故障诊断作业

故障诊断技术课程感悟李振(1.上海大学机电工程与自动化学院上海200072)摘要：本文总结了2015-2016春季学期故障诊断技术课程的上课内容，并给出了老师与同学讲授内容的评价、以及课程学习感想等。TheInspirationoftheFaultDiagnosisLIZhen(1.CollegeofMechatronicEngineeringandautomation,ShanghaiUniversity,Shanghai200072)Abstract：Thispapersummarizesthecoursecontentsoffaultdiagnosisinspringsemesterin2015-2016.AndIevaluatetheteachingcontentofteacherandstudents,aswellastheimpressionofthecourse.0前言利用各种检查和测试方法，发现系统和设备是否存在故障的过程是故障检测。故障检测课程设置为前后两部分，前一部分主要由老师讲授了故障诊断技术相关的基础知识，主要有非线性数学、混沌学、模糊几何、分形学等概念，并介绍了故障检测基本的傅里叶变换等基础知识，详细展示了海洋石油钻井平台的故障检测过程。后一部分由学生分别讲授自选故障诊断技术内容，讲授了许多基于数学模型的故障诊断和基于人工智能的故障诊断。通过学习这门课程，我大致了解了故障诊断技术的基础知识，了解了振动模型及时域频域的变换原理，初步了解了非线性几何及混沌学、分形学、信号处理等学科的内容，了解了人工神经网络、支持向量机、遗传算法等内容的故障诊断技术的相关内容。但是由于不少同学的讲授内容选择过于限制于单篇论文，并不能清晰、完整、具体地展示、表达相关内容，尤其是许多讲授缺乏知识性内容，所以讲授效果并不好。有的只是局限于单片论文的内容，并没有扩展发散讲出其中的思考与方法，尤其是对于质量不高或者内容所涉范围过窄的论文，不仅讲授的内容空洞，而且对于听众的理解毫无意义。1故障检测课程简介故障诊断的主要任务有：故障检测、故障类型判断、故障定位及故障恢复等。其中：故障检测是指与系统建立连接后，周期性地向下位机发送检测信号，通过接收的响应数据帧，判断系统是否产生故障；故障类型判断就是系统在检测出故障之后，通过分析原因，判断出系统故障的类型；故障定位是在前两部的基础之上，细化故障种类，诊断出系统具体故障部位和故障原因，为故障恢复做准备；故障恢复是整个故障诊断过程中最后也是最重要的一个环节，需要根据故障原因，采取不同的措施，对系统故障进行恢复。我们目前所说的故障诊断技术一般都是指以软件冗余（或解析冗余）为主的故障诊断技术，是本世纪70年代初期以来首先从美国发展起来的。这项技术诞生以后逐渐引起了学术界的关注，并且在近十年来得到了迅速的发展，已取得了许多应用成果。促进故障诊断技术迅猛发展的一个主要动力是市场的迫切需求。70年代初以来，随着计算机科学的发展，人们所建造的自动化装置的规模越来越大，投资也越来越高，如:现在一套大型乙烯装置上就有成百上千的控制回路，整套装置的投资一般都在数十亿人民币以上。某些微小故障若不能及时排除，就有可能造成巨大的灾难。美国挑战者号航天飞机的失事，原苏联切尔诺贝利核电站的泄漏事故，中国运载火箭的连续数次失事就说明了这一点。因此，在这种情况下，系统的安全性就显得极其重要。提高系统可靠性和安全性的方法有多种，其中一个重要的方法就是采用故障诊断技术。我们通常所说的故障是指系统所出现的一些异常现象。根据故障发生的部位，可以把故障化分成被控过程的元器件故障、执行器故障、传感器故障，以及控制器的软件、硬件故障等。故障诊断技术包含了故障检测、故障分离、故障估计和故障预报等内容。如果我们可以对故障做到早期诊断，就有可能采取必要的措施，避免故障的进一步传播，或者采用容错技术，使得被控过程在某些故障发生时，仍可以有效地运行。故障诊断技术又可以分为在线诊断技术与离线诊断技术两种。为了有效地及时处理可能发生的故障，在线故障诊断技术是必需的。故障诊断技术发展至今，已提出了大量的方法。按照国际故障诊断权威，所有的故障诊断方法可以划分成基于知识的方法、基于解析模型的方法、基于信号处理的方法三种。沿着这条思路,我们尝试着给出故障诊断各种方法的分类，如图1所示。当可以建立比较准确的被控过程的数学模型时,基于解析模型的方法是首选的方法。现在已经证明了基于观测器的状态估计方法与等价空间方法是等价的。参数估计方法更易于故障的定位与故障幅值的估计。当可以得到被控过程的输入输出信号，但很难建立被控对象的解析数学模型时,可采用基于信号处理的方法。其中，小波变换方法是近年来发展起来的一种很有前途的方法。当很难建立被控对象的定量数学模型时，可采用基于知识的方法。其中基于定性模型的方法近年来在欧洲受到了高度重视，得到了迅猛发展。从故障诊断的流程看，通常诊断系统由信号采集、信号处理、状态识别和诊断决策四大部分构成。其中，信号采集是基础，信号分析和处理是关键，状态识别(包括判断和预报)是核心，决策与管理是最终目标。信息采集的基本任务是获取有用的信息。这是故障诊断的基础和前提，监测获取到的有用信息越多，监测数据越真实，越容易判断出故障原因。在运行过程中，必然会有力、热、振动及能量等各种量的变化，由此会产生各种不同的信息，根据不同的诊断需要，选择能表征设备工作状态的不同信息，如振动、压力及温度等，是十分必要的。这些信号一般是用不同的传感器来拾取的。只有采集到反映设备实际状态的信号，诊断的后续工作才有意义，因而信号采集是故障诊断技术中不可缺少的重要环节。信号处理是将采集到的信号进行分类处理、加工，获得能表征机器特征的过程，也称特征提取过程。信号处理是故障诊断技术的核心之一，也是理论研究的热点之一。它实际上就是特征量的选择提取技术，几乎包括现代所有的信息处理技术所能提供的手段，如数字信号处理、时间序列分析、信息理论、图像识别及应用数学等。频谱分析技术是传统的信号分析和处理方法，如FFT分析、倒谱分析、短时傅里叶分析和Wigner-Ville分布等，在传统的工程中占有非常重要的地位。但傅里叶变换和倒谱分析只适合平稳信号的分析，而对于工程领域中广泛存在的非稳态信号，虽然引入了傅里叶分析和Wigner-Ville分布，但二者的分析能力并不理想。近年来出现的小波分析、几何分形及混沌等新的信息处理技术，在诊断领域得到了很好的应用。小波分析作为“数学显微镜”，具有很优秀的“探微”能力，无论多么复杂的信号，只要选取适当的小波，进行适当次数的变换，就可以发现其中所包含的特征量。几何分形和混沌则模拟自然界的方式来处理信息。对设备进行状态监测的目的就是要识别设备是否运转正常。当监测出设备出现故障，则要判定属于哪类故障，故障的原因、性质、程度如何，因此设备诊断过程就是对设备运行状态的识别过程。状态识别是将经过信号处理获得的设备特征参数与规定的允许参数或判别参数进行比较、对比，以判断机器的运行状态，是否存在故障及确定故障的性质、类别、部位和原因，预测故障的发展趋势。为此应正确制订相应的判别准则和诊断策略。根据对设备状态的判断，决定应采取的对策和措施，同时应根据当前信号预测设备状态可能发展的趋势，进行趋势分析。现代智能技术包括专家系统、模糊逻辑、神经网络及进化计算等。现代智能方法在设备故障诊断技术中已得到了广泛的应用，随着智能科技的不断发展，将多种不同的智能技术结合起来的混合诊断系统，是智能故障诊断研究的一个发展趋势。结合方式主要有基于规则的专家系统与神经网络的结合，实例推理与神经网络的结合，模糊逻辑、神经网络与专家系统的结合等。其中，模糊逻辑、神经网络与专家系统结合的诊断模型是最具发展前景的，也是目前人工智能领域的研究热点之一。2课程内容2.1教师讲授内容故障诊断技术基础知识主要是关于非线性几何的内容，其中包括模糊数学、分形学、混沌学、分形学等。非线性科学是科学研究中的一个重要领域，其包含的内容纷繁复杂，涉及到数学、物理、化学、计算机、建筑工程、生物科学、机械工程、管理工程、医药医学工程、航空航天等几乎所有学科。模糊数学是在模糊集合、模糊逻辑的基础上发展起来的模糊拓扑、模糊测度论等数学领域的统称，是研究现实世界中许多界限不分明甚至是很模糊的问题的数学工具，在模式识别、人工智能等方面有广泛的应用。二十世纪六十年代，产生了模糊数学这门新兴学科。现代数学是建立在集合论的基础上。集合论的重要意义就一个侧面看，在与它把数学的抽象能力延伸到人类认识过程的深处。一组对象确定一组属性，人们可以通过说明属性来说明概念（内涵），也可以通过指明对象来说明它。符合概念的那些对象的全体叫做这个概念的外延，外延其实就是集合。从这个意义上讲，集合可以表现概念，而集合论中的关系和运算又可以表现判断和推理，一切现实的理论系统都一可能纳入集合描述的数学框架。分形，具有以非整数维形式充填空间的形态特征。通常被定义为“一个粗糙或零碎的几何形状，可以分成数个部分，且每一部分都（至少近似地）是整体缩小后的形状”，即具有自相似的性质。分形几何是一门以不规则几何形态为研究对象的几何学。由于不规则现象在自然界普遍存在，因此分形几何学又被称为描述大自然的几何学。分形几何学建立以后，很快就引起了各个学科领域的关注。不仅在理论上，而且在实用上分形几何都具有重要价值。分形理论的最基本特点是用分数维度的视角和数学方法描述和研究客观事物，也就是用分形分维的数学工具来描述研究客观事物。它跳出了一维的线、二维的面、三维的立体乃至四维时空的传统藩篱，更加趋近复杂系统的真实属性与状态的描述，更加符合客观事物的多样性与复杂性。在科学上，如果一个系统的演变过程对初态非常敏感，人们就称它为混沌系统。研究混沌运动的一门新学科，叫作混沌学。混沌学发现，出现混沌运动这种奇特现象，是由系统内部的非线性因素引起的。一般地，如果一个接近实际而没有内在随机性的模型仍然具有貌似随机的行为，就可以称这个真实物理系统是混沌的。一个随时间确定性变化或具有微弱随机性的变化系统，称为动力系统，它的状态可由一个或几个变量数值确定。而一些动力系统中，两个几乎完全一致的状态经过充分长时间后会变得毫无一致，恰如从长序列中随机选取的两个状态那样，这种系统被称为敏感地依赖于初始条件。而对初始条件的敏感的依赖性也可作为一个混沌的定义。2.2学生讲授内容学生讲授内容较为范围较广，互相相关度不高，涉及内容较为分散，包含了控制、信号处理、振动监测、故障识别、检测系统等多个方面。关于故障控制的内容有：飞控系统故障诊断与容错控制（姬煜琦）。关于故障识别的内容有：汽轮机故障诊断（邓淇尹），分形故障诊断（董克疆），BP神经网络在机械故障诊断中的应用（孙圆圆），使用回声状态神经网络的鲁棒故障检测（王志恒），基于故障树技术的远程故障诊断专家系统的研究（刘宝林），模糊神经网络在故障诊断中的应用（黄龙平）基于SVM的故障诊断（康亮），故障模式、效应及危害性分析与故障树分析（李振）。关于信号处理的内容有：基于形态滤波和灰色理论的柴油机故障诊断的研究（杭辉冬），数控机床轴承的故障诊断研究（张世航）。关于故障诊断系统介绍的内容有：具有分布式最大功率点追踪的光伏系统的自动故障诊断（赵绎涵）。经过学习，广泛了解认识了各个形式的故障诊断系统，以及故障诊断技术的不同内容，对不同内容有了较为具体的认识，对故障诊断技术学科，有了较为完整的理解。3课程评价对于老师讲授的内容，我深刻体会了非线性数学领域的许多内容，以及清晰具体地认识了故障诊断的过程，对故障诊断系统有了清晰的认识，对故障诊断技术的基本原理、振动学建模内容有了深刻的理解。并且非线性数学的许多术语引起了我对相关内容的兴趣，理解了从数学模型到诊断系统的过程，认识到一切工程问题的根源都是数学问题，许多问题的根源都是线性、非线性方程的求解。对于同学讲授的内容，涉及了故障诊断技术的大部分内容，使我广泛认识了故障诊断技术的各个方面。有些内容充实可靠，有些则只是长篇累牍。由于只是