（1）基于信號變換的診斷方法

發(fā)電機的許多故障信息是以調(diào)制的形式存在于所監(jiān)測的電氣信號及振動信號之中，如果借助于某種變換對這些信號進行調(diào)制處理，就能方便地獲得故障特征信息，以確定發(fā)電機所發(fā)生故障類型，常用的信號變換方法有希爾伯特變換和小波變換，很適合于探測正常信號分析中夾帶的瞬態(tài)反常現(xiàn)象并展示其成分，在發(fā)電機機械故障診斷中占有重要地位，但基于信號變換的診斷方法缺乏學(xué)習(xí)功能。

發(fā)電機的故障與其征兆之間的關(guān)系錯綜復(fù)雜，具有不確定性及非線性，用人工智能方法恰好能發(fā)揮其優(yōu)勢，已用于發(fā)電機故障診斷的人工智能技術(shù)有：模糊邏輯、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)。

（2）基于專家系統(tǒng)的診斷方法

該方法是根據(jù)專家以往經(jīng)驗，將其歸納成規(guī)則，并運用經(jīng)驗規(guī)則，通過規(guī)則推理來進行故障診斷，基于專家系統(tǒng)的診斷方法具有診斷過程簡單、快速等優(yōu)點，但也存在著局限性，基于專家系統(tǒng)的方法屬于反演推理，因而不是一種確保唯一性的推理方法，改方法存在著獲取知識的瓶頸。

（3）基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的診斷方法

將簡單處理單元廣泛連接而成的復(fù)雜的非線性系統(tǒng)具有學(xué)習(xí)能力、自適應(yīng)能力、非線性逼近能力等，故障診斷的任務(wù)從映射角度看就是從征兆到故障類型的映射，用ANN技術(shù)處理故障診斷問題，不僅能進行復(fù)雜故障診斷模式的識別，還能進行故障嚴重性評估和故障預(yù)測，由于ANN能自動獲取診斷知識，使診斷系統(tǒng)具有自適應(yīng)能力。

（4）基于集成型只能系統(tǒng)的診斷方法

隨著發(fā)電機系統(tǒng)越來越復(fù)雜，依靠單一的故障診斷技術(shù)已很難滿足復(fù)雜發(fā)電機的故障診斷要求，因此上述各種診斷技術(shù)集成起來形成的集成智能診斷系統(tǒng)成為當(dāng)前發(fā)電機故障診斷研究的熱點。

主要的集成技術(shù)有：基于規(guī)則的專家系統(tǒng)與ANN的結(jié)合，模糊邏輯與ANN的結(jié)合，混沌理論與ANN的結(jié)合，模糊神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的結(jié)合。

以上只是大致分類，一些方法即可用于發(fā)電機故障診斷，又可用于電動機故障診斷。

本文由天津神川電機提供。

編輯：盼花開