人工智能在機械設備故障檢測中的應用研究

王文雙 趙常均 林貞瓊

關鍵詞：人工智能;機械設備;故障檢測

隨著機械零件的結構越來越復雜，機械設備的維修工作也越來越精密，不同環節之間的聯系相對緊密。因此，機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峻的挑戰。傳統的機械檢測和維修方法效率低，也可能產生一些事故，同時人工維修記錄也不準確。而應用人工智能技術，機械維修和檢測工作更加精準，維修記錄也更加準確。

一、人工智能在設備故障檢測中的應用價值

人工智能技術是20世紀的三大前沿技術之一，我國在人工智能研究方面投入比較大，也取得了一些建設性成果，形成了一套較為科學、完善的知識體系。人工智能技術中，知識工程與專家系統、模式識別、知識庫、機器人、專家系統、機器人等智能管理技術可以應用在學習、實踐、下載、調試、安裝等環節，有效提高工作人員的工作效率。人工智能技術通過智能規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，具有很強的優越性。在現代化的社會發展趨勢下，信息化技術為我國市場經濟的發展和社會文明建設提供了有力的力量，傳統的故障檢測手段仍然不能滿足現代化、工業化企業對高質量的要求，如何在現代化設備故障檢測中提高其效率成為一個亟待解決的重要問題。在機械設計制造和電子工程領域，設備以精確的數據為核心，并且設備設計非常精密，設備的各個環節銜接都需要反復計算。AI是我國社會發展的高效率產物，基于以下幾個問題：人工智能檢測設備故障，完善傳統的單一缺點，全面提高檢測效率：

其一，準確性。傳統的設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致檢測準確度不高，基于人工智能的檢測準確度，在提高檢測效率的基礎上，在精度上有質的飛躍。

其二，優化資源配置。智能檢測設備故障，有效地優化資源配置;通過系統程序把大量復雜的計算輸入人工智能，實現數據系統的智能化、數字化。不但數據輸入方便，而且數據的檢索和輸出檢索非常高效，為以后的數據統計分析提供了方便，數據結構可以直觀地以圖表的形式表示。

其三，推動企業經濟效益最大化。用人工智能的方法進行設備故障診斷，需要耗費大量的人力、物力、財力，在檢測設備的安全性能時，往往會出現錯誤，產生一些安全性事故。所以，人工智能技術在設備故障檢測中的應用也日益明顯。

二、機械設備常見故障成因

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

（一）缺乏檢修保養及退化性故障

大型機械設備的使用年限通常比較長，部分零部件在經年累月的使用中產生磨損，進而產生故障。機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，進而將故障放大。隨著設備的老化，一些動力傳動機械結構、減震結構會出現強度和穩定性下降的問題，出現我們通常所說的退行性故障。

人工智能在設備故障檢測中有多元化的應用，對著機械設備越來越精密，機械設備故障檢測也越來越復雜，人工處理的效率比較低，只能借助智能設備進行處理。

（二）機械設計與制造精度

人工智能技術對于機械維修工作是比較有效的，機械設計、制造都將圖紙作為參考標準。機械零部件的結構比較復雜，各個部件之間磨合工作。零部件的儲存大小也不同。只有得到上述準確的數據，明確參數，才可以精準完成機械設計、制造和維修工作。人工智能技術可以對數據進行精準的測量，減少數據誤差造成的機械維修、制造工作的失誤。比如，智能化系統對機械進行掃描，將機械內部結構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構分析故障。除此以外，人工智能技術和數控技術也可以結合，更加精準地分析和檢測設備故障。

（三）外部不利因素

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

三、人工智能在機械設備故障檢測中的具體應用

（一）故障樹

故障樹屬于人工智能領域一項相對簡單的技術，在所有的人工智能技術中最不智能。故障樹主要應用于機械設備維修中發生概率比較小的故障分析，根據邏輯順序逐層分析，推理設備的故障原因，之后采用邏輯門的形式將故障及對應原因連接起來，最后，將系統各功能單元故障與系統故障之間的內在邏輯因果關系表達出來。故障樹檢測的優點在于檢測效率高、精度高，但是無法進行預知性診斷。

（二）專家系統故障診斷

專家系統故障診斷是當前應用最廣泛的一項診斷檢修技術，對計算機技術的依賴性比較高。在實際應用這項技術時，專家對采集到的信息進行科學判斷和分析，進而檢測機械設備的具體故障。專家系統故障診斷可以建立起一個故障結構分析樹，在之后的設備維護和檢修工作中，在很大程度上幫助檢修人員。

（三）模糊數學概念診斷

模糊教學理論在人工智能技術中應用比較廣泛，是一項最基本的技術。相對而言，模糊教學概念比較復雜，涉及的專業內容比較多，但是也比較模糊。模糊教學概念主要涉及邏輯學、模糊數學這兩項專業內容。同時，也有其他一些學科內容，學科知識之間關系密切，但是都比較模糊。在這一理論當中，不同的學科知識集合在一起，共同應用，模糊教學概念也隨之產生。這一理論的隨機性不是很強，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，計算出模糊數據，進而得到相關知識。這種對故障設備進行檢測的方式，可以及時地對比檢測的結果，將故障分析出來，有效地解決故障。

（四）人工神經網絡

人工神經網絡簡稱神經網絡，由大量簡單的處理單元組成，處理單元之間進行廣泛的連接，形成較為復雜的神經網絡。人工神經網絡在信息處理、自動化工程、醫學和經濟等領域的應用比較普遍。人工神經網絡模擬生物神經系統，并通過網絡單元的輸入輸出特性（激活特性）、網絡的拓撲結構（神經元的連接方式）等來實現信息處理功能，并且在神經網絡的推理過程中還引用了模糊規則來提高整個系統的透明性，從而為人工神經網絡建立良好的解釋機制提供了方便。神經網絡具有原則上容錯、結構拓撲魯棒、聯想、推測、記憶、自適應、自學習、并行和處理復雜模式的功能，對于機械設備運行過程中多發性、突發性故障具有比較較好的維修作用，同時還可以用來監測一些比較復雜、體積較大的機器設備，以便及時發現故障問題并對故障做出診斷，使得設備能夠健康穩定運行。

機械設備故障問題體現出層次性、延時性、相關性、不確定性等特點，故障檢測時間耗費也比較長，很多相對復雜、棘手的設備故障也可以通過人工智能神經網絡進行分析，將故障由面排除到點，針對性解決。當前，人工神經網絡技術在機械設備故障檢測中的應用主要有以下幾種方式：其一，從模式識別角度應用神經網絡，作為分類器檢測故障;其二，從預測角度應用，利用動態預測模型檢測故障;其三，通過神經網絡極強的非線性動態跟蹤能力展開預測，基于結構映射的故障檢測等。伴隨這項技術手段逐漸成熟，神經網絡技術也在不斷改進和應用，發展出的模塊化故障檢測模型的效果也越來越好。

四、應用人工智能全面檢查設備

（一）借助人工智能生成圖像

應用智能機器人診斷機械設備故障時，啟動智能機器人，自動生成圖像，操作人員進行設置，查找自己要的機械設備內部結構圖像。同時，還能直接查詢機械設備的數值。發現異常數值、不穩定數值，直接點擊暫停按鈕，圖片能夠直接保存在文件里，方便后續的分析和問題解決。智能機器人能夠直接識別圖像，維修人員只要直接根據流程下達指令，智能機器人就可以自動檢測和診斷機械設備各零部件。診斷的同時，智能機器人反饋、回傳診斷情況，反映設備性能。自動診斷過程中如果發現設備故障，智能機器人直接展示故障所在圖片位置，方便檢修人員查看設備故障發生情況，進而迅速開展檢修工作。

（二）應用人工智能掃描設備

使用人工智能設備檢測故障時，嚴格遵守智能設備的操作步驟，避免由于操作不當而導致人工智能設備損壞、失靈的問題。首先，將機械設備的型號、數據輸入，智能機器人在數據庫中找到對應數據，自動展示機械設備性能;其次，維修人員根據人工智能終端設備的提示功能按步驟操作，將機械設備進行掃描，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，也充分實現了智能機器人的應用價值和實用價值。

五、結語

因為機械設備功能逐漸朝著多元化的方向發展和進步，其中出現的結構也更加的復雜，故障設備正在朝著多樣化的方向發展。如果應用的故障檢測的方式沒有在第一時間進行科學的檢測，那么如果繼續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，使結果更加準確。

參考文獻：

[1]王曉蕾，姬治崗.煤礦機械設備故障分析與診斷技術及發展趨勢[J].科學技術與工程，2020，20（12）：4621-4630.

[2]許麗.人工智能在機械設備故障檢測中的應用[J].南方農機，2019，50（24）：178.

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