故障信號分析處理是對檢測到的各種狀態(tài)信息進行加工、變換，以提取故障征兆。目前，應用最廣泛的故障信號分析處理方法是傅立葉（Fourier）分析和相應的FFT快速算法。借助于FFT算法實現(xiàn)的信號處理有頻譜分析、相關分析、相干分析、傳遞函數(shù)分析、細化譜分析、時間序列分析、倒頻譜分析、包絡分析等。這些分析方法在故障診斷過程中起到了重要的作用，但傅立葉分析方法只適合于分析連續(xù)的、平穩(wěn)的時域信號。為了有效地分析處理工程應用領域中大量的非平穩(wěn)信號，人們把小波（wavelet）和分形（fractal）這兩種新的工具引入到故障信號的分析處理中。它們的理論和應用研究十分活躍，預示著在故障診斷領域中將獲得廣泛的應用。
其實，在故障發(fā)生時，領域專家往往憑五官感覺到一些難以由數(shù)據(jù)描述的事實，他們根據(jù)系統(tǒng)的結構和故障發(fā)生的歷史，就能很快地做出正確的判斷。這種感性知識的獲取和經(jīng)驗知識的表達、處理過程，事實上就是故障信息的智能處理技術。在模糊診斷系統(tǒng)中，這種基于經(jīng)驗知識的智能化信息處理技術表現(xiàn)在故障征兆對故障原因的支持程度或否定程度的建立上；而在專家系統(tǒng)中，則表現(xiàn)在各類診斷知識的獲取和組織表達上。近年來，人們對診斷知識的獲取、表達、組織和推理方法作了大量的研究，目前仍沒有獲得突破性進展。
由于大型機組的故障機理十分復雜，目前仍難以采用精確的數(shù)據(jù)完備地表達其運行狀態(tài)，因此，研究故障信息的智能處理技術有著重要的意義。
2．3 故障源分離與定位技術的研究［11～13］
故障源分離與定位也稱為故障模式識別，是將經(jīng)過信號處理得到的有限的或不完整的特征信號與故障原因對應起來，使故障源定位。故障源分離與定位技術是故障診斷的關鍵技術，將故障源定位是故障診斷的最終目標。
20世紀60年代以來，隨著故障診斷理論研究的不斷深入，人們克服了越限診斷方法的局限，發(fā)展了多種故障源分離與定位技術，包括基于系統(tǒng)數(shù)學模型的方法、統(tǒng)計分析方法和模糊綜合評判方法等。根據(jù)診斷知識的利用方式，可以將故障源分離與定位技術分為基于模型的方法與基于規(guī)則的方法兩大類�；谀Ｐ偷姆椒ǹ梢猿浞掷孟到y(tǒng)的內部知識，有利于系統(tǒng)整體的故障診斷；其缺點是系統(tǒng)的建模誤差或外部干擾將對故障診斷的結果產(chǎn)生重大的影響�；谝�(guī)則的方法，其適應性廣、靈活，但故障的在線估計比較困難。
撇開實際應用場合而去評價某一種故障源分離與定位方法的好壞是沒有意義的。在實際應用中，應根據(jù)具體診斷對象的特點和需要完成的診斷任務，恰當?shù)剡x擇或綜合利用幾種方法，才能取得較好的效果。
