新规范

断知识的构成如图2所示，具体划分如下所示。 生产知识 生产知识用于描述车间设备在生产过程中的动态行为，确定故障诊断的分析背景和环境。其 中包括过程知识与控制知识。 ·过程知识：过程知识用于反映生产加工中具有时序的动态过程。当一个过程可以用数学 模型来描述，则过程知识能用一段计算机程序来描述， 。控制知识：控制知识提供生产操作与设备控制知识，即关于设备在操作和输入信号下的响 应动作行为。 设备知识 由设备设计文件、专家经验等提供知识支撑，描述设备的静态特性，包含了基于设备的安全、功 能与结构知识， ·安全知识：属于领域专家在长期实践中针对智能设备的故障诊断积累起来的启发式知识， 主要包含故障征兆知识、异常检测知识、安全决策知识与设备维护知识，用于对故障各种 特征同性值表现为异常时的一种定性或定量描述，支持针对各类故障检测和维修方案的 制定，主要包括故障再现对策和故障排除对策等，同时可作为故障诊断的知识库，对设备 的故障诊断具有一定参考意义。 功能知识：用于反映设备在生产中的服务能力、工作范围，主要用手支持对手故障行为的 评估与认定。 结构知识：包含描述设备的元件组成与内在结构知识，用于故障的形成过程分析和定位

GB/T413972022

6.4故障机理和失效模式分析

建设工程标准规范范本图2故障诊断知识构成

对故障机理和失效模式的分析，可采用FMEA、FMECA和FMSA等，具体分析按照GB/T7826一2012 和GBT22394.1—2015描述的方法执行

故障诊断方法可支持故障检测、故障模式识别、故障定位、故障评价和故障决策功能。 故障诊断方法可分为定量分析方法和定性分析方法。 a 定量分析方法。依据统计数据建立系统模型，并用模型计算出分析对象的各项指标及其数值 的一种方法。该方法适用于有大量的历史数据或能够建立系统精确解析模型的系统故障 诊断。 b） 定性分析方法。在缺乏可靠数据时借助定性分析工具和行业专家的直觉、经验，分析对象过去 和现在的延续状况及最新的信息资料，对分析对象的性质、特点和发展变化规律做出判断的方 法。该方法利用的是专家的经验和事物之间的因果关系，适用于故障逻辑关系比较明确的 系统。

具体的诊断方法选择流程如图3所示，主要包括设备分析、诊断因素分析、方法选择三部分。附录 C给出了制造车间常见设备类型的故障诊断方法。在实际应用中可以将定量和定性的方法结合使用 定量或定性的方法中也可以将多种方法组合使用，

GB/T 413972022

不同的诊断方法选择需要考虑包括但不限于以下一种或多种因素： a）背景知识等不同类型的知识完备性； b）历史故障数据； c）建模复杂度； d）诊断精确性； e）诊断成本。 诊断方法考虑因素具体如表1所示

图3诊断方法选择流程

表1诊断方法考虑因素

定量分析方法通过数学语言的相关数据建立故障诊断系统的模型，具体包含基于解析模型的方法 和基于数据驱动的方法

7.3.2解析模型方法

该方法通过建立被监测对象的机理模型模拟被监测对象的瞬态和稳态行为，分析允余诊断故障

GB/T413972022

实际应用时包括但不限于以下方法： 状态估计法：通过被监测对象的数学模型的输出值或者状态值与状态观测器的输出值或者状 态值进行比较，得到对应的残差值，进而通过判断残差值与事先设定的阈值的关系诊断故障； b 等价空间法：通过系统的输入和输出的实际测量值检验系统数学模型的等价性（即一致性）以 检测和分离故障

7.3.3数据驱动方法

数据驱动的敌障诊断方法通过分析处理过程运行数据，从而在不需知道系统精确解析模型的情况 下完成系统的故障诊断。按照处理方法的复杂程度可分为基于统计分析的方法、基于算法模型的方法 两大类。

7.3.3.2统计分析方法

基于统计分析的方法通过变量的空间重构，分析变量与故障之间的相关性。实际应用时包括但不 限于以下方法： a）单变量分析法：通过变量筛选出关键变量进行相空间重构，再对重构后的数据进行故障分类； b）多元统计分析：根据过程变量的历史数据，利用多元投影方法分析多个变量之间的相关性，从 而进行故障诊断

7.3.3.3算法模型方法

基于算法模型的方法利用系统在正常和各种故障情况下的历史数据，训练学习算法或模型，实现故 障诊断。实际应用时包括但不限于以下方法。 机器学习：经过模型训练，检查正常和错误的数据并改变模型的内部权重来调整模型，使得模 型的输出与输人数据的状态相匹配。通过训练完成的模型进行故障诊断。 b 信号处理技术：通过时域和频域分析技术分析信号的稳定性，有效提取真实状态信息，做出故 障诊断

定性分析方法通过专家的经验知识和定性分析工具建立事物之间的因果关系，从而实现故障诊 性分析方法主要包含：因果模型方法、抽象层次方法、专家系统方法和定性仿真方法，

7.4.2因果模型方法

通过建立系统因果关系的图形化模型，结合一定的搜索策略，分析故障在过程内部的发展演变过 。 实际应用时包括但不限于以下方法： a）故障树（FTA)：由果到因地进行分析，通过分析故障树用于追溯（诊断），可察看失效模式之间 “被引起”或“受影响”的关系； 6） 符号有向图：以节点表示事件或变量，以有向边表示从原因节点指向结果节点的因果关系，建 立有向图模型，通过判断节点状态是否异常进行故障的传播分析

7.4.3抽象层次方法

实时在线采用由上至下的分层诊断策略，通过系统约束集判别系统部件的一致性。实际应用时包括但 不限于以下方法： a）功能分解法：从功能上对诊断对象进行分解，把系统的总体功能分解为下一层次的子功能，自 顶向下遂层分解直至最底层基本功能，从而在功能层次中反映出子系统的故障还是其联系的 故障； b） 结构分解法：以节点表示诊断问题中的部件，建立起每个节点只被访问一次的结构树，从而对 给定的层次描述进行更有效的空间划分提高诊断效率

7.4.4专家系统方法

通过领域专家在长期实践中积累起来的经！ 知识库，并设计一套计算机程序模拟人类专家 和决策过程进行故障诊断，主要包含传统专家系统方法、模糊专家系统方法、置信规则库专家系 。借助专家丰富的知识经验建立知识库和推理机实现故障诊断

7.4.5定性仿真方法

诊断方法可通过改善置信度和评审的方式进行完善。 a） 改善置信度 为了提高诊断的置信度，需要采取以下一种或多种措施： · 再次测量，验证诊断结论； · 测量结果与过去的历史趋势相比较； 缩短预定的逐次测量之间的时间间隔； ·在同一位置和另外的位置追加测量： ·采用更高级的诊断或监测技术； ·采用相关的备用校正技术； · 修改运行工况或机器配置辅助诊断； · 改善评审的征兆和规则； · 咨询在特定设备/失效模式方面的其他专家 b）评审 故障诊断是一个不断完善发展的过程，而且当初那些可能还不实用的技术，或者认为昂贵的或 过于复杂的技术，或认为在某些方面（由于接近性、安全性问题等）不可行的技术，有可能通过 评审变为可行。故障诊断的评审应对方案中现行技术的有效性进行评估，判断是否需要适时 调整方案。评审中需要考虑但不限于以下因素：数据库的安全和更新，诊断规则及参数是否要 根据维修工作或工况变化相应修改

故障诊断系统主要包括设备维修维护功能、设备状态监控功能和敌障诊断功能。各功能之间以 与外部系统之间的关系描述如图4所示

GB/T413972022

GB/T413972022

a）设备维修维护功能：根据维修维护策略及设备图纸资料，建立以设备维修维护计划制定工单分 配、下发、执行为流程的标准化维修维护体系。针对离散制造数学化车间的典型故障，提供维 修维护的经验库；针对设备状态下发监控指标；指导维修维护过程，确保设备安全稳定运行。 设备状态监控功能：根据设备维修维护子系统下发的监控指标，下发控制指令到设备控制系 统：数据采集子系统，分析收集到的设备状态数据，输出异常数据给故障诊断子系统。设备状 态数据宜采用图形化展示方式，对关键设备建立数字化模型以准确模拟设备的实时运行状态 增强设备监控的可视化效果。 故障诊断功能：故障诊断子系统针对异常数据进行故障检测、故障模式识别、故障定位、故障评 价和故障决策；通过对异常数据信息的处理分析，得出故障诊断的相关信息，形成设备维修维 护策略，输出故障诊断报告 在自动化程度高的系统中故障诊断信息同时提供给设备控制系统

典型故障模式见表A.1

附录A （资料性） 典型故障模式

表A.1典型故障模式

计算机标准GB/T413972022

表B.1诊断结论报告

GB/T 413972022

表B.1诊断结论报告（续）

GB/T413972022

断方法如图C.1所示。具体实施时还需要结合实际监测、检测、分析等情况进行调整。

图C.1故障诊断方法

道路标准规范范本GB/T 413972022