大數據時代人工智能在計算機網絡技術中的應用

亢婉君

（南京技師學院，江蘇 南京 210000）

引言

目前我們所處于的時代就是一個數據信息化的時代，大量信息的產生，也標志著我們的生活逐漸智能化與信息化。大數據從字面含義理解來講，就是大量的數據內容，并且社會不斷進步，所產生的數據只會增加不會減少，這樣則需要我們以多種方式來運行與處理這些數據，得到關鍵信息，為我們的生活和生產發展提供最為有效的措施。大數據具備的特點為數據量豐富，且規模十分宏大，數據處理的速度極快，且可將不同類的數據進行整理和合并。另外在大數據技術所處理的數據中，所有數據信息都十分真實，由此也必須要不斷更新其中的各項智能技術，以此來提升大數據時代技術的應用價值。

1 人工智能的概述與優勢

在現代科學技術發展背景下，人工智能作為一種新型技術，目前在社會發展的各個領域中都得到了極為廣泛的應用。從本質上分析，人工智能是基于人類智能模擬而建立的一種形式，代替人類做出一些復雜工作的智能工具。在現代人工智能技術發展過程中，最大的問題在于對人類大腦的模擬方面。主要是因為人類大腦具有精密與復雜的特點，早期模擬很難實現良好的效果。但是在科技不斷發展的進程中，這種模擬逐漸成為可能。現代人工智能技術嵌入仿真環境，能夠極大程度地減少人力消耗，并且提升仿真精度和自動化程度。

1.1 促進計算機網絡穩定性提升

將人工智能應用到計算機網絡技術中，可以促使計算機能夠快速傳輸和運行龐大的復雜信息系統，這樣不僅可以提升整個計算機系統的靈活性與運行網絡的穩定性，同時也可對不同的數據信息進行科學處理，提升網絡的運行水平與質量。

1.2 可對數據進行高效的分析與處理

隨著社會經濟與技術水平的不斷提升，人們生產與生活過程中對于計算機的需求也在不斷智能化，導致計算機水平也需要不斷提升，充分發揮出其信息快速處理的作用[1]。根據目前人工智能在計算機網絡技術中的應用效果與價值分析，可以使整體網絡技術的水平全面上升，并且計算機本身也可高效且有效處理各類模糊信息數據。人工智能可重置計算機網絡層次，劃分各個模塊內容，促進其管理內容的改善與提升。

2 人工智能技術在電氣自動化控制中的應用

工業是人類發展的重要基礎，而工業生產的自動化程度也代表著其發展的速度與質量全面提升。基于人工智能技術的應用與發展，其能夠代替人類實現十分復雜的工作內容，因此該技術在工業生產中有著明顯的優勢，且在電氣自動化領域中應用人工智能技術期間，其能夠促使整個生產流程和過程更加順暢，實現生產工作的優化與自動化目標。并且基于人工智能的應用，能夠為工業企業節約大量的人力成本，提升生產效率，以此來進一步提升電氣自動化的發展，對整個產業結構的優化發揮著巨大的作用。在具體應用中，其可實現以下幾種功能。

1）可實現高效的數據采集與處理功能。人工智能能夠對電氣設備的數據采集、存儲和處理進行自動化控制，也為工業生產提供足夠的操作數據支撐，提升整體的電氣自動化控制效率[2]。

2）可實現系統運行監視及報警功能。通過人工智能控制能夠對整個系統運行的模擬數據進行實時監控，并且能夠智能監視電氣設備的開關量，具備電氣故障報警和實施記錄等相關功能，進而實現對電氣設備運行狀態的實時監視功能，實現故障的預處理。

3）可實現操作的控制功能。目前基于人工智能技術的電氣自動化控制，能夠結合簡單的鍵鼠操縱實現以往較為復雜的電氣控制系統的體積操作，在這種情況下可提升對于電氣設備控制的效率，提升工業企業的生產效率。

4）可實現設備故障的錄波功能。基于人工智能的自動化控制，能夠實現故障錄波功能，也就是模擬設備發生的故障錄波，記錄其具體的順序，對波形進行捕捉，進而有效實現故障錄波的自動化效果，提升電氣設備的智能化特征，提升設備運轉的穩定性。設備的操作人員需要具備專業且豐富的專業知識與良好的職業素質，并且電氣設備的復雜性決定其操作必須有效，且有著較低的容錯率，保障整體設備運行的安全與質量。

3 人工智能在熱模段壓力機故障診斷技術中的應用

3.1 故障原因分析

本熱模段壓力機在生產期間，常見的對于生產影響較為嚴重包含悶車、滑塊停在死點以外的位置、主電機電流過高、壓力機連沖等故障形式。而對這些故障的產生而言，造成這些故障的原因相對較多，以悶車故障的發生為例，此時如果存在過低的封閉高度，鍛件體積是固定，這樣在滑塊被打下來時，很容易壓機過載之后造成悶車故障。同時造成悶車故障的原因也包含如毛坯的尺寸較大、鍛件溫度過低等。

本文基于上述故障的分析和長期累積的工業經驗，制定一套對于熱模段壓力機的故障診斷方法，明確其故障的具體原因，利用所掌握的信息來以人工智能化操作奠定重要的信息基礎，也為構建熱模段壓力機故障診斷系統奠定重要的理論基礎[3]。

3.2 總體設計

根據案例分析和相關設計規則分析，本文所設計的故障判斷方法和方案如圖1所示。

一般如果要發生故障，那么其會存在一定的征兆，因此可根據故障征兆的現象來診斷其具體的故障形式。隨后在知識庫中找尋能夠對底層事件進行匹配和推理的規則來進行處理，得到故障發生的信息和解決的指導方案。如果所選擇的防范與實際故障相似度不高，那么需要重新進行修改，修改案例號后將其存入到案例庫中。

3.3 規則推理

本文采取正反混合推理的方法在故障樹中找尋相關匹配的原則，結合故障現象實施反向推理之后，達到底層事件時再利用正向推理辦法來嚴重故障源的位置與準確性。

以滑塊停在死點外和軸瓦溫升過高為故障案例建立故障樹，具體如圖2所示。

其中，方塊表示結果事件，多邊形表示或關系，橢圓表示基本事件。且知識庫的規則，以IF P THEN Q等表示，這其中P表示可用條件，而Q則表示可用條件滿足時所執行的操作，或者是得出的結論，隨后需加入一些對故障檢測進行描述的現象、故障發生的數量以及故障處理的方案內容等。

3.4 實驗推理

在分析生產過程中的故障內容，以不好確定的故障或者是不夠明顯的故障為例，隨后將故障引發的原因與狀態組成案例組特征，其也是故障案例的狀態和特征權值，其表示為：CASE={G，S，W，C，M}，其中G表示案例中所屬的種類，和案例的狀態特征和案例號有關；S={S1，S2，…，Sn}是故障特征的有限非空集合；W={W1，W2，…，Wn}，0≤W1≤1，則表示為專家確定和大量操作經驗所確定的特征參數權重值。這里C表示故障產生的原因，M表示故障解決的建議和意見。

某舊案例是離合器打滑，故障的特征所給出的是內部沒有進油，行程調整值故障的原因為形成調整不當，解決的方案是調整彈簧壓縮量。而新案例為制動器打滑，內部沒有進油，行程調整值和離合器打滑的案例行程調整值與其相近，那么就可以推斷出制動器打滑的原因是因為行程調整不當所導致的。隨后更新案例的故障原因和解決方案，填寫新的案例號保存在案例庫中，用于下一次案例的推理和研究。

4 結語

在人工智能的幫助下，工業生產與故障分析得到快速解決，并且在對工業設備故障分析期間，能夠給予合理的規則與案例推理過程，提升故障解決的效率和速度，進而也為工業生產的效率提升提供重要的技術支撐。在現有的技術標準下，使用人工智能在工業生產中的應用，也可有效降低人力成本和后續設備的維修成本，對于工業產業的智能與自動化發展有著十分重要的意義。