华北电力大 (学北京)硕士学位论文
1 )信号采集。设备在运行过程中必然会有力、热、振动及能量等各种量的变化，由此会产生 各种不同信息。根据不同的诊断需要，选择能表征设备工作状态的不同信号，如振动、压力、温度等是十分必要的。这些信号一般是用不同的传感器来拾取的。这一步主要和监测技术、传感器技术及电子技术有关。目 前已有多种方法，如拉信号测取方式不Rx可将故障诊断分为振动、声学、温度、铁谱分析、压力、电参数、表面形貌、污染物和光学振动等。
2 )信号的处理变换及特征提取分析。就是从状态信号中提取与设备故障有关的特征信息。当特征信号为静态信号 时，特征信号既是征兆。对征兆的取值进行检验，看其是否在允许范围，然后作出决策。当特征信号为动态信号时，首先要根据情况选择既能反映动态功能
指标，又便于测取的特征信号组；其次是通过对特征信号分析提取便子决策的征兆；最后根据征兆、标准模式和某种判别准则，识别系统故障。这个环节主要依靠数学工具，如 F T Z变换、小波变换、相关函数及功率谱 F 3等信号处理技术，嫡谱分析、J散度、学习子空间法及主分量分析等特征提取分析技术。目前，特征向量或特征元素的构造推动了信号处理技术中信息的集成和融合
技术的发展，其典型实例是三维全息谱图的发明和三维轴心轨迹图的实际应用。分析几何法和计算机图形识别则是向更高水平发展。还有，用子波理论选取设备故障的特征信号，再用 A N网或 K hnn N ooe网对故障进行分类，用神经网络进行信号预处理中的噪声消除，特征提取分析。 3 )设备的状态识别及故障定位。
将经过信号处理后 获得的设备特征参数与规定的允许参数或辨别参数进行比较、对比以确定设备所处的状态，是否存在故障及故障的类型和性质等。为此应正确指定相应的判别准则和诊断策略。
该步目 前主要有数学分析、控制论、系统辨识、人工智能和模式识别多种方法。 4 )作出诊断决策和趋势预测，千预设备及其工作过程。状态监测的任务是使系统不偏离正常功能，并预防功能失效，在监视的基础上 进行诊断。当系统一旦偏离正常功能，则必须进一步分析故障产生的原因，这时的工作可理解为故障诊断。如果事先已对机器可能发生的故障模式进行分类，那么诊断问题就化为把机器的现行工作状态归入那一类的问题。因此，故障诊断实质上是一类模式分类问题。故障诊断的过程如图所示。