亚太森博（山东）浆纸有限公司 山东日照 276800
摘要：近年来，随着科技的发展，人工智能快速发展，并逐渐在各个领域普遍应用，使人类的工作和生活发生了翻天覆地的变化。人工智能在机械设备故障检测中的应用能有效提高检测精准度和效率，为机械设备行业的创新进步提供有利条件。文章分析了人工智能在机械设备故障检测中的应用现状，并就其应用前景展开探讨，以期为相关工作人员提供参考。
关键词：人工智能；机械设备；故障检测；应用
1.人工智能在机械设备故障检测中的意义
企业在生产的过程中会应用自动化和智能化性能更高的设备，这些设备大多结构比较精密，设备之间彼此互为关联，状况无法正常运行，就会影响到生产效率的提升，还会给企业造成很大的损失。如果及时对设备的故障进行检测，就可以及时分析故障产生的原因，并采取相应的解决对策，延长设备的使用寿命。传统的机械设备故障检测手段存在的问题在于不能对复杂的故障进行检测，而且检测的方式比较简单，在应用的过程中会存在很大的局限性，一旦设备的故障比较多元化，或者有突发性特征，就不容易对其进行准确及时的检测。随着机械设备性能的日益完善，设备的内部结构精度越来越高，体积越发小巧，这就必须要保证设备故障检测技术与时俱进。
在应用检测技术时，需要保证这一技术具有智能化特征，可以在第一时间内发现故障，同时还要保证技术符合设备日益复杂的发展趋势。以计算机和数字技术为支持的故障监测技术已经广泛地应用到各个行业之中，比较有代表性的就是人工智能技术。
2机械设备故障与常规检测方法
2.1常见故障
在设备中会存在各种各样的故障，这就需要定期对设备进行严格的检测，及时对故障进行处理。设备在处理信号时可能会存在故障，这就需要了解信号的处理知识和相关常识；一些振动信号通常会在旋转机械设备中出现，需要维修人员熟练掌握；同时，维修人员还要正确处理和分析图形，并通过精确的计算对信号的时频进行分析。在设备的旋转机器中也会存在故障，比如滑动轴承和滚动轴承故障，转子出现不平衡的情况等。为了解决这些故障，就要进行精确的计算，并及时对故障进行排查。在机械设备中齿轮故障也比较常见，这就需要及时检查齿轮的振动情况，对其噪音进行分析。
2.2常规检测方法
在开展设备故障检测时，通常需要由专业的工作人员负责，同时还要借助相应的仪器设备。涉及到振动和噪音故障时，一般可采用振动法对设备中的模态和参数进行识别，同时还要测定冲击能量与冲击脉冲。除此之外，还可以采用声学法对设备的故障进行检测，了解设备的噪音情况，并对与噪音相关的数值进行及时记录。
在检查材料中存在的裂纹等缺陷时，可采用超声波探伤法，虽然这种方式耗费的成本比较低，通常用于检测平面质量缺陷，应用范围比较局限，而且探测的数据可能不够准确。在检测材料中产生的裂纹时，也可以采用射线探伤法，不过这种方式会耗费较多的资金，而且还会对人体产生辐射。超声探伤法可以对设备零部件中存在的磨损和腐蚀情况进行检测，这样就可以了解设备表面的磨损程度，以及腐蚀的类型。此外，还可以采用红外测温仪对温度进行测量，利用热辐射对故障进行诊断。在应用这些检测技术的过程中，需要大量的人力和物力参与其中。
3.人工智能在设备故障检测中的应用范围
3.1机械设计与制造
人工智能技术可用在机械设计和制造之中。不管是设计还是制造零部件，均需要有内容完善的图纸作为依据。此外，要了解机械零部件的结构组成，保证部件之间可以互相配合。要精确计算零部件的尺寸，确定其各项技术参数。采用人工智能技术可以准确测量零部件的各个尺寸，减少误差。
比如，使用CAM智能化系统可以直接利用网络技术展示零部件的结构，还可以确保复杂的设计转变成相应的程序。此外，人工智能技术还可以与数控技术相结合，这样就可以保证设备的故障得到更加精准的检测。
3.2机械电子工程设备故障检测
机械电子工程设备一旦有故障，就可以利用人工智能技术展示出工程的内部结构，这样就可以对内部结构进行分析，从而及时找出故障。人工智能技术中的模糊神经网络能够及时对设备进行判断，无需过多依赖某一模型，只需进行精确监测，就可以帮助人们迅速找到故障，确保设备正常运行。在设备运行的过程中会存在突发故障，采用人工智能技术就可以及时进行预警，并保证故障得到及时修复。人工智能技术可以提供相应的故障预防方案和应急对策，最大程度减少损失，提高设备运行的安全性和可靠性。
4.人工智能在设备故障检测中的具体应用
4.1专家系统
在人工智能技术中，专家系统是一种比较常见的故障检测技术。专家系统主要是对专家的思维和知识结构进行模拟，便于解决某一专业的问题。通常会采用智能计算机程序系统获取知识管理库中的知识，系统会结合这些知识进行严格的推理。人工智能系统数据库会通过解释器将数据转化为问题的解释答案。专家系统中包含的专业学科知识比较多，为保证知识得到有效利用，专家系统中的智能化功能可及时根据问题对知识库中的知识进行提炼。人工智能可以对专家和工程师的知识迅速整合和学习，并将知识纳入到知识管理库之中。此时，系统会以设备能够理解的方式及时解答问题，再通过人机交互形成专门的语言。对设备故障进行检测时，专家系统中的推理机制可以充分发挥作用，在其内部机制中会有类似问题的解决方式，这样就可以保证故障得到准确的定位与诊断。
4.2人工神经理论
人工神经理论是一种典型的算法数学模型，支持其发挥作用的主要依据就是人工神经网络。人工神经元主要负责激活模拟人类大脑的神经网络，其目的在于利用这一网络实现对信息的一系列处理，使数据得到高效保存。由于神经元比较多，而且彼此之间的关系非常密切，因此，采用人工神经理论就可以确保信息得到及时吸收，人们可以充分利用神经网络的优势，使其在众多领域中发挥作用。对设备故障进行检测时，可以采用人工神经理论对故障进行分析，采用多个神经元与故障相互作用，就可以在一系列反应下找到故障的位置。确认故障后，用户就可以及时了解问题所在。人工神经网络还可以对故障进行预测，分析每个零部件的主要参数，帮助用户更好地了解到设备的使用情况，及时避免出现故障。
4.3模糊集理
可以将模糊集理论作为理论思维的基本方式，这一理论中包含的学科比较模糊，除了逻辑学和模糊数学之外，学科知识之间的关系因比较模糊，但又要以集合的方式呈现，共同为这一理论展开服务，因此，就可以将其称之为模糊集理论。模糊集理论并不具备随机性，其主要是指事物本身的概念比较模糊，通过这一理论可以及时对模型进行分辨和识别。通过计算出模糊数就可以及时获取知识，这样就可以采用模糊融合的方式对设备的故障进行检测，并及时将诊断结果与故障进行对比，就可以更好地解决故障。总之，模糊集理论的运用可以保证设备得到更加准确的检查，由于与之相关的技术更加稳定，对数据进行分析时也会更加完善。随着时代的不断发展，模糊集理论将会得到进一步改进。
结束语
在机械设备故障检测中，应用人工智能能有效提高检测效率及精准度，更能强化故障预测防范能力，从而保障设备安全稳定运行。不过，当前机械设备故障智能诊断技术尚处于起步发展阶段，还有着巨大的发展前景，需要相关人员不断创新和实践，进一步深化人工智能与机械设备故障检测的有效结合。
参考文献：
[1]杨超，李亦滔.机械设备故障智能诊断技术的现状与发展[J].华东交通大学学报，2011，28（5）：23-28.
[2]刘阳，邹斌.机械设备故障诊断及维修管理探讨[J].南方企业家，2018（3）：31.