機(jī)械設(shè)備故障檢測中人工智能的使用和前景,機(jī)械工程論文

機(jī)械設(shè)備故障檢測中人工智能的使用和前景,機(jī)械工程論文摘要：我們國家的機(jī)械設(shè)計制造水平在最近幾年不斷提高，當(dāng)代機(jī)械設(shè)備更是朝著大型化、精致細(xì)密化、復(fù)雜化以及自動化等方面發(fā)展，在提高生產(chǎn)效率與生產(chǎn)質(zhì)量上發(fā)揮著重要的作用。同時，機(jī)械設(shè)備的各部件之間的耦合也越來越緊，運(yùn)行經(jīng)過中一旦發(fā)生某一故障問題就有可能導(dǎo)致整個設(shè)備運(yùn)轉(zhuǎn)失常，因而做好設(shè)備的故障檢測工作至關(guān)重要。傳統(tǒng)的故障檢測工作片面依靠維修檢測人員的經(jīng)歷體驗(yàn)，對于當(dāng)代的機(jī)械設(shè)備來講已經(jīng)無法適應(yīng)，因而必需要采用愈加先進(jìn)的方式，因而將人工智能用于機(jī)械設(shè)備的故障檢測工作中具有特別重要的意義，大大提高了檢測質(zhì)量與效率，對保證機(jī)械設(shè)備的正常、穩(wěn)定運(yùn)行發(fā)揮著重要的作用。基于此，本文就人工智能在機(jī)械設(shè)備故障檢測中的應(yīng)用進(jìn)行了分析。本文關(guān)鍵詞語：人工智能;機(jī)械設(shè)備;故障檢測;Abstract：ThelevelofmechanicaldesignandmanufacturinginChinahasbeencontinuouslyimprovedinrecentyears.Modernmechanicalequipmentisdevelopingtowardslarge-scale,precision,complexityandautomation,whichplaysanimportantroleinimprovingproductionefficiencyandquality.Atthesametime,thecouplingbetweenthecomponentsofmechanicalequipmentisgettingtighterandtighter.Onceafaultoccursintheoperationprocess,thewholeequipmentmayrunabnormally.Therefore,itisveryimportanttodoagoodjobofequipmentfaultdetection.Traditionalfaultdetectionworkreliesontheexperienceofmaintenanceinspectors,whichcantadapttomodernmechanicalequipment,soitisnecessarytoadoptmoreadvancedmethods.Therefore,itisofgreatsignificancetoapplyartificialintelligencetofaultdetectionofmechanicalequipment,whichgreatlyimprovesthedetectionqualityandefficiencyandplaysanimportantroleinensuringthenormalandstableoperationofmechanicalequipment.Basedonthis,thispaperanalyzestheapplicationofartificialintelligenceinmechanicalequipmentfaultdetection.Keyword：artificialintelligence;mechanicalequipment;faultdetect;0、引言將人工智能的理論和方式方法應(yīng)用于機(jī)械故障診斷，發(fā)展智能化的機(jī)械故障診斷技術(shù)，是機(jī)械故障診斷的一個新的途徑，尤其是對于一些多經(jīng)過、多故障和突發(fā)性故障以及復(fù)雜龐大、高度自動化的大型設(shè)備和系統(tǒng)來講，先進(jìn)的人工智能檢測技術(shù)更能夠深切進(jìn)入華而不實(shí)，探尋故障發(fā)生的根本原因，并及時作出應(yīng)對，進(jìn)而提高了機(jī)械設(shè)備的可靠性、可用性、可維修性與安全性。1、人工智能概述人工智能就是運(yùn)用一系列程序模擬人的操作進(jìn)行技術(shù)應(yīng)用，其作為計算機(jī)學(xué)科的一個分支，在實(shí)際應(yīng)用中也主要是依靠計算機(jī)來完成的，其能夠最大程度上模擬人的行為，并采用智能化的機(jī)器來學(xué)習(xí)各種智能行為，并進(jìn)行智能的推理與考慮，還會進(jìn)行知識的探尋求索和獲取，通過大量豐富案例進(jìn)行以往知識的回首和對新知識的吸收，進(jìn)行大量的知識儲備，以此來更新知識處理系統(tǒng)。人工智能能夠通過知識表示的方式對問題進(jìn)行深切進(jìn)入研究，并將其應(yīng)用到實(shí)踐問題的操作經(jīng)過中，在機(jī)械設(shè)備的故障檢測工作中，其能夠通過故障樹、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)以及模糊數(shù)學(xué)等技術(shù)手段來開展相應(yīng)的檢測工作，探尋設(shè)備故障的根本原因，實(shí)現(xiàn)快速、精準(zhǔn)的檢測。2、人工智能對機(jī)械設(shè)備故障檢測的重要性分析機(jī)械故障檢測就是通過機(jī)械運(yùn)行中的相關(guān)信息來辨別其技術(shù)狀態(tài)能否正常，并且確定故障的性質(zhì)與部位，探尋故障原因，并以此來預(yù)報故障趨勢，最后提出相應(yīng)的故障解決對策，在這一經(jīng)過中，主要是以故障機(jī)理和技術(shù)檢測為基礎(chǔ)，以信號處理和形式辨別為其基本理論與方式方法開展的。傳統(tǒng)的機(jī)械設(shè)備故障檢測需要投入大量的人力和物力資源，為了找尋故障原因需要開展大量的實(shí)驗(yàn)，并需要人力來進(jìn)行精到準(zhǔn)確測量和錄入工作，一些故障探測方式方法甚至還會存在較大的誤差，在這種情況下，一種行之有效的故障檢測技術(shù)至關(guān)重要。人工智能的發(fā)展應(yīng)用為機(jī)械設(shè)備的故障檢測提供了新的方向，通過故障樹、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)以及模糊數(shù)學(xué)等技術(shù)手段的應(yīng)用，其能夠有效躲避傳統(tǒng)檢測手段中可能會出現(xiàn)的人工失誤問題，而且利用人工智能能夠?qū)⒋罅繌?fù)雜的計算通過系統(tǒng)程序輸入至人工智能中，以智能化、數(shù)字化的方式進(jìn)行數(shù)據(jù)系統(tǒng)記錄，不僅在數(shù)據(jù)輸入方面比擬便捷，而且在輸出方面能夠有效進(jìn)行數(shù)據(jù)搜索與查找，也有利于后期進(jìn)行數(shù)據(jù)的統(tǒng)計分析，以圖表形式直觀立體地看出數(shù)據(jù)構(gòu)造，實(shí)際應(yīng)用中不會損害人體健康，發(fā)生惡性事件，應(yīng)用效果顯著。3、人工智能在機(jī)械設(shè)備故障檢測中的詳細(xì)應(yīng)用3.1、故障樹故障樹固然也屬于人工智能領(lǐng)域的技術(shù)之一，但是是所有技術(shù)中最不智能的一種，其在實(shí)際應(yīng)用中主要是針對機(jī)械設(shè)備最不希望發(fā)生的故障作為分析目的，然后根據(jù)邏輯關(guān)系以及由上而下，以逐層分析的方式來推理設(shè)備的故障原因，之后用一個邏輯門的形式將這些故障和相應(yīng)原因事件連接起來，最后將系統(tǒng)各功能單元故障與系統(tǒng)故障之間的內(nèi)在邏輯因果關(guān)系信箱的表示出出來。故障樹檢測方式方法具有效率高、精到準(zhǔn)確性高等優(yōu)勢，但是并不能完成對故障的預(yù)知性診斷。3.2、專家系統(tǒng)故障檢測專家系統(tǒng)就是通過人工智能模擬故障診斷領(lǐng)域?qū)＜覍C(jī)械設(shè)備故障問題進(jìn)行分析和處理，進(jìn)而在不需要專家親身考慮的情況下解決復(fù)雜問題。專家系統(tǒng)是人工智能技術(shù)中較活潑踴躍、較成功的領(lǐng)域之一，其起源于20世紀(jì)60年代初，由知識庫、推理機(jī)和人機(jī)接口等三個主要部分組成，作為一個計算機(jī)軟件系統(tǒng)，其能夠基于知識表示出并利用產(chǎn)生式規(guī)則發(fā)揮作用，而且在現(xiàn)有的人工智能語言的支持下，專家系統(tǒng)的表示出也能夠符合人的心理邏輯，因而更易于人們接受。將其應(yīng)用與機(jī)械設(shè)備的故障檢測中，主要就是利用該系統(tǒng)使用模糊推理邏輯降低系統(tǒng)復(fù)雜性，以便提高檢測效率，能夠講，該系統(tǒng)中所擁有的專家和運(yùn)用知識解題的推理機(jī)制是其發(fā)揮重要作用的主要根據(jù)，而且，近些年來隨著先進(jìn)信息技術(shù)的不斷發(fā)展也在不斷的成熟與完善中，該系統(tǒng)的應(yīng)用前景也逐步廣闊。3.3、模糊數(shù)學(xué)模糊數(shù)學(xué)是研究和處理模糊性現(xiàn)象的一種數(shù)學(xué)理論和方式方法，在這里基礎(chǔ)上能夠分析和處理一些復(fù)雜而模糊的工程機(jī)械狀態(tài)信號特征參數(shù)及故障關(guān)系，由于信號參數(shù)與故障之間的關(guān)系還存在多邊性，即便知道其故障表現(xiàn)也很難立即找尋故障原因，甚至有各種表現(xiàn)出一種故障會對應(yīng)多個故障部位，或者是一個故障原因?qū)е露鄠€機(jī)械設(shè)備出現(xiàn)多種故障表現(xiàn)，還有可能存在穿插對應(yīng)的情況?；谝陨线@些問題的存在，傳統(tǒng)的故障檢測方式方法并不能有效分析出故障原因，這就需要在模糊數(shù)學(xué)的幫助下依靠從屬度函數(shù)、關(guān)系矩陣等復(fù)雜數(shù)學(xué)理論、方式方法來探尋故障的根本原因，以便對癥下藥，提高故障檢測的準(zhǔn)確性。在實(shí)際應(yīng)用中，基于這一理論進(jìn)行故障檢測還存在一定的難度，而且所需要消耗損費(fèi)的時間比擬長，因而需要相關(guān)技術(shù)人員不斷進(jìn)行優(yōu)化與完善。3.4、人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)簡稱神經(jīng)網(wǎng)絡(luò)，由大量簡單的處理單元，即神經(jīng)元的廣泛且互相連接而最終構(gòu)成的復(fù)雜網(wǎng)絡(luò)，其在信息處理、自動化工程、醫(yī)學(xué)和經(jīng)濟(jì)等諸多領(lǐng)域得到了普及應(yīng)用。該網(wǎng)絡(luò)模擬的是生物神經(jīng)系統(tǒng)，并通過網(wǎng)絡(luò)單元的輸入輸出特性〔激活特性〕、網(wǎng)絡(luò)的拓?fù)錁?gòu)造〔神經(jīng)元的連接方式〕等來實(shí)現(xiàn)信息處理功能，并且在神經(jīng)網(wǎng)絡(luò)的推理經(jīng)過中還引用了模糊規(guī)則來提高整個系統(tǒng)的透明性，進(jìn)而為人工神經(jīng)網(wǎng)絡(luò)建立良好的解釋機(jī)制提供了方便。神經(jīng)網(wǎng)絡(luò)具有原則上容錯、構(gòu)造拓?fù)漪敯?、?lián)想、揣測、記憶、自適應(yīng)、自學(xué)習(xí)、并行和處理復(fù)雜形式的功能，在當(dāng)下的機(jī)械設(shè)備運(yùn)行中能夠較好的應(yīng)對一些多發(fā)性故障、突發(fā)性故障，并且還能夠監(jiān)測一些較為龐大的機(jī)器或者系統(tǒng)的運(yùn)行經(jīng)過，以便及時發(fā)現(xiàn)故障問題并做出診斷，保證其健康穩(wěn)定的運(yùn)行。在機(jī)械設(shè)備的運(yùn)行經(jīng)過中，一旦出現(xiàn)故障問題通常會具有層次性、延時性、相關(guān)性、不確定性等多種特點(diǎn)，一般故障檢測方式方法耗時時間長，面對故障問題也比擬棘手而在人工智能的支持下，就能夠利用神經(jīng)網(wǎng)絡(luò)中單個子神經(jīng)網(wǎng)絡(luò)來分析故障樣本并進(jìn)行診斷，針對一些局部較小的故障問題可以以進(jìn)行解決。當(dāng)前，人工神經(jīng)網(wǎng)絡(luò)在機(jī)械設(shè)備故障檢測中的應(yīng)用方式有如下幾種，一是從形式辨別角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為分類器進(jìn)行故障檢測；二是從預(yù)測角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為動態(tài)預(yù)測模型進(jìn)行故障預(yù)測；三是利用神經(jīng)網(wǎng)絡(luò)極強(qiáng)的非線性動態(tài)跟蹤能力進(jìn)行基于構(gòu)造映射的故障檢測等。隨著該項(xiàng)技術(shù)手段的不斷成熟，神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中也開場不斷改良本身模型，并且在故障檢測中也開場去想去模塊化模型診斷，應(yīng)用效果不斷加強(qiáng)。4、人工智能在機(jī)械設(shè)備故障檢測中的應(yīng)用前景進(jìn)入21世紀(jì)以后，我們國家的科學(xué)技術(shù)、信息技術(shù)發(fā)展水平越來越高，最近幾年在人工智能技術(shù)的研發(fā)上也獲得了諸多成績，將該項(xiàng)技術(shù)應(yīng)用與機(jī)械設(shè)備的故障檢測中也能夠最大程度上彌補(bǔ)傳統(tǒng)故障檢測方式的缺乏，而且當(dāng)下人工智能的應(yīng)用范圍以及應(yīng)用形式越來越多，在其將來的發(fā)展進(jìn)程中也將會表現(xiàn)出下面趨向。一是人工智能與多傳感器數(shù)據(jù)的融合，在機(jī)械設(shè)備中增加傳感器數(shù)量并拓展其功能，通過傳感器對設(shè)備的運(yùn)行數(shù)據(jù)進(jìn)行收集整理，并將多種傳感器的數(shù)據(jù)進(jìn)行融合分析，依次為機(jī)械設(shè)備的故障檢測提供根據(jù)，實(shí)現(xiàn)快速、精準(zhǔn)的檢測；二是將人工智能的集中故障檢測手段混合應(yīng)用到實(shí)際應(yīng)用中，這主要是由于當(dāng)代的機(jī)械制造水平不斷提高，機(jī)械設(shè)備也朝向自動化、復(fù)雜化、大型化等方面發(fā)展，在其運(yùn)行經(jīng)過中出現(xiàn)的故障問題、故障部位等也是越來越多，單一的檢測技術(shù)手段已經(jīng)無法知足實(shí)際要求，因而混合智能診斷將成為主流形式，以便進(jìn)一步提高故障檢測的效果；三是遠(yuǎn)程故障檢測，主要是由于部分機(jī)械設(shè)備的運(yùn)行環(huán)境比擬惡劣，本身的構(gòu)造又比擬復(fù)雜，因而現(xiàn)場檢測會存在一定的難度，這時候就需要通過遠(yuǎn)程故障檢測手段，以便提高檢測效率與檢測質(zhì)量。5、結(jié)束語綜上所述，當(dāng)代機(jī)械設(shè)備在運(yùn)行經(jīng)過中一旦發(fā)生故障問題有可能會導(dǎo)致整個生產(chǎn)經(jīng)過癱瘓，造成極大的資源浪費(fèi)，因而有效的故障檢測手段至關(guān)重要。通過采用人工智能技術(shù)手段能夠彌補(bǔ)傳統(tǒng)檢測手段的耗時耗力等問題，還能夠提高檢測效率與檢測質(zhì)量，而且故障樹、人工神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)、專家系統(tǒng)等技術(shù)的應(yīng)用效果較好，在一些構(gòu)造復(fù)雜、體型較大的機(jī)械設(shè)備中都能夠起到較好的效果。在將來的人工智能技術(shù)發(fā)展進(jìn)程中，廣大技術(shù)人員應(yīng)該加強(qiáng)研發(fā)，不斷拓展其應(yīng)