2003 年，高金吉院士在智能运维国际学术会上首次提出“故障自愈原理”，2018 年，在《机械工程学报》 正式提出“人工自愈与机器自愈调控系统”的概念。随 着装备工程发展的重大需求和科技进步，人工自愈与装 备自主健康发展的理念正逐步从科幻走向现实，不仅重 塑了我们对装备“维护”与“修复”的传统认知，更预 示着一个自愈化新时代即将到来。

中国工程院院士、北京化工大学教授高金吉

人工自愈就是赋予装备自愈机制以实现自主健康

本刊:请您简要阐述一下人工自愈技术的核心原理是什么?它与自然界的生物自愈机制有何异同?

高金吉:人工自愈其实很好理解，作为仿生机械学的新兴领域，它的核心在于把自愈机制这种人和动物所特有的机制赋予机器。旨在让机器在无人干预的情况下，能够在运行中自监测、自诊断并自防止和自消除故障，从而恢复和保持其健康稳定的运行状态。

具体而言，人工自愈技术包含自主消除已故障和自主抑制未故障。自主消除已故障包括自修复、代偿、自愈调控;

自主抑制未故障包括故障防止、自防护、自愈调控。无论是人工自愈还是生物自愈，其最终目标都是实现机器系统或生物体的健康稳定。人工自愈技术正是从生物自愈机制中汲取灵感，旨在让机器也能像生物体一样具备自我修复和自适应调控能力。两者都涉及到自防御、自修复、自康复等内容。生物体通过神经、内分泌等免疫系统实现这些功能，而人工自愈技术则通过传感器、监测诊断及自愈调控和执行器等来实现。这二者之间也有很大不同，实现方式、应用范围都有差异。

首先，生物自愈机制是生物体在进化过程中自然形成的复杂系统，涉及众多生物化学反应和细胞活动。而人工自愈技术则是人类通过科技手段设计和实现的，是人赋予机器自愈机制，具有可控性和可定制性。生物自愈机制局限于生物体内部，而人工自愈技术则可以广泛应用于各种装备系统和人造物中，具有更广阔的应用前景。

其次，生物自愈机制往往包含不经过大脑的无意识的自发过程，如免疫系统的自动防御和自修复。装备自愈系统是人类仿生创造的有别于传统的自动控制系统，更多地依赖于先进的人工智能溯源诊断与自愈决策及执行系统，能够使机器精准和高效的实时自愈调控和自修复，实现自主健康。

本刊:人工自愈如何赋能装备制造业发展?对于装备制造维修、新型工业化将起到哪些助推作用?

高金吉:人工自愈技术不断赋能装备故障自愈和自主健康的能力，也就是说可以让装备自愈化——实时感知装备的运行状态，及时发现并消除潜在故障，减少因故障停机带来的损失，即可以通过实时监测装备的运行数据，及时发现并预警和防止潜在的安全隐患，防止重大事故的发生。同时，自愈机制可以在故障发生时自动采取补救措施，确保设备装备在异常工况下仍能稳定运行，提升设备装备的可靠性和安全性。

从2003年开始，我们团队一直致力于人工自愈理论和技术的研发，在动力机械和管道系统振动靶向抑制和高端机床、挤压油膜阻尼抑制航天发动机振动、发电机组航空发动机自动平衡以及轴承齿轮自修复等技术研究及工程应用中取得了重要成果。

在科学技术日益发达的今天，人工自愈技术是智能制造新的发展方向，是新质生产力，将有力推动新型工业化的发展。通过故障自愈实现装备的自主健康，工业领域的人工自愈将为装备和流程制造系统本质安全和无人化发挥越来越大的不可替代的作用。今后应更加专注于人工自愈技术和自愈化系统研发和创新，提升装备产品的附加值和市场竞争力。同时，人工自愈技术的应用也将促进装备制造业与流程等其他行业的深度融合，创建故障自愈调控、自修复等自愈化系统，发展如同工控系统一样的新兴产业，推动产业链的协同创新和升级。

人工自愈借助工业互联网等新技术为安全高效生产保驾护航

本刊:近年来，人工自愈技术取得了哪些重大突破?为什么说智能诊断溯源为人工自愈奠定基础?

高金吉:工业互联网与人工智能、人工自愈变革了维修方式，实现了从状态预测维修到提前为预防故障和在运行中自主消除故障。很多企业可以基于人工自愈的辅助康复技术装置抑制消除装备运行故障或改善其健康状态。不仅如此，人工自愈技术可以将与故障“作斗争”提前到设计阶段，采用故障溯源诊断和自修复、代偿、自保护、自愈调控等方式，研制具有故障自愈功能的新一代自主健康机器。

工业互联网把人工智能第一代的知识驱动和第二代的数据驱动结合起来，通过同时利用知识、数据、算法和算力等4个要素，构造更强大的AI，促进故障诊断的重大技术进步。网络化、数字化提升了人类对故障产生及发展规律的认知水平。目前，通过用户确认的工业互联网大数据验证，有的装备远程监测诊断平台故障诊断准确率超过90%。

人工自愈是在人工智能基础上发展起来的。我们利用工业互联网大数据分析，完成数据获取、信息认知、科学决策、精准执行过程，做到了从快准溯源诊断到精准自愈调控。所以说基于工业互联网大数据和人工智能的溯源诊断为人工自愈奠定了基础。

本刊:人工自愈借助哪些创新技术为企业安全高效生产保驾护航?

高金吉:人工自愈调控离不开工业互联网的普及，也离不开大数据、人工智能等技术的发展。

人工智能故障机理研究和大数据分析的结合，为人工自愈系统溯源诊断提供了强大的数据处理和分析能力。工业互联网可以实时上传自身的运行状态和参数信息到云端或本地服务器。先进的传感器技术是人工自愈系统实现精准监测和诊断的关键。这些传感器能够实时采集设备的各种物理量信息(如温度、压力、振动等)，并将其转换为可处理的数字信号供系统分析，可以实时收集、传输和处理生产过程中的各种数据。通过对海量生产数据的深度挖掘和分析，人工智能算法能够识别出设备运行的异常模式和潜在故障。

在此基础上，网络化监测+智能联锁故障防止系统可以避免误操作导致灾难性事故;人工自愈赋能装备系统自愈调控，也可实现流程生产装置非正常工况自愈调控。这可为装备与流程制造系统实现本质安全化和无人化提供技术支撑。

让人工自愈助力新一轮工业革命

本刊:智能制造与装备健康管理作为保障企业高效运行的关键环节，未来会呈现怎样的发展趋势?

高金吉:1988年，美国纽约大学怀特和卡内基梅隆大学布恩教授在首本专著《制造智能》提出智能制造的概念:智能机器能够在没有人工干预的情况下进行小批量生产。

智能机器实际上就是应用人工智能技术，没人监管、没人操作就意味着自动化，所以说智能制造的初衷就是人工智能+自动化。国内外已有较多针对离散型制造业的智能化问题的研究和工程应用，如德国工业4.0等。

离散型制造业如高端装备制造业向智能制造转型是必然趋势。必将提高产品质量和生产效率。利用人工智能算法对生产计划进行智能调度和优化，避免生产中断和质量问题，降低生产成本和资源消耗。通过远程监控等技术实现装备的故障预警和预知维护。智能制造在离散型制造业已取得可喜成果。

然而，流程制造业的智能化不同于离散型制造业，流程型智能制造的理论与实践仍处于探索过程之中，尚缺乏公认的理论体系和应用案例。

高危流程制造业，如石化冶金、煤化工等长周期、连续生产且易燃易爆、高负荷运行，在安全可靠、长周期运行方面仍是薄弱环节，在一些高温、高压、高速、易燃、易爆等环境下，一旦发生故障可能导致机毁人亡的重大事故，因此，石化生产等流程工业，其机械化、自动化、智能化、本质安全化和无人化是重点。

对于高危流程工业而言，应该在流程智能制造的基础上，考虑到流程工业的安全可靠，因此我提出人工自愈使装备能够“自主健康”作为新的发展方向。我国应勇于自主创新，在国际上率先发展基于人工自愈的装备自主健康技术，不要等国外相关研究人员提出来我们再弯道超车。

本刊:目前，在人工自愈技术的研究发展中，有哪些不足与挑战?未来，人工自愈将如何更好地助力新质生产力发展?

高金吉:每一项新技术从出现到适应并促进社会发展都有一段磨合期，这个过程我们要包容接纳，更要认真研究、分析，才能持续进步。我认为，人工自愈当前有一些不足与挑战，表现在几个方面:

一是在技术成熟度与可靠性方面，人工自愈技术仍处于研究和发展的初期阶段，技术成熟度相对较低。在实际应用中，可能面临稳定性、可靠性和准确性的问题，导致自愈效果不尽如人意。在原有装备增加传感器、执行器等部件有一定难度，其性能和精度以及诊断、决策软件系统仍需进一步提升，以确保人工自愈系统能够快准溯源诊断和精稳自愈调控。

二是在标准化与互换性方面，目前，人工自愈系统往往需要个性化设计，处于起步阶段。如推广应用，不同厂商和设备之间的人工自愈系统往往缺乏统一的标准和接口，导致系统之间的互换性较差。这增加了企业在实施人工自愈技术时的难度和成本。

三是对于复杂的大型工业装备系统而言，其自愈能力的实现难度更大。系统内部各部件之间的相互作用和依赖关系复杂，需要更加精细的建模和分析技术来支持自愈策略的制定和实施。人工自愈技术的工程应用具有一定风险，只有敢于第一个吃螃蟹的勇于创新者和全行业共同努力克服这些挑战，才能促进人工自愈技术更好地助推新质生产力的未来发展。

回顾第一次工业革命，以瓦特改良蒸汽机为标志，人类进入了以机器代替手工劳动的机器化时代。如今，工程自愈论指导智能运维向自主健康发展，实现装备系统本质安全化和无人化，赋能新一轮科技革命。

早在2006年，我负责和许多院士专家完成的中国工程院咨询项目就提出“装备故障自愈工程及其在我国推广应用的建议”，人工自愈为装备和流程制造系统安全可靠和自主健康发挥越来越大的不可替代的作用，人工智能使设备更聪明，人工自愈让新一代装备自主健康，并实现在役装备辅助康复，以及高危流程装置本质安全化和无人化，引领新科技变革。

放眼未来，人工自愈将改变传统理论指导创新设计，让未来的机器装备和制造系统，乃至所有的人造物系统实现自主健康;与此同时，故障自愈调控、自修复等自愈化系统还可如同工控系统一样创建新兴产业，对现有装备进行在役再制造自愈化升级。这将赋能新质生产力迅猛发展，推进新一轮工业革命，迈进自愈化时代。

原文刊载于《中国设备工程》2024.08(下)  策划：陈雪芹  王宁

版权属于该刊所有，转载仅用于行业交流。