通過(guò)被觀測(cè)對(duì)象在非正常工作狀態(tài)下所表現(xiàn)出來(lái)或可監(jiān)測(cè)到的異常現(xiàn)象(振動(dòng)、噪聲、污染、溫度、電磁場(chǎng)等)進(jìn)行電纜故障診斷，并基于趨勢(shì)分析進(jìn)行電纜故障預(yù)測(cè)。大多數(shù)機(jī)械產(chǎn)品由于存在明顯的退化過(guò)程，多采用這種電纜故障診斷與預(yù)測(cè)方式。
基于異?，F(xiàn)象信息進(jìn)行電纜故障診斷與電纜故障預(yù)測(cè)的一個(gè)主要問(wèn)題是異常信息往往被正常工作噪聲所掩蓋。特別是在發(fā)電廠等工作環(huán)境，采用振動(dòng)或噪聲分析手段對(duì)電機(jī)進(jìn)行電纜故障診斷與預(yù)測(cè)時(shí)，狀態(tài)異常引起的振動(dòng)或哄聲比本身環(huán)境振動(dòng)或噪聲小很多數(shù)量級(jí)。另一個(gè)問(wèn)題是異?，F(xiàn)象是宏觀的系統(tǒng)級(jí)的，而故障原因卻是部件級(jí)、材料級(jí)的，一種現(xiàn)象常存在多種可能的原因，導(dǎo)致故障定位困難。
基于異?，F(xiàn)象信息進(jìn)行電纜故障測(cè)試儀故障診斷與電纜故障預(yù)測(cè)的任務(wù)是基于歷史統(tǒng)計(jì)數(shù)據(jù)、故障注入獲得的數(shù)據(jù)等各類已知信息，針對(duì)當(dāng)前產(chǎn)品異常規(guī)象特征．進(jìn)行故障損傷程度的判斷及電纜故障預(yù)測(cè)。概率分析方法、人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊集、被觀測(cè)對(duì)象物理模型等都可以用于建立異?，F(xiàn)象與故障損傷關(guān)系模型。
概率趨勢(shì)分析模型
此類方法通過(guò)異?，F(xiàn)象對(duì)應(yīng)的關(guān)鍵參數(shù)集，依據(jù)歷史數(shù)據(jù)建立各參數(shù)變化與故障損傷的概率模型(退化概率軌跡)，與當(dāng)前多參數(shù)概率狀態(tài)空間進(jìn)行比較，進(jìn)行當(dāng)前健康狀態(tài)判斷與趨勢(shì)分析。通過(guò)當(dāng)前參數(shù)概率空間與已知損傷狀態(tài)概率空間的干涉來(lái)進(jìn)行定量的損傷判定，基于既往歷史信息來(lái)進(jìn)行趨勢(shì)分析與電纜故障預(yù)測(cè)。
概率趨勢(shì)分析模型已用于禍輪壓縮機(jī)氣道等的電纜故障預(yù)測(cè)，主要監(jiān)控效率、壓縮比、排氣溫度、燃油流量等四個(gè)參數(shù)。
基子系統(tǒng)模型進(jìn)行趨勢(shì)分析
此類方法利用建立被觀測(cè)對(duì)象動(dòng)態(tài)響應(yīng)模型(包括退化過(guò)程中的動(dòng)態(tài)響應(yīng))，針對(duì)當(dāng)前系統(tǒng)的響應(yīng)輸出，進(jìn)行參數(shù)辨識(shí)，對(duì)照正常狀態(tài)下的參數(shù)統(tǒng)計(jì)特性，進(jìn)行故障模式確認(rèn)、電纜故障診斷和電纜故障預(yù)測(cè)。這種方法提供了一種不同于概率趨勢(shì)分析、ANN的途徑，具有更高的置信度和故障早期預(yù)報(bào)能力。
數(shù)據(jù)融合及綜合診斷與預(yù)測(cè)
綜合利用來(lái)自多種信息源的、多參數(shù)、多傳感器信息，以及歷史與經(jīng)驗(yàn)信息，以減小電纜故障診斷與預(yù)測(cè)的差錯(cuò)，提高置信度，是數(shù)據(jù)融合的根本任務(wù)。
電纜故障診斷與預(yù)測(cè)中的數(shù)據(jù)融合可以在三個(gè)層次進(jìn)行；①傳感器層融合，沒(méi)有信息丟失，但傳輸與計(jì)算量大；②特征層融合，特征提取時(shí)有信息丟失；③推理層融合。典型的數(shù)據(jù)融合過(guò)程包括在特征層融合時(shí)采信傳感器層的關(guān)鍵原始數(shù)據(jù)，推理層融合時(shí)采信相似產(chǎn)品可靠性統(tǒng)計(jì)數(shù)據(jù)或?qū)＜医?jīng)驗(yàn)知識(shí)。
信息整理：揚(yáng)州拓普電氣科技有限公司   信息來(lái)源：m.szfsgc-sz.com