[科普中國]-故障遮掩

簡介

故障是系統(tǒng)不能執(zhí)行規(guī)定功能的狀態(tài)。通常而言，故障是指系統(tǒng)中部分元器件功能失效而導(dǎo)致整個(gè)系統(tǒng)功能惡化的事件。按故障的發(fā)生和發(fā)展過程可將故障分為突發(fā)性故障和漸發(fā)性故障。故障遮掩是指產(chǎn)品(裝備)的某個(gè)分項(xiàng)目存在故障，但由于該產(chǎn)品(裝備)某一特點(diǎn)或由于該分項(xiàng)目或另一分項(xiàng)目的其他故障，而不能被識(shí)別的狀態(tài)。故障遮掩是屬于突發(fā)性故障，一般難以診斷，一旦發(fā)現(xiàn)就可能對系統(tǒng)運(yùn)行造成很大影響。

故障診斷是指利用各種檢查和測試方法，發(fā)現(xiàn)系統(tǒng)和設(shè)備是否存在故障的過程是故障檢測；而進(jìn)一步確定故障所在大致部位的過程是故障定位。故障檢測和故障定位同屬網(wǎng)絡(luò)生存性范疇。要求把故障定位到實(shí)施修理時(shí)可更換的產(chǎn)品層次（可更換單位）的過程稱為故障隔離。故障診斷就是指故障檢測和故障隔離的過程。

故障的分類及特征分類1．按故障的持續(xù)時(shí)間分類

按故障的持續(xù)時(shí)問可將故障分為永久故障、瞬時(shí)故障和間歇故障。永久故障由元器件的不可逆變化所引發(fā)，其永久地改變元器件的原有邏輯。直到采取措施消除故障為止；瞬時(shí)故障的持續(xù)時(shí)間不超過一個(gè)指定的值。并只引起元器件當(dāng)前參數(shù)值的變化，而不會(huì)導(dǎo)致不可逆的變化；間歇故障是可重復(fù)出現(xiàn)的故障，主要由元件參數(shù)的變化、不正確的設(shè)計(jì)和工藝方面的原因所引發(fā)。

2．按故障的發(fā)生和發(fā)展進(jìn)程分類

按故障的發(fā)生和發(fā)展過程可將故障分為突發(fā)性故障和漸發(fā)性故障。突發(fā)性故障出現(xiàn)前無明顯的征兆，很難通過早期試驗(yàn)或測試來預(yù)測；漸發(fā)性故障是由于元器件老化等其他原因，導(dǎo)致設(shè)備性能逐漸下降并最終超出正確值而引發(fā)的故障。因此具有一定的規(guī)律性，可進(jìn)行狀態(tài)監(jiān)測和故障預(yù)防。

3．按故障發(fā)生的原因分類

按故障發(fā)生的原因?qū)⒐收戏譃橥庖蚬收虾蛢?nèi)因故障。外因故障是因人為操作不當(dāng)或環(huán)境條件惡化等外部因素造成的故障；內(nèi)因故障是因沒計(jì)或生產(chǎn)方面存在的缺陷和隱患而導(dǎo)致的故障。

4．按故障的部件分類

按故障的部件可將故障分為硬件故障和軟件故障。硬件故障是指故障因硬件系統(tǒng)失效。

5．按故障的嚴(yán)重程度分類

按故障的嚴(yán)重程度可將故障分為破壞性故障和非破壞性故障。破壞性故障既是突發(fā)性的又是永久性的．故障發(fā)生后往往危及設(shè)備和人身的安全：而非破壞性的故障一般是漸發(fā)性的又是局部的，故障發(fā)生后暫時(shí)不會(huì)危及設(shè)備和人身的安全。

6．按故障的相關(guān)性分類

按故障相關(guān)性可將故障分為相關(guān)故障和非相關(guān)故障。相關(guān)故障也稱間接故障，因設(shè)備其他元器件而引發(fā)。比較難診斷；非相關(guān)故障也稱直接故障，由元器件本身直接因素所引起。相對相關(guān)故障而言比較容易診斷。

除此之外。還可以按照故障的因果關(guān)系分成物理性故障和邏輯性故障，按故障的表征分為靜態(tài)故障和動(dòng)態(tài)故障。按故障變量的值分為確定值故障和非確定值故障等。2

特征設(shè)備的故障一般具有如下五個(gè)基本特征：

(1)層次性。復(fù)雜的設(shè)備，可劃分為系統(tǒng)、子系統(tǒng)、部件、元件，表現(xiàn)一定的層次性，與之相關(guān)聯(lián)，設(shè)備的故障也具有層次性的特征，即設(shè)備的故障可能出現(xiàn)在系統(tǒng)、子系統(tǒng)、部件、元件等不同的層次上。

(2)傳播性。元件的故障會(huì)導(dǎo)致部件的故障，部件的故障會(huì)引起系統(tǒng)的故障，故障會(huì)沿著部件一子系統(tǒng)一系統(tǒng)的路徑傳播。

(3)放射性。某一部件的故障可能會(huì)引起與之相關(guān)聯(lián)的部件發(fā)生故障。

(4)延時(shí)性。設(shè)備故障的發(fā)生、發(fā)展和傳播有一定的時(shí)間過程，設(shè)備故障的這種延時(shí)性特征為故障的前期預(yù)測預(yù)報(bào)提供了條件。

(5)不確定性。設(shè)備故障的發(fā)生具有隨機(jī)性、模糊性、不可確知性。

故障診斷方法近代故障診斷技術(shù)的發(fā)展已經(jīng)歷30年，但形成一門“故障診斷學(xué)”的綜合性新學(xué)科，還是近幾年逐步發(fā)展起來的，以不同的角度來看，有多種故障診斷的分類方法，這些方法各有特點(diǎn)。

概括而言，故障診斷方法可以分成兩大類：基于數(shù)學(xué)模型的故障診斷方法、基于人工智能的故障診斷方法。

基于專家系統(tǒng)的診斷方法基于專家系統(tǒng)的診斷方法是故障診斷領(lǐng)域中最為引人注目的發(fā)展方向之一，也是研究最多、應(yīng)用最廣的一類智能型診斷技術(shù)。它大致經(jīng)歷了兩個(gè)發(fā)展階段：基于淺知識(shí)領(lǐng)域?qū)＜业慕?jīng)驗(yàn)知識(shí)的故障診斷系統(tǒng)、基于深知識(shí)診斷對象的模型知識(shí)的故障診斷系統(tǒng)。

（1）基于淺知識(shí)的智能型專家診斷方法

淺知識(shí)是指領(lǐng)域?qū)＜业慕?jīng)驗(yàn)知識(shí)?；跍\知識(shí)的故障診斷系統(tǒng)通過演繹推理或產(chǎn)生式推理來獲取診斷結(jié)果，其目的是尋找一個(gè)故障集合，使之能對一個(gè)給定集合產(chǎn)生的原因作出最)包括存在的和缺席的(的征兆佳解釋。

基于淺知識(shí)的故障診斷方法具有知識(shí)直接表達(dá)、形式統(tǒng)一、高模組性、推理速度快等優(yōu)點(diǎn)。但也有局限性，如知識(shí)集不完備，對沒有考慮到的問題系統(tǒng)容易陷入困境；對診斷結(jié)果的解釋能力弱等缺點(diǎn)。

（2）基于深知識(shí)的智能型專家診斷方法

深知識(shí)則是指有關(guān)診斷對象的結(jié)構(gòu)、性能和功能的知識(shí)?；谏钪R(shí)的故障診斷系統(tǒng)，要求診斷對象的每一個(gè)環(huán)境具有明顯的輸入輸出表達(dá)關(guān)系，診斷時(shí)首先通過診斷對象實(shí)際輸出與期望輸出之間的不一致，生成引起這種不一致的原因集合，然后根據(jù)診斷對象領(lǐng)(域中的第一定律知識(shí))及其具有明確科學(xué)依據(jù)的知識(shí)他內(nèi)部特定的約束聯(lián)系，采用一定的算法，找出可能的故障源。

基于深知識(shí)的智能型專家診斷方法具有知識(shí)獲取方便、維護(hù)簡單、完備性強(qiáng)等優(yōu)點(diǎn)，但缺點(diǎn)是搜索空間大，推理速度慢。

（3）基于淺知識(shí)和深知識(shí)的智能型專家混合診斷方法

基于復(fù)雜設(shè)備系統(tǒng)而言，無論單獨(dú)使用淺知識(shí)或深知識(shí)，都難以妥善地完成診斷任務(wù)，只有將兩者結(jié)合起來，才能使診斷系統(tǒng)的性能得到優(yōu)化。因此，為了使故障智能型診斷系統(tǒng)具備與人類專家能力相近的知識(shí)，研發(fā)者在建造智能型診斷系統(tǒng)時(shí)，越來越強(qiáng)調(diào)不僅要重視領(lǐng)域?qū)＜业慕?jīng)驗(yàn)知識(shí)，更要注重診斷對象的結(jié)構(gòu)、功能、原理等知識(shí)，研究的重點(diǎn)是淺知識(shí)與深知識(shí)的整合表示方法和使用方法。事實(shí)上，一個(gè)高水平的領(lǐng)域?qū)＜以谶M(jìn)行診斷問題求解時(shí)，總是將他具有的深知識(shí)和淺知識(shí)結(jié)合起來，完成診斷任務(wù)。一般優(yōu)先使用淺知識(shí)，找到診斷問題的解或者是近似解，必要時(shí)用深知識(shí)獲得診斷問題的精確解。

基于神經(jīng)網(wǎng)絡(luò)的人工智能型診斷方法知識(shí)獲取上，神經(jīng)網(wǎng)絡(luò)的知識(shí)不需要由知識(shí)工程師進(jìn)行整理、總結(jié)以及消化領(lǐng)域?qū)＜业闹R(shí)，只需要用領(lǐng)域?qū)＜医鉀Q問題的實(shí)例或范例來訓(xùn)練神經(jīng)網(wǎng)絡(luò)；在知識(shí)表示方面，神經(jīng)網(wǎng)絡(luò)采取隱式表示，并將某一問題的若干知識(shí)表示在同一網(wǎng)絡(luò)中，通用性高、便于實(shí)現(xiàn)知識(shí)的總動(dòng)獲取和并行聯(lián)想推理。在知識(shí)推理方面，神經(jīng)網(wǎng)絡(luò)通過神經(jīng)元之間的相互作用來實(shí)現(xiàn)推理。

前在許多領(lǐng)域的故障診斷系統(tǒng)中已開始應(yīng)用，如在化工設(shè)備、核反應(yīng)器、汽輪機(jī)、旋轉(zhuǎn)機(jī)械和電動(dòng)機(jī)等領(lǐng)域都取得了較好的效果。由于神經(jīng)網(wǎng)絡(luò)從故障事例中學(xué)到的知識(shí)只是一些分布權(quán)重，而不是類似領(lǐng)域?qū)＜疫壿嬎季S的產(chǎn)生式規(guī)則，因此診斷推理過程不能夠解釋，缺乏透明度。

基于模糊數(shù)學(xué)的人工智能型診斷方法

許多診斷對象的故障狀態(tài)是模糊的，診斷這類故障的一個(gè)有效的方法是應(yīng)用模糊數(shù)學(xué)的理論?；谀：龜?shù)學(xué)的診斷方法，不需要建立精確的數(shù)學(xué)模型(membershipfunction)，適當(dāng)?shù)倪\(yùn)用局部函數(shù)和模糊規(guī)則，進(jìn)行模糊推理就可以實(shí)現(xiàn)模糊診斷的智能化。

基于故障樹的人工智能型診斷方法

故障樹方法是由電腦依據(jù)故障與原因的先驗(yàn)知識(shí)和故障率知識(shí)自動(dòng)輔助生成故障樹，并自動(dòng)生成故障樹的搜索過程。診斷過程從系統(tǒng)的某一故障“為什么出現(xiàn)這種顯現(xiàn)”開始，沿著故障樹不斷提問而逐級構(gòu)成一個(gè)梯階故障樹，透過對此故障樹的啟發(fā)式搜索，最終查出故障的根本原因。在提問過程中，有效合理地使用系統(tǒng)的及時(shí)動(dòng)態(tài)數(shù)據(jù)，將有助于診斷過程的進(jìn)行。于故障樹的診斷方法，類似于人類的思維方式，易于理解，在實(shí)際情況應(yīng)用較多，但大多與其他方法結(jié)合使用。3

設(shè)備故障診斷技術(shù)設(shè)備故障診斷一般分為簡易診斷和精密診斷兩個(gè)層次。設(shè)備的故障大多數(shù)可通過簡易診斷予以確定，因此它是診斷工作的基礎(chǔ)，只有當(dāng)簡易診斷難以確定時(shí)才選用精密診斷手段。

1. 簡易診斷技術(shù)簡易診斷技術(shù)是使用簡易的儀器和方法，是對設(shè)備技術(shù)狀態(tài)快速作出概括性評價(jià)的技術(shù)，它一般包括：

(1) 使用各種比較簡單并易于攜帶的診斷儀器及檢測儀表。

(2) 由設(shè)備維護(hù)檢修人員在生產(chǎn)現(xiàn)場進(jìn)行檢測分析。

(3) 僅對于設(shè)備有無故障、嚴(yán)重程度及其發(fā)展趨勢作出定性的初判。

(4) 涉及的技術(shù)知識(shí)和經(jīng)驗(yàn)比較簡單，易于學(xué)習(xí)和掌握。

(5) 需要把采集的故障信號進(jìn)行儲(chǔ)存建檔。

設(shè)備狀態(tài)監(jiān)測中的定期或在線監(jiān)測，也都屬于簡易診斷的技術(shù)范圍，它主要通過能反映設(shè)備技術(shù)狀態(tài)的一些參數(shù)，看其是否正常。當(dāng)存在異?；虺^限值時(shí)，應(yīng)能發(fā)出警報(bào)或自動(dòng)停機(jī)，但狀態(tài)監(jiān)測不同于故障的識(shí)別和判斷。

簡易診斷適用在安裝調(diào)試階段，用以檢查和排除運(yùn)輸過程中和安裝施工中引起的缺陷。

簡易診斷也適用在維護(hù)階段進(jìn)行的狀態(tài)監(jiān)測，以便及早發(fā)現(xiàn)事故隱患，掌握設(shè)備的劣化趨勢。

2. 精密診斷技術(shù)精密診斷技術(shù)是使用精密的儀器和方法，對簡易診斷難以確診的設(shè)備作出詳細(xì)評價(jià)的技術(shù)，它一般包括：

(1) 使用各種比較復(fù)雜的診斷分析儀器或?qū)Ｓ迷\斷設(shè)備。

(2) 有一定經(jīng)驗(yàn)的工程技術(shù)人員及專家在生產(chǎn)現(xiàn)場和診斷中心進(jìn)行。

(3) 對設(shè)備故障的存在部位、發(fā)生原因及故障類型進(jìn)行識(shí)別和作出定量的診斷。

(4) 涉及的技術(shù)知識(shí)和工作經(jīng)驗(yàn)比較復(fù)雜，需要較多的學(xué)科配合。

(5) 進(jìn)行深入的信號處理，以及根據(jù)需要預(yù)測設(shè)備壽命。

近年開發(fā)的一批計(jì)算機(jī)輔助設(shè)備診斷系統(tǒng)和人工智能與診斷專家系統(tǒng)等也都屬于精密診斷技術(shù)范疇。它們一般多用于關(guān)鍵機(jī)組和診斷比較復(fù)雜的故障原因。

精密診斷一般除用于設(shè)備的開發(fā)研制過程外，更多的用于使用維修階段。只有在已經(jīng)過簡易診斷，并被判定存在異常或故障的設(shè)備，再對其故障產(chǎn)生部位、原因及類型進(jìn)行識(shí)別和診斷，以利提供維修決策。由于它所需費(fèi)用較高，一般在簡易診斷難以確診時(shí)，才予以提前使用。4