故障诊断及相关应用_信号处理大论文

故障诊断及相关应用

摘要

故障诊断技术是一门以数学、计算机、自动控制、信号处理、仿真技术、可靠性理论等有关学科为基础的多学科交叉的边缘学科。故障诊断技术发展至今，已提出了大量的方法，并发展成为一门独立的跨学科的综合信息处理技术，是目前热点研究领域之一。我国的一些知名学者也在这方面取得了可喜的成果。

关键字：故障诊断，信息处理

1故障诊断技术的原理及基本方法

按照国际故障诊断权威，德国的Frank P M教授的观点，所有的故障诊断方法可以划分为3种：基于解析模型的方法、基于信号处理的方法和基于知识的方法。

1.1基于解析模型的故障诊断方法

基于解析模型的方法是发展最早、研究最系统的一种故障诊断方法。所谓基于解析模型的方法，是在明确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诊断处理。其优点是对未知故障有固有的敏感性；缺点是通常难以获得系统模型，且由于建模误差、扰动及噪声的存在，使得鲁棒性问题日益突出。

基于解析模型的方法可以进一步分为参数估计方法、状态估计方法和等价空间方法。这3种方法虽然是独立发展起来的，但它们之间存在一定的联系。现已证明：基于观测器的状态估计方法与等价空间方法是等价的。相比之下，参数估计方法比状态估计方法更适合于非线性系统，因为非线性系统状态观测器的设计有很大困难，通常，等价空间方法仅适用于线性系统。

1.1.1参数估计方法

1984年，Iserman对于参数估计的故障诊断方法作了完整的描述。这种故障诊断方法的思路是：由机理分析确定系统的模型参数和物理元器件参数之间的关系方程，由实时辨识求得系统的实际模型参数，进而由关系方程求解实际的物理元器件参数，将其与标称值比较，从而得知系统是否有故障与故障的程度。但有时关系方程并不是双射的，这时，通过模型参数并不能求得物理参数，这是该方法最大的缺点。目前，非线性系统故障诊断技术的参数估计方法主要有强跟踪滤波方法。在实际应用中，经常将参数估计方法与其他的

基于解析模型的方法结合起来使用，以便获得更好的故障检测和分离性能。

1.1.2状态估计方法

1971年，Beard首先提出故障诊断的检测滤波器的概念，标志着基于状态估计的故障诊断方法的诞生。它的基本思想是：重构被控过程状态，通过与可测变量比较构成残差序列，再构造适当的模型并采用统计检验法，从残差序列中将故障检测出来，并做进一步地分离、估计与决策。常用的状态估计方法主要包括自适应非线性观测器方法、非线性未知输入观测器方法和滤波器方法。在能够获得系统精确数学模型的情况下，状态估计方法是直接有效的，但在实际中这一点往往很难满足。所以，对状态估计方法的研究主要集中在提高检测系统对建模误差、扰动和噪声等未知输入的鲁棒性及系统对于早期故障的灵敏度。

1.1.3等价空间方法

等价空间方法的基本思想就是：利用系统的输入、输出的实际测量值检验系统数学模型的等价性(即一致性)，以检测和分离故障。

1.2基于信号处理的故障诊断方法

此方法的主要思想是：利用信号分析理论获得系统时域和频域中较深层次的多种特征向量，利用这些特征向量与系统故障源之间的关系判断故障源的位置。此方法主要用于诊断对象的解析模型难以建立，但系统的一些状态或者输出参数可以测量的系统。基于信号处理的方法主要有：基于Kullback信息准则的故障检测；基于自适应滑动窗格形滤波器的故障检测；基于小波变换的故障诊断。

1.2.1基于Kullback信息准则的故障检测

此方法是利用Kullback信息准则度量系统的变化，在不存在未建模动态特性时，将其与阈值比较，从而实现故障检测的方法。首先，基于Goodwin随机嵌入方法将未建模动态特性当作软界估计，利用遗传算法和梯度方法辨识系统的参数和软界。在Kullback信息准则中引入一个新指标评价未建模动态特性，合理设置阈值，设计合适的决策方案，实现鲁棒故障检测。由于未建模动态特性的软界不能在线辨识，此方法尚不能在线实现。

1.2.2 1.2.2 基于自适应滑动窗格形

此方法的基本思想是：取一个滑动窗内的系统输入和输出数据，利用自适应格形滤波器生成残差序列。当系统处于正常状态时，残差序列将是零均值固定方差的高斯过程；如果系统发生了故障，则由故障引起的过渡过程将导致残差序列的均值或方差变化。通过构造合适的检验统计量，对残差序列进行假设检验，可以在线检测出系统的故障。此方法适用于突变和缓变故障的检测，且不需要系统的准确数学模型和先验知识。

1.2.3 1.2.3 基于小波变换的故障诊断

此方法是一种新的信号处理方法，是一种时间尺度分析方法，具有多分辨力分析的特点。连续小波变换可区分信号突变和噪声，离散小波变换可检洳随机信号的频率结构的突变。主要方法有：利用观测信号的奇异性进行故障诊断；利用观测信号的频率结构变化进行故障诊断。小波变换不需要系统的数学模型，对噪声的抑制能力强，有较高的灵敏度，运算量也不大，是一种很有前途的故障诊断方法。

1.3基于知识的故障诊断方法

此方法的主要思想是：在知识的层次上，以知识处理技术为基础，实现辩证逻辑与数理逻辑的集成，符号处理与数值处理的统一，推理过程与算法过程的统一，通过在概念和处理方法上的知识化实现系统的故障诊断。它不需要系统的定量数学模型，也更适合于非线性系统领域。基于知识的方法还可以分为基于症状的方法和基于定性模型的方法。基于知识的方法主要有：基于专家系统的方法、基于模糊的方法、基于神经网络的方法、基于故障树的方法和基于知识观测器的方法等。

1.3.1基于专家系统的方法

专家系统的诊断机理是根据专家丰富的实践经验，专家分析问题和解决问题的思路，建立故障诊断的知识库、规则库和推理机，设计一个计算机程序，根据知识库提供的知识，规则库提供的规则和推理机提供的推理机制进行故障诊断。专家系统主要缺点是知识获取的“瓶颈”问题。由于专家知识的局限性和知识表示难度大，造成知识库不够完备。另外，它还缺乏自学习自完善能力，不能在实例中自我完善，而且，系统的能力限于知识库中仅有的规则，对系统的新故障和系统设计边缘问题的求解具有脆弱性。

1.3.2基于模糊的方法

模糊逻辑提供了表达和处理模糊逻辑概念的机制，能够处理故障诊断中的不确定信息和不完整信息。模糊故障诊断方法是利用集合论中的隶属度函数和模糊关系矩阵的概念来解决故障与征兆之间的不确定关系。目前，模糊故障诊断有3种基本方法：1)先建立故障现象与故障征兆之间的模糊关系矩阵，再通过模糊关系方程进行故障诊断；2)先建立故障与征兆之间的模糊知识库，再进行模糊逻辑推理；3)先对原始采样数据进行模糊聚类处理，再通过评价划分系数和分离系数等进行故障诊断。具体的应用形式有：基于模糊模型的故障诊断方法；基于自适应模糊阈值的残差评价方法；基于模糊聚类的残差评价方法；基于模糊逻辑的残差评价方法和基于模糊模式识别的故障诊断方法。

1.3.3基于神经网络的方法

由于神经网络具有自组织、自学习、联想记忆、拟合任意连续非线性函数、并行处理、