人工智能在機械設(shè)備故障檢測中的應(yīng)用初探

0 引言

自從上世紀50年代第1臺通用計算機出現(xiàn)后，人們進入了信息時代，在生產(chǎn)方式方面產(chǎn)生了質(zhì)的飛躍。在進入21世紀之后，隨著全球經(jīng)濟的快速發(fā)展，我國的改革開放進一步深入，在發(fā)展過程中，計算機技術(shù)水平進一步提高，開始應(yīng)用于各個領(lǐng)域，取得了令人矚目的成就，各行各業(yè)也逐步開始進行創(chuàng)新。許多行業(yè)與計算機技術(shù)的融合使其生產(chǎn)效率大幅度提高，工業(yè)是我國經(jīng)濟建設(shè)過程中的支柱行業(yè)，有機的融入人工智能技術(shù)可以大幅度提升工業(yè)的發(fā)展水平，尤其是在機械設(shè)備故障檢測方面，融入人工智能技術(shù)后可以大幅度提升檢測效率。

1 人工智能理論概述

人工智能技術(shù)是當前的熱門技術(shù)，誕生于上世紀60年代，隨著當前信息技術(shù)快速發(fā)展，人們在計算機硬件方面取得重大突破，計算機的計算能力也逐步提升，人工智能技術(shù)開始在各大領(lǐng)域得到了廣泛的應(yīng)用。人工智能技術(shù)主要是通過計算機與各行業(yè)相結(jié)合，基于智能化和數(shù)字化為基礎(chǔ)進行快速的應(yīng)用，比如說在生產(chǎn)生活當中一些自動化機器通過人工智能技術(shù)來進行控制，可以通過計算機將自動化技術(shù)與控制技術(shù)相融合，提升控制的水平。

2 人工智能在機械設(shè)備故障檢測中的意義

在企業(yè)生產(chǎn)經(jīng)營中會使用大量的先進技術(shù)，自動化技術(shù)就是其中之一，當前我國工業(yè)生產(chǎn)過程中智能化技術(shù)和自動化技術(shù)的應(yīng)用對工業(yè)生產(chǎn)效率的提升具有很大的幫助，但是由于設(shè)備越來越復(fù)雜，之間的聯(lián)系越來越緊密，如果某一設(shè)備出現(xiàn)故障無法正常運行，可能會影響其他設(shè)備，導(dǎo)致企業(yè)在生產(chǎn)經(jīng)營過程中出現(xiàn)較大的損失。如果企業(yè)無法及時發(fā)現(xiàn)并且解決這些問題，會嚴重影響企業(yè)的經(jīng)濟效益。為了將這些設(shè)備的使用壽命提升，需要加強維護和檢修，通過科學的方式使設(shè)備的使用壽命延長，防止長期帶病操作導(dǎo)致設(shè)備的效率產(chǎn)生影響。只有快速分析設(shè)備的運行狀態(tài)，了解設(shè)備可能出現(xiàn)的問題，才能快速提升設(shè)備的穩(wěn)定性，為企業(yè)創(chuàng)造更高的經(jīng)濟效益。在科學應(yīng)用檢測技術(shù)的過程中，需要合理篩選智能化方法，引入人工智能等技術(shù)，及時發(fā)現(xiàn)生產(chǎn)設(shè)備當中出現(xiàn)的各種問題，并且采取合理的策略進行處理。人工智能技術(shù)的準確性較高，可以在檢測過程中快速縮短耗費的時間，降低資金成本，這樣可以保證設(shè)備能夠穩(wěn)定的運行。

3 人工智能在設(shè)備故障檢測中的具體應(yīng)用

3.1 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)也被叫做是神經(jīng)網(wǎng)絡(luò)，主要是一些處理單元組成，也就是神經(jīng)元這些神經(jīng)元相互廣泛連接，最終產(chǎn)生復(fù)雜的網(wǎng)絡(luò)，其在醫(yī)學自動化、工程信息技術(shù)方面應(yīng)用非常廣泛。該網(wǎng)絡(luò)對生物神經(jīng)系統(tǒng)進行模擬，通過網(wǎng)絡(luò)拓撲結(jié)構(gòu)以及網(wǎng)絡(luò)單元的輸入輸出結(jié)構(gòu)來逐步實現(xiàn)信息的有效處理，在實踐中通過神經(jīng)網(wǎng)絡(luò)推理引入模糊機制來使系統(tǒng)的透明性提高，從而保證人工智能網(wǎng)絡(luò)的解釋機制能夠有效運行。神經(jīng)網(wǎng)絡(luò)有聯(lián)想推測、自適應(yīng)記憶、容錯等各種功能，在當前機械設(shè)備運行中可以對一些突發(fā)性故障、多發(fā)性故障進行有效處理，還可以對大型設(shè)備的運行情況進行監(jiān)測，以便采取合理手段進行控制，保證整個系統(tǒng)的穩(wěn)定運行。

機械設(shè)備運行中如果產(chǎn)生故障，故障望具有相關(guān)性、不確定性、延時性等特點，通常故障檢測會耗費大量的時間。面對一些復(fù)雜的故障，處理起來非常棘手，而通過人工智能可以通過神經(jīng)網(wǎng)絡(luò)的單個神經(jīng)元來對故障樣本進行分析，并且采取合理的措施進行控制。針對一些局部小故障可以快速解決，當前人工神經(jīng)網(wǎng)絡(luò)在故障識別過程中主要分成兩種，一種是從模式識別角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為分類器，完成故障識別。第二種是通過預(yù)測角度通過神經(jīng)網(wǎng)絡(luò)極強的非線性動態(tài)跟蹤能力來快速完成故障識別。在當前人工神經(jīng)網(wǎng)絡(luò)越來越成熟的環(huán)境下，可以實現(xiàn)模塊化的故障診斷，應(yīng)用效果逐步提升。

下面以齒輪箱為例，分析研究人工智能技術(shù)在機械設(shè)備故障檢測當中的應(yīng)用。齒輪箱是各類機械的變速傳動部件，一般包含軸、齒輪和軸承等零部件，其運行正常與否涉及到整臺機器的工作狀況。由于制造誤差、裝配不當或在不適當?shù)臈l件下使用，常會發(fā)生損傷等故障。根據(jù)相關(guān)資料，斷齒占齒輪故障比例的41%，點蝕為31%，劃痕為10%，磨損占10%，其他為8%，圖1為多級行星齒輪減速器故障樹圖。

3.2 模糊集理論

在此，我們以輪齒折斷、齒根裂紋、齒面磨損、軸承外圈故障、內(nèi)圈故障和滾動體故障構(gòu)成輸出故障向量F，F(xiàn)=[輪齒折斷齒根裂紋齒面磨損軸承外圈故障軸承內(nèi)圈故障滾動體故障]。當神經(jīng)網(wǎng)絡(luò)輸出單元值為1或接近1時，表示對應(yīng)的工況存在；而當輸出單元值為0或接近0時，表示狀態(tài)不存在。以輪齒折斷、齒根裂紋、齒面磨損、軸承外圈故障、內(nèi)圈故障和滾動體故障四種故障現(xiàn)象各取4組融合能量數(shù)據(jù)樣本作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。根據(jù)以上分析，確定神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元個數(shù)為為6，隱層神經(jīng)元個數(shù)確定為13。

3.3 故障樹

專家系統(tǒng)主要通過人工智能模擬專家的思維方式來對故障進行處理，不需要專家親臨現(xiàn)場進行思考的條件下，解決一些復(fù)雜的問題。專家系統(tǒng)是源于20世紀60年代，主要通過人機接口、推理機構(gòu)、知識庫三個部分組成，是一種基于知識表達并通過產(chǎn)生式規(guī)則發(fā)揮作用的系統(tǒng)。該系統(tǒng)能夠合乎人的心理邏輯，因此在實際應(yīng)用中易于被人接受，將其應(yīng)用于機械設(shè)備的故障檢測相結(jié)合，可以大幅度提升檢測效率。該系統(tǒng)擁有專家和運行運用知識解題的推理能力是故障解決的重要幫手。隨著當前信息技術(shù)快速發(fā)展，該技術(shù)也逐步成熟。

3.4 專家系統(tǒng)

故障樹也是人工智能領(lǐng)域的一種重要技術(shù)。該技術(shù)在實際應(yīng)用過程中，針對機械設(shè)備最不希望出現(xiàn)的故障為基礎(chǔ)進行分析，并且依照邏輯關(guān)系，由上到下逐步展開推理，了解故障出現(xiàn)的原因，并且使用邏輯門等形式逐步連接故障原因和故障內(nèi)容，最終實現(xiàn)系統(tǒng)故障和單元故障間的聯(lián)系。該技術(shù)應(yīng)用過程中具有精確性高、效率高等諸多優(yōu)勢，然而無法對一些故障進行預(yù)知性判斷。

通過本次論壇的開展，與會專家就“大學圖書館的重塑之道”達成了以下共識：當前圖書館不僅面臨急劇變化的社會環(huán)境以及用戶需求的挑戰(zhàn)，而且也面臨圖書館內(nèi)部管理上的挑戰(zhàn)，對此，需要轉(zhuǎn)變工作思維方式，積極面對變化、擁抱變化，不斷自我調(diào)整，以應(yīng)對挑戰(zhàn)。其次，圖書館服務(wù)于學校的教、學、研，圖書館的管理運作應(yīng)與學校的定位與發(fā)展戰(zhàn)略相契合，圖書館的發(fā)展理念應(yīng)與學校發(fā)展理念保持高度一致。此外，要加強校內(nèi)外機構(gòu)的合作，合作是圖書館實現(xiàn)轉(zhuǎn)型的重要抓手之一。

4 機械設(shè)備當中融入人工智能技術(shù)的方法

德國人把目光投向了一個數(shù)量龐大的人群，那就是全職媽媽。這些媽媽經(jīng)過一定的培訓(xùn)，就成為了身兼母親和護理員兩職的可用人才。有關(guān)數(shù)據(jù)顯示，目前德國1.1萬多家養(yǎng)老機構(gòu)的62萬從業(yè)人員中，超過60%都是非全職的。在1.2萬居家護理企業(yè)的27萬從業(yè)人員中，非全職的比例甚至超過了70%，絕大部分都是全職媽媽。

第三，平臺向上滑動。依據(jù)模板以及混凝土壓強的實際大小，開展相應(yīng)的工作，若在作業(yè)期間，模板混凝土的實際達到了1/3MPa，對于鋼筋的綁扎要依據(jù)實際情況進行，并且要通過不間斷循環(huán)作業(yè)，完成凝土滑動模型施工[4]。此外，具體施工期間，可以依據(jù)經(jīng)驗判斷平臺的上升時機，用手觸摸有硬感時，可以向上移動，每次移動滑程應(yīng)當控制在5cm左右，實際操作可以依據(jù)具體情況而定。

由于振動信號多集中于軸承座上，所以，各狀態(tài)監(jiān)測點應(yīng)布置在軸承座1至5上，傳感器呈90。布置（如圖2所示），獲取多級行星齒輪減速器的振動信號。

模糊集理論主要是從思維角度進行模型的構(gòu)建，涉及到大量學科，內(nèi)容相對較為復(fù)雜，主要融入了模糊數(shù)學和邏輯學的知識，與此同時還融入一些其他的學科。這些學科間相互聯(lián)系具有模糊的特點，這一理論在應(yīng)用過程中不同學科需要通過集合方式存在，可以將多個學科的聯(lián)合稱為模糊。這種理論在實際應(yīng)用過程中，隨機性較強，可以通過分辨模型快速將模糊數(shù)據(jù)計算出來，以獲得相關(guān)的知識。通過該方法檢測故障設(shè)備，可以及時對比分析故障，快速排除故障。

在機械自動化設(shè)備當中融入人工智能技術(shù)具有非常重要的意義，能夠大幅度優(yōu)化機械自動化控制設(shè)計和故障診斷。首先在設(shè)計時需要與實際情況結(jié)合，依照設(shè)計的具體要求進行設(shè)計，在設(shè)計期間，需要書本的理論知識和設(shè)計人員的經(jīng)驗進一步提升設(shè)計效果。在傳統(tǒng)機械系統(tǒng)設(shè)計時，往往只重視電氣系統(tǒng)的應(yīng)用，沒有有機地融入人工智能技術(shù)，造成機械自動化控制和自我診斷的效果差強人意，由于人工設(shè)計出現(xiàn)一定的缺陷，會造成機械綜合控制技術(shù)無法有效得到應(yīng)用。在人工智能技術(shù)與自動化控制診斷技術(shù)相結(jié)合的過程中，需要注意加強故障控制，通常需要注意以下幾個步驟。首先，需要對機械設(shè)備的特征型號進行查看，了解其特點，其次需要依照其特點，分析需要檢測的部位和可能出現(xiàn)的問題，對系統(tǒng)的故障信息數(shù)據(jù)庫進行更新。第三，需要通過采集的數(shù)據(jù)和視頻有效地識別機械設(shè)備運行的狀態(tài)，并且依照故障信息庫的具體條件來分析機械設(shè)備的使用狀態(tài)，并且對可能出現(xiàn)的故障進行判斷。當前，我國工業(yè)技術(shù)快速發(fā)展，在機械設(shè)備的故障診斷技術(shù)相對較為完善，尤其是在結(jié)合了人工智能、專家系統(tǒng)等技術(shù)之后，可以通過傳感器的數(shù)據(jù)和視頻畫面自動進行故障分析，讓故障診斷的效率提高，保證準確性。

網(wǎng)絡(luò)的輸入向量范圍為[01；01；01；0l；01；01]，隱含層神經(jīng)元的傳遞函數(shù)仍然采用s型正切函數(shù)tansig，輸出層神經(jīng)元傳遞函數(shù)采用s型對數(shù)函數(shù)logsig，訓(xùn)練函數(shù)采用traingdx，學習函數(shù)為梯度下降動量學習函數(shù)learngdm，總步長設(shè)為10000，全局誤差設(shè)置為0.001，學習率為0.6。針對輪齒折斷、齒根裂紋、齒面磨損、軸承外圈故障、內(nèi)圈故障和滾動體故障等六種不同的工況，設(shè)定神經(jīng)網(wǎng)絡(luò)的輸出層輸出目標向量為[10000；010000；001000；000100；000010；000001]。圖4是齒輪故障診斷的BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練誤差曲線，在1000步輸入數(shù)據(jù)己基本滿足訓(xùn)練精度的要求。

5 人工智能在機械設(shè)備故障檢測中的應(yīng)用前景

伴隨當前信息技術(shù)快速發(fā)展，人工智能在機械設(shè)備故障檢測當中應(yīng)用也逐步拓展，日趨多樣化?？傮w而言，機械故障智能檢測技術(shù)在發(fā)展的過程中，有以下幾個方向：首先融合了大量的多傳感器數(shù)據(jù)，機械設(shè)備傳感器的數(shù)量和功能逐步拓展，在融入大量傳感器之后可以快速精準地進行檢測。在實踐中需要有效地分析設(shè)備的運行狀態(tài)，積極檢查設(shè)備的功耗、溫度、壓力等情況，準確的采集相關(guān)的數(shù)據(jù)信息，如果電氣設(shè)備產(chǎn)生故障，需要合理篩選數(shù)據(jù)，進行分析，依照數(shù)據(jù)之間的關(guān)聯(lián)性準確判斷可能出現(xiàn)的故障，為后續(xù)的維修工作打下堅實的基礎(chǔ)。其次是通過混合智能技術(shù)快速實現(xiàn)故障的識別，現(xiàn)代化機械設(shè)備逐步向智能化、大型化方向發(fā)展，故障必然出現(xiàn)多樣化，而且具有較強的突發(fā)性。因此需要重視加強多種故障檢測技術(shù)的綜合使用以實現(xiàn)故障的快速檢測，以傳感器、人工智能等信息技術(shù)為基礎(chǔ)的遠程故障診斷手段逐步出現(xiàn)，能夠使診斷的效率大幅度提升。

在“中央軍入晉”一節(jié)寫葉劍英施行“空城計”和打“地道戰(zhàn)”，就屬于這一類。在葉劍英的“空城計”下，一邊是葉劍英指揮部隊休息，“有抱著槍睡覺的，有吃干糧的，戰(zhàn)士們嬉笑著在隱蔽處看熱鬧”，一邊是“邢家驤舉著望遠鏡觀察，看見中彈的‘紅軍’都燒成了灰燼，這才發(fā)現(xiàn)上當了，趕緊命令停止射擊……”使一愚一智兩種打仗方法對比分明，也使小說增加了閱讀趣味。

6 結(jié)束語

在機械設(shè)備故障診斷過程中，合理應(yīng)用人工智能技術(shù)可以快速地實現(xiàn)機械設(shè)備的故障診斷，并且具有一定的預(yù)測防范能力，能夠確保設(shè)備的有效運行。當前機械設(shè)備故障智能診斷技術(shù)依然處于起步階段，發(fā)展前景巨大，需要相關(guān)人員不斷進行實踐，逐步深化機械設(shè)備故障檢測與人工智能技術(shù)的結(jié)合，大幅度提升工業(yè)設(shè)備的使用效率。

[1]鄧華偉.人工智能在機械設(shè)備故障檢測中的應(yīng)用[J].內(nèi)燃機與配件，2020（11）：223-224.

[2]劉華敏，呂倩，余小玲，等.基于人工智能的往復(fù)式壓縮機故障診斷研究綜述[J].流體機械，2020，48（9）：171-172.

[3]文學福，宋小峰.人工智能技術(shù)在機械領(lǐng)域中的應(yīng)用探討[J].科技創(chuàng)新與應(yīng)用，2021，11（16）：131-132.

[4]吳東，楊光露，魏新峰，索糧.人工智能在線監(jiān)測技術(shù)在煙草機械故障診斷中的應(yīng)用[J].機械制造，2020，58（11）：113-114.

[5]馬小平，楊雪苗，胡延軍，等.人工智能技術(shù)在礦山智能化建設(shè)中的應(yīng)用初探[J].工礦自動化，2020，46（5）：712-713.