故障诊断概览

故障诊断的硬件基础
（1）传感器：数据测量与采集
（2）计算机：数据处理

故障诊断的任务
（1）故障建模
（2）故障检测
（3）故障分离与估计
（4）故障分类、评价与决策

故障诊断方法（德国 Frank 教授）
（1）基于数学模型的方法
     a.参数估计诊断法
     b.状态估计诊断法
     c.等价空间诊断法
（2）基于信号处理的方法
     a.直接测量
     b.小波变换
     c.输出信号处理
     d.信息匹配
     e.信息融合
     f.信息模型
（3）基于人工智能的故障诊断方法
     a.基于专家系统的故障诊断方法
     b.基于神经网络的故障诊断方法
     c.基于图论的模型推理方法
     d.基于模板的数学诊断方法
     e.基于定性模型的方法

智能诊断的定义
智能诊断系统是由人、当代模拟人脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的智能的系统。

智能故障诊断（Intelligent Fault Diagnosis Technolgy）：人工智能 + 故障诊断

智能故障诊断的核心
（1）知识的表示
（2）知识的使用

智能故障诊断方法

（1）基于故障树的方法
    优点：简单易行，不需要训练
    缺点：复杂系统故障树庞大，依赖性强，系统不易更新

（2）基于案例的推理方法(Case Based Reasoning, CBR)
    特点：
        a.具有足够的案例库时，才可用该方法进行诊断
        b.知识可以在线获取和增长，改进和维护容易
        c.随案例的不断增加，检索和索引的效率受到影响

（3）基于模型的方法(Model Base Reasoning, MBR)
    分类：
        a.故障模型
        b.因果模型
        c.基于结构和行为的模型
        d.诊断推理模型

（4）基于专家系统的方法
    优点：
        a.具有高水平的专家知识和自我知识
        b.知识库与推理机分类
        c.具有获取知识的能力
        d.具有灵活性、透明性和交互性
    缺点：专家领域知识有时很难提炼到规则表示这一步，限制了其发展

（5）基于模糊推理的方法
    特点：
        a.可以对不完整、不精确的信息进行处理
        b.需要和其他方法结合使用

（6）基于神经网络的方法
    ANN(Artificial Neural Network)具有良好的适应性、自组织性和容错性，因此基于ANN的故障诊断得到广泛的应用。

（7）基于模式识别的方法

（8）混合方法
     a.MBR和CBR
     b.基于模型的推理、模糊逻辑和遗传算法
     c.CNR、ANN和模糊逻辑
     d.基于模糊和神经网络的专家系统