故障检测和隔离

故障检测、隔离和恢复 (FDIR) 是控制工程的一个子领域，它涉及监控系统、识别故障何时发生以及查明故障类型及其位置。 可以区分两种方法：指示故障的传感器读数的直接模式识别，以及分析传感器读数与源自某些模型的预期值之间的差异。 在后一种情况下，如果差异或残差超过某个阈值，则通常认为检测到故障。 然后故障隔离的任务是对故障类型及其在机器中的位置进行分类。 故障检测和故障检测 (FDI) 技术大致可分为两类。 这些包括基于模型的 FDI 和基于信号处理的 FDI。

在基于模型的 FDI 技术中，系统的某些模型用于决定故障的发生。 系统模型可以是基于数学或知识的。 一些基于模型的 FDI 技术包括基于观察者的方法、奇偶空间方法和基于参数识别的方法。 基于模型的 FDI 方案还有另一种趋势，称为集合成员方法。 这些方法保证了在一定条件下故障的检测。 主要区别在于，这些技术不是寻找最有可能的模型，而是省略了与数据不兼容的模型。

右图所示的示例通过使用真值表和状态图说明了飞机电梯反应控制器的基于模型的 FDI 技术。 真值表定义了控制器如何对检测到的故障做出反应，状态图定义了控制器如何在每个执行器的不同操作模式（被动、主动、备用、关闭和隔离）之间切换。 例如，如果在液压系统 1 中检测到故障，则真值表会向状态图发送一个事件，指示应关闭左侧内部执行器。 这种基于模型的 FDI 技术的好处之一是，这种反应控制器还可以连接到执行器液压系统的连续时间模型，从而可以研究切换瞬态。

在基于信号处理的 FDI 中，对测量值执行一些数学或统计运算，或者使用测量值训练一些神经网络以提取有关故障的信息。

基于信号处理的 FDI 的一个很好的例子是时域反射计，其中信号沿着电缆或电线发送，并将反射信号与原始信号进行数学比较以识别故障。 例如，扩频时域反射计涉及沿着线路向下发送扩频信号以检测线路故障。 还提出了几种聚类方法来识别新故障并将给定信号分成正常和故障段。

机器故障诊断是机械工程的一个领域，涉及发现机器中出现的故障。 其中一个特别完善的部分特别适用于旋转机械，这是最常见的类型之一。 为了识别最可能导致故障的故障，使用多种方法收集数据，包括振动监测、热成像、油粒子分析等，然后利用光谱分析、小波分析、小波变换、短期等方法对这些数据进行处理。 傅里叶变换、Gabor 展开、Wigner-Ville 分布（WVD）、倒谱、双谱、相关法、高分辨率频谱分析、波形分析（在时域，因为频谱分析通常只涉及频率分布而不涉及相位信息）等。

该分析的结果用于根本原因故障分析，以确定故障的原始原因。 例如，如果诊断出轴承故障，则很可能轴承本身并未在安装时损坏，而是由于另一个安装错误（例如，未对准）导致轴承损坏。 诊断轴承的损坏状态不足以达到精确维护的目的。 需要找出根本原因并加以补救。 如果不这样做，更换的轴承很快就会因同样的原因磨损，机器将遭受更大的损坏，仍然很危险。 当然，由于在数据收集阶段进行的光谱分析，原因也可能是可见的，但情况可能并非总是如此。

最常用的故障检测技术是时频分析技术。 对于旋转机器，机器的转速（通常称为 RPM）不是一个常数，尤其是在机器的启动和关闭阶段。