人工智能在机械设备故障检测中的应用

李清龙

摘要：我国的机械设计制造水平在近几年不断提高，现代机械设备更是朝着大型化、精密化、复杂化以及自动化等方面发展，在提高生产效率与生产质量上发挥着重要的作用。同时，机械设备的各部件之间的耦合也越来越紧，运行过程中一旦发生某一故障问题就有可能导致整个设备运转失常，因此做好设备的故障检测工作至关重要。传统的故障检测工作片面依靠维修检测人员的经验，对于现代的机械设备来说已经无法适应，因此必须要采用更加先进的方式，因此将人工智能用于机械设备的故障检测工作中具有十分重要的意义，大大提高了检测质量与效率，对保证机械设备的正常、稳定运行发挥着重要的作用。基于此，本文就人工智能在机械设备故障检测中的应用进行了分析。

Abstract： The level of mechanical design and manufacturing in China has been continuously improved in recent years. Modern mechanical equipment is developing towards large-scale， precision， complexity and automation， which plays an important role in improving production efficiency and quality. At the same time， the coupling between the components of mechanical equipment is getting tighter and tighter. Once a fault occurs in the operation process， the whole equipment may run abnormally. Therefore， it is very important to do a good job of equipment fault detection. Traditional fault detection work relies on the experience of maintenance inspectors， which can't adapt to modern mechanical equipment， so it is necessary to adopt more advanced methods. Therefore， it is of great significance to apply artificial intelligence to fault detection of mechanical equipment， which greatly improves the detection quality and efficiency and plays an important role in ensuring the normal and stable operation of mechanical equipment. Based on this， this paper analyzes the application of artificial intelligence in mechanical equipment fault detection.

关键词：人工智能;机械设备;故障检测

Key words： artificial intelligence;mechanical equipment;fault detect

中图分类号：TP18;TH17                               文献标识码：A                                  文章编号：1674-957X（2021）02-0206-02

0  引言

将人工智能的理论和方法应用于机械故障诊断，发展智能化的机械故障诊断技术，是机械故障诊断的一个新的途径，尤其是对于一些多过程、多故障和突发性故障以及复杂庞大、高度自动化的大型设备和系统来说，先进的人工智能检测技术更能够深入其中，探寻故障发生的根本原因，并及时作出应对，从而提高了机械设备的可靠性、可用性、可维修性与安全性。

1  人工智能概述

人工智能就是运用一系列程序模拟人的操作进行技術应用，其作为计算机学科的一个分支，在实际应用中也主要是依靠计算机来完成的，其能够最大程度上模拟人的行为，并采用智能化的机器来学习各种智能行为，并进行智能的推理与思考，还会进行知识的探索和获取，通过大量丰富案例进行以往知识的回顾和对新知识的吸收，进行大量的知识储备，以此来更新知识处理系统。人工智能可以通过知识表示的方式对问题进行深入研究，并将其应用到实践问题的操作过程中，在机械设备的故障检测工作中，其能够通过故障树、专家系统、人工神经网络以及模糊数学等技术手段来开展相应的检测工作，探寻设备故障的根本原因，实现快速、精准的检测。

2  人工智能对机械设备故障检测的重要性分析

机械故障检测就是通过机械运行中的相关信息来识别其技术状态是否正常，并且确定故障的性质与部位，探寻故障起因，并以此来预报故障趋势，最后提出相应的故障解决对策，在这一过程中，主要是以故障机理和技术检测为基础，以信号处理和模式识别为其基本理论与方法开展的。传统的机械设备故障检测需要投入大量的人力和物力资源，为了找寻故障原因需要开展大量的实验，并需要人力来进行精确测量和录入工作，一些故障探测方法甚至还会存在较大的误差，在这种情况下，一种行之有效的故障检测技术至关重要。人工智能的发展应用为机械设备的故障检测提供了新的方向，通过故障树、专家系统、人工神经网络以及模糊数学等技术手段的应用，其能够有效规避传统检测手段中可能会出现的人工失误问题，而且利用人工智能可以将大量复杂的计算通过系统程序输入至人工智能中，以智能化、数字化的方式进行数据系统记录，不仅在数据输入方面比较便捷，而且在输出方面可以有效进行数据搜索与查找，也有利于后期进行数据的统计分析，以图表形式直观立体地看出数据结构，实际应用中不会损害人体健康，发生恶性事件，应用效果显著。

3  人工智能在机械设备故障检测中的具体应用

3.1 故障树

故障树虽然也属于人工智能领域的技术之一，但是是所有技术中最不“智能”的一种，其在实际应用中主要是针对机械设备最不希望发生的故障作为分析目标，然后按照逻辑关系以及由上而下，以逐层分析的方式来推理设备的故障原因，之后用一个逻辑门的形式将这些故障和相应原因事件连接起来，最后将系统各功能单元故障与系统故障之间的内在逻辑因果关系信箱的表达出来。故障树检测方法具有效率高、精确性高等优势，但是并不能完成对故障的预知性诊断。

3.2 专家系统

故障检测专家系统就是通过人工智能模拟故障诊断领域专家对机械设备故障问题进行分析和处理，从而在不需要专家亲自思考的情况下解决复杂问题。专家系统是人工智能技术中较活跃、较成功的领域之一，其起源于20世纪60年代初，由知识库、推理机和人机接口等三个主要部分组成，作为一个计算机软件系统，其能够基于知识表达并利用产生式规则发挥作用，而且在现有的人工智能语言的支持下，专家系统的表达也能够合乎人的心理逻辑，因此更易于人们接受。将其应用与机械设备的故障检测中，主要就是利用该系统使用模糊推理逻辑降低系统复杂性，以便提高检测效率，可以说，该系统中所拥有的专家和运用知识解题的推理机制是其发挥重要作用的主要依据，而且，近些年来随着先进信息技术的不断发展也在不断的成熟与完善中，该系统的应用前景也逐渐广阔。

3.3 模糊数学

模糊数学是研究和处理模糊性现象的一种数学理论和方法，在此基础上能够分析和处理一些复杂而模糊的工程机械状态信号特征参数及故障关系，由于信号参数与故障之间的关系还存在多边性，即使知道其故障表现也很难立即找寻故障原因，甚至有各种表现出一种故障会对应多个故障部位，或者是一个故障原因导致多个机械设备出现多种故障表现，还有可能存在交叉对应的情况。基于以上这些问题的存在，传统的故障检测方法并不能有效分析出故障原因，这就需要在模糊数学的帮助下依靠隶属度函数、关系矩阵等复杂数学理论、方法来探寻故障的根本原因，以便对症下药，提高故障检测的准确性。在实际应用中，基于这一理论进行故障检测还存在一定的难度，而且所需要耗费的时间比较长，因此需要相关技术人员不断进行优化与完善。

3.4 人工神经网络

人工神经网络简称神经网络，由大量简单的处理单元，即神经元的广泛且相互连接而最终形成的复杂网络，其在信息处理、自动化工程、医学和经济等众多领域得到了普及应用。该网络模拟的是生物神经系统，并通过网络单元的输入输出特性（激活特性）、网络的拓扑结构（神经元的连接方式）等来实现信息处理功能，并且在神经网络的推理过程中还引用了模糊规则来提高整个系统的透明性，从而为人工神经网络建立良好的解释机制提供了方便。神经网络具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、并行和处理复杂模式的功能，在当前的机械设备运行中能够较好的应对一些多发性故障、突发性故障，并且还可以监测一些较为庞大的机器或者系统的运行过程，以便及时发现故障问题并做出诊断，保证其健康稳定的运行。

在机械设备的运行过程中，一旦出现故障问题通常会具有层次性、延时性、相关性、不确定性等多种特点，一般故障检测方法耗时时间长，面对故障问题也比较棘手而在人工智能的支持下，就可以利用神经网络中单个子神经网络来分析故障样本并进行诊断，针对一些局部较小的故障问题也可以进行解决。目前，人工神经网络在机械设备故障检测中的应用方式有如下几种，一是从模式识别角度应用神经网络作为分类器进行故障检测;二是从预测角度应用神经网络作为动态预测模型进行故障预测;三是利用神经网络极强的非线性动态跟踪能力进行基于结构映射的故障检测等。随着该项技术手段的不断成熟，神经网络在实际应用中也开始不断改进本身模型，并且在故障检测中也开始去想去模块化模型诊断，应用效果不断加强。

4  人工智能在机械设备故障检测中的应用前景

进入21世纪以后，我国的科学技术、信息技术发展水平越来越高，近几年在人工智能技术的研发上也取得了众多成绩，将该项技术应用与机械设备的故障检测中也能够最大程度上弥补传统故障检测方式的不足，而且当前人工智能的应用范围以及应用形式越来越多，在其未来的发展进程中也将会表现出以下趋向。一是人工智能与多传感器数据的融合，在机械设备中增加传感器数量并拓展其功能，通过传感器对设备的运行数据进行收集整理，并将多种传感器的数据进行融合分析，依次为机械设备的故障检测提供依据，实现快速、精准的检测;二是将人工智能的集中故障检测手段混合应用到实際应用中，这主要是因为现代的机械制造水平不断提高，机械设备也朝向自动化、复杂化、大型化等方面发展，在其运行过程中出现的故障问题、故障部位等也是越来越多，单一的检测技术手段已经无法满足实际要求，因此混合智能诊断将成为主流形式，以便进一步提高故障检测的效果;三是远程故障检测，主要是因为部分机械设备的运行环境比较恶劣，自身的构造又比较复杂，因此现场检测会存在一定的难度，这时候就需要通过远程故障检测手段，以便提高检测效率与检测质量。

5  结语

综上所述，现代机械设备在运行过程中一旦发生故障问题有可能会导致整个生产过程瘫痪，造成极大的资源浪费，因此有效的故障检测手段至关重要。通过采用人工智能技术手段能够弥补传统检测手段的耗时耗力等问题，还能够提高检测效率与检测质量，而且故障树、人工神经网络、模糊数学、专家系统等技术的应用效果较好，在一些构造复杂、体型较大的机械设备中都能够起到较好的效果。在未来的人工智能技术发展进程中，广大技术人员应该加强研发，不断拓展其应用范围与应用方式，进一步深化人工智能与机械设备故障检测的有效结合。

参考文献：

[1]贾瑞锋.人工智能在工业领域的应用探究[J].中国新通信，2020（10）：12-13.

[2]李佳仪，刘继华.基于人工智能技术的机械设备故障诊断[J].电子元器件与信息技术，2020（04）：51-52，55.

[3]阚凯.机械设备故障诊断技术的现状及趋势[J].科技资讯，2017（36）：60-61.

[4]李承泽.基于智能化的机械设备电气自动化技术应用研究[J].农家参谋，2020（03）：182.