第３１卷第４期四川兵工学报２０１０年４月
【其他研究】
智能诊断技术发展综述・
李云松，任艳君
（重庆广播电视大学，重庆４０００５２）
摘要：在综合大量智能诊断技术和方法文献的基础上，介绍了智能故障诊断技术的发展历史及国内外研究现状，详细叙述了智能诊断的各种方法，并对智能诊断技术的发展进行了探讨和展望。关键词：故障诊断；人工智能；专家系统；神经网络；模糊理论；信息融合中图分类号：ＴＰ２０６文献标识码：Ａ文章编号：１００６一０７０７（２０１０）０４—０１２２一０４
设备故障诊断技术是在电子、计算机技术的发展中产
生的一门技术。当１个系统的状态偏离正常状态时，就称该系统发生了故障，此时系统可能完全也可能部分丧失其
功能。故障诊断就是寻找故障原因的过程，包括状态检
测、故障原因分析及劣化趋势预测等内容…。传统故障诊断技术在分析结构比较复杂的深层次故障时效果不理想，
且对操作员能力要求较高；而人工智能技术的发展，则使
诊断技术走向了智能化。由于智能故障诊断技术可模拟
人类的逻辑思维和形象思维，将人类各种知识融入诊断过
程，故可实现对大型复杂设备的实时、可靠、深层次和预测性故障诊断ＢＪ，获得的诊断信息就能准确地对诊断对象的
状态进行识别和预测。因此这一技术也受到了世界各国
工程研究人员的普遍重视。目前，随着基于行为的人工智能、分布式人工智能、多传感器信息融合技术以及新理论
的提出与发展ＨＪ，故障诊断也获得了新的发展机遇。
１诊断技术的发展历史
故障诊断技术由美国最早开展研究，如西屋公司
（ＷＨＥＣ）、Ｂｅｎｆｌｙ公司和ＩＲＤ公司Ｈ。Ｊ，目前已有多家机构从事此项研究，包括瑞士ＡＢＢ公司等【“。诊断技术的发展
主要经历了以下２个技术阶段。
１．１传统诊断技术
传统故障诊断技术主要包括单信号处理方法、单信号滤波诊断、多信号模型诊断以及机内测试技术（ｂｕｉｌｄ—ｉｎ
ｔｅｓｔ，ＢＩＴ）‘７１。
单信号处理方法较少考虑信号间的耦合，主要采用阀
值模型。当系统的输入输出超出一定范围时，就认为故障已经发生或将要发生，信号也主要是由人工通过各种仪器仪表进行采集。这种方法用在电子技术发展的早期阶段，
设备的集成化程度不高。单信号滤波诊断的基本原理是对时间序列信号进行
滤波变换，得到信号的特征信息后，再对此特征信息进行
阀值诊断。多信号模型诊断的特点是考虑了信号间的融合关系，且通过定量和定性的分析方法实现诊断。
机内测试技术是利用设备内部具有自检能力的硬件
和软件来实现对设备检测的一种方法，可为系统和设备内部提供检测、故障隔离的能力ＢＪ。由于ＢＩＴ技术结构日趋
复杂、功能日益强大，因此其正在发展成为集状态检测、故
障诊断为一体的综合系统。１．２智能诊断技术
智能诊断技术是在计算机和人工智能的基础上发展
起来的，是一门集数学、物理、化学、电子技术、计算机技
术、通讯技术、信息处理、模式识别和人工智能等多学科于
一体的综合性技术，他的出现为提高现代复杂工程技术系
统的可靠性开辟了一条新的途径ＨＪ。作为２０世纪８０年代中后期故障诊断领域的前沿学
科，基于计算机的智能诊断技术受到了越来越多工程技术研究人员的关注，并成功应用于工程生产实践。计算机人
工智能与诊断理论的结合，产生了具有信息时代特色的智
能诊断系统。设备故障智能诊断系统是基于知识的系统，
他以知识处理为研究内容，以基于知识寻求提高系统智能化程度和诊断准确率为目标。早期模拟人脑思维推理的
基于知识的专家系统，以串行运行的格式进人设备诊断领
域，形成了基于知识的诊断推理专家系统。智能诊断系统是由故障诊断领域的专家，能模拟脑功
能的硬件、外部设备、物理器件以及支持这些硬件的计算
机软件所组成的系统，其结构系统原理如图ｌ所示一Ｊ。该
●收稿日期：２０１０—０２一０８
作者简介：李云松（１９８３一），男，硕士，主要从事机械设计及理论研究。
万方数据李云松，等：智能诊断技术发展综述１２３
系统以对诊断对象进行状态识别与状态预测为目的。
信号获取
输出图１智能诊断系统硬件
２国内外研究现状及发展趋势信号处理
智能诊断技术的发展历史虽然短暂，但已取得了令人
瞩目的成就。
国内诊断技术从８０年代中期开始进人了迅速发展时
期。目前，在理论研究方面，已形成了具有我国特点的故
障诊断理论，并出版了一系列相关论著，研制出了可与国
际接轨的大型设备状态监测与故障诊断系统，比如华中科
技大学研制的用于汽轮机组工况监测和故障诊断的智能
系统ＤＥＳＴ，哈尔滨工业大学和上海发电设备成套设计研
究所联合研制的汽轮发电机组故障诊断专家系统ＭＭＭＤ
一２，清华大学研制的用于锅炉设备故障诊断的专家系统，
山东电力科学研究院同清华大学联合研制的“大型汽轮机
发电机组远程在线振动监测分析与诊断网络系统”。重庆
大学研制的“便携式设备状态监测与故障诊断系统”
等等‘６圳】。
国外在诊断技术领域起步较早，并形成了比较成熟完
善的诊断理论，所以其诊断技术的发展优于我国。美国是
最早开展故障诊断技术研究的国家，在电路和数字电子设
备方面。ＭＩＴ研制出了用于模拟电路操作并演绎出故障可
能原因的ＥＬ系统；美国海军人工智能中心开发了用于诊
断电子设备故障的ＩＮ—ＡＴＥ系统；波音航空公司研制了诊
断微波模拟接口ＭＳＩ的ＩＭＡ系统；西屋公司（ＷＨＥＣ）从
１９７６年开始了电站在线计算机诊断工作，１９８１年进行了电
站人工智能专家故障诊断系统的研究，１９８４年应用于了现
场，后来发展成了络化的汽轮发电机组诊断专家系统
（ＡＩＤ），并建立了沃伦多故障运行中心（ＤＯＣ），通过ＤＯＣ
中心，可以看到分布在全美２０多个电厂的数据信息¨ｕ；
Ｂｅｃｈｔｅｌ电力公司于１９８７年开发了火电站设备诊断用专家
系统（ＳＣＯＰＥ）¨２０；Ｂｅｎｔｌｙ公司在故障诊断方面虽起步较
晚，但在转子动力学方面，旋转机械故障机理的研究比较
透彻，在振动监测方面具有雄厚的基础，因此该公司开发
的旋转机械故障诊断系统（ＡＤＲ３）在国内外电站领域的应
用很受用户的欢迎¨到；Ｒａｄｉａｌ公司于１９８７年开发了汽轮
发电机组振动诊断用专家系统（ｔｕｒｂｏｍａｃ），在建立逻辑规则的基础上，设有表征振动过程各种成分与其可能故障源
之间关系的概率数据，且其搜集知识的子系统具有人机对
话形式¨“ｏ
在欧洲，也有不少从事故障诊断技术研究、产品开发
及应用的公司。如瑞士ＡＢＢ公司目前正在大力发展振动
观察系统（ｖｉｂｒｏ—ｖｉｅｗ），并由诊断软件精确诊断机器故障；
法国电气研究与发展部近年来也发展了以监测与诊断辅
助站的ＰＳＡＤ系统，用于大型电站机组的监测与诊断；意大
利米兰工业大学研制了用于汽车启动器电路故障诊断的
系统；英国在６０年代末，由Ｃｏｌｌａｅｏｔｔ的机械状态监测中心
首先开始诊断技术的研究；德国的西门子公司、丹麦的
Ｂ＆Ｋ公司等也都开发出了各自的诊断系统。由于机电设
备在整个生产领域中占有极其重要的地位，所以有关机电
设备的故障智能诊断问题一直受到研究人员的关注，出现
的智能诊断系统也比较多。
日本从事这方面研究的机构主要有东芝电气、日立电
气、富士和三菱重工等¨“。东芝电气公司与东京电力公司
于１９８７年合作开发的大功率汽轮机轴系振动诊断系统，采
用计算机在线快速处理振动信号的解析技术与评价判断
技术，设定一个偏离轴系正常值的极限值作为诊断的起始
点进行诊断【ｌ纠；日立公司研究了用于核反应堆的故障诊断
系统，以后逐步发展形成了一套完整的寿命诊断方法；三
菱公司则在８０年代初期开发了ＭＨＭ振动诊断系统，该系
统能自动或通过人机对话进行异常征候检测并能诊断原
因，其特点是可根据动矢量来确定故障¨…。
３智能诊断方法
智能诊断技术是在计算机和人工智能的基础上发展
起来的，所以其在工程实现中主要是组成以计算机为主体
的智能诊断系统，他有单机模式、分布式模式、网络化模式
３种结构模式。其方法主要有：基于专家系统的诊断方法、
基于模糊逻辑的诊断方法、基于神经网络的诊断方法以及
基于模糊粗糙集的诊断方法等ｍＪ。３．１基于专家系统的诊断方法
专家系统故障诊断方法是在计算机采集被诊断对象
的信息后，综合运用各种规则，进行一系列推理，必要时还
随时调用各种应用程序，运行过程中向用户索取必要的信
息后，快速地找到最终故障或最有可能的故障，再由用户来证实的一种方法。主要由６部分组成：知识规则库、数据
库、推理机、解释机构、故障查询机构和人机接口Ｌｌ“。其内
部具有某个领域专家的知识和经验，能够利用人类专家的
知识和解决问题的方法来解决问题。专家系统解决的问
题一般没有算法解，且往往在不完全信息的基础上进行推
理、做出结论，故速度快、实时性强。该方法是人工智能理
论在故障诊断领域中最成功的应用，也是目前故障诊断领
万方数据１２４四川兵工学报
域最常用的方法，其各部分的功能如图２所示。理和特征提取２部分…１。
图２专家系统故障诊断结构
３．２基于模糊逻辑的诊断方法
模糊逻辑是用来描述、处理自然界和人类社会中不精
确、不完整信息的数学工具。由于在设备的运行过程中，
故障的发生是一个渐变的过程，会出现一些处于完好与故
障之间的中间状态，设备表现出来的征兆也是如此，因而
设备的各种征兆和各种故障应该是一个模糊值【Ｉ９｜，不能用
“是否有故障”的简易诊断结果来表示，而要求给出故障产
生的可能性及故障位置和程度。但此类问题用模糊逻辑
能较好地解决，这就产生了模糊故障诊断方法。
在模糊诊断中，主要涉及到选择何种诊断矩阵进行模
糊运算，以及选择使用何种原则来确定诊断对象所具有的
故障。这种方法的最大特点是其模糊规则库可直接利用
专家知识构造，能充分运用和有效处理专家的语言知识和
经验，因此计算简单，应用方便，结论明确直观。一个设计
较好的模糊逻辑系统可以在任意精度上逼近某个非线性函数，具有良好的性能【８Ｊ。但另一方面，由于模糊规则库
是人为构造的，含有一定的主观性；此外，其对特征元素的选择也有一定的要求，如选择不合理，诊断结果的准确性
会下降，甚至会造成诊断失败。
３．３基于神经网络的诊断方法
诊断实质上是一种模式分类和识别问题啪Ｊ。神经网
络作为一种自适应的模式识别技术，并不需要预先给出关
于模式的先验知识和判别函数，而是通过自身的学习机制自动形成所要求的决策区域，具有并行分布处理能力，以
及自组织、自学习、自适应能力和联想记忆功能等。他能
够充分利用状态信息，对来自不同状态的信息逐一训练获
得某种跳射关系，从而用于处理模糊的、随机的、不完整的
信息，并可通过故障实例和诊断经验知识进行训练和学
习，把故障诊断的知识存储于网络的连接权中。当环境改
变时，这种映射关系还可进行自适应调整，以求对对象的
进一步逼近，实现输入征兆与故障间的非线性映像，出色解决那些用传统模式识别方法难以圆满解决的问题，因
此，故障诊断是人工神经网络的重要应用领域之一。模式识别的神经网络诊断过程如图３所示，主要包括
学习训练与诊断匹配２个过程，其中每个过程都包括预处诊断
图３神经网络故障诊断过程
３．４基于模糊粗糙集的诊断方法瞄－２３１
模糊集是美国学者Ｌ・Ａ・Ｚａｄｅｈ于１９６５年在“Ｉｎｆｏｒ－ｍａｔｉｏｎａｎｄＣｏｎｔｒｏｌ”上首先提出的概念，而粗糙集则最早由波兰数学家Ｚ・Ｐａｗｌａｋ在１９８２年提出，这２个集合都用于处理不确定和不精确信息。虽然他们的侧重点有所不同，
但他们之间却是互为补充的关系，而不是互相排斥的。随后，ＰａｗｌａｋＤｕｂｏｉｓ提出的模糊粗糙集模型，解决了粗糙集理论只能处理离散值的缺点，因此模糊粗糙集不仅可以处
理离散属性，还可有效地处理连续属性。模糊粗糙集模型引入了模糊逻辑中置信水平的概念，在故障诊断中，根据置信水平的不同，可得到包含不同规则数目的知识库，这
有利于对知识的存储管理，且对降低知识系统中的组合爆炸也有重要意义。但模糊粗糙集理论本身还不十分成熟，尚需进一步完善，而且对他的某些应用还只是处于探讨和实验阶段，距
离工程实际还有差距。随着粗糙集理论、模糊集理论与人工智能的结合，理论研究和工程应用方面的工作量将有望大大减少。
３．５多传感器信息融合故障诊断方法Ⅲｏ信息融合又称多传感器信息融合，其原理是利用计算机技术将来自多传感器或多源的信息和数据，在一定准则
下加以自动分析、综合以完成所需要的决策和估计，从而得出更为准确的结果。信息融合的级别可分为：数据级、特征级和决策级。多传感器信息融合为解决复杂系统故
障诊断的不确定性问题提供了一条新的路径，这是由信息融合的多维信息处理方式决定的，他可消除不同监测方法的局限性、矛盾性和不协调性。
概括起来，多信息融合技术在故障诊断方面的应用主要包括以下几点：①对多传感器形成的不同信道的信号进行融合；②对同一信号的不同特征进行融合；③对不同诊
断方法得出的结论进行融合。融合诊断的最终目标就是利用各种信息提高诊断的准确率。目前，信息融合故障诊断方法主要有Ｂａｙｅｓ推理、模糊融合、Ｄ—ｓ证据推理及神
经网络信息融合等¨“。
４结束语
智能诊断技术在过去几十年里得到了飞速发展，一些新的理论和方法已经得到了成功的应用，并获得了丰硕的
成果，如远程智能诊断、多传感器信息融合故障诊断方法
万方数据
