1、 故障诊断的发展现状
目前, 国内检测诊断技术的研究主要集中在以下几个方面:
( 1) 传感技术研究: 传感技术是反映设备状态参数的仪表技术。国内先后开发了各种类型的传感器, 如屯涡流传感器、速度传感器、加速度传感器和温度传感器等; 最近开发的传感技术有光导纤维、激光、声发射等。
（2）关于信号分析与处理技术的研究: 从传统的谱分析、时序分析和时域分析, 开始引入了一些先进的信号分析手段, 如快速傅立叶变换, Wigner谱分析和小波变换等。这类新方法的引入弥补了传统分析法的不足。
（3）关于人工智能和专家系统的研究: 这方面的研究已成为诊断技术的发展主流, 目前已有日程机械故障诊断专家系统，但这一技术在工程方面的研究尚未达到人们所期望的水平。
（4）关于神经网络的研究: 比如旋转机械神经网络分类系统等的研究已经取得了应用, 取得了满意的效果。
（5）关于诊断系统的开发与研究: 从单机巡检与诊断到上下位机式主从机结构, 直至以网络为基础的布式系统的结构越来越复杂, 实时性越来越高。
（6）专门化与便携式诊断仪器和设备的研制与开发。目前, 我国的冶金、电力、化工等行业的故障诊断技术己经很成熟, 得到了广泛的应用。
2 现代故障诊断方法
工程机械运行的状态千差万别，出现的故障也是多种多样，采用的诊断方法也各不相同。在众多的诊断方法中，比较常用的诊断方法有振动监测诊断方法、无损检测技术、温度诊断方法和铁谱分析方法等。近十几年来，模糊诊断、故障树分析、专家系统、人工神经网络等新的诊断技术不断出现，故障诊断技术逐步向智能化方向发展。
（1） 故障树诊断方法
故障树诊断方法是从研究系统中最不希望发生的故障状态( 结果) 出发，按照一定的逻辑关系从总体到部件一层层的逐级细化，推理分析故障形成的原因，最终确定故障发生的最初基
本原因、影响程度和发生概率。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。该方法直观、快速诊断、知识库很容易动态修改，但其缺点是受主观因素影响较大，诊断结果严重依赖于故障树信息的正确性和完整性，不能诊断不可预知的故障。
（2）故障诊断专家系统
专家系统是一种基于知识的人工诊断系统，是利用大量人类专家的知识和推理方法求解复杂的实际问题的人工智能程序。故障诊断专家系统是研究最多、应用最广的一类智能诊断技术，主要用于没有精确数学模型或很难建立数学模型的复杂系统。专家系统存在的主要问题是知识获取困难、运行速度慢。在采用先进传感技术与信号处理技术的基础上研制开发的故障诊断专家系统，将现代科学的优势同领域专家丰富经验与思维方式的优势结合起来，已成为故障诊断技术发展的主要方向。
（3） 基于模糊数学的故障诊断方法
工程机械的状态信号传播途径复杂，故障与特征参数间的映射关系模糊，再加上边界条件的不确定性、运行工况的多变性，使故障征兆和故障原因之间难以建立准确的对应关系，用传统的二值逻辑显然不合理，因此选用隶属度函数，用相应的隶属度来描述这些症状存在的倾向性。基于模糊数学的故障诊断方法就是通过某些症状的隶属度和模糊关系矩阵来求出各种故障原因的隶属度，以表征各种故障的倾向性，从而可以减少许多不确定因素给诊断工作带来的困难。但是对于复杂的诊断系统，要建立正确的模糊规则和隶属度函数非常困难，而且需要消耗大量的时间。
（4 ）基于神经网络的故障诊断方法
神经网络是一种信息处理系统，是为模仿人脑工作方式而设计的，它带有大量按一定方式连接的和并行分布的处理器。由工程机械各个系统的信息提取故障特征，通过学习训练样本来确定故障判决规则，从而进行故障诊断。用于故障诊断的神经网络能够在出现新故障时通过自学习不断调整权值，可以提高故障的正确检测率，降低漏报率和误报率。神经网络具有对故障的联想记忆、模式匹配和相似归纳能力，以实现故障和征兆之间复杂的非线性映射关系。对于多故障、多过程的复杂工程机械以及突发性故障或其他异常现象，其故障形成的原因与征兆的因果关系错综复杂，借助神经网络系统来解决是行之有效的。
（5） 支持向量机的故障诊断方法
典型故障数据样本的严重不足是制约故障智能诊断技术发展的主要原因之一。支持向量机( SVM)是一种基于统计学习理论的新型机器学习方法，其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优解。这一点特别适合于故障诊断这种小样本情况的实际问题解决
标签：故障诊断,机械,技术
