一、核心定义

故障诊断 是指利用被诊断对象（系统、设备、过程）运行中的各种状态信息和历史资料，结合已知的结构和参数，通过分析和推理，识别其当前状态（正常或故障），并确定故障类型、位置、严重程度和原因的一系列过程。

它回答三个核心问题：

1. 有没有故障？ （故障检测）
2. 故障在哪里？ （故障定位/隔离）
3. 故障是什么？有多严重？ （故障识别与评估）

它的最终目的是为维修决策、健康管理和安全保障提供依据。

核心目的与意义

1. 提高安全性：预防灾难性事故（如飞机失事、化工厂爆炸）。
2. 提升可靠性：通过早期预警，避免非计划停机。
3. 降低维护成本：从“定期维修”或“事后维修”转向 “预测性维护” ，减少不必要的拆检和零件更换。
4. 优化运行效率：在故障萌芽阶段进行干预，保持设备运行在最佳状态。
5. 辅助决策：为操作和维护人员提供明确的行动建议。

基本术语

• 故障：设备或系统丧失其规定功能的状态，它是一个状态。
• 失效：故障导致的功能丧失结果，它是一个事件。（注：在日常使用中，两者常混用）。
• 征兆：故障所表现出来的、可观测的异常现象（如振动加剧、温度升高、噪声异常、压力下降、输出误差等）。
• 诊断：从征兆到故障的推理过程。
• 残差：实际观测值与系统模型预测值之间的差异，是故障检测的重要信息来源。

故障诊断的基本流程

一个完整的故障诊断流程通常遵循以下步骤,如下图所示：

flowchart TD
    A[“数据采集<br>（传感器/历史记录）”] --> B[“信号处理与征兆提取<br>（滤波/变换/特征值计算）”]
    B --> C[“状态监测<br>（与阈值/模型对比）”]
    C -- 发现异常 --> D[“故障诊断<br>（定位、识别与评估）”]
    C -- 状态正常 --> E[“继续监测”]
    D --> F[“维修决策与健康管理”]
    F --> A

1. 数据采集：通过传感器、仪表、SCADA系统或日志文件，收集设备运行的状态数据（如振动、温度、压力、电流、电压、流量、图像、声音等）。
2. 信号处理与特征提取：对原始数据进行处理（如滤波、降噪、傅里叶变换、小波分析），提取能反映设备状态的关键特征值（如有效值、峰值、频率成分、波形因子等），这些特征值就是潜在的“征兆”。
3. 状态监测（故障检测）：将提取的特征值与预设的阈值、统计规律或正常状态模型进行比较，若超出允许范围，则判定为“异常”，触发诊断流程。
4. 故障诊断（定位、识别与评估）：
   • 故障隔离/定位：确定故障发生的具体部件或子系统。
   • 故障识别：判断故障的类型和模式（如轴承磨损、转子不平衡、线圈短路、管道堵塞等）。
   • 故障评估：分析故障的严重程度和发展趋势。
5. 决策与维护：根据诊断结果，提出维修建议（如立即停机、计划维修、继续观察等），并执行相应的维护操作。

主要方法分类

故障诊断方法主要分为三大类：

核心思想总结

1. 从“征兆”到“故障源”的逆向推理：故障诊断本质上是一个逆向求解和模式识别的过程。
2. 多学科交叉：它融合了控制理论、信号处理、模式识别、人工智能、概率统计和领域专业知识。
3. 分层递进：通常先进行简单的“健康状态”二分类（正常/异常），再进行复杂的“故障类型”多分类和定位。
4. 发展趋势：随着物联网、大数据和AI技术的发展，数据驱动与基于模型的方法正在融合，数字孪生技术为实现更精准、实时的预测性诊断提供了新范式。

希望这份梳理能帮助你建立起对故障诊断基本概念的清晰框架。

标签： 核心 定义