人工智能在機(jī)械設(shè)備故障檢測(cè)中的應(yīng)用

陳金鑫

摘要：現(xiàn)代工業(yè)的裝備包括許多中，許多大型的設(shè)備都趨于精密化和復(fù)雜化發(fā)展，為維持機(jī)械設(shè)備正常的故障運(yùn)行，工業(yè)領(lǐng)域的技術(shù)人員對(duì)機(jī)械設(shè)備運(yùn)行的狀態(tài)必須要加強(qiáng)研究。由于機(jī)械設(shè)備的運(yùn)行環(huán)境相對(duì)復(fù)雜，零部件的性能會(huì)隨著時(shí)間的延長(zhǎng)而逐漸老化，那么設(shè)備就容易發(fā)生故障，而且這種故障可能是隨機(jī)性的。在機(jī)械設(shè)備的有效壽命階段，技術(shù)人員的維護(hù)工作是保障設(shè)備安全的有效方法，所以技術(shù)人員要探尋機(jī)械設(shè)備的故障規(guī)律，摸索其運(yùn)行的趨勢(shì)，以制定有效的預(yù)測(cè)辦法。

關(guān)鍵詞：人工智能;機(jī)械設(shè)備;故障檢測(cè)

引言

機(jī)械設(shè)備的運(yùn)行使用過(guò)程中，難免會(huì)出現(xiàn)各種各樣的故障，并對(duì)現(xiàn)代社會(huì)的正常運(yùn)轉(zhuǎn)造成不同程度的影響，輕則引致經(jīng)濟(jì)損失，重則可能引發(fā)人員傷亡。在故障檢測(cè)中應(yīng)用人工智能，能顯著改善檢測(cè)效果，大幅度提高檢測(cè)效率和精準(zhǔn)度，強(qiáng)化故障預(yù)測(cè)和防范能力，全面保障機(jī)械設(shè)備運(yùn)行安全及穩(wěn)定。針對(duì)人工智能在機(jī)械設(shè)備故障檢測(cè)中的應(yīng)用進(jìn)行分析，具有十分重要的現(xiàn)實(shí)意義。

1人工智能在機(jī)械設(shè)備故障檢測(cè)中的意義

隨著機(jī)械設(shè)備性能的日益完善，設(shè)備的內(nèi)部結(jié)構(gòu)精度越來(lái)越高，體積越發(fā)小巧，這就必須要保證設(shè)備故障檢測(cè)技術(shù)與時(shí)俱進(jìn)。在應(yīng)用檢測(cè)技術(shù)時(shí)，需要保證這一技術(shù)具有智能化特征，可以在第一時(shí)間內(nèi)發(fā)現(xiàn)故障，同時(shí)還要保證技術(shù)符合設(shè)備日益復(fù)雜的發(fā)展趨勢(shì)。以計(jì)算機(jī)和數(shù)字技術(shù)為支持的故障監(jiān)測(cè)技術(shù)已經(jīng)廣泛地應(yīng)用到各個(gè)行業(yè)之中，比較有代表性的就是人工智能技術(shù)。人工智能技術(shù)可以保證機(jī)械設(shè)備的故障得到自動(dòng)化檢測(cè)，這樣就可以大大縮短檢測(cè)的時(shí)間，降低維修成本，可以保證設(shè)備正常運(yùn)行，對(duì)各類(lèi)問(wèn)題起到有效的防范效果。由于人工智能技術(shù)在開(kāi)展設(shè)備檢測(cè)時(shí)的方法比較多元化，即使設(shè)備結(jié)構(gòu)日益復(fù)雜，人工智能技術(shù)也可以充分適應(yīng)，并確保故障得到及時(shí)有效的檢測(cè)。

2人工智能在機(jī)械設(shè)備故障檢測(cè)中的應(yīng)用

2.1故障樹(shù)

故障樹(shù)雖然也屬于人工智能領(lǐng)域的技術(shù)之一，但是是所有技術(shù)中最不“智能”的一種，其在實(shí)際應(yīng)用中主要是針對(duì)機(jī)械設(shè)備最不希望發(fā)生的故障作為分析目標(biāo)，然后按照邏輯關(guān)系以及由上而下，以逐層分析的方式來(lái)推理設(shè)備的故障原因，之后用一個(gè)邏輯門(mén)的形式將這些故障和相應(yīng)原因事件連接起來(lái)，最后將系統(tǒng)各功能單元故障與系統(tǒng)故障之間的內(nèi)在邏輯因果關(guān)系信箱的表達(dá)出來(lái)。故障樹(shù)檢測(cè)方法具有效率高、精確性高等優(yōu)勢(shì)，但是并不能完成對(duì)故障的預(yù)知性診斷。

2.2專(zhuān)家系統(tǒng)

故障檢測(cè)專(zhuān)家系統(tǒng)就是通過(guò)人工智能模擬故障診斷領(lǐng)域?qū)＜覍?duì)機(jī)械設(shè)備故障問(wèn)題進(jìn)行分析和處理，從而在不需要專(zhuān)家親自思考的情況下解決復(fù)雜問(wèn)題。專(zhuān)家系統(tǒng)是人工智能技術(shù)中較活躍、較成功的領(lǐng)域之一，其起源于20世紀(jì)60年代初，由知識(shí)庫(kù)、推理機(jī)和人機(jī)接口等三個(gè)主要部分組成，作為一個(gè)計(jì)算機(jī)軟件系統(tǒng)，其能夠基于知識(shí)表達(dá)并利用產(chǎn)生式規(guī)則發(fā)揮作用，而且在現(xiàn)有的人工智能語(yǔ)言的支持下，專(zhuān)家系統(tǒng)的表達(dá)也能夠合乎人的心理邏輯，因此更易于人們接受。將其應(yīng)用與機(jī)械設(shè)備的故障檢測(cè)中，主要就是利用該系統(tǒng)使用模糊推理邏輯降低系統(tǒng)復(fù)雜性，以便提高檢測(cè)效率，可以說(shuō)，該系統(tǒng)中所擁有的專(zhuān)家和運(yùn)用知識(shí)解題的推理機(jī)制是其發(fā)揮重要作用的主要依據(jù)，而且，近些年來(lái)隨著先進(jìn)信息技術(shù)的不斷發(fā)展也在不斷的成熟與完善中，該系統(tǒng)的應(yīng)用前景也逐漸廣闊。

2.3模糊集理論

可以將模糊集理論作為理論思維的基本方式，這一理論中包含的學(xué)科比較模糊，除了邏輯學(xué)和模糊數(shù)學(xué)之外，學(xué)科知識(shí)之間的關(guān)系因比較模糊，但又要以集合的方式呈現(xiàn)，共同為這一理論展開(kāi)服務(wù)，因此，就可以將其稱(chēng)之為模糊集理論。模糊集理論并不具備隨機(jī)性，其主要是指事物本身的概念比較模糊，通過(guò)這一理論可以及時(shí)對(duì)模型進(jìn)行分辨和識(shí)別。通過(guò)計(jì)算出模糊數(shù)就可以及時(shí)獲取知識(shí)，這樣就可以采用模糊融合的方式對(duì)設(shè)備的故障進(jìn)行檢測(cè)，并及時(shí)將診斷結(jié)果與故障進(jìn)行對(duì)比，就可以更好地解決故障?？傊?，模糊集理論的運(yùn)用可以保證設(shè)備得到更加準(zhǔn)確的檢查，由于與之相關(guān)的技術(shù)更加穩(wěn)定，對(duì)數(shù)據(jù)進(jìn)行分析時(shí)也會(huì)更加完善。隨著時(shí)代的不斷發(fā)展，模糊集理論將會(huì)得到進(jìn)一步改進(jìn)。

2.4人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)稱(chēng)神經(jīng)網(wǎng)絡(luò)，由大量簡(jiǎn)單的處理單元，即神經(jīng)元的廣泛且相互連接而最終形成的復(fù)雜網(wǎng)絡(luò)，其在信息處理、自動(dòng)化工程、醫(yī)學(xué)和經(jīng)濟(jì)等眾多領(lǐng)域得到了普及應(yīng)用。該網(wǎng)絡(luò)模擬的是生物神經(jīng)系統(tǒng)，并通過(guò)網(wǎng)絡(luò)單元的輸入輸出特性（激活特性）、網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)（神經(jīng)元的連接方式）等來(lái)實(shí)現(xiàn)信息處理功能，并且在神經(jīng)網(wǎng)絡(luò)的推理過(guò)程中還引用了模糊規(guī)則來(lái)提高整個(gè)系統(tǒng)的透明性，從而為人工神經(jīng)網(wǎng)絡(luò)建立良好的解釋機(jī)制提供了方便。神經(jīng)網(wǎng)絡(luò)具有原則上容錯(cuò)、結(jié)構(gòu)拓?fù)漪敯?、?lián)想、推測(cè)、記憶、自適應(yīng)、自學(xué)習(xí)、并行和處理復(fù)雜模式的功能，在當(dāng)前的機(jī)械設(shè)備運(yùn)行中能夠較好的應(yīng)對(duì)一些多發(fā)性故障、突發(fā)性故障，并且還可以監(jiān)測(cè)一些較為龐大的機(jī)器或者系統(tǒng)的運(yùn)行過(guò)程，以便及時(shí)發(fā)現(xiàn)故障問(wèn)題并做出診斷，保證其健康穩(wěn)定的運(yùn)行。在機(jī)械設(shè)備的運(yùn)行過(guò)程中，一般故障檢測(cè)方法耗時(shí)時(shí)間長(zhǎng)，面對(duì)故障問(wèn)題也比較棘手而在人工智能的支持下，就可以利用神經(jīng)網(wǎng)絡(luò)中單個(gè)子神經(jīng)網(wǎng)絡(luò)來(lái)分析故障樣本并進(jìn)行診斷，針對(duì)一些局部較小的故障問(wèn)題也可以進(jìn)行解決。目前，人工神經(jīng)網(wǎng)絡(luò)在機(jī)械設(shè)備故障檢測(cè)中的應(yīng)用方式有如下幾種，一是從模式識(shí)別角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為分類(lèi)器進(jìn)行故障檢測(cè);二是從預(yù)測(cè)角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為動(dòng)態(tài)預(yù)測(cè)模型進(jìn)行故障預(yù)測(cè);三是利用神經(jīng)網(wǎng)絡(luò)極強(qiáng)的非線性動(dòng)態(tài)跟蹤能力進(jìn)行基于結(jié)構(gòu)映射的故障檢測(cè)等。隨著該項(xiàng)技術(shù)手段的不斷成熟，神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中也開(kāi)始不斷改進(jìn)本身模型，并且在故障檢測(cè)中也開(kāi)始去想去模塊化模型診斷，應(yīng)用效果不斷加強(qiáng)。

結(jié)語(yǔ)

在設(shè)備狀態(tài)維護(hù)工作中，故障預(yù)測(cè)技術(shù)是機(jī)械設(shè)備故障診斷和運(yùn)行趨勢(shì)的預(yù)測(cè)方法，經(jīng)過(guò)后期的決策機(jī)制可以鞏固高效維護(hù)工作的基礎(chǔ)，在獲取數(shù)據(jù)與處理數(shù)據(jù)兩個(gè)部分調(diào)整核心內(nèi)容，并針對(duì)數(shù)理統(tǒng)計(jì)與人工智能模型多個(gè)方面達(dá)到理想的工作狀態(tài)。

參考文獻(xiàn)：

[1]楊超，李亦滔.機(jī)械設(shè)備故障智能診斷技術(shù)的現(xiàn)狀與發(fā)展[J].華東交通大學(xué)學(xué)報(bào)，2011，28（5）：23-28.

[2]井然.工程機(jī)械智能故障診斷技術(shù)的研究現(xiàn)狀及發(fā)展趨勢(shì)[J].內(nèi)燃機(jī)與配件，2018（2）：133-134.

河南工學(xué)院 河南 新鄉(xiāng) 453003