文档介绍：安全检测与故障诊断
题目：故障诊断技术发展现状
导师：秀琨
学生：典
学号：14114263
目录
1 引言 3
2 故障诊断的研究现状 3
基于物理和化学分析的诊断方法 3
基于信号处理的诊断方法对 3
基于模型的诊断方法 3
基于人工智能的诊断方法 3
2 故障诊断研究存在的问题 3
故障分辨率不高 3
信息来源不充分 3
自动获取知识能力差 3
知识结合能力差 3
对不确定知识的处理能力差 3
3 发展方向 3
多源信息的融合 3
经验知识与原理知识紧密结合 3
混合智能故障诊断技术研究 3
基于物联网的远程协作诊断技术研究 3
4 发展方向 3
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
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。
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，在频域围，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。
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。
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。
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****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