（1）基于信號變換的診斷方法

發電機的許多故障信息是以調制的形式存在于所監測的電氣信號及振動信號之中，如果借助于某種變換對這些信號進行調制處理，就能方便地獲得故障特征信息，以確定發電機所發生故障類型，常用的信號變換方法有希爾伯特變換和小波變換，很適合于探測正常信號分析中夾帶的瞬態反常現象并展示其成分，在發電機機械故障診斷中占有重要地位，但基于信號變換的診斷方法缺乏學習功能。

發電機的故障與其征兆之間的關系錯綜復雜，具有不確定性及非線性，用人工智能方法恰好能發揮其優勢，已用于發電機故障診斷的人工智能技術有：模糊邏輯、專家系統、神經網絡。

（2）基于專家系統的診斷方法

該方法是根據專家以往經驗，將其歸納成規則，并運用經驗規則，通過規則推理來進行故障診斷，基于專家系統的診斷方法具有診斷過程簡單、快速等優點，但也存在著局限性，基于專家系統的方法屬于反演推理，因而不是一種確保唯一性的推理方法，改方法存在著獲取知識的瓶頸。

（3）基于人工神經網絡（ANN）的診斷方法

將簡單處理單元廣泛連接而成的復雜的非線性系統具有學習能力、自適應能力、非線性逼近能力等，故障診斷的任務從映射角度看就是從征兆到故障類型的映射，用ANN技術處理故障診斷問題，不僅能進行復雜故障診斷模式的識別，還能進行故障嚴重性評估和故障預測，由于ANN能自動獲取診斷知識，使診斷系統具有自適應能力。

（4）基于集成型只能系統的診斷方法

隨著發電機系統越來越復雜，依靠單一的故障診斷技術已很難滿足復雜發電機的故障診斷要求，因此上述各種診斷技術集成起來形成的集成智能診斷系統成為當前發電機故障診斷研究的熱點。

主要的集成技術有：基于規則的專家系統與ANN的結合，模糊邏輯與ANN的結合，混沌理論與ANN的結合，模糊神經網絡與專家系統的結合。

以上只是大致分類，一些方法即可用于發電機故障診斷，又可用于電動機故障診斷。

本文由天津神川電機提供。

編輯：盼花開