人工智能在机械设备故障检测中的应用

陈金鑫

摘要：现代工业的装备包括许多中，许多大型的设备都趋于精密化和复杂化发展，为维持机械设备正常的故障运行，工业领域的技术人员对机械设备运行的状态必须要加强研究。由于机械设备的运行环境相对复杂，零部件的性能会随着时间的延长而逐渐老化，那么设备就容易发生故障，而且这种故障可能是随机性的。在机械设备的有效寿命阶段，技术人员的维护工作是保障设备安全的有效方法，所以技术人员要探寻机械设备的故障规律，摸索其运行的趋势，以制定有效的预测办法。

关键词：人工智能;机械设备;故障检测

引言

机械设备的运行使用过程中，难免会出现各种各样的故障，并对现代社会的正常运转造成不同程度的影响，轻则引致经济损失，重则可能引发人员伤亡。在故障检测中应用人工智能，能显著改善检测效果，大幅度提高检测效率和精准度，强化故障预测和防范能力，全面保障机械设备运行安全及稳定。针对人工智能在机械设备故障检测中的应用进行分析，具有十分重要的现实意义。

1人工智能在机械设备故障检测中的意义

随着机械设备性能的日益完善，设备的内部结构精度越来越高，体积越发小巧，这就必须要保证设备故障检测技术与时俱进。在应用检测技术时，需要保证这一技术具有智能化特征，可以在第一时间内发现故障，同时还要保证技术符合设备日益复杂的发展趋势。以计算机和数字技术为支持的故障监测技术已经广泛地应用到各个行业之中，比较有代表性的就是人工智能技术。人工智能技术可以保证机械设备的故障得到自动化检测，这样就可以大大缩短检测的时间，降低维修成本，可以保证设备正常运行，对各类问题起到有效的防范效果。由于人工智能技术在开展设备检测时的方法比较多元化，即使设备结构日益复杂，人工智能技术也可以充分适应，并确保故障得到及时有效的检测。

2人工智能在机械设备故障检测中的应用

2.1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。

2.2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術中较活跃、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。

2.3模糊集理论

可以将模糊集理论作为理论思维的基本方式，这一理论中包含的学科比较模糊，除了逻辑学和模糊数学之外，学科知识之间的关系因比较模糊，但又要以集合的方式呈现，共同为这一理论展开服务，因此，就可以将其称之为模糊集理论。模糊集理论并不具备随机性，其主要是指事物本身的概念比较模糊，通过这一理论可以及时对模型进行分辨和识别。通过计算出模糊数就可以及时获取知识，这样就可以采用模糊融合的方式对设备的故障进行检测，并及时将诊断结果与故障进行对比，就可以更好地解决故障。总之，模糊集理论的运用可以保证设备得到更加准确的检查，由于与之相关的技术更加稳定，对数据进行分析时也会更加完善。随着时代的不断发展，模糊集理论将会得到进一步改进。

2.4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。

结语

在设备状态维护工作中，故障预测技术是机械设备故障诊断和运行趋势的预测方法，经过后期的决策机制可以巩固高效维护工作的基础，在获取数据与处理数据两个部分调整核心内容，并针对数理统计与人工智能模型多个方面达到理想的工作状态。

参考文献：

[1]杨超，李亦滔.机械设备故障智能诊断技术的现状与发展[J].华东交通大学学报，2011，28（5）：23-28.

[2]井然.工程机械智能故障诊断技术的研究现状及发展趋势[J].内燃机与配件，2018（2）：133-134.

河南工学院 河南 新乡 453003