基于信号处理的故障诊断方法优化

基于信号处理的主要思想是利用计算机或专用处理设备，以数值计算的方法对信号进行采集、变换、综合、估值与识别等加工处理，以达到检测出故障的目的。基于信号处理的方法不需要对象的准确模型，因此实现简单、实时性较好，但是对潜在故障的诊断显得不足。基于信号处理所采用的方法主要有频谱分析法、小波变换故障诊断方法和主元分析方法。

1.频谱分析法

频谱分析法是设备故障诊断领域中应用最广的一种方法，通过傅里叶变换将复杂信号分解为有限或无限个频谱的分量之和，然后求各个分量的功率谱图，判断故障类型及故障源。由于傅里叶分析存在时域和频域局部化的矛盾，缺乏空间局部性，而且傅里叶分析是以信号平稳性假设为前提的，而大多数的控制系统的故障信号往往包含在瞬态信号及时变信号中。正因为如此，基于傅里叶分析的信号处理方法只能提供响应信号的统计平均结果，很难在时域和频域中同时得到非平稳信号的全部和局部化结果，使非平稳动态信号分析难以达到令人满意的程度。因此，频域分析法适用于分析平稳信号。

2.小波变换故障诊断方法

小波变换故障诊断方法是一种全新的时-频分析方法，它继承了傅里叶分析用简谐函数作为基函数来逼近任意信号的思想。小波分析先对信号进行多级小波分解，得到各子带数据。通过对小波变换系数模极大值的检测来实现对信号奇异性的检测，从而确定故障发生的时间。小波分析的基函数是一系列尺度可变的函数，具有良好的时-频定位特性和对信号的自适应能力，能够对各种时变信号进行有效的分解，为控制系统故障诊断提供了新的、强有力的分析手段。(www.xing528.com)

小波分析非常适合非平稳信号，对于平稳信号而言，同样有效。分析信号的奇异性位置和奇异性的大小都是比较有效的。小波分析法已经成为信号处理的一种强有力的新工具与新手段。在故障诊断中只要选择合适的小波函数，就能更加快速、有效地进行信号分析，进而判断其故障所在。同时由于故障原因与设备故障征兆之间存在一定的不确定性关系，故容易出现故障的错判与漏判。

3.主元分析法

主元分析（Principal Component Analysis，简称PCA）法是用来研究如何通过少数几个主分量（原始变量的线性组合）来解释多变量方差-协方差结构的方法，可用于简化变量群。通过导出几个主分量、尽可能多地保留原始变量的信息，利用数据之间的相依性设法把维数降低，又不丢失过多的有用信息。区别于数学模型或知识的其他故障诊断方法，PCA方法具有不依赖于过程数学模型的特点，通过采用Hotelling T2统计量和平方预测误差Q统计量（或称SPE统计量），对过程进行监测和故障诊断。

主元分析方法的基本思想是对控制过程的历史数据采用主元分析建立正常情况下的主元模型，一旦检测到的信号与主元模型发生冲突、背离，就可以判断有故障发生，通过数据分析可分离出故障。主元分析是一种较为成熟的多元统计检测方法，该方法可以实现在线实时诊断，一般适用于大型的、缓变的稳态工业过程监控。