邱宇翔
青岛地铁资产经营管理有限公司 山东青岛 266000
摘要：随着社会的发展和整体技术的提高。传统装备故障诊断和健康管理技术与人工智能技术结合的过程中得以大幅度拓展，从而使预测性维护、智能运营和智能调度成为现实。通过工业互联网、工业领域专业知识和信息物理系统之间的联系，说明了以数字孪生体为核心的智能运维技术的意义。同时指出了智能维护技术应用中的问题和挑战，并展望了未来技术发展。
关键词：人工智能技术；工业设备；系统智能运营维护；应用
引言
人工智能技术的发展基础和背景是现代科学技术，在科技发展的支撑之下，人工智能技术在各个领域都发挥着巨大的作用，现代社会人们已经普遍受益于人工智能技术带来的生活便捷。现阶段将人工智能技术引入电气自动化控制领域，能够使人工智能技术和电气自动化领域起到相得益彰的效果。人工智能技术在电气自动化控制中的应用，能够有效降低自动化设备的运营成本，提升电气系统运行的效率。因此，在电气自动化控制领域当中，人工智能的加入有着重要促进意义。
1人工智能技术
①人工智能技术简述。人工智能是21世纪所研发出来的一项重要成果，更是计算机技术的一大突破。人工智能技术是计算机技术的延伸，可以帮助人们更好地解决电力设备上的问题。近几年，供电系统已经开始运用人工智能来检测电力设备的运行状态，不仅可以节省供电公司的人力资源，还可以提高电力设备的运行安全。②人工智能的存在意义。人工智能其实是计算机技术的延伸和创新。随着科技的发展，人工智能的发展和应用发生了很大的变化。人工智能技术给电力设备带来了福音，不仅提高了状态检修的效率，还降低了企业的维修成本。与此同时，计算机有着自己的计算编辑系统，只要输入数据就可以自动计算结果，同时也可以随时调取资料。
2人工智能技术在工业设备和系统智能运营维护的应用
2.1能源管理与能效优化
工业生产中的能耗节省与能效优化是企业成本控制的一个重要方面，在智能电网和工厂设备节能管理中利用人工智能优化算法对能源的智能管理与优化,可有效降低企业成本，人工智能在智能电网的发电、输电、变电、配电、用电及电力调动等环节发挥了重要作用。利用人工智能技术,在变电环节可有效减少变电站的数量提高变电效率,使变电站在占地少的同时达到安全高效;从能耗指标PUE智能优化和能量智能管理调度角度,?提供智慧能源管理解决方案;设计中央空调能源管理智能优化系统,通过系统参数在线监测和非线性动态预测分析,预测并判断下一时段系统的冷负荷工况、系统能耗及能效优化控制参量,对系统载冷剂实施调节控制,实现系统能耗的实时调节,达到节能减排的目的。
2.2设备健康状态评估
近年来，人工智能技术被运用到了电力设备运维检修当中，不仅提高了工作效率还提高了故障检测的准确率。为了保证电力系统的稳定性，降低定期维修次数。我国很多电力企业都采用的人工智能技术对相应的设备健康状态进行评估，并且制定了相应的工作规则。但是有的电力设备构造比较复杂，如，电力变压器的结构就比较复杂在电力系统中有着重要的作用。维修人员可以利用人工智能的特性对电力系统的健康状态进行评估，保证电网的稳定性。
2.3实现对电气工程的自动化控制
由于电气工程中存在大量的关键控制技术和系统环节，传统的电气自动化控制很难实现完全控制。它往往需要对应用设备进行全面的手动控制和调整。无人操作无法实现，还会产生半自动控制。半自动控制要求工作人员注意机器的状态，或者需要使用设备来监控机器。
通过模糊控制、专家系统控制和神经网络控制，将半自动控制转化为智能控制，降低了工作人员的工作强度，大大提高了电气工程的工程质量。神经网络控制是在人类神经网络的基础上，模拟人类感知和记忆的一种技术研究，将其应用到电气工程当中，使机器拥有“人的智慧和感知”，将这些带到实际的操作过程中，可以充分发挥它具有多层次结构，能反复的记忆与学习的优势，智能化设备可以通过各方面的指令从中找寻规律，并经过一系列的数据分析实现对机器的控制，保证机器的运行准确无误。神经系统还具备对危险的预估能力，可以敏锐地察觉到机器的状态是否处于危险状态，并及时调整各方面的参数，防止危险发生。
2.4非随机退化经验模型的预测方法
确定性经验退化模型(非随机经验退化模型)采用典型的分布曲线(指数模型、威布尔模型、比例风险模型等)来拟合设备的退化过程,并通过外推获得RUL预测结果。其中,考虑复杂工况下各种因素共同对设备的退化过程造成影响,这些影响退化的多因素称为协变量。提出的比例风险模型是代表性的协变量型,该模型可以评估不同协变量状态对系统失效时间的影响。目前,多数的协变量模型都是基于比例风险模型发展演变而来。根据设备运行环境中协变量的不同变化规律,协变量模型包括:固定协变量模型、时变协变量模型以及随机协变型等。这类方法可以描述同类设备的共性特征和具体设备的个性差异,预测精度较高。但是，协变量模型容易混淆协变量和失效率的因果关系,对随机协变量模型的研究也不太贴近实际。设备的退化模型体现了科研工作者和工程技术人员长期积累的专业知识和经验,可以很好解释设备退化过程中的状态演变规律,为设备的设计制造和系统维护提供了必备的基础。在设备单一、工况简单的情况下,此类方法能够比较准确预测RUL.随着科技发展,设备复杂性不断提高,运行工况复杂多变,影响退化因素的相互耦合干扰,一般很难获得设备准确的退化模型,或者获得退化模型的成本过高,导致退化模型方法在实际使用中预测精度不高和适用性不强等缺点。数据驱动方法具有优良的数据处理能力,并且无需设备确切的退化机理模型和专家先验知识,因而在RUL预测研究领域中引起了广泛的关注。
2.5智能运维技术
现代设备诊断技术要求具有状态监测、故障诊断和预测等能力，可以预测重要和关键零部件的可靠工作寿命，通过状态监测可以提前发现异常状态，科学评估设备健康状态，预测故障发生，比起传统的对损坏的设备进行失效分析的方法更有利于超前预防。基于工业互联网的应用设备状态监测及诊断技术，通过大数据分析可对故障征兆信息进行采集、处理、分析，对故障进行早期诊断、预测，在机器没损坏之前查明故障原因并适时采取修复、预防和改进对策，成为信息、监控、通信、计算机和人工智能等集成技术，并逐步发展成为一个多学科交叉的新学科。
2.6深度强化学习
DeepMind基于深度强化学习技术开发的AlphaGo深受人们关注，之后该技术又用于管理Google的数据中心冷却系统，节省能耗30%以上。理论上，强化学习原理与最优控制一致，且适用于解决博弈论等领域的问题。传统的控制技术虽然能满足大部分场景的需求，但对于大型复杂工业系统，无法处理高纬度、非线性系统的实时优化控制，也很难满足日益增长的智能化需求。大规模的强化学习技术可实现分布式系统的智能控制，助力于智慧交通、智能电网的建设。
结语
工业互联网和人工智能技术将机械装备、过程、监控和维修一体化，这将促进人－机－过程－环境之间的和谐关系，是实现机械装备系统本质可靠的重要举措。人工智能改变传统运维理念，让未来的机器装备、制造系统乃至所有人造系统更自主健康，驱动新一轮工业革命，迈进工业智能时代。
参考文献
[1]孟繁中.人工智能技术在工业设备自动化控制中的应用研究[J].数码世界，2020(10)：18-19.
[2]刘奇巍.人工智能技术在工业设备和系统智能运营维护的应用[J].科技创新与应用，2020(30)：161-162.
[3]黄金阳，姜丽娜.电气自动化控制中应用人工智能技术分析[J].电子制作，2020(18)：72-73.