故障診斷及相關(guān)應(yīng)用信處理大論文0001

1、故障診斷及相關(guān)應(yīng)用信 處理大論文 Standardization of sany group #QS8QHH-HHGX8Q8-GNHHJ8-HHMHGN# 故障診斷及相關(guān)應(yīng)用 摘要 故障診斷技術(shù)是一門以數(shù)學(xué)、計(jì)算機(jī)、自動(dòng)控制、信號(hào)處理、仿真技術(shù)、可靠性理 論等有關(guān)學(xué)科為基礎(chǔ)的多學(xué)科交叉的邊緣學(xué)科。故障診斷技術(shù)發(fā)展至今，已提出了大量 的方法，并發(fā)展成為一門獨(dú)立的跨學(xué)科的綜合信息處理技術(shù)，是LI前熱點(diǎn)研究領(lǐng)域之 -o我國的一些知名學(xué)者也在這方面取得了可喜的成果。 關(guān)鍵字：故障診斷，信息處理 按照國際故障診斷權(quán)威，德國的Frank P M教授的觀點(diǎn)，所有的故障診斷方法可以 劃分為3種：基于解析模型的

2、方法、基于信號(hào)處理的方法和基于知識(shí)的方法。 1.1基于解析模型的故障診斷方法 基于解析模型的方法是發(fā)展最早、研究最系統(tǒng)的一種故障診斷方法。所謂基于解析 模型的方法，是在明確了診斷對(duì)象數(shù)學(xué)模型的基礎(chǔ)上，按一定的數(shù)學(xué)方法對(duì)被測信息進(jìn) 行診斷處理。其優(yōu)點(diǎn)是對(duì)未知故障有固有的敏感性；缺點(diǎn)是通常難以獲得系統(tǒng)模型，且 由于建模誤差、擾動(dòng)及噪聲的存在，使得魯棒性問題日益突出。 基于解析模型的方法可以進(jìn)一步分為參數(shù)佔(zhàn)訃方法、狀態(tài)估計(jì)方法和等價(jià)空間方 法。這3種方法雖然是獨(dú)立發(fā)展起來的，但它們之間存在一定的聯(lián)系。現(xiàn)已證明：基于 觀測器的狀態(tài)佔(zhàn)計(jì)方法與等價(jià)空間方法是等價(jià)的。相比之下，參數(shù)佔(zhàn)計(jì)方法比狀態(tài)估訃 方法更

3、適合于非線性系統(tǒng)，因?yàn)榉蔷€性系統(tǒng)狀態(tài)觀測器的設(shè)訃有很大困難，通常，等價(jià) 空間方法僅適用于線性系統(tǒng)。 1. 1.1參數(shù)估計(jì)方法 1984年，Iserman對(duì)于參數(shù)佔(zhàn)計(jì)的故障診斷方法作了完整的描述。這種故障診斷方 法的思路是：山機(jī)理分析確定系統(tǒng)的模型參數(shù)和物理元器件參數(shù)之間的關(guān)系方程，山實(shí) 時(shí)辨識(shí)求得系統(tǒng)的實(shí)際模型參數(shù),進(jìn)而山關(guān)系方程求解實(shí)際的物理元器件參數(shù)，將其與 標(biāo)稱值比較，從而得知系統(tǒng)是否有故障與故障的程度。但有時(shí)關(guān)系方程并不是雙射的， 這時(shí)，通過模型參數(shù)并不能求得物理參數(shù)，這是該方法最大的缺點(diǎn)。U前，非線性系統(tǒng) 故障診斷技術(shù)的參數(shù)估訃方法主要有強(qiáng)跟蹤濾波方法。在實(shí)際應(yīng)用中，經(jīng)常將參數(shù)佔(zhàn)計(jì)

4、方法與其他的基于解析模型的方法結(jié)合起來使用，以便獲得更好的故障檢測和分離性 能。 1.1.2狀態(tài)估計(jì)方法 1971年，Beard首先提出故障診斷的檢測濾波器的概念，標(biāo)志著基于狀態(tài)佔(zhàn)計(jì)的故 障診斷方法的誕生。它的基本思想是：重構(gòu)被控過程狀態(tài)，通過與可測變量比較構(gòu)成殘 差序列，再構(gòu)造適當(dāng)?shù)哪Ｐ筒⒉捎媒y(tǒng)計(jì)檢驗(yàn)法，從殘差序列中將故障檢測出來，并做進(jìn) 一步地分離、佔(zhàn)計(jì)與決策。常用的狀態(tài)佔(zhàn)計(jì)方法主要包括自適應(yīng)非線性觀測器方法、非 線性未知輸入觀測器方法和濾波器方法。在能夠獲得系統(tǒng)精確數(shù)學(xué)模型的情況下，狀態(tài) 佔(zhàn)汁方法是直接有效的，但在實(shí)際中這一點(diǎn)往往很難滿足。所以，對(duì)狀態(tài)佔(zhàn)汁方法的研 究主要集中在提高檢測系

5、統(tǒng)對(duì)建模誤差、擾動(dòng)和噪聲等未知輸入的魯棒性及系統(tǒng)對(duì)于早 期故障的靈敏度。 1. 1. 3等價(jià)空間方法 等價(jià)空間方法的基本思想就是：利用系統(tǒng)的輸入、輸出的實(shí)際測量值檢驗(yàn)系統(tǒng)數(shù)學(xué) 模型的等價(jià)性（即一致性），以檢測和分離故障。 1.2基于信號(hào)處理的故障診斷方法 此方法的主要思想是：利用信號(hào)分析理論獲得系統(tǒng)時(shí)域和頻域中較深層次的多種特 征向量，利用這些特征向量與系統(tǒng)故障源之間的關(guān)系判斷故障源的位置。此方法主要用 于診斷對(duì)象的解析模型難以建立，但系統(tǒng)的一些狀態(tài)或者輸出參數(shù)可以測量的系統(tǒng)。基 于信號(hào)處理的方法主要有：基于Kullback信息準(zhǔn)則的故障檢測；基于自適應(yīng)滑動(dòng)窗格形 濾波器的故障檢測；基于小波變

6、換的故障診斷。 1. 2.1基于Kullback信息準(zhǔn)則的故障檢測 此方法是利用Kullback信息準(zhǔn)則度量系統(tǒng)的變化，在不存在未建模動(dòng)態(tài)特性時(shí)，將 其與閾值比較，從而實(shí)現(xiàn)故障檢測的方法。首先，基于Goodwin隨機(jī)嵌入方法將未建模 動(dòng)態(tài)特性當(dāng)作軟界佔(zhàn)汁，利用遺傳算法和梯度方法辨識(shí)系統(tǒng)的參數(shù)和軟界。在Kullback 信息準(zhǔn)則中引入一個(gè)新指標(biāo)評(píng)價(jià)未建模動(dòng)態(tài)特性，合理設(shè)置閾值，設(shè)計(jì)合適的決策方 案，實(shí)現(xiàn)魯棒故障檢測。山于未建模動(dòng)態(tài)特性的軟界不能在線辨識(shí)，此方法尚不能在線 實(shí)現(xiàn)。 1.2.2 1.2.2基于自適應(yīng)滑動(dòng)窗格形 此方法的基本思想是：取一個(gè)滑動(dòng)窗內(nèi)的系統(tǒng)輸入和輸出數(shù)據(jù)，利用自適應(yīng)格形濾

7、波器生成殘差序列。當(dāng)系統(tǒng)處于正常狀態(tài)時(shí)，殘差序列將是零均值固定方差的高斯過 程；如果系統(tǒng)發(fā)生了故障，則山故障引起的過渡過程將導(dǎo)致殘差序列的均值或方差變 化。通過構(gòu)造合適的檢驗(yàn)統(tǒng)汁量，對(duì)殘差序列進(jìn)行假設(shè)檢驗(yàn)，可以在線檢測出系統(tǒng)的故 障。此方法適用于突變和緩變故障的檢測，且不需要系統(tǒng)的準(zhǔn)確數(shù)學(xué)模型和先驗(yàn)知識(shí)。 1.2.3 1.2.3基于小波變換的故障診斷 此方法是一種新的信號(hào)處理方法，是一種時(shí)間尺度分析方法，具有多分辨力分析的 特點(diǎn)。連續(xù)小波變換可區(qū)分信號(hào)突變和噪聲，離散小波變換可檢測隨機(jī)信號(hào)的頻率結(jié)構(gòu) 的突變。主要方法有：利用觀測信號(hào)的奇異性進(jìn)行故障診斷；利用觀測信號(hào)的頻率結(jié)構(gòu) 變化進(jìn)行故障診斷

8、。小波變換不需要系統(tǒng)的數(shù)學(xué)模型，對(duì)噪聲的抑制能力強(qiáng)，有較高的 靈敏度，運(yùn)算量也不大，是一種很有前途的故障診斷方法。 1.3基于知識(shí)的故障診斷方法 此方法的主要思想是：在知識(shí)的層次上，以知識(shí)處理技術(shù)為基礎(chǔ)，實(shí)現(xiàn)辯證邏輯與 數(shù)理邏輯的集成，符號(hào)處理與數(shù)值處理的統(tǒng)一，推理過程與算法過程的統(tǒng)一，通過在概 念和處理方法上的知識(shí)化實(shí)現(xiàn)系統(tǒng)的故障診斷。它不需要系統(tǒng)的定量數(shù)學(xué)模型，也更適 合于非線性系統(tǒng)領(lǐng)域?；谥R(shí)的方法還可以分為基于癥狀的方法和基于定性模型的方 法。基于知識(shí)的方法主要有：基于專家系統(tǒng)的方法、基于模糊的方法、基于神經(jīng)網(wǎng)絡(luò)的 方法、基于故障樹的方法和基于知識(shí)觀測器的方法等。 1. 3.1基于專

9、家系統(tǒng)的方法 專家系統(tǒng)的診斷機(jī)理是根據(jù)專家豐富的實(shí)踐經(jīng)驗(yàn)，專家分析問題和解決問題的思 路，建立故障診斷的知識(shí)庫、規(guī)則庫和推理機(jī)，設(shè)汁一個(gè)計(jì)算機(jī)程序，根據(jù)知識(shí)庫提供 的知識(shí)，規(guī)則庫提供的規(guī)則和推理機(jī)提供的推理機(jī)制進(jìn)行故障診斷。專家系統(tǒng)主要缺點(diǎn) 是知識(shí)獲取的“瓶頸”問題。山于專家知識(shí)的局限性和知識(shí)表示難度大，造成知識(shí)庫不 夠完備。另外，它還缺乏自學(xué)習(xí)自完善能力，不能在實(shí)例中自我完善，而且，系統(tǒng)的能 力限于知識(shí)庫中僅有的規(guī)則，對(duì)系統(tǒng)的新故障和系統(tǒng)設(shè)計(jì)邊緣問題的求解具有脆弱性。 1.3.2基于模糊的方法 模糊邏輯提供了表達(dá)和處理模糊邏輯概念的機(jī)制，能夠處理故障診斷中的不確定信 息和不完整信息。模糊故障

10、診斷方法是利用集合論中的隸屬度函數(shù)和模糊關(guān)系矩陣的概 念來解決故障與征兆之間的不確定關(guān)系。目前，模糊故障診斷有3種基本方法：1）先建 立故障現(xiàn)象與故障征兆之間的模糊關(guān)系矩陣，再通過模糊關(guān)系方程進(jìn)行故障診斷；2）先 建立故障與征兆之間的模糊知識(shí)庫，再進(jìn)行模糊邏輯推理；3）先對(duì)原始采樣數(shù)據(jù)進(jìn)行模 糊聚類處理，再通過評(píng)價(jià)劃分系數(shù)和分離系數(shù)等進(jìn)行故障診斷。具體的應(yīng)用形式有：基 于模糊模型的故障診斷方法；基于自適應(yīng)模糊閾值的殘差評(píng)價(jià)方法；基于模糊聚類的殘 差評(píng)價(jià)方法；基于模糊邏輯的殘差評(píng)價(jià)方法和基于模糊模式識(shí)別的故障診斷方法。 1. 3. 3基于神經(jīng)網(wǎng)絡(luò)的方法 山于神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)、聯(lián)想記憶、

11、擬合任意連續(xù)非線性函數(shù)、并行處 理、分布式存儲(chǔ)和全局作用的能力，使其在非線性系統(tǒng)的故障診斷方面有很大的優(yōu)勢。 具體的應(yīng)用方式有：1)神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)。對(duì)特定問題建立適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)故障診斷系 統(tǒng)，可以從其輸入數(shù)據(jù)(代表故障癥狀)直接推出輸出數(shù)據(jù)(代表故障原因)，從而實(shí)現(xiàn)故 障檢測與診斷；2)采用神經(jīng)網(wǎng)絡(luò)產(chǎn)生或評(píng)價(jià)殘差。3)采用神經(jīng)網(wǎng)絡(luò)作進(jìn)一步診斷。4)釆 用神經(jīng)網(wǎng)絡(luò)作自適應(yīng)誤差補(bǔ)償。 神經(jīng)網(wǎng)絡(luò)故障診斷方法的不足之處在于未能充分利用特定領(lǐng)域中專家積累起來的寶 貴經(jīng)驗(yàn)，只利用一些明確的故障實(shí)例，而且，需要足夠的學(xué)習(xí)樣本才能保障診斷的可幕 性。山于神經(jīng)網(wǎng)絡(luò)從故障實(shí)例中學(xué)習(xí)的知識(shí)只是分布權(quán)值，因此，診斷

12、推理過程不能夠 解釋。在對(duì)復(fù)雜系統(tǒng)進(jìn)行診斷時(shí)，往往由于網(wǎng)絡(luò)規(guī)模過于龐大和學(xué)習(xí)訓(xùn)練時(shí)間太長等問 題，降低了神經(jīng)網(wǎng)絡(luò)的實(shí)用性。 1.3.4基于故障樹的方法 故障樹是表示系統(tǒng)特定事件與它的各個(gè)子系統(tǒng)或各個(gè)元部件故障之間邏輯關(guān)系的邏 輯結(jié)構(gòu)圖。它是一種倒樹狀結(jié)構(gòu)，以系統(tǒng)最不希望事件為頂事件，以可以導(dǎo)致頂事件發(fā) 生的其他事件為中間事件和底事件，并用邏輯門表示事件之間的聯(lián)系。故障樹分析法是 1961年由美國貝爾實(shí)驗(yàn)室的Watson H A和Haasl D F首先提出來的。在利用故障樹進(jìn)行 故障搜尋與診斷時(shí)，根據(jù)搜尋方式不同，可分為邏輯推理診斷法和最小割集診斷法。基 于故障樹的故障診斷方法兼顧基于規(guī)則和基于

13、定量模型故障診斷方法的優(yōu)點(diǎn)，并且，圖 論和信息論的發(fā)展使故障搜尋和分析更加準(zhǔn)確和便捷，因而，故障樹方法是故障診斷方 法發(fā)展的主要方向之一。但它的不足之處是建立故障樹的工作很麻煩，工作量很大，有 可能漏掉重大的元件或部件故障；山于故障樹分析法的理論性較強(qiáng)，邏輯性較嚴(yán)密，對(duì) 分析人員的經(jīng)驗(yàn)和知識(shí)水平要求較高，不便于該方法的推廣。 1. 3. 5基于知識(shí)觀測器的方法 知識(shí)觀測器由4部分組成： (1) 定性模型，用來預(yù)測系統(tǒng)的行為，它主要是用定性仿真或符號(hào)有向圖進(jìn)行推理； (2) 差異檢測器，用來檢測實(shí)際癥狀與預(yù)測癥狀之間的差異，可以用隸屬度函數(shù)表 示； (3) 候選者產(chǎn)生器，根據(jù)差異提出可能的故障源

14、，一般用有限搜索法進(jìn)行搜索； (4) 診斷策略，用來協(xié)調(diào)整個(gè)循環(huán)搜索過程，確保模型與實(shí)際過程的癥狀相匹配。這 種基于定性模型的故障診斷方法比起傳統(tǒng)的專家系統(tǒng)方法，大大簡化了知識(shí)獲取的過 程。 2故障診斷技術(shù)的應(yīng)用研究熱點(diǎn) 我們知道，故障診斷的方法有很多種，但是隨著對(duì)技術(shù)使用范圍越來越廣泛，多種 故障診斷方法的結(jié)合將成為故障診斷方法研究的熱點(diǎn)。 將多種故障診斷方法相結(jié)合能夠充分地獲取知識(shí)、利用知識(shí)，進(jìn)而提高故障診斷系 統(tǒng)的性能，主要的研究方向有： (1) 專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合：神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的是右半腦直覺形象思維的特性，而 專家系統(tǒng)理論與方法實(shí)現(xiàn)左半腦邏輯思維的特性，二者有著很強(qiáng)的互補(bǔ)作用。因

15、此，可 以利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、并行運(yùn)算等優(yōu)點(diǎn)來彌補(bǔ)專家系統(tǒng)的知識(shí)獲取困難和知識(shí)推理 的無窮遞歸等不足。但神經(jīng)網(wǎng)絡(luò)模型和算法的不成熟和缺乏推理解釋能力成為神經(jīng)網(wǎng)絡(luò) 應(yīng)用的最大不足。 (2) 將具有自學(xué)習(xí)特性的神經(jīng)網(wǎng)絡(luò)和具有局部刻畫能力的小波結(jié)合起來所形成的小波 神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)分辨性和良好的容錯(cuò)性。但小波基的選取和神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定等 還沒有規(guī)律可循，仍需要今后繼續(xù)研究。 (3) 模糊方法與神經(jīng)網(wǎng)絡(luò)相結(jié)合可以在神經(jīng)網(wǎng)絡(luò)框架下引入定性知識(shí)，用語言描述的 規(guī)則構(gòu)造網(wǎng)絡(luò)，使網(wǎng)絡(luò)中的權(quán)值有明顯的意義，同時(shí)，保留了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)制。但 如何選取合適的隸屬度函數(shù)，使模糊集合的描述更符合系統(tǒng)的實(shí)際悄況是

16、今后研究的一 個(gè)主要問題。 (4) 還有許多其他的結(jié)合方法有待進(jìn)一步研究，如，模糊理論與故障樹的結(jié)合、小波 變換與模糊理論的結(jié)合、模糊理論與專家系統(tǒng)的結(jié)合等，這些多種方法相結(jié)合形成的混 合故障診斷方法將是今后故障診斷方法研究的重點(diǎn)。 新的數(shù)學(xué)工具為傳統(tǒng)故障診斷方法研究開辟了嶄新的途徑，主要的研究方向有： (1) 針對(duì)高維數(shù)據(jù)會(huì)給神經(jīng)網(wǎng)絡(luò)帶來結(jié)構(gòu)復(fù)雜、訓(xùn)練速度和收斂過慢等問題，將粗糙 集引入神經(jīng)網(wǎng)絡(luò)故障診斷方法引起了廣大學(xué)者的注意。粗糙集理論是山波蘭學(xué)者Pawlak Z在1982年提出的一種刻畫不完整性和不確定性的數(shù)學(xué)工具。粗糙集通過決策表簡化去 掉冗余屬性，可以大大簡化知識(shí)表達(dá)空間維數(shù)，其決策

17、表的簡化乂可以利用并行算法處 理，因此，將粗糙集理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合是很有意義的。 (2) 為了克服專家系統(tǒng)存在的知識(shí)獲取、自學(xué)習(xí)等問題，將具有并行計(jì)算、自學(xué)習(xí)能 力的遺傳算法引入專家系統(tǒng)以彌補(bǔ)其不足，成為專家系統(tǒng)研究的一個(gè)主要方向。遺傳算 法是模擬生物自然進(jìn)化過程的人工算法，具有很強(qiáng)的全局優(yōu)化搜索能力，并具有簡單通 用、魯棒性強(qiáng)、隱并行處理結(jié)構(gòu)等顯著優(yōu)點(diǎn)。遺傳算法在故障診斷專家系統(tǒng)推理和自學(xué) 習(xí)中的應(yīng)用，克服了專家系統(tǒng)存在的推理速度慢和先驗(yàn)知識(shí)很少的悄況下知識(shí)獲取困難 的障礙，具有廣闊的應(yīng)用前景。 (3) 國內(nèi)外學(xué)者對(duì)灰色理論、經(jīng)驗(yàn)?zāi)Ｊ椒纸?、混沌與分形、支持向量機(jī)等新的數(shù)學(xué)工 具在故障診斷中

18、的應(yīng)用進(jìn)行了有益的嘗試，但還有相當(dāng)多的工作需要進(jìn)行研究和探索， 這也是今后故障診斷方法研究的新方向。 3數(shù)字濾波技術(shù)在故障診斷中的應(yīng)用 基于自動(dòng)檢測技術(shù)、信號(hào)處理技術(shù)、以及人工智能和故障診斷的基本原理，成功地 把數(shù)字濾波技術(shù)應(yīng)用到實(shí)用機(jī)械的故障診斷系統(tǒng)中，針對(duì)所測量信號(hào)的特殊性，根據(jù)信 號(hào)處理的基本方法和原理，提出了智能濾波和中值濾波的方法。該方法能夠有效地抑制 所采集信號(hào)中的虛假成份，充分提取了故障診斷所需信號(hào)的全部信息，為故障診斷提供 了真實(shí)、可靠的依據(jù)。 在導(dǎo)彈測試過程中，山于大功率用電設(shè)備的頻繁開啟以及各種輻射源的存在使得導(dǎo) 彈的測試電氣環(huán)境相當(dāng)惡劣，輸入端含有各種噪聲和干擾信號(hào)，如果

19、對(duì)這些信號(hào)不加以 處理而直接進(jìn)行采集，采集出來的信號(hào)可能與信號(hào)真實(shí)值相差其遠(yuǎn)，可信度應(yīng)該說是很 低的，為了提高所得信號(hào)的可信度，必須對(duì)這些信號(hào)進(jìn)行相應(yīng)的處理。在傳統(tǒng)的模擬系 統(tǒng)中為了提高抗干擾能力，常采用硬件濾波整形電路，而在有微機(jī)組成的自動(dòng)檢測系統(tǒng) 中，為了減小干擾源對(duì)采樣的干擾，常采用數(shù)字濾波。 所謂數(shù)字濾波，就是通過一定的計(jì)算或判斷程序減少干擾信號(hào)在有用信號(hào)中的比 重，其實(shí)質(zhì)上是一種程序?yàn)V波。 數(shù)字濾波與模擬濾波相比有以下特點(diǎn)： 無須增加硬件設(shè)備，只需在程序進(jìn)入數(shù)據(jù)處理和控制算法前，加一段數(shù)字濾波程 序； 數(shù)字濾波不需增加硬件設(shè)備，所以不存在阻抗匹配的問題； 數(shù)字濾波可以對(duì)頻率很低的信號(hào)

20、實(shí)現(xiàn)濾波，克服了模擬濾波器的缺陷； 濾波器可以根據(jù)信號(hào)的不同，采用不同的濾波方法和濾波參數(shù)，實(shí)現(xiàn)一些特殊濾 波，具有靈活、方便、功能強(qiáng)的特點(diǎn)； 數(shù)字濾波極大地簡化了數(shù)據(jù)采集系統(tǒng)的復(fù)雜性，提高了系統(tǒng)的可靠性。 根據(jù)導(dǎo)彈地測設(shè)備故障診斷系統(tǒng)所測信號(hào)性質(zhì)的不同，提出并采用了以下兒種數(shù)字 濾波的方法。 （1）智能濾波法：智能濾波法乂稱為程序判斷濾波法，是預(yù)先根據(jù)測試經(jīng)驗(yàn)，確定 出采樣輸入信號(hào)可能出現(xiàn)的最大偏差若采樣值的偏差超過此偏差值時(shí)，則表明輸入 信號(hào)是干擾信號(hào)，應(yīng)去掉；如果小于偏差值，可將信號(hào)作為本次采樣值。當(dāng)采樣信號(hào)由 于隨機(jī)干擾，如大功率用電設(shè)備的啟動(dòng)或停止，造成電流的干擾或誤檢測，以及調(diào)理板

21、 不穩(wěn)定而引起的嚴(yán)重失真等，采用此法效果相當(dāng)好。根據(jù)濾波方法的不同，可分為限速 濾波和限幅濾波兩種。 （2）限幅濾波法：限幅濾波法是將兩次相鄰采樣值相減，求出其增量（用絕對(duì)值表 示），然后與兩次采樣允許的最大差值（山被控對(duì)象實(shí)際情況決定）進(jìn)行比較，若小 于或等于則取當(dāng)前值作為釆樣值；若大于則仍取上次采樣值作為本次采樣值。 程序流程圖如圖1所示，其中Y（K）、UK-】）分別為本次和上次釆樣，是經(jīng)驗(yàn)參數(shù)。 這種濾波方法主要適用于變化比較緩慢的參數(shù)，在使用此類濾波方法時(shí)，關(guān)鍵問題是如 何選取最大允許誤差勺，太大，將會(huì)引入大量的各種干擾信號(hào)，使用系統(tǒng)誤差增大； 太小，乂會(huì)使某些有用信號(hào)被拒之門外，使訃

22、算機(jī)采樣效率變低，III此也可能使控制 系統(tǒng)達(dá)不到預(yù)期的效果，因此如何選取門限至關(guān)重要，通常此數(shù)依幕試驗(yàn)獲得。 圖1限幅濾波流程圖 （3）限速濾波法：限幅濾波使用兩次釆樣值來決定采樣結(jié)果，而限速濾波則最多可 用三次采樣值來決定采樣結(jié)果。其原理是，當(dāng)P（K）-1）|3時(shí)，不像限幅濾波其 那樣，用丫（1）作為本次采樣，而是再來一次，取得丫（3）,然后根據(jù)卩（3）一2）|與的 關(guān)系來確定本次采樣值。其具體的判決如下。 圖2限速濾波流程圖 設(shè)采樣時(shí)刻、13所采集的參數(shù)分別是：丫、丫（2）、丫（3）,那么： 、“F（2）-y（i）|s時(shí)，丫作為采樣值輸入計(jì)算機(jī)； “，Jy（2）-y|時(shí)，卩）不釆用，但仍

23、保留，繼續(xù)釆樣得P）； 、（3）-Y（2）S時(shí)，丫（3）作為釆樣值輸入計(jì)算機(jī)； 當(dāng)|丫（3）-丫（2）|3時(shí),則?。ㄑ荆?） + 丫（3）/2輸入計(jì)算機(jī)。 限速濾波是一種折衷的方法，既照顧了采樣的實(shí)時(shí)性，乂顧及了采樣值變化的連續(xù) 性，但這種方法也有明顯的缺陷，首先是的確定不夠靈活，必須根據(jù)現(xiàn)場情況不斷地 更換新值；不能反映采樣點(diǎn)數(shù)N3時(shí)，各采樣數(shù)值受干擾惜況。此濾波程序流程圖如圖2 所示。 （4）中值濾波法：所謂中值濾波法就是對(duì)某一個(gè)參數(shù)連續(xù)采樣n次（一般n取奇 數(shù)），然后把n次采樣值從小到大或從大到小排列，把區(qū)間中間值作為本次采樣值，中 值濾波對(duì)于山于偶然因素引起的波動(dòng)或采樣器不穩(wěn)定而造成的

24、誤差引起的脈動(dòng)干擾比較 有效。若變量變化比較緩慢，濾波效果就較好，對(duì)于速度變化快的信號(hào)則不適用此法， 中值濾波其設(shè)計(jì)的實(shí)質(zhì)就是排序，經(jīng)過試驗(yàn)，這種濾波方法對(duì)于比較穩(wěn)定的直流小信號(hào) 電壓的測量還是很湊效的。其程序流程如圖3所示。 圖3中值濾波流程圖 (5) 平均濾波法：在各種控制測量場所，經(jīng)常會(huì)遇到尖脈沖干擾現(xiàn)象。干擾通常只 影響到個(gè)別采樣點(diǎn)的數(shù)據(jù)，此采樣點(diǎn)的數(shù)據(jù)與其他采樣點(diǎn)的數(shù)據(jù)相差其大，如用一般平 均值法，則將干擾平均到計(jì)算結(jié)果中去，故平均法不易消除脈沖干擾的影響。為此，可 采取先對(duì)N個(gè)采樣值進(jìn)行比較，去掉其中最大的和最小的一個(gè)或兒個(gè)值，然后計(jì)算余下 點(diǎn)的平均值，這種方法不僅可以濾除脈沖干擾，也可濾去小的隨機(jī)干擾，經(jīng)試驗(yàn)，N取4 比較合適。 山于故障診斷系統(tǒng)測量的信號(hào)不管是種類還是數(shù)量都特別的多，有交流電也有直流 電，有強(qiáng)電也有弱電，如果處理上稍有不慎就會(huì)使信號(hào)之間相互影響，相互干擾，特別 是一些小信號(hào)很容易被干擾信號(hào)或噪聲所淹沒，面對(duì)這種悄況，從軟件入手采用數(shù)字濾 波的方法對(duì)系統(tǒng)進(jìn)行改進(jìn)將達(dá)到很好的效果。 4故障診斷技術(shù)的發(fā)展前景 隨著各種技術(shù)及方法的發(fā)展，預(yù)計(jì)故障診斷技術(shù)將向以下兒個(gè)方向發(fā)展： (1) 與當(dāng)代最新傳感器技術(shù)，尤其