法模糊集理论是美国控制论学者Zadeh于1965年提出的为描述与处理广泛存在模糊的时间和概念的理论工具。它能够处理故障诊断中的不确定信息和不完整信息，基于模糊集的故障诊断方法主要是利用集合论中的隶属度函数和模糊关系矩阵的概念，解决故障与征兆之间的不确定关系。目前，模糊故障诊断有3种基本方法：1建立故障现象与故障征兆之间的模糊关系矩阵，再通过模糊关系方程进行故障诊断；2建立故障与征兆之间的模糊知识库，再进行模糊逻辑推理；3对原始采样数据进行模糊聚类处理，再通过评价划分系数和分离系数等进行故障诊断。具体的应用形式有：基于模糊模型的故障诊断方法；基于自适应模糊阈值的残差评价方法；基于模糊聚类的残差评价方法；基于模糊逻辑的残差评价方法和基于模糊模式识别的故障诊断方法。基于模糊理论的故障诊断方法在实际中也有应用，例如空调试验装置冷却线圈的故障诊断，以及基于模糊理论的液压系统故障诊断。模糊变量表示可读性强，模糊推理逻辑严谨，类似人类思维过程，易于理解，但它也具有一些固有缺陷，主要表现在：①模糊系统在推理时也要搜索知识库内一定的规则集才能得出结论，所以当系统比较大时，完成诊断的速度比较慢，效率比较低；②当系统的结构发生变化时，模糊系统的知识库或相关规则的模糊度也要进行相应的修改，即模糊系统也存在维护的问题；③模糊系统不具备学习能力。即模糊诊断方法利用模糊集合率中的隶属函数和模糊关系矩阵的概念来解决故障与征兆间的不确定关系，进而实现故障的早期预报和精确诊断。这种方法计算简单，应用方便，结论明确直观，但不能进行趋势分析；④构造隶属函数、选择特征参数是实现模糊诊断的前提，由于隶属函数可由隶属曲线表示，是人为构造出来的，会有一定的主观因素，特征参数选择不合理，诊断精度会下降，甚至诊断失效；⑤如果在征兆与故障的关系中含有未知因素，隶属函数无法构造出来，这时该方法将失效。148其他故降诊断方法除了上述理论和方法外，在故障诊断领域中，还有基于向量机的诊断方法，基于微粒群算法的诊断方法，基于灰色理论的诊断方法，基于云模型的诊断方法以及把各种诊断相结合的方法。综上所述，单一的故障诊断技术有着各自的优缺点，难以满足复杂系统的诊断要求。因此，将各种不同的诊断方法有效地结合起来，对故障诊断有着重要的意义，是故障诊断技术发展的一个趋势。
2故障诊断研究存在的问题
设备故障诊断技术虽然r