故障预测的特点和分类：全面剖析

故障预测有别于传统意义上的故障诊断，故障诊断是根据已经出现的故障现象，找出故障原因和故障部件，故障预测是预测人员利用已有的知识，采用预测推理的方法，预测系统在未来任务时间内何时出现故障、出现什么故障，找出对应的故障原因和故障部件，为实现预知维修和精确保障提供理论依据，确保训练和作战任务的顺利完成。故障预测是更加科学的维修保障手段，但也更加复杂和困难，其主要特点在于^[2]：①在系统功能上，它可以用于实现状态监测、故障检测、失效预报、系统和关键部件的剩余使用寿命预报；②在技术构成上，它包括异常检测、特征提取、健康监测、故障诊断等技术以及剩余寿命预测技术，是多个前沿和交叉学科的统一体；③在技术沿革上，它是传统设备状态监测和故障诊断技术的全面提高，强调在设备故障发生之前发现早期故障征兆，跟踪故障征兆的发展情况同时评估设备的剩余使用寿命，并最终为设备的维护提供决策支持；④在应用领域上，它既可以广泛应用于航空、航天、舰船和战车等军事领域，又可以用于大型桥梁、大型水坝、火力电厂、高速铁路等关键民用基础设施；⑤在应用效果上，它可以提高系统的安全性、任务的可靠性，增加系统的完好性，降低系统的全寿命周期费用。

故障预测技术经过40多年的发展，取得了长足的进步，发展出一系列故障预测理论与方法。当前，故障预测理论和方法众多，但从实际研究中应用较为广泛的理论、方法和技术路线来看，主要可以分为：基于模型的故障预测技术（Model-based approaches）、基于知识的故障预测技术（Knowledge-based approaches）和基于数据的故障预测技术（Data-driven ap-proaches）三大类^[3]。

基于模型的故障预测技术中的“模型”更多的是指系统的特定物理或显式数学模型，利用诸如卡尔曼滤波器、参数估计（或系统辨识）及奇偶关联等方法来获得残差信号，通过对残差信号的验证来实现对系统当前状态的检测、评估和预测^[4]。基于模型的故障预测技术典型代表是基于随机滤波理论的故障预测。

所谓滤波，就是从带有干扰的信号中得到有用信号的准确估计值。滤波理论就是在对系统可观测信号进行量测的基础上，根据一定的滤波准则，采用某种统计最优方法，对系统的状态进行估计的理论和方法。随机滤波问题的一般化描述如下：(www.xing528.com)

式中，f和g分别为系统的状态方程和观测方程；x（t）为系统的状态变量，是服从一定分布的随机变量；y（t）为系统的观测值；u（t）为系统的输入变量；w（t）、v（t）分别为分布情况已知的系统噪声和观测噪声。

所谓随机滤波就是在已知系统从开始时刻t₀至当前时刻t的观测序列{y（t），t∈（t₀，t）}，要对时刻t=t+的系统状态变量x（t）求取其在一定滤波准则下的最优估计值。当＞0时，该问题就转化为了预测问题。对于故障预测问题的研究，通常对象系统的故障演化过程和某些状态变量之间存在某些对应关系，通过对系统状态变量在未来一段时间内变化情况的预测，结合一定的判别准则，就可以预知对象系统的故障情况和其剩余使用寿命。因此，一系列随机滤波方法就可以被应用于故障预测研究中。

随机滤波理论在故障预测中的应用，最典型的例子就是递推贝叶斯滤波算法。关于递推贝叶斯滤波算法及其技术实现途径，详见1.1.3节。关于基于知识的故障预测技术，详见1.1.3节。关于基于数据的故障预测技术，详见1.1.3节。