提升故障诊断能力 推动液压系统产业升级

在第四次工业革命风起云涌的大背景下，中国机械产业正在加速智能化、数字化转型。在5G、物联网、大数据、人工智能等新技术的加持下，中国机械企业抓住第四次工业革命的转型机遇，搭建新的工业互联舞台。作为我国机械领域的著名专家，董天云在机械和高端金属制造领域有着非常深的造诣，取得了诸多对行业有着颠覆性影响的技术成果，深刻推动了我国机械制造领域重要技术的变革与升级，为第四次工业革命提供了坚实的技术支撑。

董天云认为：“第四次工业革命的重大节点就是工业互联，而机械行业又是其中最为重要的一环。互联互通不仅将提高机械行业自身的生产效率，海量设备投放市场后收回的海量数据，其价值得到充分挖掘后，又将对世界工业发展起到重要指引和重构作用。”

十多年的专业知识积累和丰富的实践经验，让董天云成为中国机械行业家喻户晓的专家，尤其是他对于机械液压系统故障诊断能力方面的研究在业内首屈一指，而奠定其行业地位的就是基于卷积神经网络和多任务网络技术的液压设备控制系统V1.0这一划时代的科研成果。该系统极大地提高了液压系统故障预测的精度，是机械制造业中具有里程碑意义的重要成果。

提到董天云先生当时为何想到利用卷积神经网络和多任务网络算法来预测液压系统故障时，他不无感慨地说道，随着机械设备在工业领域的深度应用，人们对机械设备故障监测技术的要求也逐步提高，尤其是液压系统的故障监测技术。目前国内外学者对液压系统故障预测算法，都是针对单一的部件进行的故障预测和诊断，误判情况时有发生，因此他想到或许多任务网络能够解决这一难题，再加之近年来卷积神经网络在机械设备故障的监测方面表现优异，于是他就萌生了将卷积神经网络和多任务网络结合来预测液压系统故障的想法。

可以说，正是得益于董天云先生的创新思维和开拓进取的精神，机械液压系统故障监测技术才得以迈出了升级的一大步。

基于卷积神经网络和多任务网络技术的液压设备控制系统V1.0，在卷积神经网络算法的基础上，结合多任务网络模型(CS-ADMLT+)和学习算法（CS-MLT）以及ATT-ADMLT+与CS-MLT算法进行液压系统故障预测。 由于卷积神经网络（CNN）以卷积、池化、整流器、归一化作为一个处理单元，多个这样的处理单元对图像进行分层检测，从边缘、角等简单特征逐步到复杂特征，从而实现对图像的分类。与传统标准神经网络相比，这样的网络训练更容易，计算资源更少，时间也更少，这就使得对液压故障系统进行更快速、高效的检测成为可能。而多任务学习通过对多个相关任务之间的同时学习，提取各任务之间存在的潜在特征，从而使得网络有更好的泛化力，提高了网络的分类性能，进而也提高了系统检测的准确性和精度。

通过对卷积神经网络和多任务网络算法监测效果进一步的验证，结果表明，基于卷积神经网络和多任务网络算法，可以让液压系统状态获得更好的监测效果，平均精度达到了99.3%，比最新的传统方法平均精度提高了10.6%，特别在液压蓄能器监测方面的精度更是提高了42.9%！不得不说这一技术成果是对液压系统故障检测技术的一次伟大革命，极大地提高了液压系统故障诊断能力，进一步推动了液压系统的智能化产业升级，也为机械制造行业向着更高效、更精良的方向发展带来了强大的技术支持。

当然，除了基于卷积神经网络和多任务网络技术的液压设备控制系统V1.0这一技术成果外，董天云还研发了基于Faster RCNN技术的金属材料工件表面缺陷检测系统V1.0、面向轴承的物联网智能生产线过程控制系统V1.0等智能化技术成果，都给整个机械制造行业带来极大的震动。

针对行业发展，董天云先生有着自己独到的见解，他表示，目前只有中国有条件和机会成为全球机械产业实现互联互通的起点。中国拥有完整的工业体系、庞大的工业企业、领先的互联网生态，工业互联网的发展具备独特的优势和潜力，而自己虽然在机械产业上取得了一些成果，但他仍会在未来的工作中不断钻研和探索，研发出更为先进适用的技术，以支持更多国家机械制造业的技术升级与产业进步，更好地迎接世界工业4.0时代的到来。（文/蒋丽燕）