人工智能在机械设备故障检测中的应用

2021-11-29于宗营

中国金属通报 2021年8期

于宗营

（承德钢铁集团有限公司，河北承德 067000）

在智能制造的背景下，对机械设备相关关键部件进行故障诊断和监测成为一个值得思考的现实问题。尤其是在钢铁企业中，随着产线自动化程度的提高，为了满足高端客户的需求，继续对产线各个工序进行检测和诊断，因此人工智能技术得到了深入应用。作为一名机械维护人员，急需提升相关技能，更好的维护人工智能技术，确保产线提升智能制造水平。

1 人工智能技术发展概述

在多元化的计算机程序中就包含了人工智能程序，具有较高特性。现阶段对人工智能的开发和利用是比较成功的，并且已被广泛运用到了更多行业的发展中，高效促进了生产效率。目前，互联网已经占据了我们生活、工作的方方面面，这也是给人工智能的顺利推广和使用打基础，这使我们的生活模式和工作模式均在产生翻天覆地的改变，可以给我们生活工作的很多方面创造便利条件。以上信息均在提醒我们，人工智能具有无可替代的作用。但人工职能技术具有极高的专业性，特别是辨识图像、处理信息数据等方面，和传统行业比较来讲，通过运用人工智能可以使行业整体产生巨大改变。

就目前对人工智能运用的实际情况来讲，在机械电子方面的运用最为广泛，在强化运用人工智能期间可以有效排除其中存在的不足和问题，给工程领域的稳定长久发展打好基础。在过去漫长的时间里，机械电子均表现为机电一体化的性能，但是却没办法确保信息数据传输的稳定性，无法及时捕捉到精准的信息数据，导致产品的质量无法得到充分确保。在运用人工智能以后，让信息的储存、分析、汇总与运用都变得不再困难，变得方便快捷，运行境况也变得更为理想化，高效促进了工业领域的快速稳健发展。

2 机械设备维修过程中数据的获取

在相关技术工作者为机器设施构建维护方案以前，首要任务是搜集有关信息数据，在搜集数据信息以前的准备工作，由可称作前处理环节。在搜集有关机器设施的信息数据时，必须由技术工作者在相关设施中储存必需的信息数据，这项工作必须在故障情况下才可以实施的，技术工作者对搜集的信息实施类别划分，包括：事件数据、状态检测数据两大方式。其中的事件数据主要指的是设施在过去使用中有关的维修信息，这种信息包含了零件的磨损和更换等，出现这种问题的因素包含了技术工人对机器设施进行的操作内容，例如，最低程度的维修内容，

其中的状态检测数据重点指的是在机器设施保持良好工作状态时进行的检测工作，状态检测工作中产生的信息数据极具多样性，并且其中内容非常繁杂，例如，机器设施的动态信息、声学信息和温度压力信息等，能够给机器设施的维修带来所需的基本信息数据。

在搜集事件信息期间，一般必须由技术工作者采用人力输入的模式来进行，其操作流程非常繁琐复杂，极易出现差错，但这又是搜集信息中不可或缺的工作环节。在各种设施的各种传感器内存储的信息数据均具有一定的差异性，例如，超声波传感器额微感测器等。从机器设施系统的角度来讲具有较高的复杂性，没办法采用单一的传感器设备执行好信息的收集工作，一般必须获得多个传感器的通力协作，同时根据相应信息去判别机器设施的故障状态。想要让后期诊断工作和修理工作获得理想成效，相关技术工作者必须在多个传感器间收集有效数据，完成对多个传感器中信息数据的统合，给故障诊断建立可靠依据。

对机器设施的检测工作重点包含两大内容：1）连续不间断的检测；2）间断性的检测。首先连续不间断的检测主要指的是利用机器设施的传感设备实施持续性的实时检测，实现对信息数据的收集，如果机器设施在工作时产生了故障问题，便可以实时开启报警设备，这种检测方式虽然高效，但是却需要投放大量资金，另外，不间断的检测模式极易给初始信号造成干扰。而其中间断性的检测方式在资金上比较节约，同样可以在故障时发出精准警报，属于目前运用最为普遍的一项技术。其劣势就在于极易遗漏部分故障的信息。

3 人工智能在机械设备故障检测中的应用策略

3.1 人工智能在产线工序环节中的应用

在各种传感器的支持下，产线所用的巡检机器人能够完成对各工序全方位无死角的监控，可以对机械设施产生的故障、设备轧制环境等危险元素进行实时监控，一旦出现问题可立即预警，降低了设备事故的出现几率。对于高炉内部监管不及时、辨识不精准等问题，相关研发团队通过深入学习、模式辨识、专家系统等方面的科技，更好的强化机器人对高炉危险因素的精准辨识和实时监控。通过有关卷积神经网络的深入学习核算方式，针对高炉设施实施建模与训练，帮助高炉机器人精准辨识炉内设施的类型，提升高炉的稳定性。

3.2 设备故障智能化检测

在机器工程项目朝向智能化推进期间，需要关注设施问题智能化诊断技术的优化提升，充分提升设施问题检验的速度和质量，即使排除安全风险，确保整个自动化机器设施工作的安全稳定性。在对人工智能故障检验技术进行具体运用期间，重点利用神经元网络系统和专家系统进行处理。在利用专家系统开展故障检测工作时，必须事先对诊断系统开展持续的训练工作，帮助其获取相应的信息数据标准，确保设施故障检测的精准性。在神经元网络系统运行实践中，重点是根据人类大脑的运转模式，帮助计算机系统按照神经元网络图谱开展深入的学习工作，最终构建成繁杂的故障检测网络系统，对设施故障进行迅速检测和定位，确保检测活动进行的科学性和高效性。机器工程在后续智能化发展期间，需要将具体作业实施的需要当作基础，进行对应的技术研究开发工作，帮助机械工程智能化技术走上长久良性的发展道路。

3.3 产品人工智能化

机械工程智能化技术在后续优化创新期间，其核心发展方向将变成产品人工智能化，基于顾客的消费形态，会渐渐向人工职能产品终端的方向发展，例如，对人工智能机器人进行研发，不但能够排除客户工作中遇到的难题，另外还能够展现出人工智能所具备的休闲、娱乐和养生等性能，变成客户的忠实伴侣，提供优质服务。在机械工程智能技术优化创新过程中，需要深度开发智能水平，研究行业后续的发展趋势，掌握客户具体的需求，而后确定机械工程智能化优化创新的方向，对信息化科技进行充分有效的运用，给机械工程智能化技术的提升带来促进作用。例如：大数据技术、自学系统、神经网络计算机深入学习技术以及生物传感技术等等，可充分提升商品的自动化水平和智能化水平，达成客户的心理需求，排除客户在生活和工作中碰到的难题。

3.4 模糊技术

模糊技术中的模糊一词重点指的是事物的概念不够清晰，比较模糊。在这种技术的支持下能够实时针对机械故障发生的种类和方位。采用这一技术能够对经典集合理论进行模糊处理，同时把相近推理与语言变量融合到模糊控制理论中。

4 人工智能在机械设备故障检测中的应用前景

在时间推进到21世纪之后，我国在科技和信息科技上得以迅速发展，通过近些年的发展在人工智能科技的研究、开发、利用上均收获了不错成效，在将这一技术运用到机械设施故障诊断中时，也有效排除了传统诊断模式的缺陷，并且，现阶段对人工智能的运用模式和运用维度也越加宽广，在后续优化创新期间也会呈现出三大趋势。第一，人工智能技术和多传感器信息进行结合，在机器设施中提高传感器的设置量，优化开拓其性能，利用其中的传感器的运转信息开展整合搜集工作，同时把各种传感器信息进行有机结合并进行分析研究，给机器设施的故障诊断带来参照依据，完成迅速、高效、准确的诊断工作；第二，把人工智能技术中的综合故障诊断技术融合到具体工作中，这种现象产生的原因为当代机械生产能力持续提升，机器设施正在不断朝着复杂、自动、大型的方向发展，在运转工作期间产生的问题和问题出现的位置等也在朝向多样化的方向发展，仅仅采用一种诊断方式很难达成现实需求，所以未来混合智能检测技术会变成主导力量，以充分提升问题诊断的成效；第三，对机械故障进行远程监测，采用这种技术的原因为一些机器设施所处的工作环境十分复杂恶劣，机器本身的结构也十分复杂，所以在现场开展检测工作会非常困难，这时采用远程监测技术，可充分提升检测速度和检测效果。