故障信號分析處理是對檢測到的各種狀態(tài)信息進(jìn)行加工、變換，以提取故障征兆。目前，應(yīng)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(yīng)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(guān)分析、相干分析、傳遞函數(shù)分析、細(xì)化譜分析、時間序列分析、倒頻譜分析、包絡(luò)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(yīng)用領(lǐng)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(yīng)用研究十分活躍，預(yù)示著在故障診斷領(lǐng)域中將獲得廣泛的應(yīng)用。
其實，在故障發(fā)生時，領(lǐng)域?qū)＜彝鶓{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(jié)構(gòu)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(dá)、處理過程，事實上就是故障信息的智能處理技術(shù)。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(shù)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(dá)上。近年來，人們對診斷知識的獲取、表達(dá)、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(jìn)展。
由于大型機(jī)組的故障機(jī)理十分復(fù)雜，目前仍難以采用精確的數(shù)據(jù)完備地表達(dá)其運(yùn)行狀態(tài)，因此，研究故障信息的智能處理技術(shù)有著重要的意義。
2．3 故障源分離與定位技術(shù)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?qū)?yīng)起來，使故障源定位。故障源分離與定位技術(shù)是故障診斷的關(guān)鍵技術(shù)，將故障源定位是故障診斷的最終目標(biāo)。
20世紀(jì)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(shù)，包括基于系統(tǒng)數(shù)學(xué)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(shù)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(nèi)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(jié)果產(chǎn)生重大的影響。基于規(guī)則的方法，其適應(yīng)性廣、靈活，但故障的在線估計比較困難。
撇開實際應(yīng)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(yīng)用中，應(yīng)根據(jù)具體診斷對象的特點和需要完成的診斷任務(wù)，恰當(dāng)?shù)剡x擇或綜合利用幾種方法，才能取得較好的效果。
