人工智能技术在工业仪表智能化中的应用

2023-09-09徐善文

现代工业经济和信息化 2023年6期

徐善文

（山东国舜建设集团有限公司，山东济南 250300）

0 引言

在现代化工业生产过程中，工业仪表的应用范围是相当广泛的，随着信息技术的发展，工业仪表智能化已经成为一种趋势，在国家全面推进实施制造强国战略背景下，加快实现工业智能化制造，利用现代大数据、深度学习、人工智能等技术助推工业行业转型升级，已经成为促进我国工业制造业快速发展的强心剂。

1 人工智能技术与工业仪表的概述

1.1 人工智能技术概述

人工智能是一门多学科交叉的前沿技术，这种具有仿生学特征的新一代信息技术在工业生产的各个领域有着广阔的应用前景，人工智能的本质是把人在活动过程中的思维进行模拟，利用模拟的结果数据来比对实际业务场景下的数据，从而得到一个数据计算的模型，通过大量实际数据的模拟，数据模型会被训练成专家模型，这就初步实现了人工智能的效果[1]。从上述分析可知，人工智能技术包含大数据、机器学习、深度计算、模式识别等技术领域，要实现成熟的应用不仅需要良好的软件设计，还需要硬件的算力支持，随着如今云计算、5G 技术的发展应用，无处不在的计算可以为人工智能技术的实现提供便利。

1.2 工业仪表系统概述及应用现状

工业仪表系统的组成主要分为三大部分，首先是传感器部分，主要负责工业生产现场数据的采集、存储和输出，一部分可以通过设置一些参数来实现报警的功能，但通常不具备分析能力，我们统称为“一次仪表”。第二部分是分析计算部分，主要负责接收“一次仪表”上传的信号，通过数码管、指针、液晶屏等模块显示实际的工业现场数据，通过内部的程序逻辑来发出声音报警或光电报警，结合标准的工业传输协议去控制一些执行机构。第三部分就是执行机构，主要负责控制实际工业生产过程，比如电磁阀、风机等，严格意义讲第三部分属于实际工业设备，作为工业仪表的被控对象，是工业仪表系统的中不可缺少的一部分。

在工业发展史中，经历了三次具有里程碑意义的工业革命，从第二次工业革命开始，人类开始进入电气时代，所有的工业生产技术和产品都步入快速发展的轨道，直到第二次世界大战以后，人类才进入科技时代，上世纪70 年代左右，工业离散控制系统的成熟应用，催生了现代工业标准体系，配套标准工业通讯协议的仪器仪表也被大量应用，这种成熟稳定的工业过程控制系统依然在发挥着重要作用，但传统工业仪表的弊端开始逐渐显现，其过于依赖传统技术，厂家投入缺乏积极性，阻碍行业发展，有些在国际上淘汰的技术在国内还依然沿用[2]，在信息化技术快速发展的今天，只有解决传统工业仪表难改造、难创新、难监管的问题，才能有效推动工业发展，实现行业变革创新。

2 人工智能技术在工业仪表智能化中的应用

2.1 人工智能技术在工业仪表确定基准点中的应用

在工业生产过程中，有一类仪表作为示值测量使用，例如电压表、电流表、数字显示报警器等，这类仪表可以对现场信号定量检测，通常具有两个必备功能，分别是“调零”和“标定”，“调零”就是在现场环境中没有任何输入的情况下，仪表显示零点；而“标定”则是在标准信号输入情况下，仪表显示标准信号的数值，这两个点的准确性保证了仪表测量的准确性。在实际工业生产环境中，随着温度、湿度、大气压强、老化时间、电磁环境的因素变化，这类仪表会出现零点漂移现象，轻则导致示值失准，严重的会丧失测量功能，发生误报警联动执行机构误动作，影响工业生产过程，造成安全隐患。

人工智能技术可以实现自动程序设计，通过数学工具确定逻辑程序算法，将仪表输出的数据作为父本，结合遗传算法对信号数据进行处理，对实际场景下数据的不断迭代确定补偿系数，继而完成数据算法的补偿，这样可以避免因为环境变化导致的零点漂移现象，同时由于利用实际数据不断训练，补偿系数也是动态变化的，这就可以减少噪音信号对计算的影响，标准信号显示值的准确性也可以得到保证[3]。

2.2 人工智能技术在工业仪表数字化改造中的应用

随着信息技术的发展，工业通讯协议变得日趋丰富，仪表可以通过这些协议将数据上传到生产控制系统，保证生产过程稳定可靠。在实际工业生产环境中，依然有大量的仪表没有接入控制系统，水表、液位计等传统仪表不具备上传功能的情况也普遍存在，解决这类机械式仪表的数字化改造问题，也常常面临着人员、资金、厂家等客观因素的制约，实现这部分仪表的智能化改造对提升工业系统鲁棒性具有十分重要的意义。

图像识别技术是人工智能领域的重要分支，现实世界的活动是一个统计与分类的过程，统计需要传感器去采集数据，就好像人的眼睛把现实景象传递给大脑，分类则需要根据一定规则去完成，规则制定的合理，分类的结果自然就更准确。图像识别技术通过把不同特征的对象分层，每一层都会有抽取其特征组成一条条规则，利用这些规则去判断计算出每一层的结果，经过大量统计分析之后，每一个特征值的算法都会生成一个专家模型，因为有大量数据的迭代，这个模型的识别速度是非常快的，以“机械式指针压力表”为例，表盘的很多细节都可以忽略，我们只关注指针和刻度的相对位置，首先把满量程的刻度细化处理，然后做刻度分割，分割完的结果为了便于分析需要做归一化处理，再通过数学工具实现刻度特征提取，这就完成了统计功能，利用这些结果去训练设计好的判别模型，就此可以实现机械式指针压力表实时数据采集输出的图像识别系统[4]。在这个系统中，细化处理和专家模型设计非常重要，对象越复杂细化程度就越高，随之提取的特征量越多，训练需要的时间和算力也越大，但对于工业仪表而言，被识别对象复杂度并不高，而且图像识别技术可以实现仪表数字化的“无感”升级，摆脱了仪表维保对工业生产过程的影响，也减轻了人工巡检的劳动强度，打破传统仪表“难维护、难升级、难监管”的瓶颈，保障工业生产过程实时高效运行。

2.3 人工智能技术在实现复合型传感器中的应用

传感器是工业仪表中的核心器件，在以往的应用场景中，传感器的功能具有单一化的特点，例如像温度、振动、气体浓度、空气颗粒物浓度等检测场景需要不同的传感器，搭配不同的外围电路设计来实现其各自的功能，这种现象的出现是源于技术发展“百家争鸣”的结果，不同的仪表厂家在产品研发、生产设计上都有自己的标准，在核心传感器的选型上也基本实现专一化，但要想在复杂的工业环境中实现检测的准确性，同时提高厂家产品竞争实力，降低生产研发成本，实现一台设备多种功能的检测方案是非常有必要的。

人工智能技术重点在数据的分析处理，以前芯片算力有限，算法模型移植到硬件平台上运算效果欠佳，随着云计算、物联网、区块链等技术的发展应用，数据的深度感知和模式识别已经可以实现算法模型本地化和集成化。以上述传感器为例，伴随光学技术的发展，温度、振动、气体浓度、空气颗粒物浓度等信号都可以实现激光检测，但是检测数据的分析不具备实时性，原因在于芯片算力的制约，普通仪表硬件结构不满足算法实现的高频特性，环境参数不支持动态载入，人工智能技术利用数据专家系统，通过给终端动态加载不同的算法模型，并结合云计算、区块链技术对算力进行组合调度，结合激光检测技术，可实现一台设备上同时检测温度、振动、气体浓度、空气颗粒物含量的功能[5]，这种复合型传感器技术可大幅提升仪表的环境适应性，同时可以统筹资源实现工业仪表检测标准化，也可以杜绝功能之间算法耦合，实现工业仪表系统的稳定精准运行。