美利体育登录入口官网

标准制定背景与技术演进

ISO 13379-1:2025 是机器系统状态监测与诊断领域的重要标准，第一版于2012年发布，本次第二版进行了技术修订，扩展了范围，新增了故障模式症状分析（FMSA）的评估方法（如监控优先级数MPN和图表法），并更新了数据驱动方法的描述（如神经网络、随机森林等）。标准旨在统一术语、指导诊断系统开发，并帮助用户根据应用场景选择合适的方法。

---

核心概念与诊断流程

诊断是状态监测的关键环节，通常由异常美利体育登录入口官网触发。标准定义了八个步骤：异常验证、数据收集、分析、假设制定、假设测试、诊断综合、建议和跟进。诊断过程是迭代的，需要综合考虑财务、时间等约束。诊断结果应记录在诊断报告中（参见附录A）。

诊断的信心水平（置信度）取决于多个因素，包括维护历史、监测技术、测量间隔等。标准提供了置信因子确定方法（见7.5及附录H）。

---

故障模式症状分析（FMSA）

FMSA 是选择监测技术和策略的系统方法，通过工作表（附录B）评估每个故障模式的严重性（SEV）、美利体育登录入口官网可能性（DET）、诊断置信度（DGN）和预后置信度（PGN）。这些评级可组合为监控优先级数（MPN）或监控置信度数（MCN），并通过FMSA图表（图2）进行可视化评估。示例评级表见附录C。

评级维度	范围（1-5）	说明
SEV（故障严重性）	1-5	1=忽视损害，5=生命损失
DET（美利体育登录入口官网可能性）	1-5	1=极低（<10%），5=几乎确定（>90%）
DGN（诊断置信度）	1-5	同DET尺度，表示诊断准确性
PGN（预后置信度）	1-5	同DET尺度，表示剩余寿命预测准确性

MPN = SEV × DET × DGN × PGN，MCN = DET × DGN × PGN。若用对数尺度，则改为加法。FMSA图表将故障-监测组合分为四个区域（R1-R4），R1不可接受，R4最优。

---

诊断方法：数据驱动 vs 知识驱动

标准将诊断方法分为两大类：数据驱动方法（如神经网络、随机森林、支持向量机等）和知识驱动方法（如故障症状诊断、因果树、第一原则模型）。选择方法需考虑应用目标、数据可用性、解释性需求等。图3提供了选择流程图。

方法	所需知识	优势	弱点	典型应用
故障症状诊断	专家经验与历史案例	简单实现	不完整，难以解释多故障	旋转机械诊断
因果树	故障机制与传播	解释性强，处理独立故障	需要详细故障知识	旋转机械、医疗诊断
第一原则模型	物理定律或传递函数	无需故障数据，适应变化	模型复杂，初始成本高	电子电路、汽车引擎
统计方法（案例推理）	历史故障案例	直观，理解容易	需要足够案例	航空发动机诊断
神经网络	大量带标签数据	模式识别强，自动化	黑箱，需大量数据	图像、时间序列分类
分类树/随机森林	带标签数据	可解释（树），鲁棒（森林）	树易过拟合，森林黑箱	工业过程监控
逻辑回归	带标签数据	简单可解释	线性假设，对相关输入敏感	二分类异常美利体育登录入口官网
支持向量机	带标签数据	准确，鲁棒	大数据集训练慢	故障分类

附录F给出了不同监测技术（振动、热成像、油液分析等）对各方法的适用性评估。

---

实施建议

1. 开展初步研究：利用FMEA/FMECA和FMSA确定关键故障模式，制定诊断需求报告（5.4）。2. 选择合适的诊断方法：根据数据可用性、解释需求和系统复杂度选择数据驱动或知识驱动方法。3. 建立诊断模型：遵循标准7.2的步骤，可结合多种方法（如混合AI）。4. 持续改进：通过诊断反馈和跟进验证诊断准确性，更新知识库。5. 记录与报告：使用附录A的诊断报告模板，确保可追溯性和知识积累。

例如，在轴承故障诊断中，可结合振动监测（数据驱动）和因果树（知识驱动）提高置信度。附录G给出了轴承剥落的因果树示例。

---

置信度评估

诊断置信度因子（cL）由10个加权源（维护历史、设计分析、描述符等）按权重计算（附录H）。例如，维护历史和诊断各占15%，测量间隔占10%。最终cL=Σ(wi × cV,i)。

标准还提供了诊断系统有效性指标（EDSE，附录D），考虑故障严重性、发生概率和诊断可靠性。