张子贤，李 敏，苗红霞，孙 宁

(1.河海大学 物联网工程学院，江苏 常州 213022;2.国家电网江苏省电力公司检修分公司，江苏 常州 211100)

0 引言

如今，为了满足设备运行的高效性与可靠性，针对设备定期维护和故障发生后才维修等传统方法的不足，故障预测在工程设备的维修与监测中的重要性逐渐增加。故障预测可以将各传感器测得的信息，通过一定的理论、算法处理后，推测出故障发展的趋势，它是比故障诊断更高级的维修手段，如果能在故障发生之前识别到故障发生的可能，从而对设备进行排查，对零件进行更换，可以大大减少故障风险，减少因故障造成的损失，节约资源，降低经济成本。

由于故障预测是在故障发生之前进行的，所以往往具有故障幅值微小、故障特性不明显、容易被噪声掩盖等特点，相对而言难以被检测出，因此，对于故障发生前的信号处理与分析是故障预测技术研究的重点。近年来，在该方面的研究很是火热，王姝等提出了一种结合多元统计技术(MPCA)与AR序列分析的缓变故障预测方法[1]，该方法通过建立T2及Q 统计量的自回归模型，预测下一批次统计量值，将所求值与控制限对比，进而实现渐变故障的预测，但是该方法假设故障的趋势为线性的，并且每个统计量的预测过程、预测结果是独立的，对于非线性、多耦合的数据较难预测；东南大学陆宁云等提出一种多层预测型贝叶斯网络结构，根据工程系统自身固有的网络拓扑……