故障诊断技术的研究现状及展望

第38卷2010年第18期本栏目编辑　才静文专题综述94　结语磁选作为一种物理选矿方法，由于其洁净无污染，在很多领域都得到了广泛的应用。近年来，永磁材料的研究取得了显著成果，永磁铁氧体材料的性能已达剩磁450mT以上，而矫顽力可达到342kA/m。钕铁硼永磁材料的性能也得到了很大的提高，工业上已能批量生产磁能积达到420kJ/m3以上的烧结钕铁硼永磁材料，磁选设备的研制也因此获得了很快的进展，在此基础上围绕着低品位、弱磁性铁矿选矿的磁选技术也获得了较大的突破。其中，针对于弱磁性铁矿石的强磁预选技术、高梯度磁选设备的永磁化、筒式磁选机的大型化以及精矿提纯技术都获得了长足的发展。参　考　文　献[1]　孙传尧．当代世界的矿物加工技术与装备：第十届选矿年评[M]．北京：科学出版社，2006：350.[2]　杨仁富．磁性材料关键工艺技术分析研究[G]．绵阳：电子工业部第九研究所磁性产品信息中心，1997.故障诊断技术的研究现状及展望臧大进1,2　曹云峰31铜陵学院电气工程系　安徽铜陵　2440002中国矿业大学3上海交通大学摘要：在阐释故障诊断技术诞生背景的基础上，回顾了故障诊断技术自创建以来的发展历程，介绍了国内外关于故障诊断技术研究的主要研究成果及应用，讨论了当前故障诊断技术研究存在的主要问题以及将来需要重点研究的方向。关键词：故障诊断技术；理论研究；应用研究；发展方向中图分类号：TH165+.3　　文献标识码：A　　　论文编号：1001-3954(2010)18-0009-06PresentstudysituationandprospectoffaultdiagnosistechnologyZANGDajin1,2CAOYunfeng31FacultyofElectricalEngineering,TongLingUniversity,Tongling244000,Anhui,China2ChinaUniversityofMining&Technology3ShanghaiJiaotongUniversityAbstract：Thegenerationbackgroundoffaultdiagnosistechnologywasnarrated,andtheprogressofthetechnologywasreviewed.Inaddition,themainstudyachievementandapplicationathomeandabroadwereintroduced,andtheproblemsexistinginthefaultdiagnosistechnologyandthekeystudydirectionwerediscussedalso.Keywords：faultdiagnosistechnology;theoreticalstudy;applicationstudy;developmenttrend*作者简介：臧大进，男，1968年生，博士，副教授，主要的研究方向为智能控制与智能决策和遥感监测。GFGFGFGFGFGFGFGFGFGFGFGFGFGFGFGGFGFGFGFGFGFGFGFG[3]　何水校．La，Co代换永磁铁氧体的高性能化与工艺技术[J]．磁性材料及器件，2004，35(1)：6-9.[4]　周世昌，俞　永．永磁铁氧体纳米复合添加剂改性的实验研究[J]．磁性材料及器件，2002，33(2)：8-12.[5]　PaulD.I.Generaltheoryofthecoerciveforceduetodomainwallpinning[J].Appl.phys.1982，53(3)：1649-1651.[6]　R.C.O'Hnadley.ModernMagneticMaterials-PrinciplesandAppli-cations[M].NewYork：AcademicPr.，2001.[7]　陈喜阳，樊旗根，林光明，等．高性能烧结钕硼的HD技术及设备[D]．第二届全国高性能永磁材料生产技术及应用与市场研讨会论文集，2004：24~25[8]　TerryK.，Clagett.Proc.of2004BMSymposium[M].Tokyo,Procof2004BMymposium.2004：2~5.[9]　黄　刚．日本磁性材料生产科研走势新材料产业[J]．新材料产业，2001，(7)：33~34.[10]杨　眉．烧结NdFeB永磁体制备中的相关问题研究[D]．四川：四川大学，1999.[11]罗　阳．NdFeB磁体市场的大趋势[J]．磁性材料及器件，2002，33(1)：10-17.□(收稿日期：2010-05-20)(修改稿日期：2010-07-22)第38卷2010年第18期本栏目编辑　才静文专题综述10故障可以定义为系统至少有一个特性或参数偏离正常的范围，难于完成系统预期功能的行为。故障诊断技术[1]是一种通过监测设备的状态参数，发现设备的异常情况，分析设备的故障原因，并预测预报设备未来状态的技术，其宗旨是运用当代一切科技的新成就发现设备的隐患，以达到对设备事故防患于未然的目的，是控制领域的一个热点研究方向。它包括故障检测、故障分离和故障辨识。故障诊断能够定位故障并判断故障的类型及发生时刻，进一步分析后可确定故障的程度。故障检测与诊断技术涉及多个学科，包括信号处理、模式识别、人工智能、神经网络、计算机工程、现代控制理论和模糊数学等，并应用了多种新的理论和算法。1　故障诊断的研究现状1.1　基于物理和化学分析的诊断方法通过观察故障设备运行过程中的物理、化学状态来进行故障诊断，分析其声、光、气味及温度的变化，再与正常状态进行比较，凭借经验来判断设备是否故障。如对柴油机常见的诊断方法有油液分析法，运用铁谱、光谱等分析方法，分析油液中金属磨粒的大小、组成及含量来判断发动机磨损情况。对柴油机排出的尾气(包含有NOX，COX等气体)进行化学成分分析，即可判断出柴油机的工作状态。1.2　基于信号处理的诊断方法对故障设备工作状态下的信号进行诊断，当超出一定的范围即判断出现了故障。信号处理的对象主要包括时域、频域以及峰值等指标。运用相关分析、频域及小波分析等信号分析方法，提取方差、幅值和频率等特征值，从而检测出故障。如在发动机故障领域中常用的检测信号是振动信号和转速波动信号[2]。如以现代检测技术、信号处理及模式识别为基础，在频域范围内，进行快速傅里叶变换分析等方法，描述故障特征的特征值，通过采集到的发动机振动信号，确定了试验测量位置，利用加速传感器、高速采集卡等采集了发动机的振动信号，并根据小波包技术，提取了发动机故障信号的特征值。该诊断方法的缺点在于只能对单个或者少数的振动部件进行分析和诊断。而发动机振动源很多，用这种方法有一定的局限性。1.3　基于模型的诊断方法基于模型的诊断方法，是在建立诊断对象数学模型的基础上，根据模型获得的预测形态和所测量的形态之间的差异，计算出昀小冲突集即为诊断系统的昀小诊断。其中，昀小诊断就是关于故障元件的假设，基于模型的诊断方法具有不依赖于被诊断系统的诊断实例和经验。将系统的模型和实际系统冗余运行，通过对比产生残差信号，可有效的剔除控制信号对系统的影响，通过对残差信号的分析，就可以诊断系统运行过程中出现的故障。它具有以下优点：(1)可以直接借用控制系统的设计模型而无须另行建模；(2)可以检测首次出现的故障而无须依赖系统运行的先前状况；(3)不但可以检测系统及元件故障，还可以检测传感器中出现的故障。1.4　基于人工智能的诊断方法近年来，人工智能及计算机技术的迅猛发展为故障诊断技术提供了新的理论基础，出现了基于知识、不需要对象精确数学模型的故障诊断方法。1.4.1　基于神经网络的诊断方法神经网络[3]是一种通过模拟人脑而建立起来的自适应非线性动力学系统，它具有自学性和并行计算能力，可以实现分类、优化、自组织、联想记忆和非线性映射等功能。它以分布式的方式储存信息，利用网络的拓扑结构和权值分布实现非线性的映射，并利用全局并行处理实现从输入空间到输出空间的非线性信息变换。它在故障诊断中的具体应用方式有：(1)神经网络诊断系统。对特定问题建立适当的神经网络故障诊断系统，可以从其输入数据(代表故障症状)直接推出输出数据(代表故障原因)，从而实现故障检测与诊断；(2)采用神经网络产生或评价残差，并做进一步诊断；(3)采用神经网络做自适应误差补偿。但是，神经网络在故障诊断应用也存在一些局限性，比如无法融入经验性的知识，且需要足够的学习样本才能保障诊断的可靠性，其“黑箱”结构难以了解系统的行为，在对复杂系统进行诊断时，往往由于网络规模过于庞大和学习训练时间太长等问题，降低了神经网络的实用性[4]等。目前的神经网络诊断方法主要运用于提取稳态特征参数。1.4.2　基于粗糙集的诊断方法粗糙集理论是Pawlak教授于1982年提出的一种刻画不完整性和不确定性的数学工具，能有效地分析和处理不精确、不一致及不完整等各种不完备信息，并从中发现隐含的知识，揭示潜在的规律。它昀主要的优点是无需提供所需处理的数据集合之外的任何先验信息，对问题不确定性的描述和处理比较客观。基于粗糙集的故障诊断基本思想是把观察或测量到的故障征兆，作为对故障分类的条件属性，实际存在的故障作为决策属性，建立决策表，利用RS理论强大的约简能力对原始决策表进行化简而得到多个与原始决策表等价的约简，然后对约简进一步化简，化简决策第38卷2010年第18期本栏目编辑　才静文专题综述11表删除多余的属性后就可以得到故障诊断规则。单一RS理论要求采集的信息是准确完整的。但实际上得到的采集信息不可能永远是完备的，它会遇到噪声、数据丢失及海量数据等问题，且传统RS不适合处理连续属性，因而实际应用过程中，RS通常与其他智能技术融合起来使用。1.4.3　遗传算法20世纪60年代中期，美国学者JohnHolland在Fraser等人提出了位串编码技术，并将该技术应用于自然和人工系统的自适应行为的研究。于1975年出版了专著《AdaptationinNaturalandArtificialSystems》，系统阐述了遗传算法的基本理论和方法。该算法以随机产生的一群候选解为初始群体，对群体中的每一个体进行编码，以字符串形式表示，然后根据对个体的适应度随机选择双亲，并对个体的编码进行繁殖、杂交和变异等操作，产生新的个体，组成新的种群，如此不断重复进行，使问题的解逐步向昀优方向进化，直到得出在全局范围内具有较好适应值的解。它具有很强的全局优化搜索能力，和简单通用、鲁棒性强、隐并行处理结构等显著优点。将其应用于故障诊断中的专家系统推理和自学中，可克服专家系统存在的推理速度慢和先验知识很少的情况下知识获取困难的障碍，具有广阔的应用前景。另外，基于遗传算法的故障诊断在实际系统中也得到了应用，如变压器的故障诊断、轴承和齿轮等旋转机械的故障诊断、发动机齿轮箱故障监测和诊断等。但事物都是一分为二的，遗传算法也不是完美无缺的，如何解决遗传算法群体过小带来的早熟、交叉率及变异率的选择等问题，使之成功应用于故障诊断系统还需要进一步研究。1.4.4　基于故障树的诊断方法故障树模型是一个基于研究对象结构、功能特征的行为模型；是一种定性的因果模型；是一种体现故障传播关系的有向图。它从诊断对象昀不希望发生的事件为顶事件，按照对象的结构和功能关系逐层展开，直到不可分事件(底事件)为止[5]。故障树分析法原来用于系统的可靠性设计，现已广泛用于故障诊断领域。但是，由于故障树是建立在部件联系和故障模式分析的基础之上，因此不能诊断不可知的故障。故障诊断的结果严重依赖于故障树信息的完整程度。如果给定的故障树不完全、不详细、不精确，那么对应的诊断也会不完全、不详细、不精确。1.4.5　基于专家系统的诊断方法自1965年以来，斯坦福大学DENDRAL专家系统开始，专家系统的研究和应用迅速发展，具有人工智能的柴油机故障诊断专家系统也成为现代柴油机管理的研究方向。20世纪70年代美国通用电