人工智能在機械設備故障檢測中的應用

李清龍

摘要：我國的機械設計制造水平在近幾年不斷提高，現代機械設備更是朝著大型化、精密化、復雜化以及自動化等方面發展，在提高生產效率與生產質量上發揮著重要的作用。同時，機械設備的各部件之間的耦合也越來越緊，運行過程中一旦發生某一故障問題就有可能導致整個設備運轉失常，因此做好設備的故障檢測工作至關重要。傳統的故障檢測工作片面依靠維修檢測人員的經驗，對于現代的機械設備來說已經無法適應，因此必須要采用更加先進的方式，因此將人工智能用于機械設備的故障檢測工作中具有十分重要的意義，大大提高了檢測質量與效率，對保證機械設備的正常、穩定運行發揮著重要的作用。基于此，本文就人工智能在機械設備故障檢測中的應用進行了分析。

Abstract： The level of mechanical design and manufacturing in China has been continuously improved in recent years. Modern mechanical equipment is developing towards large-scale， precision， complexity and automation， which plays an important role in improving production efficiency and quality. At the same time， the coupling between the components of mechanical equipment is getting tighter and tighter. Once a fault occurs in the operation process， the whole equipment may run abnormally. Therefore， it is very important to do a good job of equipment fault detection. Traditional fault detection work relies on the experience of maintenance inspectors， which can't adapt to modern mechanical equipment， so it is necessary to adopt more advanced methods. Therefore， it is of great significance to apply artificial intelligence to fault detection of mechanical equipment， which greatly improves the detection quality and efficiency and plays an important role in ensuring the normal and stable operation of mechanical equipment. Based on this， this paper analyzes the application of artificial intelligence in mechanical equipment fault detection.

關鍵詞：人工智能;機械設備;故障檢測

Key words： artificial intelligence;mechanical equipment;fault detect

中圖分類號：TP18;TH17? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）02-0206-02

0? 引言

將人工智能的理論和方法應用于機械故障診斷，發展智能化的機械故障診斷技術，是機械故障診斷的一個新的途徑，尤其是對于一些多過程、多故障和突發性故障以及復雜龐大、高度自動化的大型設備和系統來說，先進的人工智能檢測技術更能夠深入其中，探尋故障發生的根本原因，并及時作出應對，從而提高了機械設備的可靠性、可用性、可維修性與安全性。

1? 人工智能概述

人工智能就是運用一系列程序模擬人的操作進行技術應用，其作為計算機學科的一個分支，在實際應用中也主要是依靠計算機來完成的，其能夠最大程度上模擬人的行為，并采用智能化的機器來學習各種智能行為，并進行智能的推理與思考，還會進行知識的探索和獲取，通過大量豐富案例進行以往知識的回顧和對新知識的吸收，進行大量的知識儲備，以此來更新知識處理系統。人工智能可以通過知識表示的方式對問題進行深入研究，并將其應用到實踐問題的操作過程中，在機械設備的故障檢測工作中，其能夠通過故障樹、專家系統、人工神經網絡以及模糊數學等技術手段來開展相應的檢測工作，探尋設備故障的根本原因，實現快速、精準的檢測。

2? 人工智能對機械設備故障檢測的重要性分析

機械故障檢測就是通過機械運行中的相關信息來識別其技術狀態是否正常，并且確定故障的性質與部位，探尋故障起因，并以此來預報故障趨勢，最后提出相應的故障解決對策，在這一過程中，主要是以故障機理和技術檢測為基礎，以信號處理和模式識別為其基本理論與方法開展的。傳統的機械設備故障檢測需要投入大量的人力和物力資源，為了找尋故障原因需要開展大量的實驗，并需要人力來進行精確測量和錄入工作，一些故障探測方法甚至還會存在較大的誤差，在這種情況下，一種行之有效的故障檢測技術至關重要。人工智能的發展應用為機械設備的故障檢測提供了新的方向，通過故障樹、專家系統、人工神經網絡以及模糊數學等技術手段的應用，其能夠有效規避傳統檢測手段中可能會出現的人工失誤問題，而且利用人工智能可以將大量復雜的計算通過系統程序輸入至人工智能中，以智能化、數字化的方式進行數據系統記錄，不僅在數據輸入方面比較便捷，而且在輸出方面可以有效進行數據搜索與查找，也有利于后期進行數據的統計分析，以圖表形式直觀立體地看出數據結構，實際應用中不會損害人體健康，發生惡性事件，應用效果顯著。

3? 人工智能在機械設備故障檢測中的具體應用

3.1 故障樹

故障樹雖然也屬于人工智能領域的技術之一，但是是所有技術中最不“智能”的一種，其在實際應用中主要是針對機械設備最不希望發生的故障作為分析目標，然后按照邏輯關系以及由上而下，以逐層分析的方式來推理設備的故障原因，之后用一個邏輯門的形式將這些故障和相應原因事件連接起來，最后將系統各功能單元故障與系統故障之間的內在邏輯因果關系信箱的表達出來。故障樹檢測方法具有效率高、精確性高等優勢，但是并不能完成對故障的預知性診斷。

3.2 專家系統

故障檢測專家系統就是通過人工智能模擬故障診斷領域專家對機械設備故障問題進行分析和處理，從而在不需要專家親自思考的情況下解決復雜問題。專家系統是人工智能技術中較活躍、較成功的領域之一，其起源于20世紀60年代初，由知識庫、推理機和人機接口等三個主要部分組成，作為一個計算機軟件系統，其能夠基于知識表達并利用產生式規則發揮作用，而且在現有的人工智能語言的支持下，專家系統的表達也能夠合乎人的心理邏輯，因此更易于人們接受。將其應用與機械設備的故障檢測中，主要就是利用該系統使用模糊推理邏輯降低系統復雜性，以便提高檢測效率，可以說，該系統中所擁有的專家和運用知識解題的推理機制是其發揮重要作用的主要依據，而且，近些年來隨著先進信息技術的不斷發展也在不斷的成熟與完善中，該系統的應用前景也逐漸廣闊。

3.3 模糊數學

模糊數學是研究和處理模糊性現象的一種數學理論和方法，在此基礎上能夠分析和處理一些復雜而模糊的工程機械狀態信號特征參數及故障關系，由于信號參數與故障之間的關系還存在多邊性，即使知道其故障表現也很難立即找尋故障原因，甚至有各種表現出一種故障會對應多個故障部位，或者是一個故障原因導致多個機械設備出現多種故障表現，還有可能存在交叉對應的情況。基于以上這些問題的存在，傳統的故障檢測方法并不能有效分析出故障原因，這就需要在模糊數學的幫助下依靠隸屬度函數、關系矩陣等復雜數學理論、方法來探尋故障的根本原因，以便對癥下藥，提高故障檢測的準確性。在實際應用中，基于這一理論進行故障檢測還存在一定的難度，而且所需要耗費的時間比較長，因此需要相關技術人員不斷進行優化與完善。

3.4 人工神經網絡

人工神經網絡簡稱神經網絡，由大量簡單的處理單元，即神經元的廣泛且相互連接而最終形成的復雜網絡，其在信息處理、自動化工程、醫學和經濟等眾多領域得到了普及應用。該網絡模擬的是生物神經系統，并通過網絡單元的輸入輸出特性（激活特性）、網絡的拓撲結構（神經元的連接方式）等來實現信息處理功能，并且在神經網絡的推理過程中還引用了模糊規則來提高整個系統的透明性，從而為人工神經網絡建立良好的解釋機制提供了方便。神經網絡具有原則上容錯、結構拓撲魯棒、聯想、推測、記憶、自適應、自學習、并行和處理復雜模式的功能，在當前的機械設備運行中能夠較好的應對一些多發性故障、突發性故障，并且還可以監測一些較為龐大的機器或者系統的運行過程，以便及時發現故障問題并做出診斷，保證其健康穩定的運行。

在機械設備的運行過程中，一旦出現故障問題通常會具有層次性、延時性、相關性、不確定性等多種特點，一般故障檢測方法耗時時間長，面對故障問題也比較棘手而在人工智能的支持下，就可以利用神經網絡中單個子神經網絡來分析故障樣本并進行診斷，針對一些局部較小的故障問題也可以進行解決。目前，人工神經網絡在機械設備故障檢測中的應用方式有如下幾種，一是從模式識別角度應用神經網絡作為分類器進行故障檢測;二是從預測角度應用神經網絡作為動態預測模型進行故障預測;三是利用神經網絡極強的非線性動態跟蹤能力進行基于結構映射的故障檢測等。隨著該項技術手段的不斷成熟，神經網絡在實際應用中也開始不斷改進本身模型，并且在故障檢測中也開始去想去模塊化模型診斷，應用效果不斷加強。

4? 人工智能在機械設備故障檢測中的應用前景

進入21世紀以后，我國的科學技術、信息技術發展水平越來越高，近幾年在人工智能技術的研發上也取得了眾多成績，將該項技術應用與機械設備的故障檢測中也能夠最大程度上彌補傳統故障檢測方式的不足，而且當前人工智能的應用范圍以及應用形式越來越多，在其未來的發展進程中也將會表現出以下趨向。一是人工智能與多傳感器數據的融合，在機械設備中增加傳感器數量并拓展其功能，通過傳感器對設備的運行數據進行收集整理，并將多種傳感器的數據進行融合分析，依次為機械設備的故障檢測提供依據，實現快速、精準的檢測;二是將人工智能的集中故障檢測手段混合應用到實際應用中，這主要是因為現代的機械制造水平不斷提高，機械設備也朝向自動化、復雜化、大型化等方面發展，在其運行過程中出現的故障問題、故障部位等也是越來越多，單一的檢測技術手段已經無法滿足實際要求，因此混合智能診斷將成為主流形式，以便進一步提高故障檢測的效果;三是遠程故障檢測，主要是因為部分機械設備的運行環境比較惡劣，自身的構造又比較復雜，因此現場檢測會存在一定的難度，這時候就需要通過遠程故障檢測手段，以便提高檢測效率與檢測質量。

5? 結語

綜上所述，現代機械設備在運行過程中一旦發生故障問題有可能會導致整個生產過程癱瘓，造成極大的資源浪費，因此有效的故障檢測手段至關重要。通過采用人工智能技術手段能夠彌補傳統檢測手段的耗時耗力等問題，還能夠提高檢測效率與檢測質量，而且故障樹、人工神經網絡、模糊數學、專家系統等技術的應用效果較好，在一些構造復雜、體型較大的機械設備中都能夠起到較好的效果。在未來的人工智能技術發展進程中，廣大技術人員應該加強研發，不斷拓展其應用范圍與應用方式，進一步深化人工智能與機械設備故障檢測的有效結合。

參考文獻：

[1]賈瑞鋒.人工智能在工業領域的應用探究[J].中國新通信，2020（10）：12-13.

[2]李佳儀，劉繼華.基于人工智能技術的機械設備故障診斷[J].電子元器件與信息技術，2020（04）：51-52，55.

[3]闞凱.機械設備故障診斷技術的現狀及趨勢[J].科技資訊，2017（36）：60-61.

[4]李承澤.基于智能化的機械設備電氣自動化技術應用研究[J].農家參謀，2020（03）：182.