時間：2023-06-05 15:43:51
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇故障診斷方法綜述范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
摘要： 隨著經濟的發展，技術的進步，現代企業設備越來越大型化、復雜化、智能化，如果液壓設備發生故障，生產就無法進行。本文首先介紹液壓系統故障診斷的準備工作，然后詳細介紹三種診斷方法。
關鍵詞：液壓系統故障 簡易故障診斷法 人工智能故障診斷法
液壓系統具有很多獨特的優點，常見的如：大容量、結構緊湊、安裝靈活、反應快、容易控制等等，在現代大型設備，特大型設備中具有廣泛的應用的同時存在著問題，極易發生故障從而影響生產，造成故障的原因主要是系統中元輔件和工作液體性能不穩定，系統設備使用不當或者維護不到位。近幾年液壓系統故障診斷成為了一門專門的學科，受到高度的重視。
1、液壓系統故障診斷的準備工作
第一拿到設備使用說明書時一定要認真仔細的閱讀，詳細了解該設備的功能、結構、工作原理，包括系統中元件的功能結構和原理；第二從網上查閱設備的檔案資料，包括生產廠家、制造日期、調試驗收，故障可能、處理方法等等。
2、簡易故障診斷方法
2.1 主觀診斷法
這是一種最傳統的方法，憑借維修人員的主觀判斷（看、聽、摸、聞、問）和實踐經驗，或者利用簡單的儀器、儀表判斷故障發生的部位并且給出發生的原因。常見到的主觀診斷法有感官診斷、方框圖分析、系統圖分析，該方法簡單快捷方便，這種方法對維修人員的要求極高需要有豐富的診斷經驗，但是診斷結果具有局限性。
2.2直接性能測試法
這種方法通過測試液壓元件和系統性能進而評價系統工作狀態，適用于處于工作狀態的系統，還能進行定量的分析，現代運用最多的是檢測液壓系統的狀態。如果檢測的液壓系統元件或者性能超出了規定的正常范圍，那么該系統就有發生故障的可能性。這種方法原理簡單，相當直觀，但是測試的精準度不是很高，一般早期的失效很難檢測出來。
3、基于信號分析的故障診斷方法
3.1基于抽樣分析法
反映系統內部信息的除了液壓系統本身的信息，其內部的污染物也可以，也就是說測定和鑒別油液當中污染物的成分和含量，可以知道液壓系統的污染情況和運行狀況，也是一種故障診斷的方法。目前我們經常見到的有兩種：一種是基于油液顆粒污染度的檢測技術，包括：顯微鏡檢測技術（設備投資小、方法簡單、費時費力、誤差大）、自動顆粒計數器（檢測速度快、操作簡便、準確度高但精度低）、稱重法（設備簡捷、檢測方便、只測重）、鐵譜分析法（可進行定性和定量的分析）、光譜法（成本高、精度高）；另一種是基于油液性能參數的檢測技術，這種技術需要細致的分析油液的有關參數和金屬的含量，歷時的周期較長，無法實現在線檢測，但是對重要液壓系統的診斷很有效。
3.2基于振動噪聲分析法
在液壓系統的運行過程中，必然會伴隨產生振動和噪聲，尤其液壓泵的振動聲音十分大，實際上這些設備的振動和噪聲就包含了許多故障的信息，分析信號，得到元件狀態信息，進而進行故障診斷。這種方法的理論比較完善，應用也比較廣泛，有多種信號處理方法如：時域特征參數法、時差域特征法、概率密度法、相關分析法、譜分析法、自功率譜分析法、倒頻譜分析法、包絡譜分析法、主分量自回歸譜提取法、AR譜參數提取法、小波分析等。目前旋轉機械設備也能用它分析診斷故障，純機械設備的故障診斷效果相當明顯。隨著信號處理技術的發展，這種方法的應用前景十分可觀。
3.3基于數學模型法
這種方法的指導是現代控制理論和優化方法，基礎是系統的數學模型，殘差產生法是觀測器（組）、等價空間方程、Kalman濾波器、參數模型估計和辨識等，利用閥值或者準則評價決策殘差。該方法和控制系統的關系相當密切，共同成為監控、容錯控制、系統修復重構的基礎。這種方法的數學模型的精確度直接決定診斷的精確性，一般最常建立的是線性和非線性的數學模型來診斷液壓系統的故障。
4、基于人工智能的故障診斷方法
4.1基于專家系統的智能診斷法
這是智能診斷技術中受到多方關注的一個發展方向，研究最多，應用最廣，主要是利用專家的知識和推理方法解決實際遇到的復雜問題。在這的專家系統并不是指人員而是指一種人工智能計算機程序，知識權威，學習功能強大。該系統的主要組成部分：知識庫（系統知識和規則庫）、數據庫、推理機和解釋機制。如果利用它檢測在線的系統，數據庫顯示的是實時工況數據；如果利用它檢測離線系統，則數據庫顯示的是實際故障時的數據或者人為故障的樣本數據。該方法的運行過程是通過人機相互交換，專家系統獲得所需信息，利用系統的知識庫和數據庫，推理機運用規則，調用應用程序，進行正確的推理，找到液壓系統的故障。這種方法給自動化進行液壓系統故障診斷代帶來了光明和希望，但是也存在一定的不足和問題，不過未來的發展前景還是很廣闊的。
4.2基于神經網絡的智能診斷法
20世紀80年代人工神經網絡迅速崛起，成為人工智能領域的一個分支，是一種計算模型（與人的認知過程相似），一種非線性動力學網絡系統（模擬大腦神經元結構特性）。神經網絡的非線性處理單元（類似神經元）相互關聯，具有了學習、記憶、歸納總結等功能和數學模擬能力。這種方法的具有獨特的優勢，如：分布式處理能力、聯想記憶、自學習能力等收到診斷領域的廣泛關注和重視，未來發展前景十分寬廣。
4.3基于模糊理論的智能診斷法
大量的模糊現象存在于液壓系統故障診斷領域，如：系統油溫過高、壓力波動較重等等，過高、較重這些都是模糊的概念，并沒有清晰的邊界，故障發生會經歷一個漫長的時間，同時故障發生的原因和癥狀也是模糊的，可能一對一，可能一對多，也可能多對一。利用模糊邏輯、模糊關系描述故障的原因和現象，建立隸屬度函數和模糊方程，明確識別故障。這種方法的現象更為客觀，結果更符合實際，速度快，容易實現。
5、結束語
隨著21世紀科技的發展，人工智能技術更是突飛猛進，還有許多智能診斷的方法如：故障樹診斷法、灰色理論智能診斷法、案例推理診斷法、多智能體的智能診斷法、信息融合技術智能診斷法等等。如何將新型科技、智能技術運用到故障診斷系統當中，實現自動化、智能化的故障系統診斷是我們亟待解決的問題。
參考文獻：
[1]范士娟，楊超.液壓系統故障診斷方法綜述[J].機床與液壓，2009，37（5）：188-192，195.
關鍵詞：汽車；變速器；故障診斷；解析；
自動變速器是一種汽車內部的封閉裝置，只要產生故障，就會使維修的難度增大，在未確認故障區域時，不能隨意開展解體維修，必須快速并正確地進行故障的診斷及排除，相關的維修人員必須全面掌握各種汽車故障的癥狀，還要仔細收集并分析來自于用戶的情況說明，以便更好地開展故障診斷與排除。
一、汽車自動變速器中的故障診斷
（一）容易產生打滑 汽車運行過程中，在踩油門后車速無法提高，或汽車在上坡時缺乏行駛的動力，產生此類情況時，駕駛員應快速思考是否是自動變速器發生了故障。而導致這一故障的原因有很多：（1）汽車自動變速器的制動器內密封圈使用過久，未進行及時更換，致使零件過度磨損產生脫落，從而使自動變速器漏油；一旦油壓與供油減少，就會使汽車缺乏運行動力；（2）汽車自動變速器內的油泵被損壞也會使汽車漏油、油壓減少，讓汽車缺乏運行動力且無法提速。
（二）容易產生漏油 汽車自動變速器產生漏油的關鍵因素是汽車自動變速器平面發生了變形，或者是由于自動變速器在進行加工時工作人員缺乏耐心，從而使汽車關鍵部件中的固定螺栓產生松動。一旦發生此類故障，須從集中漏油的地方著手，判斷具體的故障原因，采用具有針對性的排除方法。
（三）無法升檔 汽車在運行過程中自動變速器無法提升到高速檔或超速檔，產生此故障的原因有：節氣門拉索的調整不正確；節氣門的位置傳感器與電路故障；調速閥及其油路故障；車速傳感器故障；換檔電磁閥故障；高檔離合器與制動器故障；檔位開關故障等。
二、主要的診斷方法
（一）磨損殘余物分析診斷方法
對于汽車變速箱齒輪而言，其最為主要也是最為常見的失效形式就是磨損失效；汽車在運行過程中，若出現齒面磨損，則可以在油中找到這些磨損的殘余物；對于磨損殘余物分析診斷方法來講，其對機器失效有關信息的快速獲取，主要是基于對機械零部件磨損殘余物在油中殘余物含量的測定來完成的。當前進行測定的主要有兩種方法：1對殘余物進行直接檢查，以及通過對油渾濁度變化、電感的變化以及油膜間隙內電容的測定來快速獲得有關零件失效的重要信息；2收集殘余物，例如，應用特殊的過濾器或者磁性探頭等來把工作表面因疲勞而形成的大塊剝落物收集起來。實踐表明，應用磨損殘余物故障這種分析方法來對變速器中的磨損類型故障進行檢測診斷，是相當有效的；相比于其他故障診斷方法，諸如振動診斷方法，這種診斷方法在對磨損類型故障診斷方面，更具有優勢，因而對汽車變速器磨損故障進行判斷的有力手段就是磨損殘余物分析診斷方法。
（二）振動檢測技術診斷法 有關機械振動信號，這是當前診斷技術采用最多的一種信號，這主要是基于由振動所產生的機械損壞具有相當高的比率；根據相關資料可知，由機械振動而帶來的機械故障超過三分之二；此外，最容易獲得的振動信號，是來自機械運轉中所產生的，而且在振動信號中，還具有數量眾多的能對機械設備狀態進行反映的信號，通過振動的異常可把許多機械故障反應出來。振動檢測技術診斷法，主要是基于對設備振動參數及特征的檢測，來對設備狀態和故障進行分析的一種方法。
（三）聲發射技術診斷法 這種診斷方法，就是應用儀器進行檢測、對聲發射信號進行分析和利用的一種故障診斷方法。對汽車變速箱齒輪而言，因其的高速旋轉，致使運行中不可避免地產生熱彎曲、不對稱等現象，帶來轉子碰撞，故在金屬以內的晶格，將出現重新排列或滑移，此過程因能量發生變化，變化的能量將通過彈性波這種形式來進行釋放，這就形成了聲發射信號；一定要應用專門技術，來把背景噪聲的干擾排除掉。聲發射監測這種檢測方法，具有無損動態檢測特點，但它又不同于其他無損檢測方法，因聲發射信號是產生于外部條件的作用下，故對于那些缺陷變化，相當敏感，對于那些微米數量級的顯微裂紋的擴展和發生的相關信息，可以輕而易舉地檢測出來，故具有極高的靈敏度。
（四）光纖傳感技術診斷法 這種故障診斷方法，主要是基于光纖對一些特定的物理量所具有的敏感性，來把外界物理量向可進行直接測量的信號進行轉換的一種汽車變速器齒輪故障診斷方法。就光纖而言，不僅可直接作為光波的直接傳播媒質，而且光纖傳播中的光波，其特征參數會因外界因素的影響而產生變化，故可把光纖當作傳感元件來對各種物理量進行探測。對于光纖傳感器而言，因具有極高的靈敏度、超強的抗電磁干擾能力、超好的電絕緣性急耐腐蝕等等優點，故在汽車這個行業也受到了極為普遍的應用。當前，光纖傳感技術已朝著智能化、功能化及集成化等方向快速發展著，可以預見，隨著科技的不斷發展，這種故障診斷方法將在汽車變速器齒輪故障診斷中將得到越來越廣泛的應用。
參考文獻：
[1]ThomasMerath，JoachimNaas，FranzJoachim等.基于有限元法的汽車變速器齒輪與軸承優化[J].傳動技術，2015，29（2）：3-13，20.DOI：10.3969/j.issn.1006-8244.2015.02.001.
[2]高勇.微型汽車變速器傳動效率的影響因素分析及試驗研究[D].武漢理工大學，2013.
關鍵詞：控制系統；故障診斷；故障檢測；診斷方法
引言
自20世紀60年代末美國國家宇航局就創立了美國故障預防小組以來，故障診斷技術逐漸發展起來的一門以數學、物理、現代控制論、計算機工程、通訊技術、信號處理、模式識別、人工智能、人工神經網絡以及相應的應用學科為基礎的多學科綜合交叉的新學科。它通過獲得機械設備在靜止或運行中的狀態信息，并參考設備過去的運行經歷，來獲得設備的實時狀況，并推斷未來的趨勢，從而確定必要的維修策略。本研究主要針對控制系統的故障診斷方法進行綜述。
1 基于解析模型的方法
該方法是研究最早、最深入、最成熟的方法，需要建立被診斷對象的較精確的數學模型，包括狀態估計方法、等價空間方法和參數估計方法。盡管這三種方法是獨立發展起來的，但它們之間存在一定的聯系。
1.1狀態估計方法
狀態估計方法的基本思想是利用系統的解析模型和可測信息，設計檢測濾波器（觀測器） ，重建系統某一可測變量，然后由濾波器的輸出與真實系統的輸出的差值構造殘差，再對殘差進行分析處理，以實現系統的故障診斷。在能夠獲得系統精確數學模型的情況下，狀態估計方法是最直接有效的方法，然而在實際中，這一條件往往很難滿足。所以目前對于狀態估計方法的研究主要集中在提高檢測系統對子建模誤差、擾動、噪聲等未知輸入的魯棒性及系統對于早期故障的靈敏度。
1.2等價空間法
等價空間法的基本思想是利用系統的輸入/輸出的實際測量值檢驗系統數學模型的等價性（即一致性），以檢測和分離故障。其在診斷時存在問題：低階等價向量在線實現較簡單但性能不佳，而高階等價向量能帶來較好的性能卻計算量大，且漏報率高。因此，目前的研究普遍都采用改進過的等價空間法[1]。
2 基于信號處理的方法
當難以建立被控對象的解析數學模型時，可采用基于信號處理的方法。此方法是利用信號模型（如相關函數、頻譜、高階統計量、自回歸滑動平均、小波變換等）直接分析可測信號，提取方差、幅值、頻率等信息來進行故障檢測與診斷。這種方法適用于線性系統和非線性系統。但是，避開對象數學模型的優點是實現簡單、實時性較好；缺點則是對潛在的早期故障的診斷顯得不足，多用于故障檢測，對故障分離和診斷的效果不很理想，若與其他方法結合可望提高故障診斷性能。
2.1基于小波變換的方法
小波變換是一種信號的時間—尺度分析方法，具有多分辨率分析的特點。在時頻域都具有表征信號局部特征的能力，適合于非平穩信號的奇異性分析。利用連續小波變換可以區分信號突變和噪聲，而利用離散小波變換可檢測隨機信號頻率結構的變化。小波變換對噪聲的抑制能力較強，具有較高的靈敏度，運算量也不大，是一種很有前途的方法。近年來，利用小波變換的優點，將小波變換與數學模型、神經網絡、專家系統、模糊理論、矩陣奇異值等方法相結合，提出了一些新的方法，進一步提高了動態系統的故障檢測與診斷性能，在實際工程應用中獲得成功。
2.2主元分析法
主元分析法（Principal Component Analysis，PCA）是依據輸入變量的線性變換，由輸入變量相關矩陣的主要特征值的大小來確定坐標變換和變量壓縮，目的是在數據空間中找到一組m個正交基，這組正交基最大可能地表示數據的方差和協方差，以便將數據從原始的n維空間映射到由這組正交基所構成的m維子空間上，從而達到降維的目的（m
3 基于知識的方法
人工智能及計算機技術的快速發展，為故障診斷技術提供了新的理論基礎，產生了基于知識的診斷方法。此方法與基于信號的故障診斷方法類似，也不需要定量的數學模型。不同之處在于，它引入診斷對象的許多信息，特別是可以充分利用專家診斷知識，而且它具有“智能”特性，是一種很有生命力的方法，尤其是在非線性系統領域。
3.1 基于神經網絡的方法
神經網絡具有模擬任意連續非線性函數、從樣本學習、大規模并行處理、自適應、自學習、容錯、聯想記憶、分布式信息存儲、推理、處理復雜多模式等優良性能，使其在復雜系統的監測及診斷中發揮著重要作用，為故障診斷技術開辟了一條有效途徑。由于神經網絡從故障診斷實例中學到的知識只是一些分布式規則，診斷推理過程不能夠解釋，缺乏透明度。因此，近年來，基于神經網絡的故障診斷研究開始向神經網絡與其他診斷方法相結合的方向發展。比如把模糊數學與其相結合，可以在神經網絡框架下引入定性知識，以取得更好的診斷性能；采用多個神經網絡的診斷方法可以提高故障診斷的可靠性。
3.2 基于模糊數學的方法
模糊故障診斷方法是利用集合論中的隸屬函數和模糊關系矩陣的概念來解決故障與征兆之間的不確定關系，進而實現故障的檢測與診斷。模糊診斷的基本原則有：分層分段診斷，逐步深入原則；假設與驗證相結合原則；綜合評判原則；獲取信息原則；通過對外在特性的考證來判斷系統內部結構的劣化原則；對比判斷確定故障原則；找出最嚴重的故障點原則。單純利用模糊推理進行故障診斷具有一定的局限性，一般利用復合式方法來進行故障診斷，如模糊故障樹法、模糊專家系統法、模糊神經網絡法、模糊小波神經網絡法等，這些方法的診斷性能得到明顯提高。
4 故障診斷技術發展趨勢
隨著傳統控制系統向網絡化發展，近年來遠程網絡控制系統得到廣泛重視，并涌現很多成果。網絡控制系統具有網絡時延、數據包時序錯亂甚至數據包丟失等缺點，因此為保證網絡控制的可靠性有必要針對遠程網絡控制系統故障診斷問題進行研究。遠程診斷系統是一個分布式控制系統，它基于監測設備、計算機網絡及軟件，實現對監測信息的處理、傳輸、存儲、查詢、顯示和交互，以達到診斷專家無須到現場就可以完成對遠距離發生的故障的診斷，并可以實現異地專家的實時協同診斷。其研究內容包括遠程監測、遠程診斷、協同診斷等幾個主要部分。5 結語
控制系統故障診斷是一個復雜的問題，對于不同的研究對象選擇不同診斷方法有積極意義。而有效方法的選擇很大程度上取決于實際因素。隨著微電子、計算機、智能技術和網絡技術的發展，故障診斷技術也得到了不斷的發展和進步，故障診斷方法呈現向復合式、綜合化方向發展的趨勢，且設備故障檢測診斷技術的準確性會越來越高，操作使用越來越方便，在設備維修中會起著越來越重要的作用。它可以直接提高企業設備管理和維護水平，提高企業效益和國際競爭力[3]。
參考文獻
[1] 陸雪梅， 尚群立. 動態控制系統的故障診斷方法綜述[J]. 機電工程， 2008， 25（6）： 103—107
關鍵詞：神經網絡；故障診斷；容錯控制；電機
中圖分類號：TP393 文獻標識碼：A 文章編號：1007-9599 （2012） 18-0000-02
1 引言
近二十年來，容錯控制技術無論是在故障診斷研究方面，還是在控制律重構算法設計上都取得了一系列的成果，文獻[1-2]對近些年研究狀況進行了較好的綜述，雖然電機系統的在線故障診斷與容錯控制有些報道，基于模型的故障診斷方法[3]，信號處理故障診斷方法[4-5]及基于人工智能的診斷方法等[6-7]。但是關于電機可靠性的容錯控制技術研究卻很少[8-9]。仍有許多工作有待研究。
本文采用一種改進的基于信度分配的CMAC（ICA-CMAC）神經網絡學習算法，進行電機系統的在線故障辨識，引入第一控制律控制算法進行控制規律的在線重組，將在線故障診斷與容錯控制相結合，構造集成故障診斷與容錯控制系統。保證系統的控制性能，實現電機系統容錯控制。
2 改進的CMAC神經網絡模型
【關鍵詞】 機械設備；狀態檢測；故障診斷；
1、引言
機械設備狀態監測及故障診斷技術，是從上世紀六七十年代的應用發展來的管理理念。隨著機械設備的現代化、復雜化和自動化程度的不斷升級，機械設備狀態監測及故障診斷技術在國外得到了迅猛的普及和廣泛使用，成為當今先進設備管理及維修的新思維。上世紀九十年代以來，機械設備狀態監測及故障診斷技術開始在我國得帶推廣，并且取得了一定的效果。作為一種新穎的設備管理思想，與傳統的設備管理與維修觀念相比，它具有更好的有效性和科學性，顯著的提高了設備運行的可靠性、生產效率以及設備的使用壽命，同時降低了設備的維修成本。
2、機械設備狀態監測及故障診斷技術的意義
機械設備狀態監測與故障診斷技術主要包含著以下兩項技術：一是對及其狀態進行實時監測，即狀態監測技術；二是故障診斷方法，即高效的故障診斷技術，設備的狀態監測技術是指對故障設備的某些特征參數進行監測，并且將所得測定值與規定的正常值進行比對，判斷該部件是否運行正常。機械設備故障診斷技術則不僅要判斷機械設備是否運轉正常，而且還需要對故障原因、故障位置、以及故障的嚴重程度作出判斷。
1、經濟快速發展的需要
現代化生產向著大型化、自動化、連續化、高精度、高效率等方向發展，生產率大幅度提高，產品的質量也相應的得到可靠的保證。但是，生產設備的突發性故障是不可避免的，極易造成的重大的經濟損失。因而對于連續化、自動化生產設備必須實時監視其運行狀態，及時發現故障預兆，并且及時采取有效處置措施，對設備進行維修，以減少由于設備故障引起的經濟損失。
2、生產安全和可持續發展戰略的需要
科技的發展改變了人類的生活，如核能的發現，在給人類提供能源的同時，也會給人類帶來災難，就像發生在美國三里島的核泄漏事故。科技有其兩面性，在其造福人類的同時，若不加約束就會造成嚴重的災難事故。并且隨著工業化進程的發展，環境污染問題也越來越嚴重，因此，設備設計盡可能減少環境污染，實施所謂的“綠色設計。然而，設備的老化，勢必加劇機械設備引起的污染。因此，從可持續發展的戰略高度看，機械設備的狀態監測與診斷技術勢在必行。
3、是維修體制改革的需要
過去我國沿引的前蘇聯維修體制，帶有技術經濟的色彩，稱為計劃預期維修，它的確定源于大量的統計規律。除了在故障出現時進行維修外，根據統計規律和生產計劃定時實施小修、中修、大修，但是這種預期修理技術在技術含量越來越高的設備面前顯得越來越吃力，主要表現在以下兩個方面：
（1）剩余維修現象嚴重。剩余維修成本巨大，需要高昂的人力物力，而隨機造成的經濟損失也是很高的。
（2）現代設備精度要求很高，在計劃預期維修中往往拆解，再重新進行組合，這樣反復進行將使機械設備的精度受到影響。
上述因素加速了維修體制的改革，由原先的計劃預期維修體制為狀態維修體制，也就是修理取決于設備的運行狀態。這就需要對設備的運行狀態進行實時的監測。根據所得到的的設備狀態參數對機械的運行狀態做出判斷，并且分析故障信息。這樣就可以避免過剩維修，減少重大事故的發生，設備狀態監測和故障診斷技術也因而出現。
3、狀態監測及故障診斷技術的應用
狀態監測及故障診斷技術是一個系統工程，需要有先進的監測設備，專業的技術人員，還有系統完善的額管理體制。狀態監測及故障診斷技術是一門綜合性極強、涉及面非常廣泛、學科交叉滲透十分嚴重的技術，可以采用振動分析方法、油液分析、紅外熱像、超聲探傷以及溫度、壓力分析等多種不同的技術。
機械設備故障的狀態監測及故障診斷的一般過程主要包括以下四個部分：
1、設備狀態的采集
設備在運行過程中，必然會產生力、熱、振動、噪聲、能量等各種參數的變化，因此會產生各種不同的信息。根據不同的診斷需要，采用相應的傳感器來拾取得到的能表征設備工作狀態的不同信息，這就是設備狀態的采集。
2、信號處理
信號處理技術是進行故障診斷的基礎，是特征提取必不可少的工具。信號處理技術主要包括傳統和現代兩大類：傳統信號處理技術是指以FET為核心的信號分析技術，在實際運用中發揮著重要作用；近來來的現代信號處理技術在故障特征提取方面正在嶄露頭角。為了保證獲取的故障特征信息的準確性和有效性，目前的主要研究點是基于非高斯、飛平穩及非線性故障信號的分析理論及方法。
3、狀態識別
將經過信號處理后獲得的設備特征參量，采用一定的判別模式、判別準則和診斷策略，對設備的狀態作出判、判斷，確定是否存在故障以及故障的類型和性質、程度等。
4、診斷決策
根據狀態識別的結果，決定采取的對策、措施，同時根據當前的檢測信息預測機械設備運行狀態的可能發展趨勢，進行趨勢分析
建立監測與診斷系統之前需要考慮幾個方面的問題：經濟性，即能夠盡可能的節省投資；可靠性，即自身應具有更高的可靠性；實用性，即實用的功能，操作方便；有效性，即分析診斷結果有效；擴展性，即有較好的可擴展性和自開發性能。一般情況下，根據經驗，企業用于設備狀態監測及故障診斷的投資應占其固定資產的1%-5%。并且，隨著設備的復雜程度和技術先進性的增加，投資額度還會有所增加。
4、狀態監測及故障診斷技術發展前景
設備故障診斷技術與科技前沿的融合是設備故障診斷技術的發展方向。當今狀態監測及故障診斷技術的發展趨勢是傳感器的精密化、多維化，診斷理論、診斷模型的多元化，診斷技術的智能化，具休來說表現在如下方面：
1、與最新傳感器技術尤其是激光測試技術的融合。近年來，激光技術己從軍事、醫療、機械加工等領域深入發展到振動測量和設備故障診斷中，并且已經成功應用于測振和旋轉機械對中等方面。
2、與新型的信號處理算法相融合。新的信號處理方法不斷優化故障診斷技術的精度，同時傳統的基于快速傅里葉變換的機械設備信號分析技術也有了新的突破性進展。
3、與非線性原理和方法的融合。機械設備在發生故障時，行為主要表現為非線性的。如旋轉機械的轉子在不平衡外力的作用下表現出的非線性特征。隨著混沌與分形幾何方法的日趨完善，這一類診斷問題必將得到進一步解決。
4、與多元傳感器信息的融合。快速的生產對設備監測與維護提出了全方位、多角度的高要求，由此可以對設備的運行狀態做出整體的、全面的判斷。因此，在進行設備故障診斷時，可采用多個傳感器同時對設備的各個位置進行監測，然后按照一定的方法對這些信息進行處理，如人工神經網絡方法。
5、與現代智能方法的融合。現代智能方法包括專家系統、模糊邏輯、神經網絡、進化計算等。現代智能方法在設備故障診斷技術中己得到廣泛的應用。隨著智能技術的不斷發展，設備狀態的智能監測和設備故障的智能診斷，將是故障診斷技術的最終目標。
4、結束語
隨著科技的發展以及各個學科相互融合的加深，先進的技術被廣泛的應用于機械設備的狀態監測及故障診斷技術，這對于加強狀態監測和故障診斷分析的效率和精度有很大的改善，在以后的實踐中要更加注重將其他學科的知識加入到狀態監測和故障診斷技術應用中，更好的做好設備的管理工作。
參考文獻
[1] 李建華.設備狀態監測與故障診斷技術綜述.廣東化工，2009
[2] 王春焱.設備狀態監測與故障診斷技術應用研究.昆明理工大學，2009
關鍵詞：現代模擬電路；故障診斷；方法探討
模擬電路故障，就是在模擬電路運行過程中，因為電路中器件某個參數發生變化致使電路無法正常運行。模擬故障主要分為兩類：硬故障和軟故障。硬故障是在電路運行中出現的開路或短路等狀態。軟故障就是指電路的某個器件的參數發生變化致使電路運行不正常的故障。
1 模擬電路故障診斷中遇到的困難有哪些
⑴模擬電路出現的故障情況不盡相同，而且其本身參數（輸入激勵與輸出響應及網絡中各元件的參數等）是連續量，造成故障模型比較繁瑣，難以量化。⑵因為參數誤差、非線性、或環境造成的干擾等多項因素，使得電路工作特性發生偏移，導致輸入與輸出關系復雜，從而使得一些故障診斷方法失去了其準確性。⑶非線性問題在模擬電路中廣泛的存在，伴隨著電路規模的線性增大，使得計算量大大增加；現在在電路中存在著大量的反饋回路，而這也同樣增加了計算量，也是測試變得復雜了許多。⑷現在的電路元器件多是被封裝的，這樣就造成可測電壓的可及節點數會很少，從而使可用作故障診斷的信息量減少，致使故障定位中的不準確程度提高，使得判斷錯誤，造成嚴重后果。上述這些困難如果只用傳統的數學方法描述將會很難達到診斷效果。因為人工智能技術可以很好地模擬人類處理問題的過程，并且具有學習能力，還可以積累經驗，所以這門技術在現代模擬電路診斷中得到了廣泛的應用。下面將介紹以人工智能技術為基礎的一些診斷方法。
2 現代模擬電路故障診斷的方法
2.1 專家系統故障診斷方法
專家系統，就是指一個內部具有很多專家水平的某個領域的知識和經驗的智能計算機程序系統。專家系統可以依據某個領域中人類專家提供的知識和經驗進行推理、演算、判斷來模擬人類專家處理問題的過程，從而解決某些需要專家決定的復雜問題。通過觀察到的數據來判斷出現故障的原因就是診斷專家系統的任務。其基本的工作原理是：先把專家知識機器診斷經驗用規則表示出來，形成故障診斷專家系統的知識庫，再根據報警信息對知識庫進行推理，診斷出故障元件。
在模擬電路故障診斷中主要是應用基于產生式規則的專家系統，其得到廣泛應用的原因主要是由故障診斷和基于產生式規則的專家系統的特點所決定的。使用這種診斷方法的特點是：可以將故障與征兆之間的關系易于用直觀的，模塊化的規則表示出來，并且這種專家系統允許增加、刪除或修改一些規則，來確保診斷系統的實時性和有效性，還可以在一定程度上解決不確定性的問題和給出符合人類語言習慣的結論并具有相應的解釋能力等。
盡管專家系統能有效的模擬故障診斷專家并完成故障診斷的過程，不過在實際應用過程中仍存在一些缺陷，主要是知識獲取的瓶頸問題以及你能有效解決故障診斷中許多不確定因素，這些問題就影響了故障診斷的準確性。除此之外，專家系統在自適應能力、學習能力和實時性方面也存在著不同程度的局限。其解決方案是將其與具有信息處理特點的神經網絡和適合人類認識特征模糊理論相結合。
2.2 神經網絡故障診斷方法
人工神經網絡（ANN）是模擬人腦組織結構和人類認知過程的信息處理系統，具有并行分布處理、自適應、聯想記憶等優點。ANN技術解決故障診斷問題的主要步驟為：根據診斷問題組織學習樣本，根據問題和樣本構造神經網絡，選擇合適的學習算法和參數。利用ANN的學習、聯想記憶、分布式并行信息處理功能，可以解決診斷系統中不確定知識表示、獲取、和并行推理等問題。在上一方法中提到神經網絡可以彌補專家系統的一部分缺陷，但是ANN技術仍有不足之處。由于其自身不夠完備，學習速度慢、訓練時間長等原因，影響了它的實用化。為了可以將其更好的應用在模擬電路故障診斷中，許多學者把ANN與遺傳算法、專家系統及故障字典法等相結合，較好地解決了智能中小規模模擬電路故障診斷難題。若是想解決大規模的模擬電路故障診斷問題，還需學者們進行深一步的研究。
2.3 模糊故障診斷方法
模糊故障診斷方法是依據專家經驗在故障征兆空間與故障原因空間建立模糊關系矩陣，再講個條模糊推理規則產生的模糊關系矩陣進行組合，根據一定的判斷閾值來識別故障元件。其優點是：模糊理論可適應不確定性的問題；模糊知識庫使用語言變量來表述專家的經驗，更接近人的表達習慣；模糊理論能夠得到問題的多個可能的解決方案，并根據這些方案模糊度的高低進行優先程度排序等。由于隸屬度的獲取，復雜系統模糊模型的建立、辨識，語言規則的獲取、遺忘、修改等理論和方法還不夠完善，所以這種方法的應用就受到了很大的限制。若是將其與專家系統、ANN等相結合，則可有效地解決這些困難。除了上述這些診斷方法外，還有小波變換故障診斷方法、多傳感器信息融合故障診斷方法、基于Agent技術的故障診斷方法等。
人工智能技術在今后的工程中具有廣泛的應用前景，這種技術的應用將會使得模擬電路故障診斷的方法得到進一步發展，是診斷方法更加趨于完善，使其適用性更加廣泛，為實現復雜大規模模擬電路的故障診斷提供更有效且更實用的方法，其將會成為今后模擬電路故障診斷的主發展方向。
[參考文獻]
[1]張少剛，齊世平，等.現代模擬電路故障診斷新方法[J].信息與電子工程.2006，4（6）：476-480.
關鍵字：汽車電機故障方法
1.電機故障診斷的特點及實施電機故障診斷的意義
1.1電機故障診斷的特點
電機的功能是進行電能與機械能量的轉換，涉及因素很多，如電路系統、磁路系統、絕緣系統、機械系統、通風散熱系統等。哪一部分工作不良或其相互之間配合不好，都會導致電機出現故障。因此，電機故障要比其它設備的故障更復雜，其故障診斷所涉及到的技術范圍更廣，對診斷人員的要求也就更高。一般來說，電機故障診斷涉及到的知識領域主要有[20]：電機理論、電磁測量、信號處理、計算機技術、熱力學、絕緣技術、人工智能等。電機故障診斷的復雜性還表現在故障特征量的隱含性、故障起因與故障征兆之間的多元性。一種故障可能表現出多種征兆，有時不同故障起因也可能會反映出同一個故障征兆，這種情況下很難立即確定其真正的故障起因。另外，電機的運行還與其負載情況、環境因素等有關，電機在不同的狀態下運行，表現出的故障狀態各不相同，這進一步增加了電機故障診斷難度，所以要求對電機進行故障診斷首先必須掌握電機本身的結構原理、電磁關系和進行運行狀況分析的方法，即掌握電機各種故障征兆與故障起因間的關系的規律。
1.2實施電機故障診斷的意義
電機的驅動易受逆變器故障的影響，在交流電機驅動系統中，逆變器短路故障將會使電機產生有規律波動的或是恒定的饋電扭矩，使車輛突然減速。研究表明：逆變器出現故障時，永磁感應電機將產生較大的饋電扭矩，而且永磁電機也有存在潛在的高消磁電流的問題。而感應電機在逆變器出現故障時所產生有規律的饋電扭矩將由于有持續的負載而迅速衰減，這說明了感應電機具有較高的容錯能力，適應混合動力系統的要求。開關電機磁阻是最具有故障容錯能力的電機，而且當其有一個逆變器支路出現故障時電機仍能產生凈扭矩，另外，開關磁阻電機成本低，結構緊湊，但是開關磁阻電機有較大的噪聲和扭矩脈沖，而且需要位置檢測器，而這些缺點使得開關磁阻電機在現階段不適合應用于混合動力客車上。在混合動力客車動力系統中，電機是作為輔助動力的，而且電機屬于高速旋轉設備，如果電機出現故障，電機產生的瞬態扭矩將使車輛的穩定性和動力性將受到影響，而且，電機由高壓電池組驅動，如果電機出現故障而不能及時容錯，電機產生的瞬態電流將使電池受到損害，因此在混合動力系統中對電機進行故障診斷是非常必要的。
2.電機的故障診斷方法及典型故障診斷分析
2.1電機故障的診斷方法
（1）傳統的電機故障診斷方法
在傳統的基于數學模型的診斷方法中，經典的基于狀態估計或過程參數估計的方法被應用于電機故障檢測。圖1為用此類方法進行故障診斷的原理框圖。這種方法的優點是能深入電機系統本質的動態性質，可實現實時診斷，而缺點是需建立精確的電機數學模型，選擇適當決策方法，因此，當電機系統模型不確定或非線性時，此類方法就難以實現了。
（3）基于模糊邏輯的電機故障診斷方法
圖3為基于模糊邏輯的電機故障診斷方法框圖，故障診斷部分是一個典型的模糊邏輯系統，主要包括模糊化單元、參考電機、底層模糊規則和解模糊單元。其中，模糊推理和底層模糊規則是模糊邏輯系統的核心，它具有模擬人的基于模糊概念的推理能力，該推理過程是基于模糊邏輯中的蘊涵關系及推理規則來進行的。模糊規則的制定有兩種基本方法：第一，啟發式途徑來源于實際電機操作者的語言化的經驗。第二，是采用自組織策略從正常和故障電機測量獲得的信號進行模糊故障診斷的制定，將此方法通過計算機仿真實現，對電機故障有較好的識別能力。
（4）基于遺傳算法的電機故障診斷方法
遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法，它的推算過程就是不斷接近最優解的方法，因此它的特點在于并行計算與全局最優。而且，與一般的優化方法相比，遺傳算法只需較少的信息就可實現最優化控制。由于一個模糊邏輯控制器所要確定的參變量很多，專家的經驗只能起到指導作用，很難根據指導準確地定出各項參數，而反復試湊的過程就是一個尋優的過程，遺傳算法可以應用于該尋優過程，較有效地確定出模糊邏輯控制器的結構和數量。
遺傳算法應用于感應電機基于神經網絡的故障診斷方法的框圖如圖4所示。設計神經網絡的關鍵在于如何確定神經網絡的結構及連接權系數，這就是一個優化問題，其優化的目標是使得所設計的神經網絡具有盡可能好的函數估計及分類功能。具體地分，可以將遺傳算法應用于神經網絡的設計和訓練兩個方面，分別構成設計遺傳算法和訓練遺傳算法。許多神經網絡的設計細節，如隱層節點數、神經元轉移函數等，都可由設計遺傳算法進行優化，而神經網絡的連接權重可由訓練遺傳算法優化。這兩種遺傳算法的應用可使神經網絡的結構和參數得以優化，特別是用DSP來提高遺傳算法的速度，可使故障響應時間小于300μs，不僅單故障信號診斷準確率可達98%，還可用于雙故障信號的診斷，其準確率為66%。
近年來，電機故障診斷的智能方法在傳統方法的基礎上得到了飛速發展，新型的現代故障診斷技術不斷涌現：神經網絡、模糊邏輯、模糊神經網絡、遺傳算法等都在電機故障診斷領域得到成功應用。隨著現代工業的發展，自動化系統的規模越來越大，使其產生故障的可能性和復雜性劇增，僅靠一種理論或一種方法，無論是智能的還是經典的，都很難實現復雜條件下電機故障完全、準確、及時地診斷，而多種方法綜合運用,既可是經典方法與智能方法的結合，也可是兩種或多種智能方法的結合，兼顧了實時性和精確度,因此多種方法的有機融合、綜合運用這一趨勢將成為必然，也將成為電機故障在線診斷技術發展的主流方向。
參考文獻：
[1]陳清泉,詹宜君，21世紀的綠色交通工具——電動汽車[M]，北京:清華大學出版社,2001
關鍵詞：航空電子 設備故障 診斷
0引言
當今的軍事領域,對武器裝備的可靠性、保障性和可維修性有了更高的要求,而且隨著現代工業及科學技術的迅速發展,特別是計算機技術的發展,設備的結構越來越復雜,自動化程度也越來越高,不僅同一設備的不同部分之間互相關聯,緊密耦合,而且不同設備之間也存在著緊密的聯系,在運行過程中形成一個整體。因此,一處故障可能引起一系列連鎖反應,導致整個設備甚至整個過程不能正常運行, 輕者造成停機,重者會產生嚴重的后果甚至災難性的人員傷亡,這就要求現代設備系統具有很高的安全性和可靠性。目前,設備的狀態監測與故障診斷已成為現代航空、航天和國防建設中的重要內容,不容忽視。
1、航空設備故障預測和健康管理系統
由于航空設備的特殊性，其故障預測和健康管理系統原則上應分為機載部分和地面部分，機載部分的功能與地面部分的功能顯然應有所區別。飛機在執行任務的過程中，機載部分自動進行狀態監控和管理，自動記錄和分析飛機及各系統的狀態，并進行狀態的預測、故障的檢測和隔離，根據預測和狀態信息完成系統重構，上述信息可在空中通過無線通信傳遞給地面保障中心系統或存儲在黑匣子內;地面部分則側重于維修決策，根據信息進一步確定故障部位，制定維修方案。根據機載部分和地面部分特點，機載部分應具有以下功能:狀態監測功能，數據存儲功能，分系統功能級故障預測功能，提供分系統故障對飛行任務的影響評估或警示。地面部分的功能應具有以下特點:數據傳輸與存儲功能，狀態顯示功能，分系統功能級故障診斷與分系統部件級故障診斷功能，提出維修方案和維修規范。故障診斷系統是根據診斷對象故障的特點，利用現有的故障診斷技術研制而成的自動化診斷裝置。故障診斷的各種理論與方法的研究最終都必須落實到具體的診斷裝置或診斷系統的研制上，只有診斷系統的研制成功才能產生真正的經濟效益。
2、NFF的診斷與排除
在航空維修工作中經常會碰到這樣的情況：飛行員反映空中出現某個故障，但地面檢查中卻不能復現；機務準備通電中發現某機件有故障，但再次通電時故障現象消失；甚至有些諸如“轉速急降”的危險性信號都是時有時無，給地勤人員排故造成很大困難。實際上，這就是所謂的“未發現故障”（NOFault found,NFF），它是航空維修工作中較為常見的一個問題。
進行NFF的診斷，需要預先收集大量的相關信息、資料和統計數據等。電子產品或設備的性能特征如電流、電壓、電阻等是反映其正常或故障狀態的重要參數，通過監測這些本質參數的變化來發現故障，已成為當前應用最廣泛、置信度最高的故障診斷方法。典型的方法包括電子產品的機上測試（BIT）以及非電子產品功能系統的故障診斷等。在航空裝備維護工作中經常測量大量的電壓、電阻等數據，基于本質參數的方法可以用在目前對監測發動機工作狀態的各種傳感器進行NFF預測與健康管理，這些傳感器包括滑油溫度傳感器、滑油壓力傳感器、金屬屑傳感器等。它們用電壓、電阻等形式隨時檢測發動機相關工作狀態，評價發動機性能指標，有時的自身失效或工作狀態變化就會導致發動機誤報故障或發生NFF。將這些數據分門別類加以統計，用時間序列分析方法建立差分方程形式的數學模型，再根據模型或得出的曲線趨勢圖進行分析研究，可較好地掌握機件設備的歷史工作狀況，發現或預防NFF，并對下一步的工作做出維修建議，成為當前航空裝備保障的新趨勢。
隨著飛機的更新換代和使用時間的增長，要重點關注導航系統、飛控系統和其它自動控制系統電子設備故障和老舊飛機線路引起的潛在性、危險性故障。因此，為了預防或減少NFF的發生，應采取以下措施手段：表面引發的偶然故障是由根本的故障缺陷導致的，因此生產商首先應努力克服硬件或軟件的設計缺陷，將故障隱患降到最低限度。
建立相關的數據庫，將容易發生NFF的故障進行技術統計分析，以便在某些工作時機根據對該機件的性能檢測決定是否提前更換該件，從而降低NFF的發生。出現重要系統、重要故障時，要全面、系統地分析故障發生時的環境特點及飛機所處高度、速度、姿態等參數，及時檢測線路，認真研究電路圖。尤其應加強空地之間的聯系和信息交換，確定該設備是否空地使用不一致或不同，以便能創造故障復現的條件。
3、結論與展望
3.1新的故障診斷方法的研究
主要是將一些新的理論應用到電子設備的故障診斷之中。如小波變換方法,信息融合方法及基于Agent的診斷方法等。隨著新理論的不斷發展,這方面的工作仍是故障診斷的重要內容之一。
3.2故障信息獲取的手段和方法的研究
故障信息的準確獲取是故障診斷是否成功的關鍵之一。像多傳感器信息融合在故障診斷中的應用,一個重要的方面就是如何從不同角度獲取故障信息。對電子設備來說,除了電壓和溫度信號外,能否從其它方面獲得故障信息,如電磁場信息等,這也是有待深入研究的內容之一。
3.3遠程故障診斷的研究
在軍事領域,如果各種戰傷的武器設備在現場夠得到及時的維修,對提高裝備的戰斗出動強度、補充戰斗實力和保持一定的持續戰斗力都有重要的意義。而現在的戰傷搶修都是由專業的維修人員在野戰條件下就地組織實施。利用遠程故障專家系統可以獲得遠離戰場的專家的指導,有效地提高維修效率和速度。故障診斷是一門實用性很強的技術,因此只有在實際應用中才能體現它的價值。
目前在理論研究方面雖有不少進展,但真正在工程實踐中成功應用的實例還較少。特別是真正實用準確的電子設備故障診斷系統。因此,如何將先進的故障診斷理論與方法應用到實際中去還有待深入的研究。再者對于一個大型復雜航空電子設備進行故障診斷分析時,傳統故障診斷和智能故障診斷技術必須是相互彌補。只有這樣以傳統故障診斷技術為基礎,綜合利用智能故障診斷技術,構造高效而智能化的故障診斷平臺,才是大型航空電子設備診斷和維修的一個很有前途的發展方向。
參考文獻：
[1]朱大奇.基于知識的故障診斷方法綜述[J].安徽工業大學學報,2002,19.
水下爆炸壓力傳感器技術研究綜述
開放式網絡化自動測試系統體系結構研究
故障診斷測試系統通用報表生成接口庫的設計
摩托車減震器綜合反力特性測控系統設計
機載系統多故障診斷推理方法研究
基于BOTDR的光纖網格隧道形變監測系統研究
基于FPGA的遠程溫濕度監測系統設計與實現
基于C/S架構的遠程水質監測傳輸系統
弱激勵石英晶體參數檢測的自適應陷波法
基于貝葉斯網絡模型的電子裝備故障診斷研究
基于PXI的六分力硬件測試系統設計與實現
水下非接觸爆炸條件下艦船沖擊環境測試相關技術研究
航空機載設備自動測試系統簡化編程設計
基于柔性測試技術的旋轉勵磁二極管監測系統
基于立體視覺系統的風洞尾旋試驗測量方法研究
基于動態下使用熱釋電傳感器的新型目標探測方法的研究
基于PXI總線的可重塑虛擬儀器測控平臺設計與實現
基于邊界掃描的單片機系統RAM芯片測試研究
多診斷資源參與下的診斷任務執行路徑規劃
基于邊界掃描的混合電路系統機內測試研究
基于自適應競爭遺傳神經網絡醋酸乙烯聚合率軟測量建模
集成神經網絡在機械故障診斷中的應用探討
基于EVM的玻璃缺陷實時檢測系統的軟件設計
基于蟻群算法的系統級序貫測試優化研究
基于數模混合信號源的高速SerialATA總線測試方法
高壓開關機械特性測試系統的設計
適用于高級數字網絡測試的邊界掃描芯片特性研究
嵌入式軟件路徑覆蓋測試的研究
基于單幅灰度圖像的微膠點體積測量
基于雙攝像機的車輛超高檢測
某型無人機地面綜合測試系統設計
IPM智能功率模塊在高精度慣導測試設備中的應用
基于ARM9的軸角測量系統設計
基于LabVIEW的陶瓷坯泥內應力軟測量方法
飛機次結構振動測試系統的設計及應用
復雜背景前下視機場的跑道檢測
塞拉門故障診斷專家系統知識庫設計與實現
