故障诊断技术的研究现状与发展趋势.pdf

故障诊断技术的研究现状与发展趋势.pdf

《故障诊断技术的研究现状与发展趋势.pdf》由会员分享，可在线阅读，更多相关《故障诊断技术的研究现状与发展趋势.pdf（8页珍藏版）》请在冰点文库上搜索。

!

综述与评论故障诊断技术的研究现状与发展趋势赵翔1，李著信1，萧德云2（1.解放军后勤工程学院军事供油工程系，重庆410016；2.清华大学自动化系）摘要：

回顾了状态监测与故障诊断技术的发展历史，归纳和总结了基于系统数学模型、基于系统输入输出信号处理以及基于人工智能等途径的故障诊断方法。

从混合智能诊断技术、BIT技术、远程协作诊断技术三个方面，对现代故障诊断技术的发展趋势和有待解决的问题进行了分析与探讨。

提出了故障诊断领域目前和将来的研究方向。

关键词：

故障诊断；分析冗余；信号处理；人工智能；信息融合；机内测试；远程诊断中图分类号：

T165.3文献标识码：

B文章编号：

1001-3881（2002）4-003-4PresentSituationandItsAdvanceofFaultDiagnosisTechnigueZhaoXiang1，LiZhuxin1，XiaoDeyun2（1.MiiitaryOiisuppiyEngineeringDepartmentLogisticaiEngineeringUniversity；2.AutomationDepartmentTsinghuaUniversity）Abstract：

Thispaperhassummarizedthehistoryandpresentstatusofthetheoryandengineeringappiicationforfauitdiagnostictechnigue，an-aiyzedtheprocessandessenceoffauitdiagnostic，introducedsomediagnosticmethodsincommonuse，andespeciaiiymentionedsomenewtrendsofsuchmoderndiagnosticmethodsashybridinteiiigentdiagnosis，BITandremoteco-operativediagnosis.Lastiy，wepointsoutsomeprobiemsthatshouidbeemphasized，andpredictssomefutureresearchdirectionsaboutmodernfauitdiagnosis.Keywords：

Fauitdiagnosis；Anaiyticairedundancy；Signaiprocess；Artificiaiinteiiigent；Informationfusion；BIT；Remotediagnosis!

引言近三十年的理论研究和实际应用表明，故障诊断技术的出现，为提高系统的可靠性和安全性开辟了一条新的途径；它的出现、兴起与迅速发展，是实际应用需求与多学科理论发展两个方面交替作用的结果。

从实际应用需求方面看，随着现代自动化技术水平的不断提高，各类工程系统的复杂性大大增加，系统的可靠性与安全性已成为保障经济效益和社会效益的一个关键因素，受到了工程界的高度重视；从多学科理论发展方面看，由于故障诊断技术具有很强的学科交叉性，大量学科，尤其是现代控制理论、信号处理、模式识别、最优化方法、决策论、人工智能等近二十年来的迅速发展，为解决复杂系统的故障诊断问题提供了有力的理论基础，从而产生了大量行之有效的具体方法。

正是在技术进步与市场拓展的双重驱动下，故障诊断技术得到了快速发展，大量关于动态系统的故障诊断专家系统都已达到了实用水平，并在航空航天、核反应堆、热电厂、石油输送、机器人、化工、铁路、船舶等一系列工程技术领域得到了成功应用，取得了显著的经济效益1，5；国际自动控制界也给予了高度重视，从1991年起IFAC就每三年定期召开故障诊断方面的国际专题学术会议，并在1993年成立了IFAC技术过程的故障诊断与安全性技术委员会，中国自动化学会也于1997年批准成立了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，以协调国内该学科的发展。

故障诊断技术的历史回顾基于解析冗余的故障诊断技术被公认为起源于1971年Beard发表的博士论文6以及Mehra和Peschon发表在Automatica上的论文7。

Beard提出的通过系统的自组织使系统闭环稳定、通过比较观测器的输出得到系统故障信息的新思想，标志着这门技术的诞生。

1976年，Wiiisky在Automatica上发表了第一篇故障诊断方面的综述文章8。

immeibiau于1978年出版了国际上第一本故障诊断方面的学术著作9。

随后报道这方面的重要综述文章与著作参见1016。

基本的故障诊断方法可分为如下几类。

（1）基于系统数学模型的诊断方法1721该方法以现代控制理论和现代优化方法为指导，以系统的数学模型为基础，利用Luenberger观测器（组）、等价空间方程、Kaiman滤波器、参数模型估计与辨识等方法产生残差，然后基于某种准则或阈值对残差进行分析与评价，实现故障诊断。

由于该方法能与控制系统紧密结合，是实现监控、容错控制、系统修复与重构等的前提，所以得到了高度重视。

根据残差的产生方式可细分为状态估计诊断法、参数估计诊断法和一致性检验诊断法等。

!

状态估计诊断法。

被控过程的状态直接反映系统运行状态，通过估计出系统的状态、并结合适当模型可进行故障诊断。

首先重构被控过程的状态，通过与可测变量比较构成残差序列，通过构造适当的模型并用统计检验法，才能把故障从中检测出来，并作进一步分离、估计及决策。

通常可用Luenberger观测器及Kaiman滤波器进行状态估计。

参数估计诊断法。

当故障由参数的显著变化来描述时，可利用已有的参数估计方法来检测故障信息，根据参数的估计值与正常值之间的偏差情况来判定系统的故障情况。

首先建立被控过程的输入输出参数模3机床与液压2002.No.4型并建立模型参数与过程参数之间的联系，基于系统的输入输出序列估计出模型参数序列，由模型参数序列计算过程参数序列并确定过程参数的变化量序列，最后基于此变化序列的统计特性检测故障是否发生，当确定有故障发生时，再进行故障分离、估计及决策。

一致性检验诊断法。

通过检验系统实际模型是否与正常模型（或叫标称模型）一致来实现故障检测。

设系统的状态方程已知，根据该方程可求出系统的能观性子空间以及该子空间的正交补，将测量到的系统输出信号往该正交补上投影，即生成残差。

近来已证明该法与基于观测器的状态估计诊断法是等价的。

（2）基于系统输入输出信号处理的诊断方法5，22，23通过某种信息处理和特征提取方法来进行故障诊断，应用较多的有各种谱分析方法、时间序列特征提取方法、自适应信号处理方法等。

这种方法不需要对象的准确模型，因此适应性强。

基于小波变换的诊断方法。

利用小波变换可检测信号奇异性（对于随机信号则是频率结构的突变）的特点来实现故障诊断。

首先对系统的输入输出信号进行小波变换，求出所有奇异点。

由于噪声的小波变换的模极大值随着尺度的增大而增大（或由于噪声的影响而缓慢衰减），即噪声Lipschitz指数处处小于零，而信号在突变点的Lipschitz指数大于零（或由于噪声的影响而等于模很小的负数），所以可以区分开噪声对应的奇异点，再剔除了由输入突变引起的奇异点后，剩下的就对应于系统故障。

基于输出信号处理的诊断方法。

系统的输出在幅值、相位、频率及相关性上与故障会存在一定的联系，这些联系可以用一定的数学形式（如输出量的频谱等）表达，在发生故障时，则可利用这些量进行分析与处理，来判断故障源的所在，常用的方法有谱分析法、概率密度法、相关分析法及互功率谱分析法等。

基于时间序列特征提取的诊断方法。

选取与故障直接相关的状态变量，建立时间序列过程模型，以模型参数作为特征矢量来判别故障类型。

可分为故障特征的自学习和时间序列的模式识别两个过程。

故障特征的自学习是从典型过程序列（包括正常工况序列和异常工况序列）的特征向量中总结和归纳出故障的特征向量表示，即寻求典型过程序列的特征向量到故障类型的空间映射；实际序列的故障模式识别过程中先对待识别序列进行动态数据建模和特征提取，然后将序列特征输入已经训练好的模式识别系统，根据系统输出确定系统的故障状态。

基于信息融合的诊断方法。

信息融合是多源信息综合处理的一项新技术，它能将来自某一目标的多源信息加以智能化合成，产生比单一信源更精确、更完全的估计和判决，有望解决对复杂系统进行故障诊断时存在的信号信噪比低、诊断可信度低等问题。

该方向目前的研究重点有：

兼有稳健性和准确性的融合算法和模型的研究；研究信息融合用的数据库和知识库、高速并行检索和推理机制，开发不确定性推理系统；适用于故障诊断的信息表达方式与融合结构研究；决策层融合技术的研究；数据采掘技术研究等。

（3）基于人工智能的诊断方法2，3，2426基于建模处理和信号处理的诊断技术正发展为基于知识处理的智能诊断技术。

基于专家系统的智能诊断技术。

故障诊断专家系统是研究最多、应用最广的一类智能诊断系统，主要用于那些没有精确数学模型或很难建立数学模型的复杂系统。

大致经历了两个发展阶段：

基于浅知识的第一代故障诊断专家系统和基于深知识的第二代故障诊断专家系统。

近期出现的混合结构的专家系统，是将上述两种方法结合使用，互补不足。

基于神经网络的智能诊断技术。

神经网络具有的超高维性、强非线性等动力学特性，使其具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、并行和处理复杂模式等功能，带来了提供更佳诊断性能的潜在可能性。

具体应用方式有：

从模式识别角度应用神经网络作为分类器进行故障诊断；从预测角度应用神经网络作为动态预测模型进行故障预测；利用神经网络极强的非线性动态跟踪能力进行基于结构映射的故障诊断；从知识处理角度建立基于神经网络的诊断专家系统等。

基于模糊逻辑的诊断方法。

模糊逻辑的引入主要是为了克服由于过程本身的不确定性、不精确性以及噪声等所带来的困难，因而在处理复杂系统的大时滞、时变及非线性方面，显示出它的优越性。

目前主要有三种基本诊断思路：

一是基于模糊关系及合成算法的诊断；二是基于模糊知识处理技术的诊断；三是基于模糊聚类算法的诊断。

基于故障树分析的诊断方法。

基于故障的层次特性，其故障成因和后果的关系往往具有很多层次并形成一连串的因果链，加之一因多果或一果多因的情况就构成了故障树。

故障树分析包括定性分析和定量分析，定性分析中使用最小割集算法和最小路集算法找出导致顶事件发生的所有可能的故障模式，也即弄清系统或设备出现某种最不希望的故障事件有多少种可能性；定量分析的主要目的是求顶事件发生的特征量（如可靠度、重要度、故障率、累计故障概率、首次故障时间等）和底事件的重要度。

基于实例推理的诊断方法。

实例推理（Case-!

机床与液压2002.NO.4BasedReason，简称CBR）是AI中新兴的一种推理技术，其关键是如何建立一个有效的实例索引机制与实例组织方式。

由于CBR是通过回忆以前相似状况并重新利用那种状况的信息和知识来求解新问题的一种推理方法，它可以缩短问题求解途径，提高推理效率，在知识表达不尽理想或领域知识获取不完备、不精确的情况下，能利用原有系统中的经验教训，避免重犯错误、缩短诊断过程。

（4）其它诊断方法其它诊断方法有模式识别诊断方法、定性模型诊断方法以及基于灰色系统理论的诊断方法等。

另外还包括前述方法之间互相融合、互补不足而形成的一些混合诊断方法。

!

故障诊断技术的研究现状（l）传统故障诊断技术存在的问题3工业过程中的控制对象常常是复杂大系统，具有滞后、强耦合、参数时变等严重的非线性特征，且其数学模型不存在或太复杂、噪声统计特性不理想，并存在过程不确定和外部干扰等因素，因而很难得到较准确的在线状态估计或参数估计，从而难以生成残差；然而，任何一种基于模型的故障诊断方法，都要构造一个与故障有关的残差，通过对残差的分析、评估，以实现故障的分离和补偿，这使得大多数基于系统模型的故障检测与诊断方法在非线性系统中难以实现，或在简化条件下实现也无法实际使用。

以传感器技术为基础，以信息处理技术为手段的现代设备诊断技术经历了三十多年的发展与应用，已取得了明显的经济效益。

但进一步的理论研究与应用结果表明，由于各种信息检测手段和诊断方法都未将诊断对象看成是一个有机的整体，大多是利用诊断对象所表现出来的特定信号（特征信号）来诊断特定类型的故障，对多故障同时发生和各种故障之间可能存在的相互联系及影响难以分析。

人工智能在故障诊断领域的成功应用，将传统故障诊断提高到了一个新的水平智能化诊断水平，有望克服传统诊断方法存在的一些困难，解决复杂系统的故障诊断问题。

（2）智能故障诊断技术的研究现状27根据知识处理途径上的不同，智能诊断系统可分为两大类：

一是基于符号推理的智能诊断方法，如专家系统；另一类是基于数值计算的智能诊断方法，如神经网络，它是当今智能诊断的一个主要研究领域。

基于符号推理方法的专家系统利用知识进行从故障表象到本质的推理，是对人类逻辑思维模式的计算机模拟。

知识是专家系统的核心，其显式表示使专家系统具有概念明确、长于定性分析、推理路径清晰、易于用户参与、便于解释等显著优点。

存在的问题主要表现在：

缺乏有效的诊断知识表达方式、不确定性推理方法，推理效率低；存在知识获取“瓶颈”问题、知识“窄台阶”问题，易出现“匹配冲突”、“组合爆炸”及“无穷递归”等问题，学习能力、自适应能力差；诊断求解过程是一个在超高维空间的搜索过程，对于复杂的诊断对象，由于搜索空间大、搜索速度慢，使得在线诊断困难、实时性差。

目前，人们正在积极寻求解决这些局限性的方法，如：

采取机器学习的方法解决知识获取的瓶颈问题；采用并行处理和分布式系统结构，提高其准确性、实时性；采取多种知识表示方法和多种求解策略，提高系统的灵活性。

基于数值计算方法的神经网络将已有数据和已知故障模式作为样本，通过学习得出数据量与故障模式间的映射关系，实现了对人类经验思维的模拟。

与专家系统相比，基于神经网络的故障诊断系统具有如下优点：

具有统一的内部知识表示形式，大量知识规则都可通过对范例的学习存储于一个相对小得多的神经网络的连接权重中，便于知识库的组织与管理，通用性强、知识容量大；便于实现知识的自动获取，能够自适应环境的变化；推理过程为并行的数值计算过程，避免了以往的“匹配冲突”、“组合爆炸”和“无穷递归”等问题，推理速度快；具有联想、记忆、类比等形象思维能力，克服了传统专家系统中存在的“知识窄台阶”等问题，可以工作于所学习过的知识以外的范围；将知识表示、存储和推理三者融为了一体。

但是，由于神经网络只是从已知样本中得到解决问题的能力，故仍存在一些局限性，表现在：

对奇异模式的判断能力较差、对结论及其过程缺乏解释能力、忽视了领域专家的经验知识等。

目前，为了提高神经网络在实用中的学习和诊断性能，主要是从神经网络模型本身的改进和模块化神经网络诊断策略两个方面开展研究；同时，与模糊逻辑的结合研究也是一个引人注目的研究热点。

故障诊断技术的发展趋势（l）混合智能故障诊断技术研究将多种不同的智能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。

结合方式主要有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，很多问题需要深入研究，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。

!

机床与液压2002.No.4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。

（2）智能BIT技术研究28BIT（Buiit-inTest机内测试）技术为系统和设备内部提供故障检测和隔离的自动测试能力。

随着VLSI和计算机技术的日益发展，国内外BIT的研究呈现几个发展趋势：

与ATE日渐融合、应用领域不断拓宽、发展为具有状态监控与故障诊断能力的综合系统、走向智能化。

BIT智能化主要解决传统BIT在最优设计、信息获取、分析处理、综合决策等方面的不足。

国内外近20年的研究证明，BIT技术是提高装备测试性和作战效能的最为有效的技术途径之一。

BIT的智能化是发展趋势，这主要体现在BIT的智能设计、智能检测、智能诊断与智能决策。

另外，BIT的外延也不断拓展，下一代BIT系统将会是一个集检测、诊断、隔离、定位、控制、保护于一体的小型化、智能化、芯片化、模块化、通用与专用结合的机电系统。

它不但能提高电子设备的可靠性、测试性、维修性，而且能简化维修，降低费用，应用前景非常广阔。

（3）基于internet的远程协作诊断技术研究29基于因特网的设备故障远程协作诊断是将设备诊断技术与计算机网络技术相结合，用若干台中心计算机作为服务器，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。

跨地域远程协作诊断的特点是测试数据、分析方法和诊断知识的网络共享，因此必须使传统诊断技术的核心部分即信号采集、信号分析和诊断专家系统，能够在网络上远程运行。

要实现这一步应重点研究和解决如下几方面的问题：

远程信号采集与分析；实时监测数据的远程传输；基于Web数据库的开放式诊断专家系统设计；通用标准（包括测试数据标准、诊断分析方法标准和共享软件设计标准）。

!

进一步的问题故障诊断研究的直接目的是为了提高诊断的精度和速度、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，其未来的发展方向必将是与容错控制、冗余控制、自治控制和余度管理等可靠性系统设计相结合。

围绕这些根本目标而进行的故障诊断技术研究正方兴未艾；同时，随着近十年来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：

（1）多传感器数据融合技术；

（2）在线实时故障检测算法；（3）本质非线性动态系统的诊断方法；（4）混合智能故障诊断技术；（5）基于因特网的远程协作诊断技术；（6）以故障检测及分离为核心的容错控制、监控系统和可信性系统研究。

参考文献【1】黄文虎，夏松波，刘瑞岩.设备故障诊断原理技术及应用.北京：

科学出版社，1996.8【2】杨叔子，丁洪等.基于知识的诊断推理.北京：

清华大学出版社，1993.12【3】吴今培，肖健华.智能故障诊断与专家系统.北京：

科学出版社，1997.9【4】闻新，张洪钺，周露.控制系统的故障诊断和容错控制.北京：

机械工业出版社，1998.2【5】周东华，叶银忠.现代故障诊断与容错控制.北京：

清华大学出版社，2000.6【6】BeardRV.Faiiureaccommodationiniinearsystemsthroughseif-reorganization.ReportMVT-71-1，ManVehicieLab，MIT，Cambridge，Massachusetts，1971【7】MehraRK，PeschonJ.Aninnovationapproachtofauitdetectionanddiagnosisindynamics.Automatica，1971，7：

637640【8】WiiiskyAS.Asurveyofdesignmethodsforfaiiuredetectionindynamicsystems.Automatica，1976，12：

601-611【9】HimmeibiauDM.Fauitdetectionanddiagnosisinchemicaiandpetrochemicaiprocess.Amsterdam：

EisevierPress，1978【10】GertierJJ.SurveyofmodeibasedfaiiuredetectionandisoiationincompieXpiants.IEEEControiSystemsMagazine，1988，8（6）：

311【11】FrankPM.Fauitdiagnosisindynamicsystemsusinganaiyticaiandknowiedge-basedredundancy-asurveyandsomenewresuits.Automatica，1990，26（3）：

459474【12】IsermannR.Fauitdiagnosisofmachinesviaparameterestima-tionandknowiedgeprocessing-atutoriaipaper.Automatica，1993，29（4）：

815835【13】PattonRetai（eds.）.Fauitdiagnosisindynamicsystems.NewYork：

PrenticeHaii，1989【14】张洪钺，闻新，周露.国内控制系统故障诊断技术的现状与展望.火力与指挥控制，1997，22（3）：

16【15】周东华，孙优贤.控制系统的故障检测与诊断技术.北京：

清华大学出版社，1994（下转第133页）!

机床与液压2002.No.4经节流阀3油路4经单向阀l8推动液动换向阀5阀芯向左移动。

液动换向阀左腔液体，经液控单向阀l7回油箱，实现主油路换向。

油液经泵2，节流3油路4，换向阀5，油路2l，经b孔进入油缸7右腔，使活塞向左移动。

此时油缸7左腔的油液经换向阀5回油箱。

泵l2左腔液体经单向阀23输送出去，当移动到快到终点时，油缸活塞中的小柱塞进入柱孔，使孔内的压力油升高，使高压油经出油口c，油路8打开换向阀l9，同时进油路9打开液控单向阀l6，使油泵中的压力油经单向l6进入液控换向阀5左腔，推动活芯向右移动。

同时7油缸右边小柱塞向左移动，小腔的油液由单向阀l5，油路l0、ll经d孔进入小腔，这样又实现了换向阀的换向，使液压油缸的活塞又向右移动，从而形成了自动换向的过程。

!

多功能液体泵的特点（l）根据泵缸和液压缸比例尺寸大小可组成不同类型和不同用途的液压泵。

当采用双向增压缸时，可使液体产生很高的压力，这种高压液体可以切割煤炭等一系列的非金属材料。

也可以产生高扬程液体，可向高层楼房输送液体或救火。

也可以从深层地下矿层向外排水等。

（2）当采用双向减压式油缸组成时可实现大流量的排送。

可排送污水，可装卸油轮上的油，从而输送大流量的液体。

（3）两个泵缸可吸排各类液体，甚至是污水，也可连续（只要23和25出去的管子连在一起）或间断排液，其应用范围大大提高。

（4）采用特殊结构的油缸和几个液控单向阀可实现油缸往复换向，使动作能自动控制，节省了一些换向结构。

结论（l）根据以上介绍不难看出，此类多功能液体泵是结合泵的用途，特别是在特殊应用的情况下，这种泵将发挥其许多独到之处，因此应用很方便、很广。

（2）这种液体泵加工工艺简单，很好加工，便于制造、生产。

（3）采用油缸结构特点和几个液控单向阀的应用。

可实现自动往复运动，而且系统保证运动可靠。

（4）此类泵由于结构简单，制造