鄧華偉
摘要:隨著人工智能技術(shù)的不斷發(fā)展,機械設備故障檢測效率和準確性正在不斷提升。對機械設備故障進行檢測的人工智能技術(shù)比較多,可以針對不同的故障采取相應的處理方式。目前,人工智能技術(shù)在應用的過程中還存在一些不足,這就需要不斷開發(fā)人工智能系統(tǒng),結(jié)合機械設備的實際情況,對故障進行更加精確和高效率的檢測。
關(guān)鍵詞:人工智能;機械設備;故障檢測
0? 引言
企業(yè)在不斷發(fā)展的過程中,需要采用性能更加完善,精度更高的機械設備,提高生產(chǎn)效率和質(zhì)量。由于設備的投入量很大,需要消耗較多的資金,因此一旦設備出現(xiàn)問題,就會對企業(yè)的效益造成不利影響。設備在運行的過程中會存在各種各樣的故障,為保證設備正常運行,就要及時對設備的故障進行檢測??梢圆捎萌斯ぶ悄芗夹g(shù)進行故障檢測,可以進一步提高檢測的可靠性。隨著機械設備不斷更新?lián)Q代,人工智能技術(shù)也需要不斷完善,這樣才能保證各種故障得到更加準確的檢測。
1? 人工智能在機械設備故障檢測中的意義
企業(yè)在生產(chǎn)的過程中會應用自動化和智能化性能更高的設備,這些設備大多結(jié)構(gòu)比較精密,設備之間彼此互為關(guān)聯(lián),狀況無法正常運行,就會影響到生產(chǎn)效率的提升,還會給企業(yè)造成很大的損失。如果及時對設備的故障進行檢測,就可以及時分析故障產(chǎn)生的原因,并采取相應的解決對策,延長設備的使用壽命。傳統(tǒng)的機械設備故障檢測手段存在的問題在于不能對復雜的故障進行檢測,而且檢測的方式比較簡單,在應用的過程中會存在很大的局限性,一旦設備的故障比較多元化,或者有突發(fā)性特征,就不容易對其進行準確及時的檢測。隨著機械設備性能的日益完善,設備的內(nèi)部結(jié)構(gòu)精度越來越高,體積越發(fā)小巧,這就必須要保證設備故障檢測技術(shù)與時俱進。
在應用檢測技術(shù)時,需要保證這一技術(shù)具有智能化特征,可以在第一時間內(nèi)發(fā)現(xiàn)故障,同時還要保證技術(shù)符合設備日益復雜的發(fā)展趨勢。以計算機和數(shù)字技術(shù)為支持的故障監(jiān)測技術(shù)已經(jīng)廣泛地應用到各個行業(yè)之中,比較有代表性的就是人工智能技術(shù)。人工智能技術(shù)可以保證機械設備的故障得到自動化檢測,這樣就可以大大縮短檢測的時間,降低維修成本,可以保證設備正常運行,對各類問題起到有效的防范效果。由于人工智能技術(shù)在開展設備檢測時的方法比較多元化,即使設備結(jié)構(gòu)日益復雜,人工智能技術(shù)也可以充分適應,并確保故障得到及時有效的檢測。
2? 機械設備故障與常規(guī)檢測方法
2.1 常見故障
在設備中會存在各種各樣的故障,這就需要定期對設備進行嚴格的檢測,及時對故障進行處理。設備在處理信號時可能會存在故障,這就需要了解信號的處理知識和相關(guān)常識;一些振動信號通常會在旋轉(zhuǎn)機械設備中出現(xiàn),需要維修人員熟練掌握;同時,維修人員還要正確處理和分析圖形,并通過精確的計算對信號的時頻進行分析。在設備的旋轉(zhuǎn)機器中也會存在故障,比如滑動軸承和滾動軸承故障,轉(zhuǎn)子出現(xiàn)不平衡的情況等。為了解決這些故障,就要進行精確的計算,并及時對故障進行排查。在機械設備中齒輪故障也比較常見,這就需要及時檢查齒輪的振動情況,對其噪音進行分析。
2.2 常規(guī)檢測方法
在開展設備故障檢測時,通常需要由專業(yè)的工作人員負責,同時還要借助相應的儀器設備。涉及到振動和噪音故障時,一般可采用振動法對設備中的模態(tài)和參數(shù)進行識別,同時還要測定沖擊能量與沖擊脈沖。除此之外,還可以采用聲學法對設備的故障進行檢測,了解設備的噪音情況,并對與噪音相關(guān)的數(shù)值進行及時記錄。檢查材料中存在的裂紋等缺陷時,可采用超聲波探傷法,雖然這種方式耗費的成本比較低,通常用于檢測平面質(zhì)量缺陷,應用范圍比較局限,而且探測的數(shù)據(jù)可能不夠準確。
在檢測材料中產(chǎn)生的裂紋時,也可以采用射線探傷法,不過這種方式會耗費較多的資金,而且還會對人體產(chǎn)生輻射。超聲探傷法可以對設備零部件中存在的磨損和腐蝕情況進行檢測,這樣就可以了解設備表面的磨損程度,以及腐蝕的類型。此外,還可以采用紅外測溫儀對溫度進行測量,利用熱輻射對故障進行診斷。在應用這些檢測技術(shù)的過程中,需要大量的人力和物力參與其中。
3? 人工智能在設備故障檢測中的應用范圍
由于現(xiàn)代機械設備的故障比較多元化,而且機械設備的結(jié)構(gòu)比較精密,各環(huán)節(jié)之間彼此互為連接,如果采用傳統(tǒng)的檢測方式,就可能會由于人工操作中的失誤而無法保證各項數(shù)據(jù)得到準確的記錄。采用人工智能技術(shù)可以保證設備的故障得到準確檢測,還可以對各項資源進行優(yōu)化配置,只需利用系統(tǒng)程序即可進行復雜的計算,確保數(shù)據(jù)能夠及時得到記錄,這樣不僅可以提高數(shù)據(jù)的準確性,還可以方便進行數(shù)據(jù)查找。工作人員在對數(shù)據(jù)進行統(tǒng)計時,只需查閱圖表即可,而且數(shù)據(jù)將會更加直觀。傳統(tǒng)的故障診斷方式不僅會耗費資源,還會影響到檢測結(jié)果的準確性。因此,應用人工智能技術(shù)開展機械設備故障檢測很有必要。
3.1 機械設計與制造
人工智能技術(shù)可用在機械設計和制造之中。不管是設計還是制造零部件,均需要有內(nèi)容完善的圖紙作為依據(jù)。此外,要了解機械零部件的結(jié)構(gòu)組成,保證部件之間可以互相配合。要精確計算零部件的尺寸,確定其各項技術(shù)參數(shù)。采用人工智能技術(shù)可以準確測量零部件的各個尺寸,減少誤差。比如,使用CAM智能化系統(tǒng)可以直接利用網(wǎng)絡技術(shù)展示零部件的結(jié)構(gòu),還可以確保復雜的設計轉(zhuǎn)變成相應的程序。此外,人工智能技術(shù)還可以與數(shù)控技術(shù)相結(jié)合,這樣就可以保證設備的故障得到更加精準的檢測。
3.2 機械電子工程設備故障檢測
機械電子工程設備一旦有故障,就可以利用人工智能技術(shù)展示出工程的內(nèi)部結(jié)構(gòu),這樣就可以對內(nèi)部結(jié)構(gòu)進行分析,從而及時找出故障。人工智能技術(shù)中的模糊神經(jīng)網(wǎng)絡能夠及時對設備進行判斷,無需過多依賴某一模型,只需進行精確監(jiān)測,就可以幫助人們迅速找到故障,確保設備正常運行。在設備運行的過程中會存在突發(fā)故障,采用人工智能技術(shù)就可以及時進行預警,并保證故障得到及時修復。人工智能技術(shù)可以提供相應的故障預防方案和應急對策,最大程度減少損失,提高設備運行的安全性和可靠性。
4? 人工智能在設備故障檢測中的具體應用
4.1 專家系統(tǒng)
在人工智能技術(shù)中,專家系統(tǒng)是一種比較常見的故障檢測技術(shù)。專家系統(tǒng)主要是對專家的思維和知識結(jié)構(gòu)進行模擬,便于解決某一專業(yè)的問題。通常會采用智能計算機程序系統(tǒng)獲取知識管理庫中的知識,系統(tǒng)會結(jié)合這些知識進行嚴格的推理。人工智能系統(tǒng)數(shù)據(jù)庫會通過解釋器將數(shù)據(jù)轉(zhuǎn)化為問題的解釋答案。專家系統(tǒng)中包含的專業(yè)學科知識比較多,為保證知識得到有效利用,專家系統(tǒng)中的智能化功能可及時根據(jù)問題對知識庫中的知識進行提煉。人工智能可以對專家和工程師的知識迅速整合和學習,并將知識納入到知識管理庫之中。此時,系統(tǒng)會以設備能夠理解的方式及時解答問題,再通過人機交互形成專門的語言。對設備故障進行檢測時,專家系統(tǒng)中的推理機制可以充分發(fā)揮作用,在其內(nèi)部機制中會有類似問題的解決方式,這樣就可以保證故障得到準確的定位與診斷。
4.2 人工神經(jīng)理論
人工神經(jīng)理論是一種典型的算法數(shù)學模型,支持其發(fā)揮作用的主要依據(jù)就是人工神經(jīng)網(wǎng)絡。人工神經(jīng)元主要負責激活模擬人類大腦的神經(jīng)網(wǎng)絡,其目的在于利用這一網(wǎng)絡實現(xiàn)對信息的一系列處理,使數(shù)據(jù)得到高效保存。由于神經(jīng)元比較多,而且彼此之間的關(guān)系非常密切,因此,采用人工神經(jīng)理論就可以確保信息得到及時吸收,人們可以充分利用神經(jīng)網(wǎng)絡的優(yōu)勢,使其在眾多領(lǐng)域中發(fā)揮作用。對設備故障進行檢測時,可以采用人工神經(jīng)理論對故障進行分析,采用多個神經(jīng)元與故障相互作用,就可以在一系列反應下找到故障的位置。確認故障后,用戶就可以及時了解問題所在。人工神經(jīng)網(wǎng)絡還可以對故障進行預測,分析每個零部件的主要參數(shù),幫助用戶更好地了解到設備的使用情況,及時避免出現(xiàn)故障。
4.3 模糊集理論
可以將模糊集理論作為理論思維的基本方式,這一理論中包含的學科比較模糊,除了邏輯學和模糊數(shù)學之外,學科知識之間的關(guān)系因比較模糊,但又要以集合的方式呈現(xiàn),共同為這一理論展開服務,因此,就可以將其稱之為模糊集理論。模糊集理論并不具備隨機性,其主要是指事物本身的概念比較模糊,通過這一理論可以及時對模型進行分辨和識別。通過計算出模糊數(shù)就可以及時獲取知識,這樣就可以采用模糊融合的方式對設備的故障進行檢測,并及時將診斷結(jié)果與故障進行對比,就可以更好地解決故障。總之,模糊集理論的運用可以保證設備得到更加準確的檢查,由于與之相關(guān)的技術(shù)更加穩(wěn)定,對數(shù)據(jù)進行分析時也會更加完善。隨著時代的不斷發(fā)展,模糊集理論將會得到進一步改進。
5? 結(jié)束語
由于機械設備功能日益多元化,結(jié)構(gòu)越發(fā)復雜,設備故障也會變得更加多樣化。采用傳統(tǒng)的檢測方法可能就會導致故障無法準時在第一時間內(nèi)得到檢測,還會投入大量的人力和物力。應用人工智能開展設備檢測,不僅可以縮短檢測時間,提高檢測效率,還可以保證檢測結(jié)果的準確性。在人工智能中有多種技術(shù),要準確把握技術(shù)的特點和優(yōu)勢,加強研究與開發(fā)力度,確保人工智能發(fā)揮出更加有效的作用。
參考文獻:
[1]李承澤.基于智能化的機械設備電氣自動化技術(shù)應用研究[J].農(nóng)家參謀,2020(03):182.
[2]許麗.人工智能在機械設備故障檢測中的應用[J].南方農(nóng)機,2019,50(24):178.
[3]陳道通.機電一體化技術(shù)在智能制造中的應用[J].智能城市,2019,5(23):195-196.
[4]田寶連,寇元金.機械電子工程與人工智能的關(guān)系探析[J].湖北農(nóng)機化,2019(12):13.
[5]徐洋.人工智能在設備故障檢測中的應用[J].中國高新科技,2019(08):24-26.