自动测试技术在故障诊断中的应用综述

自动测试技术在故障诊断中的应用综述摘要：随着现代科学技术在设备上的应用，设备的自动化程度越来越高，结构越来越复杂。功能和结构复杂程度的提高，导致设备出现故障的因素也会随之增多，生产实践证明，研究这些故障因素有重要意义。自动测试系统能自动进行各种信号测量、数据处理和传输，并能以适当方式显示或输出测试结果。本文将故障诊断技术与自动测技术融合，使设备的维护和检修更加智能化，对提高设备效能有重要作用。关键词自动测试技术；故障诊断；智能化1引言随着信息技术和电子技术的飞速发展，电子系统在机电设备中所占的比重越来越大，一是单体电子设备的类别数量显著增加，二是各类机电设备中所包含的电控部分越来越多，电子系统已经成为机电设备的重要组成部分。在电子系统中应用自动测试技术，被测对象在整个测试过程中，都在计算机的统一控制下自动完成，达到定位和隔离故障的目的。将自动测试技术应用到故障诊断的过程中，既可以提高故障诊断的效率，又能提高故障诊断的准确度。2自动测试系统2.1自动测试技术及自动测试系统通常将在计算机控制下，能自动进行各种信号测量、数据处理、传输，并以适当方式显示或输出测试结果的系统成为自动测试系统（如图1），简称ATS（AutomatedTestSystem），这种技术我们称之为自动测试技术。在自动测试系统中，整个工作都是在预先编制好的测试程序统一指挥下完成的，系统中的各种仪器和设备是智能化的，都能够进行程序控制。图1检测系统示意图2.2自动测试系统发展趋势被测对象传感器信号调理信号处理数据显示与记录反馈、控制自动测试系统的发展经历了从专用型向通用型发展的过程。从早期仅侧重于ATE研究，到现在的建立整个自动测试系统体系结构；同时注重ATE研制和TPS开发及可移植性，以及人工智能在自动测试系统中的应用；ATS正从集中型向着分布式的集成诊断测试系统发展。自动测试系统将重点向以下几个方向发展：（1）平台的构建向标准化、通用化方向发展。改变以往封闭的结构体系，强调软、硬件结构的通用性和标准化。（2）采用和推广VXI总线作为自动测试系统的总线标准。2005年年底，Agilent公司和VXI科技公司推出LXI（LANextensionforinstrument）总线标准。近年来，用于ATS的网络测试技术、无线技术、远程控制技术取得了许多研究成果，推动了LXI的推广。VXI与LXI的结合是未来总线的发展趋势。（3）积极发展并行测试技术和综合仪器技术，提高测试效率，降低测试成本。（4）测试软件开发工程化，统一测试软件平台，开发高级测试语言，采用可交换虚拟仪器技术，将TPS开发与具体ATE分离，增强了TPS的可移植能力和互操作性。（5）增强故障诊断能力，采用ATML（可扩展标注语言）表达测试诊断信息，将测试诊断知识与测试过程分离，便于测试诊断知识的共享和移植。3故障诊断技术3.1故障诊断技术定义故障诊断技术就是在设备运行中或基本不拆卸设备的情况下，掌握设备的运行状况，根据从被诊断对象测试所取得的有用信息进行分析处理，判断被诊断对象的状态是否处于异常状态或故障状态，判断劣化状态发生的部位或零部件，并判定产生故障的原因，以及预测状态劣化的发展趋势等。其目的是提高设备运行效率和运行可靠性，防患于未然，减少因设备故障而造成的损失。3.2故障诊断技术的构成诊断方法的研究是诊断技术的核心，不论选哪种方法都包括信号采集、特征向量提取、标准特征建库和识别四部分构成。故障诊断过程流程图如图2。图2故障诊断过程流程图（1）信号采集就是通过测试系统对被测对象加适当的激励，使其满足实际工作的条件，然后测量反应性能指标的信号参数值，这些参数值作为故障的参考值，供故障诊断程序调用。（2）提取特征量，传感器采集到的信号是原始信号，大部分数据无法直接利用，必须利用信号分析处理技术，根据需要把信号转化在不同的域内进行分析，才能得到更精确反应设备状态的特征量。滤波技术、频谱分析技术是传统的信号处理方法；傅里叶变换、小波分析也是强有力的信号分析工具。（3）故障识别是根据事先存在于诊断系统中的诊断知识，确定系统是否存在故障及故障的类型和性质等。根据被诊断对象的特征描述和决策方法的差异可以形成不同的故障诊断方法。概括起来主要分为两类，即基于模型的故障诊断和不依赖于模型的故障诊断方法。4自动测试技术在故障诊断中的应用4.1自动测试技术应用流程（1）根据故障诊断的原理和过程，信号采集是故障诊断的前提。通过各种测试，将设备不同工作状态的各个参数测量并输出。利用自动测试技术，不但能够测量出对应的静态性能指标，而且利用连续测量及仪器的记忆功能，测量记录动态的数据。信号采集提取特征量特征库故障识别（2）采集到信号之后，相应的仪器设备可以对数据性能进行简单的分析，而进一步提取特征向量则要通过一定的算法来实现，这些算法也可以通过自动测试系统的工控机来实现。（3）对于故障识别，可以利用模式识别中的经典算法，比如分支界定算法实现故障个例；对于统计数据，则可以利用Fisher算法寻找相应的阈值。（4）特征库的建立，可以运用专家系统和人工智能技术，将采集到的大量数据以及相应的分析保存，然后作为故障识别时的基准。故障库可以实时更新，在建立初步的故障库之后，不断地积累识别经验，将人工经验和最新故障特征定期保存到特征库中。4.2应用过程中存在的问题故障诊断技术作为一种面向应用的技术，在实际应用中不可避免地会出现一些问题，主要有以下两个：（1）知识的获取。专家系统是目前应用较广的一种故障诊断技术。在专家系统中，获取知识的方法主要有3种：自动型知识获取、非自动型知识获取和基于神经网络的知识获取。自动型知识获取要解决机器感知、识别和机器学习的问题，难度较大；非自动型知识获取由知识工程师使用知识编辑器输入知识，对知识工程师的要求高、效率低；基于神经网络的知识获取对大量实例进行学习，自动从实例中提取知识，这种方法求解能力强，易于克服专家系统的瓶颈问题，但这种方法同样也不是很成熟，用于训练的数据量是制约其发展的瓶颈。（2）局限性大。由于各种故障诊断技术专业性强，因而单个故障诊断技术技术适用度低，局限性大。实际故障绝大多数具有复杂性，设计知识面广、领域宽，单个故障诊断技术难免偏激。4.3研究现状到目前为止，还没有任何一种自动测试系统可以完美地进行故障诊断。这是故障诊断技术自身决定的，因为没有任何一种故障诊断技术可以解决一切故障诊断问题，并且故障诊断技术投入应用时情况比较复杂。但是，用于自动测试系统故障诊断的研究还是取得了很多成果，目前比较成熟的应用如国内专家开发的NCON系统。自动测试系统上的故障诊断相关的理论研究也取得了一系列成果。例如多传感器信息融合是美军ATS的发展方向，海军航空工程学院就在该课题上取得了很多成果。也有故障诊断方法的研究，提出了小波分析和RBF神经网络相结合的方法进行故障诊断。由于把神经网络的自学特性与小波的局部特性结合起来了，因而该方法具有自适应分辨性和良好的容错性。5结论本文分别简述了自动测试技术和故障诊断技术的原理，并结合自动测试技术在故障诊断中的应用，发现在故障诊断应用中存在的问题。故障诊断能力是自动测试系统的发展方向，自动测试系统的发展又为故障诊断技术的进步注入了强劲动力，因此自动测试技术在故障诊断中的应用有重大意义。参考文献[1]王思臣.自动测试技术在故障诊断中的应用综述.2011年[2]曲建岭.面向故障诊断的自动测试系统.2009[3]潘安君.综合测试与故障诊断技术发展及对策.2011