李穎瓊

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

【關(guān)鍵詞】故障檢測(cè)；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(jìn)，現(xiàn)代工業(yè)自動(dòng)化程度越來越高，系統(tǒng)規(guī)模也越來越大，簡(jiǎn)單控制系統(tǒng)已經(jīng)不能達(dá)到工業(yè)生成的需求，大規(guī)模、綜合性、復(fù)雜的自動(dòng)化系統(tǒng)運(yùn)用越來越廣[1]。自動(dòng)化設(shè)備和系統(tǒng)結(jié)構(gòu)的日益復(fù)雜和集成化，使得系統(tǒng)發(fā)生故障的機(jī)率也增加，故障的產(chǎn)生會(huì)毀壞設(shè)備，影響系統(tǒng)正常運(yùn)轉(zhuǎn)，甚至造成人員傷亡。國(guó)內(nèi)外由于設(shè)備故障所引起的設(shè)備損壞、鍋爐爆炸、道路塌陷，不僅造成經(jīng)濟(jì)損失也造成人員傷亡，社會(huì)影響及其惡劣。為了達(dá)到以人為本同時(shí)維護(hù)經(jīng)濟(jì)的目的，可以加強(qiáng)系統(tǒng)的穩(wěn)定性、可靠性、魯棒性和安全性，但任何設(shè)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(cè)技術(shù)應(yīng)運(yùn)而生。

二、故障檢測(cè)重要性

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

三、故障檢測(cè)技術(shù)經(jīng)濟(jì)效益

數(shù)據(jù)顯示[2]，故障檢測(cè)技術(shù)與經(jīng)濟(jì)發(fā)展息息相關(guān)，對(duì)故障檢測(cè)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(yīng)用和推廣。通過故障診斷技術(shù)的推廣，大大降低了設(shè)備維修費(fèi)用，各國(guó)在故障診斷技術(shù)上的投入也逐漸增加。日本對(duì)故障檢測(cè)與診斷技術(shù)的投入占其生產(chǎn)成本的5.6%，德國(guó)和美國(guó)所占比例分別為 9.4%和7.2%。在冶金工業(yè)生產(chǎn)中，我國(guó)每年承擔(dān)的設(shè)備維修的費(fèi)用就高達(dá) 250 億元，金額龐大，然而如果應(yīng)用故障檢測(cè)與診斷技術(shù)，每年可以減少事故發(fā)生率同時(shí)也能節(jié)約 10%～30%的維修費(fèi)用。因此故障檢測(cè)能帶來經(jīng)濟(jì)效益，不容小覷。

四、故障檢測(cè)的分析方法

（一）狀態(tài)估計(jì)法

狀態(tài)估計(jì)法一般分為兩步：首先求取殘差，再?gòu)臍埐顢?shù)據(jù)中提取故障特征從而實(shí)現(xiàn)故障診斷。目前狀態(tài)估計(jì)法的故障檢測(cè)診斷方法方興未艾，如H2估計(jì)[3]、魯棒故障檢測(cè)與反饋控制的最優(yōu)集成設(shè)計(jì)方法[4]等。

（二）等價(jià)空間法

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

（三）參數(shù)估計(jì)法

參數(shù)估計(jì)法是因?yàn)槟Ｐ蛥?shù)和相應(yīng)的物理參數(shù)的特點(diǎn)不同，分別統(tǒng)計(jì)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(diǎn)，如果異常可以確定故障位置。與狀態(tài)估計(jì)法比較，參數(shù)估計(jì)法能更有效的故障確定。參數(shù)估計(jì)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(shí)頻域局部化特性[7]，可任意調(diào)節(jié)時(shí)間窗和頻率窗，因此突變信號(hào)能夠檢測(cè)出來。但是，小波基選取一直是在小波信號(hào)分析沒能解決的問題，也是研究的一個(gè)難點(diǎn)，針對(duì)同一信號(hào)采用不同的小波基進(jìn)行分析其分析結(jié)果往往不同。通過小波分析可以檢測(cè)信號(hào)的奇異點(diǎn)，在信號(hào)降噪和信號(hào)分析中應(yīng)用廣泛。小波變換是結(jié)合時(shí)域和頻域的分析方法，特征提取方便，在故障檢測(cè)中應(yīng)用較廣。小波分析對(duì)單一的故障源檢測(cè)效果明顯，但較復(fù)雜情況，如多故障源效果不佳。

（2）神經(jīng)網(wǎng)絡(luò)技術(shù)

神經(jīng)網(wǎng)絡(luò)技術(shù)是根據(jù)模式識(shí)別理論，采用分類器理論，用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障分析和診斷。采用人工神經(jīng)元網(wǎng)絡(luò)進(jìn)行故障診斷一般有四種方式[8]：神經(jīng)元網(wǎng)絡(luò)計(jì)算殘差；神經(jīng)元網(wǎng)絡(luò)分析殘差；神經(jīng)元網(wǎng)絡(luò)進(jìn)一步分析確定故障點(diǎn)；神經(jīng)元網(wǎng)絡(luò)自學(xué)習(xí)過程進(jìn)行自適應(yīng)誤差補(bǔ)償。

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

用有限元法建立系統(tǒng)動(dòng)力學(xué)模型[9]，再根據(jù)系統(tǒng)采集信號(hào)進(jìn)行小波包分解，建立基于小波包能量譜指標(biāo)。把信號(hào)指標(biāo)作為改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的輸入特征參數(shù)，用分步識(shí)別方法進(jìn)行識(shí)別。

（五）展望

故障檢測(cè)技術(shù)運(yùn)用廣泛，用單一方法進(jìn)行處理存在準(zhǔn)確度和精確度的問題，因此可以考慮多學(xué)科技術(shù)結(jié)合的方法，進(jìn)一步提高準(zhǔn)確度和精確度。

參考文獻(xiàn)：

[1] 周東華， 胡艷艷. 動(dòng)態(tài)系統(tǒng)的故障診斷技術(shù). 自動(dòng)化學(xué)報(bào). 2009， 35（6）.

[2] 周福娜. 基于統(tǒng)計(jì)特征提取的多故障診斷方法及應(yīng)用.[博士學(xué)位論文].上海：上海海事大學(xué)， 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(cè)與反饋控制的最優(yōu)集成設(shè)計(jì)方法[J].自動(dòng)化學(xué)報(bào)， 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(fù)小波在工程檢測(cè)數(shù)據(jù)處理中的應(yīng)用[J].中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，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(luò)識(shí)別.噪聲與振動(dòng)控制.2013年2月第1期