人工智能在机械设备故障检测中的应用

孙凌夫 战中学 刘泽林 李海豹 宋亚辉 孙全喜 陆益军 吴红

摘要： 机械设备在不断的发展中，功能日益多元化，结构越来越复杂，导致设备故障也变得多样化。采用传统的检测方法可能就会导致故障无法准时在第一时间内得到检测，浪费大量的人力和物力。应用人工智能开展设备检测，不仅可以缩短检测时间，提高检测效率，还可以保证检测结果的准确性。在机械设备故障检测中，要明确人工智能技术的特点和优势，加强研究与开发力度，确保人工智能发挥出更加有效的作用。

关键词：人工智能;机械设备;故障检测

引言

人工智能作为一门新兴技术，其主要是对人的理论、方向进行模拟、延伸与拓展。人工智作为计算机科学的分支，能够对机械设备的故障进行深入分析，从而生产出智能的机器，类似于人类对问题作出反应的系统。在对人工智能进行研究时，语言识别、自然语言处理、机器人等都是主要研究对象。人工智能是一门极富挑战性的科学，涉及心理学、哲学及社会科学等众多学科。随着时间的推移，人工智能的理论与技术已经日渐成熟，并且其应用范围也在不断扩大。在未来的发展中，人工智能对人类生产生活起到促进的作用。

1 人工智能在机械设备故障检测中的意义

机械故障诊断是对机械上传感器获取的数据进行系统分析，结合机械自身的特点，分析出故障发生的原因，并对机械在故障状态下继续运行发生的情况进行预测，当机械系统运行发生了偏移，则发生机械故障，整个机械系统部分或者全部失去作用，故障诊断就是利用传感器获取的数据进行系统的分析，得出故障发生的部位并且进行报警。如果及时对设备的故障进行检测，就可以及时分析故障产生的原因，并采取相应的解决对策，延长设备的使用寿命。传统的机械设备故障检测手段存在的问题在于不能对复杂的故障进行检测，而且检测的方式比较简单，在应用的过程中会存在很大的局限性，一旦设备的故障比较多元化，或者有突发性特征，就不容易对其进行准确及时的检测。随着机械设备性能的日益完善，设备的内部结构精度越来越高，体积越发小巧，这就必须要保证设备故障检测技术与时俱进。

在应用检测技术时，需要保证这一技术具有智能化特征，可以在第一时间内发现故障，同时还要保证技术符合设备日益复杂的发展趋势。以计算机和数字技术为支持的故障监测技术已经广泛地应用到各个行业之中，比较有代表性的就是人工智能技术。人工智能技术可以保证机械设备的故障得到自动化检测，这样就可以大大缩短检测的时间，降低维修成本，可以保证设备正常运行，对各类问题起到有效的防范效果[1]。由于人工智能技术在开展设备检测时的方法比较多元化，即使设备结构日益复杂，人工智能技术也可以充分适应，并确保故障得到及时有效的检测。

2人工智能在机械设备故障检测中的应用

人工智能可以针对生产过程中的原材料特性、环境特点、生产设备特点等影响因素进行综合判断，并且做出最合理的故障诊断。人工智能对于机械设备故障诊断是十分重要的，能够提升故障诊断的准确性以及有效性。在机械设备诊断中，涉及的人工智能技术较多，本文主要对专家系统、人工神经理论、模糊理论等在故障检测中的应用进行了分析。这些人工智能技术进行故障检测时发挥了较大的作用。

2.1专家系统

在人工智能技术中，专家系统是一种比较常见的故障检测技术。专家系统主要是对专家的思维和知识结构进行模拟，便于解决某一专业的问题。通常会采用智能计算机程序系统获取知识管理库中的知识，系统会结合这些知识进行严格的推理。人工智能系统数据库会通过解释器将数据转化为问题的解释答案。专家系统中包含的专业学科知识比较多，为保证知识得到有效利用，专家系统中的智能化功能可及时根据问题对知识库中的知识进行提炼。人工智能可以整合相关的知识，将其纳入到知识管理库之中。此时，系统会以设备能够理解的方式及时解答问题，再通过人机交互形成专门的语言。对设备故障进行检测时，专家系统中的推理机制可以充分发挥作用，在其内部机制中会有类似问题的解决方式，这样就可以保证故障得到准确的定位与诊断[2]。

2.2人工神经理论

人工神经理论是一种典型的算法数学模型，支持其发挥作用的主要依据就是人工神经网络。人工神经元主要负责激活模拟人类大脑的神经网络，其目的在于利用这一网络实现对信息的一系列处理，使数据得到高效保存。由于神经元比较多，而且彼此之间的关系非常密切，因此，采用人工神经理论就可以确保信息得到及时吸收，人们可以充分利用神经网络的优势，使其在众多领域中发挥作用。对设备故障进行检测时，可以采用人工神经理论对故障进行分析，采用多个神经元与故障相互作用，就可以在一系列反应下找到故障的位置[3]。确认故障后，用户就可以及时了解问题所在。人工神经网络还可以对故障进行预测，分析每个零部件的主要参数，帮助用户更好地了解到设备的使用情况，及时避免出现故障。

2.3模糊集理论

可以将模糊集理论作为理论思维的基本方式，这一理論中包含的学科比较模糊，除了逻辑学和模糊数学之外，学科知识之间的关系因比较模糊，但又要以集合的方式呈现，共同为这一理论展开服务，因此，就可以将其称之为模糊集理论。模糊集理论并不具备随机性，其主要是指事物本身的概念比较模糊，通过这一理论可以及时对模型进行分辨和识别。通过计算出模糊数就可以及时获取知识，这样就可以采用模糊融合的方式对设备的故障进行检测，并及时将诊断结果与故障进行对比，就可以更好地解决故障[4]。总之，模糊集理论的运用可以保证设备得到更加准确的检查，由于与之相关的技术更加稳定，对数据进行分析时也会更加完善。随着时代的不断发展，模糊集理论将会得到进一步改进。

2.4遗传算法

遗传算法主要是以人类遗传机理为基础，从而提出的全局优化算法，通过生物进化工程的杂交、繁衍等现象模拟的一种算法。这种遗传算法的主要优势是处理优化问题的能力较强，并且有较强的全局优化能力。在进行故障检查时，可根据元件故障、断路器跳闸、保护动作之间的关系，建立遗传算法，并采用差异性遗传算法对故障进行处理。应用遗传算法进行故障检测的时候，应该从全局优化出发，当保护元件或者是断路器出现拒动时，诊断结果最优。但是使用遗传算法进行故障诊断时，对数学模型合理的建立、确定差异等方面还需要进行深入的研究，以期能够在故障检测中发挥较大的作用[5]。

结束语

人工智能依靠在机械设备上的传感器得知机械设备的生产情况，可以对设备运行中的情况做到实时监控，并依靠传感器的信号和曾经产生的故障建立故障模型，在生产过程中依靠人工智能对可能发生故障的设备进行维修损失估计，选取其中损失最小的方案进行实施。并且重要的是只有在第一批生产设备中需要经历上述的整个过程，后面的生产者只需要在已经建立好的设备故障模型中做针对于自己生产环境的优化即可。这种生产模式极大的简化了生产设备的投产过程，极大的节约了时间成本和资金成本。

参考文献：

[1]贾智涵. 基于深度神经网络的机械故障诊断技术研究[D].北京邮电大学，2019.

[2]周明君.智能机器人在电力设备故障诊断中的应用研究[J].科技创新导报，2019，16（08）：149-150.

[3]张京一.试论电气自动化控制中的人工智能技术[J].南方农机，2019，50（03）：231.

[4]黄慧媛.试析电气自动化控制中人工智能技术的应用[J].内燃机与配件，2019（02）：212-214.

[5]沈陶然，王玉茜.人工智能技术在机械电子工程领域的应用研究[J].海峡科技与产业，2019（01）：75-77.