故障诊断试验系统设计—系统总体设计文献综述

《故障诊断试验系统设计—系统总体设计文献综述》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、文献综述故障诊断试验系统设计—系统总体设计一.背景意义近年来，随着我国经济建设和国防工程建设的大力开展，国家和军队的工程机械数量和质量有了大幅的提高，特别是目前的一些新型高速工程机械，普遍具有作业效率高、行驶速度快、人机工程性能好和现代化程度高的特点，其应用越来越广泛。液压系统是工程机械及其工作装置的重要组成部分，对工程机械的作业效能起着至关重要的作用而液压系统又是工程机械中故障率较高的系统之一，由于液压系统智能化、自动化程度高，原理结构复杂，出现故障后的检测与维修难度很大，使用中出现故障必然影响其保障效能。根据目前国内外液压系统状态监测设备的研制与使用状况，尤其是

2、军用工程机械液压系统在线监测、快速修理及战时抢修对检测仪器的需求，本文从液压系统综合性能检测与故障诊断的使用要求与功能设计入手，采用温度压力流量一体化传感器、虚拟仪器技术和工控机等多项技术措施，研制开发了工程装备液压系统故障检测系统，为提高军队工程机械的维修保障与检测水平做出探索。二．故障诊断研究的现状和发展随着工业和国防的迅速发展，故障诊断技术已成为一个十分活跃的研究领域。现有的故障诊断方法，概括起来可分为三大类（1）基于信号处理的方法（2）基于解析模型的方法（3）基于知识的诊断方法。所谓基于信号处理的方法，通常是利用信号模型，如相关函数、频谱、自回归滑动平均、小

3、波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，从而检测出故障。所谓基于解析模型的方法，是在明了诊断对象数学模型的基础上，按一定的数学方法对被测信息进行处理诊断，它可分为状态估计法、等价空间法和参数估计法等。目前此种方法得到了深入的研究；但在实际情况中，常常难以获得对象的精确数学模型，这就大大限制了基于解析模型诊断方法的使用范围和效果。2.1国内外的发展现状故障诊断技术已有30多年的发展历史，但作为一门综合性新学科——故障诊断学——还是近些年发展起来的。从不同的角度出发有多种故障诊断分类方法，这些方法各有特点。从学科整体可归纳以下理论和方法。　　(1)

4、基于机理研究的诊断理论和方法　从动力学角度出发研究故障原因及其状态效应。针对不同机械设备进行的故障敏感参数及特征提取是重点。　　(2)基于信号处理及特征提取的故障诊断方法　主要有时域特征参数及波形特征诊断法、时差域特征法、幅值域特征法、信息特征法、频谱分析及频谱特征再分析法、时间序列特征提取法、滤波及自适应除噪法等。今后应注重实时性、自动化性、故障凝聚性、相位信息和引入人工智能方法，并相互结合。　　(3)模糊诊断理论和方法　模糊诊断是根据模糊集合论征兆空间与故障状态空间的某种映射关系，由征兆来诊断故障。由于模糊集合论尚未成熟，诸如模糊集合论中元素隶属度的确定和两模糊

5、集合之间的映射关系规律的确定都还没有统一的方法可循，通常只能凭经验和大量试验来确定。另外因系统本身不确定的和模糊的信息(如相关性大且复杂)，以及要对每一个征兆和特征参数确定其上下限和合适的隶属度函数，而使其应用有局限性。但随着模糊集合论的完善，相信该方法有较光明的前景。　　(4)振动信号诊断方法　该方法研究较早，理论和方法较多且比较完善。它是依据设备运行或激振时的振动信息，通过某种信息处理和特征提取方法来进行故障诊断。在这方面应注重引入非线性理论、新的信息处理理论和方法。　　(5)故障树分析诊断方法　它是一种图形演绎法，把系统故障与导致该故障的各种因素形象地绘成故障

6、图表，能较直观地反映故障、元部件、系统及因素、原因之间的相互关系，也能定量计算故障程度、概率、原因等。今后研究应注重与多值逻辑、神经元网络及专家系统相结合。　　(6)故障诊断灰色系统理论和方法　该方法是从系统的角度来研究信息的关系，即利用已知的诊断信息去揭示未知的诊断信息。它有自学习和预测功能。它利用灰色系统的建模(灰色模型)、预测和灰色关联分析等方法进行故障诊断。由于灰色系统理论本身还不完善，如何利用已知信息更有效地推断未知信息仍是一个难题。　　(7)故障诊断专家系统理论和方法　该方法是近年来故障诊断领域最显著的成就之一。它的内容包括诊断知识的表达、诊断推理方法、

7、不确定性推理以及诊断知识的获取等。目前存在的主要问题：缺乏有效的诊断知识表达方式，不确定性推理方法，知识获取和在线故障诊断困难等。今后研究应注重与模糊逻辑、多值逻辑、故障树、机器学习和人工神经网络等理论和方法的结合、集成。　　(8)故障模式识别方法　该方法是一种十分有用的静态故障诊断方法，它以已有30年发展历史的模式识别技术为基础。关键是故障模式特征量的选取和提取。现有许多模式分类器，如线性分类器、Bayes分类器、最近邻分类器等。该方法的诊断效果在很大程度上依赖于状态特征参数的提取、样本的数目、典型性和故障模式的类别、训练和分类算法等。未来研究应注重新聚类算法