人工智能在機(jī)械設(shè)備故障檢測中的應(yīng)用研究

王文雙 趙常均 林貞瓊

關(guān)鍵詞：人工智能;機(jī)械設(shè)備;故障檢測

隨著機(jī)械零件的結(jié)構(gòu)越來越復(fù)雜，機(jī)械設(shè)備的維修工作也越來越精密，不同環(huán)節(jié)之間的聯(lián)系相對緊密。因此，機(jī)械故障維修和檢測工作也比較困難，人工維修工作面臨著嚴(yán)峻的挑戰(zhàn)。傳統(tǒng)的機(jī)械檢測和維修方法效率低，也可能產(chǎn)生一些事故，同時人工維修記錄也不準(zhǔn)確。而應(yīng)用人工智能技術(shù)，機(jī)械維修和檢測工作更加精準(zhǔn)，維修記錄也更加準(zhǔn)確。

一、人工智能在設(shè)備故障檢測中的應(yīng)用價值

人工智能技術(shù)是20世紀(jì)的三大前沿技術(shù)之一，我國在人工智能研究方面投入比較大，也取得了一些建設(shè)性成果，形成了一套較為科學(xué)、完善的知識體系。人工智能技術(shù)中，知識工程與專家系統(tǒng)、模式識別、知識庫、機(jī)器人、專家系統(tǒng)、機(jī)器人等智能管理技術(shù)可以應(yīng)用在學(xué)習(xí)、實踐、下載、調(diào)試、安裝等環(huán)節(jié)，有效提高工作人員的工作效率。人工智能技術(shù)通過智能規(guī)劃有效解決抽象層次的問題，解決軟件工程問題，對于軟件工程故障是一種最有效的方法，具有很強(qiáng)的優(yōu)越性。在現(xiàn)代化的社會發(fā)展趨勢下，信息化技術(shù)為我國市場經(jīng)濟(jì)的發(fā)展和社會文明建設(shè)提供了有力的力量，傳統(tǒng)的故障檢測手段仍然不能滿足現(xiàn)代化、工業(yè)化企業(yè)對高質(zhì)量的要求，如何在現(xiàn)代化設(shè)備故障檢測中提高其效率成為一個亟待解決的重要問題。在機(jī)械設(shè)計制造和電子工程領(lǐng)域，設(shè)備以精確的數(shù)據(jù)為核心，并且設(shè)備設(shè)計非常精密，設(shè)備的各個環(huán)節(jié)銜接都需要反復(fù)計算。AI是我國社會發(fā)展的高效率產(chǎn)物，基于以下幾個問題：人工智能檢測設(shè)備故障，完善傳統(tǒng)的單一缺點，全面提高檢測效率：

其一，準(zhǔn)確性。傳統(tǒng)的設(shè)備故障檢測以人力為中心，在檢測過程中不可避免地會由于多種因素影響而導(dǎo)致檢測準(zhǔn)確度不高，基于人工智能的檢測準(zhǔn)確度，在提高檢測效率的基礎(chǔ)上，在精度上有質(zhì)的飛躍。

其二，優(yōu)化資源配置。智能檢測設(shè)備故障，有效地優(yōu)化資源配置;通過系統(tǒng)程序把大量復(fù)雜的計算輸入人工智能，實現(xiàn)數(shù)據(jù)系統(tǒng)的智能化、數(shù)字化。不但數(shù)據(jù)輸入方便，而且數(shù)據(jù)的檢索和輸出檢索非常高效，為以后的數(shù)據(jù)統(tǒng)計分析提供了方便，數(shù)據(jù)結(jié)構(gòu)可以直觀地以圖表的形式表示。

其三，推動企業(yè)經(jīng)濟(jì)效益最大化。用人工智能的方法進(jìn)行設(shè)備故障診斷，需要耗費大量的人力、物力、財力，在檢測設(shè)備的安全性能時，往往會出現(xiàn)錯誤，產(chǎn)生一些安全性事故。所以，人工智能技術(shù)在設(shè)備故障檢測中的應(yīng)用也日益明顯。

二、機(jī)械設(shè)備常見故障成因

在行業(yè)應(yīng)用中，故障診斷又被叫作“故障隔離”。將故障診斷稱為“隔離”和“檢測”是由于在設(shè)備診斷時，需要通過感應(yīng)通常會先將故障點進(jìn)行隔離，之后再有效處理故障。機(jī)械設(shè)備檢測有一套科學(xué)的檢測方法，利用這些檢測方法，可以對設(shè)備系統(tǒng)檢測，診斷故障。人工智能技術(shù)可以鑲嵌算法，自動查找故障點，這樣更便于技術(shù)人員對故障進(jìn)行排查，提高機(jī)械維修效率。

（一）缺乏檢修保養(yǎng)及退化性故障

大型機(jī)械設(shè)備的使用年限通常比較長，部分零部件在經(jīng)年累月的使用中產(chǎn)生磨損，進(jìn)而產(chǎn)生故障。機(jī)械運作帶動各個零部件，部分零部件單元沒有潤滑，加大磨損，進(jìn)而將故障放大。隨著設(shè)備的老化，一些動力傳動機(jī)械結(jié)構(gòu)、減震結(jié)構(gòu)會出現(xiàn)強(qiáng)度和穩(wěn)定性下降的問題，出現(xiàn)我們通常所說的退行性故障。

人工智能在設(shè)備故障檢測中有多元化的應(yīng)用，對著機(jī)械設(shè)備越來越精密，機(jī)械設(shè)備故障檢測也越來越復(fù)雜，人工處理的效率比較低，只能借助智能設(shè)備進(jìn)行處理。

（二）機(jī)械設(shè)計與制造精度

人工智能技術(shù)對于機(jī)械維修工作是比較有效的，機(jī)械設(shè)計、制造都將圖紙作為參考標(biāo)準(zhǔn)。機(jī)械零部件的結(jié)構(gòu)比較復(fù)雜，各個部件之間磨合工作。零部件的儲存大小也不同。只有得到上述準(zhǔn)確的數(shù)據(jù)，明確參數(shù)，才可以精準(zhǔn)完成機(jī)械設(shè)計、制造和維修工作。人工智能技術(shù)可以對數(shù)據(jù)進(jìn)行精準(zhǔn)的測量，減少數(shù)據(jù)誤差造成的機(jī)械維修、制造工作的失誤。比如，智能化系統(tǒng)對機(jī)械進(jìn)行掃描，將機(jī)械內(nèi)部結(jié)構(gòu)直接通過電腦終端展示出來，工作人員通過查看電腦終端的零部件結(jié)構(gòu)分析故障。除此以外，人工智能技術(shù)和數(shù)控技術(shù)也可以結(jié)合，更加精準(zhǔn)地分析和檢測設(shè)備故障。

（三）外部不利因素

設(shè)備在正常運行下，會受到外部環(huán)境的影響，比如，設(shè)備運輸會產(chǎn)生碰撞，設(shè)備日常檢修工作如不按照相應(yīng)流程和規(guī)章制度進(jìn)行檢修，會導(dǎo)致設(shè)備安裝精度下降，這樣在運行過程中，容易產(chǎn)生共振問題，提高設(shè)備損壞的概率。

三、人工智能在機(jī)械設(shè)備故障檢測中的具體應(yīng)用

（一）故障樹

故障樹屬于人工智能領(lǐng)域一項相對簡單的技術(shù)，在所有的人工智能技術(shù)中最不智能。故障樹主要應(yīng)用于機(jī)械設(shè)備維修中發(fā)生概率比較小的故障分析，根據(jù)邏輯順序逐層分析，推理設(shè)備的故障原因，之后采用邏輯門的形式將故障及對應(yīng)原因連接起來，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)系表達(dá)出來。故障樹檢測的優(yōu)點在于檢測效率高、精度高，但是無法進(jìn)行預(yù)知性診斷。

（二）專家系統(tǒng)故障診斷

專家系統(tǒng)故障診斷是當(dāng)前應(yīng)用最廣泛的一項診斷檢修技術(shù)，對計算機(jī)技術(shù)的依賴性比較高。在實際應(yīng)用這項技術(shù)時，專家對采集到的信息進(jìn)行科學(xué)判斷和分析，進(jìn)而檢測機(jī)械設(shè)備的具體故障。專家系統(tǒng)故障診斷可以建立起一個故障結(jié)構(gòu)分析樹，在之后的設(shè)備維護(hù)和檢修工作中，在很大程度上幫助檢修人員。

（三）模糊數(shù)學(xué)概念診斷

模糊教學(xué)理論在人工智能技術(shù)中應(yīng)用比較廣泛，是一項最基本的技術(shù)。相對而言，模糊教學(xué)概念比較復(fù)雜，涉及的專業(yè)內(nèi)容比較多，但是也比較模糊。模糊教學(xué)概念主要涉及邏輯學(xué)、模糊數(shù)學(xué)這兩項專業(yè)內(nèi)容。同時，也有其他一些學(xué)科內(nèi)容，學(xué)科知識之間關(guān)系密切，但是都比較模糊。在這一理論當(dāng)中，不同的學(xué)科知識集合在一起，共同應(yīng)用，模糊教學(xué)概念也隨之產(chǎn)生。這一理論的隨機(jī)性不是很強(qiáng)，主要指的是事物本身存在的概念，相對來說比較模糊，可以分辨模型，計算出模糊數(shù)據(jù)，進(jìn)而得到相關(guān)知識。這種對故障設(shè)備進(jìn)行檢測的方式，可以及時地對比檢測的結(jié)果，將故障分析出來，有效地解決故障。

（四）人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)簡稱神經(jīng)網(wǎng)絡(luò)，由大量簡單的處理單元組成，處理單元之間進(jìn)行廣泛的連接，形成較為復(fù)雜的神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)在信息處理、自動化工程、醫(yī)學(xué)和經(jīng)濟(jì)等領(lǐng)域的應(yīng)用比較普遍。人工神經(jīng)網(wǎng)絡(luò)模擬生物神經(jīng)系統(tǒng)，并通過網(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）等來實現(xiàn)信息處理功能，并且在神經(jīng)網(wǎng)絡(luò)的推理過程中還引用了模糊規(guī)則來提高整個系統(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、結(jié)構(gòu)拓?fù)漪敯簟⒙?lián)想、推測、記憶、自適應(yīng)、自學(xué)習(xí)、并行和處理復(fù)雜模式的功能，對于機(jī)械設(shè)備運行過程中多發(fā)性、突發(fā)性故障具有比較較好的維修作用，同時還可以用來監(jiān)測一些比較復(fù)雜、體積較大的機(jī)器設(shè)備，以便及時發(fā)現(xiàn)故障問題并對故障做出診斷，使得設(shè)備能夠健康穩(wěn)定運行。

機(jī)械設(shè)備故障問題體現(xiàn)出層次性、延時性、相關(guān)性、不確定性等特點，故障檢測時間耗費也比較長，很多相對復(fù)雜、棘手的設(shè)備故障也可以通過人工智能神經(jīng)網(wǎng)絡(luò)進(jìn)行分析，將故障由面排除到點，針對性解決。當(dāng)前，人工神經(jīng)網(wǎng)絡(luò)技術(shù)在機(jī)械設(shè)備故障檢測中的應(yīng)用主要有以下幾種方式：其一，從模式識別角度應(yīng)用神經(jīng)網(wǎng)絡(luò)，作為分類器檢測故障;其二，從預(yù)測角度應(yīng)用，利用動態(tài)預(yù)測模型檢測故障;其三，通過神經(jīng)網(wǎng)絡(luò)極強(qiáng)的非線性動態(tài)跟蹤能力展開預(yù)測，基于結(jié)構(gòu)映射的故障檢測等。伴隨這項技術(shù)手段逐漸成熟，神經(jīng)網(wǎng)絡(luò)技術(shù)也在不斷改進(jìn)和應(yīng)用，發(fā)展出的模塊化故障檢測模型的效果也越來越好。

四、應(yīng)用人工智能全面檢查設(shè)備

（一）借助人工智能生成圖像

應(yīng)用智能機(jī)器人診斷機(jī)械設(shè)備故障時，啟動智能機(jī)器人，自動生成圖像，操作人員進(jìn)行設(shè)置，查找自己要的機(jī)械設(shè)備內(nèi)部結(jié)構(gòu)圖像。同時，還能直接查詢機(jī)械設(shè)備的數(shù)值。發(fā)現(xiàn)異常數(shù)值、不穩(wěn)定數(shù)值，直接點擊暫停按鈕，圖片能夠直接保存在文件里，方便后續(xù)的分析和問題解決。智能機(jī)器人能夠直接識別圖像，維修人員只要直接根據(jù)流程下達(dá)指令，智能機(jī)器人就可以自動檢測和診斷機(jī)械設(shè)備各零部件。診斷的同時，智能機(jī)器人反饋、回傳診斷情況，反映設(shè)備性能。自動診斷過程中如果發(fā)現(xiàn)設(shè)備故障，智能機(jī)器人直接展示故障所在圖片位置，方便檢修人員查看設(shè)備故障發(fā)生情況，進(jìn)而迅速開展檢修工作。

（二）應(yīng)用人工智能掃描設(shè)備

使用人工智能設(shè)備檢測故障時，嚴(yán)格遵守智能設(shè)備的操作步驟，避免由于操作不當(dāng)而導(dǎo)致人工智能設(shè)備損壞、失靈的問題。首先，將機(jī)械設(shè)備的型號、數(shù)據(jù)輸入，智能機(jī)器人在數(shù)據(jù)庫中找到對應(yīng)數(shù)據(jù)，自動展示機(jī)械設(shè)備性能;其次，維修人員根據(jù)人工智能終端設(shè)備的提示功能按步驟操作，將機(jī)械設(shè)備進(jìn)行掃描，通常這種掃描幾分鐘就可以完成，對于維修人員而言，工作非常輕松，也充分實現(xiàn)了智能機(jī)器人的應(yīng)用價值和實用價值。

五、結(jié)語

因為機(jī)械設(shè)備功能逐漸朝著多元化的方向發(fā)展和進(jìn)步，其中出現(xiàn)的結(jié)構(gòu)也更加的復(fù)雜，故障設(shè)備正在朝著多樣化的方向發(fā)展。如果應(yīng)用的故障檢測的方式?jīng)]有在第一時間進(jìn)行科學(xué)的檢測，那么如果繼續(xù)運行下去就會浪費資金和成本，而利用人工智能檢測的方式就可以盡量縮短檢測時間，使結(jié)果更加準(zhǔn)確。

參考文獻(xiàn)：

[1]王曉蕾，姬治崗.煤礦機(jī)械設(shè)備故障分析與診斷技術(shù)及發(fā)展趨勢[J].科學(xué)技術(shù)與工程，2020，20（12）：4621-4630.

[2]許麗.人工智能在機(jī)械設(shè)備故障檢測中的應(yīng)用[J].南方農(nóng)機(jī)，2019，50（24）：178.

[3]張婷婷，賈銘鈺.機(jī)械設(shè)備故障診斷技術(shù)的常用方法及新技術(shù)的應(yīng)用研究[J].自動化與儀器儀表，2017（10）：38-39+42.