李颖琼

【摘 要】本文对故障检测与诊断技术进行了综述，主要介绍了故障诊断的重要性及经济效益，介绍了故障诊断的基本分析方法，结合学科交叉融合性，介绍了多学科相结合的故障诊断分析方法。

【关键词】故障检测；故障诊断；小波分析

一、概述

现代化工业技术发展突飞猛进，现代工业自动化程度越来越高，系统规模也越来越大，简单控制系统已经不能达到工业生成的需求，大规模、综合性、复杂的自动化系统运用越来越广[1]。自动化设备和系统结构的日益复杂和集成化，使得系统发生故障的机率也增加，故障的产生会毁坏设备，影响系统正常运转，甚至造成人员伤亡。国内外由于设备故障所引起的设备损坏、锅炉爆炸、道路塌陷，不仅造成经济损失也造成人员伤亡，社会影响及其恶劣。为了达到以人为本同时维护经济的目的，可以加强系统的稳定性、可靠性、鲁棒性和安全性，但任何设备都不可能无限期使用，这就需要防患于未然，因此故障检测技术应运而生。

二、故障检测重要性

故障检测技术是是一门多学科融合交叉性学科[1]，如：信号提取则依赖于传感器及检测技术；信号降噪离不开信号处理技术；状态估计和参数估计方法以系统辨识理论为基础；鲁棒故障诊断涉及到鲁棒控制理论知识；此外数值分析、概率与数理统计等基础学科也是故障检查和诊断不可缺少的方法。多门学科知识的支撑确保了故障诊断技术的迅速发展，在工业领域也应用广泛，如化工生产、冶金工业、电力系统、航空航天、机器人等生产的各个领域。

三、故障检测技术经济效益

数据显示[2]，故障检测技术与经济发展息息相关，对故障检测技术的研究与发展越来越多，在工业生产中也得到了应用和推广。通过故障诊断技术的推广，大大降低了设备维修费用，各国在故障诊断技术上的投入也逐渐增加。日本对故障检测与诊断技术的投入占其生产成本的5.6%，德国和美国所占比例分别为 9.4%和7.2%。在冶金工业生产中，我国每年承担的设备维修的费用就高达 250 亿元，金额庞大，然而如果应用故障检测与诊断技术，每年可以减少事故发生率同时也能节约 10%～30%的维修费用。因此故障检测能带来经济效益，不容小觑。

四、故障检测的分析方法

（一）状态估计法

状态估计法一般分为两步：首先求取残差，再从残差数据中提取故障特征从而实现故障诊断。目前状态估计法的故障检测诊断方法方兴未艾，如H2估计[3]、鲁棒故障检测与反馈控制的最优集成设计方法[4]等。

（二）等价空间法

低阶的等价向量在实现过程中较易实现但性能不佳，而高阶的等价向量能够得到较理想的性能参数，但以较大的计算量和计算时间为代价。为了解决上述问题，文献[5]采用窄带IIR滤波器运用于等价空间法中，在几乎不改变计算量的前提下，提高系统检测性能，但此方法会产生较高的漏报率。

（三）参数估计法

参数估计法是因为模型参数和相应的物理参数的特点不同，分别统计这两类参数的变化特性来分析和确定故障。物理参数携带重要的信息，具有物理含义，因此，可以分析物理参数的特点，如果异常可以确定故障位置。与状态估计法比较，参数估计法能更有效的故障确定。参数估计法研究越来越丰富，故障诊断方法新成果倍出[6]。

（四）热门的分析方法

（1）小波分析技术

小波分析由于具有时频域局部化特性[7]，可任意调节时间窗和频率窗，因此突变信号能够检测出来。但是，小波基选取一直是在小波信号分析没能解决的问题，也是研究的一个难点，针对同一信号采用不同的小波基进行分析其分析结果往往不同。通过小波分析可以检测信号的奇异点，在信号降噪和信号分析中应用广泛。小波变换是结合时域和频域的分析方法，特征提取方便，在故障检测中应用较广。小波分析对单一的故障源检测效果明显，但较复杂情况，如多故障源效果不佳。

（2）神经网络技术

神经网络技术是根据模式识别理论，采用分类器理论，用神经网络进行故障分析和诊断。采用人工神经元网络进行故障诊断一般有四种方式[8]：神经元网络计算残差；神经元网络分析残差；神经元网络进一步分析确定故障点；神经元网络自学习过程进行自适应误差补偿。

（3）小波包分析和神经网络结合技术

用有限元法建立系统动力学模型[9]，再根据系统采集信号进行小波包分解，建立基于小波包能量谱指标。把信号指标作为改进BP神经网络的输入特征参数，用分步识别方法进行识别。

（五）展望

故障检测技术运用广泛，用单一方法进行处理存在准确度和精确度的问题，因此可以考虑多学科技术结合的方法，进一步提高准确度和精确度。

参考文献：

[1] 周东华， 胡艳艳. 动态系统的故障诊断技术. 自动化学报. 2009， 35（6）.

[2] 周福娜. 基于统计特征提取的多故障诊断方法及应用.[博士学位论文].上海：上海海事大学， 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]钟麦英，张承慧， Ding S X.一种鲁棒故障检测与反馈控制的最优集成设计方法[J].自动化学报， 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]李青锋，缪协兴，徐余海.连续复小波在工程检测数据处理中的应用[J].中国矿业大学学报，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. 梁损伤小波包分析和神经网络识别.噪声与振动控制.2013年2月第1期