故障诊断的关键是提取故障的特征。故障特征是指反映故障征兆的信号经过加工处理后所得的反映设备与系统的故障种类、部位与程度的综合量。故障诊断方法按提取特征的方法的区别，可分为谱分析方法、基于动态系统数学模型的方法、采用模式识别的方法、基于神经网络的方法、专家系统的方法、小波变换的方法和利用遗传算法等。这些方法将在下文具体介绍。
一、故障诊断中的谱分析方法
在故障诊断中比较常用的信号处理方法是谱分析。常用傅里叶谱、沃尔什谱，另外还有滤波、相关分析等。谱分析的目的：信号中包含噪声，为了提取特征;故障信号的时域波形不能清楚地反映故障的特征。而电力电子电路中包含故障信息的关键点信号通常具有周期性，因此可以用傅里叶变换将时域中的故障波形变换到频域，以突出故障特征，实现故障诊断。
傅里叶变换是将某一周期函数分解成各种频率的正弦分量，类似地，沃尔什变换是将某一函数分解成一组沃尔什函数分量。自适应滤波是一种数字信号的处理统计方法，它不需要知道信号一二阶的先验统计知识，直接利用观测资料，通过运算改变滤波器的某些参数，而使自适应滤波器的输出能自动跟踪信号特性的变化。在电力电子系统故障诊断中，可以用自适应处理来实现噪声抵消，谱线增强等功能，从噪声背景下提取故障特征，从而实现准确的诊断。
二、参数模型与故障诊断
如果系统的数学模型是已知的，就可以通过测量，估计系统的状态和参数，确定状态变量和系统参量是否变化。采用基于系统数学模型的故障诊断方法，可以从较少的测量点去估计系统的多个状态量或系统参数，从而实现故障诊断。
进一步又可以分为检测滤波器方法、状态估计法和参数辨识方法三种。
1、检测滤波器方法
它将部件、执行机构和传感器的故障的输出方向分别固定在特定的方向或平面上。
2、状态估计法
通过监测系统的状态变化，也能反映由系统参数变化引起的故障，并对故障进行诊断。与一般的状态估计不同，在进行故障诊断时，并不是去估计未知的状态信息，而是借助观测器或卡尔曼滤波器去重构系统的输出，以便取得系统输出的估计值。这个估计值与实际输出值之差就叫量测残差。残差中含有大量的系统内部变化的信息，因此可以作为故障诊断的依据。状态估计法的优点是在线计算量小，诊断速度快。
3、参数辨识方法
实时辨识出系统模型的参数，与正常时模型的参数比较，确定故障。常用的有最小二乘法。
水暖之家是专注于电气,电气工程,水暖,电气设备等装饰材料的各种新闻资讯和电气,电气工程,水暖,电气设备各十大品牌的装修效果图与网络营销服务,敬请登陆水暖之家http://shuinuan.jc68.com/
