王杭凯
杭州浙达精益机电技术股份有限公司，浙江 杭州 310000
摘要：在机械故障诊断中，人工智能的应用显示了巨大的优越性，随着信号处理方法的不断完善，以及模糊逻辑、遗传算法等与神经网络更加结合，使得人工神经网络技术更加成熟，在机械故障诊断中将有更加深入的应用，本人就机械故障诊断浅谈了在人工智能领域的应用。
关键词：机械故障诊断；人工智能；应用
1 人工智能的概念
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
2 机械故障的概念
系统的故障是指系统的运行处于个止常状态(劣化状态)，并可导致系统相应的功能失调，即导致系统相应的行为(输出)超过允许范围，使系统的功能低于规定的水平，这种劣化状态就称为故障。故障诊断是指系统在一定工作环境下查明导致系统某种功能失调的原因或者性质，判断劣化状态发生的部位和部件，以及预测状态劣化的发展趋势等。
3 机械诊断的步骤
故障诊断的过程主要分成三个步骤:第一步，检测设备状态的特征信号；第二步从检测到的信号中提取征兆；第三步根据征兆和其他诊断信息来识别设备的状态，从而完成故障诊断。故障诊断技术的发展大体经历了三个阶段:
第一阶段是故障诊断的初级阶段，诊断结果是建立在领域专家的感官和专业经验基础上，仅对诊断信息作简单的处理，其诊断水平受到个人技术能力和工作经验的限制。
第二阶段是以传感器技术和动态测试技术为手段、以信号处理和建模处理为基础的常规诊断技术。其中，信号处理包括统计分析、相关分析、频谱分析、小波分析和模态分析等；建模处理包括参数估计、系统辨识、模式识别等，其理论基础是系统论、信息论和控制论。在这一阶段，故障诊断技术在工程上得到了广泛的应用，其自身也得到了空前的发展，诞生出许多新的诊断方法。如振动诊断技术、声发射诊断技术、频谱诊断技术、光谱诊断技术、无损诊断技术和热成像检测诊断技术等。
第三阶段是智能诊断技术阶段。所谓诊断系统的智能就是它可以有效地获取、传递、处理、再生和利用诊断信息，从而具有对给定环境下的诊断对象进行成功状态识别和状态预测的能力。至80年代中期以后，由于机器设备的大型化、复杂化以及连续高速运行的需要，加之自动化制造系统的诞生和发展，单靠信号处理和人工分析判断又难以实现在线的精确诊断。
4 机械故障诊断中人工智能领域的应用
4.1 人工神经网络在机械故障诊断中的应用
人工神经网络简称神经网络，是在生物神经学研究成果的基础上提出的人工智能概念，是对人脑神经组织结构和行为的模拟。就机械故障诊断而言，神经网络使用来自机器不同状态的振动信号，通过特征选择，找出对于故障反映最敏感的特征信号作为神经网络的输入向量，建立故障模式训练样本集，对网络进行训练，当网络训练完毕，对于每一个新输人的状态信息，网络将迅速给出分类结果。
4.2 专家系统(Expert System. ES)
专家系统(Expert System,簡称BS)是20世纪60年代初产生的一门实用学科，目前是人工智能技木中较为活跃，较为成功的领域之一。
它是一由知识库、推理机和人机接口等三个主要都分组成的计算机软件系统，在知识表达方面，利用产生式规则进行知识表达，一方面得有益于现有人工智能语言，另一方面，是它的表达合乎人的心理逻辑，便于进行知识获取，利于人们接受，利用框架进行知识表达得到了越来越多的应用。在诊断推理方面，主要表现在对推理逻辑和推理模型的研究，在人工智能领城，存在着许多推理逻辑，在专家系统中广泛使用模糊推理逻辑降低系统复杂性，在机械系统故障诊断上能产生很好的效果。其威力在于所拥有的专家知识和运用知识解题的推理机制。
由于建立在冯.诺伊曼计算机体系结构之上，专家系统在其发展过程中逐断暴露出以下问题:知识获取的“瓶颈"，知识“窄台阶”、推理组合爆炸和无穷递归，智能水平低，系统层次少和在线实用性差等。机械故障诊断专家系统的研究与开发机械故障诊断专家系统的出现与逐渐成熟是机械故障诊断领城最显著的成就之一。因为人类关于机械故障诊断与维修的科一学知识往往落后于专家的实践和经验知识，从而为专家系统提供了广阔的应用前景。
4.3 神经网络故障诊断系统和专家系统故障诊断
系统的融合基于神经网络的故障诊断系统和基于专家系统的故障诊断系统可以相互转化。在专家系统故障诊断系统中，知识是通过规则的方式来表达的，而在神经网络故障诊断系统中，知识是通过对样木的反复学习并在此过程中个断调整网络连接权值，从而使网络误差收敛到全局最小点后储存在这些连接权值中。所以，要实现由基于专家系统的故障诊断技术向神经网络故障诊断技术过渡的关键是将规则转化为学习样本，具体步骤为:统计在规则表述中诊断对象可能出现的故障征兆与故障原因数目，分析诊断知识结构，确定神经网络的输入、输出神经元数目及其网络层次结构;将专家系统知识库的规则提取出来，形成神经网络的学习样本;对神经网络样本学习，获取各自的连接权值，形成神经网络故障诊断系统。由神经网络故障诊断到专家系统故障诊断的关键问题是在现有的连接权值中提取规则，具体步骤为:已知学习样本时，可以直接将每一个学习样本转化为一条规则；未知样本只知道连接权值时，这种情况很复杂，一般是通过特殊的算法从网络的输入和输出中提取规则；如果是模糊神经网络，问题就简单了，即可以直接从网络中提取。
4.4 模糊集理论
人在认知世界包含大量的不确定之时，需要对所获信息进行一定的模糊化处理，以减少问题的复杂度。模糊理是将经典集合理论模糊化，并引入语言变量和近似推理的模糊逻辑，具有完整的推理体系的智能技术。一般模糊系统的结构与专家系统的结构类似，由模糊知识库、模糊推理机和人机界面等几部分组成，也可以说模糊系统是模糊理论与专家系统结构的结合。
5 结语
对于人工智能技术来说,将其应用在电气自动化故障诊断过程中,能够充分发挥该项技术模糊理论、专家技术等作用。从实际调查情况来看,我国电气系统在运行过程中,其发动机等部件极易出现问题,一旦故障出现,不仅会导致整体生产受到影响,而且还不利于后期工作人员的检修与维护。在过去,人员对故障进行诊断过程中,因为传统的技术形式,操作过程复杂,还需要大量的人力以及财力。不仅得不到较高的故障诊断结果,而且还不利于企业的长期稳定发展。比如,传统中对变压器实施故障诊断,主要就是对其产生的油气体实施手机分析,然后借助工作人员的主观判断,确定变压器的故障问题。在此过程中,企业不仅需要投入大量的资金,而且因为诸多外界因素,还会阻碍工作人员的准确判断,不利于变压器的维修以及后期的正常使用。将人工智能技术应用在变压器等故障诊断过程中,不仅减轻了工作人员的任务量,而且操作简单快速。让人工智能技术与电气自动化更好的结合,长时间积累下去,相当多的成果,会影响到方方面面的自动化场合。
参考文献：
[1]李美华.韩大明.陆怀民,人工智能在机械故障诊断中的应用[J]森林工程,2006,22(2)23-24.
[2]周利.余愚,机械故障诊断中人工智能的应用[J]可编程控制器与工厂自动化,2007,36,38,40.
[3]刘向宁,人工智能在机械设备故障检测中的应用[J]商品与质量,2020,(29)15.