人工智能在机械设备故障检测中的应用研究

王文双 赵常均 林贞琼

关键词：人工智能;机械设备;故障检测

随着机械零件的结构越来越复杂，机械设备的维修工作也越来越精密，不同环节之间的联系相对紧密。因此，机械故障维修和检测工作也比较困难，人工维修工作面临着严峻的挑战。传统的机械检测和维修方法效率低，也可能产生一些事故，同时人工维修记录也不准确。而应用人工智能技术，机械维修和检测工作更加精准，维修记录也更加准确。

一、人工智能在设备故障检测中的应用价值

人工智能技术是20世纪的三大前沿技术之一，我国在人工智能研究方面投入比较大，也取得了一些建设性成果，形成了一套较为科学、完善的知识体系。人工智能技术中，知识工程与专家系统、模式识别、知识库、机器人、专家系统、机器人等智能管理技术可以应用在学习、实践、下载、调试、安装等环节，有效提高工作人员的工作效率。人工智能技术通过智能规划有效解决抽象层次的问题，解决软件工程问题，对于软件工程故障是一种最有效的方法，具有很强的优越性。在现代化的社会发展趋势下，信息化技术为我国市场经济的发展和社会文明建设提供了有力的力量，传统的故障检测手段仍然不能满足现代化、工业化企业对高质量的要求，如何在现代化设备故障检测中提高其效率成为一个亟待解决的重要问题。在机械设计制造和电子工程领域，设备以精确的数据为核心，并且设备设计非常精密，设备的各个环节衔接都需要反复计算。AI是我国社会发展的高效率产物，基于以下几个问题：人工智能检测设备故障，完善传统的单一缺点，全面提高检测效率：

其一，准确性。传统的设备故障检测以人力为中心，在检测过程中不可避免地会由于多种因素影响而导致检测准确度不高，基于人工智能的检测准确度，在提高检测效率的基础上，在精度上有质的飞跃。

其二，优化资源配置。智能检测设备故障，有效地优化资源配置;通过系统程序把大量复杂的计算输入人工智能，实现数据系统的智能化、数字化。不但数据输入方便，而且数据的检索和输出检索非常高效，为以后的数据统计分析提供了方便，数据结构可以直观地以图表的形式表示。

其三，推动企业经济效益最大化。用人工智能的方法进行设备故障诊断，需要耗费大量的人力、物力、财力，在检测设备的安全性能时，往往会出现错误，产生一些安全性事故。所以，人工智能技术在设备故障检测中的应用也日益明显。

二、机械设备常见故障成因

在行业应用中，故障诊断又被叫作“故障隔离”。将故障诊断称为“隔离”和“检测”是由于在设备诊断时，需要通过感应通常会先将故障点进行隔离，之后再有效处理故障。机械设备检测有一套科学的检测方法，利用这些检测方法，可以对设备系统检测，诊断故障。人工智能技术可以镶嵌算法，自动查找故障点，这样更便于技术人员对故障进行排查，提高机械维修效率。

（一）缺乏检修保养及退化性故障

大型机械设备的使用年限通常比较长，部分零部件在经年累月的使用中产生磨损，进而产生故障。机械运作带动各个零部件，部分零部件单元没有润滑，加大磨损，进而将故障放大。随着设备的老化，一些动力传动机械结构、减震结构会出现强度和稳定性下降的问题，出现我们通常所说的退行性故障。

人工智能在设备故障检测中有多元化的应用，对着机械设备越来越精密，机械设备故障检测也越来越复杂，人工处理的效率比较低，只能借助智能设备进行处理。

（二）机械设计与制造精度

人工智能技术对于机械维修工作是比较有效的，机械设计、制造都将图纸作为参考标准。机械零部件的结构比较复杂，各个部件之间磨合工作。零部件的储存大小也不同。只有得到上述准确的数据，明确参数，才可以精准完成机械设计、制造和维修工作。人工智能技术可以对数据进行精准的测量，减少数据误差造成的机械维修、制造工作的失误。比如，智能化系统对机械进行扫描，将机械内部结构直接通过电脑终端展示出来，工作人员通过查看电脑终端的零部件结构分析故障。除此以外，人工智能技术和数控技术也可以结合，更加精准地分析和检测设备故障。

（三）外部不利因素

设备在正常运行下，会受到外部环境的影响，比如，设备运输会产生碰撞，设备日常检修工作如不按照相应流程和规章制度进行检修，会导致设备安装精度下降，这样在运行过程中，容易产生共振问题，提高设备损坏的概率。

三、人工智能在机械设备故障检测中的具体应用

（一）故障树

故障树属于人工智能领域一项相对简单的技术，在所有的人工智能技术中最不智能。故障树主要应用于机械设备维修中发生概率比较小的故障分析，根据逻辑顺序逐层分析，推理设备的故障原因，之后采用逻辑门的形式将故障及对应原因连接起来，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表达出来。故障树检测的优点在于检测效率高、精度高，但是无法进行预知性诊断。

（二）专家系统故障诊断

专家系统故障诊断是当前应用最广泛的一项诊断检修技术，对计算机技术的依赖性比较高。在实际应用这项技术时，专家对采集到的信息进行科学判断和分析，进而检测机械设备的具体故障。专家系统故障诊断可以建立起一个故障结构分析树，在之后的设备维护和检修工作中，在很大程度上帮助檢修人员。

（三）模糊数学概念诊断

模糊教学理论在人工智能技术中应用比较广泛，是一项最基本的技术。相对而言，模糊教学概念比较复杂，涉及的专业内容比较多，但是也比较模糊。模糊教学概念主要涉及逻辑学、模糊数学这两项专业内容。同时，也有其他一些学科内容，学科知识之间关系密切，但是都比较模糊。在这一理论当中，不同的学科知识集合在一起，共同应用，模糊教学概念也随之产生。这一理论的随机性不是很强，主要指的是事物本身存在的概念，相对来说比较模糊，可以分辨模型，计算出模糊数据，进而得到相关知识。这种对故障设备进行检测的方式，可以及时地对比检测的结果，将故障分析出来，有效地解决故障。

（四）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组成，处理单元之间进行广泛的连接，形成较为复杂的神经网络。人工神经网络在信息处理、自动化工程、医学和经济等领域的应用比较普遍。人工神经网络模拟生物神经系统，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，对于机械设备运行过程中多发性、突发性故障具有比较较好的维修作用，同时还可以用来监测一些比较复杂、体积较大的机器设备，以便及时发现故障问题并对故障做出诊断，使得设备能够健康稳定运行。

机械设备故障问题体现出层次性、延时性、相关性、不确定性等特点，故障检测时间耗费也比较长，很多相对复杂、棘手的设备故障也可以通过人工智能神经网络进行分析，将故障由面排除到点，针对性解决。当前，人工神经网络技术在机械设备故障检测中的应用主要有以下几种方式：其一，从模式识别角度应用神经网络，作为分类器检测故障;其二，从预测角度应用，利用动态预测模型检测故障;其三，通过神经网络极强的非线性动态跟踪能力展开预测，基于结构映射的故障检测等。伴随这项技术手段逐渐成熟，神经网络技术也在不断改进和应用，发展出的模块化故障检测模型的效果也越来越好。

四、应用人工智能全面检查设备

（一）借助人工智能生成图像

应用智能机器人诊断机械设备故障时，启动智能机器人，自动生成图像，操作人员进行设置，查找自己要的机械设备内部结构图像。同时，还能直接查询机械设备的数值。发现异常数值、不稳定数值，直接点击暂停按钮，图片能够直接保存在文件里，方便后续的分析和问题解决。智能机器人能够直接识别图像，维修人员只要直接根据流程下达指令，智能机器人就可以自动检测和诊断机械设备各零部件。诊断的同时，智能机器人反馈、回传诊断情况，反映设备性能。自动诊断过程中如果发现设备故障，智能机器人直接展示故障所在图片位置，方便检修人员查看设备故障发生情况，进而迅速开展检修工作。

（二）应用人工智能扫描设备

使用人工智能设备检测故障时，严格遵守智能设备的操作步骤，避免由于操作不当而导致人工智能设备损坏、失灵的问题。首先，将机械设备的型号、数据输入，智能机器人在数据库中找到对应数据，自动展示机械设备性能;其次，维修人员根据人工智能终端设备的提示功能按步骤操作，将机械设备进行扫描，通常这种扫描几分钟就可以完成，对于维修人员而言，工作非常轻松，也充分实现了智能机器人的应用价值和实用价值。

五、结语

因为机械设备功能逐渐朝着多元化的方向发展和进步，其中出现的结构也更加的复杂，故障设备正在朝着多样化的方向发展。如果应用的故障检测的方式没有在第一时间进行科学的检测，那么如果继续运行下去就会浪费资金和成本，而利用人工智能检测的方式就可以尽量缩短检测时间，使结果更加准确。

参考文献：

[1]王晓蕾，姬治岗.煤矿机械设备故障分析与诊断技术及发展趨势[J].科学技术与工程，2020，20（12）：4621-4630.

[2]许丽.人工智能在机械设备故障检测中的应用[J].南方农机，2019，50（24）：178.

[3]张婷婷，贾铭钰.机械设备故障诊断技术的常用方法及新技术的应用研究[J].自动化与仪器仪表，2017（10）：38-39+42.