的在线控制优势。将神经网络技术应用到工程的检测与控制中，能够在短时间内掌握工程的进展情况，在一定程度上节省了时间和劳动力，推进了机械智能化的发展进程，也促进了现代化技网络技术的广泛应用。
结束语
神经网络技术被广泛应用在机械工程领域中，对于推进机械工程自动化发展十分重要。在机械工程众多领域都能够实现很好的应用，对此，需要相关操作人员结合神经网络技术的特点，深入分析神经网络技术在机械工程各领域的使用价值，需要进一步研究技术的适应性，构建神经网络模型，进行大量数据训练，才能切实提升系统性能，提升数据信息处理能力。
参考文献
[1]柴伟杰.人工神经网络及其在机械工程领域中的应用研究[J].南方农机,2018,49(22):40-41.
[2]吉梦雯,樊文欣,张涛,等.基于BP神经网络的连杆衬套强力旋压轴线直线度预测[J].塑性工程学报,2018,25(1):137-138.
[3]杨阳,王宏,化成城,等.面向国际一流学科的机械工程课程结构神经网络分析[J].教育教学论坛,2017(3):162-163.