日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

1  引言

    以故障為研究對象是新一代系統可靠性理論研究的重要特色，也是過程系統自動化技術從實驗室走向工程的重要一環。最近二十多年來，以故障檢測、故障定位、故障分離、故障辨識、故障模式識別、故障決策和容錯處理為主要內容的故障診斷與處理技術，已成為機械設備維護、控制系統系統可靠性研究、復雜系統系統自動化、遙科學、復雜過程的異變分析、工程監控和容錯信號處理等領域重點關注和廣泛研究的問題。

    診斷（Diagnostics）一詞源于希臘文，含義為鑒別與判斷，是指在對各種跡象和癥狀進行綜合分析的基礎上對研究對象及其所處狀態進行鑒別和判斷的一項技術活動[1]。故障診斷學則是專門以考察和判斷對象或系統是否存在缺陷或其運行過程中是否出現異常現象為主要研究對象的一門綜合性技術學科。它是診斷技術與具體工程學科相結合的產物，是一門新興交叉學科。故障診斷與處理技術，作為一門新興技術學科，可劃分為如下三個不同的研究層次：

    (1)  以設備或部件為研究對象，重點分析和診斷設備的缺陷、部件的缺損或機械運轉失靈，這通常屬于設備故障診斷的研究范疇；

    (2)  以系統為研究對象，重點檢測和分析系統的功能不完善、功能異常或不能夠完成預期功能，這屬于系統故障檢測與診斷的研究范疇；

    (3)  以系統運行過程為研究對象，考察運行過程出現的異常變化或系統狀態的非預期改變，這屬于過程故障診斷的研究范疇。

    概而言之，故障診斷研究的是對象故障或其功能異常、動作失敗等問題，尋求發現故障和甄別故障的理論與方法。無論是設備故障診斷、系統故障診斷還是過程故障診斷，都有著廣泛的研究對象、實在的問題背景和豐富的研究內容。本文將從故障診斷與處理技術的研究內容、典型方法和應用情況等三個方面，對故障診斷及相關技術的發展狀況做一綜述，同時簡要指出本研究方向的若干前沿。

2  故障診斷與處理的主要研究內容

    故障診斷與處理是一項系統工程，它包括故障分析、故障建模、故障檢測、故障推斷、故障決策和故障處理等五個方面的研究內容。

2.1  故障分析

    故障是對象或系統的病態或非常態。要診斷故障，首先必須對故障與帶故障的設備、系統、過程都有細致分析和深入研究，明確可能產生故障的環節，故障傳播途徑，了解故障的典型形式、表現方式、典型特征以及故障頻度或發生幾率，結合對象的物理背景了解故障產生的機理、故障關聯性和故障危害性。

    常用的故障分析方法有對象和故障環節的機理分析法、模擬法、數值仿真或系統仿真法和借助數學模型的理論分析法等。

2.2  故障建模

    模型分析是現代分析的基本方法，對復雜對象的故障診斷同樣具有重要應用價值。為了定量或定性地分析故障、診斷故障和處理故障，建立故障的模型和帶故障對象的模型是十分重要的。現代故障診斷技術，特別是下文將提到的各種基于解析冗余的故障檢測與診斷技術都離不開準確科學的故障模型。

    常用的帶故障故障對象模型有“加性（additive）”模型、“新息（innovation）”模型和復合型模型；故障分量模型有脈沖型故障模型、階躍型故障模型和過程漸變型故障模型等。

2.3  故障檢測

    簡而言之，故障檢測是判斷并指明系統是否發生了故障，即對于某個正在運行的系統或正在按規定標準進行生產的設備，辨別其是否超出預定或技術規范規定的無故障工作門限[2]。顯然，這是故障診斷的首要任務。

    根據處理方式和要求的不同，故障檢測可區分為在線檢測和離線檢測兩大類。在航天器跟蹤測量和飛行控制系統研究中，在線檢測被稱為實時檢測，離線檢測也被稱為事后檢測。其中，故障實時檢測是運載火箭安全控制系統的核心。
與故障檢測相近的還有一個常用名詞“故障監測”。所謂故障監測，實質上也是所謂的故障在線檢測或實時檢測，主要目的是對設備狀況或系統功能進行及時觀測，一旦發現異常征兆出現則及時報警，承擔“監控系統”的主要任務。

2.4  故障推斷

    故障推斷是通過足夠的傳感器（測量設備）檢索出所有可能得到的、從故障發生之前到故障發生之時全部時間內的、與系統有關的信息，對故障部位、故障類型和故障幅度等進行系統分析和合理推斷。故障推斷是故障診斷技術研究的主體部分，包括如下幾個方面：

(1)  故障定位與故障分離

    對結構復雜的機械設備或工程系統而言，僅檢測出是否發生了故障往往只完成了任務的一半，更重要的是必須告知故障發生在哪個部件或子系統上，即必須指明已發生故障的材料、結構、組成部分、過程或系統，這就是故障定位。
當多個部位都發生了故障時，必須分離出所有故障源，即所謂的故障分離。故障分離是對故障進行深入研究的基礎，在航天故障的分析與處理過程中有重要的價值。

(2)  故障時間確定

    對工程系統而言，系統運行過程實質上是系統狀態隨時間演化的過程，故障總是發生在系統運行過程的某個時間點（或時間區間）上。有時，確定故障發生的時刻或時間區間對于分析故障，尤其是分析突發性故障，具有特別重要的意義。

(3)  故障辨識與故障模式識別

    故障幅度（或量級）和故障模式是故障的兩個基本特征，也是故障分析和故障診斷時的重要依據。

    故障辨識就是采用適當的數學分析或統計方法，估算出故障特征參數或故障幅度的大小，而故障模式識別則較多用于對故障進行歸類[2]。

2.5  故障處理

    對具體的工程活動而言，分析出故障產生的原因及部位后，下一步必須考慮故障的處理方法。比較典型的故障處理方法有順應處理、容錯處理與故障修復等三大類。具體選用何種處理方法，與研究對象、故障特點以及影響程度等多方面的因素有關。

    自20世紀70年代以來，隨著控制系統故障診斷和過程變化檢測技術的迅速發展，上述五個方面的研究內容也出現了一些新的劃分方法：在控制系統故障診斷研究領域，將“檢測”從“診斷”中分列出來[3]，并將檢測與診斷或診斷中的某一項或幾項相結合形成故障檢測與診斷（FDD）、故障檢測與分離（FDI）、故障檢測與辨識（FDI），等等；在探討過程異變的研究領域[12]，沒有采用“診斷”而是在“檢測”之下展開上述大部分內容的研究。

3  故障診斷與處理的典型方法

    自20世紀50年代E.S.Page[4,5]和Robert[6]等人對控制圖表(Control Chart)技術研究以來，特別是60年代美國系統地開展故障診斷（FD）技術研究以來，其理論和應用受到世界各國理論界和工程界廣泛重視，現已發展成為以可靠性理論、控制論、信息論、統計學、決策論為理論基礎，以系統建模技術、過程自動化技術、統計信號處理技術、信號獲取技術、機器計算和機器推理技術為處理手段，以系統及其運行過程中出現的設備部件缺陷、功能性故障和過程異常變化為主要研究對象的一門新興的邊緣學科。

    故障診斷的前提是冗余，包括直接冗余或物理冗余（部分文獻中稱硬件冗余）、解析冗余和知識冗余[7]等等。故障診斷技術實質上就是研究任何獲取、分析和處理冗余信息的技術。

3.1  基于直接或物理冗余法

    一般地，直接冗余或物理冗余是指采用多個傳感器（從不同角度）對同一對象進行觀測或采用同一傳感器對多個與診斷對象相當的備份件進行觀測的方式獲取冗余測量信息[8]。借助適當的統計方法對冗余信息之間的差異進行分析處理，可以檢測或診斷研究對象是否發生了故障。

    對于上述兩種情況，可以很自然地利用統計檢驗模型、線性回歸模型、非線性回歸模型、廣義回歸模型或Logit模型，描述成如下的統計診斷問題：

    (1)  已知樣本yi∈Rs（i=1,2,…）服從統計分布，檢驗f(y)是等同于“標稱分布”g(y) ；

    (2)  判斷集合{yi，i=1,…,n}中是否有離群點，或檢驗序列{yi，i=1,2,…}中是否含明顯偏離大部分樣本點所呈現變化趨勢的異常點；

    事實上，相當多數的基于直接冗余或物理冗余的故障診斷問題（例如，生產過程的監控與廢品檢測、飛行器跟蹤測量數據的合理性檢驗[9-11]、教育與心理研究[12]、谷物生長研究、記錄或傳輸信號的誤碼、機械運轉的突發性障礙等等）都可轉化成為問題①或②。統計領域中對問題①有廣泛而深入的研究，并且建立了一系列成熟的處理方法。例如，參數分布的序貫概率比檢驗（SPRT）、極大似然比檢驗、U-檢驗、t-檢驗和F-檢驗；非參數分布的Kolmogrov擬合檢驗、K.Person擬合檢驗、秩和檢驗、Kolmogrov-Smirnov兩子樣檢驗等。

    問題②的分析與處理技術，屬于20世紀70年代初期建立起來的統計學的一個新興研究領域-統計診斷學的主要研究內容。早在20世紀50年代就有學者從事異常數據統計診斷的研究[13-16]，甚至更早。但是，早期研究大多局限于獨立同分布情況下的離群點識別和處理，最有代表性的方法是Dixon距離法。60年代之后，這方面的逐步研究推廣到回歸模型、Logit模型、廣義回歸模型、非線性回歸模型 [17,18,21] ；對異常數據的定義也由早期的離群點、不一致點演化到趨勢偏離點[18,22] ；形成包括統計檢驗、Cook距離、殘差（如Anscome殘差或Person殘差）分析、影響分析、圖形分析、基于Bayes統計的Box-Tiao方法、Chaloner-Brant方法、神經網絡或多層神經網絡方法[23,24]等多種處理方法。

    近十幾年來，穩健統計、探索性數據分析和穩健-抗擾性處理技術受到統計界的廣泛關注。由于基于直接冗余或物理冗余的故障診斷問題，可轉換成適當假定的統計模型下的統計判決問題，因此統計學科的發展也推動了故障診斷方法的改進和發展。將穩健-抗擾性辨識或濾波方法用于故障診斷是近期統計診斷技術的一個重要研究方向。這方面的一些探索性工作[25-28]顯示了具有良好的發展前景。

3.2  基于間接或解析冗余法

    間接冗余或解析冗余是指系統輸入信息和輸出信息之間瞬態關系的集合。對于連續時間系統，描述這種關系常用模型是微分方程、偏微分方程、隨機微分方程模型或連續時間狀態空間模型；對離散時間系統，描述這種關系常用模型則是時間序列分析領域的AR模型、ARMA模型、ARXMA模型或離散時間的狀態空間模型。顯然，上述的解析關系含有豐富的冗余信息，對分析系統運行狀況、診斷系統故障有較大參考價值。

    1971年，美國學者R.V.Beard提出了利用解析冗余代替物理冗余得到系統故障信息的新思想[29]。R.V.Beard的工作標志著基于解析冗余故障診斷技術的開始（文獻[8]認為，前蘇聯學者Britov和Mironovski（1972）幾乎同時也獨立地提出了這種思想），也標志控制系統故障診斷技術研究的開端[20]。在隨后20多年時間里，基于解析冗余的故障診斷技術得到了廣泛而深入的研究，先后提出了一系列可用于故障檢測、故障辨識、故障定，故障分離、故障模式識別和故障容錯處理的處理方法。例如，基于新息（Innovations）的方法、基于檢測濾波器/觀測器的方法、基于等價關系或等價空間的方法、基于特征參數統計辨識方法以及基于統計假設檢驗（特別是基于似然比檢驗）的方法等等。

    不過，這一階段的研究工作大多是以線性連續變量動態系統（CVDS）、可展成線性系統或可用線性系統逼近的CVDS為主要研究對象[3,15,30]，力求將故障診斷問題轉化成殘差生成（Residuals Generating）與殘差分析問題[7]，采用統計學方法或幾何學方法進行處理。

    近年來，這種狀況有所改變。首先是處理方法更加豐富和實用，無論是基于系統仿真的方法[31]、基于容錯處理的方法或各種穩健化方法[25]，還是基于神經網絡學習算法的方法都充分考慮了實際進行故障診斷時可能面對的困難；其次，診斷對象也逐步由線性CVDS向復線性CVDS、非線性CVDS和離散事件系統（DEDS）[32-34]及各種網絡模型拓展。

3.3  基于規則或知識冗余法

    無論是直接冗余還是間接冗余，實質上描述的都是對象、故障、故障征兆三者之間（或自身內部）的量化關系。但是，許多實際問題并不都是可以嚴格量化的，一些經驗豐富的專家在進行故障診斷時也并不都是采用嚴格的數學算法從一串串計算結果中來查找問題。

    事實上，對于一個結構復雜的系統，當其運行過程發生故障時，人們容易獲得的往往是一些涉及故障征兆的描述性知識，以及各故障源與故障征兆之間關聯性的知識。盡管這些冗余知識大多是定性的而非定量的，但對準確分析故障能取到重要的作用。

    利用冗余知識，通過符號推理的方法進行故障診斷，這是故障診斷技術的又一個分支-定性故障診斷。早在1962年，Bell研究所H.A.沃森采用系統結構分解方法知識創立了故障樹分析(FTA: Fault Tree Analysis)[35]技術。美國航空和宇航局（NASA）以之為基礎進行發展，建成可用于復雜系統災害分析和安全分析的有效方法，這是基于知識冗余的定性故障診斷技術早期工作之一。故障樹方法在定性故障診斷技術的發展初期起著重要作用，它為分析系統故障提供了一種操作性強的處理手段。

    對于中小規模的、結構比較簡單的系統，采用故障樹分析方法進行故障診斷是合適的。但是，對于大規模復雜系統，故障樹方法實現的難度大，效果也不好[35]。70年代以后，隨著專家系統（ES：Expert System）、知識工程和計算機技術的發展，復雜系統定性故障診斷過程的智能化成為一種趨勢，建立故障診斷專家系統成為基于知識冗余定性故障診斷技術的重要研究方向。

    20多年來，先后出現了多個以各具體領域為研究對象的定性故障診斷專家系統。如Regenine等人研制的飛行器控制系統監視器（EEFSM）、Malin研制的汽車故障診斷系統（FIXER）、美國宇航局Langley研究中心主持開發的飛行器故障診斷專家系統（Fault Finder）、飛船故障診斷專家系統（FAITH）、飛行器姿態自動檢測與診斷系統（AES）和國內有關單位開發的衛星控制系統實時故障診斷專家系統等等。這些系統都已達到了實際應用水平，并得到實際使用。

    P.M.Frank（1990）認為，基于知識的故障診斷（專家系統）方法是對基于解析冗余和數據計算的定量故障診斷方法的補充，為具有不完整過程知識的復雜系統故障診斷開辟了新的空間[7]。

    近年來，基于知識的故障診斷技術在定性知識量化處理和定性知識與定量知識相結合等方面的研究和發展受到人們的關注。采用模糊數學方法將不精確的、描述性的知識量化處理，不但有助于提高故障推理過程的嚴謹性和診斷結果的可靠性，也為采用解析冗余法和神經網絡計算方法處理知識冗余創造了條件；將定量知識納入知識庫且在推理機制中引入解析求解算法及門限邏輯與假設檢驗技術，不但可以明顯增加知識裕度，也可有效提高推理的嚴謹性。

4  故障診斷技術的工程應用

    眾所周知，航空航天是故障多發且危害極大的領域，也是故障檢測與故障診斷技術得到較早使用的領域，包括航天測控、導航控制、軌道監視以及航天器可靠性與安全性等[25,36-38]在內的多個分支，都有故障檢測與診斷技術成功應用的先例。對此，文獻[36,37]有較為詳盡的論述，并提供了一系列實用的處理方法和大量的仿真或實測數據算例，在此不再贅述。

    近三十年來，航天故障診斷一直是故障診斷方法研究和技術應用的主戰場。這不僅表現在故障診斷的理論與技術中一些有影響的重要分支（例如，故障樹分析、故障診斷專家系統）其發展過程與航天故障分析技術有著很深的歷史淵源，也不僅表現在大量故障診斷方法都曾在航空航天領域中得到了廣泛應用，更重要的還在于航天故障的復雜性對故障診斷技術發展不斷產生推動作用。

    故障診斷的理論和處理技術在工業和其它工程領域中也有極為廣泛的應用，已被成功地用于包括疾病診斷[8]、質量控制[4-5,8]、系統監控、工業過程維護、機械系統、化工系統、管線檢測、系統的容錯處理、機器人系統、核電站和核反應堆管理、工程測量數據合理性檢驗等廣泛領域。