人工智能技术在设备故障检测中的应用

张 栋，周海波，周 毅，李 许，徐晓光

深圳海关工业品检测技术中心，广东 深圳 518045

人工智能技术是利用当今的科技模拟人的思维，在一定程度上可以超越人的智慧。在实际应用过程中，该技术是一门综合性学科技术，不仅涉及电子信息学科的知识，还涉及语言学、心理学等多层次的知识。在计算机科学领域，计算机信息技术被认为是一门综合了软件集成、硬件集成、数据管理、因特网等知识的学科，同时计算机信息技术也涉及许多领域，已成为我国乃至世界经济发展的重要支撑。

1 现阶段我国设备故障检测方法及设备故障类型

1.1 故障类型

现代化、工业化社会发展趋势下，我国电子信息设备使用有了爆发式增长，满足社会企业生产、运作多元需求的同时，为社会企业发展提供了有力支撑。为规避因设备故障导致无法运行工作等问题，制订了一系列检测方法，定期、不定期针对设备进行诊断与检测。通过对我国机械设备故障及常见问题统计、归纳分析可得出，现阶段较为常见的机械故障设备主要以信号处理为主。旋转机常用的信号处理图形和信号处理功能，除信号故障外，还会产生旋转机械的不平衡、轴承不正确和滑动、滚动轴承故障等故障，除部分转子密封故障外，还会产生旋转机械故障，如转子故障、浮环密封故障、叶片式液压机振动等。针对旋转机械存在的问题，需定期进行计算和检查。此外，齿轮故障也是常见的问题。齿轮的振动检测和噪声分析是设备故障中的常见问题。

1.2 设备故障检测的常规方法

传统设备故障检测及处理中因无法对故障类型、故障位置、故障因素明晰确定，因此需耗费大量人力、物力、财力对设备进行类型诊断，如振动与噪声故障通常会采取振动法对振动特征进行分析，依托模态分析、参数识别，对冲击能量、冲击脉冲进行测定；又如通过声学法等综合方式对设备故障进行检测，同时需对机械生产设备的位移、加速及噪声进行测量与记录，消耗大量人力、物力、财力的同时，无法保障设备处理有效。超声波探伤技术经常被用于材料缺陷和裂纹的检测，该方法成本低，已广泛应用于平面缺陷检测，但检测数据会产生误差。当超声探伤检测设备磨损、腐蚀等故障时，主要采用光纤内窥镜和油液分析法，以检测设备的物理、化学性能、表面磨损和腐蚀为主[1]。在检测过程中，由于温度、压力、流量等因素的影响和外部条件的不可控，在特殊情况下，采用红外测温仪测温，用辐射法对设备故障进行诊断。这种诊断方法需要大量的人力资源来完成数据的准确检测和记录。

2 人工智能在设备故障检测中的应用价值分析

人工智能是现代化难以量化的领域。在各系统得到有效控制的情况下，为保证系统的有效运行，可采取多种技术使系统适应环境。自适应是人工智能的核心思想，使产品在使用过程中适应环境，以保证成本最低、效率最大化。计算机人工智能是研究机器智能的一种新技术。该系统可模拟人的智能，实现人脑自动控制。伴随着计算机应用技术的发展，大脑价值的挖掘成为计算机应用的一个重要领域。

20世纪的三大前沿技术是原子能技术、人工智能和空间技术。我国对人工智能的研究已经有二十多年的历史，已经形成了一套比较科学、完善的知识体系。其中，知识工程与专家系统、模式识别、知识库、机器人、专家系统、机器人等智能管理密切相关，最终得出软件的输出结构。经过研究、实践、下载、调试、安装等环节，可有效提高规划人员的应用效率。最后指出，智能规划是解决软件工程问题的最有效途径，它是解决问题的一个重要途径。将其应用于国内智能规划软件工程，可以起到极大的促进作用，可以有效地解决抽象层次的问题，具有很强的优越性。现代化社会发展趋势下，信息化技术为我国市场经济发展及社会文明建设提供有效力量，传统的设备故障检测方式依然无法满足现代化、工业化企业的高质量需求，因此基于现代化设备故障检测中如何提高故障检测效率成为亟待解决的重要课题。机械设计和制造与电子工程领域设备以精确数据为核心，且设备设计十分精密，设备各环节衔接需经过反复计算。人工智能是我国社会发展的高效产物，基于人工智能对设备故障检测，完善传统单一不足等问题的同时，全面提高检测效率，具体如下：

（1）精确度。传统设备故障检测以人力为核心，在检测过程中势必会因多元因素影响导致检测准确度不高，基于人工智能准确度对设备进行检测，提高检测效率的基础上在精确度上具有质的飞跃。

（2）优化资源配置。基于人工智能对设备故障的智能检测有效地优化资源配置。将大量复杂的计算通过系统程序输入人工智能，数据系统实现智能化、数字化记录。不仅数据输入方便，而且对数据的检索和输出检索也十分有效，为以后的数据统计分析提供了方便，数据结构可以直观地用图表形式表示。

（3）促进企业经济效益最大化。利用人工智能的方法，对设备进行故障诊断，需要耗费大量的人力、物力、财力资源，并可能在设备安全性能检测中出现错误，从而达到不损害人体健康的目的。因此，将人工智能应用于设备故障检测的趋势越来越明显。

3 人工智能在设备故障检测中的具体应用

3.1 专家系统应用

专家控制的技术途径就是将专家提出的理论与相应的控制技术相结合，将理论与实践相结合，模仿专家操作方法进行机械设备故障检测，以保障机械设备的运行[2]。在自动控制系统中应用较多的是专家式控制技术，实现方法分为两种：一种是在原有的基础上保留专家控制系统的组成特征，其缺点是知识库内知识容量小，导致推理逻辑简单；二是在控制算法的基础上，利用专家控制技术，在控制算法的基础上，运用专家控制技术，提高了系统的判断能力。

3.2 神经系统控制

通俗地说，神经控制技术是建立神经型网络工具后的方法，在确保叙述目标精确的基础上，进而监控人工系统的运行。该技术是一种由多种人工神经组成的技术，把生物学和科技有机地结合在一起，其优点在于具有极强的自我调节能力，并能将人工智能控制系统的开发推向新的高度。随着用户对智能控制系统要求的不断提高，要求系统能适应现场，使得传统的人工控制系统难以满足要求。神经控制系统能够有效地解决这一问题，因此受到广泛的关注。在此基础上，建立人工神经网络的理论，并建立数学模型。神经网络是一种具有信息处理、记忆和存储功能的神经网络，多个神经元可以连接、吸收和掌握信息，维持大脑神经系统的平衡。在信息处理、自动化工程、医学经济等领域，利用神经网络的基本特性和功能，建立神经网络模型。用人工智能技术检测设备故障时，还可采用人工神经理论进行分析。在数字化的基础上，多个神经元与故障进行交互，调节设备自适应能力，及时诊断故障，并及时将故障传递给用户，对问题进行有效分析。根据各部件的耐磨性和耐久性分析，计算出机械设备的寿命，便于进行故障前预测和故障前预测。

3.3 模糊控制技术

在整个系统中，模糊控制主要采用模糊控制的方法，用模糊语言、思维来掌握设备的运行状态，从而达到控制效果[3]。在机械设备故障检测中，这种技术是最常用的技术。模糊控制技术的关键是反映人的逻辑思维和经验，而以上的思维和经验都是用语言来表达的。前期使用的是控制系统，由于技术员对系统了解不够，导致自动控制效果不佳，但经过技术人员的思考探索，模糊控制技术升级。相对于传统的自控技术，模糊控制技术的优点在于能避免烦琐的数学模型，加速具体的控制问题的求解，总结经验知识，提炼控制规律，实现对复杂系统的控制。

4 结束语

综上所述，现代机械设备故障多，机械设备结构复杂，各环节相互关联。传统的故障诊断方法不仅耗费资源，而且影响检测结果的准确性。采用人工智能技术不仅可以精确地检测设备故障，而且可以优化各种资源的配置。复杂的计算能由系统程序完成，确保数据能及时记录，既提高了数据的准确性，又便于数据查询。在统计的时候，工作人员只需要查看相关图表，数据就会直观呈现。因此，在机械设备故障检测中应用人工智能技术是十分必要的。