人工智能在机械制造设备故障诊断与维修中的应用.pdf

总第257期机械管理开发Total257

2024年第9期MechanicalManagementandDevelopmentNo.9,2024

技术应用D0I:10.16525/14-1134/th.2024.09.110

人工智能在机械制造设备故障诊断与维修中的应用

温晓东

（中铁十二局集团第二工程有限公司，山西太原030032)

摘要：为了提升机械制造设备的故障诊断准确率及维修效率，采用深度学习算法，特别是卷积神经网络(CNN)

和循环神经网络（RNN),对设备操作数据进行处理与分析。通过这些算法，系统能够自主抽取关键特性，并据此对

设备的运行状况作出推测与判定。结果表明，在轴承故障的诊断中，人工智能算法的准确率高达95%，召回率为

93%,F1分数为0.94，检测时间仅需1.5h，误报率仅为2%。此外，通过应用人工智能的维修决策系统，维修响应时间

平均缩短至2.5h，故障诊断准确率达到95%，平均维修时间为4h，维修成功率提升至98%。由此，在机器设备的缺

陷检测与修复领域深层次学习技术性能表现优越。在极高的不确定性条件下特别是当使用了卷积神经网络

(CNN)和循环神经网络(RNN)时，该系统能够高效率地对设备的操作数据进行处理与分析，准确地提取出核心

特征，从而能对机器的运作状态作出精确的预测评估。

关键词：人工智能；机械制造设备；故障诊断

中图分类号：TH122;TH16;TP18文献标识码：A文章编号：1003-773X(2024)09-0310-04

0引言注于探索方法使得计算机具备与人相似的智能水平，

随着技术的迅猛进步，人工智能在众多行业中的在机械制造领域，能实现逻辑推演并以此应对机械制

运用越来越普遍，包括机器设备故障检测和维护行业造设备存在的故障情境。

在内。在传统的机械生产装备缺陷检测流程中常常依1.2人工智能在故障诊断与维修中的应用技术

赖技术工作者的专业知识与直观判断，可是这一做法深度学习构成了人造智慧学科中的一个关键子

面临着效能不足及精确度有限等挑战。在充满未知的领域，它的本质在于仿效人类大脑的思维机制，利用

技术领域中，像深度学习及人工神经网络这样的人工构筑多层次的神经网络架构进行数据的处置与剖析。

智能技术，能够对众多的故障信息进行吸收与剖析，在自动化生产装备的缺陷检测领域，深度神经网络技

自主地揭示出机械故障的规律性和独有属性。这类智术显露出极大的可能性。自动化生产装备缺陷检测模

慧型的缺陷检测技术不只增强了检测的精确度，而且型见图1。

能在问题出现之前发出警报,所以能够减少由设备缺在充满巨大未知的情况下，模型如同卷积神经网

陷引发的损害。本研究主要针对机械制造设备故障诊络(CNN)或循环神经网络(RNN),有能力从大规模的

断与维修展开研究,探讨人工智能在其中能够获得的设备操作数据中自主地抽取关键特性,并据此对设备

实际效益。的运行状况作出推测与判定。基于历史数据和机器学

1

、人工智能理论基础与技术概述习模型的分析结果，构筑标准的作业模式。

1.1人工智能的基本概念1.3人工智能算法原理简述

智能自动化通过模仿、增强以及模仿人类的认知机器设备的故障检测与修复是实施自动化生产

能力，赋予计算设备执行与人相似的感知、领悟、吸收和工