1、精選優質文檔-傾情為你奉上故障診斷技術的國內外發展現狀國際上，故障檢測與診斷技術（Fault Detection and Diagnosis，FDD）的發展直接促成了IFAC技術過程的故障診斷與安全性技術委員會的成立（1993）。從1991年起，IFAC每三年定期召開FDD方面的國際專題學術會議。在我國，自動化學會也于1997年批準成立中國自動化學會技術過程的故障診斷與安全性專業委員會，并于1999年5月在清華大學召開了首屆全國技術過程的故障診斷與安全性學術會議4。故障診斷是一門涉及信號處理、模式識別、人工智能、統計學、計算機科學等多個學科的綜合性技術5。20世紀60年代初期，美國、日本和歐洲

2、的一些發達國家相繼開展了設備診斷技術的研究，主要應用于航天、核電、電力系統等尖端工業部門，自20世紀80年代以后逐漸擴展到冶金、化工、船舶、鐵路等許多領域。近年來故障診斷技術得到了迅速發展，概括地講可以分為3類：基于信號處理的方法、基于解析模型的方法和基于知識的智能故障診斷方法。（1）基于信號處理的方法基于信號處理的方法，通常是利用信號模型（如相關函數、頻譜、小波變換等）直接分析可測信號，提取諸如方差、幅值、頻率等特征值，以此為依據進行故障診斷。基于信號處理的方法主要有傅立葉變換6, 7、小波變換8, 9、主元分析10、Hilbert-Huang變換11等。文獻12提出利用諧波小波對長輸管的小

3、泄漏診斷問題，取得了較好的應用效果；文獻13提出了一種針對機車故障振動信號的局域均值分解（LMD）解調診斷方法；文獻14提出了一種基于時頻指標的自適應移頻變尺度隨機共振算法用于軸承的故障診斷；文獻15利用形態學的消噪特性對信號進行消噪，之后利用小波對故障進行定位，在傳感器故障診斷方面取得了較好的應用效果。（2）基于解析模型的方法基于解析模型的方法是以診斷對象的數學模型為基礎，按照一定的數學方法對被測信息進行診斷處理，其優點是能深入系統本質的動態性質和實現實時診斷。主要有狀態估計法16, 17和參數估計法18等等。文獻19利用滑模觀測器對魯棒故障進行診斷；文獻20利用YJBK參數化方法對動態系統

4、的參變量故障進行診斷；文獻21提出利用滑模狀態觀測器進行自行高炮穩定跟蹤系統的異常檢測。文獻22將基于解析模型的方法和信號處理的方法進行了結合用于連續和離散動態混合的系統故障診斷當中。由于通常很難獲得被測對象（特別是復雜武器裝備）的精確數學模型，從而大大限制了基于解析模型的故障診斷方法的應用。（3）基于知識的智能方法20世紀80年代后期，隨著人工智能和計算機技術的飛速發展，產生了基于知識的智能故障診斷方法，并成為故障診斷研究的主流和發展方向。故障診斷系統的智能主要體現在它能有效地獲取、傳遞、處理、再生和利用診斷信息，具有對給定環境下的診斷對象進行正確的狀態識別、診斷和預測的能力。智能故障診斷方

5、法主要包括：（1）基于專家系統的診斷方法23。專家系統（Expert System，ES）是一個具有專門知識與經驗的程序系統，通常由知識庫（Knowledge Base）、推理機（Inference Engine）、人機接口（Man-Machine Interface）等部分組成，是當前研究最多、應用最廣的一類智能診斷技術。專家系統的優點有：可以用類自然語言方式來表達無法用數學模型表達的專家知識；能在特定領域內模仿專家工作，處理非常復雜的情況；在已知其基本規則的情況下，無需大量細節數據即可運行；能對系統的結論做出解釋。專家系統擅長邏輯推理和符號信息處理，適用于復雜系統的故障診斷。然而專家系統自

6、身的一些缺點限制了它的廣泛應用，如知識獲取的瓶頸問題。文獻24對車站控制信號的故障診斷專家系統的研制與實現進行了較詳細的探討；文獻25針對水壓試驗機的故障診斷問題提出了基于減聚類和人機交互的方法進行知識獲取，以解決專家系統知識獲取的瓶頸問題。（2）基于神經網絡的診斷方法。人工神經網絡（Artificial Neural Network，ANN）具有大規模并行分布處理、聯想記憶、自組織學習、魯棒性和容錯性等優良特性，對于非確定性的知識具有極強的處理能力，能夠解決許多傳統方法所無法解決的問題。然而，ANN的一些缺點限制了它的一些應用，如網絡結構難以確定、局部極小點等問題。文獻26聯合多個神經網絡用

7、于故障診斷，能夠較好的緩解ANN的缺點；文獻27首先利用LDB算法進行特征提取，之后利用SOM網絡將特征映射到高維空間，最后利用BP網絡進行故障分類。（3）基于模糊理論的診斷方法28。基于模糊理論的診斷方法不需要建立精確的數學模型，適當地運用隸屬函數和模糊規則，進行模糊推理就可以實現模糊診斷的智能化。然而對復雜的診斷系統，要建立正確的模糊規則和隸屬函數是非常困難的，而且需要花費很長的時間。對于更大的模糊規則和隸屬函數集合而言，難以找到規則與規則之間的關系，也就是說規則有“組合爆炸”現象發生。另外由于系統的復雜性、耦合性，由時域、頻域特征空間至故障模式特征空間的映射關系往往存在較強的非線性，這時隸屬函數形狀不規則，只能利用規則形狀的隸屬函數來加以處理，從而使得非線性系統的診斷結果不理想。文獻29總結了模糊理論故障診斷的框架。文獻30針對故障診斷中只有確認故障而不進行故障否認，從而將Type-2模糊理論進行了改進并用于故障診斷當中。另外，還有很多其它的智能診斷方法，如粗糙集31