故障诊断方法.pdfVIP

故障诊断方法

故障诊断方法的分类

•故障诊断方法分为：

（1）基于解析模型的方法

（2）基于知识的方法

（3）基于信号处理的方法

故障诊断方法分类

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、自回归滑动平均、

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，从而检测

出故障。

基于解析模型的方法

•是在明了诊断对象数学模型的基础上，按

一定的数学方法对被测信息进行处理诊断，

它可分为状态估计法、等价空间法和参数

估计法。

基于知识的故障诊断方法

•专家系统故障诊断方法

•模糊故障诊断方法

•故障树故障诊断方法

•神经网络故障诊断方法

•数据融合故障诊断方法

专家系统故障诊断方法

•数据库：对于在线监视或诊断系统，数据库的内容是实时监测到的

作数据；对于离线诊断，可以是故障时检测数据的保存，也可以是人

为检测的一些特征数据。即存放推理过程中所需要和产生的各种信息

•知识库：存放的知识可以是系统的工作环境，系统知识（反映系统的

工作机理及结构知识）；规则库则存放一组组规则，反映系统的因果

关系，用来故障推理。知识库是专家领域知识的集合。

•人机接口：人与专家系统打交道的桥梁和窗口，是人机信息的交接点。

•推理机：根据获取的信息综合运用各种规则进行故障诊断，输出诊断

结果。是专家系统的组织控制结构。

专家系统故障诊断局限性

•依赖于专家的领域知识获取，而知识获取

被公认为专家系统研究开发中的瓶颈问题。

•另外，在自适应学习，学习能力及实时性

方面也都存在不同程度的局限。

模糊故障诊断方法

•建立故障与征兆之间的模糊关系矩阵R，也叫隶属度矩阵。矩阵中的每个元素

的大小表明了它们之间的相互关系的密切程度。

•式中：

表示可能发生故障的集合，n为故障总数；

表示由上面这些故障所引起的各种特征元素（征兆）的集合，m为各种特征

元素（征兆）总数。

•测试待诊断对象待检状态的特征参数，提取特征参数向量矩阵X。

•求解关系矩阵方程Y=XR，得到待检状态的故障向量Y，再根据一定的判断原则，

如最大隶属度原则，阙值原则或择近原则等，得到诊断结果。

模糊故障诊断的特点及局限性

•构造隶属函数是实现模糊故障的前提，但

是由于隶属函数是人为构造的，含有一定

的主观因素；另外，对特征元素的选择也

有一定的要求，如果选择不合理，诊断精

度会下降，甚至诊断失败。

故障树故障诊断方法

•故障树模型是一个基于被诊断对象结构、

功能特征的行为模型，是一种定性的因果

模型，以系统最不希望事件为顶事件，以

可能导致顶事件发生的其他事件为中间事

件和底事件，并用逻辑门表示事件之间联

系的一种倒树状结构。它反映了特征向量

与故障向量之间的全部逻辑关系。

•图3中顶事件：系统故障，由部件A或者B触

发，而A的故障又是由两个元件1，2中的一

个失效引起，部件B的故障是在两个元件3，

4同时失效时发生的。

故障树诊断法步骤

•选择合理的顶事件。

•建造正确合理的故障树。

•故障搜寻与诊断，分为逻辑推理诊断法和最小割集诊断法。

（1）逻辑推理诊断法：从上而下的测试方法，从故障数顶事件开始，先测试最

初的中间事件，根据中间事件测试结果判断测试下一级中间事件，直到测试底事

件，搜寻到故障原因及部位。

（2）最小割集诊断法：所谓割集是指故障树的一些底事件集合，当这些底事件

同时发生时，顶事件必发生；而最小割集是指割集中所含事件出去任何一个时，

就不再成为割集了。一个最小割集代表系统的一种故障模式。故障诊断时，可逐

个测试最小割集，从而搜寻故障源，进行故障诊断。

故障树诊断的局限性

•故障树法的局限性在于对建造正确合理的

故障树的依赖。如果一旦故障树建立不全

面或不正确，则此诊断方法将失去作用。

神经网络故障诊断法

神经网络故障诊断过程

•学习过程：是在一定