0 引言

自從上世紀(jì)50年代第1臺(tái)通用計(jì)算機(jī)出現(xiàn)后，人們進(jìn)入了信息時(shí)代，在生產(chǎn)方式方面產(chǎn)生了質(zhì)的飛躍。在進(jìn)入21世紀(jì)之后，隨著全球經(jīng)濟(jì)的快速發(fā)展，我國(guó)的改革開(kāi)放進(jìn)一步深入，在發(fā)展過(guò)程中，計(jì)算機(jī)技術(shù)水平進(jìn)一步提高，開(kāi)始應(yīng)用于各個(gè)領(lǐng)域，取得了令人矚目的成就，各行各業(yè)也逐步開(kāi)始進(jìn)行創(chuàng)新。許多行業(yè)與計(jì)算機(jī)技術(shù)的融合使其生產(chǎn)效率大幅度提高，工業(yè)是我國(guó)經(jīng)濟(jì)建設(shè)過(guò)程中的支柱行業(yè)，有機(jī)的融入人工智能技術(shù)可以大幅度提升工業(yè)的發(fā)展水平，尤其是在機(jī)械設(shè)備故障檢測(cè)方面，融入人工智能技術(shù)后可以大幅度提升檢測(cè)效率。

1 人工智能理論概述

人工智能技術(shù)是當(dāng)前的熱門(mén)技術(shù)，誕生于上世紀(jì)60年代，隨著當(dāng)前信息技術(shù)快速發(fā)展，人們?cè)谟?jì)算機(jī)硬件方面取得重大突破，計(jì)算機(jī)的計(jì)算能力也逐步提升，人工智能技術(shù)開(kāi)始在各大領(lǐng)域得到了廣泛的應(yīng)用。人工智能技術(shù)主要是通過(guò)計(jì)算機(jī)與各行業(yè)相結(jié)合，基于智能化和數(shù)字化為基礎(chǔ)進(jìn)行快速的應(yīng)用，比如說(shuō)在生產(chǎn)生活當(dāng)中一些自動(dòng)化機(jī)器通過(guò)人工智能技術(shù)來(lái)進(jìn)行控制，可以通過(guò)計(jì)算機(jī)將自動(dòng)化技術(shù)與控制技術(shù)相融合，提升控制的水平。

2 人工智能在機(jī)械設(shè)備故障檢測(cè)中的意義

在企業(yè)生產(chǎn)經(jīng)營(yíng)中會(huì)使用大量的先進(jìn)技術(shù)，自動(dòng)化技術(shù)就是其中之一，當(dāng)前我國(guó)工業(yè)生產(chǎn)過(guò)程中智能化技術(shù)和自動(dòng)化技術(shù)的應(yīng)用對(duì)工業(yè)生產(chǎn)效率的提升具有很大的幫助，但是由于設(shè)備越來(lái)越復(fù)雜，之間的聯(lián)系越來(lái)越緊密，如果某一設(shè)備出現(xiàn)故障無(wú)法正常運(yùn)行，可能會(huì)影響其他設(shè)備，導(dǎo)致企業(yè)在生產(chǎn)經(jīng)營(yíng)過(guò)程中出現(xiàn)較大的損失。如果企業(yè)無(wú)法及時(shí)發(fā)現(xiàn)并且解決這些問(wèn)題，會(huì)嚴(yán)重影響企業(yè)的經(jīng)濟(jì)效益。為了將這些設(shè)備的使用壽命提升，需要加強(qiáng)維護(hù)和檢修，通過(guò)科學(xué)的方式使設(shè)備的使用壽命延長(zhǎng)，防止長(zhǎng)期帶病操作導(dǎo)致設(shè)備的效率產(chǎn)生影響。只有快速分析設(shè)備的運(yùn)行狀態(tài)，了解設(shè)備可能出現(xiàn)的問(wèn)題，才能快速提升設(shè)備的穩(wěn)定性，為企業(yè)創(chuàng)造更高的經(jīng)濟(jì)效益。在科學(xué)應(yīng)用檢測(cè)技術(shù)的過(guò)程中，需要合理篩選智能化方法，引入人工智能等技術(shù)，及時(shí)發(fā)現(xiàn)生產(chǎn)設(shè)備當(dāng)中出現(xiàn)的各種問(wèn)題，并且采取合理的策略進(jìn)行處理。人工智能技術(shù)的準(zhǔn)確性較高，可以在檢測(cè)過(guò)程中快速縮短耗費(fèi)的時(shí)間，降低資金成本，這樣可以保證設(shè)備能夠穩(wěn)定的運(yùn)行。

3 人工智能在設(shè)備故障檢測(cè)中的具體應(yīng)用

3.1 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)也被叫做是神經(jīng)網(wǎng)絡(luò)，主要是一些處理單元組成，也就是神經(jīng)元這些神經(jīng)元相互廣泛連接，最終產(chǎn)生復(fù)雜的網(wǎng)絡(luò)，其在醫(yī)學(xué)自動(dòng)化、工程信息技術(shù)方面應(yīng)用非常廣泛。該網(wǎng)絡(luò)對(duì)生物神經(jīng)系統(tǒng)進(jìn)行模擬，通過(guò)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)以及網(wǎng)絡(luò)單元的輸入輸出結(jié)構(gòu)來(lái)逐步實(shí)現(xiàn)信息的有效處理，在實(shí)踐中通過(guò)神經(jīng)網(wǎng)絡(luò)推理引入模糊機(jī)制來(lái)使系統(tǒng)的透明性提高，從而保證人工智能網(wǎng)絡(luò)的解釋機(jī)制能夠有效運(yùn)行。神經(jīng)網(wǎng)絡(luò)有聯(lián)想推測(cè)、自適應(yīng)記憶、容錯(cuò)等各種功能，在當(dāng)前機(jī)械設(shè)備運(yùn)行中可以對(duì)一些突發(fā)性故障、多發(fā)性故障進(jìn)行有效處理，還可以對(duì)大型設(shè)備的運(yùn)行情況進(jìn)行監(jiān)測(cè)，以便采取合理手段進(jìn)行控制，保證整個(gè)系統(tǒng)的穩(wěn)定運(yùn)行。

機(jī)械設(shè)備運(yùn)行中如果產(chǎn)生故障，故障望具有相關(guān)性、不確定性、延時(shí)性等特點(diǎn)，通常故障檢測(cè)會(huì)耗費(fèi)大量的時(shí)間。面對(duì)一些復(fù)雜的故障，處理起來(lái)非常棘手，而通過(guò)人工智能可以通過(guò)神經(jīng)網(wǎng)絡(luò)的單個(gè)神經(jīng)元來(lái)對(duì)故障樣本進(jìn)行分析，并且采取合理的措施進(jìn)行控制。針對(duì)一些局部小故障可以快速解決，當(dāng)前人工神經(jīng)網(wǎng)絡(luò)在故障識(shí)別過(guò)程中主要分成兩種，一種是從模式識(shí)別角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為分類器，完成故障識(shí)別。第二種是通過(guò)預(yù)測(cè)角度通過(guò)神經(jīng)網(wǎng)絡(luò)極強(qiáng)的非線性動(dòng)態(tài)跟蹤能力來(lái)快速完成故障識(shí)別。在當(dāng)前人工神經(jīng)網(wǎng)絡(luò)越來(lái)越成熟的環(huán)境下，可以實(shí)現(xiàn)模塊化的故障診斷，應(yīng)用效果逐步提升。

下面以齒輪箱為例，分析研究人工智能技術(shù)在機(jī)械設(shè)備故障檢測(cè)當(dāng)中的應(yīng)用。齒輪箱是各類機(jī)械的變速傳動(dòng)部件，一般包含軸、齒輪和軸承等零部件，其運(yùn)行正常與否涉及到整臺(tái)機(jī)器的工作狀況。由于制造誤差、裝配不當(dāng)或在不適當(dāng)?shù)臈l件下使用，常會(huì)發(fā)生損傷等故障。根據(jù)相關(guān)資料，斷齒占齒輪故障比例的41%，點(diǎn)蝕為31%，劃痕為10%，磨損占10%，其他為8%，圖1為多級(jí)行星齒輪減速器故障樹(shù)圖。

3.2 模糊集理論

在此，我們以輪齒折斷、齒根裂紋、齒面磨損、軸承外圈故障、內(nèi)圈故障和滾動(dòng)體故障構(gòu)成輸出故障向量F，F(xiàn)=[輪齒折斷齒根裂紋齒面磨損軸承外圈故障軸承內(nèi)圈故障滾動(dòng)體故障]。當(dāng)神經(jīng)網(wǎng)絡(luò)輸出單元值為1或接近1時(shí)，表示對(duì)應(yīng)的工況存在；而當(dāng)輸出單元值為0或接近0時(shí)，表示狀態(tài)不存在。以輪齒折斷、齒根裂紋、齒面磨損、軸承外圈故障、內(nèi)圈故障和滾動(dòng)體故障四種故障現(xiàn)象各取4組融合能量數(shù)據(jù)樣本作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。根據(jù)以上分析，確定神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元個(gè)數(shù)為為6，隱層神經(jīng)元個(gè)數(shù)確定為13。

3.3 故障樹(shù)

專家系統(tǒng)主要通過(guò)人工智能模擬專家的思維方式來(lái)對(duì)故障進(jìn)行處理，不需要專家親臨現(xiàn)場(chǎng)進(jìn)行思考的條件下，解決一些復(fù)雜的問(wèn)題。專家系統(tǒng)是源于20世紀(jì)60年代，主要通過(guò)人機(jī)接口、推理機(jī)構(gòu)、知識(shí)庫(kù)三個(gè)部分組成，是一種基于知識(shí)表達(dá)并通過(guò)產(chǎn)生式規(guī)則發(fā)揮作用的系統(tǒng)。該系統(tǒng)能夠合乎人的心理邏輯，因此在實(shí)際應(yīng)用中易于被人接受，將其應(yīng)用于機(jī)械設(shè)備的故障檢測(cè)相結(jié)合，可以大幅度提升檢測(cè)效率。該系統(tǒng)擁有專家和運(yùn)行運(yùn)用知識(shí)解題的推理能力是故障解決的重要幫手。隨著當(dāng)前信息技術(shù)快速發(fā)展，該技術(shù)也逐步成熟。

3.4 專家系統(tǒng)

故障樹(shù)也是人工智能領(lǐng)域的一種重要技術(shù)。該技術(shù)在實(shí)際應(yīng)用過(guò)程中，針對(duì)機(jī)械設(shè)備最不希望出現(xiàn)的故障為基礎(chǔ)進(jìn)行分析，并且依照邏輯關(guān)系，由上到下逐步展開(kāi)推理，了解故障出現(xiàn)的原因，并且使用邏輯門(mén)等形式逐步連接故障原因和故障內(nèi)容，最終實(shí)現(xiàn)系統(tǒng)故障和單元故障間的聯(lián)系。該技術(shù)應(yīng)用過(guò)程中具有精確性高、效率高等諸多優(yōu)勢(shì)，然而無(wú)法對(duì)一些故障進(jìn)行預(yù)知性判斷。

通過(guò)本次論壇的開(kāi)展，與會(huì)專家就“大學(xué)圖書(shū)館的重塑之道”達(dá)成了以下共識(shí)：當(dāng)前圖書(shū)館不僅面臨急劇變化的社會(huì)環(huán)境以及用戶需求的挑戰(zhàn)，而且也面臨圖書(shū)館內(nèi)部管理上的挑戰(zhàn)，對(duì)此，需要轉(zhuǎn)變工作思維方式，積極面對(duì)變化、擁抱變化，不斷自我調(diào)整，以應(yīng)對(duì)挑戰(zhàn)。其次，圖書(shū)館服務(wù)于學(xué)校的教、學(xué)、研，圖書(shū)館的管理運(yùn)作應(yīng)與學(xué)校的定位與發(fā)展戰(zhàn)略相契合，圖書(shū)館的發(fā)展理念應(yīng)與學(xué)校發(fā)展理念保持高度一致。此外，要加強(qiáng)校內(nèi)外機(jī)構(gòu)的合作，合作是圖書(shū)館實(shí)現(xiàn)轉(zhuǎn)型的重要抓手之一。

4 機(jī)械設(shè)備當(dāng)中融入人工智能技術(shù)的方法

德國(guó)人把目光投向了一個(gè)數(shù)量龐大的人群，那就是全職媽媽。這些媽媽經(jīng)過(guò)一定的培訓(xùn)，就成為了身兼母親和護(hù)理員兩職的可用人才。有關(guān)數(shù)據(jù)顯示，目前德國(guó)1.1萬(wàn)多家養(yǎng)老機(jī)構(gòu)的62萬(wàn)從業(yè)人員中，超過(guò)60%都是非全職的。在1.2萬(wàn)居家護(hù)理企業(yè)的27萬(wàn)從業(yè)人員中，非全職的比例甚至超過(guò)了70%，絕大部分都是全職媽媽。

第三，平臺(tái)向上滑動(dòng)。依據(jù)模板以及混凝土壓強(qiáng)的實(shí)際大小，開(kāi)展相應(yīng)的工作，若在作業(yè)期間，模板混凝土的實(shí)際達(dá)到了1/3MPa，對(duì)于鋼筋的綁扎要依據(jù)實(shí)際情況進(jìn)行，并且要通過(guò)不間斷循環(huán)作業(yè)，完成凝土滑動(dòng)模型施工[4]。此外，具體施工期間，可以依據(jù)經(jīng)驗(yàn)判斷平臺(tái)的上升時(shí)機(jī)，用手觸摸有硬感時(shí)，可以向上移動(dòng)，每次移動(dòng)滑程應(yīng)當(dāng)控制在5cm左右，實(shí)際操作可以依據(jù)具體情況而定。

由于振動(dòng)信號(hào)多集中于軸承座上，所以，各狀態(tài)監(jiān)測(cè)點(diǎn)應(yīng)布置在軸承座1至5上，傳感器呈90。布置（如圖2所示），獲取多級(jí)行星齒輪減速器的振動(dòng)信號(hào)。

模糊集理論主要是從思維角度進(jìn)行模型的構(gòu)建，涉及到大量學(xué)科，內(nèi)容相對(duì)較為復(fù)雜，主要融入了模糊數(shù)學(xué)和邏輯學(xué)的知識(shí)，與此同時(shí)還融入一些其他的學(xué)科。這些學(xué)科間相互聯(lián)系具有模糊的特點(diǎn)，這一理論在應(yīng)用過(guò)程中不同學(xué)科需要通過(guò)集合方式存在，可以將多個(gè)學(xué)科的聯(lián)合稱為模糊。這種理論在實(shí)際應(yīng)用過(guò)程中，隨機(jī)性較強(qiáng)，可以通過(guò)分辨模型快速將模糊數(shù)據(jù)計(jì)算出來(lái)，以獲得相關(guān)的知識(shí)。通過(guò)該方法檢測(cè)故障設(shè)備，可以及時(shí)對(duì)比分析故障，快速排除故障。

在機(jī)械自動(dòng)化設(shè)備當(dāng)中融入人工智能技術(shù)具有非常重要的意義，能夠大幅度優(yōu)化機(jī)械自動(dòng)化控制設(shè)計(jì)和故障診斷。首先在設(shè)計(jì)時(shí)需要與實(shí)際情況結(jié)合，依照設(shè)計(jì)的具體要求進(jìn)行設(shè)計(jì)，在設(shè)計(jì)期間，需要書(shū)本的理論知識(shí)和設(shè)計(jì)人員的經(jīng)驗(yàn)進(jìn)一步提升設(shè)計(jì)效果。在傳統(tǒng)機(jī)械系統(tǒng)設(shè)計(jì)時(shí)，往往只重視電氣系統(tǒng)的應(yīng)用，沒(méi)有有機(jī)地融入人工智能技術(shù)，造成機(jī)械自動(dòng)化控制和自我診斷的效果差強(qiáng)人意，由于人工設(shè)計(jì)出現(xiàn)一定的缺陷，會(huì)造成機(jī)械綜合控制技術(shù)無(wú)法有效得到應(yīng)用。在人工智能技術(shù)與自動(dòng)化控制診斷技術(shù)相結(jié)合的過(guò)程中，需要注意加強(qiáng)故障控制，通常需要注意以下幾個(gè)步驟。首先，需要對(duì)機(jī)械設(shè)備的特征型號(hào)進(jìn)行查看，了解其特點(diǎn)，其次需要依照其特點(diǎn)，分析需要檢測(cè)的部位和可能出現(xiàn)的問(wèn)題，對(duì)系統(tǒng)的故障信息數(shù)據(jù)庫(kù)進(jìn)行更新。第三，需要通過(guò)采集的數(shù)據(jù)和視頻有效地識(shí)別機(jī)械設(shè)備運(yùn)行的狀態(tài)，并且依照故障信息庫(kù)的具體條件來(lái)分析機(jī)械設(shè)備的使用狀態(tài)，并且對(duì)可能出現(xiàn)的故障進(jìn)行判斷。當(dāng)前，我國(guó)工業(yè)技術(shù)快速發(fā)展，在機(jī)械設(shè)備的故障診斷技術(shù)相對(duì)較為完善，尤其是在結(jié)合了人工智能、專家系統(tǒng)等技術(shù)之后，可以通過(guò)傳感器的數(shù)據(jù)和視頻畫(huà)面自動(dòng)進(jìn)行故障分析，讓故障診斷的效率提高，保證準(zhǔn)確性。

網(wǎng)絡(luò)的輸入向量范圍為[01；01；01；0l；01；01]，隱含層神經(jīng)元的傳遞函數(shù)仍然采用s型正切函數(shù)tansig，輸出層神經(jīng)元傳遞函數(shù)采用s型對(duì)數(shù)函數(shù)logsig，訓(xùn)練函數(shù)采用traingdx，學(xué)習(xí)函數(shù)為梯度下降動(dòng)量學(xué)習(xí)函數(shù)learngdm，總步長(zhǎng)設(shè)為10000，全局誤差設(shè)置為0.001，學(xué)習(xí)率為0.6。針對(duì)輪齒折斷、齒根裂紋、齒面磨損、軸承外圈故障、內(nèi)圈故障和滾動(dòng)體故障等六種不同的工況，設(shè)定神經(jīng)網(wǎng)絡(luò)的輸出層輸出目標(biāo)向量為[10000；010000；001000；000100；000010；000001]。圖4是齒輪故障診斷的BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練誤差曲線，在1000步輸入數(shù)據(jù)己基本滿足訓(xùn)練精度的要求。

5 人工智能在機(jī)械設(shè)備故障檢測(cè)中的應(yīng)用前景

伴隨當(dāng)前信息技術(shù)快速發(fā)展，人工智能在機(jī)械設(shè)備故障檢測(cè)當(dāng)中應(yīng)用也逐步拓展，日趨多樣化?？傮w而言，機(jī)械故障智能檢測(cè)技術(shù)在發(fā)展的過(guò)程中，有以下幾個(gè)方向：首先融合了大量的多傳感器數(shù)據(jù)，機(jī)械設(shè)備傳感器的數(shù)量和功能逐步拓展，在融入大量傳感器之后可以快速精準(zhǔn)地進(jìn)行檢測(cè)。在實(shí)踐中需要有效地分析設(shè)備的運(yùn)行狀態(tài)，積極檢查設(shè)備的功耗、溫度、壓力等情況，準(zhǔn)確的采集相關(guān)的數(shù)據(jù)信息，如果電氣設(shè)備產(chǎn)生故障，需要合理篩選數(shù)據(jù)，進(jìn)行分析，依照數(shù)據(jù)之間的關(guān)聯(lián)性準(zhǔn)確判斷可能出現(xiàn)的故障，為后續(xù)的維修工作打下堅(jiān)實(shí)的基礎(chǔ)。其次是通過(guò)混合智能技術(shù)快速實(shí)現(xiàn)故障的識(shí)別，現(xiàn)代化機(jī)械設(shè)備逐步向智能化、大型化方向發(fā)展，故障必然出現(xiàn)多樣化，而且具有較強(qiáng)的突發(fā)性。因此需要重視加強(qiáng)多種故障檢測(cè)技術(shù)的綜合使用以實(shí)現(xiàn)故障的快速檢測(cè)，以傳感器、人工智能等信息技術(shù)為基礎(chǔ)的遠(yuǎn)程故障診斷手段逐步出現(xiàn)，能夠使診斷的效率大幅度提升。

在“中央軍入晉”一節(jié)寫(xiě)葉劍英施行“空城計(jì)”和打“地道戰(zhàn)”，就屬于這一類。在葉劍英的“空城計(jì)”下，一邊是葉劍英指揮部隊(duì)休息，“有抱著槍睡覺(jué)的，有吃干糧的，戰(zhàn)士們嬉笑著在隱蔽處看熱鬧”，一邊是“邢家驤舉著望遠(yuǎn)鏡觀察，看見(jiàn)中彈的‘紅軍’都燒成了灰燼，這才發(fā)現(xiàn)上當(dāng)了，趕緊命令停止射擊……”使一愚一智兩種打仗方法對(duì)比分明，也使小說(shuō)增加了閱讀趣味。

6 結(jié)束語(yǔ)

在機(jī)械設(shè)備故障診斷過(guò)程中，合理應(yīng)用人工智能技術(shù)可以快速地實(shí)現(xiàn)機(jī)械設(shè)備的故障診斷，并且具有一定的預(yù)測(cè)防范能力，能夠確保設(shè)備的有效運(yùn)行。當(dāng)前機(jī)械設(shè)備故障智能診斷技術(shù)依然處于起步階段，發(fā)展前景巨大，需要相關(guān)人員不斷進(jìn)行實(shí)踐，逐步深化機(jī)械設(shè)備故障檢測(cè)與人工智能技術(shù)的結(jié)合，大幅度提升工業(yè)設(shè)備的使用效率。

[1]鄧華偉.人工智能在機(jī)械設(shè)備故障檢測(cè)中的應(yīng)用[J].內(nèi)燃機(jī)與配件，2020（11）：223-224.

[2]劉華敏，呂倩，余小玲，等.基于人工智能的往復(fù)式壓縮機(jī)故障診斷研究綜述[J].流體機(jī)械，2020，48（9）：171-172.

[3]文學(xué)福，宋小峰.人工智能技術(shù)在機(jī)械領(lǐng)域中的應(yīng)用探討[J].科技創(chuàng)新與應(yīng)用，2021，11（16）：131-132.

[4]吳東，楊光露，魏新峰，索糧.人工智能在線監(jiān)測(cè)技術(shù)在煙草機(jī)械故障診斷中的應(yīng)用[J].機(jī)械制造，2020，58（11）：113-114.

[5]馬小平，楊雪苗，胡延軍，等.人工智能技術(shù)在礦山智能化建設(shè)中的應(yīng)用初探[J].工礦自動(dòng)化，2020，46（5）：712-713.