点击图片查看原图
故障诊断方法的研究
1.基于数学模型的方法
⑴基于直接测量系统输入输出及信号处理的方法
该诊断方法是直接测量被诊断对象有关的输出量，如果输出超出正常变化范围，则可以认为对象已经或将要发生故障。这种方法简单，但容易出现故障的误判和漏判。另一种较为可行的方法是用一定的数学手段描述输出在幅值、相位、频率及相关性上与故障源之间的联系，通过分析与处理这些量，来判断故障的位置。常用的方法有谱分析法、概率密度法、相关分析法等。
⑵基于状态估计的方法
被诊断过程的状态，通过估计出系统的状态并结合适当模型则可进行故障诊断。首先重构被诊断过程的状态，并构成残差序列，残差序列中包含各种故障信息。基于这个序列，通过构造适当的模型并采用统计检验法，才能把故障从中检测出来并做进一步的分离、估计和决策。状态估计的方法通常是状态观测器及滤波器。采用这个方法的前提条件是：①过程数学模型知识（结构及参数）；②噪声的统计特征；③系统可观测或部分可观测；④方程解析应有一定精度；⑤在许多场合下将模型线性化并假设干扰为白噪声。
⑶基于过程参数估计的方法
此方法与基于状态估计的诊断方法不同，它不需要计算残差序列，而是根据参数变化的统计特性来检测故障的发生，而后进行故障分离、估计和分类。由于可以建立故障与过程参数的精确联系，因此这种方法比基于状态估计的方法更有利于分离故障。**小二乘法简单实用，是参数估计的**方案。采用此方法的前提条件是：①需建立精确的数学模型；②需要有效的参数估计方法；③被控过程的充分激励；④选择适当的过程参数；⑤必要的统计决策方法。
基于数学模型的故障诊断方法，其优点是能深入系统本质的动态性质和实现实时诊断，缺点是当系统模型未知、不确定或具有非线性时，这种方法不易实现。
2.基于人工智能的方法
⑴基于**系统（ES）的方法
基于**系统的诊断方法是故障诊断领域中**为引人注目的发展方向之一，也是研究**多，应用**广的一类智能诊断技术。它大致经历了两个发展阶段：基于浅知识（领域**的经验知识）的故障诊断系统和基于深知识（诊断对象的模型知识）的故障诊断系统。①基于浅知识的诊断方法。浅知识是指领域**的经验知识。此诊断系统通过演绎推理或产生式推理来获取诊断结果，其目的是寻找一个故障集合使之能对一个给定的征兆（包括存在的和缺席的）集合产生的原因做出**解释。此方法具有知识表达直观、形式统一、模块性强、推理速度快等优点，但也具有较大的局限性，如知识集不完备，对没有考虑到的问题系统容易陷入困境；对诊断结果的解释能力弱等。②基于深知识的诊断方法。深知识则是指诊断对象的结构、性能和功能的知识。此诊断系统要求对象的每一个环节具有明确的输入输出表达关系，诊断时首先通过诊断对象实际输出与期望输出之间的不一致，生成引起这种不一致的原因集合，然后根据诊断对象领域中的**定律知识（具有明确科学依据的知识）及其他内部特定的约束关系，采用一定的算法，找出可能的故障源。这种方法具有知识获取方便、维护简单、完备性强等优点，但搜索空间大，推理速度慢。近年来发展了基于经验知识和模型知识相结合的故障诊断方法。③基于浅知识和深知识的混合诊断方法。对于复杂设备系统而言，无论单独使用浅知识还是深知识，都难以很好地完成诊断任务，只有将两者结合起来，才能使诊断系统的性能得到优化。因此，为了使故障智能诊断系统具备与人类**能力相近的知识，研制者在建造智能诊断系统时，越来越强调不仅要重视领域**的经验知识，更要注重诊断对象的结构、功能、原理等知识，研究的重点是浅知识与深知识的集成表示方法和使用方法。事实上，一个高水平的领域**在进行诊断问题求解时，总是先将他具有的深知识和浅知识结合起来，完成诊断任务。一般优先使用浅知识，找到诊断问题的解或者是近似解，必要时用深知识获得诊断问题的精确解。
**系统方法一直是基于知识的故障诊断中的研究重点，经多年发展已比较成熟。它不需要一个人类问题求解的精确匹配，而能够通过计算机提供一个复制问题求解的合理模型。图2.2是一个基于知识的**系统的工作模型，由知识库、全局数据库、推理机、知识获取机制、解释机制和用户界面六个部分组成。分为**系统运行和知识库管理两个功能模块。**系统运行模块用来实现基于知识的故障诊断和故障码的速查。知识库管理模块用来实现推理规则和故障码的录入、存储、校验以及知识库的转换。