机器学习在故障检测与诊断领域应用综述

翟嘉琪，杨希祥，程玉强，李 亮

(国防科技大学 空天科学学院，长沙 410005)

0 引言

随着科技的发展和制造工艺的进步，设备或系统的复杂度不断增加，在使用过程中的任何异常或故障不仅直接影响产品的使用，而且还可能造成严重的安全事故。经过长期的实践和经验，要使设备或系统能够安全、可靠、有效地运行，必须要对其进行故障检测与诊断。实践证明,坚持开展设备状态监测，有效地实施故障检测与诊断技术可以早期发现故障,避免重大安全事故的发生,保障设备系统正常运行。

1967年，美国国家宇航局(NASA)就开始关注故障诊断相关研究，创立了MFPG(美国机械故障预防小组)，标志着故障诊断技术的诞生，随后欧洲的发达国家和日本也开展了故障检测与诊断技术的研究。随着故障检测与诊断技术所产生经济效益和安全价值不断增加，越来越多的研究人员投入其中，并得以迅速发展。目前已成功应用于航天、军事、核能、电力、化工、冶金等行业。

故障检测与诊断的终极目标是尽可能迅速准确地检测出故障,并及时对检测出的故障做出判断,最后依据诊断结果采取相应的措施，一般评价指标有以下几个部分：1)实时性：在发生故障时,应迅速对故障的发生进行检测和判断；2)故障的误报率、漏报率和错报率：误报指的是未发生故障却报出故障;漏报指的是发生故障却未报出故障;错报发生故障，但报出的故障信息与实际故障不一致；3)灵敏度和鲁棒性，灵敏度指的是对故障信号感应的灵敏程度，鲁棒性是指在干扰、噪声、建模等误差情况下稳定完成故障诊断任务的能力；……