人工智能技术在设备检测中的应用研究

关键词：人工智能技术；设备检测；故障诊断

中图法分类号：TP393 文献标识码：A

1引言

设备检测是分析设备运行状态的重要一环，高质量的设备检测不仅能够提前发现设备运行期间的潜在风险隐患，还能提高设备检测结果的精确性，在增加设备运行寿命的同时保障设备能够以稳定且安全的状态持续运行。借助人工智能技术能够在一定程度上提高设备检测质量，而且人工智能技术作为发展智能化设备检测不可缺少的重要组成部分，更是未来设备检测技术发展的必然趋势。因此，有必要对人工智能技术在设备检测中的应用进行分析。

2人工智能技术在设备检测中的重要性

人工智能的概念比较广泛，人工智能技术的本质就是采用信息程序对人进行模拟的一项技术，作为计算机学科中的重要分支技术，人工智能技术在应用过程中必然要依赖计算机来开展各项操作。人工智能技术能够在运行期间最大限度地对人类行为进行模拟，而且通过智能化技术还能不断完善人类的行为模式。人工智能技术可以通过智能分析与推算，不断分析大量人类的行为案例来总结回顾知识框架，并通过知识应用来完善行为模式。在设备检测期间，基于人工智能技术通过故障树、模糊数学等方式来实现对设备运行状态的深入分析，以此来找出设备运行期间的潜在风险隐患，以避免设备的风险隐患变成严重的设备故障。

设备检测的核心目标就是通过分析设备运行状态，识别设备是否存在异常情况，如果发现设备异常便要在第一时间明确设备的故障性质与风险部位，通过及时找到设备故障起因，以此来实现对设备运行状态的提前预警。在设备检测中，只要能够提前发现设备异常并针对性地提出设备异常的解决方案，就能最大限度地提高设备运行质量，以避免设备在异常风险因素的影响下造成不可估量的损失。因此，对于设备检测而言，人工智能技术的重要性毋庸置疑，只要借助人工智能技术对设备检测工作进行全方位的优化，就可以在提高设备检测精度的同时提升设备检测效率。相较于传统的人工检测技术，以人工智能技术为核心的设备检测模式不仅能够解决人工失误问题，还可以借助计算机技术来实现海量数据管理并提升设备检测数据的统计能力。因此，相较于传统设备检测技术，人工智能技术必然会成为设备检测技术的未来发展趋势。

3人工智能设备检测技术的设备状态诊断类别分析

人工智能设备检测技术的核心要素就是人工智能技术，将人工智能技术与设备检测相融合，借助人工智能实现对设备检测水平的提升。从技术特征的角度出发，人工智能设备检测的故障树诊断往往需要借助故障逻辑结构来实现对设备运行情况的逻辑分析与推理，通过错误输出可以找出潜在的输入错误，在设备检测的编程中，需要利用嵌套算法来进行状态分析，所以这种设备检测方式更加适合在系统结构简单、耦合少的情况下运行。而在如今的设备检测技术发展中，因为待检测设备发展的复杂化，所以人工智能技术在设备检测中的应用也在不断优化，智能设备诊断如今已经成为开展设备检测的核心诊断方式。

从智能诊断系统在运行期间对知识处理途径的角度出发，智能设备诊断基本可以分为两大类，其一是以符号推理为核心的智能诊断方式，如传统人工智能诊断便是这种诊断方式的代表性技术。其二则是以数值计算为核心的诊断方式，人工神经网络诊断便是数字计算诊断不可缺少的重要技术，以数值计算为核心的设备诊断作为如今在智能诊断领域不可忽视的关键性技术，其具有更广阔的发展空间。

在分析基于符号推理的诊断系统时，可以发现所有的知识都将按照既定规则，使用特定描述符号来表示特定内容，无论是知識的存储还是处理，都必然会将符号视为知识管理的核心要素。在此期间，知识处理系统可以结合知识库与推理机制来实现逻辑分析，通过不断开展逻辑分析能够有效甄别设备运行状态。同时，知识库、推理设备各自具有一定程度的独立性，所以基于符号推理的智能设备诊断在实际操作中需要面对较为复杂的操作环境，只有在设备检测对实时检测速度要求不高且检测内容简单的情况下，才能最大限度地发挥出智能设备检测应有的价值。

在分析基于数值计算的智能设备诊断系统时，可以发现所有的知识都将通过系统权系数矩阵来进行存储，而知识获取则需要结合学习规则，通过不断进行智能学习来逐渐改变权系数矩阵。从知识处理角度出发，以数值计算为核心的设备诊断方式并不具备知识获取限制等功能。在所有的设备诊断方法中，神经网络诊断以及模糊神经网络诊断是最为典型的诊断方式，这种以数值计算为核心的诊断方式对设备诊断硬件平台的处理能力具有较高的要求。在借助人工智能技术开展人工智能设备检测工作时，只有采用最为适合的人工智能技术，才可以在提高设备检测水平的同时进一步优化设备检测质量。

4设备检测中人工智能技术的应用

人工智能技术可以应用在各行各业的经营发展中，这也是人工智能技术适应性强的一种外在体现，通过分析人工智能技术在设备检测中的应用方式，可以从多个角度借助人工智能技术来满足设备检测的实际需求，进而提升设备检测效果。

4.1专家系统在设备检测中的应用

很多企业在经营发展中都离不开设备检测技术的支持，因为设备检测不仅能够帮助企业分析设备当前的运行状态，还可以帮助企业规避设备运行期间可能存在的潜在风险因素。借助人工智能技术开展设备检测工作的核心目标就是进一步提高设备检测结果的精确度，以及设备检测质量。专家系统作为人工智能技术中的重要组成部分，可以在实际应用期间模拟人类专家的思维模式来解决遇到的问题。即结合设备相关领域多位专家的设备检测经验来分析、判断设备检测方法，这种设备检测方式的本质就是借助专家经验来优化决策能力。

在设备检测期间所使用的专家系统往往可以划分为知识库、推理机等多个相互关联的组成部分，通过知识库中总结出的知识往往更符合人们所使用的语言习惯，因此很多企业在条件允许的情况下更倾向使用专家系统来开展设备检测。同时，借助知识库中的推理机制开展模糊处理，还能进一步降低设备出现问题后的处理复杂性。就目前而言，很多企业所使用的专家系统往往存在智能水平偏低的情况，这也在一定程度上降低了专家系统在设备检测中的应用质量。从企业发展的角度出发，只有不断创新并优化数据推理机制，并持续加强专家系统管理，才能从真正意义上提高人工智能化设备检测质量，并让专家系统设备检测发挥出应有的作用。

4.2人工神经网络在设备检测中的应用

在人工智能技术中，人工神经网络是借助简单数据处理单元互联所形成的一种网络系统，各种简单数据处理单元可以视为生物神经系统中的细小神经元。因此人工神经网络可以利用数据处理单元来实现激活数据的目的，然后可以利用网络连接的方式来实现对数据信息的高效传输，因此人工神经网络在实际应用过程中具备数据处理速度快的优势。同时，由于人工神经网络的运行状态更加透明化且具有明朗的解释机制，因此在推理神经网络时还需要额外引入模糊规则，以模糊机制为核心来增加设备检测期间的容错率。在设备检测期间，利用人工神经网络可以在各种复杂运算中对设备进行多维度检测，从而提升设备检测最终结果的精确性。

在利用人工神经网络进行设备检测时，由于很多设备故障都具备层次性、延时性以及其他不确定性，因此采用单一的人工神经网络开展检测作业很容易出现故障样本过多的情况，并产生各种局部性问题。为了让基于人工神经网络技术的设备检测质量得到更多保障，就应该对神经网络的误差函数以及自适应情况进行调整与优化，即从模式识别的视角出发，将整个人工神经网络看作是人工分类器，并在预测过程中建立切实可行的动态预测模型。只要能够利用人工神经网络完善非线性跟踪器，就可以进一步提高面对各种突发性问题的容错率，并实现对各种大型设备运行状态的动态监管，进而保证设备检测工作的检测质量。

4.3模糊理论在设备检测中的应用

模糊理论是人工智能技术中的重要理论之一，其内容包括模糊数学、模糊逻辑等多个分支。模糊理论在人工智能技术中经常被用作诊断与决策，因此，在设备检测过程中，模糊理论具有相对较高的实用性，可以将人类专家的思维以数理逻辑的形式呈现出来。而借助模糊推理获得控制作用集，还可以通过被控对象进一步提高设备检测精确度。在设备检测过程中，由于很多设备故障都存在不确定性，因此为了提高设备检测结果精确度，就必须针对不确定性完善相应的处理方法，而模糊理论则可以在一定程度上降低不确定性带来的负面影响。模糊理论能利用多值逻辑解决传统检测中难以处理的问题，从而增加设备故障诊断结果的准确性。

需要注意的是，在设备检测期间，因为信号参数与故障具有多边性特征，所以设备检测在实际应用环节即便发现了故障表现也很难及时找到引发设备故障的实际原因。而且在个别情况下，还会出现同一种设备故障同时产生多个设备故障部位的现象，或是因为单一设备故障原因而出现多种不同故障表现的现象。因此在设备检测过程中，为了最大限度地提高检测精确性，并解决设备检测期间可能遇到的各种问题，就必须主动优化传统故障检测模式，并结合模糊理论来融合诸如隶属度函数等复杂数据理论，以提高設备检测能力。但是，由于模糊理论在设备检测中的应用难度相对较高，因此模糊理论在实际应用中必须提升技术人员能力，只有相关技术人员具有足够的能力才能让基于模糊理论的设备检测发挥出应有的作用。

4.4遗传算法在设备检测中的应用

遗传算法是一种以遗传机理为核心的一种全局优化算法，借助生物进化现象来进行设备模拟，可以对设备问题进行优化。在全方位排查设备运行状态时，可以借助设备元器件故障及保护动作来建立设备遗传算法，通过采用差异性遗传算法来处理故障，可以大幅降低设备故障带来的负面影响。需要注意的是，在利用遗传算法进行设备检测时，必须从设备全局优化的角度出发，一旦保护元器件、断路器出现拒动，则意味着此时获得的诊断结果为最优结果。由于遗传算法在设备检测中的使用模式还不完善，所以遗传算法应针对数学模型构建以及差异确认等内容进行深入分析，以此来确保遗传算法在设备检测中发挥其应有的作用。

4.5故障树在设备检测中的应用

故障树作为人工智能技术中的重要技术之一，能够以设备不希望发生的故障为核心来进行设备故障分析，在分析阶段，可以按照自上而下的逻辑顺序来完成深度推理。通过分析故障原因并借助逻辑门来实现故障原因与内容的连接，可以在保证设备检测结果精度的同时提高检测效率。但是，相较于其他设备检测方法，以故障树为核心的设备检测往往无法实现设备故障的预知性分析。除此之外，在设备检测过程中，因为设备可能出现各种不同的故障，所以在利用故障树进行设备检测时，必须结合检测需求来选定特定情况作为顶端事件，从而实现自上而下的持续性故障分析。

5结束语

人工智能技术在设备检测中能够发挥极其重要的作用。无论是人工神经网络诊断还是其他分支技术，都可以在不同情况下提高设备检测质量。随着越来越多的人意识到人工智能技术的重要性，设备检测中的人工智能技术将会变得更加完善。

作者简介：

郭成双（1981—），本科，助理实验师，研究方向：电子信息技术。