下载文档原格式
电机故障诊断与维修技术的最新发展动态随着电机在工业和家用领域的广泛应用，电机故障的诊断和维修技术也日益受到关注。
因为电机故障会导致生产中断、设备损坏和能源浪费，准确快速的故障诊断和有效的维修方法对于保障设备的正常运转和提高工作效率至关重要。
本文将介绍电机故障诊断与维修技术的最新发展动态。
首先，无刷电机故障诊断与维修技术是目前研究的热点之一。
无刷电机由于结构复杂，故障分析和诊断较为困难。
然而，随着传感器技术和信号处理技术的不断进步，无刷电机故障诊断与维修技术也得以提升。
研究显示，基于故障特征提取和分析的无刷电机故障诊断方法已取得一定的成果。
例如，通过监测电机电流和振动信号，结合故障特征提取算法，可以准确诊断出电机轴承故障、绝缘故障以及短路等常见故障，为无刷电机的维修提供了指导。
其次，基于智能化技术的电机故障诊断与维修技术也日益受到关注。
智能化技术的应用使得电机故障诊断和维修更加精准和高效。
例如，利用物联网技术，可以将电机的运行数据实时传输到云端进行大数据分析，通过机器学习算法对电机故障进行预测和诊断。
这种基于智能化技术的电机故障诊断方法不仅能够提前发现潜在故障，还可以实现远程监控和远程维修，大大提高了设备的可靠性和运行效率。
此外，虚拟现实技术在电机故障诊断与维修中的应用也展现出巨大的潜力。
虚拟现实技术可以通过模拟电机内部结构和工作状态，帮助维修人员更直观地分析故障原因和制定维修方案。
维修人员可以利用虚拟现实技术进行模拟操作和实验，降低实际维修中可能出现的风险和损失。
虚拟现实技术的应用不仅提高了电机故障诊断的准确性，还可以节省维修成本和时间。
最后，电机故障诊断与维修技术的发展还面临一些挑战。
首先，电机故障诊断和维修需要专业知识和技能，对维修人员的要求较高。
因此，在培养和选拔合适的维修人员方面还需要进一步加强。
其次，电机故障诊断通常需要依赖于传感器和监测设备，而这些设备的准确性和可靠性对于故障诊断结果的影响很大。
电力系统故障诊断的研究现状与发展趋势随着我国经济建设的发展，电力的需求越来越大，电力系统的正常运行不仅关系到城乡百姓的生活质量，也关系到地区经济的发展。
因此，提高电力系统故障诊断符合社会发展需求。
本文将对电力系统故障诊断技术展开探讨，电力系统故障诊断现状和发展趋势进行分析。
标签：电力系统;故障诊断;现状;发展电力系统故障产生的原因多种多样，气候的变化和人为因素都将导致电力系统故障的出现。
今年来随着经济建设的发展，电网企业规模在不断扩大，电网结构越来越复杂，各个区域的联系也越来越紧密，故障的发生几率也在不断增加。
加强电力系统故障诊断是确保电网企业正常运行的有效手段。
一、电力系统故障诊断概述随着当前电网企业规模的不断扩大和业务量的增加，电网结构越来越复杂。
在复杂的电网结构中，往往会由于各种因素的影响，在运行过程中发生各类故障。
由于电网企业业务覆盖范围较大，故障的发生将给地区电力运营带来重要影响，因此，加强电力系统的故障诊断成为电网企业重要工作。
变压器是电力系统的重要构成之一，是电力系统故障诊断中重点环节。
在变压器故障诊断中，又有内部诊断和外部诊断之分，相比较而言，内部诊断更为复杂，主要对由于局部温度过高产生的故障和绝缘性能降低產生的故障进行诊断。
二、电力系统故障诊断的研究现状从我国改革开放以来，我国电力系统故障诊断技术也在不断研究和探索中。
由于我国此类工作开展较晚，依然存在较多的困难，但是在逐渐的探索中也取得了许多骄人的成绩，形成了一些符合我国电力系统实情的故障诊断理论。
（一）专家系统1.专家系统的特点我国电力系统诊断中专家系统理论被广泛应用，专家系统电力故障诊断利用了计算机技术，通过计算机程序对电力系统进行检测，具有较高的智能化特点，通过人工智能在一定的规则范围下进行推理，解决以往只有在专家层面才能够解决的现实问题。
2.专家系统的应用随着我国电力技术的不断发展，电力系统所应用的设备越来越复杂，自动化程度越来越高，给电力系统故障诊断提出了更高的要求。
国内外对电动机故障研究状况电动机故障研究是电机领域的重要研究方向，对于电动机的可靠性和运行维护具有重要意义。
国内外学者在电动机故障研究方面进行了大量的研究，涉及电动机故障诊断、故障预测与预防、故障定位等多个方面。
一、电动机故障诊断研究电动机故障诊断是通过对电动机运行状态的监测和分析，识别故障的类型和位置。
国内外学者在电动机故障诊断方面进行了广泛的研究，涉及到多种诊断方法和技术。
常见的电动机故障诊断方法包括振动分析、声学分析、温度分析、电流分析等。
其中，振动分析是一种常用的诊断方法，可以通过振动信号的频谱分析、时域分析等方法，识别电动机故障的类型和严重程度。
二、电动机故障预测与预防研究电动机故障预测与预防是通过对电动机运行状态的监测和分析，提前识别潜在的故障，并采取相应的预防措施。
国内外学者在电动机故障预测与预防方面进行了不少研究，主要集中在故障指标提取、故障预测模型建立和预防措施制定等方面。
常见的电动机故障预测与预防方法包括模型识别方法、遗传算法、神经网络等。
这些方法可以通过对电动机运行状态数据的统计分析和建模，预测电动机的故障发生概率，从而提前采取相应措施。
三、电动机故障定位研究电动机故障定位是在发生故障后，通过分析和处理故障信号，确定故障的具体位置。
国内外学者在电动机故障定位方面进行了一些研究，主要涉及到故障信号处理、故障特征提取和故障位置定位等方面。
常见的电动机故障定位方法包括小波变换、小波包变换、改进的Hilbert-Huang变换等。
这些方法可以通过对故障信号进行分解和分析，提取故障特征，并结合模式识别方法，确定故障的位置。
总的来说，国内外对于电动机故障研究进行了广泛的探索和研究，涉及到故障诊断、故障预测与预防、故障定位等多个方面。
这些研究成果为电机在实际运行中的故障分析和维护提供了重要的理论和技术支持，有助于提高电动机的可靠性和运行效率。
电力系统故障诊断研究现状及发展摘要：电力系统的产生和发展使得电网的规模出现了比较大的变化，其构成越来越复杂，不同区域的联系也更加紧密，其能源管理和数据收集监督系统在其网络中已经被广泛应用，这里存在着一个问题，就是系统中发生故障的几率会增大，对电力系统稳定性产生较大的影响，所以对于电力系统故障诊断研究具有重要的意义。
关键词：电力系统故障诊断现状目前，国内外提出了许多电力系统故障诊断的技术和方法，主要有专家系统、人工神经网络、优化技术、Petri网络、粗糙集理论、模糊集理论、贝叶斯网络、多Agent技术和基于故障录波器信息等方法。
一、电力系统故障诊断国内外研究发展状况一是基于专家系统原理的电力系统故障诊断。
专家系统(expert system)是发展较为早的，并且是比较成熟的一种人工智能技术。
在上个世纪70年代，一些专家就把专家系统引进到电力系统损坏诊断的研究领域，其特点与电力系统故障诊断问题有很多想象的地方，因此运用此法的诊断研究时间较为长。
将专家系统的优化智能模型结合在一起，发挥各自的长处，并有效与模糊理论结合，可以改善专家系统的容错能力，这也是近些年专家系统发展的主要趋势。
二是基于人工神经网络的电力系统故障诊断。
基于人工神经网络(artificialneural network，ANN)的故障诊断方法具有性能好、容错率强和学习能力强等特点。
目前，针对ANN收敛性和容易陷入局部最小局部问题，比如将遗传优化算法、群智能算法与这种方法结合起来，对其进行网络演练，可以大幅度改善ANN的性能。
目前对于ANN怎样更好地适应电力系统在线故障诊断是今后一段时期重要的研究方向。
三是基于优化技术的电力系统故障诊断。
采用优化算法需要根据其电网故障的特点，假设事故发生的目标函数（或适应度函数），并且要根据适应度对假象事故进行不断更新，直到找到适应度最大的假象事故集，把它作为最终诊断的结果。
四是基于Petri网络的电力系统故障诊断。
电机故障诊断与智能维修方法研究引言：电机是现代工业生产中最常用的动力装置之一，其正常运行对于生产过程的稳定性和效率至关重要。
然而，电机故障是不可避免的，而及时准确地诊断故障并进行智能维修将极大地提高生产效率和降低维修成本。
本文将介绍电机故障诊断与智能维修的研究现状、方法和技术，并探讨其中的挑战和未来发展方向。
1. 电机故障诊断方法的研究进展1.1 传统的电机故障诊断方法传统的电机故障诊断方法主要基于经验和专业技能，通过人工观察、测量和分析来判断电机是否存在故障。
这种方法存在主观性强、效率低下和易受人为因素影响的缺点，对于复杂的故障诊断常常难以达到准确性和及时性的要求。
1.2 基于机器学习的电机故障诊断方法近年来，基于机器学习的电机故障诊断方法逐渐被引入，在一定程度上弥补了传统方法的不足。
这种方法通过建立电机故障诊断模型，利用历史故障数据和传感器数据进行训练，从而实现对电机故障的智能诊断。
常用的机器学习算法包括支持向量机、决策树、神经网络等。
这些方法在电机故障诊断方面取得了一定的成功，但仍面临着数据标注困难、样本不平衡、算法复杂等问题。
2. 智能维修方法的研究进展2.1 传统的电机维修方法传统的电机维修方法主要依赖于经验和技术，通常需要对故障电机进行拆解、清洗、更换故障部件等手动操作。
这种方法存在工作量大、维修周期长、维修成本高的问题，同时可能会引入新的故障或损伤。
2.2 基于机器人技术的智能维修方法随着机器人技术的发展，基于机器人技术的智能维修方法逐渐受到关注。
这种方法利用机器人装置和传感器来实现对电机的自动化维修。
机器人能够根据预先设定的维修方案，对电机进行拆解、检测、维修和组装等操作，大大提高了维修效率和准确性。
然而，智能维修方法仍面临着对复杂故障的处理能力有限、维修机器人的成本高昂等问题。
3. 挑战与展望电机故障诊断与智能维修的研究仍面临着许多挑战和问题。
首先，电机故障的种类繁多，诊断算法需要具备对各类故障的识别能力。
电气设备的故障检测与维护技术发展现状在当今高度工业化和信息化的时代，电气设备在各个领域都扮演着至关重要的角色，从工业生产到日常生活，从能源供应到交通运输，几乎无处不在。
然而，随着电气设备的广泛应用和不断升级，其故障检测与维护技术也面临着新的挑战和机遇。
本文将深入探讨电气设备故障检测与维护技术的发展现状，旨在为相关领域的研究和实践提供有益的参考。
一、电气设备故障检测技术的发展（一）传统故障检测方法传统的电气设备故障检测方法主要依赖人工巡检和定期测试。
人工巡检通过观察设备的外观、闻气味、听声音等方式来判断设备是否存在异常。
这种方法虽然简单直观，但效率低下，容易受到检测人员经验和主观因素的影响，而且对于一些潜在的故障难以发现。
定期测试则包括绝缘电阻测试、耐压测试等，能够在一定程度上检测出设备的电气性能故障，但无法实时监测设备的运行状态。
（二）基于传感器的监测技术随着传感器技术的不断发展，越来越多的电气设备开始配备各种传感器，如温度传感器、湿度传感器、电流传感器、电压传感器等。
这些传感器能够实时采集设备的运行参数，并将其传输到监测系统中进行分析。
通过对这些参数的监测和分析，可以及时发现设备的异常情况，如过热、过流、短路等故障。
此外，基于传感器的监测技术还可以实现远程监测，大大提高了故障检测的效率和及时性。
（三）智能故障诊断技术智能故障诊断技术是近年来电气设备故障检测领域的研究热点。
该技术主要包括基于专家系统的诊断方法、基于神经网络的诊断方法和基于模糊逻辑的诊断方法等。
基于专家系统的诊断方法通过将专家的经验和知识转化为规则库，利用推理机对设备的故障进行诊断。
基于神经网络的诊断方法则通过对大量的故障样本进行学习和训练，建立故障诊断模型，能够自动识别和诊断设备的故障。
基于模糊逻辑的诊断方法则可以处理设备故障中的不确定性和模糊性，提高诊断的准确性。
二、电气设备维护技术的发展（一）预防性维护预防性维护是指在设备未发生故障之前，按照预定的时间间隔和维护计划对设备进行维护和保养。
电机故障诊断技术的现状及应用随着工业生产的不断发展，电机作为工业生产中的重要设备，在生产过程中发挥着重要作用。
然而，在使用电机的过程中，电机故障的发生是不可避免的。
电机故障的产生可能导致生产效率降低、生产成本增加、设备维修费用增加等一系列负面影响。
因此，对电机故障进行准确快速的诊断显得尤为重要。
目前，电机故障诊断技术已逐渐成熟并被广泛应用。
常见的电机故障诊断技术包括霍尔效应测量、断路器测试、绝缘电阻测试、电机绝热性测试、电机运行参数测试等。
其中，电机运行参数测试是一种非常有效的方法。
通过对电机的电流、电压、功率因数、转速等参数进行测量，结合一定的分析方法，诊断故障的类型和位置，可以快速处理电机故障，提高生产效率。
值得注意的是，电机故障诊断技术的应用并不仅限于生产领域。
随着现代汽车的不断普及，电动机在汽车中的应用越来越广泛。
采用电机驱动的汽车需要能够准确诊断电机故障，避免出现意外。
此外，在飞机等大型交通运输工具中，电机也是不可或缺的配件。
若出现电机故障，可能导致重大后果。
因此，对电机进行准确诊断显得尤为重要。
值得注意的是，电机故障诊断技术的应用并不仅限于生产领域。
随着现代汽车的不断普及，电动机在汽车中的应用越来越广泛。
采用电机驱动的汽车需要能够准确诊断电机故障，避免出现意外。
此外，在飞机等大型交通运输工具中，电机也是不可或缺的配件。
若出现电机故障，可能导致重大后果。
因此，对电机进行准确诊断显得尤为重要。
当前，电机故障诊断技术在信息技术的支持下得以更好地应用。
借助于互联网的发展，许多企业和供应商已经将电机故障诊断技术融入到其生产线中，以提高其生产效率和质量。
除此之外，借助于现代信息技术，电机故障诊断技术也逐渐被运用于智能家居等领域。
一些家用电器生产商引进了先进的电机故障诊断技术，并将其融入到家用电器中，使家用电器具备了更高的安全性和可靠性。
总之，电机故障诊断技术的应用范围越来越广，技术也越来越成熟。
浅谈电网故障诊断的研究现状和发展趋势1. 引言1.1 研究背景电网故障诊断是电力系统运行中的重要环节之一，通过对电网中发生的故障进行及时准确的诊断，可以有效降低事故对系统的影响，确保电力系统的安全稳定运行。
随着电力系统规模的不断扩大和复杂度的增加，电网故障诊断的难度也在逐渐加大。
对电网故障诊断领域的研究具有重要的现实意义和深远的发展影响。
电网故障诊断的研究背景主要包括以下几个方面：随着我国电力行业的快速发展，电力系统规模不断扩大，电网的安全稳定性面临更大的挑战；新能源的大规模接入使电力系统结构发生了较大变化，给电网故障诊断带来了新的难题；随着数字化技术的不断发展，电网故障诊断方法也得以不断创新和完善。
深入研究电网故障诊断的现状和发展趋势，对进一步提高电力系统的安全稳定性和运行效率具有重要意义。
1.2 研究意义电网故障诊断是电力系统运行中的重要环节，对于确保电网的安全稳定运行具有至关重要的意义。
通过对电网故障进行及时准确的诊断，可以有效地降低事故发生的可能性，提高电网运行的可靠性和安全性。
电网故障诊断还可以帮助运营商和维护人员快速定位问题，并采取相应的措施进行修复，从而减少系统停运时间，提高电力供应的持续性和可用性。
随着电力系统规模的不断扩大和电网结构的不断复杂化，电网故障诊断面临越来越多的挑战和难题。
对电网故障诊断的研究具有重要意义。
在当前技术日新月异的时代，探索电网故障诊断的新方法和新技术，提高电网故障诊断的准确性和效率，不仅可以提高电力系统的安全性和可靠性，还可以为电力系统的智能化发展提供重要支撑。
深入研究电网故障诊断的意义重大且紧迫，有望为电力系统的可持续发展注入新动力。
2. 正文2.1 电网故障诊断的现状电网故障诊断是电力系统运行中非常重要的一环，它直接关系到电力系统的安全稳定运行。
目前，电网故障诊断的现状可以总结为以下几点：传统的电网故障诊断方法主要依靠经验和手动分析，存在着诊断准确度低、效率低、成本高等问题。
电动汽车永磁同步电机故障诊断研究的国内外文献综述1.1 国外电动汽车永磁同步电机故障诊断现状当传统汽车正式步入市场时，故障诊断技术就贯穿了设计研发生产的全部环节。
最初的汽车故障诊断基本都是通过各个维修工厂维修员采用手动调试以及结合长期的维修经验的方式来判断汽车故障具体的发生点与产生故障的原因。
随着汽车工业的不断发展，大量的智能电气结构被不断的融入到汽车制造中，为更加方便快捷的智能诊断技术提供了可行性。
在起始阶段，维修技术人员使用各种辅助性诊断工具，对汽车进行诊断。
永磁同步电机故障诊断研究及实现永磁同步电机（Permanent Magnet Synchronous Motor, PMSM）则是以同步电机为基础的进一步发展，定子结构仍然与传统的同步电机相类似，其主要特点主要在其内部结构中采用了三相对称式分布的定子绕组，同时产生的感应波形为正弦波。
而在转子结构上则采用了无绕组的设计方式，其组合构造方面主要由电枢铁芯、永磁体、转子轴承等几个部分来进行搭建。
PMSM 的转子可以依据永磁体在转子上安装的不同位置结构来归为三种形式，具体结构如图1-1 所示。
图1-1 转子结构类型转子结构类型电机故障诊断技术在通常情况下是在电机工作状态中，对其各项工作状态的数据参数进行监控和分析，然后依据分析结果来判断电机是否处于故障状态，同时还需要对故障的严重程度，发生故障的位置信息，以及发生的故障类别来进行判断和归类。
日本在1965年就开始对电动汽车技术的研发。
永磁同步电机的性能优越，可靠性高、质量轻等优点与其优异的稳定性能，在日本的汽车企业制造领域非常的受欢迎。
丰田汽车公司于1996年就开启了先例，在电动汽车RA V4使用由东京汽车公司的插电式永磁同步电机作为这款电动汽车的主要动力电机。
据记载当时日本富士电子研究所开发制造生产出来的永磁同步电机最大功率就能达到50KW，而且这款电机的转速高达1300/rm。
日产公司在1998年为了研制的新一代电动微型客车选择了在美国加利福尼亚州投入研究开发使用。
国内外对电动机故障研究状况
感应电机电机本身的状态检测与电机故障的原因诊断是指对感应电机运行中的有关参数进行在线检测（如电压、电流、转速等），并采取合适的方法对感应电机当时的运转状态、情况进行评估；如果电机处于故障的情况，就要对故障发生的原因、故障的类别、严重情况和它将来的发展方向进行更深层次地确定。
感应电机修理制度的改革就是由于这一项科技的出现引发的，由此之后，传统的故障修理方法（故障发生后在采取维修）就向预测性修理方法（先知道电机状态并根据具体情况安排维修时间）迈进。
故障分析系统能够通过向现场人员提供电机当前的状态信息，来提前安排出时间来组织人员进行预防性的修理，从而减少甚至避免进一步恶劣发展的事故，因此它是有跨时代的意义的。
1960年至1970年，美国首先出现了机械故障诊断，这种诊断最开始的目标是通过检测来避免航天设备和军事一起的异常故障。
经过了十多年的发展，它开始在大型电机中广泛应用。
在1987年，Tavner P.J与Penman j. 首次发出了电机状态检测与故障诊断是密切相关的，它们是一个整体[9]。
在当今社会，美国在航天、军事等顶尖科技领域的故障诊断技术依旧领先于全世界，英国在汽车、飞机的发动机方面的监测诊断科技处于领先地位，而钢铁技术、化学工业、铁轨道路等工业的诊断具有领先优势。
故障诊断技术的高速进步从60年代开始，经过了70年代的飞速发展，研究的规模不断扩大，至今所取得的成绩以及如今达到的应用程度都是令人惊讶的。
之所以如此，离不开60年代的科学家们开始了解并深知发展故障诊断技术的紧迫性和必要性。
1961年美国的阿波罗计划的开始，1964年日本的新干线与冬季奥林匹克体育场的建立，1970年英国为了节约成本的对于机械综合性工程学和机械寿命、费用等问题的提出，无一不是作为强有力的推动力来促使机械诊断技术的发展。
国内的故障诊断技术的重要性也早有认识，20世纪60年代就提出过不少带电实验方法，到80年代开始出现电机故障在线诊断技术的研究，尤其是自20世纪90年代以来的十几年间，伴随着现代信号处理技术的迅速发展，加上测试技术的飞速发展，该技术也取得了突飞猛进的进步。
近年来，国内的感应电机行业迎来高速发展时期，这同样离不开电机故障诊断技术的提高。
据资料统计分析表明：国内60家主要中小型电机生产企业2003年销售收入约为110亿元，同比增长近50%；小型交流电机的产量约为3900王KW，同比增长为27.2%；大中型交流电机的产量约为1500万KW，同比增长约为80%，与去年相比，产量和容量两方面都取得了大幅度的提升。
通过制造技术的研究，采用了新型的电磁、绝缘材料，既增加了电的机输出，又减轻了电机的重量，减少了电机的体积，并提高了效率。
例如用电机铜条取代当时比较流行的铸铝到条，大幅度地降低了能源损耗。
“效率高、噪音低、智能化”是目前国内外电机制造技术的发展方向。
经过大量相关的资料研究，导致电机故障的原因是多种多样的，大部分是由于制造方面的质量原因和安装、运行、维护方面的原因。
随着工业生产的发展和科学的进步，对于电机的可靠性、经济性要求更高了，甚至有的电机要求达到全寿命管理，实行全面质保体制的标准。
进行可以这么说，故障诊断技术成为了组成电机管理和维修的必不可少的一部分，对从事电机维修的人员来说，这项技术从本质上看，属于机械维修技术范畴。
正因为如此，广大的科研人员从各个不同的领域进一步地解剥分析感应电机的状态监测和故障诊断技术，提出了各
式各样的故障诊断技术。
电动机故障检测技术的发展趋势
在过去的几十年，由于从事故障诊断技术研究的学者的不懈努力，所以故障诊断技术得到了飞快的发展。
随着故障诊断技术与理论的不断进步，故障检测技术呈现出智能化发展趋势。
当使用传统故障检测方法时，面对庞大而复杂的诊断对象，为了细致地区分故障，需要增加检测手段，导致计算量增加，使得故障的诊断时间变长，难于实现实时诊断。
而且诊断系统调试完毕后，用专家系统编制的软件就固定下来，不易更改。
因为没人利用人类领域专家的丰富知识与经验，这种故障方法存在着局限性。
目前和今后的主要研究可归纳为：多传感器数据融合技术；在线实时故障检测算法；混合智能故障诊断技术；基于因特网的远程协作诊断技术；以故障监测及分离为核心的容错控制、监控系统和可信性系统研究等。
１.多信息量融合，多层次诊断集成
它集成知识库中的各种诊断知识，结合数据库中的各种故障数据，按照不同的故障情况进行综合分析、判断，定位故障点。
主要对状态监测所得到的信息进行融合，然后结合层次诊断模型，按照深浅结合的推理层次进行诊断。
它进一步把状态监测中的信号监测处理集成到诊断系统中，进行在线数据处理与在线诊断推理，实现非实时诊断到实时诊断的转变，也实现信息诊断与智能诊断的统一。
2.多种诊断方法的结合
将多种不同的智能技术结合起来的混合诊断系统，是智能故障诊断研究的一个发展趋势。
结合方式主要有基于规则的专家系统与神经网络的结合，实例推理与神经网络的结合，模糊逻辑、神经网络与专家系统的结合等。
其中，模糊逻辑、神经网络与专家系统结合的诊断模型是最具发展前景的，也是目前人工智能领域的研究热点之一。
这方面的探索刚开始，很多问题需要深入研究。
例如，模糊逻辑与神经网络的组合机理、组合后的实现算法、便于神经网络处理的模糊知识的表达方式等。
３.远程协作诊断
基于因特网的设备故障远程协作诊断是将设备诊断技术与计算机网络技术相结合，用若干台中心计算机作为服务器，在企业的关键设备上建立状态监测点，采集设备状态数据；在技术力量较强的科研院所建立分析诊断中心，为企业提供远程技术支持和保障。
跨地域远程
协作诊断的特点是测试数据、分析方法和诊断知识的网络共享，因此必须使传统诊断技术的核心部分（即信号采集、信号分析和诊断专家系统）能够在网络上远程运行。
要实现这一步，应重点研究和解决如下几方面的问题：远程信号采集与分析；实时监测数据的远程传输；基于Ｗｅｂ数据库的开放式诊断专家系统设计；通用标准（包括测试数据标准、诊断分析方法标准和共享软件设计标准）。
４.诊断与控制相结合
根据当前设备的健康状况决定设备运行方式或策略，最终预知故障，从而防止故障的发生，是目前诊断技术的最高目标。
它是把诊断系统和控制系统进一步结合，达到集监测、诊断、控制、管理于一身。
它由单机诊断发展到分布式全系统诊断，信息量大，类型多，相应的也就需要多种数据处理和诊断推理方法的联合。
