故障诊断技术的国内外发展现状,故障诊断技术的国内外发展现状 - 百度文库

('故障诊断技术的国内外发展现状国际上，故障检测与诊断技术（FaultDetectionandDiagnosis，FDD）的发展直接促成了IFAC技术过程的故障诊断与安全性技术委员会的成立（1993）。从1991年起，IFAC每三年定期召开FDD方面的国际专题学术会议。在我国，自动化学会也于1997年批准成立中国自动化学会技术过程的故障诊断与安全性专业委员会，并于1999年5月在清华大学召开了首届全国技术过程的故障诊断与安全性学术会议[4]。故障诊断是一门涉及信号处理、模式识别、人工智能、统计学、计算机科学等多个学科的综合性技术[5]。20世纪60年代初期，美国、日本和欧洲的一些发达国家相继开展了设备诊断技术的研究，主要应用于航天、核电、电力系统等尖端工业部门，自20世纪80年代以后逐渐扩展到冶金、化工、船舶、铁路等许多领域。近年来故障诊断技术得到了迅速发展，概括地讲可以分为3类：基于信号处理的方法、基于解析模型的方法和基于知识的智能故障诊断方法。（1）基于信号处理的方法基于信号处理的方法，通常是利用信号模型（如相关函数、频谱、小波变换等）直接分析可测信号，提取诸如方差、幅值、频率等特征值，以此为依据进行故障诊断。基于信号处理的方法主要有傅立叶变换[6,7]、小波变换[8,9]、主元分析[10]、Hilbert-Huang变换[11]等。文献[12]提出利用谐波小波对长输管的小泄漏诊断问题，取得了较好的应用效果；文献[13]提出了一种针对机车故障振动信号的局域均值分解（LMD）解调诊断方法；文献[14]提出了一种基于时频指标的自适应移频变尺度随机共振算法用于轴承的故障诊断；文献[15]利用形态学的消噪特性对信号进行消噪，之后利用小波对故障进行定位，在传感器故障诊断方面取得了较好的应用效果。（2）基于解析模型的方法基于解析模型的方法是以诊断对象的数学模型为基础，按照一定的数学方法对被测信息进行诊断处理，其优点是能深入系统本质的动态性质和实现实时诊断。主要有状态估计法[16,17]和参数估计法[18]等等。文献[19]利用滑模观测器对鲁棒故障进行诊断；文献[20]利用YJBK参数化方法对动态系统的参变量故障进行诊断；文献[21]提出利用滑模状态观测器进行自行高炮稳定跟踪系统的异常检测。文献[22]将基于解析模型的方法和信号处理的方法进行了结合用于连续和离散动态混合的系统故障诊断当中。由于通常很难获得被测对象（特别是复杂武器装备）的精确数学模型，从而大大限制了基于解析模型的故障诊断方法的应用。（3）基于知识的智能方法20世纪80年代后期，随着人工智能和计算机技术的飞速发展，产生了基于知识的智能故障诊断方法，并成为故障诊断研究的主流和发展方向。故障诊断系统的智能主要体现在它能有效地获取、传递、处理、再生和利用诊断信息，具有对给定环境下的诊断对象进行正确的状态识别、诊断和预测的能力。智能故障诊断方法主要包括：（1）基于专家系统的诊断方法[23]。专家系统（ExpertSystem，ES）是一个具有专门知识与经验的程序系统，通常由知识库（KnowledgeBase）、推理机（InferenceEngine）、人机接口（Man-MachineInterface）等部分组成，是当前研究最多、应用最广的一类智能诊断技术。专家系统的优点有：可以用类自然语言方式来表达无法用数学模型表达的专家知识；能在特定领域内模仿专家工作，处理非常复杂的情况；在已知其基本规则的情况下，无需大量细节数据即可运行；能对系统的结论做出解释。专家系统擅长逻辑推理和符号信息处理，适用于复杂系统的故障诊断。然而专家系统自身的一些缺点限制了它的广泛应用，如知识获取的瓶颈问题。文献[24]对车站控制信号的故障诊断专家系统的研制与实现进行了较详细的探讨；文献[25]针对水压试验机的故障诊断问题提出了基于减聚类和人机交互的方法进行知识获取，以解决专家系统知识获取的瓶颈问题。（2）基于神经网络的诊断方法。人工神经网络（ArtificialNeuralNetwork，ANN）具有大规模并行分布处理、联想记忆、自组织学习、鲁棒性和容错性等优良特性，对于非确定性的知识具有极强的处理能力，能够解决许多传统方法所无法解决的问题。然而，ANN的一些缺点限制了它的一些应用，如网络结构难以确定、局部极小点等问题。文献[26]联合多个神经网络用于故障诊断能够较好的缓解ANN的缺点；文献[27]首先利用LDB算法进行特征提取，之后利用SOM网络将特征映射到高维空间，最后利用BP网络进行故障分类。（3）基于模糊理论的诊断方法[28]。基于模糊理论的诊断方法不需要建立精确的数学模型，适当地运用隶属函数和模糊规则，进行模糊推理就可以实现模糊诊断的智能化。然而对复杂的诊断系统，要建立正确的模糊规则和隶属函数是非常困难的，而且需要花费很长的时间。对于更大的模糊规则和隶属函数集合而言，难以找到规则与规则之间的关系，也就是说规则有“组合爆炸”现象发生。另外由于系统的复杂性、耦合性，由时域、频域特征空间至故障模式特征空间的映射关系往往存在较强的非线性，这时隶属函数形状不规则，只能利用规则形状的隶属函数来加以处理，从而使得非线性系统的诊断结果不理想。文献[29]总结了模糊理论故障诊断的框架。文献[30]针对故障诊断中只有确认故障而不进行故障否认，从而将Type-2模糊理论进行了改进并用于故障诊断当中。另外，还有很多其它的智能诊断方法，如粗糙集[31]、人工免疫算法[32]、数据融合[33]等。然而每种智能方法都有其局限性和缺点，因此将多种智能方法相结合的综合故障诊断技术已经成为了一个新的研究热点。例如专家系统与神经网络[34]、专家系统与模糊理论[35]、粗糙集与神经网络[36]等等。',)