關(guān)鍵詞：人工智能技術(shù)；設(shè)備檢測；故障診斷

中圖法分類號：TP393 文獻(xiàn)標(biāo)識碼：A

1引言

設(shè)備檢測是分析設(shè)備運行狀態(tài)的重要一環(huán)，高質(zhì)量的設(shè)備檢測不僅能夠提前發(fā)現(xiàn)設(shè)備運行期間的潛在風(fēng)險隱患，還能提高設(shè)備檢測結(jié)果的精確性，在增加設(shè)備運行壽命的同時保障設(shè)備能夠以穩(wěn)定且安全的狀態(tài)持續(xù)運行。借助人工智能技術(shù)能夠在一定程度上提高設(shè)備檢測質(zhì)量，而且人工智能技術(shù)作為發(fā)展智能化設(shè)備檢測不可缺少的重要組成部分，更是未來設(shè)備檢測技術(shù)發(fā)展的必然趨勢。因此，有必要對人工智能技術(shù)在設(shè)備檢測中的應(yīng)用進行分析。

2人工智能技術(shù)在設(shè)備檢測中的重要性

人工智能的概念比較廣泛，人工智能技術(shù)的本質(zhì)就是采用信息程序?qū)θ诉M行模擬的一項技術(shù)，作為計算機學(xué)科中的重要分支技術(shù)，人工智能技術(shù)在應(yīng)用過程中必然要依賴計算機來開展各項操作。人工智能技術(shù)能夠在運行期間最大限度地對人類行為進行模擬，而且通過智能化技術(shù)還能不斷完善人類的行為模式。人工智能技術(shù)可以通過智能分析與推算，不斷分析大量人類的行為案例來總結(jié)回顧知識框架，并通過知識應(yīng)用來完善行為模式。在設(shè)備檢測期間，基于人工智能技術(shù)通過故障樹、模糊數(shù)學(xué)等方式來實現(xiàn)對設(shè)備運行狀態(tài)的深入分析，以此來找出設(shè)備運行期間的潛在風(fēng)險隱患，以避免設(shè)備的風(fēng)險隱患變成嚴(yán)重的設(shè)備故障。

設(shè)備檢測的核心目標(biāo)就是通過分析設(shè)備運行狀態(tài)，識別設(shè)備是否存在異常情況，如果發(fā)現(xiàn)設(shè)備異常便要在第一時間明確設(shè)備的故障性質(zhì)與風(fēng)險部位，通過及時找到設(shè)備故障起因，以此來實現(xiàn)對設(shè)備運行狀態(tài)的提前預(yù)警。在設(shè)備檢測中，只要能夠提前發(fā)現(xiàn)設(shè)備異常并針對性地提出設(shè)備異常的解決方案，就能最大限度地提高設(shè)備運行質(zhì)量，以避免設(shè)備在異常風(fēng)險因素的影響下造成不可估量的損失。因此，對于設(shè)備檢測而言，人工智能技術(shù)的重要性毋庸置疑，只要借助人工智能技術(shù)對設(shè)備檢測工作進行全方位的優(yōu)化，就可以在提高設(shè)備檢測精度的同時提升設(shè)備檢測效率。相較于傳統(tǒng)的人工檢測技術(shù)，以人工智能技術(shù)為核心的設(shè)備檢測模式不僅能夠解決人工失誤問題，還可以借助計算機技術(shù)來實現(xiàn)海量數(shù)據(jù)管理并提升設(shè)備檢測數(shù)據(jù)的統(tǒng)計能力。因此，相較于傳統(tǒng)設(shè)備檢測技術(shù)，人工智能技術(shù)必然會成為設(shè)備檢測技術(shù)的未來發(fā)展趨勢。

3人工智能設(shè)備檢測技術(shù)的設(shè)備狀態(tài)診斷類別分析

人工智能設(shè)備檢測技術(shù)的核心要素就是人工智能技術(shù)，將人工智能技術(shù)與設(shè)備檢測相融合，借助人工智能實現(xiàn)對設(shè)備檢測水平的提升。從技術(shù)特征的角度出發(fā)，人工智能設(shè)備檢測的故障樹診斷往往需要借助故障邏輯結(jié)構(gòu)來實現(xiàn)對設(shè)備運行情況的邏輯分析與推理，通過錯誤輸出可以找出潛在的輸入錯誤，在設(shè)備檢測的編程中，需要利用嵌套算法來進行狀態(tài)分析，所以這種設(shè)備檢測方式更加適合在系統(tǒng)結(jié)構(gòu)簡單、耦合少的情況下運行。而在如今的設(shè)備檢測技術(shù)發(fā)展中，因為待檢測設(shè)備發(fā)展的復(fù)雜化，所以人工智能技術(shù)在設(shè)備檢測中的應(yīng)用也在不斷優(yōu)化，智能設(shè)備診斷如今已經(jīng)成為開展設(shè)備檢測的核心診斷方式。

從智能診斷系統(tǒng)在運行期間對知識處理途徑的角度出發(fā)，智能設(shè)備診斷基本可以分為兩大類，其一是以符號推理為核心的智能診斷方式，如傳統(tǒng)人工智能診斷便是這種診斷方式的代表性技術(shù)。其二則是以數(shù)值計算為核心的診斷方式，人工神經(jīng)網(wǎng)絡(luò)診斷便是數(shù)字計算診斷不可缺少的重要技術(shù)，以數(shù)值計算為核心的設(shè)備診斷作為如今在智能診斷領(lǐng)域不可忽視的關(guān)鍵性技術(shù)，其具有更廣闊的發(fā)展空間。

在分析基于符號推理的診斷系統(tǒng)時，可以發(fā)現(xiàn)所有的知識都將按照既定規(guī)則，使用特定描述符號來表示特定內(nèi)容，無論是知識的存儲還是處理，都必然會將符號視為知識管理的核心要素。在此期間，知識處理系統(tǒng)可以結(jié)合知識庫與推理機制來實現(xiàn)邏輯分析，通過不斷開展邏輯分析能夠有效甄別設(shè)備運行狀態(tài)。同時，知識庫、推理設(shè)備各自具有一定程度的獨立性，所以基于符號推理的智能設(shè)備診斷在實際操作中需要面對較為復(fù)雜的操作環(huán)境，只有在設(shè)備檢測對實時檢測速度要求不高且檢測內(nèi)容簡單的情況下，才能最大限度地發(fā)揮出智能設(shè)備檢測應(yīng)有的價值。

在分析基于數(shù)值計算的智能設(shè)備診斷系統(tǒng)時，可以發(fā)現(xiàn)所有的知識都將通過系統(tǒng)權(quán)系數(shù)矩陣來進行存儲，而知識獲取則需要結(jié)合學(xué)習(xí)規(guī)則，通過不斷進行智能學(xué)習(xí)來逐漸改變權(quán)系數(shù)矩陣。從知識處理角度出發(fā)，以數(shù)值計算為核心的設(shè)備診斷方式并不具備知識獲取限制等功能。在所有的設(shè)備診斷方法中，神經(jīng)網(wǎng)絡(luò)診斷以及模糊神經(jīng)網(wǎng)絡(luò)診斷是最為典型的診斷方式，這種以數(shù)值計算為核心的診斷方式對設(shè)備診斷硬件平臺的處理能力具有較高的要求。在借助人工智能技術(shù)開展人工智能設(shè)備檢測工作時，只有采用最為適合的人工智能技術(shù)，才可以在提高設(shè)備檢測水平的同時進一步優(yōu)化設(shè)備檢測質(zhì)量。

4設(shè)備檢測中人工智能技術(shù)的應(yīng)用

人工智能技術(shù)可以應(yīng)用在各行各業(yè)的經(jīng)營發(fā)展中，這也是人工智能技術(shù)適應(yīng)性強的一種外在體現(xiàn)，通過分析人工智能技術(shù)在設(shè)備檢測中的應(yīng)用方式，可以從多個角度借助人工智能技術(shù)來滿足設(shè)備檢測的實際需求，進而提升設(shè)備檢測效果。

4.1專家系統(tǒng)在設(shè)備檢測中的應(yīng)用

很多企業(yè)在經(jīng)營發(fā)展中都離不開設(shè)備檢測技術(shù)的支持，因為設(shè)備檢測不僅能夠幫助企業(yè)分析設(shè)備當(dāng)前的運行狀態(tài)，還可以幫助企業(yè)規(guī)避設(shè)備運行期間可能存在的潛在風(fēng)險因素。借助人工智能技術(shù)開展設(shè)備檢測工作的核心目標(biāo)就是進一步提高設(shè)備檢測結(jié)果的精確度，以及設(shè)備檢測質(zhì)量。專家系統(tǒng)作為人工智能技術(shù)中的重要組成部分，可以在實際應(yīng)用期間模擬人類專家的思維模式來解決遇到的問題。即結(jié)合設(shè)備相關(guān)領(lǐng)域多位專家的設(shè)備檢測經(jīng)驗來分析、判斷設(shè)備檢測方法，這種設(shè)備檢測方式的本質(zhì)就是借助專家經(jīng)驗來優(yōu)化決策能力。

在設(shè)備檢測期間所使用的專家系統(tǒng)往往可以劃分為知識庫、推理機等多個相互關(guān)聯(lián)的組成部分，通過知識庫中總結(jié)出的知識往往更符合人們所使用的語言習(xí)慣，因此很多企業(yè)在條件允許的情況下更傾向使用專家系統(tǒng)來開展設(shè)備檢測。同時，借助知識庫中的推理機制開展模糊處理，還能進一步降低設(shè)備出現(xiàn)問題后的處理復(fù)雜性。就目前而言，很多企業(yè)所使用的專家系統(tǒng)往往存在智能水平偏低的情況，這也在一定程度上降低了專家系統(tǒng)在設(shè)備檢測中的應(yīng)用質(zhì)量。從企業(yè)發(fā)展的角度出發(fā)，只有不斷創(chuàng)新并優(yōu)化數(shù)據(jù)推理機制，并持續(xù)加強專家系統(tǒng)管理，才能從真正意義上提高人工智能化設(shè)備檢測質(zhì)量，并讓專家系統(tǒng)設(shè)備檢測發(fā)揮出應(yīng)有的作用。

4.2人工神經(jīng)網(wǎng)絡(luò)在設(shè)備檢測中的應(yīng)用

在人工智能技術(shù)中，人工神經(jīng)網(wǎng)絡(luò)是借助簡單數(shù)據(jù)處理單元互聯(lián)所形成的一種網(wǎng)絡(luò)系統(tǒng)，各種簡單數(shù)據(jù)處理單元可以視為生物神經(jīng)系統(tǒng)中的細(xì)小神經(jīng)元。因此人工神經(jīng)網(wǎng)絡(luò)可以利用數(shù)據(jù)處理單元來實現(xiàn)激活數(shù)據(jù)的目的，然后可以利用網(wǎng)絡(luò)連接的方式來實現(xiàn)對數(shù)據(jù)信息的高效傳輸，因此人工神經(jīng)網(wǎng)絡(luò)在實際應(yīng)用過程中具備數(shù)據(jù)處理速度快的優(yōu)勢。同時，由于人工神經(jīng)網(wǎng)絡(luò)的運行狀態(tài)更加透明化且具有明朗的解釋機制，因此在推理神經(jīng)網(wǎng)絡(luò)時還需要額外引入模糊規(guī)則，以模糊機制為核心來增加設(shè)備檢測期間的容錯率。在設(shè)備檢測期間，利用人工神經(jīng)網(wǎng)絡(luò)可以在各種復(fù)雜運算中對設(shè)備進行多維度檢測，從而提升設(shè)備檢測最終結(jié)果的精確性。

在利用人工神經(jīng)網(wǎng)絡(luò)進行設(shè)備檢測時，由于很多設(shè)備故障都具備層次性、延時性以及其他不確定性，因此采用單一的人工神經(jīng)網(wǎng)絡(luò)開展檢測作業(yè)很容易出現(xiàn)故障樣本過多的情況，并產(chǎn)生各種局部性問題。為了讓基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的設(shè)備檢測質(zhì)量得到更多保障，就應(yīng)該對神經(jīng)網(wǎng)絡(luò)的誤差函數(shù)以及自適應(yīng)情況進行調(diào)整與優(yōu)化，即從模式識別的視角出發(fā)，將整個人工神經(jīng)網(wǎng)絡(luò)看作是人工分類器，并在預(yù)測過程中建立切實可行的動態(tài)預(yù)測模型。只要能夠利用人工神經(jīng)網(wǎng)絡(luò)完善非線性跟蹤器，就可以進一步提高面對各種突發(fā)性問題的容錯率，并實現(xiàn)對各種大型設(shè)備運行狀態(tài)的動態(tài)監(jiān)管，進而保證設(shè)備檢測工作的檢測質(zhì)量。

4.3模糊理論在設(shè)備檢測中的應(yīng)用

模糊理論是人工智能技術(shù)中的重要理論之一，其內(nèi)容包括模糊數(shù)學(xué)、模糊邏輯等多個分支。模糊理論在人工智能技術(shù)中經(jīng)常被用作診斷與決策，因此，在設(shè)備檢測過程中，模糊理論具有相對較高的實用性，可以將人類專家的思維以數(shù)理邏輯的形式呈現(xiàn)出來。而借助模糊推理獲得控制作用集，還可以通過被控對象進一步提高設(shè)備檢測精確度。在設(shè)備檢測過程中，由于很多設(shè)備故障都存在不確定性，因此為了提高設(shè)備檢測結(jié)果精確度，就必須針對不確定性完善相應(yīng)的處理方法，而模糊理論則可以在一定程度上降低不確定性帶來的負(fù)面影響。模糊理論能利用多值邏輯解決傳統(tǒng)檢測中難以處理的問題，從而增加設(shè)備故障診斷結(jié)果的準(zhǔn)確性。

需要注意的是，在設(shè)備檢測期間，因為信號參數(shù)與故障具有多邊性特征，所以設(shè)備檢測在實際應(yīng)用環(huán)節(jié)即便發(fā)現(xiàn)了故障表現(xiàn)也很難及時找到引發(fā)設(shè)備故障的實際原因。而且在個別情況下，還會出現(xiàn)同一種設(shè)備故障同時產(chǎn)生多個設(shè)備故障部位的現(xiàn)象，或是因為單一設(shè)備故障原因而出現(xiàn)多種不同故障表現(xiàn)的現(xiàn)象。因此在設(shè)備檢測過程中，為了最大限度地提高檢測精確性，并解決設(shè)備檢測期間可能遇到的各種問題，就必須主動優(yōu)化傳統(tǒng)故障檢測模式，并結(jié)合模糊理論來融合諸如隸屬度函數(shù)等復(fù)雜數(shù)據(jù)理論，以提高設(shè)備檢測能力。但是，由于模糊理論在設(shè)備檢測中的應(yīng)用難度相對較高，因此模糊理論在實際應(yīng)用中必須提升技術(shù)人員能力，只有相關(guān)技術(shù)人員具有足夠的能力才能讓基于模糊理論的設(shè)備檢測發(fā)揮出應(yīng)有的作用。

4.4遺傳算法在設(shè)備檢測中的應(yīng)用

遺傳算法是一種以遺傳機理為核心的一種全局優(yōu)化算法，借助生物進化現(xiàn)象來進行設(shè)備模擬，可以對設(shè)備問題進行優(yōu)化。在全方位排查設(shè)備運行狀態(tài)時，可以借助設(shè)備元器件故障及保護動作來建立設(shè)備遺傳算法，通過采用差異性遺傳算法來處理故障，可以大幅降低設(shè)備故障帶來的負(fù)面影響。需要注意的是，在利用遺傳算法進行設(shè)備檢測時，必須從設(shè)備全局優(yōu)化的角度出發(fā)，一旦保護元器件、斷路器出現(xiàn)拒動，則意味著此時獲得的診斷結(jié)果為最優(yōu)結(jié)果。由于遺傳算法在設(shè)備檢測中的使用模式還不完善，所以遺傳算法應(yīng)針對數(shù)學(xué)模型構(gòu)建以及差異確認(rèn)等內(nèi)容進行深入分析，以此來確保遺傳算法在設(shè)備檢測中發(fā)揮其應(yīng)有的作用。

4.5故障樹在設(shè)備檢測中的應(yīng)用

故障樹作為人工智能技術(shù)中的重要技術(shù)之一，能夠以設(shè)備不希望發(fā)生的故障為核心來進行設(shè)備故障分析，在分析階段，可以按照自上而下的邏輯順序來完成深度推理。通過分析故障原因并借助邏輯門來實現(xiàn)故障原因與內(nèi)容的連接，可以在保證設(shè)備檢測結(jié)果精度的同時提高檢測效率。但是，相較于其他設(shè)備檢測方法，以故障樹為核心的設(shè)備檢測往往無法實現(xiàn)設(shè)備故障的預(yù)知性分析。除此之外，在設(shè)備檢測過程中，因為設(shè)備可能出現(xiàn)各種不同的故障，所以在利用故障樹進行設(shè)備檢測時，必須結(jié)合檢測需求來選定特定情況作為頂端事件，從而實現(xiàn)自上而下的持續(xù)性故障分析。

5結(jié)束語

人工智能技術(shù)在設(shè)備檢測中能夠發(fā)揮極其重要的作用。無論是人工神經(jīng)網(wǎng)絡(luò)診斷還是其他分支技術(shù)，都可以在不同情況下提高設(shè)備檢測質(zhì)量。隨著越來越多的人意識到人工智能技術(shù)的重要性，設(shè)備檢測中的人工智能技術(shù)將會變得更加完善。

作者簡介：

郭成雙（1981—），本科，助理實驗師，研究方向：電子信息技術(shù)。