2．3 故障源分离与定位技术的研究［11～13］
故障源分离与定位也称为故障模式识别，是将经过信号处理得到的有限的或不完整的特征信号与故障原因对应起来，使故障源定位。故障源分离与定位技术是故障诊断的关键技术，将故障源定位是故障诊断的最终目标。
20世纪60年代以来，随着故障诊断理论研究的不断深入，人们克服了越限诊断方法的局限，发展了多种故障源分离与定位技术，包括基于系统数学模型的方法、统计分析方法和模糊综合评判方法等。根据诊断知识的利用方式，可以将故障源分离与定位技术分为基于模型的方法与基于规则的方法两大类。基于模型的方法可以充分利用系统的内部知识，有利于系统整体的故障诊断；其缺点是系统的建模误差或外部干扰将对故障诊断的结果产生重大的影响。基于规则的方法，其适应性广、灵活，但故障的在线估计比较困难。
撇开实际应用场合而去评价某一种故障源分离与定位方法的好坏是没有意义的。在实际应用中，应根据具体诊断对象的特点和需要完成的诊断任务，恰当地选择或综合利用几种方法，才能取得较好的效果。
2．4 智能诊断技术的研究［14～15］
智能诊断技术已从实验室研究阶段逐渐走向实际工程应用阶段。由于大型复杂系统在工业生产中的广泛应用，使得常规故障诊断技术越来越难以满足人们对大型复杂系统提出的可靠性要求，因此，智能诊断技术是大型复杂系统故障诊断发展的重点方向。目前，尽管人们在智能诊断技术的研究方面做了大量的研究工作，但无论是在理论方面还是在实际应用方面都还存在许多问题有待于研究解决。
3 故障诊断系统的研制历史
故障诊断系统是根据诊断对象故障的特点，利用现有的故障诊断技术研制而成的自动化诊断装置。故障诊断的各种理论与方法的研究最终都必须落实到具体的诊断装置或诊断系统的研制上，只有 诊断系统的研制成功才能产生真正的经济效益。根据各类故障诊断系统出现的先后，可将它们分为以下四类：便携式检测仪表和分析仪器；在线监测仪表系统；计算机监测分析与诊断系统；智能诊断系统。其中，便携式检测仪表和分析仪器、在线监测仪表系统和计算机监测分析与诊断系统统称为常规故障诊断系统，这三类故障诊断装置或诊断系统从出现至今，经过不断的改进，己经发展成为成熟的商品，在故障诊断领域发挥了巨大的作用。
便携式检测仪表和分析仪器是最早出现的故障检测装置，其主要功能是对检测对象的一些重要运行参数进行测量，分析人员根据测量得到的数据判断检测对象的运行状态。如：振动测量仪、温度测量仪、轴承检测仪等，生产厂家有丹麦的B＆K公司、瑞典的SPM公司等。
在线监测仪表系统是继便携式检测仪表和分析仪器之后出现的针对某一具体对象的专用故障监测系统，适用于需要实时监测运行状态的工业生产系统。比较成熟的产品有：美国Bently公司的7200系列，9000系列，3300系列；西德Philips公司的11 MS700系列以及申克公司的VIBROCON－TROL 2000系列；瑞士Vibro－MetCr公司的MMS系统等。
计算机监测分析与诊断系统的相继出现，是由于便携式检测仪表和分析仪器和一般的在线监测仪表系统无法满足大型系统故障诊断的要求。计算机监测分析与诊断系统不但可以在线实时监测大型系统的运行状态，还可以根据现场的检测数据，实现越限报警、实时故障分析与诊断等功能。典型的产品有：美国Bently公司的Trendmaster 2000系统；日本三菱公司的HMH系统；瑞士Vibro－Me－ter公司的Vibro－Turbo系统；加拿大CSI3100系统；中国清华大学的QH－l系统，华中理工大学的HZ－l系统，哈尔滨工业大学的MMMD－3系统等等。
智能诊断系统，是在常规故障诊断技术的基础上，结合人工智能技术的研究成果研制而成的自动化诊断系统。智能诊断系统的开发历史并不长，美国自20世纪80年代开始首先在这方面开展研制工作，开发了多种智能诊断系统。例如，1982年EGG．Idaha公司研制成功用于诊断和处理核反应堆的故障诊断系统。此后，Westinghouse公司研制成功电厂人工智能在线诊断大型网络系统，其中包括汽轮机Turbin AID、发电机GenAID和水化学ChemAID三个人工智能在线诊断系统，以及电站数据中心PDC和诊断运行中心，它在电站机组的安全运行中发挥了巨大的作用，取得了很大的经济效益，被誉为在线智能诊断系统成功应用的代表。国内在故障的智能诊断技术方面的研究起步较晚，但发展较快，并取得了不少成果，如华中理工大学研制成功汽车发动机故障诊断专家系统KB－SED和汽轮机组监测与诊断专家系统；哈尔滨工业大学研制成功大型旋转机械故障诊断专家系统MMMDES；另外，清华大学、上海交通大学、西安交通大学、郑州工学院、东南大学等院校也先后开展了故障智能诊断系统的研制工作［10，13］。
故障机理的研究振动信号分析是机械故障诊断技术中采用的最主要的方法之一。目前，在振动信号分析与处理方法中，以快速傅立叶变换（FFT）为基础的调和分析法应用最为普遍，几乎所有的动态分析仪都是以FFT为核心进行信号处理的，FFT分析方法及其派生出的多种有效的振动信号处理方法（如快速卷积、相关、自谱、互谱、倒谱、细化谱及传递分析等）在机械故障诊断技术应用中起到了非常大的作用。然而，这类基于平稳过程的经典信号处理方法，分别仅从时域或频域给出信号的统计平均结果，无法同时兼顾信号在时域和频域中的全貌和局部化［16］。
为实现对非平稳信号的有效表示，解决其时频局部化分析问题，Gabor提出了加窗傅立叶变换（WFT）或短时傅立叶变换（STFT），但由于其时频分辨率固定，缺乏细化能力，逐步被20世纪80年代发展起来的一种新的数学方法———小波（wavelet）分析所取代。小波分析是一种包含尺度伸缩和时间平移的双参数的函数分析方法，由于小波函数具时频局部化特性，多尺度性和“数学显微”（“变焦”）特性，伸得小坡变换能够很好地解体非平稳信号的分析问题，它的出现对纯数学和应用科学都具有重要意义。研究表明：小波分析在振动噪声的去除、非平稳振动信号的表示与分析及振动信号多分辨率分析等方面具有较强的优势，是适合机械故障诊断的一种有效方法［17］。
随着人们对小波分析的理论和应用研究的深入，不少新的理论方法被提出。其中，信号自适应小波分解理论和基于基因遗传算法求解的广义自适应小波分解方法已经具有工程应用背景。但在小波参数的最优化问题上，在将小波分析的理论应用到实际的故障诊断系统中，还有大量的实际工作要做。
4 结语
研究故障发生机理并应用到故障诊断系统中去可以及时发现早期的潜在故障，避免重大恶性事故的发生，从而提高大型机组运行的安全性与可靠性。因此，研究故障机理及其诊断技术将带来巨大的经济效益。
参考文献
［1］JANTUNENE．Asurvey of design method of failure detec－tion in dynamic system［A］．Proceedings of InternationalCongress on Condition Monitoring and Diagnostic EngineeringManagement［C］．Helsinki：［s．n．］，1997．
［2］张正松．旋转机械振动监测及故障诊断［M］．北京：机械工业出版社，1991．
［3］戴铮．河南省200 MW机组运行情况统计分析［J］．河南电力，1992，10（4）：39—41．
［4］杨苹，吴捷．复杂系统故障诊断综述［J］．测控技术，1998，17（2）：8—10．
［5］BEGGIC．Friction induced rotor whirl—Astudyin stability［J］．Trans．ASME，Journal of Eng．for industry，1974，96 （3）：450—454．
［6］岳国金，晏砺堂．转子碰摩的振动特征分析［J］．航空学报，1990，11（10）：499—502．
［7］陆颂元．汽轮机组转子径向摩擦的频谱特征及诊断［A］．全国
首届转子动力学学术讨论会论文集［C］．［出版地不详］：［出 版社不详］，1986．
［8］CHANNJC．Monitor bearing wear to reduce forced outages［J］．Journalof Power Engineering，1992，6（3）：54—48．
［9］孙和泰．国产引进型300 MW机组轴系振动故障诊断［J］．热能动力工程，2000，15（5）：529—531，547．
［10］杨苹，冯永新．200 MW汽轮发电机组振动故障的模糊诊断系统［J］．电力系统自动化，2001，25（1）：45—49．
［11］陆颂元．320 MW机组轴系汽流诱发非稳定低频振动的试验研究及计算分析［J］．动力工程，2001，21（2）：1093—1098．
［12］周桐，徐健学．汽轮机转子裂纹的时频域诊断研究［J］．动力工程，2001，21（2）：1099—1104．
［13］刘峻华，黄树红，陆继东．汽轮机故障诊断技术的发展与展望．汽轮机技术，2000，42（1）：1—6．
［14］陆颂元，张跃进，童小忠，等．机组群振动状态实时监测故障诊断网络和远程传输系统技术研究［J］．中国电力，2001， 34（6）：51—54．
［15］冯小群，杜永祚．新型动态测试与信号分析系统的研制［J］．华北电力学院学报，2000，27（4）：64—69．
［16］李录平，邹新元．小波变化在振动故障奇异信号检测中的应用［J］．汽轮机技术，2000，42（1）：7—9．
［17］韩吉，蒋东翔，倪维斗，等．利用最优小波包提取轴心轨迹故障特征［J］．汽轮机技术，2001，43（3）：133—136． |
|
