随着现代科学技术突飞猛进的发展，机械设备的结构也变得越来越复杂、精密与庞大，功能上也越来越复杂完善，在日常的工作生活中已经变得越来越重要，像人们的工作，生活，娱乐，更是已经离不开这些设备。而且，人们对设备各种各样的性能的要求也是越来越苛刻，尤其是在保障生命安全性这一方面，已经成为全社会关注和讨论的焦点，如果一旦发生意外伤亡事故，责任人更是将会受到空前的社会舆论压力。另外随着网络信息技术的发展，信息传输速度的加快，国家对公民人身安全的重视，安全事故已经越来越不被国家公众所容忍，而且事故产生的经济损失更是每个企业所不能承受的。因此，为了保证机械的安全运行，故障诊断技术已经成为了现代生产运输行业一项非常关键的技术。

由于国外起步较早，他们已经在这方面开展进行了大量的深入研究，并且已经形成了非常完善的故障诊断理论体系，为他们的生产科研提供了巨大帮助，节省了大量的人力物力。但是，对于我国来说，由于各方面的因素，造成我国对此的研究起步较晚，所以现在我国故障诊断技术的水平也正处在一个迅速发展的阶段，相对于与国外相对成熟的诊断水平，还需要付出相当多的努力与时间。在国外的故障诊断技术中，美国的麻省理工学院最早开发了用于电路故障诊断的模拟系统 EL 系统，该系统能够成功模仿出故障的可能原因，另外美国的海军也已经开发出了 IN-ATE 系统，该系统能够成功诊断电子设备的故障，1976年，西屋公司开始了电站在线诊断的工作，并与 1981 年进行了人工智能诊断技术的研究，随后于 1984 年应用于现场实验，并且在后来建立了故障诊断中心，通过诊断中心，可以看到分布在美国的多个电厂的数据信息，为他们电站的健康运行提供指导。在瑞士，ABB 公司开发了基于振动的能够用于精确诊断机械故障的软件系统。像意大利的米兰工业大学，德国的西门子公司，丹麦的 B&K 公司等也都进行并开展了故障诊断方面的研究，当然他们也都取得相当大的研究成果，并且还都研发并设计出了各自的故障诊断预警系统。于此同时，在我国，也开展了故障诊断方面的研究，对故障诊断这一领域进行了追赶，同时进行了各种理论方面的深入研究，其中华中科技大学对于起重机的状态监测与故障诊断，开发了状态监测与故障诊断系统，哈工大与上海发电设备成套设计研究院共同开发了汽轮发电机组故障诊断系统等等。

随着研究的发展，越来越多的人对经典的研究方法进行了完善改进，更有人提出了自己的研究诊断方法，但对于各种各样的故障诊断方法，在本质上还是主要分为两种方法，一种是基于数学模型的方法，另一种是基于非数学模型的方法。在现代的航空航天系统中，主要利用的是基于数学模型的方法，基于数学模型的方法是一种比较成熟的方法。这种方法最主要的特点是与原理紧密结合，非常的精确，它通过构造各种观测器，从而计算出系统输出，然后与真实的输出值进行比较，从而可以得到故障信息。这种方法由于与原理紧密结合，所以是最准确的方法。但是这种方法也有其非常重要的缺陷，就是需要精确地数学模型。对于大多数的系统，并不能知道它们的精确数学模型，在这种条件下，也就限制了基于数学模型方法的应用范围，所以基于智能诊断的方法就成为当前大多数系统故障诊断的首选方案。

智能诊断技术是建立在计算机快速发展和人工智能技术基础上发展起来的，它不同于基于观测器的故障诊断方法，不需要精确的理论模型。其主要方法有：基于专家系统的故障诊断方法、基于神经网络的故障诊断方法，基于故障树的故障诊断方法，基于经验模式分解的故障诊断方法，基于支持向量机的诊断方法等。

基于专家系统的故障诊断方法：专家系统是 20 世纪 60 年代斯坦福大学提出的，在专家系统提出以后，专家系统的研究与应用取得了迅速的发展。专家系统的原理就是从大量的样本中提取故障信息，并且对原来已发生的故障进行研究并且总结经验，通过已有的经验，发现并阐述故障发生前的一些征兆和故障之间的紧密联系，在进行故障检测时，根据故障征兆与故障之间的相互联系，通过有效的推理，将故障征兆与故障进行相应比对匹配，从而查看是否符合某种故障征兆，判断出故障。此种方法是研究最多，应用最广的一种方法。

基于神经网络的诊断方法：神经网络是上世纪 80 年代末到 90 年代初才真正开始应用到实际生产生活中的一种新型技术，它是一种自适应式的识别技术，与专家系统最大的区别就是不需要预先给出先验知识。它可以通过自身的不断学习机制自动形成故障诊断的方案。具有自组织，自学习，自适应和联想记忆等功能，通过不断地训练与学习，把故障诊断的知识存储于网络的连接权当中。而且，当周围环境改变时，它还能够自动的调整，从而出色的解决各种问题。因此，人工神经网络已经成为一种非常重要的故障诊断手段，同时也成为了故障诊断研究的热点。

基于故障树的故障诊断：故障树分析技术是美国贝尔电报电话实验室于上世纪六十年代开发的一项新技术，它采用人们考虑问题逻辑的思维方法，直观，简单，思路清晰，逻辑性强，容易被人接受。通过故障树结构图能够从整体到部分的描绘出故障与各子系统之间的关系，从而可以对故障的原因做出详细的划分。

参考文献：

[1]王海涛.大型起重机的齿轮箱故障诊断预警与监控系统的开发 [D].硕士学位论文，2014（2）3-5.