故障诊断技术发展历史(最新版)
柴油机故障诊断技术的发展与展望
柴油机故障诊断技术的发展与展望柴油机故障诊断技术是指对柴油机发生的故障进行精确分析和定位的技术。
随着技术的发展，柴油机故障诊断技术也在不断进步和完善。
本文将从发展历程、现状和未来展望三个方面来探讨柴油机故障诊断技术的发展。
一、发展历程柴油机故障诊断技术起源于二十世纪五六十年代，当时主要依靠技术员的经验进行故障判断和维修。
八十年代，人们开始使用数字式仪表和芯片技术来检测和诊断柴油机故障，但由于仪器的精度和故障诊断能力有限，诊断结果不太准确，很难进行定位和修复。
直到九十年代末期，电子控制技术和计算机技术的发展，为柴油机故障诊断技术的提高和应用提供了条件。
随着计算机技术的成熟和普及，柴油机故障诊断技术得以快速发展并取得显著进展。
二、现状目前，柴油机故障诊断技术已经成为柴油机维修的必要手段之一，其主要应用在船用柴油机、发电机组柴油机、大型机车柴油机、建筑机械柴油机以及一些特殊车辆柴油机等领域。
随着技术的更新换代和发展，柴油机故障诊断技术已经从传统的经验判断和仪表检测，发展成为多元化的检测手段。
其中主要包括以下几种技术：1. 手持式故障诊断仪：这种检测仪器主要用于检测轻型柴油机和小型柴油机，具有操作简单、便携的特点。
2. 电脑辅助故障诊断系统：这种故障诊断系统主要用于中型和重型柴油机，具有自动检测、自动诊断、自动定位和数据存储等功能。
3. 机载故障诊断系统：这种故障诊断系统主要是指在飞机、火车、船舶等交通工具中装配故障诊断系统，具有多种功能，可实现远程或在线监控柴油机工作状态，提高柴油机故障的快速诊断能力和抗干扰能力。
三、未来展望未来柴油机故障诊断技术的发展方向主要包括以下几个方面：1. 精度和准确度的提高。
新技术的引入将大大提高检测和诊断的精度和准确度。
例如，基于深度学习算法的故障诊断系统能够实现对柴油机工作状态的完全自主监测和自动识别故障类型和位置。
2. 多元化的检测手段。
柴油机故障诊断技术将进一步发展出多种检测手段，包括声学检测、热学检测，机械振动检测、超声波检测等多种技术的结合。
简述设备故障诊断技术的发展历程 -回复
简述设备故障诊断技术的发展历程-回复设备故障诊断技术的发展历程：一、引言设备故障是指设备发生的任何不正常的运行状态，可能会导致设备功能异常或完全无法工作。
设备故障诊断技术的发展是为了帮助及时定位设备故障原因，并采取正确的修复措施，从而减少维修时间和成本。
本文将回顾设备故障诊断技术的发展历程，从以往的简单检查到如今的智能故障诊断，逐步探讨其发展过程及应用前景。
二、早期设备故障诊断技术早期的设备故障诊断主要依靠技术人员的经验和观察，通过检查设备的外观、运转声音等来判断出故障原因。
这种诊断方法存在很大的主观性和不确定性，依赖于维修人员的经验水平。
如果故障较为复杂，需要更深入的检查和测试，就可能需要借助专用仪器和设备。
随着电子技术的发展，设备故障诊断出现了一些进步。
仪器和设备的使用成为了设备故障诊断中必不可少的环节。
例如，使用电压表、电流表等测量工具，可以对设备的电气线路进行检查和测量，从而判断电路的正常与否。
然而，这种方法仍然需要维修人员具备较高的专业知识和技能。
三、计算机辅助设备故障诊断技术随着计算机技术的快速发展，计算机辅助设备故障诊断技术逐渐应用于实际生产环境中。
计算机辅助设备故障诊断技术将传感器与计算机连接起来，通过采集设备的运行数据，进行实时分析和处理，帮助确定设备的故障原因。
计算机辅助设备故障诊断技术的核心是数据采集和处理。
通过传感器采集到的设备运行数据，可以在计算机中进行实时分析，实现对设备故障的早期预警和快速判断。
并且，通过数据的采集和分析，可以实现对设备运行状况的监控和评估，为设备维护提供决策依据。
四、智能设备故障诊断技术的出现随着人工智能技术的迅猛发展，智能设备故障诊断技术应运而生。
智能设备故障诊断技术借助于机器学习和深度学习算法，可以从海量的数据中自动提取特征，并通过模型学习和训练，实现智能设备的故障预测和诊断。
智能设备故障诊断技术的出现极大地提高了故障诊断的准确性和效率。
相比于传统的故障诊断方法，智能设备故障诊断技术可以实现对多种故障类型的自动分析和判断，减少了人工介入的误差，提高了故障处理的效率。
故障诊断与状态监测
详细描述
基于信号处理的故障诊断方法是一种实时监 测和诊断技术，它通过采集设备运行过程中 的各种信号，如振动、声音、温度等，利用 信号处理和分析技术，提取出反映设备状态 的参数和特征，识别出异常模式，判断设备 的运行状态和潜在故障。
03
状态监测技术
振动监测技术
总结词
通过监测设备或结构的振动情况，分析其振 动特征，判断设备或结构的运行状态。
故障树分析
总结词
通过构建故障树，分析系统故障的成因和相互关联，找出导致系统故障的关键因素。
详细描述
故障树分析是一种自上而下的逻辑分析方法，通过构建故障树，将系统故障的成因逐级展开，分析各 因素之间的逻辑关系，找出导致系统故障的关键因素，为改进设计和降低故障概率提供依据。
故障诊断专家系统
总结词
利用专家知识和推理规则进行故障诊断，提供专业化的故障解决方案。
复杂系统与多源异构数据的集成处理
复杂系统
随着工业设备的复杂度增加，故 障诊断与状态监测需要处理来自 不同系统、不同部件的多源异构 数据。
数据集成
为了全面分析设备的运行状态， 需要将不同来源、不同格式的数 据进行集成，形成统一的数据视 图。
数据处理方法
针对多源异构数据的特性，需要 发展新的数据处理方法，包括数 据清洗、融合、转换等，以提取 有价值的信息。
故障诊断与状态监测技术的发展历程
第一季度
第二季度
第三季度
第四季度
初步探索阶段
20世纪50年代以前， 主要依靠人工观察和经 验判断，缺乏科学依据 和技术手段。
初步发展阶段
20世纪50年代至70年 代，开始出现简单的振 动和温度监测技术，初 步形成了基于信号处理 和模式识别的故障诊断
故障诊断技术的国内外发展现状
故障诊断技术的国内外发展现状国际上，故障检测与诊断技术（Fault Detection and Diagnosis，FDD）的发展直接促成了IFAC技术过程的故障诊断与安全性技术委员会的成立（1993）。
从1991年起，IFAC每三年定期召开FDD方面的国际专题学术会议。
在我国，自动化学会也于1997年批准成立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，并于1999年5月在清华大学召开了首届全国技术过程的故障诊断与安全性学术会议[4]。
故障诊断是一门涉及信号处理、模式识别、人工智能、统计学、计算机科学等多个学科的综合性技术[5]。
20世纪60年代初期，美国、日本和欧洲的一些发达国家相继开展了设备诊断技术的研究，主要应用于航天、核电、电力系统等尖端工业部门，自20世纪80年代以后逐渐扩展到冶金、化工、船舶、铁路等许多领域。
近年来故障诊断技术得到了迅速发展，概括地讲可以分为3类：基于信号处理的方法、基于解析模型的方法和基于知识的智能故障诊断方法。
（1）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、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，以此为依据进行故障诊断。
基于信号处理的方法主要有傅立叶变换[6, 7]、小波变换[8, 9]、主元分析[10]、Hilbert-Huang变换[11]等。
文献[12]提出利用谐波小波对长输管的小泄漏诊断问题，取得了较好的应用效果；文献[13]提出了一种针对机车故障振动信号的局域均值分解（LMD）解调诊断方法；文献[14]提出了一种基于时频指标的自适应移频变尺度随机共振算法用于轴承的故障诊断；文献[15]利用形态学的消噪特性对信号进行消噪，之后利用小波对故障进行定位，在传感器故障诊断方面取得了较好的应用效果。
（2）基于解析模型的方法基于解析模型的方法是以诊断对象的数学模型为基础，按照一定的数学方法对被测信息进行诊断处理，其优点是能深入系统本质的动态性质和实现实时诊断。
故障诊断技术发展历史(最新版)
故障诊断技术发展历史故障诊断(FD)始于(机械)设备故障诊断，其全名是状态监测与故障诊断(CMFD)。
它包含两方面内容：一是对设备的运行状态进行监测；二是在发现异常情况后对设备的故障进行分析、诊断。
设备故障诊断是随设备管理和设备维修发展起来的。
欧洲各国在欧洲维修团体联盟(FENMS)推动下，主要以英国倡导的设备综合工程学为指导；美国以后勤学(Logistics)为指导；日本吸收二者特点，提出了全员生产维修(TPM)的观点。
美国自1961年开始执行阿波罗计划后，出现一系列因设备故障造成的事故，导致1967年在美国宇航局(NASA)倡导下，由美国海军研究室(ONR)主持成立了美国机械故障预防小组(MFPG)，并积极从事技术诊断的开发。
美国诊断技术在航空、航天、军事、核能等尖端部门仍处于世界领先地位。
英国在60～70年代，以Collacott为首的英国机器保健和状态监测协会(MHMG & CMA)最先开始研究故障诊断技术。
英国在摩擦磨损、汽车和飞机发电机监测和诊断方面具领先地位。
日本的新日铁自1971年开发诊断技术，1976年达到实用化。
日本诊断技术在钢铁、化工和铁路等部门处领先地位。
我国在故障诊断技术方面起步较晚，1979年才初步接触设备诊断技术。
目前我国诊断技术在化工、冶金、电力等行业应用较好。
故障诊断技术经过30多年的研究与发展，已应用于飞机自动驾驶、人造卫星、航天飞机、核反应堆、汽轮发电机组、大型电网系统、石油化工过程和设备、飞机和船舶发动机、汽车、冶金设备、矿山设备和机床等领域。
故障诊断的主要理论和方法故障诊断技术已有30多年的发展历史，但作为一门综合性新学科——故障诊断学——还是近些年发展起来的。
从不同的角度出发有多种故障诊断分类方法，这些方法各有特点。
从学科整体可归纳以下理论和方法。
(1)基于机理研究的诊断理论和方法从动力学角度出发研究故障原因及其状态效应。
针对不同机械设备进行的故障敏感参数及特征提取是重点。
简述设备故障诊断技术的发展历程 -回复
简述设备故障诊断技术的发展历程-回复设备故障诊断技术是应用于各行各业的一项关键技术，它可以在设备出现故障时快速定位和解决问题。
随着科技的发展和应用领域的拓宽，设备故障诊断技术也不断演进和完善。
从最初的人工判断到现在的智能化诊断系统，设备故障诊断技术经历了一个长期的发展过程。
1. 人工判断阶段：最早的设备故障诊断技术是依靠人工经验和判断。
当设备出现故障时，维修人员通过观察、嗅闻、听声等方式判断故障的原因和位置。
这种方法存在主观性和不确定性较高的问题，且依赖于维修人员的经验水平，很难快速准确地找到故障原因。
2. 传统故障诊断技术阶段：随着自动化技术的发展，传统故障诊断技术开始兴起。
这一阶段的故障诊断技术主要包括故障检测、故障定位和故障根本原因分析。
故障检测主要是通过传感器获取设备的运行状态信息，如温度、压力、振动等，然后与事先设定的阈值进行比较，判断设备是否发生故障。
故障定位通过根据故障检测结果确定故障发生的位置，如使用电气测量仪器对电路进行检测，确定故障发生在哪个元器件或电路节点上。
故障根本原因分析则是通过对故障的原因进行深入分析和推理，找出导致故障的根本原因。
传统故障诊断技术虽然相对更加准确和可靠，但是需要耗费大量的时间和人力，且对维修人员的专业知识要求较高。
3. 计算机辅助诊断技术阶段：随着计算机技术的迅猛发展，计算机辅助诊断技术成为了设备故障诊断的重要手段。
此阶段的关键就是将计算机与故障诊断技术紧密结合，通过编写专门的故障诊断软件来实现快速准确的故障诊断。
计算机辅助诊断技术主要包括基于规则的诊断方法和基于经验的诊断方法。
基于规则的诊断方法是根据设备的工作原理和故障特征提取出一系列的诊断规则，通过匹配规则库中的规则来确定故障的原因和位置。
基于经验的诊断方法则是通过大量故障案例的学习，从中总结出规律和经验，然后在实际诊断中应用。
计算机辅助诊断技术大大提高了诊断的效率和准确性，但仍然存在着故障特征提取不准确、规则库更新不及时等问题。
简述设备故障诊断技术的发展历程
简述设备故障诊断技术的发展历程
设备故障诊断技术的发展历程可以追溯到早期的手工检查和试错法，随着科学技术的不断发展，现代设备故障诊断技术经历了多个阶段的演进。
首先，早期的设备故障诊断主要依赖于经验和试错法。
工程师和技术人员通过观察和试验来识别和解决设备故障，这种方法效率低下且容易出现误判。
其次，随着电子技术的发展，数字化故障诊断技术开始出现。
这包括使用数字化仪器和设备对设备进行测试和诊断，以及利用计算机辅助诊断系统进行故障分析和诊断。
近年来，随着人工智能和大数据技术的快速发展，设备故障诊断技术迎来了新的突破。
基于人工智能的故障诊断系统可以通过机器学习和数据分析技术，实现对设备故障的自动识别和预测，大大提高了诊断的准确性和效率。
总的来说，设备故障诊断技术的发展经历了从手工试错到数字
化诊断再到人工智能的演进过程，不断提高了诊断的准确性和效率，为设备维护和管理提供了更多的技术支持。
浅析机电设备故障诊断技术发展
浅析机电设备故障诊断技术发展引言机电设备在现代工业生产中起着至关重要的作用。
它们的正常运行对保障生产线的稳定性和安全性至关重要。
然而，机电设备常常会出现各种故障，这些故障可能导致设备停机，造成生产线的损失。
随着技术的不断发展，人们对机电设备故障诊断技术提出了更高的要求。
本文将从机电设备故障诊断技术的发展历程、常用的故障诊断方法以及未来的发展趋势进行探讨。
1. 机电设备故障诊断技术的发展历程机电设备故障诊断技术的发展可以追溯到20世纪40年代。
当时，人们主要依靠经验判断和简单的观察来诊断设备故障。
随着计算机技术的发展和智能化设备的出现，人们开始利用计算机进行故障诊断。
20世纪90年代，基于专家系统的故障诊断方法得到了广泛应用，这种方法通过建立专家知识库来模拟专家的故障诊断过程。
近年来，机器学习和人工智能技术的兴起使得机电设备故障诊断技术得到了进一步的发展，例如利用神经网络进行故障分类和诊断。
2. 常用的机电设备故障诊断方法2.1 振动分析法振动分析法是一种常用的机电设备故障诊断方法。
通过对设备振动信号的采集和分析，可以判断设备是否存在故障以及故障的类型。
这种方法在诊断机械轴承故障和传动系统故障方面具有较高的准确性。
2.2 红外热像法红外热像法可以通过红外相机对机电设备表面的热分布进行拍摄和分析，从而判断设备是否存在异常热源。
这种方法在电气设备的故障诊断中得到了广泛应用，可以有效地检测电缆接头、电机绕组等设备的故障。
2.3 声波分析法声波分析法通过对机电设备产生的声波信号进行采集和分析，可以判断设备是否存在故障以及故障的位置和类型。
这种方法在诊断轴承故障、齿轮故障等方面具有较高的准确性。
3. 机电设备故障诊断技术的未来发展趋势随着物联网技术和大数据分析技术的不断发展，机电设备故障诊断技术将迎来新的发展机遇。
未来的机电设备故障诊断技术将更加智能化和自动化，可以实现设备的远程监测和实时预警。
同时，结合机器学习和人工智能技术，可以实现设备故障自动诊断和预测，提高故障诊断的准确性和效率。
故障诊断技术的国内外发展现状
故障诊断技术的国内外发展现状国际上，故障检测与诊断技术（，）的发展直接促成了技术过程的故障诊断与安全性技术委员会的成立（1993）。
从1991年起，每三年定期召开方面的国际专题学术会议。
在我国，自动化学会也于1997年批准成立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，并于1999年5月在清华大学召开了首届全国技术过程的故障诊断与安全性学术会议[4]。
故障诊断是一门涉及信号处理、模式识别、人工智能、统计学、计算机科学等多个学科的综合性技术[5]。
20世纪60年代初期，美国、日本和欧洲的一些发达国家相继开展了设备诊断技术的研究，主要应用于航天、核电、电力系统等尖端工业部门，自20世纪80年代以后逐渐扩展到冶金、化工、船舶、铁路等许多领域。
近年来故障诊断技术得到了迅速发展，概括地讲可以分为3类：基于信号处理的方法、基于解析模型的方法和基于知识的智能故障诊断方法。
（1）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、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，以此为依据进行故障诊断。
基于信号处理的方法主要有傅立叶变换[6, 7]、小波变换[8, 9]、主元分析[10]、变换[11]等。
文献[12]提出利用谐波小波对长输管的小泄漏诊断问题，取得了较好的应用效果；文献[13]提出了一种针对机车故障振动信号的局域均值分解（）解调诊断方法；文献[14]提出了一种基于时频指标的自适应移频变尺度随机共振算法用于轴承的故障诊断；文献[15]利用形态学的消噪特性对信号进行消噪，之后利用小波对故障进行定位，在传感器故障诊断方面取得了较好的应用效果。
（2）基于解析模型的方法基于解析模型的方法是以诊断对象的数学模型为基础，按照一定的数学方法对被测信息进行诊断处理，其优点是能深入系统本质的动态性质和实现实时诊断。
主要有状态估计法[16, 17]和参数估计法[18]等等。
《故障诊断的新发展》PPT课件
汇报人：可编辑 2024-01-11
CONTENTS
目录
• 引言 • 传统故障诊断方法 • 现代故障诊断方法 • 未来故障诊断技术展望 • 案例分析
CHAPTER
01
引言
故障诊断的背景和重要性
01
故障诊断是维护设备正常运行的 重要手段，能够及时发现和解决 潜在问题，避免设备损坏和生产 中断。
物联网技术
总结词
物联网技术可以实现设备之间的互联互通，提高故障诊断的实时性和协同性。
详细描述
通过物联网技术，可以将各种设备和传感器连接起来，实现数据共享和协同分析。这有 助于实时监测设备的运行状态，及时发现和解决故障问题。同时，物联网技术还可以提 高故障诊断的协同性，实现多学科、多领域的交叉融合，推动故障诊断技术的不断创新
云计算和大数据技术
总结词
云计算和大数据技术为故障诊断提供了强大 的数据存储和分析能力，有助于提高故障预 警和诊断的准确性和效率。
详细描述
通过云计算技术，可以实现海量数据的存储 、处理和分析，对设备运行状态进行全面监 控和预测。同时，大数据技术可以通过数据 挖掘和分析，发现故障的潜在规律和关联性 ，为故障诊断提供更加科学和准确的依据。
详细描述
温度分析诊断法是通过在设备上安装温度传感器，采集设备表面或内部温度数据，然后对温度数据进 行处理和分析，判断设备的运行状态和潜在故障。该方法适用于高温或低温设备的故障诊断，如热力 设备、制冷系统等。
CHAPTER
03
现代故障诊断方法
基于人工智能的故障诊断
01
02
03
深度学习
利用神经网络对故障数据 进行学习，自动提取故障 特征，实现故障分类和预 测。
现代设备管理与故障诊断技术的发展(ppt 67页)
风险维修
成
本 CRISKEX （风险维修）
各种维修成本之间关系
CTOT（总成本）
CMIN （最小成本）
CCM （改善维修） CBS（基础保养）
CPM （预防维修）
基础保养如清洁、润滑等
0
100
％ 预防维修水平
/ (企管培训资料下载)
是预测维修的发展和延续。是预测维 修的更完善形式。
/ (企管培训资料下载)
从预知维修到状态维修
CBM（III）：初级，费用最低。 离线、简单手提数据采集器，辅之以人 工巡回点检，计算机分析处理数据。
CBM（II）：中级，费用中等。 在线与离线相结合，效果中等。
/ (企管培训资料下载)
适应性维修
追求综合费用最小
费
用
最小点
综合费用 维修费用
生产损失Βιβλιοθήκη / (企管培训资料下载)维修方式
适应性维修
适应性维修实现的条件
维修费用和生产损失的可度量性
计算机信息系统的支持
维修模式
计算机
/ (企管培训资料下载)
可靠性维修
三种维修制度的平衡
预防维修
主动维修
预测维修
/ (企管培训资料下载)
以可靠性为中心的维修
以可靠性为中心的维修
（Reliability Centered Maintenance) 根据设备的可靠性状况，以最少的维
风险维修
风险维修
以设备或部件的风险来制定维修策略 的管理模式称为风险维修。
风险＝后果×概率 后果：
健康与安全 环境 耽误的生产或服务 材料损坏
/ (企管培训资料下载)
风险维修
电力系统故障诊断技术综述
电力系统故障诊断技术综述电力系统是现代工业和生活中不可或缺的基本设施，可靠的电力系统对于社会的发展和生产的稳定性有着至关重要的作用。
但是在电力系统运行的过程中，由于诸多原因，如天气，人为操作失误等，电力系统出现了各种各样的故障。
电力系统故障诊断技术就是针对电力系统发生故障的情况，采用各种方法进行快速准确的故障诊断，修复电力系统，保证电力系统的正常运行。
一、故障诊断技术的发展历程故障诊断技术的发展历程可以分为以下几个阶段：1.手工诊断阶段（20世纪60年代之前）手工诊断阶段是指在故障发生时，电力工程师需手工搜索和确认故障，在发现问题后结合经验进行处理。
故障处理方法简单而人工成本较高，特别是对于大型电力系统这种方式显然是相当不可行的。
2.数学模型诊断阶段（20世纪60年代至80年代）随着电子计算机的普及，人们开始使用数学模型，如状态估计，力流计算等来进行电力系统的故障诊断，这种方法虽然能够更加快速进行故障诊断，并且效果也比较明显，但是该方法需要使用较多的计算机资源，算法复杂，而且还无法解决非线性系统的故障问题。
3.专家系统诊断阶段（20世纪80年代至90年代）专家系统诊断阶段是指人工智能技术开始应用于电力系统故障诊断。
通过构建知识库，专家系统可以模拟人类专家的决策过程，对系统进行判断和决策，从而进行测量、诊断和控制。
该方法虽然依赖于专家系统构建者的知识和经验，但是在一定范围内，这种方法可以在一定程度上解决电力系统的故障问题。
4.模型和专家知识相结合的诊断阶段随着人工智能技术的不断发展和电力系统的不断升级，模型和专家知识相结合的诊断方法成为了广泛采用的故障诊断方法。
该方法通过将数学模型和专家系统结合起来，弥补了两种方法的不足，将数据进行处理，提供可视化分析等功能，从而提高电力系统故障处理的效率和准确性。
二、故障诊断技术的应用1. 直接测量直接测量是故障诊断技术中最朴素的方法，也是最常用的方法之一。
可以通过对电力系统的各项参数，如电压、电流、功率等进行实时监控，一旦出现异常，则可以快速发现故障，并进行处理。
2024年机械设备故障检测诊断技术发展前景（三篇）
2024年机械设备故障检测诊断技术发展前景随着科技的快速发展，如今的机械设备越来越精密，造价也越来越高，而如果机械设备在使用过程中出现故障就会对企业的生产和工作人员的人身安全构成威胁。
机械设备故障检测诊断技术是在设备运行状态下能够实时检测并诊断设备是否存在故障隐患的部位，做到及时发现及时解决，从而避免人员伤亡以及经济损失，是当前国内外研究的热点技术。
本文介绍了当前主要的机械设备故障检测诊断技术，并指出其未来的发展趋势。
随着科学技术的发展，如今机械设备的精密程度和造价都越来越高，因此，一旦出现故障就会导致严重的后果，首先是机械设备损坏带来的修理费用、停工等直接经济损失，其次在机械出现故障时可能会导致工作人员的伤亡，除此之外还会导致环境的污染等，因此，要对机械设备在运行过程中的状态进行检测、诊断，并根据诊断结果及时采取相关措施，力求将损失降为最小的同时，保证机械设备的运行安全、防止突发事故的产生，机械设备故障检测诊断技术就是基于这样的需要而迅速发展起来的。
1.机械设备故障检测诊断技术现状1.1.振动监测诊断振动监测诊断技术是目前机械设备故障检测诊断技术领域应用最广泛的技术，是根据机械设备的振动状态和振动特征来判断设备运行是否正常、是否存在潜在故障。
一般来讲，振动监测诊断技术在监测过程中对设备无任何干扰，因此在实际工作中具有简便易行的优点。
在实践中，要根据机械设备本身的振动特点来选择合适的传感器对其振动速度、加速度、位移等参数进行采集，然后通过A/D转换器将采集到的模拟信号转化为数字信号，并传输给数据诊断系统，诊断系统对所传过来的数据进行分析，将分析结果以曲线图的形式输出在显示屏上，供工作人员参考，工作人员凭借这些谱图来判断机械设备运转是否正常，是否存在异常部位。
1.2.噪声监测诊断技术在机械设备运行过程中，机械的振动总是不可避免的，尤其是在某些部位异常的情况下，通常会产生异常的噪声，这就给机械设备故障检测诊断提供了一个出路。
汽车故障诊断方法的发展阶段
2010年·第4期·汽车运用传统的汽车维修观念和维修方法是建立在汽车零部件修复的基础上的，所以，一直以来，想方设法提高零部件修复的工艺水平就成为汽车修理人员孜孜不倦地追求的目标。
但是，事实表明，对于现代汽车来说，这种方法已经过时，人们更加看重的是汽在维修的快捷程度和可靠程度，也就是需要对汽车故障进行快捷而准确的诊断，其关键在于找出故障的类型和发生的部位。
只要诊断准确，故障就不难排除。
归纳起来，汽车故障诊断方法经历了以下4个发展阶段：经验诊断法传统的汽车故障诊断方法可称为经验诊断法。
它是根据汽车在工作时表现出来的外部异常状况，比如异响、油耗增高、温度变化、异味、动力下降、加（减）速性较差、排气以及跑偏、摆振、侧滑、早期磨损、润滑油料变质、仪表警告显示等等，采用逻辑推断的方法来判断故障的类型和发生的部位。
通常，为了便于诊断，把推断的全过程制成诊断表格或程序框图，所以经验诊断法也称为表格法或诊断树法。
但是，这种传统的诊断方法必须依赖于维修人员长期积累的经验和反复的观察，运作起来既繁琐又不准确，经常会出现误诊和延误。
检测诊断法由于各种检测设备相继出现，例如万用表、点火正时灯、缸压表、真空表、声级计、流量计、油耗仪、示波仪、气缸漏气量检测仪、曲轴箱窜气量检测仪、气体分析仪、烟度计以及功能比较齐全的测功机、四轮定位仪、制动试验合、侧滑试验合、发动机综合检测仪、底盘测功机等等，使汽车故障诊断从定件诊断发展到定量诊断，大大地提高了汽车故障诊断的准确度。
这种方法称为检测诊断法。
有人把汽车故障诊断方法的这一发展过程形象地比喻为医疗诊断中的“中医、西医、中西医结合”的发展过程。
自我诊断法当汽车进入到全面采用电控技术以后，以上方汽就不那么灵验了。
因为电控系统设置有大量的形形色色的传感器、配线、电子控制元件和执行器，各种传感信号和执行信号相互交叉渗透，汽车故障的症状界限模糊，故障发生的部位可能很多，如果再采用传统方法去诊断，就非常困难了。
故障诊断发展
近年来，国内外由于机械设备故障引起的灾难性事故很多，2000年9月，三峡大坝工地发生了一起由于吊耳根部裂缝引起的截带机断裂严重事故，造成3人死亡，30多人受伤，产生了极坏的社会影响[3]；2003年2月1日，美国“哥伦比亚”号航天飞机由于泡沫隔绝工艺上存在缺陷，致使泡沫从航天飞机的外部油箱上脱落下来，造成返航着陆前爆炸解体，7名宇航员身亡的人类航天史上的重大灾难[4]。2003年4月我海军一艘361号常规动力潜艇在内长山以东我领海进行训练时，因机械故障失事，艇上70名官兵不幸全部遇难[5]。2003年9月至2004年2月，在浙赣线、古太线、京沪线等处，发生4次因机车车轴疲劳断裂和1次因车轮疲劳断裂造成的货物列车脱轨重大事故，直接与间接经济损失达20亿元人民币[6]。2004年2月18日上午，伊朗东北部呼罗珊省一列装有燃料和化学物品的列车发生强烈爆炸，造成近320多人死亡，450多人受伤，5个村庄遭到严重损毁，造成至少2750万美元的经济损失[7]。2005年2月14日15时，辽宁省阜新矿业(集团)有限责任公司孙家湾煤矿海州立井发生一起特别重大瓦斯爆炸事故，共造成214人死亡，30人受伤，直接经济损失4968.9万元[8]。2005年8月6日，哥伦比亚西加勒比航空公司的一架麦道－82客机16日从巴拿马飞往法属马提尼克岛的途中，在委内瑞拉西部山区由于发动机故障而坠毁，机上152名法国乘客和8名机组人员全部遇难[9]。2006年1月20日19时许，青藏铁路两列工程车由于机械故障造成火车追尾，致使1死8伤的严重事故[10]。北京时间2006年7月9日6时50分，俄罗斯一架从莫斯科出发飞往伊尔库茨克的客机A－310在降落时由于制动系统液压刹车装置失灵而冲出跑道，造成火灾，致约150人死亡，多人受伤。且继9日发生重大空难后，10日又有3架飞机因引擎故障紧急着陆[11]。2007年4月18日7时45分左右，辽宁省铁岭市清河特殊钢有限公司发生钢水包滑落事故，装有30吨钢水的钢包在吊运下落至就位处2-3米时，由于单位管理不善、起重设备动力系统故障而突然滑落，钢水撒出，冲进车间内5米远的一间房屋，造成在屋内正在交接班的32人全部死亡，2名操作工轻伤，直接经济损失达866.2万元的严重事故，这是多年来冶金行业最惨痛的事故[12]。2008年3月2日4时左右，山西省朔州市平鲁区冯家岭煤矿由主斜井提升机皮带起火发生火灾事故，造成9人死亡、6人受伤[13]。2008年6月20日，宁夏吉元冶金有限公司2号炉，熔融的硅铁出炉时，钢包脱落，铁水遇水引发爆炸，共造成2人死亡、3人重伤、11人轻伤[14]。2008年8月20日14时45分西班牙航空公司EC-HFP号麦道82型客机在西班牙马德里巴拉哈斯国际机场起飞时冲出跑道，机身断裂成两半并燃起大火，造成153人死亡，19人受伤的重大空难[15]。因此，对设备进行状态监测与故障诊断，消除故障隐患，防止重大事故发生，已成为当前工业领域的重要研究课题之一。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
故障诊断技术发展历史故障诊断(FD)始于(机械)设备故障诊断，其全名是状态监测与故障诊断(CMFD)。
它包含两方面内容：一是对设备的运行状态进行监测；二是在发现异常情况后对设备的故障进行分析、诊断。
设备故障诊断是随设备管理和设备维修发展起来的。
欧洲各国在欧洲维修团体联盟(FENMS)推动下，主要以英国倡导的设备综合工程学为指导；美国以后勤学(Logistics)为指导；日本吸收二者特点，提出了全员生产维修(TPM)的观点。
美国自1961年开始执行阿波罗计划后，出现一系列因设备故障造成的事故，导致1967年在美国宇航局(NASA)倡导下，由美国海军研究室(ONR)主持成立了美国机械故障预防小组(MFPG)，并积极从事技术诊断的开发。
美国诊断技术在航空、航天、军事、核能等尖端部门仍处于世界领先地位。
英国在60～70年代，以Collacott为首的英国机器保健和状态监测协会(MHMG & CMA)最先开始研究故障诊断技术。
英国在摩擦磨损、汽车和飞机发电机监测和诊断方面具领先地位。
日本的新日铁自1971年开发诊断技术，1976年达到实用化。
日本诊断技术在钢铁、化工和铁路等部门处领先地位。
我国在故障诊断技术方面起步较晚，1979年才初步接触设备诊断技术。
目前我国诊断技术在化工、冶金、电力等行业应用较好。
故障诊断技术经过30多年的研究与发展，已应用于飞机自动驾驶、人造卫星、航天飞机、核反应堆、汽轮发电机组、大型电网系统、石油化工过程和设备、飞机和船舶发动机、汽车、冶金设备、矿山设备和机床等领域。
故障诊断的主要理论和方法故障诊断技术已有30多年的发展历史，但作为一门综合性新学科——故障诊断学——还是近些年发展起来的。
从不同的角度出发有多种故障诊断分类方法，这些方法各有特点。
从学科整体可归纳以下理论和方法。
(1)基于机理研究的诊断理论和方法从动力学角度出发研究故障原因及其状态效应。
针对不同机械设备进行的故障敏感参数及特征提取是重点。
(2)基于信号处理及特征提取的故障诊断方法主要有时域特征参数及波形特征诊断法、时差域特征法、幅值域特征法、信息特征法、频谱分析及频谱特征再分析法、时间序列特征提取法、滤波及自适应除噪法等。
今后应注重实时性、自动化性、故障凝聚性、相位信息和引入人工智能方法，并相互结合。
(3)模糊诊断理论和方法模糊诊断是根据模糊集合论征兆空间与故障状态空间的某种映射关系，由征兆来诊断故障。
由于模糊集合论尚未成熟，诸如模糊集合论中元素隶属度的确定和两模糊集合之间的映射关系规律的确定都还没有统一的方法可循，通常只能凭经验和大量试验来确定。
另外因系统本身不确定的和模糊的信息(如相关性大且复杂)，以及要对每一个征兆和特征参数确定其上下限和合适的隶属度函数，而使其应用有局限性。
但随着模糊集合论的完善，相信该方法有较光明的前景。
(4)振动信号诊断方法该方法研究较早，理论和方法较多且比较完善。
它是依据设备运行或激振时的振动信息，通过某种信息处理和特征提取方法来进行故障诊断。
在这方面应注重引入非线性理论、新的信息处理理论和方法。
(5)故障树分析诊断方法它是一种图形演绎法，把系统故障与导致该故障的各种因素形象地绘成故障图表，能较直观地反映故障、元部件、系统及因素、原因之间的相互关系，也能定量计算故障程度、概率、原因等。
今后研究应注重与多值逻辑、神经元网络及专家系统相结合。
(6)故障诊断灰色系统理论和方法该方法是从系统的角度来研究信息的关系，即利用已知的诊断信息去揭示未知的诊断信息。
它有自学习和预测功能。
它利用灰色系统的建模(灰色模型)、预测和灰色关联分析等方法进行故障诊断。
由于灰色系统理论本身还不完善，如何利用已知信息更有效地推断未知信息仍是一个难题。
(7)故障诊断专家系统理论和方法该方法是近年来故障诊断领域最显著的成就之一。
它的内容包括诊断知识的表达、诊断推理方法、不确定性推理以及诊断知识的获取等。
目前存在的主要问题：缺乏有效的诊断知识表达方式，不确定性推理方法，知识获取和在线故障诊断困难等。
今后研究应注重与模糊逻辑、多值逻辑、故障树、机器学习和人工神经网络等理论和方法的结合、集成。
(8)故障模式识别方法该方法是一种十分有用的静态故障诊断方法，它以已有30年发展历史的模式识别技术为基础。
关键是故障模式特征量的选取和提取。
现有许多模式分类器，如线性分类器、Bayes分类器、最近邻分类器等。
该方法的诊断效果在很大程度上依赖于状态特征参数的提取、样本的数目、典型性和故障模式的类别、训练和分类算法等。
未来研究应注重新聚类算法、自动学习识别方法及与ANN相结合。
(9)故障诊断神经网络理论和方法神经网络应用于故障诊断是其最成功的应用之一。
由于神经网络具有原则上容错、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的功能，使其在工程实际存在着大量的多故障、多过程、突发性故障、庞大复杂机器和系统的监测及诊断中发挥较大作用。
在众多的神经网络中，尤其以基于BP算法的多层感知器(MLP)神经网络理论最坚实，应用最广泛且最成功。
神经网络故障诊断方法易实现对非线性系统的故障诊断。
但BP算法是非鲁棒性的。
重点研究在线学习算法，知识表达和鲁棒学习算法等。
(10)基于数学模型的故障诊断理论和方法该方法是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，利用观测器(组)、等价空间方程、Kalman滤波器、参数模型估计和辨识等方法产生残差，然后基于某种准则或阈值对该残差进行评价和决策。
基于模型的故障诊断方法能与控制系统紧密结合，是监控、容错控制、系统修复和重构的前提。
目前该领域研究的重点是(线性和非线性)系统的故障诊断的鲁棒性，故障可检测和可分离性，利用非线性理论(突变、分叉、混沌分析方法)进行非线性系统的故障诊断。
故障诊断理论和方法分类虽然很多，但可归纳为2类：①基于非模型的故障诊断理论和方法，如信号空间特征、模态和信息处理方法的诊断理论与方法；基于知识推理、人工智能、专家系统的诊断方法；基于模式识别和神经网络的诊断方法。
②基于系统数学模型和现代控制理论、方法的故障诊断理论和方法，也包括相互间的结合和集成。
现代故障诊断的主要内容现代故障诊断包括3方面的主要内容：①故障检测；②故障分离(诊断)；③故障修复。
统称为故障的检测、分离和修复(FDIA)。
故障诊断系统的性能：①及时性(速度)；②敏感性和鲁棒性；③误报率、漏报率、错报率和确诊率；④全面性(针对所有类型故障)。
故障检测在进行故障检测之前，需做以下假设：系统中的故障导致系统参数有变化，如故障使输出变量、状态变量、残差变量、模型参数、物理参数等其中之一或多个有变化。
这是所有故障诊断方式都必须遵守的假设条件。
故障检测是指确定系统是否发生故障的过程，即对一非正常状态的检测过程。
通过不断监测系统可测量变量的变化，在标称情况下，认为这些变量在某一不确定性下满足一已知模式，而当系统任一部件故障发生时，这些变量偏离其标称状态。
通常根据系统输出或状态变量的估计残差的特性来判断故障。
目前研究的目标是检测的及时性、准确性和可靠性及最小误报和漏报率。
故障诊断故障诊断指根据残差方向和结构来分离出故障的部位，判断故障的种类，估计出故障的发生时间、大小和原因，进行评价与决策的过程。
故障分类是将故障按其严重程度进行分类，以便采取相应措施。
故障的评价和决策是指根据故障的类别、严重程度，决定是否采取修复、补救、隔离或改变控制率等措施，以防止故障的影响和传播，预防灾难事故的发生。
故障修复故障修复指根据故障诊断结论，或是改变控制率或是控制重构或是系统重构，使整个系统在故障发生情况下，保证稳定并改善系统性能。
如对传感器故障修复来说，可用一余度传感器或一估计值代替故障传感器的输出值。
基于ANN在线估计器的FDIA是一有效方式。
故障修复是自主系统(AS)和智能系统(AIS)的重要环节。
故障修复把故障状态检测和故障诊断与自动控制紧密联系起来，使故障诊断具有更深远意义和广阔的应用前景。
故障修复理论和方法将是目前和将来的研究方向。
现代故障诊断的发展趋势现代故障诊断的发展方向是与容错控制、冗余控制、监控控制和余度管理等可靠性系统设计相结合的，是实现主动(视情)维修策略、监测控制、容错控制、自治控制、可信性系统等设计中的一个关键。
解析余度管理现代余度管理从硬件余度向综合余度和解析余度管理发展。
过去，动态系统的容错设计是基于硬件余度(余度部件、余度系统)而实现的，如三余度和四余度系统，通过简单的表决逻辑来判断故障。
硬件余度遇到的主要问题是重量大、体积大、费用高、飞行器承载能力小。
同时“同类”余度系统具有相同的寿命周期，假如一个有故障可能其它也发生故障。
但用“异类”余度系统又难以保证表决检验的一致性。
为了使整个系统可靠、安全，且提高容错系统可利用性，因此有必要研究新方法消除或减少硬件余度。
进入70年代，随着计算机技术及其计算能力、可靠性的提高，现代控制理论的产生和发展，出现了以分析冗余取代物理(硬件)冗余的余度可靠性设计和余度管理思想。
首先在仪表故障检测(IFD)中出现了这种新方式，其思想是用3个或以上不同类传感器测量系统不同的变量，产生完全不同的信号，通过一复杂综合比较逻辑来检测传感器故障。
尽管是异类传感器，但所有都是由系统中同一动态状态激励的，因此具有某种功能关系。
这种新方式初期称为本质余度或功能余度，以区别于物理余度或硬件余度。
后来人们把它称为分析余度或人工余度。
分析余度方式是一利用状态估计、参数估计、自适应滤波、变量阈值逻辑、统计决策理论和综合逻辑的信号处理技术，可以在电子电路或计算机上实现。
目前实施的余度管理方式还是一综合方式，即包括硬件余度和解析余度。
发展方向是分析余度。
1971年Beard首次提出了故障检测滤波器(FDF)概念，标志着基于分析冗余(基于模型)故障诊断技术的诞生。
可信性系统设计现代故障诊断是由于实施主动(视情)维修策略和建立监控系统的需要而发展起来的。
由于现代机电自动化及控制系统的规模不断扩大、复杂性日益提高，以及系统投资的巨大，人们迫切需要提高机电自动化及控制系统的可信性。
因而有必要建立一个监控系统来监督整个自动化系统的运行状态，不断检测系统的变化和故障信息，进而采取必要的措施(如隔离和修复或改变控制率等)来防止故障的传播和灾难性事故的发生。
而其前提条件是具有在线实时可靠检测和诊断故障的能力。
因此故障诊断是实现可信性系统设计的关键环节。
可信性系统指集可靠性、有效性、可维修性和安全性为一体的系统。
提高系统可信性的方法，即设计可信性系统的方法：①提高元部件本身的可靠性；②采用余度系统(部件)，如硬件、软件和复合冗余结构；③采用基于FDIA的容错和监控等控制系统。