故障檢測與診斷技術(shù)綜述

李穎瓊

【摘 要】本文對故障檢測與診斷技術(shù)進行了綜述，主要介紹了故障診斷的重要性及經(jīng)濟效益，介紹了故障診斷的基本分析方法，結(jié)合學科交叉融合性，介紹了多學科相結(jié)合的故障診斷分析方法。

【關鍵詞】故障檢測；故障診斷；小波分析

一、概述

現(xiàn)代化工業(yè)技術(shù)發(fā)展突飛猛進，現(xiàn)代工業(yè)自動化程度越來越高，系統(tǒng)規(guī)模也越來越大，簡單控制系統(tǒng)已經(jīng)不能達到工業(yè)生成的需求，大規(guī)模、綜合性、復雜的自動化系統(tǒng)運用越來越廣[1]。自動化設備和系統(tǒng)結(jié)構(gòu)的日益復雜和集成化，使得系統(tǒng)發(fā)生故障的機率也增加，故障的產(chǎn)生會毀壞設備，影響系統(tǒng)正常運轉(zhuǎn)，甚至造成人員傷亡。國內(nèi)外由于設備故障所引起的設備損壞、鍋爐爆炸、道路塌陷，不僅造成經(jīng)濟損失也造成人員傷亡，社會影響及其惡劣。為了達到以人為本同時維護經(jīng)濟的目的，可以加強系統(tǒng)的穩(wěn)定性、可靠性、魯棒性和安全性，但任何設備都不可能無限期使用，這就需要防患于未然，因此故障檢測技術(shù)應運而生。

二、故障檢測重要性

故障檢測技術(shù)是是一門多學科融合交叉性學科[1]，如：信號提取則依賴于傳感器及檢測技術(shù)；信號降噪離不開信號處理技術(shù)；狀態(tài)估計和參數(shù)估計方法以系統(tǒng)辨識理論為基礎；魯棒故障診斷涉及到魯棒控制理論知識；此外數(shù)值分析、概率與數(shù)理統(tǒng)計等基礎學科也是故障檢查和診斷不可缺少的方法。多門學科知識的支撐確保了故障診斷技術(shù)的迅速發(fā)展，在工業(yè)領域也應用廣泛，如化工生產(chǎn)、冶金工業(yè)、電力系統(tǒng)、航空航天、機器人等生產(chǎn)的各個領域。

三、故障檢測技術(shù)經(jīng)濟效益

數(shù)據(jù)顯示[2]，故障檢測技術(shù)與經(jīng)濟發(fā)展息息相關，對故障檢測技術(shù)的研究與發(fā)展越來越多，在工業(yè)生產(chǎn)中也得到了應用和推廣。通過故障診斷技術(shù)的推廣，大大降低了設備維修費用，各國在故障診斷技術(shù)上的投入也逐漸增加。日本對故障檢測與診斷技術(shù)的投入占其生產(chǎn)成本的5.6%，德國和美國所占比例分別為 9.4%和7.2%。在冶金工業(yè)生產(chǎn)中，我國每年承擔的設備維修的費用就高達 250 億元，金額龐大，然而如果應用故障檢測與診斷技術(shù)，每年可以減少事故發(fā)生率同時也能節(jié)約 10%～30%的維修費用。因此故障檢測能帶來經(jīng)濟效益，不容小覷。

四、故障檢測的分析方法

（一）狀態(tài)估計法

狀態(tài)估計法一般分為兩步：首先求取殘差，再從殘差數(shù)據(jù)中提取故障特征從而實現(xiàn)故障診斷。目前狀態(tài)估計法的故障檢測診斷方法方興未艾，如H2估計[3]、魯棒故障檢測與反饋控制的最優(yōu)集成設計方法[4]等。

（二）等價空間法

低階的等價向量在實現(xiàn)過程中較易實現(xiàn)但性能不佳，而高階的等價向量能夠得到較理想的性能參數(shù)，但以較大的計算量和計算時間為代價。為了解決上述問題，文獻[5]采用窄帶IIR濾波器運用于等價空間法中，在幾乎不改變計算量的前提下，提高系統(tǒng)檢測性能，但此方法會產(chǎn)生較高的漏報率。

（三）參數(shù)估計法

參數(shù)估計法是因為模型參數(shù)和相應的物理參數(shù)的特點不同，分別統(tǒng)計這兩類參數(shù)的變化特性來分析和確定故障。物理參數(shù)攜帶重要的信息，具有物理含義，因此，可以分析物理參數(shù)的特點，如果異常可以確定故障位置。與狀態(tài)估計法比較，參數(shù)估計法能更有效的故障確定。參數(shù)估計法研究越來越豐富，故障診斷方法新成果倍出[6]。

（四）熱門的分析方法

（1）小波分析技術(shù)

小波分析由于具有時頻域局部化特性[7]，可任意調(diào)節(jié)時間窗和頻率窗，因此突變信號能夠檢測出來。但是，小波基選取一直是在小波信號分析沒能解決的問題，也是研究的一個難點，針對同一信號采用不同的小波基進行分析其分析結(jié)果往往不同。通過小波分析可以檢測信號的奇異點，在信號降噪和信號分析中應用廣泛。小波變換是結(jié)合時域和頻域的分析方法，特征提取方便，在故障檢測中應用較廣。小波分析對單一的故障源檢測效果明顯，但較復雜情況，如多故障源效果不佳。

（2）神經(jīng)網(wǎng)絡技術(shù)

神經(jīng)網(wǎng)絡技術(shù)是根據(jù)模式識別理論，采用分類器理論，用神經(jīng)網(wǎng)絡進行故障分析和診斷。采用人工神經(jīng)元網(wǎng)絡進行故障診斷一般有四種方式[8]：神經(jīng)元網(wǎng)絡計算殘差；神經(jīng)元網(wǎng)絡分析殘差；神經(jīng)元網(wǎng)絡進一步分析確定故障點；神經(jīng)元網(wǎng)絡自學習過程進行自適應誤差補償。

（3）小波包分析和神經(jīng)網(wǎng)絡結(jié)合技術(shù)

用有限元法建立系統(tǒng)動力學模型[9]，再根據(jù)系統(tǒng)采集信號進行小波包分解，建立基于小波包能量譜指標。把信號指標作為改進BP神經(jīng)網(wǎng)絡的輸入特征參數(shù)，用分步識別方法進行識別。

（五）展望

故障檢測技術(shù)運用廣泛，用單一方法進行處理存在準確度和精確度的問題，因此可以考慮多學科技術(shù)結(jié)合的方法，進一步提高準確度和精確度。

參考文獻：

[1] 周東華， 胡艷艷. 動態(tài)系統(tǒng)的故障診斷技術(shù). 自動化學報. 2009， 35（6）.

[2] 周福娜. 基于統(tǒng)計特征提取的多故障診斷方法及應用.[博士學位論文].上海：上海海事大學， 2009.

[3] Fadali M S， Colaneri P， Nel M. H2robust fault estimation for periodic systems[C]MProc. American Control Conference，Denver， Colorado，2003： 2973-2978.

[4]鐘麥英，張承慧， Ding S X.一種魯棒故障檢測與反饋控制的最優(yōu)集成設計方法[J].自動化學報， 2004， 30（2）： 294-299.

[5] Ye H， Wang G Z， Ding S X. An IIR filter based parity space approach for fault detection[C] Proc. the15th IFAC World Congress， Barcelona，2002.

[6] Abidin M S Z， Yusof R， Kahlid M， et al. Application of a model based fault detection and diagnosis using parameter estimation and fuzzy inference to a DC-servomotor[C] Proc.2002 IEEE International Symposium on Intelligent Control， Vancouver， Canada，2002：783-788.

[7]李青鋒，繆協(xié)興，徐余海.連續(xù)復小波在工程檢測數(shù)據(jù)處理中的應用[J].中國礦業(yè)大學學報，2007，36（1）：22-26.

[8] Koppen S B， Frank P M. Neural networks in mode-l based fault diagnosis[C]MProc.1996 IFAC World Congress， San Francisco，1996： 67-72.

[9] 孟范孔，邱志成. 梁損傷小波包分析和神經(jīng)網(wǎng)絡識別.噪聲與振動控制.2013年2月第1期