人工智能技術在工業儀表智能化中的應用

徐善文

（山東國舜建設集團有限公司， 山東 濟南 250300）

0 引言

在現代化工業生產過程中，工業儀表的應用范圍是相當廣泛的，隨著信息技術的發展，工業儀表智能化已經成為一種趨勢，在國家全面推進實施制造強國戰略背景下，加快實現工業智能化制造，利用現代大數據、深度學習、人工智能等技術助推工業行業轉型升級，已經成為促進我國工業制造業快速發展的強心劑。

1 人工智能技術與工業儀表的概述

1.1 人工智能技術概述

人工智能是一門多學科交叉的前沿技術，這種具有仿生學特征的新一代信息技術在工業生產的各個領域有著廣闊的應用前景，人工智能的本質是把人在活動過程中的思維進行模擬，利用模擬的結果數據來比對實際業務場景下的數據，從而得到一個數據計算的模型，通過大量實際數據的模擬，數據模型會被訓練成專家模型，這就初步實現了人工智能的效果[1]。從上述分析可知，人工智能技術包含大數據、機器學習、深度計算、模式識別等技術領域，要實現成熟的應用不僅需要良好的軟件設計，還需要硬件的算力支持，隨著如今云計算、5G 技術的發展應用，無處不在的計算可以為人工智能技術的實現提供便利。

1.2 工業儀表系統概述及應用現狀

工業儀表系統的組成主要分為三大部分，首先是傳感器部分，主要負責工業生產現場數據的采集、存儲和輸出，一部分可以通過設置一些參數來實現報警的功能，但通常不具備分析能力，我們統稱為“一次儀表”。第二部分是分析計算部分，主要負責接收“一次儀表”上傳的信號，通過數碼管、指針、液晶屏等模塊顯示實際的工業現場數據，通過內部的程序邏輯來發出聲音報警或光電報警，結合標準的工業傳輸協議去控制一些執行機構。第三部分就是執行機構，主要負責控制實際工業生產過程，比如電磁閥、風機等，嚴格意義講第三部分屬于實際工業設備，作為工業儀表的被控對象，是工業儀表系統的中不可缺少的一部分。

在工業發展史中，經歷了三次具有里程碑意義的工業革命，從第二次工業革命開始，人類開始進入電氣時代，所有的工業生產技術和產品都步入快速發展的軌道，直到第二次世界大戰以后，人類才進入科技時代，上世紀70 年代左右，工業離散控制系統的成熟應用，催生了現代工業標準體系，配套標準工業通訊協議的儀器儀表也被大量應用，這種成熟穩定的工業過程控制系統依然在發揮著重要作用，但傳統工業儀表的弊端開始逐漸顯現，其過于依賴傳統技術，廠家投入缺乏積極性，阻礙行業發展，有些在國際上淘汰的技術在國內還依然沿用[2]，在信息化技術快速發展的今天，只有解決傳統工業儀表難改造、難創新、難監管的問題，才能有效推動工業發展，實現行業變革創新。

2 人工智能技術在工業儀表智能化中的應用

2.1 人工智能技術在工業儀表確定基準點中的應用

在工業生產過程中，有一類儀表作為示值測量使用，例如電壓表、電流表、數字顯示報警器等，這類儀表可以對現場信號定量檢測，通常具有兩個必備功能，分別是“調零”和“標定”，“調零”就是在現場環境中沒有任何輸入的情況下，儀表顯示零點；而“標定”則是在標準信號輸入情況下，儀表顯示標準信號的數值，這兩個點的準確性保證了儀表測量的準確性。在實際工業生產環境中，隨著溫度、濕度、大氣壓強、老化時間、電磁環境的因素變化，這類儀表會出現零點漂移現象，輕則導致示值失準，嚴重的會喪失測量功能，發生誤報警聯動執行機構誤動作，影響工業生產過程，造成安全隱患。

人工智能技術可以實現自動程序設計，通過數學工具確定邏輯程序算法，將儀表輸出的數據作為父本，結合遺傳算法對信號數據進行處理，對實際場景下數據的不斷迭代確定補償系數，繼而完成數據算法的補償，這樣可以避免因為環境變化導致的零點漂移現象，同時由于利用實際數據不斷訓練，補償系數也是動態變化的，這就可以減少噪音信號對計算的影響，標準信號顯示值的準確性也可以得到保證[3]。

2.2 人工智能技術在工業儀表數字化改造中的應用

隨著信息技術的發展，工業通訊協議變得日趨豐富，儀表可以通過這些協議將數據上傳到生產控制系統，保證生產過程穩定可靠。在實際工業生產環境中，依然有大量的儀表沒有接入控制系統，水表、液位計等傳統儀表不具備上傳功能的情況也普遍存在，解決這類機械式儀表的數字化改造問題，也常常面臨著人員、資金、廠家等客觀因素的制約，實現這部分儀表的智能化改造對提升工業系統魯棒性具有十分重要的意義。

圖像識別技術是人工智能領域的重要分支，現實世界的活動是一個統計與分類的過程，統計需要傳感器去采集數據，就好像人的眼睛把現實景象傳遞給大腦，分類則需要根據一定規則去完成，規則制定的合理，分類的結果自然就更準確。圖像識別技術通過把不同特征的對象分層，每一層都會有抽取其特征組成一條條規則，利用這些規則去判斷計算出每一層的結果，經過大量統計分析之后，每一個特征值的算法都會生成一個專家模型，因為有大量數據的迭代，這個模型的識別速度是非常快的，以“機械式指針壓力表”為例，表盤的很多細節都可以忽略，我們只關注指針和刻度的相對位置，首先把滿量程的刻度細化處理，然后做刻度分割，分割完的結果為了便于分析需要做歸一化處理，再通過數學工具實現刻度特征提取，這就完成了統計功能，利用這些結果去訓練設計好的判別模型，就此可以實現機械式指針壓力表實時數據采集輸出的圖像識別系統[4]。在這個系統中，細化處理和專家模型設計非常重要，對象越復雜細化程度就越高，隨之提取的特征量越多，訓練需要的時間和算力也越大，但對于工業儀表而言，被識別對象復雜度并不高，而且圖像識別技術可以實現儀表數字化的“無感”升級，擺脫了儀表維保對工業生產過程的影響，也減輕了人工巡檢的勞動強度，打破傳統儀表“難維護、難升級、難監管”的瓶頸，保障工業生產過程實時高效運行。

2.3 人工智能技術在實現復合型傳感器中的應用

傳感器是工業儀表中的核心器件，在以往的應用場景中，傳感器的功能具有單一化的特點，例如像溫度、振動、氣體濃度、空氣顆粒物濃度等檢測場景需要不同的傳感器，搭配不同的外圍電路設計來實現其各自的功能，這種現象的出現是源于技術發展“百家爭鳴”的結果，不同的儀表廠家在產品研發、生產設計上都有自己的標準，在核心傳感器的選型上也基本實現專一化，但要想在復雜的工業環境中實現檢測的準確性，同時提高廠家產品競爭實力，降低生產研發成本，實現一臺設備多種功能的檢測方案是非常有必要的。

人工智能技術重點在數據的分析處理，以前芯片算力有限，算法模型移植到硬件平臺上運算效果欠佳，隨著云計算、物聯網、區塊鏈等技術的發展應用，數據的深度感知和模式識別已經可以實現算法模型本地化和集成化。以上述傳感器為例，伴隨光學技術的發展，溫度、振動、氣體濃度、空氣顆粒物濃度等信號都可以實現激光檢測，但是檢測數據的分析不具備實時性，原因在于芯片算力的制約，普通儀表硬件結構不滿足算法實現的高頻特性，環境參數不支持動態載入，人工智能技術利用數據專家系統，通過給終端動態加載不同的算法模型，并結合云計算、區塊鏈技術對算力進行組合調度，結合激光檢測技術，可實現一臺設備上同時檢測溫度、振動、氣體濃度、空氣顆粒物含量的功能[5]，這種復合型傳感器技術可大幅提升儀表的環境適應性，同時可以統籌資源實現工業儀表檢測標準化，也可以杜絕功能之間算法耦合，實現工業儀表系統的穩定精準運行。

3 結語

工業儀表在工業生產環境中發揮著重要作用，復雜的工業環境為儀表穩定工作帶來不確定性，隨著國家對工業智能化發展要求的不斷深入，實現人工智能技術與傳統儀表功能升級融合，是實現工業生產安全、穩定、高效的重要途徑，同時降低儀表故障帶來的安全風險，進一步避免事故的發生，促進我國工業快速穩定發展。