人工智能技術在設備故障檢測中的應用

張 棟，周海波，周 毅，李 許，徐曉光

深圳海關工業品檢測技術中心，廣東 深圳 518045

人工智能技術是利用當今的科技模擬人的思維，在一定程度上可以超越人的智慧。在實際應用過程中，該技術是一門綜合性學科技術，不僅涉及電子信息學科的知識，還涉及語言學、心理學等多層次的知識。在計算機科學領域，計算機信息技術被認為是一門綜合了軟件集成、硬件集成、數據管理、因特網等知識的學科，同時計算機信息技術也涉及許多領域，已成為我國乃至世界經濟發展的重要支撐。

1 現階段我國設備故障檢測方法及設備故障類型

1.1 故障類型

現代化、工業化社會發展趨勢下，我國電子信息設備使用有了爆發式增長，滿足社會企業生產、運作多元需求的同時，為社會企業發展提供了有力支撐。為規避因設備故障導致無法運行工作等問題，制訂了一系列檢測方法，定期、不定期針對設備進行診斷與檢測。通過對我國機械設備故障及常見問題統計、歸納分析可得出，現階段較為常見的機械故障設備主要以信號處理為主。旋轉機常用的信號處理圖形和信號處理功能，除信號故障外，還會產生旋轉機械的不平衡、軸承不正確和滑動、滾動軸承故障等故障，除部分轉子密封故障外，還會產生旋轉機械故障，如轉子故障、浮環密封故障、葉片式液壓機振動等。針對旋轉機械存在的問題，需定期進行計算和檢查。此外，齒輪故障也是常見的問題。齒輪的振動檢測和噪聲分析是設備故障中的常見問題。

1.2 設備故障檢測的常規方法

傳統設備故障檢測及處理中因無法對故障類型、故障位置、故障因素明晰確定，因此需耗費大量人力、物力、財力對設備進行類型診斷，如振動與噪聲故障通常會采取振動法對振動特征進行分析，依托模態分析、參數識別，對沖擊能量、沖擊脈沖進行測定；又如通過聲學法等綜合方式對設備故障進行檢測，同時需對機械生產設備的位移、加速及噪聲進行測量與記錄，消耗大量人力、物力、財力的同時，無法保障設備處理有效。超聲波探傷技術經常被用于材料缺陷和裂紋的檢測，該方法成本低，已廣泛應用于平面缺陷檢測，但檢測數據會產生誤差。當超聲探傷檢測設備磨損、腐蝕等故障時，主要采用光纖內窺鏡和油液分析法，以檢測設備的物理、化學性能、表面磨損和腐蝕為主[1]。在檢測過程中，由于溫度、壓力、流量等因素的影響和外部條件的不可控，在特殊情況下，采用紅外測溫儀測溫，用輻射法對設備故障進行診斷。這種診斷方法需要大量的人力資源來完成數據的準確檢測和記錄。

2 人工智能在設備故障檢測中的應用價值分析

人工智能是現代化難以量化的領域。在各系統得到有效控制的情況下，為保證系統的有效運行，可采取多種技術使系統適應環境。自適應是人工智能的核心思想，使產品在使用過程中適應環境，以保證成本最低、效率最大化。計算機人工智能是研究機器智能的一種新技術。該系統可模擬人的智能，實現人腦自動控制。伴隨著計算機應用技術的發展，大腦價值的挖掘成為計算機應用的一個重要領域。

20世紀的三大前沿技術是原子能技術、人工智能和空間技術。我國對人工智能的研究已經有二十多年的歷史，已經形成了一套比較科學、完善的知識體系。其中，知識工程與專家系統、模式識別、知識庫、機器人、專家系統、機器人等智能管理密切相關，最終得出軟件的輸出結構。經過研究、實踐、下載、調試、安裝等環節，可有效提高規劃人員的應用效率。最后指出，智能規劃是解決軟件工程問題的最有效途徑，它是解決問題的一個重要途徑。將其應用于國內智能規劃軟件工程，可以起到極大的促進作用，可以有效地解決抽象層次的問題，具有很強的優越性。現代化社會發展趨勢下，信息化技術為我國市場經濟發展及社會文明建設提供有效力量，傳統的設備故障檢測方式依然無法滿足現代化、工業化企業的高質量需求，因此基于現代化設備故障檢測中如何提高故障檢測效率成為亟待解決的重要課題。機械設計和制造與電子工程領域設備以精確數據為核心，且設備設計十分精密，設備各環節銜接需經過反復計算。人工智能是我國社會發展的高效產物，基于人工智能對設備故障檢測，完善傳統單一不足等問題的同時，全面提高檢測效率，具體如下：

（1）精確度。傳統設備故障檢測以人力為核心，在檢測過程中勢必會因多元因素影響導致檢測準確度不高，基于人工智能準確度對設備進行檢測，提高檢測效率的基礎上在精確度上具有質的飛躍。

（2）優化資源配置。基于人工智能對設備故障的智能檢測有效地優化資源配置。將大量復雜的計算通過系統程序輸入人工智能，數據系統實現智能化、數字化記錄。不僅數據輸入方便，而且對數據的檢索和輸出檢索也十分有效，為以后的數據統計分析提供了方便，數據結構可以直觀地用圖表形式表示。

（3）促進企業經濟效益最大化。利用人工智能的方法，對設備進行故障診斷，需要耗費大量的人力、物力、財力資源，并可能在設備安全性能檢測中出現錯誤，從而達到不損害人體健康的目的。因此，將人工智能應用于設備故障檢測的趨勢越來越明顯。

3 人工智能在設備故障檢測中的具體應用

3.1 專家系統應用

專家控制的技術途徑就是將專家提出的理論與相應的控制技術相結合，將理論與實踐相結合，模仿專家操作方法進行機械設備故障檢測，以保障機械設備的運行[2]。在自動控制系統中應用較多的是專家式控制技術，實現方法分為兩種：一種是在原有的基礎上保留專家控制系統的組成特征，其缺點是知識庫內知識容量小，導致推理邏輯簡單；二是在控制算法的基礎上，利用專家控制技術，在控制算法的基礎上，運用專家控制技術，提高了系統的判斷能力。

3.2 神經系統控制

通俗地說，神經控制技術是建立神經型網絡工具后的方法，在確保敘述目標精確的基礎上，進而監控人工系統的運行。該技術是一種由多種人工神經組成的技術，把生物學和科技有機地結合在一起，其優點在于具有極強的自我調節能力，并能將人工智能控制系統的開發推向新的高度。隨著用戶對智能控制系統要求的不斷提高，要求系統能適應現場，使得傳統的人工控制系統難以滿足要求。神經控制系統能夠有效地解決這一問題，因此受到廣泛的關注。在此基礎上，建立人工神經網絡的理論，并建立數學模型。神經網絡是一種具有信息處理、記憶和存儲功能的神經網絡，多個神經元可以連接、吸收和掌握信息，維持大腦神經系統的平衡。在信息處理、自動化工程、醫學經濟等領域，利用神經網絡的基本特性和功能，建立神經網絡模型。用人工智能技術檢測設備故障時，還可采用人工神經理論進行分析。在數字化的基礎上，多個神經元與故障進行交互，調節設備自適應能力，及時診斷故障，并及時將故障傳遞給用戶，對問題進行有效分析。根據各部件的耐磨性和耐久性分析，計算出機械設備的壽命，便于進行故障前預測和故障前預測。

3.3 模糊控制技術

在整個系統中，模糊控制主要采用模糊控制的方法，用模糊語言、思維來掌握設備的運行狀態，從而達到控制效果[3]。在機械設備故障檢測中，這種技術是最常用的技術。模糊控制技術的關鍵是反映人的邏輯思維和經驗，而以上的思維和經驗都是用語言來表達的。前期使用的是控制系統，由于技術員對系統了解不夠，導致自動控制效果不佳，但經過技術人員的思考探索，模糊控制技術升級。相對于傳統的自控技術，模糊控制技術的優點在于能避免煩瑣的數學模型，加速具體的控制問題的求解，總結經驗知識，提煉控制規律，實現對復雜系統的控制。

4 結束語

綜上所述，現代機械設備故障多，機械設備結構復雜，各環節相互關聯。傳統的故障診斷方法不僅耗費資源，而且影響檢測結果的準確性。采用人工智能技術不僅可以精確地檢測設備故障，而且可以優化各種資源的配置。復雜的計算能由系統程序完成，確保數據能及時記錄，既提高了數據的準確性，又便于數據查詢。在統計的時候，工作人員只需要查看相關圖表，數據就會直觀呈現。因此，在機械設備故障檢測中應用人工智能技術是十分必要的。