学科前沿结课论文：故障诊断技术发展现状及趋势故障诊断技术发展现状及趋势大学里开设的课程总是异彩纷呈，可以无限地满足我们学生求知欲和好奇心，似乎无论我们对哪一方面感兴趣，总可以在琳琅满目的课程条目中找到自己的归宿。
然而，本学期我院开设的学科前沿专题，却在众多的课程中独领风骚，展现出了其独特的魅力，其专业性、尖端性，在学术领域给我们打开了新的窗户，使我们眼前一亮。
学科前沿是指某一学科中最能代表该学科发展趋势制约该学科当前发展的关键性科学问题、难题及相应的学说。
在短短三周的时间里，我们有幸参加学习了电气工程学院仪器科学与技术方面五位最优秀的老师的讲座。
一周两位老师，一百分钟，一个领域；两节课，一项前沿研究，无疑全是精华中的萃取，而对于我们学生而言，则更是一场知识盛宴，带给我们完全优于课本，来自时代尖端的知识风暴。
下面我将就自己这三周的所学，总结每位老师讲授的前沿知识，并着重介绍故障诊断技术发展现状及前景。
学科前沿体验课小结王书涛老师讲授的光纤传感前沿专题，分析了近年来世界范围内光纤传感器技术的应用和发展"与传统的各类传感器相比!光纤传感器有一系列独特的优点。
如灵敏度高，抗电磁干扰，耐腐蚀，便于实现多路技术，结构简单、体积小、重量轻、耗电少等。
应力、温度、气压是目前应用最广泛的光纤传感器，而光纤光栅传感是目前研究最广泛的光纤传感技术。
光纤陀螺仪、光纤电流传感器是比较成熟的光纤传感器，已成功地实现了商业化。
在最后，讨论了在应用光学动态发展中光纤传感器的技术与商业发展趋势。
时培明老师讲的故障诊断，对故障诊断的发展进行回顾，并对国内外故障诊断的研究现状进行了述评和归纳，同时指出了目前各种智能诊断方法和技术的特点及局限性。
具体讨论了基于过程历史数据法中支持向量机。
最后指出了智能故障诊断今后的发展趋势，即基于机器学习的集成型智能故障诊断系统。
侯培国老师讲授的汽车发展给我留下了深刻的印象。
随着世界汽车工业的快速持续发展，目前全球汽车保有量已从2009年的9.8亿辆跃升至2010年的10.15亿辆。
据预计，到2050年这一数字将升至25亿辆。
节节攀升的汽车保有量伴随着能源短缺、环境污染的问题日益突显，使得汽车工业面临严峻的挑战，新能源汽车已成为全球汽车工业应对能源和环境挑战的必然选择。
本文通过分析国内外新能源汽车的发展现状，指出适合我国现阶段新能源汽车发展的路线及方向。
田广军老师讲的三维萤光光谱，原理是：一般荧光测量所得到的光谱图是二维平面图,一种是固定发射波长,取萤光强度随激发波长变化的激发光谱图。
另一种是固定激发波长,取灸光强度随发射波长变化的萤光光谱图。
实际上,荧光强度取决激发和发射两个波长变化,是二元函数。
使激发和发射两个波长词时变化,记录到的荧光强度就是三维萤光。
获得三维萤光信息的方式，基本措施可分为两类：其一是逐线合成或同步扫描,数据由人工或计算机处理,其二是采用正交双多色器成光学平面图象,光电管空间掩摸接收或闭路电视接收。
两者均能给出等强度线图和等距投影图。
付荣荣老师讲的脑机接口技术。
脑机接口技术是在人脑与计算机或其他电子设备之间建立的直接的交流和控制通道，通过这种通道，人就可以直接通过脑来表达想法或操纵设备 ,而不需要语言或动作 ,这可以有效增强身体严重残疾的患者与外界交流或控制外部环境的能力，以提高患者的生活质量。
脑-机接口技术是一种涉及神经科学、信号检测、信号处理、模式识别等多学科的交叉技术。
脑机接口系统原理：神经科学的研究表明，在大脑产生动作意识之后和动作执行之前，或者受试主体受到外界刺激之后，其神经系统的电活动会发生相应的改变。
神经电活动的这种变化可以通过一定的手段检测出来，并作为动作即将发生的特征信号。
通过对这些特征信号进行分类识别，分辨出引发脑电变化的动作意图，再用计算机语言进行编程，把人的思维活动转变成命令信号驱动外部设备，实现在没有肌肉和外围神经直接参与的情况下，人脑对外部环境的控制。
这就是脑机接口的基本工作原理。
脑机接口系统由信号的产生、处理、转换、输出以及开关和时钟等单元组成。
包括源信号的获取、信号的产生、信号的检测、信号的处理、脑机接口特征提取、特征信号的分类识别。
故障诊断技术发展现状及趋势随着现代科学技术水平的日益提高，尤其是计算机科学和控制科学的飞速发展，现代控制系统的结构日益复杂，功能越来越完善，规模也越来越庞大，人们对于设备的安全性、可靠性和有效性的要求也越来越高，因此故障诊断技术愈来愈受到人们的重视。
在部队中对系统、设备的安全要求更高，对快速、准确、高效的故障诊断技术的需求更迫切。
比如在军队油料储运过程中，油泵房是管道输油中最关键的场所，泵房的运行管理水平的高低直接关系着输油能否安全、平稳、高效、低能耗和部队保障能力的好坏。
而目前，油料储运过程在用故障诊断模式主要为人工巡检获取故障征兆，基于专家经验实施人工故障诊断。
在油库泵房的具体工作过程中，由于其工作环境恶劣、工作状态复杂，当故障发生时，很难及时准确地判断故障发生的部位及原因。
因此，如何将人工诊断模式转变为自动诊断模式，实时获得低误报率和低漏报率的故障检测与诊断结果，是进一步提高油料储运安全与稳定的前提。
1.故障诊断技术发展概述众所周知，基于解析冗余的故障诊断技术是从二十世纪七十年代初首先在美国发展起来的。
1967 年，在美国宇航局和海军研究所的倡导和组织下，成立了美国机械故障预防小组（MFPG），对故障诊断技术分专题进行研究。
1971 年，麻省理工学院的Beard发表的博士论文 [1] 和Mehra和Peschon发表在Automatica 上的论文 [2] ，首先提出了用软件冗余代替硬件冗余、通过系统自组织使系统闭环稳定、通过比较器的输出得到系统故障信息的新思想，标志着控制系统故障诊断技术的开端。
在国内，第一篇故障诊断技术的综述文章 [3] 由叶银忠等人于1985年在《信息与控制》上发表； 1994 年，清华大学出版社出版了国内第一本动态系统故障诊断技术的学术专著，即周东华等人编写的《控制系统的故障检测与诊断技术》[4] 。
随后几年又有新的论文发表和学术专著出版。
1990年，国际控制系统故障诊断权威、德国杜伊斯堡大学的P.M.Frank教授将基于软件冗余的故障诊断方法划分为三大类 [5] ：基于解析模型的方法、基于知识的方法和基于信号处理的方法。
基于解析模型的故障诊断方法是最早发展起来的，适用于被控过程能够建立精确的数学模型。
基于信号处理的故障方法适用于那些虽然被控对象的精确的解析数学模型很难建立，但是可以得到输入输出信号的被控过程。
基于知识的故障诊断方法则适用于被控对象的数学模型和输入输出信号都不能得到的被控过程。
在理论研究的深入和相关领域的发展的同时, 各种新的诊断方法也层出不穷，上述划分方式已不是十分准确，尤其对于工业过程故障诊断领域发展起来的新方法更是如此。
如控制图方法、主元分析法(PCA)和部分最小二乘法(PLS)等与统计学有关的方法，归为信号处理的方法并不恰当。
此外基于图论的一些方法，把它们归于基于知识的方法也不是很合适。
美国Purdue 大学Venkatasubramanian 教授将控制系统故障诊断方法分为：基于定量模型的方法、基于定性模型的方法和基于过程历史数据的方法三大类 [6] ，突出了基于数据驱动的故障诊断知识获取方式。
2.故障诊断方法及其研究现状2.1基于定量模型的方法基于定量模型的方法是发展最早、研究最系统的一种故障诊断方法。
它随着解析冗余思想的提出而形成发展，指导思想是用解析冗余取代硬件冗余，通过比较诊断对象的可测信息和由冗余数学模型表达的系统先验知识，产生残差，并对残差进行分析和处理，获取故障信息，从而实现故障诊断 [7] 。
基于定量模型的故障诊断方法分为基于状态估计的方法和基于参数估计的方法。
（1）基于状态估计的故障诊断方法。
由于被控过程的状态直接反映系统的运行状态，所以只要估计出系统的状态，并结合适当的模型即可对被控对象进行故障诊断。
这种方法首先利用系统的解析模型和可测信息，重构系统的被控过程，构造残差序列，残差序列中包含丰富的故障信息，再对残差进行分析处理，从而实现故障的检测与诊断 [8] 。
残差序列通过设计检测滤波器(观测器)产生。
通常可用Luenberger 观测器及卡尔曼滤波器进行状态估计。
如Caliskan将Kalman 滤波器用于传感器的故障检测 [9] 。
Keller 则仔细分析了用于故障诊断的Kalman 滤波器的结构，并对其残差进行了解耦，使得能够同时检测多个传感器故障 [10] 。
国内应用kalman滤波器进行故障诊断的方法如文献 [6] 采用卡尔曼滤波器组，建立航空发动机控制系统传感器故障诊断系统，实现对单个传感器故障的检测、隔离与重构（FDIA），并分析了测量噪声对故障诊断系统性能的影响，为发动机在线传感器故障诊断系统的实现提供了理论依据。
基于状态估计的故障诊断方法依然是人们研究的一个热点。
状态估计方法，在能获得系统的精确数学模型的情况下，是最简单、有效的故障诊断方法。
然而由于实际控制系统大多是非线性系统，且非线性系统对象的数学模型很难建立，所以基于状态估计的故障诊断方法研究主要集中于线性系统，对非线性系统的研究成果还比较少。
目前处理非线性系统主要有两种方法，一是将非线性系统整体或局部线性化，二是基于非线性观测器和参数估计的方法。
（2）基于参数估计的故障诊断方法。
参数估计的故障诊断方法是根据模型参数及相应的物理参数的变化量序列的统计特性来进行故障诊断。
其基本思想是根据系统参数及相应的过程参数变化来检测故障。
因为被诊断对象的故障可以视为其过程参数的变化，而过程参数的变化又往往导致系统参数的变化。
基于参数估计的故障诊断方法主要有滤波器方法和最小二乘法。
参数估计方法与状态估计方法相比，前者更利于故障的分离，但计算量偏大。
2.2基于定性模型的方法基于定性模型的故障诊断方法不需要系统精确的数学模型。
基于定性模型的方法把过程特性的外部表现和人类专家对故障判断和处理的经验，通过抽象化方法直接建立各种过程变量与故障模式之间的定性模型，对系统进行推理，预测系统的定性行为，通过与实际的系统行为比较，检测系统是否发生故障，并诊断系统的故障原因 [8] 。
基于定性模型的方法可以分为因果模型方法和抽象层次方法，主要包括定性过程理论法(QPT)、定性仿真法(QSIM)和知识观测器法、定性观测器法(QOB)、有向图方法(SDG)、故障树方法(fault tree)等。
其中，定性仿真方法是基于定性模型的故障诊断方法的重要部分。
定性仿真方法于1994 年由Kuipers提出，它依据系统的故障模型进行诊断推理。
该方法首先利用定性变量（系统物理参数）和定性微分方程（参数间相互关系）构造约束模型，然后通过约束模型描述和模仿系统的结构，从而得到由约定初始状态出发的系统状态。
