基于视情维修故障预测技术的研究
第29卷第1期吉林工程技术师范学院学报
Vol.29No.12013年1月
Journal of Jilin Teachers Institute of Engineering and Technology Jan．2013
收稿日期：2012-11-25作者简介：董庆伟（1962-），男，黑龙江宁安人，空军航空大学控制工程系副教授，主要从事飞行器电气控制研究。
基于视情维修故障预测技术的研究
董庆伟，李耀春，郭
纲
（空军航空大学控制工程系，吉林长春130022）
［摘
要］事后维修和计划维修很难预防灾难性的故障，而且常常引起不必要的停机、存在引入维修损
坏的风险。与以上两种维修策略不同，视情维修是面向设备实际状态和发展趋势的一种维修技术。本
文介绍了视情维修的预测技术。该技术可以实现对设备故障的早期发现和进行有效预防，从而减少维修工作量，降低维修经费开支。［关键词］视情维修；预测技术［中图分类号］V249.1［文献标识码］A
［文章编号］1009-
9042（2013）01-0073-04A Study of Fault Prediction Techniques Based on On －condition Maintenance
DONG Qing-wei ，LI Yao-chun ，GUO Gang
（Department of Control Engineering ，Aviation University of Air Force ，Changchun Jilin 130022，China ）
Abstract ：Breakdown maintenance and scheduled maintenance are very difficult to prevent cat-astrophic failures ，and often cause unwanted downtime ，have the risk of bringing in mainte-nance damage．Different from the above two maintenance strategies ，condition-based mainte-nance is a kind of maintenance technology catering to the actual state and development trend of the equipment．This paper introduces the prediction technology of condition －based mainte-nance．This technique can be used for early fault finding and effective prevention ，thereby re-ducing the maintenance workload and maintenance expenses．Key words ：condition-based maintenance ；prediction techniques
1故障预测的必要性
视情维修是根据部件的实际状态来决定对其进
行更换或维修的的过程。在这个过程中需要对设备
的潜在故障进行检测，
而要精确地检测出潜在故障，则必须借助先进的故障预测技术来实现。所以大力加强故障预测技术研究，是解决视情维修（CBM ）的关键技术。
人们早就习惯用感官来检测潜在故障，其优点
是检测范围广泛，
缺点是不够精确。在潜在故障早期，与正常状态的偏差较小，大部分的偏差往往超出了人的感官范围。为尽早准确地检测出潜在故障，故障预测技术起着至关重要的作用。通过借助各种
仪器设备，对航空设备的状态进行监测，及时发现潜在故障，能有效避免设备功能失效。
2
故障预测的基本原理
2．1
故障预测
（1）功能失效（failure ）：设备功能失效是指由于其子系统或部件出现故障导致整个设备无法完成其
正常的功能，它是通常意义上的所指的
“设备故障”。从高设备健康的角度来说，当设备的功能失效时，其健康指数不一定为0。因为设备的功能失效可能是
由于其某个子系统或部件出现故障引起，
而此时设备的其他子系统或设备工作可能依然正常。
（2）设备健康退化过程：随着设备工作时间的推移，
设备的健康状态表现为一个从设备正常到性能
吉林工程技术师范学院学报2013年1月
下降直至功能失效的过程，这个过程被称为设备健康退化过程。
对于不可修系统（或系统不进行修复操作）其健康退化过程曲线如图1所示，系统的健康采用健康指数度量。图中所描述的系统的健康退化曲线代表设备在发生一种特定故障模式时其健康指数的退化过程。对于一般复杂设备而言，其健康退化的原因包含多种故障模式，每一种故障模式分别对应一条类似的健康退化曲线
。
图1设备健康退化曲线图
如图1所示，在设备工作的初始一段时间内，由于系统不存在故障，其健康指数为1。随着设备工作时间的增长，设备运行到达“设备故障发生点”这一
临界点，
由于设备某些子系统或部件出现故障，其健康状态开始发生变化，健康指数下降。但是直至设
备运行到“设备故障检测点”
（潜在故障点）这一临界点之前的一段时间之内，由于设备故障程度不足以导致其工作状态出现异常行为，即设备的故障没有被检测到。因此在这段时间内设备状态仍然表现
为正常工作状态。在“设备故障检测点”之后的一段
运行时间之内，设备的健康指数由于其故障程度逐渐增强而继续下降，同时由于故障所引起的设备异
常工作行为也将被检测到，
直到最终运行至“设备功能失效点”（功能故障点）这一临界点，这段时间设备
的状态表现为存在异常行为的设备性能下降。从“设备当前状态点”到“功能失效点”的这段时间为“设备剩余使用寿命”（RUL ，remaining useful life-time ）。
2.2故障预测主要研究内容
针对上述设备健康退化过程，其对应的故障预测系统应当具备早期故障检测能力，并监测其进程。通过设置适宜的特征参数检测阈值，假设在“设备故障检测点之后”的某一时刻能够检测到这种早期故
障状态，
故障预测系统的任务就是当前设备健康状态和使用负载情况，预报其出现故障的时间。故障预测技术的研究内容主要包括：
（1）评价当前设备处于其健康退化过程中的哪一种健康状态，是正常状态、性能下降状态或者功能失效状态。
（2）当前设备处于性能下降状态时，判断设备是
由于何种故障模式引起其健康水平的下降，
并且评价当前状态偏离正常状态的程度大小。
（3）预测设备未来的健康状态，它可以有两种形式：研究未来的一段时间（下一次任务之内）设备是否能正常的完成其功能；研究设备剩余寿命的大小。
对于确定性对象系统，故障预测就是根据参数随时间的变化计算或评估未来的健康状况。但在实践应用中，针对不确定性问题的故障预测更有实际意义，因为预测过程往往带有不确定性。这种不确定性来源于两个方面：一方面是失效机理本身就是一个随机过程，受制造缺陷、使用负载和环境变化等各种随机因素影响；另一方面是预测过程本身产生
的误差，
表现在监测传感器的数据品质、信号处理误差、特征撮方法及其解释方式、处理剩余的概率模型等方面。
随着设备健康退化程度的加剧，指示设备健康状态的特征参数变化趋势增强，关键部件剩余寿命不确定性将逐渐降低。即部件剩余寿命预测误差会随着系统使用时间的累积而将逐渐降低，此时预测准确度将主要依赖于预测过程本身的不确定性。具
体表现为剩余寿命降低时，
预测过程的准确度和置信度通常会提高。可见，故障预测是一个动态的过程，从部件最初应用到最终失效，预测对象的统计特
性一直在变化。预测是根据系统状态做出的，
从静态的观点看，预测是从历史数据中获得失效分布；从动态的观点看，剩余寿命又是由前状态（系统目前健康状态和使用状态）决定的。因此，故障预测的本质是非平稳的，提高精度并降低不确定度，自始至终是预测追求的目标。2．3故障预测流程
故障预测，即预计性诊断，是评估部件当前状态并对部件未来状态进行预计，它通常包括对小的时间范围内部件状态的预计及预计出现某一具体故障之前的剩余时间两种类型。典型的故障预测流程，包含了数据采集、数据预处理、数据传输、特征提取、数据融合、状态监测、故障诊断、故障预测、保障决策等环节，如图2所示。
·47·
第29卷第1期董庆伟等：基于视情维修故障预测技术的研究
图2故障预测流程
3故障预测技术实现方法
关于故障预测方法的分类，目前尚不统一，“基于经验、基于趋势、基于模型”、“基于数据、基于知识、基于模型”等分类方法可以见诸文献。下面按信息源的不同对故障预测技术进行归类分析。
3．1基于故障状态信息的故障预测
直接采用被观测对象功能及性能信息进行故障预测，是置信度最高的故障预测方法，得到了最成功的应用。典型的方法包括电子产品功能系统的故障预测等。虚警率（FA）高或不能复现（CND）故障多是困扰（BT）的一个主要问题。以航空电子为例，美国F/A－18C飞机1996 1998年统计，虚警率高达88%，平均虚警间隔飞行时间（MFHBFA）不到1h。
造成BIT虚警率高的原因，除了BIT系统本身的设计问题外，主要表现为不可复现（CND）或重测合格（RTOK）等状态。CND状态出现的原因一直是近年研究的热点，有专家认为，由于机上与地面工作应力和环境应力不同，以及拆装过程影响，使得机上测试状态与地面复试状态存在差异，是导致CND和虚警的一个主要原因。与使用环境数据等进行融合，进行综合预测，成为提高BIT能力的重要途径。
另外，实验证明环境应力对电子产品造成的某些累积损伤也表现为电性能的退化，在现行BIT体系的基础上，采集电性能退化信息，有可能实现对电子产品的故障预测。
3．2基于异常现象信息的故障预测
通过被观测对象在非正常工作状态下所表现出来或可侦测到的异常现象（振动、噪声、污染、温度、电磁场等）进行故障预测，并基于趋势分析进行故障预测。大多数机械产品由于存在明显的退化过程，多采用这种故障预测方式。
基于异常现象信息进行故障预测的一个主要问题是异常信息往往被正常工作噪声所掩盖。例如，采用振动或噪声分析手段对直升机齿轮箱进行故障预测时，状态异常（轮齿磨损）引起的振动载荷变化可能只有0．25g，而正常工作振动载荷可能达到1000g，信噪比为1?4000；另一个问题是异常现象是宏观的、系统级的，而故障原因却是部件级、材料级的，一种现象常存在多种可能的原因，导致故障定位困难。
基于异常现象信息进行故障预测的任务是：基于历史统计数据、故障注入获得的数据等种类已知信息，针对当前产品异常现象特征，进行故障损伤程度的判断及故障预测。概率分析方法、人工神经网络、专家系统、模糊集、被观测对象物理模型等都可以用于建立异常现象与故障损伤关系模型。下面介绍其中的几种模型：
（1）概率趋势分析模型
此类方法通过异常现象对应的关键参数集，依据历史数据建立各参数变化与故障损伤的概率模型（退化轨迹），与当前多参数概率状态空间进行比较，进行当前健康状态判断与趋势分析。通过当前参数概率空间与已知损伤状态概率空间的干涉来进行定量的损伤判定，基于既往历史信息来进行趋势分析与故障预测。
（2）神经网络趋势分析模型
此类方法利用神经网络的非线性转化特征及其智能学习机制，来建立监测到的故障现象与产品故障损伤状态之间的关系。利用已知的“异常特征—故障损伤”退化轨迹，或通过故障注入建立与特征分析结果关联的退化轨迹，对神经网络模型进行“训练/学习”；然后，利用“训练/学习”后的神经网络依据当前产品特征对产品的故障损伤状态进行判断。
（3）基于系统模型进行趋势分析
此类方法利用建立被观测对象动态响应模型（包括退化过程中的动态响应），针对当前系统的响应输出，进行参数辨识，对照正常状态下的参数统计特性，进行故障模式确认、故障诊断和故障预测。这种方法具有更高的置信度和早期故障预报能力。3．3基于使用环境信息的故障预测
由于电子产品尚无合适的可监测耗损参数和性能退化参数、故障发生进程极短（毫秒级）等原因，电子产品的寿命预测一直是一个难点。由美国马里兰大学CALCE ESPC提出的电子产品“寿命消耗监控（LCM）”方法论是目前主要发展方向。LCM方法论采信的是环境信息，基于电子产品的失效物理模型，通过环境应力和工作应力监测，进行累计损伤计算，进而推断产品的剩余寿命。
LCM方法论的基础是产品对象失效模式、失效机理的透彻了解，并建立量化的失效物理模型。电
·
57
·
吉林工程技术师范学院学报2013年1月
子产品（特别是电子元器件）的失效物理研究已有40年的历史，积累了丰富的模型，典型的模型包括焊点疲劳、电迁移、热载流子退化、时间相关介电质击穿（TDDB）、锡须、导电细丝形成（CFF）等。
LCM方法论已用于航天飞机火箭助推器电子组件、航天飞机远距离操作系统（SRMS）电子组件、JSF 飞机电源开关模块和DC/DC转换器、航空电源等的寿命预测，取得了良好的效果。
3．4数据融合及综合预测
综合利用来自多种信息源的、多参数、多传感器信息，以及历史与经验信息，以减小故障诊断与预测的差错，提高置信度，是数据融合的根本任务。
故障诊断与预测中的数据融合可以在3个层次进行：一是传感器层融合，没有信息丢失，但传输与计算量大；二是特征层融合，特征提取时有信息丢失；三是推理层融合。典型的数据融合过程包括在特征层融合时采信传感器层的关键原始数据，推理层融合时采信相似产品可靠性统计数据或专家经验知识。
数据融合时要考虑的主要问题是各种来源的信息的可信程度/精确度是不一样的，不恰当的数据融合也会导致诊断与预测的置信度降低。常用的数据融合方法有表决、贝叶斯推理、卡尔曼滤波、神经网络、专家系统、模糊逻辑等方法。当前大量的应用案例都采用了数据融合的综合诊断与预测方法。
参考文献：
［1］陈学楚．维修基础理论［M］．北京：科学出版社，1998.［2］张凤鸣，郑东良，吕振中．航空装备科学维修导论［M］．北京：国防工业出版社，2007.
［3］梁旭，李行善，张磊，等．支持视情维修的故障预测技术研究［J］．测控技术，2006，（6）.
［4］曾声，Michael G．Pecht，吴际．故障预测与健康管理（PHM）技术的现状与发展［D］．北京航空航天大学，2005.
［5］张秀斌．视情维修决策模型及应用研究［D］．国防科技大学博士论文，2003.
［6］杨绪，张萍，赵红华，等．视情维修理论综述及其在航空发动机维修管理中的应用［J］．江苏航空，2006，（1）.［7］（英）J．莫布雷．以可靠性为中心的维修［M］．北京：机械工业出版社，1995.
［责任编辑张雷］
·
67
·
汽车维修案例分析大全
汽车维修案例分析 案例一、一汽捷达怠速不稳 故障现象：一辆1999款捷达轿车，配置ATK发动机，行驶里程超过２0万km。该车怠速耸车，转速忽高忽低，遇红灯时常会熄火。更奇怪的是开空调不提速，怠速转速也不爱影响（按理说，如果开空调不提速，应该出现怠速转速降低甚至熄火的现象）。 故障分析与诊断： 接车后，用修车王SY380电脑诊断仪调出故障码，显示“系统正常”，没有故障码。看来只能用常规方法检查。测试燃油油压为280kPa，拔掉油压调节器真空管，油压上升到310kPa，正常。用万用表测量点火高压线电阻，有两个缸竟达到6kΩ，走出正常值2kΩ。然后将高压线全部换新，因发现点火线圈外壳有裂痕也将其换掉。该车好长时间没有保养过，根据车主要求，干脆连火花塞及氧传感器全都换新的。接下来打开点火开关ON，启动发动机，奇怪的是连打多次马达，车竟然不能启动。因理不出头绪，工作一度中断，检修陷入迷惘中。 经过冷静地分析，点火线圈有高压火，喷油器工作正常喷油。这种情况不能启动可能有两种原因：一是混合气过稀，二是混合气偏浓。检查进气管路没有破损，拔掉四个缸喷油器的电源控制插头，打马达，车启动了，但是3s后烧完进气道内剩余燃油又一次熄火。又插上喷油器电源手头，车启动了，但怠速时还是耸车，忽高忽低要熄火的样子。这时想到可能是混合气偏浓，导致开空调时不提速、怠速也不下降。 捷达车空调工作的原理是：打开空调开关，通过空调继电器线路分为两路，一路到高低压组合开关及其它元件，另一路至发动机控制单元ECU的10脚，作为空调请求信号，控制单元ECU接到空调请求信号后控制ECU8脚到J147空调切断继电器。J147空调全负荷切断继电器有双向作用：一是控制空调处于全负荷时切断空调机；二是空调机开始工作时，控制发动机怠速提升。 拆开后发现它不是一个普通的线圈继电器，而是一个电子线路，因此能起双向作用。而捷达轿车的怠速机构没有设旁通道，怠速的大小由ECU控制器根据发动机工况、负荷和所需功能控制，控制节气门电机转动步数而达到节气门开度的大小，得到怠速转速。 弄清原理后再用修车王SY380诊断仪调出数据流分析观察，当空调开关打开ON时，发动机负荷进气流量由2.5g/s上升3.5g/s。喷油脉宽由2ms上升到3.2ms。证明：ECU控制已接到空调请求信号而增加进气流量、喷油脉宽，但执行机构不动作，证明ECU控制器本身存在故障。 为了证实上述推断，拔下节气门传感器手头，按该车所提供资料检查数据。打开点火ON；用万用表检查，4－7脚间应不低于4.5V电压，实测4.8V。3－4脚间不低于9V电压，实测6V电压，不正常。关闭点火OFF：3－7脚节气门全开时无穷大，关闭时不能到1.5Ω，实测1Ω正常；怠速电机3～200Ω，实测80Ω。检测结束，换上一块新的ECU控制器。经过试车怠速平稳，冷车及开空调都能提速，故障彻底排除。 专家点评——阚有波 在进行故障分析时，作者走入了一个误区：没有故障代码，然后就按常规去检查。而检查的结果又不能完全证明元器件的损坏，比如提到的：火花塞、氧气传感器，所有这些内容的更换在返回头看来是没有必要的，实际上我们修车不应该以客户的要求为标准，修理人员在车主面前要记住一句话：我是专家，不要受到客户的干扰。 该车的故障最初显示：怠速耸车，转速忽高忽低，遇红灯会熄火，开空调不提速，但是怠速转速也不受影响（实际上这一现象的描述与前面有矛盾，因为怠速已经耸车，转速已经忽高忽低，这也是影响之一，只不过没有灭车）。 这类怠速的故障是我们日常最常见的故障，我们在分析的时候可以依照下面思路：转
电子电路故障诊断与预测技术分析 王雅丽
电子电路故障诊断与预测技术分析王雅丽 发表时间：2019-07-19T10:38:10.277Z 来源：《新材料.新装饰》2019年2月下作者：王雅丽 [导读] 通过研究电力电子电路故障实例能够发现，大部分的电力电子电路故障通常表现为内部开关元件的损毁。一般来说，功率开关器件的损坏是电力电子电路故障的主要体现。电力电子电路出现故障时，由于电子器件的过载能力较小，往 （身份证号：13022619791016****） 摘要：通过研究电力电子电路故障实例能够发现，大部分的电力电子电路故障通常表现为内部开关元件的损毁。一般来说，功率开关器件的损坏是电力电子电路故障的主要体现。电力电子电路出现故障时，由于电子器件的过载能力较小，往往瞬息之间就会产生停电，为相关电力企业带来严重损失。由于电力电子电路功率极大，甚至可以达到几千千瓦，一旦发生故障，容易引发重大的事故。鉴于此，本文对电子电路故障诊断与预测技术问题进行解析，以供参考。 关键词：电子电路；故障；诊断与预测 引言 随着电子技术的不断完善，电子电路的应用范围越来越广，并显现出了较高的应用价值。电子电路稳定与否，直接关乎其在实际应用中的效果[1]。电子电路在实际应用过程中，不可避免的会出现一些故障，导致电子电路无法正常运作，降低了电子电路的安全性能，因此亟需通过科学有效地检测技术，来对其中的故障进行发现与解决，进而提升电子电路的运行水平。 1电子电路故障原理 1.1故障频率特征的诊断 在对电路出现的故障进行诊断的时候，需要按照传感器所传出的故障信号实施相应采集，然后以故障产生的频率算法对电路可能出现的故障实施鉴别，并对产生的故障进行相应判断。 1.2传统算法的弊端 对于电子的电路而言，其通常与数字以及模拟等相关电路均不相同，其相关器件所具备的过载能力一般比较小，而且受损的速度比较快，仅为10微秒之内，这种情况下，就无法对可能出现的故障进行提前获取。而传统的故障诊断主要是依据频率所输出的波形对缓变的故障进行判断，但是，无法对快速、突变的故障进行有效识别。 1.3遗传算法的故障诊断 由于专家系统应用于电力电子电路故障诊断中需要一定的计算时间，为了能够进一步提高专家系统的诊断效率，可将遗传算法应用于电力电子电路故障诊断工作中。遗传算法主要采取适者生存的进化原则，能够实现群体进化。将遗传算法与电力电子电路相结合，通过对采集信息的合理利用，能够提升电力电子电路故障诊断结果的准确性。而且借助此种算法，电力电子电路故障诊断计算时间将会明显缩减。 2电子电路的常见故障 2.1人为操作失误导致的故障 电子电路在不同领域中进行应用时，均需要通过人为操作来实现有效服务。在现实情况中，也不乏因人为操作失误而使电子电路发生故障。如具体使用过程中，操作人员的专业能力不过关或对电子电路业务不熟悉而将电源进行错误连接，不能实现电子电路中线路的有效安装与连接，无法保障电子电路的稳定性与安全性，也就谈不上安全使用。 2.2因干扰严重而出现故障 电子电路在具体服务过程中，易遭受各种因素的影响，包括设备因素及外界因素等，严重降低了电子电路的稳定性与安全性。如感应干扰、接地故障及直流电源滤波不佳等问题，使电子电路的正常运行受到严重影响。 2.3测试设备故障 测试设备出现故障的情况说明，测试设备所测试的对象—电子电路其自身不存在问题，而是测试设备具有故障，亦或是操作人员专业技能不过关，出现操作失误导致测试设备故障。例如二示波器在实际运用的过程中，没有选择正确的档级，致使档级出现问题。出现这种情况，波形的显示比正常情况波动明显，设备显示出现问题，而这个过程电子电路完全没有问题。 3电子电路故障的检测方法 3.1直观检测法 故障检测中的直观检测法，就是指工作人员利用人身体的器官直接发现故障，主要是利用眼睛、耳朵、手和鼻子。首先整设备的工能开关，同时对设备的指示灯进行观察，判断短路是否正就是用眼睛看，调产，观察设备内部，则需要注意电路板上的元器件是否存在损坏、虚焊、断裂、松动等情况;其次，用耳朵听，设备运行过程中是否存在异常声音;再次，用鼻子闻，设备内部是否存在异常的气味如烧焦等;最后，就是用手摸，感受电路以及三极管等元器件是否有过热的现象 3.2电压测量法 电压测量法则一般是通过仪器来完成，一般利用万用表对原件和电路的电压情况进行明确，从而准确的判断出其是否具有异常情况。电压测量其中还包括直流电压和交流电压。直流电压测量在静态电路测量当中具有很好的使用，主要指的是电视连接有效信号的过程。而交流电压测量则是电视在正常运行过程中接受的电视信号。在检测的过程中，一般采取关键点结合普测方式来进行。接下来则是对于部分电路元器件引脚电压进行有效的测量，从而对于每一元件的稳定情况展开有效的检查。一般情况下，技术人员从元件引脚间电压出发，能够对支路电流进行估计，对故障情况进行明确，在同一节点中焊点的对地电压也是具有差距的，点间电位差是零。我们经常使用的电子元器件在正常使用时所产生的电压，与其出现问题时所具有的电压一般都是不同的。 3.3电流测量法 此方法主要是通过对元器件以及电路的电流测量，从而判断设备故障。电流测量法主要应用在电源负载以及局部的电路工作电流情况。若是经过测量，发现测量电流与其正常电流的数值相差过大，就表明电路或者电源负载存在问题。此种方法具体分为间接测量法和直
智能故障诊断技术知识总结
智能故障诊断技术知识总结 一、绪论 □智能： ■智能的概念 智能是指能随、外部条件的变化，具有运用知识解决问题和确定正确行为的能力。 ■低级智能和高级智能的概念 低级智能——感知环境、做出决策和控制行为 高级智能——不仅具有感知能力，更重要的是具有学习、分析、比较和推理能力， 能根据复杂环境变化做出正确决策和适应环境变化 ■智能的三要素及其含义 三个基本要素：推理、学习、联想 推理——从一个或几个已知的判断（前提），逻辑地推断出一个新判断（结论）的思维形式 学习——根据环境变化，动态地改变知识结构 联想——通过与其它知识的联系，能正确地认识客观事物和解决实际问题 □故障： ■故障的概念 故障是指设备在规定条件下不能完成其规定功能的一种状态。可分为以下几种情况： 1.设备在规定的条件下丧失功能； 2.设备的某些性能参数达不到设计要求，超出允许围； 3.设备的某些零部件发生磨损、断裂、损坏等，致使设备不能正常工作； 4.设备工作失灵，或发生结构性破坏，导致严重事故甚至灾难性事故。 ■故障的性质及其理解 1层次性——系统是有层次的，故障的产生对应于系统的不同层次表现出层次性。 一般可分为系统级、子系统级、部件级、元件级等多个层次；高层故 障可由低层故障引起，而低层故障必定引起高层故障。诊断时可采用 层次诊断模型和诊断策略。 2相关性——故障一般不会孤立存在，它们之间通常相互依存和相互影响，如系统 故障常常由相关联的子系统传播所致。表现为，一种故障可能对应多 种征兆，而一种征兆可能对应多种故障。这种故障与征兆间的复杂关 系导致了故障诊断的困难。 3随机性——故障的发生常常是一个与时间相关的随机过程，突发性故障的出现通 常都没有规律性，再加上某些信息的模糊性和不确定性，就构成了故 障的随机性。 4可预测性——设备大部分故障在出现之前通常有一定先兆，只要及时捕捉这些征 兆信息，就可以对故障进行预测和防。 □故障诊断： ■故障诊断的概念 故障诊断就是对设备运行状态和异常情况做出判断。具体说来，就是在设备没有发 生故障之前，要对设备的运行状态进行预测和预报；在设备发生故障之后，要对故 障的原因、部位、类型、程度等做出判断；并进行维修决策。 ■故障诊断的实质及其理解 故障诊断的实质——模式识别（分类）问题
典型的故障预测方法
基于统计过程控制(SPC)的故障预测技术 统计过程控制(StatisticalPI’OCes8Control，SPC)是一种有效的数据统计方法，将SPC理论和计算机技术相结合，对机械制造、产品加工等生产过程的产品进行质量管理，以改进生产技术，提高产品质量，具有对生产过程预防和监控的能力。统计过程控制技术运用休哈特(W.A.Shewhart)的过程控制理论即控制图来判断设备是否处于稳定可靠状态，根据控制图上的特征值点分布状况，分析对象系统特性的趋势，并采取预防措施确保对象系统特性始终处于统计控制状态，从而达到改进与保证质量的目的。属于基于数据的故障预测中的一种。 预置损伤标尺方法又称为“基于保险和预警装置的方法”，是通过在实际产品中增加保险或预警装置来提供故障的早期预警。 性能状态检测方法又称为“基于故障预兆监控与推理的方法”、“数据驱动方法”，是利用可以测量的产品性能或者状态变量的变化趋势、故障征兆等进行故
障的预测。 环境应力检测方法又称为“基于失效物理模型的方法”，是基于产品的失效物理模型，对产品的环境应力和工作应力进行监测和累计损伤计算，进而推断出产品的剩余寿命。 2．3．1 基于失效寿命数据的故障预测 失效寿命数据包括失效时间、无故障数据和截尾数据。根据失效寿命数据的分类，KM 估计对三类数据的处理过程如下: ①观测到故障的失效寿命数据，在故障发生前可靠度为1，在故障发生后可靠度为0。其表达式为: ②未观测到故障的样本数据，可靠度估计恒为1，即r( t) = 1。 ③截尾数据。在截尾之前可靠度为1，截尾后采用KM 估计。其表达式为:
2．3．3 基于多输出支持向量机( SVM) 的故障预测 构造的多输出SVM 故障预测模型如图 4 所示。故障预测模型的输入为样本的性能退化数据序列( 每个样本序列均以时间先后为序排列) ，输出为对应样本的可靠度。故障预测模型的工作原理就是，通过训练多输出SVM 来拟合性能退化数据和可靠度间的非线性关系，用训练好的SVM 预测组件将来时刻的可靠度。 2)故障预测技术现有用于机电设备故障/失效预测的方法可归纳分为以下5个主要类别:传统的可靠性方法-基于事件数据(EventData)的预测;预测学(Prognostics)方法-基于状态数据(ConditionMonitoring)的预测;综合集成的方法(Integrated Ap-proaches)-基于事件数据和状态数据的预测;基于定性知识的故障预测方法;其他故障预测方法
缺陷预测方法介绍
缺陷预测方法介绍 一、背景介绍 研发项目在测试初期由于没有更多的数据支撑，所以不能进行缺陷总数预测。而当数据量达到一定程度后，我们就可以通过工具来进行缺陷总数预测，同时在不同的时间段内多次预测并不断修正预测的缺陷总数，已达到对质量评估和测试计划调整起到一个指导作用。 二、工具及使用介绍 I、Excel II、Gompertz增长模型 III、SPSS 平常测试中我们会发现，测试的初始阶段，由于对测试环境不够熟悉，日均发现的软件缺陷数量比较少，发现软件缺陷数的增长较为缓慢；随着逐渐进入状态并熟练掌握测试环境后，日均发现软件缺陷数增多，发现软件缺陷数的增长速度迅速加快。随着测试的继续进行，软件缺陷的隐藏加深，发现难度加大，需要执行较多的测试才能发现一个缺陷，尽管缺陷数还在增加，但增长速度会减缓，而软件中隐藏的缺陷是有限的，因次限制了发现缺陷数的无限增长。这种发现软件缺陷的变化趋势及增长速度是一种典型的‘S’曲线，根据这种规律我们可以使用增长模型来预测缺陷的总数。 1、Excel运用宏进行缺陷总数预测 1-1、首先先把数据列入Excel表中 1-2、加载宏 Office按钮 -> Excel选项(I) -> 加载项 -> 管理(选择“Excel 加载项”) -> 点击[转到(G)]按钮 -> 加载宏界面勾选“分析工具库”和“规划求解加载项” (确定后等待加载完成即可)，图1
图1 1-3、在数据下的菜单里点击“数据分析”(在右边)，将弹出数据分析对话框，图2 图2 1-4、在分析工具(A)选择框处选择“回归”后点击[确定]按钮，弹出回归设置对话框，如图3 图3 1-5、根据步骤4的设置，在新的sheet里查看结果，我们只需查看Upper 95%的值即可，如图4 图4 根据以上操作，我们可以预测该系统的缺陷总数约为448.4个。 2、运用Gompertz增长模型进行缺陷总数预测 模型表达式为Y=a*b^(c^T) 其中Y表示随时间T发现的软件缺陷总数，a是当T→∞时的可能发现的软件缺陷总数，即软件中所含的缺陷总数。a*b是当T→0时发现的软件缺陷数，c表示发现缺陷的增长速度。我们需要依据现有测试过程中发现的软件缺陷数量来估算出三个参数a，b，c的值，从而得到拟合曲线函数。
设备维修经典案例分析
唐山分公司一厂设备部设备管理典型案例 一、案例正文和案例分析 1.一线篦冷机液压管路改造：原篦冷机液压管路使用已到寿命，经常发生液压主管路焊口裂缝漏油现象，2013年累计漏油3.5吨以上，停窑次数达到5次以上，增加较多油耗损失并严重影响窑运转率利用2013年底大修期间，进行一线篦冷机整体管路改造，将主管路改到风室外部，出现问题不用停机条件下可在外面操作修复，同时可避免二次污染；液压缸各支管路增加阀门，可快速有效排查工作异常液压缸；液压管路整体布局重新敷设，减少弯头数量，降低压力损失；泵站出口管路改为高压软管，较少液压冲击引起的振动。为了进一步避免一二线篦冷机液压油管坏后造成油箱大量跑油。将一二线篦冷机油箱液位控制改为模拟量带数显液位计，中控室上位画面添加液位显示，液位曲线与液位报警报警。原来为液位继电器控制，低位报警与低位停车相差100mm，高位报警与停车值相差450mm。改完后油位显示809mm。将高位报警设为815mm，低位报警设为790mm ，低位停车设为780mm，延时5秒停篦床改造后液位控制更加精确，液压油管漏油后跑油量由原来的10cm，变为2cm，每次减少跑油量300公斤。改造后运转良好，未出现漏油现象，管路整体振动较原先有明显好转。 2.二线水泥A磨1#选粉机变频器改造：电机型号TIM-FCKTW-FW-6 380V 90KW该电机型号老，水电阻调速落后，不节能启动有冲击，且滑环碳刷维护量大价格高。测速机故障较频繁，调速范围小，调速精度差调速不平滑。调节范围有限选粉细度对水泥质量有影响，更换变频器型号AB-ACS800。改造后效果：1、电耗大幅度下降，原电机额定电流为180A，现改造后电机实际运行电流平均为50A左右，电能利用率大幅提高。2、设备运行状况大为改善，调速
轴向柱塞泵故障诊断与预测
轴向柱塞泵故障诊断与预测 李启龙黄志坚 （广东工业大学机电工程学院510090） 摘要：本文主要介绍轴向柱塞泵故障诊断和预测方法。把各故障症状模糊量化作为输入，经过诊断可找出故障的原因，利用故障预测模型对轴向柱塞泵未来的状况进行预测，可减小意外故障对生产的影响。关键词：故障诊断，模糊处理，故障预测，故障症状，故障原因 Diagnosis and forecast for the fault of Axial Plunger Pump Abstract:：The way of diagnosis and forecast for the fault of axial plunger pumps have been introduced in this paper. Using symptoms of fault as input by fuzzy way, the reasons of fault can be got; and by means of forecasting model, the fault of axial plunger pump in future can be forecasted, the affect of faults to producing will be lowest. Key words: diagnosis for fault, fuzzy way，forecast for fault, symptoms of fault, reasons of fault 1 轴向柱塞泵故障诊断与预测概述[1] 液压泵是整个液压系统的动力元件。它将原动机（电动机，内燃机）的机械能转换成油液的压力能，为液压系统提供有一定流量和压力的油液。轴向柱塞泵有其自身的优点，结构紧凑、径向尺寸小,惯性小,容积效率高,目前最高压力可达40.0MPa,甚至更高，因此一般用于工程机械、压力机等高压系统中在很多的场合如矿山机械，钢铁厂等。 液压泵出现故障将导致整个液压系统无法正常工作，液压泵的故障诊断对液压系统和整个生产线都有重大的意义。本文主要针对斜盘式轴向柱塞泵发生的故障进行诊断方法的一个模型建立和讨论。 对柱塞泵的智能故障诊断，一般是开发出故障诊断专家系统等方法直接诊断出故障发生的位置和发生的原因，然后利用专家的知识推理，提出故障解决的方案和措施。而很少对故障进行预测，不能有效的对柱塞泵预先检修，而有可能耽误了最佳的检修时间，影响生产，并使泵遭受不可修复的损坏，缩短泵的使用寿命。由于导致泵故障的因素多样，一个因素会导致多个故障产生，一个故障，也可能是由多个因素共同产生的，因此，在很多情况下，并不能非常准确地描述故障的情况。本文用模糊处理的方法，利用模糊数学的概念，把故障的症状进行模糊化作为诊断的依据，同时输出故障原因的模糊量。对柱塞泵的故障进行诊断，诊断出故障发生的原因和元件，并对柱塞泵故障进行预测，达到预警的目的。 2 故障诊断的方法——故障的分类[2][3] 故障的分类，是同一时间不同故障之间的相互比较，分辨出最可能发生的故障。根据故障症状的明显程度和故障原因对应的模糊关系，以及故障原因和故障源发生难易性的对应关系，两条路径综合考虑的方法来求出最后的故障发生的原因。 以某钢铁公司轧钢线PV250DF型柱塞泵为例，主要的故障症状有液压泵的压力小，压力波动大，油液温度高，内泄漏大，流量小或无流量，振动大等。
电脑维修案例大全
1、系统启动与关机故障
【案例 1】安装了不兼容的硬件驱动程序或者硬件配置不正确导致无法关机 ··················· 1 【案例 2】电脑启动时出现错误提示，键盘无法使用 ·························································· 3 【案例 3】电脑升级光驱后无法启动，出现错误提示 ·························································· 3 【案例 4】电脑非法关机后无法正常启动，不断重启 ·························································· 3 【案例 5】对电脑进行超频后无法正常启动 ········································································· 4 【案例 6】系统自动更新后，无法正常启动 ········································································· 4 【案例 7】电脑中装入第二块硬盘后，出现错误提示，无法启动电脑 ······························· 4 【案例 8】安装两个杀毒软件后，电脑无法正常启动 ·························································· 5 【案例 9】安装软件后，出现错误提示，不断重启 ······························································ 5
2、电脑黑屏故障
【案例 10】新装电脑开机不通电，电源指示灯不亮 ···························································· 5 【案例 11】旧电脑升级内存和硬盘后开机黑屏，电源指示灯亮········································· 6 【案例 12】按“Reset”键重启后黑屏，电源指示灯亮但电脑无法启动 ···························· 6 【案例 13】电脑非法关机后无法启动，指示灯亮，BIOS 有响铃声 ·································· 7
3、电脑蓝屏故障
【案例 14】虚拟内存不足造成蓝屏 ······················································································· 7 【案例 15】电脑超频后导致蓝屏 ··························································································· 7 【案例 16】光驱读盘时被非正常打开导致的蓝屏 ································································ 8 【案例 17】系统硬件冲突导致蓝屏 ······················································································· 8 【案例 18】注册表错误导致蓝屏 ··························································································· 8
4、电脑死机故障
【案例 19】电脑总是出现没有规律的死机 ··········································································· 9 【案例 20】电脑看电影和处理照片正常，但玩 3D 游戏时死机 ········································· 9 【案例 21】电脑上网时出现死机，不上网时运行正常 ························································ 9 【案例 22】电脑开机后鼠标乱跳，键盘不能使用，并且出现死机故障 ··························· 10 【案例 23】电脑从待机状态被唤醒后屏幕会变成黑屏，并且出现死机 ··························· 10 【案例 24】电脑总是在使用三五个小时后出现死机故障 ·················································· 11
5、注册表故障维修
【案例 25】 “我的文档”无法打开，提示被禁用 ································································ 11 【案例 26】单击鼠标右键无法弹出右键菜单 ····································································· 11 【案例 27】删除文件时提示“文件正在使用无法删除” ·················································· 12 【案例 28】注册表不能使用 ································································································· 13 I
故障预测与健康管理系统方案
故障预测与健康管理系统解决方案 1.国内数字化设备管理存在的问题 今天，随着德国“工业4.0”、美国GE“工业互联网”在全球的风靡，以及“中国制造2025”战略的如火如荼地推进，以新一代信息技术与制造业深度融合为特点的智能制造已经引发了全球性的新一轮工业革命，并成为制造业转型升级的重要抓手与核心动力。 1.1.设备管理问题依然严重 在多年的项目实施过程中深切感觉到，国内不管是大型企业还是中小企业，随着数字化脚步的加快，设备数控化率在逐年飞速的提高，数字化设备的数量与日俱增。但这些设备出现故障以后的维修周期平均在2周以上，属于主轴、丝杠等关键部件损坏所导致的故障维修时间平均在3周以上。维修期间，不仅严重影响生产进度，影响交货期，而且需要花费不菲的维修费用。国外设备厂家提供的维修服务都是从工程师离开国外住地开始计算维修费用，如果请国外工程师维修，光人工费用每次平均都在5万（人民币）以上，加上更换备件等费用，每年企业需支付昂贵的设备维修费用。 企业目前对数字化设备采用传统“事后维修”的管理方法已经严重制约了公司的智能制造发展目标。需要研究和探索，对于大量的离散制造业的设备进行预防性维护和故障预测的方案。 1.2.设备健康管理需求迫在眉睫 设备数据采集系统采集设备数据利用价值没有充分挖掘出来，给工厂决策等提供的分析数据有限。虽然在数字化工厂建设上取得了较好的效果，但是在设备数据利用方面还远远不够。设备数据采集系统经过长期的系统运行，拥有了大量的设备的运行历史数据。
3OEE、开机率、故障率报表显示70% 4报警故障信息次数和内容统计40% 5加工零件信息数量统计30% 6程序传输功能程序上传下载90% 7其它信息报表和看板展示不确定 表格1某企业数据采集利用程度表 设备数据采集系统虽然可以提供与生产效率相关的基本统计信息，但仍然倚重硬件互联的部分，对于数据，尤其是海量互联数据分析来达到机器主件衰退监测、健康状况评估、故障预测预诊断、风险评估、以及决策支持方面，仍然有提升空间： 1)现有的数控机床联网制造了大量数据，然而目前却没有很好的分析方式， 目前仅仅限于原始数据重现，应该进行价值挖掘。 2)数控机床数量多、类型多、系统多样，虽然数据互联，但对于每种不同机 型，缺少每个机台的针对性健康状态监测结果。 3)现有的生产管理系统更多是从设计角度出发，没有对设备健康状况做监测， 并且在管理时没有将生产效率与设备健康连接起来，所使用机器将因为衰 退情况的未知而对生产任务的完成造成未知风险。 4)对于设备生产产品的质量检测，目前没有实现数字化。在发现产品质量问 题时，次品已经产生。缺少提前预测产品质量缺陷手段。 5)在绿色环保方面，对于设备使用的能量没有监测或数字化管理手段。设备 能耗状况的管理相对粗放，没有能够与生产任务协调管理，使得在达到生 产效率最大化的同时实现能效最优化来节省开支，降低碳排放。 6)对于相同设备的维护管理，由于经常依赖于经验以及设备用户手册，所采 用的维护方式大都趋同。然而，根据设备所经历的不同工况，相同的设备 可能衰退的过程不尽相同。如果对于衰退不严重的设备实施了维护，那么 会造成资源浪费以及停机时间，进而影响生产效率；如果对于衰退严重的 设备延迟进行维护，则可能造成设备加速老化，甚至严重的生产安全隐患。
维修案例大全
维修案例大全 【篇一：维修案例大全】 在现在科技发达的时代，数码产品已经成为我们生活和工作中不可 缺少的东西，尤其是电脑，如今办公自动化，电脑已经不可或缺， 它更加方便，同时也大大提高了我们工作的效率。但是，只要是个 东西就会出现故障，电脑也不例外，这时候我们就很头疼，需要找 人来维修，但有些小问题我们自己也是可以解决的，但首先要知道 原因。所以，小编为大家列举了电脑出现故障的常见原因以及一些 案例和处理办法。 1、实例1：主板不启动，开机无显示，有内存报警声( 嘀嘀地叫个 不停) 故障原因：内存报警的故障较为常见，主要是内存接触不良引起的。例如内存条不规范，内存条有点薄，当内存插入内存插槽时，留有 一定的缝隙;内存条的金手指工艺差，金手指的表面镀金不良，时间 一长，金手指表面的氧化层逐渐增厚，导致内存接触不良;内存插槽 质量低劣，簧片与内存条的金手指接触不实在等等。 处理办法：打开机箱，用橡皮仔细地把内存条的金手指擦干净，把 内存条取下来重新插一下，用热熔胶把内存插槽两边的缝隙填平， 防止在使用过程中继续氧化。注意：在拔插内存条时一定要拔掉主 机折电源线，防止意外烧毁内存。 2、实例2：主板不启动，开机无显示，有显卡报警声(一长两短的鸣叫) 故障原因：一般是显卡松动或显卡损坏。 处理办法：打开机箱，把显卡重新插好即可。要检查agp插槽内是 否有小异物，否则会使显卡不能插接到位;对于使用语音报警的主板，应仔细辨别语音提示的内容，再根据内容解决相应故障。 如果以上办法处理后还报警，就可能是显卡的芯片坏了，更换或修 理显卡。如果开机后听到嘀的一声自检通过，正常但就是没有图像，把该显卡插在其他主板上，使用正常，那就是显卡与主板不兼容， 应该更换显卡。 3、实例3：主板不启动，开机无显示，无报警声 故障原因：原因有很多，主要有以下几种。 处理办法：针对以下原因，逐一排除。要求你熟悉数字电路模拟电路，会使用，有时还需要借助debug卡检查故障。
故障诊断习题含答案
故障诊断习题 一、故障诊断概念，诊断过程及主要内容 在机械设备不解体的情况下，对设备完成规定能力和影响因素进行判断和预测。诊断过程见右： 二、常用故障信息有哪些？1、振动；2、声波；3、温度；4、磨屑；5、零部件状态；6、红外线。 三、常见故障诊断类型有哪些？ 1、定期诊断和连续监控诊断； 2、常态诊断和暂态诊断； 3、状态诊断和故障诊断； 4、零部件诊断和整机诊断； 5、仪器诊断和逻辑诊断。 四、常用诊断技术有哪些？1、振动诊断技术；2、声发射诊断技术；3、无损诊断技术；4、红外线诊断技术； 5、逻辑诊断技术； 6、故障树分析技术； 7、油液分析技术。 五、随机信号幅值特征参数有哪些？峰值、均值、 方差、 均方值、波峰因数。 x(t)——各态历经随机过程的样本记录；T ——样本记录时间。 1、峰值 2、均值 样本记录所有值的简单平均，均值反映了随机信号的静态(直流)分量。实际上，取观测时间T 为无限长的样本函数是不可能的， 常用有限的长度样本记录来代替，这样计算的均值称为估计值， 以加注 “∧” 来区分。 3、方差 方差用以描述随机信号的动态分量，其大小反映了随机变量对均值的离散程度，即代表了信号的动态(交流)分量， 其正平方根称为标准差。 4、均方值 均方值是描述了随机信号的强度或平均功率。均方值的正平方根称为均方根值(或称有效值)。 5、波峰因数 六、波峰因数在故障诊断中的应用？ 七、自相关函数的定义，性质，应用。（见笔记）八、互相关函数的定义，性质，应用。（见笔记） 九、什么信号频谱？ 傅立叶变换实际上是一种正交空间变换，以exp(-jwt)为基，如果学过线性代数空间正交基的概念就知道了，把时域信号变成另外一个线性空间的信号，这个线性空间就是频域。 十、什么是离散频谱和连续频谱？ 连续时间信号：是指在某一指定时间内，除若干个第一类间断点外，该函数都可给出确定的函数值的信号。 由不连续的谱线构成,每一条谱线代表一个正弦分量或余弦分量的频谱,称为离散频谱. 十一、什么是自功率（互功率）谱密度？ 自功率谱密度函数Sx(f)是自相关函数Rx(τ)的傅里叶积分变换。互功率谱密度函数Sxy(f)是互相关函数Rxy(τ) 的傅里叶积分变换。 十二、什么倒频谱？ 倒频谱分析是一种二次分析技术，是对功率谱的对数值进行傅立叶逆变换的结果。也称二次频谱分析，包括功率倒频谱和复倒频谱。 其计算公式为： ()()[]{}f S log F t C xx 1a -= 该分析方法受传感器的测点位置及传输途径的影响小，能将原来频谱图上成族的边频带谱线简化为单根谱线，以便提取、分析原频谱图上肉眼难以识别的周期性信号。但是进行多段平均的功率谱取对数后，功率谱中与调制边频带无关的噪声和其他信号也都得到较大的权系数而放大，降低了信噪比。 十三、数字信号处理过程：预处理→A/D 转换→计算机处理→结果显示 十四、采样频率如何确定？ 由采样定理可知： 对于一个频率为0~fm 的有限带宽连续信号进行采样， 只有当采样频率fs ≥2 fm 时， 其离散傅里叶变换才不发生频率混淆， 因而只有用这样采样的点才能得到离散信号的频谱， 同时也只有用这样采样的点才能够完全恢复原时域信号的连续波形x(t)，不 过此时要借助右面的插值公式来求出采样点以外的其它点。 采样定理要求fs ≥2fm ，但采样频率fs 并非选得越高越好。 由N 个时域采样点进行离散傅里叶变换， 得到N 个频域点，通常称为N 条谱线，对应的频率范围为［-fs /2,fs /2］，因此相邻谱线的频率增量见右 可见当采样点数N 一定时，采样频率fs 越高，频率增量大，频率分辨力越低。因此，在满足采样定理的前提下，采样频率不应选得过高， 一般取fs=(2~3)fm 就够了。 f f S R f x x d e )()(2j τπτ?∞ ∞ -=τ ττ πd e )()(2j f x x R f S -∞ ∞-?=自谱密度数学表达式 其傅里叶积分逆变换为 τ ττd e )()(j2π-f xy xy R f S ?∞∞ =互谱密度数学表达式 其傅里叶积分逆变换为 ∑ ∞-∞ =--= n T nT t T nT t nT x t x s s s s s )(π)(πsin )()(222s s s f N f f f =? ?? ??--= ?诊断 不正常 状态识别 信息采集 设备 正常 信息处理 决策 均值、方差和均方值的关系： (){}t x max E X max = 均方值与估计值： 均值与估计值： 方差与估计值： 峰值： ?∞→=T T x t t x T 0 d )(1lim μ?=T x t t x T 0d )(1?μt t x T x T x d ])([lim 0 22?-=∞ →μσt t x T x x d ])([?0 22?-=μσt t x T T x d )(1 ?0 22? =ψt t x T T T x d )(1 lim 2 2? ∞→=ψ222x x x σμψ+=
电子系统故障预测方法综述
故障预测方法综述 1.前言 故障预测与健康状态管理(Prognostics and Health Management, PHM) 技术的提出，对现代复杂装备维修保障能力提出了更高的要求。PHM技术是一种全面故障检测、隔离和预测，以及健康状态管理的技术。它的引入不是为了直接消除故障，而是为了了解和预报故障何时可能发生，或在出现始料未及的故障时触发一种简单的维修活动，从而实现自助式保障，降低使用和保障费用的目标。 故障预测技术是PHM的核心技术之一，它是比故障诊断更高级的维修保障形式，它利用监测参数、实验数据等各种信息，借助相关推理技术评估部件或系统的未来健康状态或剩余使用寿命。故障预测使得设备维护人员能够提前预知设备的健康状态和故障的发生，从而有效地降低故障风险、节约保障资源、减少经济损失。在航天、核能等对可靠性要求较高的领域有着广阔的应用前景，是实现武器装备视情维修、自主式保障、感知与响应后勤的关键技术。 2.目前广泛使用的故障预测方法 目前，故障预测方法可以分为基于模型和数据驱动两类。基于模型的故障预测方法，如卡尔曼滤波器、粒子滤波器等。虽然预测过程简单，但是如果假设的模型与实际不符则性能就较差。 人工神经网络具有模仿连续非线性函数的能力，并且能够从样本进行学习，因而在故障预测中得到了广泛的应用。人工神经网络通过样本的学习可以掌握系统规律，无需对测量信号作模型假设。由于神经网络具有很强的自适应性学习能力和非线性映射能力，适合于实现预测器的设计。但是神经网络训练时需要大量数据样本，且存在收敛速度慢、局部极小点、网络结构难以确定等不足。 灰色预测按灰色系统理论建立预测模型，根据系统的普遍发展规律,建立一般性的灰色微分方程，通过对数据序列的拟合，求得微分方程的系数，从而获得灰色预测模型。灰色预测利用灰色系统理论的GM ( Grey Model ) 模型进行预测。灰色预测在处理小样本、贫信息、不确定问题上具有独特优势，但在预测精度和预测稳定性等问题上仍有待改进。 模糊神经网络吸收了模糊理论和神经网络技术的优点。模糊神经网络可以借助神经网络的逼近能力。同时具有神经网络的低层次学习、计算能力和模糊系统的高层次推理、决策能力。因而采用模糊神经网络技术可以对设备的未来状态进行比较准确的预测。 粒子滤波器是基于蒙特卡罗方法的随机滤波算法，是解决非线性问题的有效算法。粒子滤波器通过一组采样值粒子来近似概率密度函数,因而并不要求系统是线性、高斯的。粒子滤波器使用状态空间里大量的样本点近似实际状态的概率密度函数,这些样本点称为“粒子”。随着粒子数的增加,它们能够很好地近似所求的概率密度函数。粒子滤波器方法是对每个粒子赋予一个权值,许许多多不同权值的点构成的离散分布就可以逼近连续分布。能跟踪多个模式的系统行为,因此可用于估计混杂系统的连续状态和离散状态。粒子退化和对突变状态的跟踪能力差是粒子滤波在故障预测应用中存在的主要问题。 时间序列分析法是把预测对象的历史数据按一定的时间间隔进行排列，构成一个随时间变化的统计序列，建立相应的数据随时间变化的模型，并将该模型外推到未来进行预测。也可以根据己知的历史数据拟合一条曲线，使得这条曲线能反映预测对象随时间变化的趋势。
基于贝叶斯网络技术的软件缺陷预测与故障诊断
Microcomputer Applications Vol. 25, No.11, 2009 技术交流 微型电脑应用 2009年第25卷第11期 ·31· 文章编号：1007-757X(2009)11-0031-03 基于贝叶斯网络技术的软件缺陷预测与故障诊断 王科欣，王胜利 摘 要：如何进一步地提高软件的可靠性和质量是我们十分关注的问题，而前期软件缺陷和后期软件故障的诊断都是控制质量的关键手段，由此我们提出了基于贝叶斯的神经网络。基于对贝叶斯网络和神经网络理论的分析，发现贝叶斯网络和神经网络各自的优点与不足，利用贝叶斯具有前向推理的优势进行故障诊断，利用神经网络学习算法能够处理更复杂网络结构的优势来积累专家知识，最后提出了贝叶斯网络与概率神经网络相结合的模型，该模型可以更好地兼顾软件缺陷与故障诊断两个方面。 关键词：贝叶斯；神经网络；测试；缺陷预测；故障诊断 中图分类号：TP311.5 文献标志码：A 0 引言 如何进一步提高软件的可靠性和质量是我们十分关注的问题，软件可能存在缺陷，我们在软件的整个生命周期中始终期望能及早发现重要错误，并及时诊断。这就告诉我们，在进行软件前期预测时，就应该重视和记录重要缺陷，以便在故障发生时能通过早期预测的记录表找到故障原因。这就说明软件缺陷预测和故障诊断不应该是两个独立的过程，而应该有所联系。本文就通过贝叶斯网络和模糊神经网络对两项工作进行了整合。通过贝叶斯的在推理规则上的优势，尤其是前向推理的特点进行故障诊断，利用神经网络学习和训练函数的复杂多样性，可以更好地拟合复杂情况。 1 软件缺陷预测与故障诊断 1.1 软件缺陷预测的两个方面 1.1.1 对于软件可靠性早期预测 对于开发者而言，在开发软件之前或者设计软件中，主要作用是进行风险控制，验证其设计可行性。由于贝叶斯网络可以在信息不完全的情形下进行不确定性和概率性事件的推理，所以对于复杂软件的早期预测具有先天的优势。软件缺陷数量属于动态度量元素，需要通过对软件产品进行完整的测试后才能获得。针对特定模块进行完整测试成本比较高，并且必须在软件开发完成之后才能进行集成测试，这样在前期很难控制软件产品缺陷数量。为了更好地提高软件质量，对软件模块中包含的缺陷进行预测是一个可行的方法。软件缺陷预测方法的前提假设是软件的复杂度和软件的缺陷数量有密切关联。复杂度高的软件模块产生的缺陷比复杂度低的模块产生的缺陷多。软件缺陷预测的思路是使用静态度量元素表征软件的复杂度，然后预测软件模块可能的缺陷数量或者发生缺陷的可能性。通过进行软件缺陷预测，能够以较低的成本在项目开发的早期预测产品的缺陷分布状况，可以更好的调整有限的资源，集中处理可能出现较多缺陷的高风险模块，从而从整体上提高软件产品的质量。 1.1.2 对于软件残留缺陷的预测 对于测试者而言，通过质量预测，可将软件的各个组成部分按预测的质量水平进行分类，明确测试的重点，避免在进行测试时同等对待，而是有所侧重，这对节约有限资源和缩短开发周期都有着十分重要的意义。软件的测试和修改是一个螺旋式上升的过程。由于资源和时间的有限投入，什么时候软件达到了要求的质量水平从而能够投入实际使用是一个十分关键的问题。对残留缺陷进行预测，目的就是为了确保代码中的缺陷数量维持在一个安全水平。对测试经理来说，估计目前软件的测试到了哪个阶段、还应该继续做到什么样水平，这都是尤其重要的。从软件经济学的观点上来看，它关系到产业界的投入产出比、测试过度，不能再检查出太 多错误，或者说检查耗费很长的时间和很多的人力，但最终是一个细微的错误，这是不经济的；但是如果残留缺陷还比较多，就停止测试工作，那么会使得这些缺陷在未排除的情 况下交付给用户，等到用户发现错误时，维护的成本就会更 高。因此，正确预测软件残留缺陷对于交付使用后的软件维护也具有重要意义。 1.2 软件故障诊断技术 软件故障诊断是根据软件的静态表现形式和动态信息查找故障源，并进行分析，给出相应的决策。其中静态形式包括程序、数据和文档，动态信息包括程序运行过程中的一系列状态，人在参与软件生存周期的各个阶段工作时，都有可能由于各种疏忽和不可预料的因素，出现各种各样的错误。因而，从广义上说，软件故障诊断的工作涉及到软件的整个生命周期——需求分析、设计、编码、测试、使用、维护等各阶段所造成的缺陷。 软件故障诊断，“诊”的主要工作是对状态检测，包括使用各种度量和分析方法；“断”的工作则更为具体，它需要确定：（1）软件故障特性；（2）软件故障模式；（3）软件故障发生的模块和部位；（4）说明软件故障产生的原因，并且提出相应的纠正措施和避免下一次再发生该类错误的措——————————— 作者简介：王科欣（1982-） ，男，湖南长沙人，暨南大学计算机科学系，硕士研究生，软件设计师，广东体育职业技术学院助教，主要研究方向为软件工程、数据库与知识工程，广东 广州，510632；王胜利（1984-），男，湖南衡阳人，暨南大学计算机科学系，硕士 研究生，研究方向为软件工程、数据挖掘，广东 广州，510632