故障遮掩

在通信中，故障是是指產品或產品的一部分不能或將不能完成預定功能的事件或狀態。對某些產品(例如： 電子元器件、……)可稱失效。它不包括產品在預防性維修中不能完成預定功能的情況。也不包括由於缺乏外部資源或其他計畫好的措施而導致的不能完成預定功能的情況。故障遮掩是指產品(裝備)的某個分項目存在故障，但由於該產品(裝備)某一特點或由於該分項目或另一分項目的其他故障，而不能被識別的狀態。

中文名稱	故障遮掩
英文名稱	fault masking
定　　義	產品(裝備)的某個分項目存在故障，但由於該產品(裝備)某一特點或由於該分項目或另一分項目的其他故障，而不能被識別的狀態。
套用學科	通信科技（一級學科），運行、維護與管理（二級學科）

基本介紹

• 中文名：故障遮掩
• 外文名：fault masking
• 學科：通信科技
• 定義：故障不易被識別
• 特徵：隱蔽性強、與整體有關
• 影響：影響系統運行

簡介

故障是系統不能執行規定功能的狀態。通常而言，故障是指系統中部分元器件功能失效而導致整個系統功能惡化的事件。按故障的發生和發展過程可將故障分為突發性故障和漸發性故障。故障遮掩是指產品(裝備)的某個分項目存在故障，但由於該產品(裝備)某一特點或由於該分項目或另一分項目的其他故障，而不能被識別的狀態。故障遮掩是屬於突發性故障，一般難以診斷，一旦發現就可能對系統運行造成很大影響。

故障診斷是指利用各種檢查和測試方法，發現系統和設備是否存在故障的過程是故障檢測；而進一步確定故障所在大致部位的過程是故障定位。故障檢測和故障定位同屬網路生存性範疇。要求把故障定位到實施修理時可更換的產品層次（可更換單位）的過程稱為故障隔離。故障診斷就是指故障檢測和故障隔離的過程。

故障的分類及特徵

分類

1．按故障的持續時間分類

按故障的持續時問可將故障分為永久故障、瞬時故障和間歇故障。永久故障由元器件的不可逆變化所引發，其永久地改變元器件的原有邏輯。直到採取措施消除故障為止；瞬時故障的持續時間不超過一個指定的值。並只引起元器件當前參數值的變化，而不會導致不可逆的變化；間歇故障是可重複出現的故障，主要由元件參數的變化、不正確的設計和工藝方面的原因所引發。

2．按故障的發生和發展進程分類

按故障的發生和發展過程可將故障分為突發性故障和漸發性故障。突發性故障出現前無明顯的徵兆，很難通過早期試驗或測試來預測；漸發性故障是由於元器件老化等其他原因，導致設備性能逐漸下降並最終超出正確值而引發的故障。因此具有一定的規律性，可進行狀態監測和故障預防。

3．按故障發生的原因分類

按故障發生的原因將故障分為外因故障和內因故障。外因故障是因人為操作不當或環境條件惡化等外部因素造成的故障；內因故障是因沒計或生產方面存在的缺陷和隱患而導致的故障。

4．按故障的部件分類

按故障的部件可將故障分為硬體故障和軟體故障。硬體故障是指故障因硬體系統失效。

5．按故障的嚴重程度分類

按故障的嚴重程度可將故障分為破壞性故障和非破壞性故障。破壞性故障既是突發性的又是永久性的．故障發生後往往危及設備和人身的安全：而非破壞性的故障一般是漸發性的又是局部的，故障發生後暫時不會危及設備和人身的安全。

6．按故障的相關性分類

按故障相關性可將故障分為相關故障和非相關故障。相關故障也稱間接故障，因設備其他元器件而引發。比較難診斷；非相關故障也稱直接故障，由元器件本身直接因素所引起。相對相關故障而言比較容易診斷。

除此之外。還可以按照故障的因果關係分成物理性故障和邏輯性故障，按故障的表征分為靜態故障和動態故障。按故障變數的值分為確定值故障和非確定值故障等。

特徵

設備的故障一般具有如下五個基本特徵：

(1)層次性。複雜的設備，可劃分為系統、子系統、部件、元件，表現一定的層次性，與之相關聯，設備的故障也具有層次性的特徵，即設備的故障可能出現在系統、子系統、部件、元件等不同的層次上。

(2)傳播性。元件的故障會導致部件的故障，部件的故障會引起系統的故障，故障會沿著部件一子系統一系統的路徑傳播。

(3)放射性。某一部件的故障可能會引起與之相關聯的部件發生故障。

(4)延時性。設備故障的發生、發展和傳播有一定的時間過程，設備故障的這種延時性特徵為故障的前期預測預報提供了條件。

(5)不確定性。設備故障的發生具有隨機性、模糊性、不可確知性。

故障診斷方法

近代故障診斷技術的發展已經歷30年，但形成一門“故障診斷學”的綜合性新學科，還是近幾年逐步發展起來的，以不同的角度來看，有多種故障診斷的分類方法，這些方法各有特點。

概括而言，故障診斷方法可以分成兩大類：基於數學模型的故障診斷方法、基於人工智慧的故障診斷方法。

基於專家系統的診斷方法

基於專家系統的診斷方法是故障診斷領域中最為引人注目的發展方向之一，也是研究最多、套用最廣的一類智慧型型診斷技術。它大致經歷了兩個發展階段：基於淺知識領域專家的經驗知識的故障診斷系統、基於深知識診斷對象的模型知識的故障診斷系統。

（1）基於淺知識的智慧型型專家診斷方法

淺知識是指領域專家的經驗知識。基於淺知識的故障診斷系統通過演繹推理或產生式推理來獲取診斷結果，其目的是尋找一個故障集合，使之能對一個給定集合產生的原因作出最)包括存在的和缺席的(的徵兆佳解釋。

基於淺知識的故障診斷方法具有知識直接表達、形式統一、高模組性、推理速度快等優點。但也有局限性，如知識集不完備，對沒有考慮到的問題系統容易陷入困境；對診斷結果的解釋能力弱等缺點。

（2）基於深知識的智慧型型專家診斷方法

深知識則是指有關診斷對象的結構、性能和功能的知識。基於深知識的故障診斷系統，要求診斷對象的每一個環境具有明顯的輸入輸出表達關係，診斷時首先通過診斷對象實際輸出與期望輸出之間的不一致，生成引起這種不一致的原因集合，然後根據診斷對象領(域中的第一定律知識)及其具有明確科學依據的知識他內部特定的約束聯繫，採用一定的算法，找出可能的故障源。

基於深知識的智慧型型專家診斷方法具有知識獲取方便、維護簡單、完備性強等優點，但缺點是搜尋空間大，推理速度慢。

（3）基於淺知識和深知識的智慧型型專家混合診斷方法

基於複雜設備系統而言，無論單獨使用淺知識或深知識，都難以妥善地完成診斷任務，只有將兩者結合起來，才能使診斷系統的性能得到最佳化。因此，為了使故障智慧型型診斷系統具備與人類專家能力相近的知識，研發者在建造智慧型型診斷系統時，越來越強調不僅要重視領域專家的經驗知識，更要注重診斷對象的結構、功能、原理等知識，研究的重點是淺知識與深知識的整合表示方法和使用方法。事實上，一個高水平的領域專家在進行診斷問題求解時，總是將他具有的深知識和淺知識結合起來，完成診斷任務。一般優先使用淺知識，找到診斷問題的解或者是近似解，必要時用深知識獲得診斷問題的精確解。

基於神經網路的人工智慧型診斷方法

知識獲取上，神經網路的知識不需要由知識工程師進行整理、總結以及消化領域專家的知識，只需要用領域專家解決問題的實例或範例來訓練神經網路；在知識表示方面，神經網路採取隱式表示，並將某一問題的若干知識表示在同一網路中，通用性高、便於實現知識的總動獲取和並行聯想推理。在知識推理方面，神經網路通過神經元之間的相互作用來實現推理。

前在許多領域的故障診斷系統中已開始套用，如在化工設備、核反應器、汽輪機、旋轉機械和電動機等領域都取得了較好的效果。由於神經網路從故障事例中學到的知識只是一些分布權重，而不是類似領域專家邏輯思維的產生式規則，因此診斷推理過程不能夠解釋，缺乏透明度。

基於模糊數學的人工智慧型診斷方法

許多診斷對象的故障狀態是模糊的，診斷這類故障的一個有效的方法是套用模糊數學的理論。基於模糊數學的診斷方法，不需要建立精確的數學模型(membershipfunction)，適當的運用局部函式和模糊規則，進行模糊推理就可以實現模糊診斷的智慧型化。

基於故障樹的人工智慧型診斷方法

故障樹方法是由電腦依據故障與原因的先驗知識和故障率知識自動輔助生成故障樹，並自動生成故障樹的搜尋過程。診斷過程從系統的某一故障“為什麼出現這種顯現”開始，沿著故障樹不斷提問而逐級構成一個梯階故障樹，透過對此故障樹的啟發式搜尋，最終查出故障的根本原因。在提問過程中，有效合理地使用系統的及時動態數據，將有助於診斷過程的進行。於故障樹的診斷方法，類似於人類的思維方式，易於理解，在實際情況套用較多，但大多與其他方法結合使用。

設備故障診斷技術

設備故障診斷一般分為簡易診斷和精密診斷兩個層次。設備的故障大多數可通過簡易診斷予以確定，因此它是診斷工作的基礎，只有當簡易診斷難以確定時才選用精密診斷手段。

1. 簡易診斷技術

簡易診斷技術是使用簡易的儀器和方法，是對設備技術狀態快速作出概括性評價的技術，它一般包括：

(1) 使用各種比較簡單並易於攜帶的診斷儀器及檢測儀表。

(2) 由設備維護檢修人員在生產現場進行檢測分析。

(3) 僅對於設備有無故障、嚴重程度及其發展趨勢作出定性的初判。

(4) 涉及的技術知識和經驗比較簡單，易於學習和掌握。

(5) 需要把採集的故障信號進行儲存建檔。

設備狀態監測中的定期或線上監測，也都屬於簡易診斷的技術範圍，它主要通過能反映設備技術狀態的一些參數，看其是否正常。當存在異常或超過限值時，應能發出警報或自動停機，但狀態監測不同於故障的識別和判斷。

簡易診斷適用在安裝調試階段，用以檢查和排除運輸過程中和安裝施工中引起的缺陷。

簡易診斷也適用在維護階段進行的狀態監測，以便及早發現事故隱患，掌握設備的劣化趨勢。

2. 精密診斷技術

精密診斷技術是使用精密的儀器和方法，對簡易診斷難以確診的設備作出詳細評價的技術，它一般包括：

(1) 使用各種比較複雜的診斷分析儀器或專用診斷設備。

(2) 有一定經驗的工程技術人員及專家在生產現場和診斷中心進行。

(3) 對設備故障的存在部位、發生原因及故障類型進行識別和作出定量的診斷。

(4) 涉及的技術知識和工作經驗比較複雜，需要較多的學科配合。

(5) 進行深入的信號處理，以及根據需要預測設備壽命。

近年開發的一批計算機輔助設備診斷系統和人工智慧與診斷專家系統等也都屬於精密診斷技術範疇。它們一般多用於關鍵機組和診斷比較複雜的故障原因。

精密診斷一般除用於設備的開發研製過程外，更多的用於使用維修階段。只有在已經過簡易診斷，並被判定存在異常或故障的設備，再對其故障產生部位、原因及類型進行識別和診斷，以利提供維修決策。由於它所需費用較高，一般在簡易診斷難以確診時，才予以提前使用。