機械故障診断における人工知能の応用方向

機械の故障診断における人工知能の応用方向を次に示します。

1. 機械故障診断における人工知能の応用方向

いわゆる機械故障診断とは、機械の動作中の関連情報を通じて、機械の技術的状態が正常かどうかを識別し、故障の性質と場所を特定し、故障の原因を見つけ、故障の傾向を予測し、対応する対策を提案することです。故障のメカニズムと技術的な検出に基づいており、信号処理とパターン認識を基本的な理論と方法としています。一般的な機械システム障害診断システムは、物理的には、機械測定、監視と保護、データ取得、振動状態分析、ネットワークデータ伝送の 5 つの部分に分かれています。機能的には、機械システム状態監視および障害診断システムは、データ取得、状態監視、障害診断の 3 つの部分に分けられます。

現代の産業設備やシステムがますます大規模かつ複雑になるにつれて、機械的故障診断装置の信頼性、可用性、保守性、安全性の問題がますます顕著になり、機械的故障診断メカニズムと機械的故障診断技術に関する研究が促進されました。また、コンピュータ技術とデジタル信号処理技術の急速な発展に伴い、機械設備の振動監視や機械故障診断技術は、電力、石油化学、冶金などの業界の大規模、高速回転機械に広く使用されています。現在、この技術は現代の設備管理と企業全体の利益向上のための技術基盤となっています。国内外の実践から、振動監視と機械故障診断技術に基づく設備の予知保全は、メンテナンスコストを大幅に節約し、大きな経済的利益を達成できることが実証されています。また、設備の安全な操作を確保し、重大事故の発生を防止および軽減し、故障の隠れた危険を排除し、人員と設備の安全を確保し、生産性を向上させることもできます。

従来の機械的故障診断方法と理論は、単一プロセス、単一故障、および段階的故障の単純なシステムではうまく機能しますが、複数プロセス、複数故障、突発故障のある大規模な機器やシステム、および蒸気タービンエンジンユニットなどの複雑で大規模かつ高度に自動化された機器やシステムでは大きな制限があります。現在、CNC工作機械やACサーボドライブなどの代表的なメカトロニクス製品は、デジタル化、小型化、高精度化の方向に発展しており、監視に新たな課題をもたらしています。ファジィニューラルネットワーク制御は、制御対象や数学モデルに依存しないため、堅牢性が強く、非線形制御方式であるため、このような問題を解決する上で大きな利点があります。エキスパート システムは主に複雑な機械システムで使用され、モデルベースの機械的故障診断方法のモデルへの過度の依存を克服できます。人工ニューラル ネットワークは、障害パターンの認識において独自の利点を持っています。人工知能の理論と方法を機械故障診断に適用し、インテリジェントな機械故障診断技術を開発することは、機械故障診断への新しいアプローチです。インテリジェントな機械的故障診断エキスパートシステムは広く使用されており、機械的故障診断の重要な方向となっています。

2. 機械故障診断における人工知能の応用方法

機械故障診断における人工知能は、主に人工的な方法と技術を使用して人間の知能を模倣、拡張、拡大し、それによって機械知能を実現することを研究します。機械故障診断システムに適用される AI 技術は、従来、エキスパート システム (ES)、人工ニューラル ネットワーク (ANN)、ファジー集合理論 (FST) の 3 つのカテゴリに分類できます。

01. エキスパート システム (expertsystem.es)

エキスパート システム (ES) は、1960 年代初頭に登場した実用的な分野であり、現在では人工知能技術の中でも最も活発かつ成功している分野の 1 つです。これは、知識ベース、推論エンジン、および人間とコンピュータのインターフェイスの3つの主要な部分で構成されるコンピュータソフトウェアシステムです。知識表現の面では、知識表現の生成ルールの使用は、一方では既存の人工知能言語に有利であり、他方ではその表現は人間の心理的論理と一致しており、知識の獲得と人々の受け入れを容易にします。知識表現のフレームワークの使用はますます使用されています。診断推論の面では、主に推論ロジックと推論モデルの研究に現れています。人工知能の分野では、多くの推論ロジックがあります。ファジー推論ロジックは、システムの複雑さを軽減するためにエキスパートシステムで広く使用されており、機械の故障診断で優れた結果を生み出すことができます。その力は専門知識と、その知識を使って問題を解決する推論メカニズムにあります。

エキスパート システムは、ノイマン コンピュータ アーキテクチャに基づいて構築されているため、開発の過程で、知識獲得の「ボトルネック」、知識の「狭いステップ」、推論の組み合わせの爆発的な増加と無限再帰、インテリジェンス レベルの低さ、システム レベルの少なさ、オンラインでの実用性の低さなどの問題が徐々に明らかになりました。

機械的故障診断エキスパート システムの研究開発 機械的故障診断エキスパート システムの出現と段階的な成熟は、機械的故障診断の分野における最も重要な成果の 1 つです。機械の故障診断とメンテナンスに関する人間の科学的知識は、専門家の実践的および経験的知識に遅れをとることが多いため、エキスパート システムに幅広い応用の見通しが提供されます。

02. 人工ニューラルネットワーク (artificialneuralnetwork.ann)

人工ニューラルネットワークは、ニューラルネットワークとも呼ばれ、多数の単純な処理ユニット（ニューロンと呼ばれる）が広範囲に相互接続されて形成される複雑なネットワークです。これは、生物の神経系をシミュレートしたものです。その情報処理機能は、ネットワークユニットの入出力特性（活性化特性）と、ネットワークのトポロジ構造（ニューロンの接続方法）によって決まります。システムを透明にするために、ニューラル ネットワークの推論にファジー ルールが使用され、人工ニューラル ネットワークの適切な説明メカニズムを確立するのに便利です。

ニューラルネットワークは、原理的にフォールトトレラントであり、構造的およびトポロジ的に堅牢で、連想性、推論性、記憶性、適応性、自己学習性、並列性を備え、複雑なパターンを処理できるため、実際のエンジニアリングにおいて、多数の多重障害、多重プロセス、突発障害、大規模で複雑な機械やシステムの監視と診断に大きな役割を果たします。システム障害は階層的、相関的、遅延的、不確実的であるため、機械的な障害診断の問題は非常に複雑で困難です。単一のサブニューラルネットワークを使用して問題を解決するには、多数の障害サンプルが必要であり、複数の種類の障害を診断するのに適したネットワーク構造を決定することは困難です。決定されたとしても、局所最小値に陥りやすいです。適応調整と誤差関数の改善により、収束が加速されます。初期のランダム重みは、局所最小値問題を克服するために大きさが制限されています。機械故障診断における応用方法としては、パターン認識の観点からニューラルネットワークを機械故障診断の分類器として適用すること、予測の観点からニューラルネットワークを故障予測の動的予測モデルとして適用すること、ニューラルネットワークの極めて強力な非線形動的追跡能力を利用して構造マッピングに基づく機械故障診断を行うこと、知識処理の観点からニューラルネットワークに基づく診断エキスパートシステムを確立することなどがある。現在、実際のアプリケーションにおけるニューラル ネットワークの学習および診断パフォーマンスを向上させるために、ニューラル ネットワーク モデル自体の改善とモジュール モデル診断戦略という 2 つの側面から主に研究が行われています。