(完整版)故障诊断技术研究及其应用
故障诊断技术研究及其应用
1 引言
以故障为研究对象是新一代系统可靠性理论研究的重要特色，也是过程系统自动化技术从实验室走向工程的重要一环。最近二十多年来，以故障检测、故障定位、故障分离、故障辨识、故障模式识别、故障决策和容错处理为主要内容的故障诊断与处理技术，已成为机械设备维护、控制系统系统可靠性研究、复杂系统系统自动化、遥科学、复杂过程的异变分析、工程监控和容错信号处理等领域重点关注和广泛研究的问题。
诊断(Diagnostics)一词源于希腊文，含义为鉴别与判断，是指在对各种迹象和症状进行综合分析的基础上对研究对象及其所处状态进行鉴别和判断的一项技术活动[1]。故障诊断学则是专门以考察和判断对象或系统是否存在缺陷或其运行过程中是否出现异常现象为主要研究对象的一门综合性技术学科。它是诊断技术与具体工程学科相结合的产物，是一门新兴交叉学科。故障诊断与处理技术，作为一门新兴技术学科，可划分为如下三个不同的研究层次：
(1) 以设备或部件为研究对象，重点分析和诊断设备的缺陷、部件的缺损或机械运转失灵，这通常属于设备故障诊断的研究范畴；
(2) 以系统为研究对象，重点检测和分析系统的功能不完善、功能异常或不能够完成预期功能，这属于系统故障检测与诊断的研究范畴；
(3) 以系统运行过程为研究对象，考察运行过程出现的异常变化或系统状态的非预期改变，这属于过程故障诊断的研究范畴。
概而言之，故障诊断研究的是对象故障或其功能异常、动作失败等问题，寻求发现故障和甄别故障的理论与方法。无论是设备故障诊断、系统故障诊断还是过程故障诊断，都有着广泛的研究对象、实在的问题背景和丰富的研究内容。本文将从故障诊断与处理技术的研究内容、典型方法和应用情况等三个方面，对故障诊断及相关技术的发展状况做一综述，同时简要指出本研究方向的若干前沿。
2 故障诊断与处理的主要研究内容
故障诊断与处理是一项系统工程，它包括故障分析、故障建模、故障检测、故障推断、故障决策和故障处理等五个方面的研究内容。
2.1 故障分析
故障是对象或系统的病态或非常态。要诊断故障，首先必须对故障与带故障的设备、系统、过程都有细致分析和深入研究，明确可能产生故障的环节，故障传播途径，了解故障的典型形式、表现方式、典型特征以及故障频度或发生几率，结合对象的物理背景了解故障产生的机理、故障关联性和故障危害性。
常用的故障分析方法有对象和故障环节的机理分析法、模拟法、数值仿真或系统仿真法和借助数学模型的理论分析法等。
2.2 故障建模
模型分析是现代分析的基本方法，对复杂对象的故障诊断同样具有重要应用价值。为了定量或定性地分析故障、诊断故障和处理故障，建立故障的模型和带故障对象的模型是十分
重要的。现代故障诊断技术，特别是下文将提到的各种基于解析冗余的故障检测与诊断技术都离不开准确科学的故障模型。
常用的带故障故障对象模型有“加性（additive）”模型、“新息（innovation）”模型和复合型模型；故障分量模型有脉冲型故障模型、阶跃型故障模型和过程渐变型故障模型等。
2.3 故障检测
简而言之，故障检测是判断并指明系统是否发生了故障，即对于某个正在运行的系统或正在按规定标准进行生产的设备，辨别其是否超出预定或技术规范规定的无故障工作门限[2]。显然，这是故障诊断的首要任务。
根据处理方式和要求的不同，故障检测可区分为在线检测和离线检测两大类。在航天器跟踪测量和飞行控制系统研究中，在线检测被称为实时检测，离线检测也被称为事后检测。其中，故障实时检测是运载火箭安全控制系统的核心。
与故障检测相近的还有一个常用名词“故障监测”。所谓故障监测，实质上也是所谓的故障在线检测或实时检测，主要目的是对设备状况或系统功能进行及时观测，一旦发现异常征兆出现则及时报警，承担“监控系统”的主要任务。
2.4 故障推断
故障推断是通过足够的传感器（测量设备）检索出所有可能得到的、从故障发生之前到故障发生之时全部时间内的、与系统有关的信息，对故障部位、故障类型和故障幅度等进行系统分析和合理推断。故障推断是故障诊断技术研究的主体部分，包括如下几个方面：
(1) 故障定位与故障分离
对结构复杂的机械设备或工程系统而言，仅检测出是否发生了故障往往只完成了任务的一半，更重要的是必须告知故障发生在哪个部件或子系统上，即必须指明已发生故障的材料、结构、组成部分、过程或系统，这就是故障定位。
当多个部位都发生了故障时，必须分离出所有故障源，即所谓的故障分离。故障分离是对故障进行深入研究的基础，在航天故障的分析与处理过程中有重要的价值。
(2) 故障时间确定
对工程系统而言，系统运行过程实质上是系统状态随时间演化的过程，故障总是发生在系统运行过程的某个时间点（或时间区间）上。有时，确定故障发生的时刻或时间区间对于分析故障，尤其是分析突发性故障，具有特别重要的意义。
(3) 故障辨识与故障模式识别
故障幅度（或量级）和故障模式是故障的两个基本特征，也是故障分析和故障诊断时的重要依据。
故障辨识就是采用适当的数学分析或统计方法，估算出故障特征参数或故障幅度的大小，而故障模式识别则较多用于对故障进行归类[2]。
2.5 故障处理
对具体的工程活动而言，分析出故障产生的原因及部位后，下一步必须考虑故障的处理方法。比较典型的故障处理方法有顺应处理、容错处理与故障修复等三大类。具体选用何种
处理方法，与研究对象、故障特点以及影响程度等多方面的因素有关。
自20世纪70年代以来，随着控制系统故障诊断和过程变化检测技术的迅速发展，上述五个方面的研究内容也出现了一些新的划分方法：在控制系统故障诊断研究领域，将“检测”从“诊断”中分列出来[3]，并将检测与诊断或诊断中的某一项或几项相结合形成故障检测与诊断（FDD）、故障检测与分离（FDI）、故障检测与辨识（FDI），等等；在探讨过程异变的研究领域[12]，没有采用“诊断”而是在“检测”之下展开上述大部分内容的研究。
3 故障诊断与处理的典型方法
自20世纪50年代E.S.Page[4,5]和Robert[6]等人对控制图表(Control Chart)技术研究以来，特别是60年代美国系统地开展故障诊断（FD）技术研究以来，其理论和应用受到世界各国理论界和工程界广泛重视，现已发展成为以可靠性理论、控制论、信息论、统计学、决策论为理论基础，以系统建模技术、过程自动化技术、统计信号处理技术、信号获取技术、机器计算和机器推理技术为处理手段，以系统及其运行过程中出现的设备部件缺陷、功能性故障和过程异常变化为主要研究对象的一门新兴的边缘学科。
故障诊断的前提是冗余，包括直接冗余或物理冗余（部分文献中称硬件冗余）、解析冗余和知识冗余[7]等等。故障诊断技术实质上就是研究任何获取、分析和处理冗余信息的技术。
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个传感器（从不同角度）对同一对象进行观测或采用同一传感器对多个与诊断对象相当的备份件进行观测的方式获取冗余测量信息[8]。借助适当的统计方法对冗余信息之间的差异进行分析处理，可以检测或诊断研究对象是否发生了故障。
对于上述两种情况，可以很自然地利用统计检验模型、线性回归模型、非线性回归模型、广义回归模型或Logit模型，描述成如下的统计诊断问题：
(1) 已知样本yi∈Rs(i=1,2,…)服从统计分布，检验f(y)是等同于“标称分布”g(y) ；
(2) 判断集合{ yi，i=1,…,n}中是否有离群点，或检验序列{ yi，i=1,2,…}中是否含明显偏离大部分样本点所呈现变化趋势的异常点；
事实上，相当多数的基于直接冗余或物理冗余的故障诊断问题（例如，生产过程的监控与废品检测、飞行器跟踪测量数据的合理性检验[9-11]、教育与心理研究[12]、谷物生长研究、记录或传输信号的误码、机械运转的突发性障碍等等）都可转化成为问题①或②。统计领域中对问题①有广泛而深入的研究，并且建立了一系列成熟的处理方法。例如，参数分布的序贯概率比检验（SPRT）、极大似然比检验、U-检验、t-检验和F-检验；非参数分布的Kolmogrov拟合检验、K.Person拟合检验、秩和检验、Kolmogrov-Smirnov两子样检验等。
问题②的分析与处理技术，属于20世纪70年代初期建立起来的统计学的一个新兴研究领域-统计诊断学的主要研究内容。早在20世纪50年代就有学者从事异常数据统计诊断的研究[13-16]，甚至更早。但是，早期研究大多局限于独立同分布情况下的离群点识别和处理，最有代表性的方法是Dixon距离法。60年代之后，这方面的逐步研究推广到回归模型、Logit 模型、广义回归模型、非线性回归模型[17,18,21] ；对异常数据的定义也由早期的离群点、不一致点演化到趋势偏离点[18,22] ；形成包括统计检验、Cook距离、残差（如Anscome
残差或Person残差）分析、影响分析、图形分析、基于Bayes统计的Box-Tiao方法、Chaloner-Brant方法、神经网络或多层神经网络方法[23,24]等多种处理方法。
近十几年来，稳健统计、探索性数据分析和稳健-抗扰性处理技术受到统计界的广泛关注。由于基于直接冗余或物理冗余的故障诊断问题，可转换成适当假定的统计模型下的统计判决问题，因此统计学科的发展也推动了故障诊断方法的改进和发展。将稳健-抗扰性辨识或滤波方法用于故障诊断是近期统计诊断技术的一个重要研究方向。这方面的一些探索性工作[25-28]显示了具有良好的发展前景。
3.2 基于间接或解析冗余法
间接冗余或解析冗余是指系统输入信息和输出信息之间瞬态关系的集合。对于连续时间系统，描述这种关系常用模型是微分方程、偏微分方程、随机微分方程模型或连续时间状态空间模型；对离散时间系统，描述这种关系常用模型则是时间序列分析领域的AR模型、ARMA模型、ARXMA模型或离散时间的状态空间模型。显然，上述的解析关系含有丰富的冗余信息，对分析系统运行状况、诊断系统故障有较大参考价值。
1971年，美国学者R.V.Beard提出了利用解析冗余代替物理冗余得到系统故障信息的新思想[29]。R.V.Beard的工作标志着基于解析冗余故障诊断技术的开始（文献[8]认为，前苏联学者Britov和Mironovski（1972）几乎同时也独立地提出了这种思想），也标志控制系统故障诊断技术研究的开端[20]。在随后20多年时间里，基于解析冗余的故障诊断技术得到了广泛而深入的研究，先后提出了一系列可用于故障检测、故障辨识、故障定，故障分离、故障模式识别和故障容错处理的处理方法。例如，基于新息(Innovations)的方法、基于检测滤波器/观测器的方法、基于等价关系或等价空间的方法、基于特征参数统计辨识方法以及基于统计假设检验（特别是基于似然比检验）的方法等等。
不过，这一阶段的研究工作大多是以线性连续变量动态系统(CVDS)、可展成线性系统或可用线性系统逼近的CVDS为主要研究对象[3,15,30]，力求将故障诊断问题转化成残差生成(Residuals Generating)与残差分析问题[7]，采用统计学方法或几何学方法进行处理。
近年来，这种状况有所改变。首先是处理方法更加丰富和实用，无论是基于系统仿真的方法[31]、基于容错处理的方法或各种稳健化方法[25]，还是基于神经网络学习算法的方法都充分考虑了实际进行故障诊断时可能面对的困难；其次，诊断对象也逐步由线性CVDS 向复线性CVDS、非线性CVDS和离散事件系统(DEDS)[32-34]及各种网络模型拓展。
3.3 基于规则或知识冗余法
无论是直接冗余还是间接冗余，实质上描述的都是对象、故障、故障征兆三者之间（或自身内部）的量化关系。但是，许多实际问题并不都是可以严格量化的，一些经验丰富的专家在进行故障诊断时也并不都是采用严格的数学算法从一串串计算结果中来查找问题。
事实上，对于一个结构复杂的系统，当其运行过程发生故障时，人们容易获得的往往是一些涉及故障征兆的描述性知识，以及各故障源与故障征兆之间关联性的知识。尽管这些冗余知识大多是定性的而非定量的，但对准确分析故障能取到重要的作用。
利用冗余知识，通过符号推理的方法进行故障诊断，这是故障诊断技术的又一个分支-
定性故障诊断。早在1962年，Bell研究所H.A.沃森采用系统结构分解方法知识创立了故障树分析(FTA: Fault Tree Analysis)[35]技术。美国航空和宇航局（NASA）以之为基础进行发展，建成可用于复杂系统灾害分析和安全分析的有效方法，这是基于知识冗余的定性故障诊断技术早期工作之一。故障树方法在定性故障诊断技术的发展初期起着重要作用，它为分析系统故障提供了一种操作性强的处理手段。
对于中小规模的、结构比较简单的系统，采用故障树分析方法进行故障诊断是合适的。但是，对于大规模复杂系统，故障树方法实现的难度大，效果也不好[35]。70年代以后，随着专家系统（ES：Expert System）、知识工程和计算机技术的发展，复杂系统定性故障诊断过程的智能化成为一种趋势，建立故障诊断专家系统成为基于知识冗余定性故障诊断技术的重要研究方向。
20多年来，先后出现了多个以各具体领域为研究对象的定性故障诊断专家系统。如Regenine等人研制的飞行器控制系统监视器(EEFSM)、Malin研制的汽车故障诊断系统(FIXER)、美国宇航局Langley研究中心主持开发的飞行器故障诊断专家系统(Fault Finder)、飞船故障诊断专家系统（FAITH）、飞行器姿态自动检测与诊断系统（AES）和国内有关单位开发的卫星控制系统实时故障诊断专家系统等等。这些系统都已达到了实际应用水平，并得到实际使用。
P.M.Frank（1990）认为，基于知识的故障诊断（专家系统）方法是对基于解析冗余和数据计算的定量故障诊断方法的补充，为具有不完整过程知识的复杂系统故障诊断开辟了新的空间[7]。
近年来，基于知识的故障诊断技术在定性知识量化处理和定性知识与定量知识相结合等方面的研究和发展受到人们的关注。采用模糊数学方法将不精确的、描述性的知识量化处理，不但有助于提高故障推理过程的严谨性和诊断结果的可靠性，也为采用解析冗余法和神经网络计算方法处理知识冗余创造了条件；将定量知识纳入知识库且在推理机制中引入解析求解算法及门限逻辑与假设检验技术，不但可以明显增加知识裕度，也可有效提高推理的严谨性。
4 故障诊断技术的工程应用
众所周知，航空航天是故障多发且危害极大的领域，也是故障检测与故障诊断技术得到较早使用的领域，包括航天测控、导航控制、轨道监视以及航天器可靠性与安全性等[25,36-38]在内的多个分支，都有故障检测与诊断技术成功应用的先例。对此，文献[36,37]有较为详尽的论述，并提供了一系列实用的处理方法和大量的仿真或实测数据算例，在此不再赘述。
近三十年来，航天故障诊断一直是故障诊断方法研究和技术应用的主战场。这不仅表现在故障诊断的理论与技术中一些有影响的重要分支（例如，故障树分析、故障诊断专家系统）其发展过程与航天故障分析技术有着很深的历史渊源，也不仅表现在大量故障诊断方法都曾在航空航天领域中得到了广泛应用，更重要的还在于航天故障的复杂性对故障诊断技术发展不断产生推动作用。
故障诊断的理论和处理技术在工业和其它工程领域中也有极为广泛的应用，已被成功地用于包括疾病诊断[8]、质量控制[4-5,8]、系统监控、工业过程维护、机械系统、化工系统、管线检测、系统的容错处理、机器人系统、核电站和核反应堆管理、工程测量数据合理性检验等广泛领域。