机械设备故障检测中人工智能的运用

机械设备故障检测中人工智能的运用
摘要：近几年，科学技术飞速发展，而人工智能作为科技的一种，被广泛应
用于各行各业，为人们的生活、学习以及工作带来了较大的便利性。

将人工智能
运用于机械设备故障检测中，不仅解决了很多人工无法完成的工作任务，而且精
准度、效率较高，推动了机械设备行业创新发展步伐。

而本次通过对机械设备常
见故障以及常用检测方法的分析，重点研究了机械设备故障检测中人工智能广泛
运用，希望为机械设备故障检测质量、效率的提高提供参考。

关键词：机械设备；故障检测；人工智能；运用
引言
对于机械设备而言，其是企业生产的重要保障，如果各个部件间出现了耦合
不紧密问题，那么极易导致运行时出现故障，造成设备无法正常运转，严重时可
能使企业人员、财产面临着较大的安全风险，所以将机械设备故障检测工作做到
位极其关键。

以前对于机械设备故障的检测主要依赖于维修工作人员经验，缺乏
科学合理性，而将人工智能运用到故障检测中，既减轻了维修人员工作量，同时
检测质量较高。

而本文重点针对机械设备故障检测中人工智能的运用进行了分析，具体内容如下。

1机械设备常见故障及常用的诊断方法
1.1常见故障
机械设备主要用于生产，大量的工作量，使得其极其出现不同类型的故障，
而做好定期检测就成为了重点。

设备对信号进行处理时极易出现故障，所以要检
测人员要掌握信号处理相关知识、常识；旋转机械设备中会有振动信息，维修人
员要对这些信号熟练的掌握；除此之外，还要做到图形的正确分析与处理，时频
分析要以经过精准计算。

而设备旋转机器中也极易出现故障，例如滑动、滚动的
轴承，转子不平衡等。

以上故障需要经过计算，进而做到认真排查故障。

机械设备常见故障中也包含着齿轮，所以可通过分析噪音对齿轮振动及时检查。

1.2常用诊断方法
当前在机械设备故障检测中常用的诊断方法有状态识别法、专家系统法、人工智能网络法、演化算法、模拟退火法。

其中状态识别法主要对机械设备运行的相关参数变化情况进行检测，分析以后进而判定机械设备内部情况，根据数据，找出故障发生的原因，进而给予切实可行的解决措施。

在机械设备故障诊断中，状态识别法往往又会涉及到很多检测方法，具体见下表所示。

表1 状态识别法中的检测方法
常用AIC指标和残差识别，AIC准则函数定义为：
AIC(n)=log /N
专家系统法结合了智能技术与机械专家系统，进而诊断设备故障，权威性、科学性较强。

此方法采用了很多设备理论、推理法，诊断以及解决故障。

主要包括规则法、案例法、框架法、模糊逻辑法等。

人工智能网络法可谓是设备中枢，对设备运行模拟，以特征为依据诊断故障。

此方法主要应用于故障预测，可与专家诊断系统结合，预控故障的发生。

当前主要采用的是网络拓扑结构、BP计算方法等。

演化算法在诊断故障时主要通过生物学自然选择结合进化体系。

需要经过很多公式计算以后，进而对机械设备使用情况进行推演，以此来诊断故障。

模拟退火法在诊断故障时采用的是物理学，对物理学中固体物质在经过了高温退火过程的模拟以及分析以后，通过物理公式的计算，获得相应数据，以此来诊断故障。

2人工智能在机械设备故障检测中的具体运用
2.1专家系统法的应用
此方法多用于诊断轴承故障，在对轴承故障推理以及决策过程中，通过与专
家系统连接，寻求有效处理方法，诊断设备。

专家系统会将设备轴承震动信号、
频率、时域等数据提取出来，以此为依据为识别故障提供数据支持。

借助系统将
设备轴承温度、噪音等参数收集，诊断故障原因。

除此之外，可对轴承变化在线
监测，准确获得故障数据。

系统会整合以及分析参数、数据，找出原因，在专家
数据库中对相关知识检索，与故障原因匹配成功以后，为后续维修方案的制定提
供参考。

2.2模糊数学的运用
模糊数学在诊断设备故障时主要采用的是数学原理，对于一些难度较大，模
糊的设备信号参数、故障进行分析与处理，因为信号参数同故障间关系复杂，虽
然可以找到故障，但是却难以准确把握好故障形成的原因，有时可能同一故障会
反应在多个部位，或同一故障原因造成多个设备多种故障，存在较为明显的交叉性。

针对以上问题的发生，是很难找到故障原因的，而通过模糊数学的运用，借
助函数、关系矩阵等一些较为复杂多变的数学理论，将导致故障发生的原因找出，针对性诊断，确保检测精准度。

由此此诊断技术检测故障时难度较大，投入的时
间较长，所以技术人员要根据情况斟酌使用。

2.3人工神经网络的运用
在机械设备故障诊断过程中，人工神经网络技术可对多发性、突发性故障很
好的解决，同时能够监测大型机器运行情况，对故障及时发现，进而及早采取有
效措施应对。

往往设备运行时故障发生会具备层次性、延时性、关联性、不确定
性等不同的特征，这就加大了检测的难度，需要花费的时间会长一些，有些故障
很棘手，短时间内无法诊断出。

通过人工神经网络技术的运用，其中单子神经网
可诊断故障样本，即便小部位小故障依然可以快速检测出来。

当前，在机械设备
故障检测中，此技术主要运用于以下几个方面：第一，站在模式识别视角下，神
经网络运用以分类器形式检测故障；第二，站在预测视角下，神经网络的运用以
动态预测模型的形式检测故障；第三，借助此技术中非线性动态跟踪系统，检测
结构映射式设备故障。

由于此技术在故障检测中的应用范围较广，在不断完善与
优化中，诊断功能也越来越成熟，逐渐向着模块化诊断形式发展，运用的效果也
在越来越好。

2.4混合智能故障诊断系统的应用
机械设备故障的诊断中，当前比较新颖的人工智能技术便是混合智能故障的
诊断系统。

当前此系统在设备故障诊断中运用的时间并不是很长，但诊断的效果
也是非常显著的，而且在国内外目前已有了与其相关的科研成果，这也在很大程
度上诊断设备故障提供了较好的理论借鉴。

此系统集合了神经网络、专家系统以
及数据库优势，诊断故障主要由神经网络完成，为了降低诊断难度，以对象复杂
性为依据，根据结构、功能分为不同子模块，各个模块间关联性较小，以免影响
诊断结果。

每个子模块由相应神经网组成，借助样本收集数据等信息，并储存至
知识库中。

查找故障原因主要由专家系统完成，知识库主要是由数据库技术完成。

结束语
科技是国家第一生产力，为机械设计制造行业的发展提供了强有力的支撑，
促进机械设备朝着现代化、智能化、精密化、自动化趋势发展，不仅确保了生产
的质量，而且生产效率大幅度提高。

而将人工智能运用到机械设备检测中去，不
仅弥补了传统检测方法费时费力的缺陷，而且对于一些结构复杂、大体型的机械
设备故障依然可以轻松解决。

在时代发展进程中，人工智能逐渐完善，同时导致
机械设备故障的原因也日益复杂多变，技术人员依然需要加大对人工智能的开发
力度，将其优势充分应用于故障检测中。

参考文献
[1]邓华伟.人工智能在机械设备故障检测中的应用[J].内燃机与配
件,2020(11):237-238.
[2]李佳仪,刘继华.基于人工智能技术的机械设备故障诊断[J].电子元器件
与信息技术,2020,4(04):51-52+55.
[3]徐洋.人工智能在设备故障检测中的应用[J].中国高新科
技,2019(08):24-26.。