关于当前国内故障只能诊断研究中的若干问题.pdf

节选段落一：
对自身理论或方
法在拓延到应用方面的内容中，介绍的十分浮浅，试验方法不够严格，试验装置粗糙，试验
方案草率，试验数据可信度不高，结论不可靠。几乎所有谈及试验验证的论文，都采用的是
小型转子试验台，且都是以不平衡、不对中、碰磨、油膜振荡这四种故障为对象，这已经成
为我国智能诊断方法研究最终应用阶段的固定的、单一死板的模式。
个别涉及现场应用的研究报告，在介绍故障现象、分析诊断过程、诊断结论方面，存在
错误。如有一篇公开发表的故障诊断网络系统开发的研究报告，在文中“应用实例”一节，
给出了某电厂＃8 机组＃1、＃2 瓦振动故障的诊断实例，将其确诊为“动静碰磨”。


节选段落二：
2）现场诊断中的人工分析与推论方法
人工诊断，首先是设法根据已经了解和掌握的数据和信息，进行正向推理，确定与现有
现象符合的故障；在思考和分析中，同时会进行反向推理，如果 4、5 种故障都有可能，则
往往会考虑其中的每一种是否与已知现象严格对应。这种正向和反向推理会反复交替进行，
使故障的怀疑面逐渐缩小，最终聚缩到一点上，这个过程，类似于破案，也类似于人体疾病
的诊断。
分析思考过程中，会用到比较和类比，将已知现象和该机组过去的情况比较，和其他机
组情况比较。
分析思考过程中，还会用到联想。


节选段落三：
（5）新型理论与故障人工诊断的基础方法严重脱节
近年来的故障诊断研究中出现了不少新的理论和方法，如“数据融合”、“数据仓库”和
“数据挖掘”等。对这些来自西方的新的东西应该消化吸收，切忌生吞活咽，追求时髦。
以数据挖掘为例，数据挖掘是在数据仓库中挖掘出对该故障诊断有用的、却又被隐藏的
信息。这项技术原本出自美国军方需要处理大量侦察信息而生成的一种数据筛选与查找技
术，有人很快将其引入到设备诊断中。实际上，设备状态监测的信息量远少于军事侦察的信
息量，且设备故障的各种信息是相互关联的，有已知规律的。