故障诊断技术发展现状

安全检测与故障诊断

题目：故障诊断技术发展现状

导师：魏秀琨

学生姓名：刘典

学号：14114263

目录

1 引言 (3)

2 故障诊断的研究现状 (3)

1.1基于物理和化学分析的诊断方法 (3)

1.2基于信号处理的诊断方法对 (3)

1.3基于模型的诊断方法 (3)

1.4基于人工智能的诊断方法 (4)

2故障诊断研究存在的问题 (6)

2.1故障分辨率不高 (7)

2.2信息来源不充分 (7)

2.3自动获取知识能力差 (7)

2.4知识结合能力差 (7)

2.5对不确定知识的处理能力差 (7)

3发展方向 (8)

3.1多源信息的融合 (8)

3.2经验知识与原理知识紧密结合 (8)

3.3混合智能故障诊断技术研究 (9)

3.4基于物联网的远程协作诊断技术研究 (9)

4发展方向 (9)

1 引言

故障可以定义为系统至少有一个特性或参数偏离正常的范围，难于完成系统预期功能的行为。故障诊断技术是一种通过监测设备的状态参数，发现设备的异常情况，分析设备的故障原因，并预测预报设备未来状态的技术，其宗旨是运用当代一切科技的新成就发现设备的隐患，以达到对设备事故防患于未然的目的，是控制领域的一个热点研究方向。它包括故障检测、故障分离和故障辨识。故障诊断能够定位故障并判断故障的类型及发生时刻，进一步分析后可确定故障的程度。故障检测与诊断技术涉及多个学科，包括信号处理、模式识别、人工智能、神经网络、计算机工程、现代控制理论和模糊数学等，并应用了多种新的理论和算法。

2 故障诊断的研究现状

1.1基于物理和化学分析的诊断方法

通过观察故障设备运行过程中的物理、化学状态来进行故障诊断，分析其声、光、气味及温度的变化，再与正常状态进行比较，凭借经验来判断设备是否故障。如对柴油机常见的诊断方法有油液分析法，运用铁谱、光谱等分析方法，分析油液中金属磨粒的大小、组成及含量来判断发动机磨损情况。对柴油机排出的尾气(包含有NOX，COX 等气体) 进行化学成分分析，即可判断出柴油机的工作状态。

1.2基于信号处理的诊断方法对

故障设备工作状态下的信号进行诊断，当超出一定的范围即判断出现了故障。信号处理的对象主要包括时域、频域以及峰值等指标。运用相关分析、频域及小波分析等信号分析方法，提取方差、幅值和频率等特征值，从而检测出故障。如在发动机故障领域中常用的检测信号是振动信号和转速波动信号。如以现代检测技术、信号处理及模式识别为基础，在频域范围内，进行快速傅里叶变换分析等方法，描述故障特征的特征值，通过采集到的发动机振动信号，确定了试验测量位置，利用加速传感器、高速采集卡等采集了发动机的振动信号，并根据小波包技术，提取了发动机故障信号的特征值。该诊断方法的缺点在于只能对单个或者少数的振动部件进行分析和诊断。而发动机振动源很多，用这种方法有一定的局限性。

1.3基于模型的诊断方法

基于模型的诊断方法，是在建立诊断对象数学模型的基础上，根据模型获得的预测形态和所测量的形态之间的差异，计算出最小冲突集即为诊断系统的最小诊断。其中，最小诊断就是关于故障元件的假设，基于模型的诊断方法具有不依赖于被诊断系统的诊断实例和经验。将系统的模型和实际系统冗余运行，通过对比产生残差信号，可有效的剔除控制信号对

系统的影响，通过对残差信号的分析，就可以诊断系统运行过程中出现的故障。

它具有以下优点：

(1) 可以直接借用控制系统的设计模型而无须另行建模；

(2) 可以检测首次出现的故障而无须依赖系统运行的先前状况；

(3) 不但可以检测系统及元件故障，还可以检测传感器中出现的故障。

1.4基于人工智能的诊断方法

近年来，人工智能及计算机技术的迅猛发展为故障诊断技术提供了新的理论基础，出现了基于知识、不需要对象精确数学模型的故障诊断方法。

1.4.1基于神经网络的诊断方法

神经网络是一种通过模拟人脑而建立起来的自适应非线性动力学系统，它具有自学性和并行计算能力，可以实现分类、优化、自组织、联想记忆和非线性映射等功能。它以分布式的方式储存信息，利用网络的拓扑结构和权值分布实现非线性的映射，并利用全局并行处理实现从输入空间到输出空间的非线性信息变换。它在故障诊断中的具体应用方式有：

(1) 神经网络诊断系统。对特定问题建立适当的神经网络故障诊断系统，可以从其输入数据(代表故障症状) 直接推出输出数据(代表故障原因)，从而实现故障检测与诊断；

(2) 采用神经网络产生或评价残差，并做进一步诊断；

(3) 采用神经网络做自适应误差补偿。但是，神经网络在故障诊断应用也存在一些局限性，比如无法融入经验性的知识，且需要足够的学习样本才能保障诊断的可靠性，其“黑箱”结构难以了解系统的行为，在对复杂系统进行诊断时，往往由于网络规模过于庞大和学习训练时间太长等问题，降低了神经网络的实用性等。目前的神经网络诊断方法主要运用于提取稳态特征参数。

1.4.2基于粗糙集的诊断方法

粗糙集理论是Pawlak 教授于1982 年提出的一种刻画不完整性和不确定性的数学工具，能有效地分析和处理不精确、不一致及不完整等各种不完备信息，并从中发现隐含的知识，揭示潜在的规律。它最主要的优点是无需提供所需处理的数据集合之外的任何先验信息，对问题不确定性的描述和处理比较客观。基于粗糙集的故障诊断基本思想是把观察或测量到的故障征兆，作为对故障分类的条件属性，实际存在的故障作为决策属性，建立决策表，利用RS 理论强大的约简能力对原始决策表进行化简而得到多个与原始决策表等价的约简，然后对约简进一步化简，化简决策表删除多余的属性后就可以得到故障诊断规则。单一RS 理论要求采集的信息是准确完整的。但实际上得到的采集信息不可能永远是完备的，它会遇到噪声、数据丢失及海量数据等问题，且传统RS 不适合处理连续属性，因而实际应用过程中，RS 通常与其他智能技术融合起来使用。

1.4.3遗传算法

20 世纪60 年代中期，美国学者John Holland 在Fraser 等人提出了位串编码技术，并将该技术应用于自然和人工系统的自适应行为的研究。于1975 年出版了专著《Adap tation in Natural and Artificial Systems》，系统阐述了遗传算法的基本理论和方法。该算法以随机产生的一群候选解为初始群体，对群体中的每一个体进行编码，以字符串形式表示，然后根据对个体的适应度随机选择双亲，并对个体的编码进行繁殖、杂交和变异等操作，产生新的个体，组成新的种群，如此不断重复进行，使问题的解逐步向最优方向进化，直到得出在全局范围内具有较好适应值的解。它具有很强的全局优化搜索能力，和简单通用、鲁棒性强、隐并行处理结构等显著优点。将其应用于故障诊断中的专家系统推理和自学中，可克服专家系统存在的推理速度慢和先验知识很少的情况下知识获取困难的障碍，具有广阔的应用前景。

另外，基于遗传算法的故障诊断在实际系统中也得到了应用，如变压器的故障诊断、轴承和齿轮等旋转机械的故障诊断、发动机齿轮箱故障监测和诊断等。但事物都是一分为二的，遗传算法也不是完美无缺的，如何解决遗传算法群体过小带来的早熟、交叉率及变异率的选择等问题，使之成功应用于故障诊断系统还需要进一步研究。

1.4.4基于故障树的诊断方法

故障树模型是一个基于研究对象结构、功能特征的行为模型；是一种定性的因果模型；是一种体现故障传播关系的有向图。它从诊断对象最不希望发生的事件为顶事件，按照对象的结构和功能关系逐层展开，直到不可分事件(底事件) 为止。

故障树分析法原来用于系统的可靠性设计，现已广泛用于故障诊断领域。但是，由于故障树是建立在部件联系和故障模式分析的基础之上，因此不能诊断不可知的故障。故障诊断的结果严重依赖于故障树信息的完整程度。如果给定的故障树不完全、不详细、不精确，那么对应的诊断也会不完全、不详细、不精确。

1.4.5基于专家系统的诊断方法自1965 年以来，斯坦福大学DENDRAL 专家系统开始，专家系统的研究和应用迅速发展，具有人工智能的柴油机故障诊断专家系统也成为现代柴油机管理的研究方向。20 世纪70 年代美国通用电器公司研制出基于规则的内燃电缆机车故障诊断系统(DELTA专家系统)，1996 年美国EMD 和Rockwell 公司联合开发的柴油机状态监视系统(ICM) 和诊断专家系统(EMD)。专家系统利用专家经验，从大量的样本中提取故障特征，描述故障和征兆之间的关系网。在进行故障诊断时，根据已知事实，采用基于推理机通过故障原因与征兆进行匹配。专家系统是诊断领域最引人注目，也是研究最多、应用最广的一类智能诊断技术。它主要应用于没有精确数学模型或者很难建立数学模型的复杂系统。在实际的运用中，有基于网络的故障诊断专家系统的诊断方法，此方法建立基于网络的智能诊断系统，并讨论在建立此系统时的诊断过程和相关困难。

1.4.6小波分析

小波分析法是20 世纪80 年代中期由法国学者Daubeches 和Callet 引入信号处理领域而发展起来的数学理论和方法，它能解决许多傅里叶变换难以解决的问题，被认为是傅里叶分析方法的突破性进展。其基本思想是用信号在一簇基函数张成空间上的投影表征该信号。小波分析优于傅里叶之处在于：小波分析在时域和频域同时具有良好的局部化性质，是一种窗口大小(即窗口面积) 固定但其形状、时间窗和频率都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率，能聚焦到信号的任意细节，对信号的突变有很强的识别能力，能有效地去噪和提取有用信号，被誉为分析信号的显微镜，小波分析在信号处理、图像处理、话音分析、模式识别、量子物理、生物医学工程、计算机视觉、故障诊断及众多非线性科学领域都有广泛的应用。基于小波分析的故障诊断方法是先对信号进行多级小波分解，得到各子带数据，通过对小波变换系数模极大值的检测来实现对信号奇异性的检测，从而确定故障发生的时间。

小波变换在故障诊断中的具体应用表现在以下几个方面：

利用小波变换检测信号的突变；

利用观测信号频率结构的变化；

利用脉冲响应函数的小波变换；

利用小波变换去噪提取系统波形特征；

利用小波网络。

虽然小波分析在信号处理方面得到了广泛的应用，但总体上说，小波变换理论和小波变换在故障诊断中的应用还处于发展阶段，主要存在以下问题：

(1) 由于小波变换及小波网络中的小波基的选择没有统一标准，选择不同的小波会得出不同的结论，在实际应用中往往根据经验来选择小波，带有一定的主观性；

(2) 如何根据信号的特征选择尺度、平移量，用最少的变化后的数据反映信号的特征，以减少运算量；如果选择不当，将会增加运算量，降低推理速度，影响效率；

(3) 小波网络的新模型基学习算法也是当前研究的热点，近年来有人提出多层结构小波网络和局域连接型的小波网络。由于神经网络的研究正在向计算智能、生物智能方向发展，小波网络的研究也在不断吸收如混沌、进化等其他交叉学科的研究成果。正因为小波网络还在发展中，所以许多问题还有待于深入研究；

(4) 小波网络的收敛性、鲁棒性、计算复杂度等还有待于深入研究，小波网络在故障诊断中的硬件实现也是需要进一步探讨和解决的问题。

1.4.7基于模糊集的诊断方法

模糊集理论是美国控制论学者Zadeh 于1965 年提出的为描述与处理广泛存在模糊的时间和概念的理论工具。它能够处理故障诊断中的不确定信息和不完整信息，基于模糊集的故障诊断方法主要是利用集合论中的隶属度函数和模糊关系矩阵的概念，解决故障与征兆之间的不确定关系。目前，模糊故障诊断有3种基本方法：

(1) 建立故障现象与故障征兆之间的模糊关系矩阵，再通过模糊关系方程进行故障诊断；

(2) 建立故障与征兆之间的模糊知识库，再进行模糊逻辑推理；

(3) 对原始采样数据进行模糊聚类处理，再通过评价划分系数和分离系数等进行故障诊断。

具体的应用形式有：基于模糊模型的故障诊断方法；基于自适应模糊阈值的残差评价方法；基于模糊聚类的残差评价方法；基于模糊逻辑的残差评价方法和基于模糊模式识别的故障诊断方法。基于模糊理论的故障诊断方法在实际中也有应用，例如空调试验装置冷却线圈的故障诊断，以及基于模糊理论的液压系统故障诊断。模糊变量表示可读性强，模糊推理逻辑严谨，类似人类思维过程，易于理解，但它也具有一些固有缺陷，主要表现在：

①模糊系统在推理时也要搜索知识库内一定的规则集才能得出结论，所以当系统比较大时，完成诊断的速度比较慢，效率比较低；

②当系统的结构发生变化时，模糊系统的知识库或相关规则的模糊度也要进行相应的修改，即模糊系统也存在维护的问题；

③模糊系统不具备学习能力。即模糊诊断方法利用模糊集合率中的隶属函数和模糊关系矩阵的概念来解决故障与征兆间的不确定关系，进而实现故障的早期预报和精确诊断。这种方法计算简单，应用方便，结论明确直观，但不能进行趋势分析；

④构造隶属函数、选择特征参数是实现模糊诊断的前提，由于隶属函数可由隶属曲线表示，是人为构造出来的，会有一定的主观因素，特征参数选择不合理，诊断精度会下降，甚至诊断失效；

⑤如果在征兆与故障的关系中含有未知因素，隶属函数无法构造出来，这时该方法将失效。

1.4.8其他故降诊断方法

除了上述理论和方法外，在故障诊断领域中，还有基于向量机的诊断方法，基于微粒群算法的诊断方法，基于灰色理论的诊断方法，基于云模型的诊断方法以及把各种诊断相结合的方法。

综上所述，单一的故障诊断技术有着各自的优缺点，难以满足复杂系统的诊断要求。因此，将各种不同的诊断方法有效地结合起来，对故障诊断有着重要的意义，是故障诊断技术发展的一个趋势。

2 故障诊断研究存在的问题

设备故障诊断技术虽然取得了不少进展，有些方面已有较成熟的理论和方法(如数字电路的故障诊断)，但仍有许多不足，特别是对复杂的大规模非线性系统故障诊断方法的研究更有待深入地探索。在技术方面，现有的不同等级和各种类型的故障诊断装置，能在不同程度上对被测对象进行故障诊断，但与实际的需求相比，还有相当大的距离。其主要的不足如下分析。

2.1故障分辨率不高

现代大多数故障诊断系统虽然能快速地进行故障诊断，但是由于设备越来越复杂，加上电路的非线性问题，使检测点和施加的测试信号受到限制，因此影响了可控性和可测性，同时造成故障诊断的模糊性和不确定性。另外，在模拟电路中，元器件的故障参数是一个连续量，测量响应的数据引入误差是不可避免的。最困难的是各元器件都有一定的容差，因此用字典法即使作硬故障的诊断，其效果也不如数字电路的字典诊断法。一般地说，字典法只能解决单故障诊断，在实际应用时几乎不可能实现对多故障的诊断。

2.2信息来源不充分

(1) 现有的诊断系统通常只搜集被测对象当前状态信息，而对其过去的状态和已做过的维护工作的信息、故障诊断系统本身的状态信息未加考虑。

(2) 对被诊断电路其测试的信号大多是电信号如电压和电流等，而对其他性质的信息较少测试，如温度、图像及电磁场信号等。因此有时根据诊断结果提出的维护措施不够准确有效。

2.3自动获取知识能力差

知识获取长期以来一直是专家系统研制中的瓶颈问题，对于故障智能诊断系统来说也是如此。目前多数的诊断系统在自动获取知识方面表现的能力还比较差，限制了系统性能的自我完善、发展和提高。虽然一些系统或多或少地加入了机器学习的功能，但基本上不能在运行的过程中发现和创造知识，系统的诊断能力往往仅局限于知识库中原有的知识。

2.4知识结合能力差

近年来，国外专家在对诊断与维修领域的专家系统研究中，越来越多地强调使用深知识。如Davis关于电器设备故障诊断用结构与原理的方法研究，Chand-rasekara 等人研究的从医疗诊断领域中的深层知识进行编译和诊断等。然而他们在如何将领域问题的基本原理与专家经验知识结合得更好，这方面所做的工作还很少，使得这些系统不能具备与人类专家能力相似的知识或能力，影响了系统发挥更大的效能。

2.5对不确定知识的处理能力差

诊断系统中往往存在大量的不确定性信息，这些信息或是随机的、模糊的或是不完全的。

如何对不确定性知识进行表达和处理，始终是诊断领域研究的热点问题。虽然有很多不确定性理论在实际的故障诊断专家系统中得到了较好地应用，但是这一问题仍未得到十分有效的解决，在有效、合理、使用的不确定性知识处理方面存在着巨大的研究潜力。

总之，故障智能诊断系统无论在理论上还是在系统开发方面都已取得了很大的进步，但真正投入使用并且功能完善的系统并不多，大多数研究成果仍然停留在实验室阶段。造成这种理论与实践脱节有 2 个方面的原因，一方面是由于理论研究所限定的条件与实际应用时的情况相差甚远；另一方面是由于对诊断对象缺乏深刻的认识和研究，而且作为人工智能技术本身也有待于进一步发展和完善。

3 发展方向

故障诊断研究的目的是为了提高诊断的精度、速度、降低误报率和漏报率，确定故障发生的准确时间和部位，并估计出故障的大小和趋势。近10 年来，随着人工智能技术的迅速发展，特别是知识工程、专家系统、模糊逻辑和神经网络在诊断领域中的进一步应用，迫使人们对智能诊断问题进行更加深入与系统的研究，形成了一系列研究热点，也取得了一系列研究成果。但从分支学科的要求来看，无论是在理论体系的构建方面，还是在解决实际问题方面，故障诊断研究仍有一段艰巨的路程要走。目前和今后的主要研究可归纳为以下几个方面。

3.1多源信息的融合

在设备运行过程中，可以利用的状态信息有很多，比如机械的振动，声响、温度、压力，电气的输出功率、转速和扭矩等，如何对这些大量的信息进行融合，消除多传感器信息之间可能存在的冗余和矛盾，并加以互补，降低其不确定性，获得对故障设备的一致性描述，是今后故障诊断技术研究的重点方向。

3.2经验知识与原理知识紧密结合

在复杂设备故障智能诊断系统中，只有将领域问题的基本原理与专家的经验知识相结合，才能更好地解决诊断问题。因此在建造知识库时，不仅要重视浅知识的表达和处理，也要重视深知识的地位和作用。在该类模型中，深知识和浅知识各自用对它们最适合的方法表示，并构成两种不同类型的知识库(分别称为“原理专家”和“经验专家”)，2 个知识库各有1 个推理机构，这样它们在各自的权力范围内自成1 个专家系统。这2 个系统通过协调机制模块构成1 个诊断特定问题的完整智能系统。

在诊断问题求解时，浅知识与深知识进行相互作用，什么类型的知识在诊断过程中起控制作用可能每时每刻都在发生变化。从一个知识源获得的信息很容易通过协调机制结构转化为另一个知识源的信息。当“经验专家”工作时，原理专家在一旁“观望”，一旦“经验专家”的求解能力下降，或者诊断失败，即刻就由“原理专家”携带着从“经验专家”那里获得的所有诊断信息开始工作。如果问题已知，“经验专家”常先用于诊断，这样找出问题的解是迅速的，因为其知识的根据是表面的启发式论据，即使没有理解它的含义，也能快速求解问题。如果求解失败，由于“经验专家”提供了大量有价值的信息，导致“原理专家”能更有效地求解。总之，快速求解依靠“经验专家”，而完整、良好的解释依靠“原理专家”，

如此交替使用是非常有效的。

3.3混合智能故障诊断技术研究

目前，将多种不同的智能诊断技术结合起来的混合诊断系统是智能故障诊断研究的一个发展趋势。结合方式主要是基于规则的专家系统与神经网络的结合，CBR 与基于规则系统和神经网络的结合，模糊逻辑、神经网络与专家系统的结合等。其中模糊逻辑、神经网络与专家系统结合的诊断模型是最具发展前景的，也是目前人工智能领域的研究热点之一。这方面的研究刚开始，例如，模糊逻辑与神经网络的组合机理、组合后的实现算法、便于神经网络处理的模糊知识的表达方式等。混合智能故障诊断系统的发展有如下趋势：由基于规则的系统到基于混合模型的系统；由领域专家提供知识到机器学习；由非实时诊断到实时诊断；由单一推理控制策略到混合推理控制策略等。智能诊断系统在机器学习、诊断实时性等方面的性能改善，是决定其有效性和广泛应用性的关键。

3.4基于物联网的远程协作诊断技术研究

基于物联网的设备故障远程协作诊断是将设备诊断技术、信息传感设备(如射频识别装置、红外感应器、全球定位系统、激光扫描器等)，与计算机网络技术相结合，用若干台计算机作为服务器，在企业的关键设备上建立状态监测点，采集设备状态数据，在技术力量较强的科研院所建立分析诊断中心，为企业提供远程技术支持和保障。利用先进的物联网技术，通过网络诊断软件，在办公室计算机上进行分析诊断设备的故障，网上发放检修计划，下达设备采购计划等工作。基于物联网的设备故障远程协作诊断系统在提高生产率及降低设备的故障率、降低设备维修成本等方面有很大优势，是未来故障诊断系统的发展方向。

4 发展方向

故障诊断是一门实用性很强的新兴研究领域，虽然经过领域专家多年的艰辛研究，无论在理论研究还是在工程实践应用上都取得较大进展，但仍有许多尚待解决的理论和工程应用技术问题有待更深入的研究。