故障診斷方法綜述范文

導語：如何才能寫好一篇故障診斷方法綜述，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

摘要： 隨著經濟的發展，技術的進步，現代企業設備越來越大型化、復雜化、智能化，如果液壓設備發生故障，生產就無法進行。本文首先介紹液壓系統故障診斷的準備工作，然后詳細介紹三種診斷方法。

關鍵詞：液壓系統故障 簡易故障診斷法 人工智能故障診斷法

液壓系統具有很多獨特的優點，常見的如：大容量、結構緊湊、安裝靈活、反應快、容易控制等等，在現代大型設備，特大型設備中具有廣泛的應用的同時存在著問題，極易發生故障從而影響生產，造成故障的原因主要是系統中元輔件和工作液體性能不穩定，系統設備使用不當或者維護不到位。近幾年液壓系統故障診斷成為了一門專門的學科，受到高度的重視。

1、液壓系統故障診斷的準備工作

第一拿到設備使用說明書時一定要認真仔細的閱讀，詳細了解該設備的功能、結構、工作原理，包括系統中元件的功能結構和原理；第二從網上查閱設備的檔案資料，包括生產廠家、制造日期、調試驗收，故障可能、處理方法等等。

2、簡易故障診斷方法

2.1 主觀診斷法

這是一種最傳統的方法，憑借維修人員的主觀判斷（看、聽、摸、聞、問）和實踐經驗，或者利用簡單的儀器、儀表判斷故障發生的部位并且給出發生的原因。常見到的主觀診斷法有感官診斷、方框圖分析、系統圖分析，該方法簡單快捷方便，這種方法對維修人員的要求極高需要有豐富的診斷經驗，但是診斷結果具有局限性。

2.2直接性能測試法

這種方法通過測試液壓元件和系統性能進而評價系統工作狀態，適用于處于工作狀態的系統，還能進行定量的分析，現代運用最多的是檢測液壓系統的狀態。如果檢測的液壓系統元件或者性能超出了規定的正常范圍，那么該系統就有發生故障的可能性。這種方法原理簡單，相當直觀，但是測試的精準度不是很高，一般早期的失效很難檢測出來。

3、基于信號分析的故障診斷方法

3.1基于抽樣分析法

反映系統內部信息的除了液壓系統本身的信息，其內部的污染物也可以，也就是說測定和鑒別油液當中污染物的成分和含量，可以知道液壓系統的污染情況和運行狀況，也是一種故障診斷的方法。目前我們經常見到的有兩種：一種是基于油液顆粒污染度的檢測技術，包括：顯微鏡檢測技術（設備投資小、方法簡單、費時費力、誤差大）、自動顆粒計數器（檢測速度快、操作簡便、準確度高但精度低）、稱重法（設備簡捷、檢測方便、只測重）、鐵譜分析法（可進行定性和定量的分析）、光譜法（成本高、精度高）；另一種是基于油液性能參數的檢測技術，這種技術需要細致的分析油液的有關參數和金屬的含量，歷時的周期較長，無法實現在線檢測，但是對重要液壓系統的診斷很有效。

3.2基于振動噪聲分析法

在液壓系統的運行過程中，必然會伴隨產生振動和噪聲，尤其液壓泵的振動聲音十分大，實際上這些設備的振動和噪聲就包含了許多故障的信息，分析信號，得到元件狀態信息，進而進行故障診斷。這種方法的理論比較完善，應用也比較廣泛，有多種信號處理方法如：時域特征參數法、時差域特征法、概率密度法、相關分析法、譜分析法、自功率譜分析法、倒頻譜分析法、包絡譜分析法、主分量自回歸譜提取法、AR譜參數提取法、小波分析等。目前旋轉機械設備也能用它分析診斷故障，純機械設備的故障診斷效果相當明顯。隨著信號處理技術的發展，這種方法的應用前景十分可觀。

3.3基于數學模型法

這種方法的指導是現代控制理論和優化方法，基礎是系統的數學模型，殘差產生法是觀測器（組）、等價空間方程、Kalman濾波器、參數模型估計和辨識等，利用閥值或者準則評價決策殘差。該方法和控制系統的關系相當密切，共同成為監控、容錯控制、系統修復重構的基礎。這種方法的數學模型的精確度直接決定診斷的精確性，一般最常建立的是線性和非線性的數學模型來診斷液壓系統的故障。

4、基于人工智能的故障診斷方法

4.1基于專家系統的智能診斷法

這是智能診斷技術中受到多方關注的一個發展方向，研究最多，應用最廣，主要是利用專家的知識和推理方法解決實際遇到的復雜問題。在這的專家系統并不是指人員而是指一種人工智能計算機程序，知識權威，學習功能強大。該系統的主要組成部分：知識庫（系統知識和規則庫）、數據庫、推理機和解釋機制。如果利用它檢測在線的系統，數據庫顯示的是實時工況數據；如果利用它檢測離線系統，則數據庫顯示的是實際故障時的數據或者人為故障的樣本數據。該方法的運行過程是通過人機相互交換，專家系統獲得所需信息，利用系統的知識庫和數據庫，推理機運用規則，調用應用程序，進行正確的推理，找到液壓系統的故障。這種方法給自動化進行液壓系統故障診斷代帶來了光明和希望，但是也存在一定的不足和問題，不過未來的發展前景還是很廣闊的。

4.2基于神經網絡的智能診斷法

20世紀80年代人工神經網絡迅速崛起，成為人工智能領域的一個分支，是一種計算模型（與人的認知過程相似），一種非線性動力學網絡系統（模擬大腦神經元結構特性）。神經網絡的非線性處理單元（類似神經元）相互關聯，具有了學習、記憶、歸納總結等功能和數學模擬能力。這種方法的具有獨特的優勢，如：分布式處理能力、聯想記憶、自學習能力等收到診斷領域的廣泛關注和重視，未來發展前景十分寬廣。

4.3基于模糊理論的智能診斷法

大量的模糊現象存在于液壓系統故障診斷領域，如：系統油溫過高、壓力波動較重等等，過高、較重這些都是模糊的概念，并沒有清晰的邊界，故障發生會經歷一個漫長的時間，同時故障發生的原因和癥狀也是模糊的，可能一對一，可能一對多，也可能多對一。利用模糊邏輯、模糊關系描述故障的原因和現象，建立隸屬度函數和模糊方程，明確識別故障。這種方法的現象更為客觀，結果更符合實際，速度快，容易實現。

5、結束語

隨著21世紀科技的發展，人工智能技術更是突飛猛進，還有許多智能診斷的方法如：故障樹診斷法、灰色理論智能診斷法、案例推理診斷法、多智能體的智能診斷法、信息融合技術智能診斷法等等。如何將新型科技、智能技術運用到故障診斷系統當中，實現自動化、智能化的故障系統診斷是我們亟待解決的問題。

參考文獻：

[1]范士娟，楊超.液壓系統故障診斷方法綜述[J].機床與液壓，2009，37（5）：188-192，195.

篇2

關鍵詞：神經網絡；故障診斷；容錯控制；電機

中圖分類號：TP393 文獻標識碼：A 文章編號：1007-9599　（2012）　18-0000-02

1 引言

近二十年來，容錯控制技術無論是在故障診斷研究方面，還是在控制律重構算法設計上都取得了一系列的成果，文獻[1-2]對近些年研究狀況進行了較好的綜述，雖然電機系統的在線故障診斷與容錯控制有些報道，基于模型的故障診斷方法[3]，信號處理故障診斷方法[4-5]及基于人工智能的診斷方法等[6-7]。但是關于電機可靠性的容錯控制技術研究卻很少[8-9]。仍有許多工作有待研究。

本文采用一種改進的基于信度分配的CMAC（ICA-CMAC）神經網絡學習算法，進行電機系統的在線故障辨識，引入第一控制律控制算法進行控制規律的在線重組，將在線故障診斷與容錯控制相結合，構造集成故障診斷與容錯控制系統。保證系統的控制性能，實現電機系統容錯控制。

2 改進的CMAC神經網絡模型

篇3

關鍵字：汽車電機故障方法

1.電機故障診斷的特點及實施電機故障診斷的意義

1.1電機故障診斷的特點

電機的功能是進行電能與機械能量的轉換，涉及因素很多，如電路系統、磁路系統、絕緣系統、機械系統、通風散熱系統等。哪一部分工作不良或其相互之間配合不好，都會導致電機出現故障。因此，電機故障要比其它設備的故障更復雜，其故障診斷所涉及到的技術范圍更廣，對診斷人員的要求也就更高。一般來說，電機故障診斷涉及到的知識領域主要有[20]：電機理論、電磁測量、信號處理、計算機技術、熱力學、絕緣技術、人工智能等。電機故障診斷的復雜性還表現在故障特征量的隱含性、故障起因與故障征兆之間的多元性。一種故障可能表現出多種征兆，有時不同故障起因也可能會反映出同一個故障征兆，這種情況下很難立即確定其真正的故障起因。另外，電機的運行還與其負載情況、環境因素等有關，電機在不同的狀態下運行，表現出的故障狀態各不相同，這進一步增加了電機故障診斷難度，所以要求對電機進行故障診斷首先必須掌握電機本身的結構原理、電磁關系和進行運行狀況分析的方法，即掌握電機各種故障征兆與故障起因間的關系的規律。

1.2實施電機故障診斷的意義

電機的驅動易受逆變器故障的影響，在交流電機驅動系統中，逆變器短路故障將會使電機產生有規律波動的或是恒定的饋電扭矩，使車輛突然減速。研究表明：逆變器出現故障時，永磁感應電機將產生較大的饋電扭矩，而且永磁電機也有存在潛在的高消磁電流的問題。而感應電機在逆變器出現故障時所產生有規律的饋電扭矩將由于有持續的負載而迅速衰減，這說明了感應電機具有較高的容錯能力，適應混合動力系統的要求。開關電機磁阻是最具有故障容錯能力的電機，而且當其有一個逆變器支路出現故障時電機仍能產生凈扭矩，另外，開關磁阻電機成本低，結構緊湊，但是開關磁阻電機有較大的噪聲和扭矩脈沖，而且需要位置檢測器，而這些缺點使得開關磁阻電機在現階段不適合應用于混合動力客車上。在混合動力客車動力系統中，電機是作為輔助動力的，而且電機屬于高速旋轉設備，如果電機出現故障，電機產生的瞬態扭矩將使車輛的穩定性和動力性將受到影響，而且，電機由高壓電池組驅動，如果電機出現故障而不能及時容錯，電機產生的瞬態電流將使電池受到損害，因此在混合動力系統中對電機進行故障診斷是非常必要的。

2.電機的故障診斷方法及典型故障診斷分析

2.1電機故障的診斷方法

（1）傳統的電機故障診斷方法

在傳統的基于數學模型的診斷方法中，經典的基于狀態估計或過程參數估計的方法被應用于電機故障檢測。圖1為用此類方法進行故障診斷的原理框圖。這種方法的優點是能深入電機系統本質的動態性質，可實現實時診斷，而缺點是需建立精確的電機數學模型，選擇適當決策方法，因此，當電機系統模型不確定或非線性時，此類方法就難以實現了。

（3）基于模糊邏輯的電機故障診斷方法

圖3為基于模糊邏輯的電機故障診斷方法框圖，故障診斷部分是一個典型的模糊邏輯系統，主要包括模糊化單元、參考電機、底層模糊規則和解模糊單元。其中，模糊推理和底層模糊規則是模糊邏輯系統的核心，它具有模擬人的基于模糊概念的推理能力，該推理過程是基于模糊邏輯中的蘊涵關系及推理規則來進行的。模糊規則的制定有兩種基本方法：第一，啟發式途徑來源于實際電機操作者的語言化的經驗。第二，是采用自組織策略從正常和故障電機測量獲得的信號進行模糊故障診斷的制定，將此方法通過計算機仿真實現，對電機故障有較好的識別能力。

（4）基于遺傳算法的電機故障診斷方法

遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法，它的推算過程就是不斷接近最優解的方法，因此它的特點在于并行計算與全局最優。而且，與一般的優化方法相比，遺傳算法只需較少的信息就可實現最優化控制。由于一個模糊邏輯控制器所要確定的參變量很多，專家的經驗只能起到指導作用，很難根據指導準確地定出各項參數，而反復試湊的過程就是一個尋優的過程，遺傳算法可以應用于該尋優過程，較有效地確定出模糊邏輯控制器的結構和數量。

遺傳算法應用于感應電機基于神經網絡的故障診斷方法的框圖如圖4所示。設計神經網絡的關鍵在于如何確定神經網絡的結構及連接權系數，這就是一個優化問題，其優化的目標是使得所設計的神經網絡具有盡可能好的函數估計及分類功能。具體地分，可以將遺傳算法應用于神經網絡的設計和訓練兩個方面，分別構成設計遺傳算法和訓練遺傳算法。許多神經網絡的設計細節，如隱層節點數、神經元轉移函數等，都可由設計遺傳算法進行優化，而神經網絡的連接權重可由訓練遺傳算法優化。這兩種遺傳算法的應用可使神經網絡的結構和參數得以優化，特別是用DSP來提高遺傳算法的速度，可使故障響應時間小于300μs，不僅單故障信號診斷準確率可達98%，還可用于雙故障信號的診斷，其準確率為66%。

近年來，電機故障診斷的智能方法在傳統方法的基礎上得到了飛速發展，新型的現代故障診斷技術不斷涌現：神經網絡、模糊邏輯、模糊神經網絡、遺傳算法等都在電機故障診斷領域得到成功應用。隨著現代工業的發展，自動化系統的規模越來越大，使其產生故障的可能性和復雜性劇增，僅靠一種理論或一種方法，無論是智能的還是經典的，都很難實現復雜條件下電機故障完全、準確、及時地診斷，而多種方法綜合運用,既可是經典方法與智能方法的結合，也可是兩種或多種智能方法的結合，兼顧了實時性和精確度,因此多種方法的有機融合、綜合運用這一趨勢將成為必然，也將成為電機故障在線診斷技術發展的主流方向。

參考文獻：

[1]陳清泉,詹宜君，21世紀的綠色交通工具——電動汽車[M]，北京:清華大學出版社,2001

篇4

【關鍵詞】 故障診斷煤礦機電設備應用

當前,機電設備故障診斷技術是一項發展迅速的新興檢測技術,它在預防和診斷設備故障方面發揮著重要的作用。它能預防重大事故的發生,有效地避免人員傷害和設備損害,為煤礦機電設備的維修管理和日常保養提供重要的技術數據,有利于保證設備的安全運行,并在節約設備的維修費用和降低設備維修成本方面發揮著重要的作用,有利于現代化礦井的發展。

1 故障診斷技術的構成

故障診斷技術包括信號檢測、信號處理、狀態識別、預測和決策等部分。

(1)信號檢測。設備狀態信號是設備異常貨故障信息的載體,要選擇最便于診斷的狀態信號(如振動、噪聲、溫度等),以便能真實、充分地檢測到足夠數量、能客觀反映設備工作情況的狀態信號。這是診斷能否成功的關鍵。

(2)信號處理。它是伴有各種干擾的綜合信號中,把能反映設備狀態的特征信號提取出來,并精化故障特征信號,以達到提高診斷靈敏度和可靠性的目的。

(3)狀態識別。通過對設備狀態特征信號進行分析和對比,識別和判斷設備狀態,確定其是否存在故障,以及故障的部位、原因及嚴重程度。

(4)預測和決策。預測是對尚未發生的或目前還不明確的事物進行預先的估計和推測,通過預測故障的發展過程,以及在何時進入危險范圍,對設備的劣化趨勢和剩余壽命做出預報,為進行事故預防和預防維修提供依據。決策是指根據預測預報及故障診斷結論,所應采取的預防和消除故障的方法、措施等。

2 故障診斷的基本方法

2.1 故障信息的采集

故障信息的采集是故障技術的第一步。只有信息正確,才有可能進行正確的分析、判斷和決策。因此,故障信息的采集是診斷技術中最重要的內容。一般可用以下幾種方法進行故障信息采集。

(1)直接觀察。直接觀察是現場工作人員根據經驗對設備狀態做出判斷的方法。

(2)噪聲及振動的測量。噪聲和振動是診斷機器運行狀態的重要信息,其測量可分為3個步驟:①測定總的噪聲或振動強度,初步判斷機器運行是否存在問題。②進行頻譜分析,進一步判斷機器中的問題發生在哪個環節。③采用一些特殊技術,對特定的可疑零部件進行深入分析。在噪聲和振動測量中,儀器可以是便攜式的,也可以是固定安裝的。后者多用于對重要機器的監控,以防止發生事故和突然損壞。

(3)整機性能測定。整機性能測定是對整臺機器的功能進行測定,以取得信息的方法。把其性能劣化與后果聯系起來,對其發展趨勢進行測定。對整臺設備,通常用輸入與輸出的比較法或輸出量的變化趨勢進行測定。

2.2 設備運行工況綜合診斷

機械設備運行狀態的診斷方法是多種多樣的,其中以噪聲及振動測量、鐵譜分析、油位油溫檢測、無損探傷及超聲波等檢測方法最為常用。然而,由于一些特殊環境對設備的影響,一些診斷技術在具體診斷中受到限制或影響其準確性,因此產生了進行設備運行工況綜合診斷的專家系統。

3 故障診斷技術在煤礦機電設備中的應用

3.1 礦井提升機

礦井提升機擔負著提升煤炭、矸石、下放運料、升降人員和設備的重要的任務,因此說提升機的運行是否安全可靠關系著煤礦的安全生產和職工的生命、財產安全。提升機常用的故障有硬故障和軟故障兩大類。硬故障一般可以通過保護裝置解決。而對于軟故障來說就需要設備運行工況綜合診斷方法來判斷,軟故障通常是硬故障的前兆,因此說要對軟故障進行及時的診斷和預報這對于提升機的安全運行是十分重要的。中國礦業大學研制的KJ46型礦井提升機狀態監護系統、ASCC型全數字提升機控制系統等都包含了對提升機運行參數的檢測和故障診斷功能,具有制動失靈保護、過卷保護、超速保護功能,均取得了良好的效果,有很重要的現實指導意義。

3.2 采煤機

采煤機是煤礦生產過程中應用最廣泛的設備之一。它是集機械、電氣和液壓為一體的大型復雜系統。因為煤礦井下工作場所環境惡劣、空間狹小,采煤機才如此復雜和惡劣的環境中工作容易出現故障,而采煤機一旦出現故障將會導致整個采煤工作面中斷工作,給礦井帶來嚴重的經濟損失。隨著現代化煤礦工業的發展,采煤機的功能越來越多,自身結構也越來越復雜,導致發生的故障的原因變得更加復雜。國產的采煤機與國外先進的采煤機相比在故障檢測診斷技術方面還有不少差距,主要表現在檢測參數的缺少和檢測范圍的不全面,并且無故障診斷功能。為了改變國產采煤機無故障診斷功能和檢測水平低的現狀,原煤炭部將“采煤機工況檢測及故障診斷系統”的研制列入了“九五”重點科技攻關計劃當中。該故障檢測診斷系統主要包括了機身檢測單元、左右搖臂檢測單元、變頻器通信單元、工況檢測及故障診斷單元、高壓控制箱檢測單元、檢測顯示單元這六個單元,在當前煤礦生產過程中已取得了顯著的成效。

4 結語

總之,故障診斷技術在煤礦機電設備的診斷和檢測中發揮著重要的作用。但是我們也應該看到由于煤炭行業的各種原因,設備故障檢測診斷技術應用的范圍還比較窄,對故障診斷技術的開發研究投入不足,我國設備故障診斷檢測技術在理論上還不成熟,這就需要廣大的煤炭研究人員和技術人員不斷的探索,從而縮短差距。同時,還應該加強與各個行業間故障檢測診斷技術的交流與合作,并進行新技術的推廣和應用,使煤礦機電設備的安全性、可靠性得到進一步提高,促進礦井的和諧發展。

參考文獻:

[1]王琳.機械設備故障診斷與監測的常用方法及其發展趨勢[J].武漢工業大學學報,2000(3):62-64.

[2]周東華,王桂增.故障診斷技術綜述[J].化工自動化及儀表,1998(1):42-46.

篇5

關鍵詞：轉動機械；故障診斷及處理；方法；意義

科學技術水平的提高使得我國眾多發電廠都應用了眾多新型的自動化、智能化的設備設施。同時，發電廠需要進行全天候、不間斷的工作，保障電力的供應。因此，一些外部因素和內部因素的出現會導致各種轉動機械設備故障問題的發生。而應用以往的故障診斷和處理模式無法對于其中存在的問題進行解決，使得發電廠的工作質量和效率受到影響。具體來講，我們針對轉動機械故障診斷及處理的方法、應用現代化診斷及處理技術的意義進行分析和研究工作，使得發電廠在較長時間中各種轉動的機械設備保障安全運行，更好地開展工作，保障電力資源的供應。

一、轉動機械故障診斷及處理的方法

（一）轉動機械故障類型

我國發電廠中應用的轉動機械發生故障主要是以下方面的問題。具體來講，第一，滾動的軸承存在缺陷。比如：滾動的軸承出現了滾道或者是滾子脫落、腐蝕、破裂、有凹痕、有雜物的進入等等。而造成以上問題出現的原因有：應用的滑動軸承質量不高、沒有應用專業化的技術和方式進行安裝導致軸承與軸之間存在性能不高、配合不準確等問題，在較長時間應用后造成其出現了一系列問題。第二，滑動軸承問題。滑動類型的軸承在應用中主要存在的故障問題是：間隙的大小存在問題，無法進行有效性的工作，應用的油膜存在震蕩或者是渦動問題。而造成以上問題出現的原因，除了質量問題外、還存在滑動軸承長期的高溫、振動大的環境中進行工作的因素，無法進行有效性的運轉。第三，轉動機械存在松動的問題。轉動機械松動主要有兩種類型，一種是結構性的松動，另一種為轉動性的松動。結構性松動問題出現主要原因是沒有進行科學化、專業化的安裝，造成了轉動機械長期在磨損、腐蝕的環境中工作，導致一些結構出現了基礎性的松動，影響到了其應用的質量和效率。而轉動機械部件松動主要的原因是有關部件在長時間工作下出現了部件應用的損壞，軸承無法進行有效性工作。第四，轉子不平衡的問題。其主要的缺陷和問題有：徑向振動大、而在其他方向上的振動值較小。而造成以上問題出現的原因是，其一存在安裝不當的問題、其二存在有外來的附加物進入使得轉動機械部件出現了嚴重的磨損問題。

（二）診斷和處理的方法

我們需要應用專業化的人員和技術方式來進行以上故障問題的診斷和處理，保障我國發電廠轉動機械進行良好的運行，充分發揮出自身應有狀態，為促進發電廠工作水平的提高，實現良好的價值和效益發揮出重要作用。具體來講，第一，發電廠需要定期對于轉動機械設備檢修處理人員進行專業化技能的培訓工作，提升他們工作的積極性，學習和應用好各種故障設備設施處理的技術素養，保障它們運轉正常。第二，發電廠需要進行大量資金的投入購買專業化的故障檢測診斷、處理設備，提高診斷和處理的水平。應用好網絡信息技術、計算機技術來構建專業化的故障保修系統、有利于有關人員快速進入現場進行設備故障診斷和處理，提高有關設備設施運行的水平。如：型號為IZ300-250-765的灰渣泵其在運行中出現了軸承溫度偏高、振動值偏大的問題，我們就可以應用現場圖譜儀對其進行科學診斷。如：在現場圖譜儀中顯示其在78Hz和6.5Hz的地方存在明顯波峰、在其高頻的區域存在群峰，然后應用其他專業化儀器以及專業人員的經驗可以判斷出此種類型的灰渣泵外滾道、保持架、軸承的滾子等已經損壞。我們通過查找此類灰渣泵應用的時間明確此已經超過合理化應用的時間。因此，需要對于其進行更換，使得發電廠有關設備可以進行正常運行。對于引風機這類的設備在進行了長時間的應用后也會出現振動偏大的問題。因此，我們需要應用專業化的溫度測試裝置對于其運行溫度進行測量。如：顯示的溫度為軸瓦48攝氏度，然后應用專業化的頻譜圖則發現其明顯的波峰出現在5Hz的地方。通過有關的分析后我們發現，滑動類型的軸承存在間隙過大問題。在有關專業化人員對其進行精細化檢查下發現軸承頂隙存在超標的問題，應用專業化的機械和手段對其進行調整后，使得其恢復正常。

二、應用現代化診斷及處理技術的意義

應用現代化診斷及處理技術具有重要的意義。首先，專業化人員和現代化轉動機械故障診斷設備儀器的應用，可以提高對于轉動機械故障診斷工作的質量和水平，并且對于存在的問題進行快速化處理，通過周期性的常規診斷、科學化處理方式的應用，對于發電廠有關設備運行中的故障問題進行及時解決，避免了安全事故問題的發生，充分保障了發電廠進行有效性的工作，使其經濟效益和社會價值得以實現。其次，應用現代化診斷及處理技術的應用使得專業化故障診斷和處理體系已經形成，可以充分結合轉動機械設備運行的歷史、對于故障問題進行預報、分析、判斷、確定好故障發生的部位、原因、今后運行的趨勢，應用專業化的手法進行修復、必要時進行轉動機械的更換，保障其具有良好的應用狀態。

三、結論

對于轉動機械故障診斷及處理問題進行研究和分析，有利于我們應用現代化的故障診斷和處理人員、高端智能化的專業故障診斷儀器對于故障進行全面性的預報、診斷、分析、處理，提高轉動機械診斷處理的水平，保障其具有良好的應用狀態，使得發電廠可以取得良好的效益和價值。

參考文獻：

[1]趙永忠.淺談轉動機械故障診斷及處理[J].機電信息,2015,24:71+73.

[2]王金福,李富才.機械故障診斷的信號處理方法:頻域分析[J].噪聲與振動控制,2013,01:173-180.

[3]任玲輝,劉凱,張海燕.基于圖像處理技術的機械故障診斷研究進展[J].機械設計與研究,2011,05:21-24.

[4]余建青,臧觀建,謝世坤,李強征.旋轉機械故障診斷中的信號處理技術綜述[J].機床與液壓,2011,24:107-110.

篇6

關鍵詞機電設備，故障診斷，現狀，智能診斷技術

中圖分類號： TU85 文獻標識碼： A 文章編號：

1引言

機電設備運行中發生的故障或失效不僅會造成重大經濟損失，甚至還可能導致人員傷亡和惡劣的社會影響。因此，掌握機電設備故障診斷技術，并及時確定機電設備發生故障的原因和部位，對保證機電設備的安全運行、提高產品質量和產量、防止惡性事故發生以及節約維修成本等方面都具有十分重要的現實意義。

2機電設備故障診斷的現狀

機電設備故障診斷技術是一門了解和掌握機電設備在使用過程中的工作狀態，檢測設備故障隱患，并對故障發生的原因、部位、性質以及故障發展的趨勢做出預測的技術。

我國的機電設備故障診斷技術起步晚，但隨著經濟和生產的快速發展，機電設備的故障診斷技術越來越受到重視，人們投人大量精力進行研究，使這項技術取得了很大的進展，取得了較大的成功，一系列新的理論方法與技術被應用于實際并取得了良好的效果，由此我國的機電設備故障診斷技術開始了新的局面，并奠定了我國的機電設備故障診斷基礎。

3常用的故障診斷技術及其存在的問題

3.1常用的故障診斷技術

機電設備故障診斷技術并不是一門單獨的科學技術，它是一門融合了多門學科的綜合技術，常用診斷技術主要包括振動監測技術、噪聲監測技術、紅外測溫技術以及射線掃描技術等。近些年發展起來的一些新技術使機電設備故障診斷變得更加的準確實用，但常用技術隨著科技的進步也在不斷取得發展，在設備故障診斷領域的應用范圍和規模仍然很大。

1.振動監測診斷技術

振動信號普遍存在于運轉的機電設備中，當機電設備發生故障時，一般都會出現振動增大和工作性能的變化，因而可以通過檢測設備的振動參數及其特征來分析設備的狀態和故障。由于振動的理論檢測手段和測量方法都比較成熟，所以人們常將機電設備振動監測診斷作為機電設備故障診斷的首選方法。另外，由于振動監測診斷技術簡單易行，很方便在現場進行，實時性和直觀性較好，并能精確地表征機械動態特征及其變化過程，所以被廣泛應用。

2.油液磨屑分析檢測診斷技術

通過對油液磨屑粒形狀態識別或觀察油液理化性分析、化學成分的變化來判斷機械運行狀況。

3.紅外測溫診斷技術

機電設備發生故障時，其故障部位的溫度往往會升高，因而可通過測溫對機電設備的故障進行判斷，例如紅外測溫診斷技術。紅外測溫診斷技術易于實現在線檢測，診斷效率較高，但它易受主觀影響，從而引起誤判。

4.射線掃描技術

γ射線掃描是一項用于工藝設備過程故障檢測診斷的技術。它能在不停工不影響生產的條件下快速、準確地對故障進行診斷，具有較好的應用前景。

3.2存在的問題

常用故障診斷技術雖然取得了很大的發展，并且對特定種類的設備或故障的診斷效果良好，但依然沒有形成一套完整的理論體系和相對完善的診斷評價體系。一些故障診斷技術雖然在不斷創新，但創新成果在實際中普遍應用地較少，或者即使在實際中得到應用，也因為限制條件太苛刻而難以真正發揮其價值。

此外，提高故障診斷的準確性也是一個急于解決的問題。故障診斷對人們的認識和經驗往往存在較大的依賴性，但人們對事物的認識有其局限性，尤其對一些狀態介于故障邊緣的機電設備，依靠診斷人員的經驗和知識做出準確判斷是比較難的。

目前存在的具體問題有：建立的故障診斷平臺繁瑣且可操作性差；關于智能診斷方法的研究大都還停留在理論研究上，實際應用較少；注重診斷的準確性而忽視了對故障發展狀況的預測；忽視對故障排除等。

4機電設備故障診斷新技術

1.遠程診斷技術

目前，在因特網不斷發展與普及的今天，狀態監測與診斷的網絡化成為可能，對于機電設備遠程監測與診斷的研究與應用正在全球范圍內興起。機電設備的遠程診斷是計算機技術、通訊技術與故障監測診斷技術相結合的一種設備故障診斷方法，它以網絡的遠程協作為載體，采用開放式體系結構，具有強大的生命力和廣闊的應用前景。

遠程診斷系統一般由以下3部分組成：單位監測診斷節點、數據傳輸網絡以及遠程診斷中心。其中，監測診斷節點包括傳感器系統、數據采集監測系統、智能診斷軟件系統等。其功能主要是從數據采集監測系統上獲取數據并完成故障診斷，并為遠程診斷中心提供基本的診斷結果信息。數據傳輸網絡將單位監測診斷節點與遠程診斷中心相連，一般可利用TCP/IP Socket網絡接口建立基于客戶/服務器的數據傳輸模式，具有很強的開放性和擴展性。遠程診斷中心是診斷技術的集合，一般具有如下功能：(1)設備專家系統。用戶提交信息后，由診斷中心進行分析并將結果反饋給用戶。(2)實現基于Inertnet的遠程數據文件的傳輸。(3)提供診斷方法軟件。

2.智能診斷技術

人工神經網絡是模擬生物神經系統建立起來的非線性動力學系統，具有強大的分類能力和非線性映射能力。將傳統的專家經驗與人工神經網絡與相結合，將神經網絡的自學習機制引人機電設備的故障診斷系統，可以提高故障判斷準確性。具體內容將在下節以實例的形式作詳細探討。

5新技術的應用實例

5.1 RBF 神經網絡模型與算法

RBF神經網絡結構如圖1所示，其中x1,x2,…,xm為輸入量；gi(x)(i=1,2…,n) 為隱含層基函數，y1,y2,…,yn為輸出函數。

圖1 RBF神經網絡結構圖

輸入層與隱含層之間是非線性關系，隱含層與輸出層之間是線性關系，即：

（k=1,2…,j） (1)

其中， gi(x,ci)一般選擇為高斯函數（見式2）；ω為輸出層權矢量，一般采用競爭機制進行確定。

(2)

其中，ci為隱含層第 i個單元基函數的中心，ci的確定一般采用K-Maens聚類法；σi為第 i 個隱節點的歸一化參數，ci確定后可使用固定法進行確定。

5.2機電設備故障診斷模型

機電設備一般由驅動部分、 動力和傳動部分、控制部分、執行機構及機身部分組成。因此，設備的故障群空間可設為r={控制系統故障，執行機構故障，傳動系統故障，驅動系統故障，機身部分故障}={y1,y2,y3,y4,y5}；由于溫度、振動等信息可以表征機電設備的工作狀態是否正常，所以檢測癥狀信息集可設為 u={溫度，壓力，速度，電壓，振動}={x1,x2,x3,x4,x5}。

5.3診斷實例

現以包裝生產線的雄師 2502SF 立式包裝機為例，運用 RBF 神經網絡對其進行故障診斷。

5.3.1網絡訓練

在 RBF 網絡創建過程中，如果經過歸一化處理，樣本數據的訓練時間大大縮短，訓練的成功率會提高，所以有必要先將數據樣本做歸一化處理。歸一化公式為：

xi=Pi/Pmax (3)

其中，xi為歸一化后的第 i 個樣本數據；Pi為第 i個樣本數據；Pmax為樣本數據的最大值。

網絡采用教師學習方式。當網絡某個輸出結點為“1”時，表示對應故障發生；“0”表示對應故障不發生。訓練樣本見表 1。

表1 訓練樣本

5.3.2辨識結果

通過實測數據模擬不同測量參數的分散度 k。k分別取0.1、0.2、0.3時的故障診斷成功率見表 2。

表2 仿真測試結果的正確率

顯而易見，k 較小時，故障診斷比較精確，隨著 k 的增大，故障診斷的精確性會隨著下降。在實際應用過程中，為了保證診斷的準確性，RBF 網絡樣本要求具有一定的遍歷性、致密性和相容性，再考慮到實際測量得到的數據中會受噪聲干擾、測量工具誤差等因素影響，這都會降低故障診斷的正確率。

參考文獻

[1]薛光輝,吳淼.機電設備故障診斷方法研究現狀與發展趨勢[J].煤炭工程, 2010 , (5): 103-105

[2]臧大進,曹云峰.故障診斷技術的研究現狀及展望[J].西安文理學院學報 (自然科學版), 2011, 14(1): 33-39

[3]魯緒閣,范云霄,錢抗抗.設備故障診斷技術綜述及其發展趨勢[J].礦山機械, 2007, 35(12): 15-18

篇7

[關鍵詞]大型機械設備 日常維修 故障診斷

中圖分類號：TD407 文獻標識碼：A 文章編號：1009-914X（2016）09-0387-01

一、大型機械設備維修與故障診斷綜述

隨著科學技術的發展，煤炭企業正在經歷前所未有的變革升級，正在逐步轉向集約化、高效生產。因而大型機電設備被廣泛使用，這些大型設備本身智能化程度高、技術密集再加之連續超負荷的運轉，造成人員傷亡、經濟損失。從事物的辯證性來分析：設備出現故障是不可避免的，因而煤礦企業只能在設備的日常維修與故障的診斷、提前預判相結合上下功夫，最大程度的降低損失，增加效益。目前我國大型煤炭企業所使用的大型機電設備是部分引進、部分國產。國產設備和引進設備在技術上、工藝上、材料上存在差距和差異，這必然要求我們要使用不同以往的維修原則和創新維修類型，運用更加先進的維修管理、技術方能適應新設備、用好新設備。設備狀態監測和故障診斷技術就是利用科學的檢測方法和現代化技術手段，對設備進行監測，確認其局部或整機是否正常運行。

二、大型機械設備日常維修三項管理

1、日常維修體制的根本轉變

過去我國煤礦使用的機械設備從蘇聯引進，沿引的前蘇聯維修體制，帶有技術經濟的色彩，稱為計劃預期維修，它的確定源于大量的統計規律。除了在故障出現時進行維修外，根據統計規律和生產計劃定時實施小修、中修、大修，這種設備預期修理的維修體系屬于被動維修體系、不具有靈活性無法適應技術密集型、高智能化的機械設備面。

現今我國從美國、德國等西方國家引進機械設備，開采位于陜西、內蒙的神府東勝煤田的煤炭企業則成套引進西方國家的綜采工作面大采高機械設備，將煤礦企業的產量拉倒千萬噸級、百萬噸死亡率逐年跳躍式下降。對應的維修體制則由前蘇聯的計劃預期維修轉向西方國家的預防性維修體系，下面就預防性維修管理體制下大型機械設備的日常維修三項管理淺談幾點體會。

2、日常維修中的準備管理

預防性維修管理體制必然要求準備管理要有超前性、全面性，要求維修管理單位時刻處于預備演習狀態。如何做到超前，從機械設備的智能化、高度集成化、關聯性、使用環境的變化思維角度出發要求維修準備不能單一針對某一設備、某一零件。比如工作面頂底板巖性、煤層傾角、煤層硬度和夾矸等地質條件的突然變化極易導致綜采設備整件、多處大件發生較大、不同于一般的常規性故障、損壞，因此綜采設備故障維修應考慮到地質條件突變情況下的大型、綜合維修，并要在維修裝備、維修人員以及維修工時上留出一定的富余量來充分滿足綜采設備大面積故障維修，這既是維修管理的超前性和全面性。

維修管理的預見性即是高出設備的日常維修計劃的一種準備狀態，對大型機械設備發生了在以往運行中從未出現過的故障的一種假想推演、預判，預演出對煤礦生產企業的影響程度以及維修單位的應急處理能力。維修單位可以根據推演來作出高于日常維修計劃或者無法計劃到的準備。

3、日常維修中的技術管理

從根本上來講，日常維修技術管理的本質是對從事于設備維修的技術人員以及日常維修手段的管理和創新。人是創造、改變事物的首先保證維修技術人員本質素質高，要具備受過良好教育、專業對口、思維活躍這三項基本要素。對于人員的管理應從兩方面入手：一是要做好新進人員的質量把關工作從源頭上解決人員綜合素質不夠問題，二是要做好現有人員的培訓、再教育等工作從后續拔高上解決人員專業素質問題。

擁有一支素質高、創新能力強的維修隊伍是日常維修手段創新的本質前提，每一個煤礦都有自身獨特的地質條件，裝備、生產、銷售等各個環節屬性不盡相同。因此創新的前提和目的就是如何克服本單位大型機械設備在運行過程中出現的各種故障。著重從三個方面入手：

（1）采用“一人雙崗、一人多崗”的辦法：將設備維修人員編入操作崗，以便掌握設備從裝備、試生產、運行、報廢全過程的各類故障并積累足夠的現場經驗，在設備出現故障后能夠快速準確的解決問題。

（2）暢通信息分享渠道，著重解決設備制造單位、設備引進單位、設備使用單位、設備維修單位之間的信息分享，使得設備維修單位能夠全面了解掌握設備的連續運轉狀態、參數、技術更新等各項信息。便于多單位協同、配合創新維修手段，達到大型機械設備的維修盡量采用現代化的新技術的目的[1]。

三、大型機械設備故障診斷方法

1、無損檢測故障診斷方法

無損檢測故障診斷方法是利用物質的某種物體特性進行故障診斷，在無損檢測過程中機械設備不會出現任何損壞，而機械設備出現故障的部位會產生一定變化，進而確定故障診斷部位。無損檢測故障診斷方法主要采用射線技術、磁力技術或超聲探傷技術等，其不僅能對機械設備進行無損傷檢測，保障機械設備的正常穩定運作，從而降低煤礦企業的經濟損失，而且能提高煤礦企業產品質量和工藝，提高煤礦企業的經濟效益，并且無損檢測故障診斷方法的成本較低，因此，無損檢測故障診斷方法在大型機械設備故障診斷中運用較為廣泛。？

2、油膜分析故障診斷方法

油膜分析故障診斷方法是利用光譜分析或鐵譜分析對機械設備的故障進行診斷。油膜分析故障診斷方法具有一定的缺陷，其對機械設備零部件的磨損情況具有較好的診斷，而不太適用于其它故障的診斷，并且油膜故障診斷方法需要診斷的時間較長，影響機械設備恢復正常穩定運作的時間，進而影響煤礦企業生產運作，造成煤礦企業的經濟損失。另外，油膜分析故障診斷方法只能在實驗室進行操作，故障診斷結果容易受到技術人員的操作影響，因此，油膜分析故障診斷方法通常運用于液壓系統或系統中。

3、溫度檢測故障診斷方法

溫度檢測故障診斷方法主要是利用機械設備的溫度參數對機械設備進行故障診斷的方法，通常分為接觸式溫度檢測技術和非接觸式溫度檢測技術[5]。接觸式溫度檢測技術是運用于連續檢測或技術人員觀察不到的故障部位進行檢測，比如，軸承的溫度檢測。非接觸式溫度檢測技術是運用于故障部分不安全或技術人員不容易接觸到的故障部位進行檢測，比如，高壓電器接點的溫度。溫度檢測故障診斷方法操作簡便，診斷結果清楚明確，不僅能對機械故障進行準確的診斷，更能提高技術人員操作的安全性，保障煤礦企業人員生命財產安全。

四、總結

1、大型機械設備的日常維修在煤礦企業的生產過程中占據著僅次于人的主體地位，其正常安全、穩定、可靠的生產是企業高產高效的重要保障。

2、大型機械設備故障假想推演是做好設備維修準備工作的有力保證，同時也是故障預判技術的發展方向。

3、預防性維修管理體制下，提高維修人員的專業素質是做好大型機械化設備維修工作的根本前提。

4、無損檢測故障診斷對設備影響小、成本低因此使用極為廣泛，油膜分析故障診斷方法在液壓支架、采煤機等機械液壓系統上應用廣泛，溫度檢測故障診斷方法在大型機械設備的運轉部位應用廣泛。

參考文獻

[1] 王建文.煤礦機械設備故障診斷及維修[J]. 技術與市場，2013（16）

篇8

論文摘要：分析了模擬電路故障診斷的重要性和目前存在的困難，對基于小渡分析理論和神經網絡理論的模擬電路故障診斷方法進行了綜述．指出了小波神經網絡應用于模擬電路故障診斷存在的問題和未來的應用前景。

模擬電路故障診斷在理論上可概括為:在已知網絡拓撲結構、輸人激勵和故障響應或可能已知部分元件參數的情況下，求故障元件的參數和位置。

盡管目前模擬電路故障診斷理論和方法都取得了不少成就，提出了很多故障診斷方法，如故障字典法、故障參數識別法、故障驗證法等。但是由于模擬電路測試和診斷有其自身困難，進展比較緩慢。其主要困難有:模擬電路中的故障模型比較復雜，難以作簡單的量化;模擬電路中元件參數具有容差，增加了故障診斷的難度;在模擬電路中廣泛存在著非線性問題，為故障的定位診斷增加了難度;在一個實用的模擬電路中，幾乎無一例外地存在著反饋回路，仿真時需要大量的復雜計算;實際的模擬電路中可測電壓的節點數非常有限.導致可用于作故障診斷的信息量不夠充分，造成故障定位的不確定性和模糊性。

因此，以往對模擬電路故障診斷的研究主要停留在中小規模線性無容差或小容差的情況，有些方法也已成功地應用于工程實際。但如何有效地解決模擬電路的容差和非線性問題，如何解決故障診斷的模糊性和不確定性等是今后迫切需要解決的問題。小波神經網絡則因其利于模擬人類處理問題的過程、容易顧及人的經驗且具有一定的學習能力等特點，所以在這一領域得到了廣泛應用。

1小波分析理論在模擬電路故障診斷中的應用現狀分析

簡單地講，小波就是一個有始有終的小的“波浪”小波分析源于信號分析，源于函數的伸縮和平移，是Fourier分析、Gabor分析和短時Fourier分析發展的直接結果。小波分析的基木原理是通過小波母函數在尺度上的伸縮和時域上的平移來分析信號，適當選擇母函數.可以使擴張函數具有較好的局部性，小波分析是對信號在低頻段進行有效的逐層分解，而小波包分析是對小波分析的一種改進，它為信號提供了一種更加精細的分析方法，對信號在全頻段進行逐層有效的分解，更有利于提取信號的特征。因此，它是一種時頻分析方法。在時頻域具有良好的局部化性能并具有多分辨分析的特性，非常適合非平穩信號的奇異性分析。如:利用連續小波變換可以檢測信號的奇異性，區分信號突變和噪聲，利用離散小波變換可以檢測隨機信號頻率結構的突變。

小波變換故障診斷機理包括:利用觀測器信號的奇異性進行故障診斷以及利用觀測器信號頻率結構的變化進行故障診斷。小波變換具有不需要系統的數學模型、故障檢測靈敏準確、運算量小、對噪聲的抑制能力強和對輸入信號要求低的優點。但在大尺度下由于濾波器的時域寬度較大，檢測時會產生時間延遲，且不同小波基的選取對診斷結果也有影響。在模擬電路故障診斷中，小波變換被有效地用來提取故障特征信息即小波預處理器之后，再將這些故障特征信息送人故障分類處理器進行故障診斷。小波分析理論的應用一般被限制在小規模的范圍內，其主要原因是大規模的應用對小波基的構造和存儲需要的花費較大。

2神經網絡理論在模擬電路故障診斷中的應用分析

人工神經網絡(ANN)是在現代神經科學研究成果的基礎上提出來的，是一種抽象的數學模型，是對人腦功能的模擬。經過十幾年的發展，人工神經網絡已形成了數十種網絡，包括多層感知器Kohomen自組織特征映射、Hopfield網絡、自適應共振理論、ART網絡、RBF網絡、概率神經網絡等。這些網絡由于結構不同，應用范圍也各不相同。由于人工神經網絡本身不僅具有非線性、自適應性、并行性、容錯性等優點以及分辨故障原因、故障類型的能力外，而且訓練過的神經網絡能儲存有關過程的知識，能直接從定量的、歷史故障信息中學習。所以在20世紀80年代末期，它已開始應用于模擬電路故障診斷。隨著人工神經網絡的不斷成熟及大量應用，將神經網絡廣泛用于模擬電路的故障診斷已是發展趨勢。BY神經網絡由于具有良好的模式分類能力，尤其適用于模擬電路故障診斷領域，因而在模擬電路故障診斷系統中具有廣泛的應用前景，也是目前模擬電路故障診斷中用得較多而且較為有效的一種神經網絡。 　3小波神經網絡的應用進展分析

3，1小波分析理論與神經網絡理論結合的必要性

在神經網絡理論應用于模擬電路故障診斷的過程中，神經網路對于隱層神經元節點數的確定、各種參數的初始化和神經網絡結構的構造等缺乏更有效的理論性指導方法，而這些都將直接影響神經網絡的實際應用效果。小波分析在時域和頻域同時具有良好的局部化特性，而神經網絡則具有自學習、并行處理、自適應、容錯性和推廣能力二因此把小波分析和神經網絡兩者的優點結合起來應用于故障診斷是客觀實際的需要。

目前小波分析與神經網絡的結合有兩種形式，一種是先利用小波變換對信號進行預處理，提取信號的特征向量作為神經網絡的輸人，另一種則是采用小波函數和尺度函數形成神經元，達到小波分析和神經網絡的直接融合第一種結合方式是小波神經網絡的松散型結合，第二種結合方式是小波神經網絡的緊致型結合。

3.2小波分析理論與神經網絡理論的結合形式

小波與神經網絡的松散型結合，即:用小波分析或小波包分析作為神經網絡的前置處理手段，為神經網絡提供輸人特征向魚具體來說就是利用小波分析或小波包分析，把信號分解到相互獨立的頻帶之內，各頻帶內的能童值形成一個向覺，該向童對不同的故障對應不同的值，從而可作為神經網絡的輸入特征向量一旦確定神經網絡的輸入特征向童，再根據經驗確定采用哪種神經網絡及隱層數和隱層單元數等，就可以利用試驗樣本對神經網絡進行訓練，調整權值，從而建立起所需的小波神經網絡模型。

小波與神經網絡的緊致型結合，即:用小波函數和尺度函數形成神經元，達到小波分析和神經網絡的直接融合，稱為狹義上的小波神經網絡，這也是常說的小波神經網絡。它是以小波函數或尺度函數作為激勵函數，其作用機理和采用Sigmoid函數的多層感知器基本相同。故障診斷的實質是要實現癥狀空間到故障空間的映射，這種映射也可以用函數逼近來表示。小波神經網絡的形成也可以從函數逼近的角度加以說明。常見的小波神經網絡有:利用尺度函數作為神經網絡中神經元激勵函數的正交基小波網絡、自適應小波神經網絡、多分辨率小波網絡、區間小波網絡等。

3.3小波分析理論與神經網絡理論結合的優點

小波神經網絡具有以下優點:一是可以避免M LY等神經網絡結構設計的育目性;二是具有逼近能力強、網絡學習收斂速度快、參數的選取有理論指導、有效避免局部最小值問題等優點。

在模擬電路故障診斷領域，小波神經網絡還是一個嶄新的、很有前途的應用研究方向。隨著小波分析理論和神經網絡理論的不斷發展，小波神經網絡應用于模擬電路故障診斷領域將日益成熟。

篇9

關鍵詞：電力設備；狀態監測；故障診斷

中圖分類號：F407文獻標識碼： A

電力設備診斷技術當前在開展過程中，主要是實現了狀態監測和故障診斷兩個方面的技術實施，在診斷監測過程中，通過提取故障信號，進一步開展檢查維修工作，或者是通過對收集到的信號進行分析和處理，從而能夠獲取有效的狀態信息，進一步做好故障機理分析、在線監測、監測信息傳遞、處理和存儲等工作，從而不斷的推動我國電力設備狀態監測和故障診斷技術的提高，促進我國電力系統的良好行業，改善我國電力行業的發展現狀，實現可持續、安全發展。

1.在線狀態監測系統

1.1信號采集

電力設備在系統狀態監測運行過程中，其在線狀態監測系統主要就是在設備運行過程中，能夠持續的開展檢查工作，準確的判斷設備運行狀態，預測設備在未來的運行發展狀態，通過設備運行狀態量能夠有效的反映設備運行情況，獲取診斷對象的狀態信息，通過采集電力設備的電壓、電流和頻率等信號，進一步依據所獲取的信號來開展信號采集工作。通常情況情況下，在獲取信號的過程中，有多種采樣方式，第一，一次性采樣方式，每次獲取一個足夠數據處理所需長度的信號樣本；第二，定時采樣，按照事前制定的周期進行采樣分析；第三，在設備運行過程中發生故障后對其輸出信號進行采樣；第四，在設備故障診斷過程中，針對其有關的監測和跟蹤信號，采取特殊的采樣方式。

不同的采樣方式目的就是為了能夠獲取電力設備運行狀態，能夠做出準確的判斷，提高設備運行效率，對于斷路器狀態的好壞監測能夠利用跳閘輪廓法和振動監測方法獲得斷路器的狀態信息。

1.2數據傳送

信號處理系統和監測設備的距離通常情況下都比較遠，在傳輸過程中很容易受到外界的干擾，那么就可能造成對系統運行的影響，因此在信號傳輸過程中，需要先將信號進行模數轉換，預處理和壓縮打包后，再利用通信路徑傳輸到處理控制中心，這樣就可以將信號進行無阻斷傳輸，保證信號傳輸的準確性。

1.3數據處理

在數據處理過程中，當接收中心收到通信線路傳輸來的狀態量數據包以后，就可以利用不同的數學方式來對數據包進行很好的解析處理，在使用過程中，通過信號之間的數字化轉換能夠保證在時域中實現兩個不同信號之間的相關分析搜索，進一步對另一個信號進行處理分析，在整個數據處理過程中，可以通過利用數字信息技術、智能控制技術等進行數據處理，提高了電力設備在線監測效率。

2.故障診斷

2.1故障信號特征量的選取

信號處理技術就是在很多的信號中能夠準確的獲取有用的信息，通過對這些信息進行進一步的傳輸和轉換，從而能夠提高電力系統的運行效率。在系統設備運行過程中，一種故障通常是通過若干的故障特征量來顯示的，但是一個故障特征量也可能是不同的故障原因所致，因此在故障和故障特征量兩者之間的關系并不明確，故障特征量的選取和提取是故障診斷中的難點問題。在對電力設備運行狀態進行狀態監測和故障診斷過程中，通常會由于故障特征量選取不當，而造成錯誤的故障診斷，當然也可能是由于故障的錯誤判斷，選錯了故障特征量，從而使得其運行狀態存在很大的不合理。在選取過程中，存在錯誤診斷的原因就是由于故障特征量之間存在交叉區域，這就使得在交叉區域的故障特征量存在很大的模糊性，因此在選取故障信號特征量時，一定要選擇具有代表性的特征量。

2.2故障診斷

在故障診斷過程中，其診斷方式不是單一的，下面我簡單對常見的幾種故障診斷方式加以分析探討。

第一，利用多種傳感技術和信息融合處理技術進行診斷。多種傳感技術就是通過多個傳感器來對同一個監測對象進行不同角度的診斷和觀察，對同一個故障采用多個故障特征量進行分析，實現了多層次、多領域角度的特征量采集，在故障運行過程中，可以選擇反映靈敏度較高的狀態信息量，從而能夠實現全面的故障診斷。

信息融合處理技術就是將傳感器獲取的信息數據進行處理，在設備故障診斷過程中，針對不同特征空間的反映進行相互聯系，然后在信息融合處理技術實施過程中，能夠求同去異，這樣就可以提高電力設備監測和診斷的準確性，在信息融合技術實施過程中，不斷的提高診斷準確率。

第二，基于特征空間矢量的診斷方式，這是一種通過對故障誤差來進行故障特征量修正處理的方式，在故障診斷過程中，這種診斷方式具有較高的適應能力，能夠針對不確定性和改變性的復雜對象進行故障診斷，在診斷過程中，在每次發生故障后，選擇之前的故障征兆矢量作為監測對象，之后再選擇一個新的先驗征兆矢量，通過對誤差進行計算和修正后，從而獲取準確的征兆矢量，提高故障診斷效率。

第三，針對電力設備固有特性和在線監測狀態信息量中的不確定因素進行綜合考慮，能夠按照最大隸屬度原則進行故障分析和診斷。將信號采用模糊數學方式進行故障診斷，對故障的隨機性和模糊性問題進行分析，建立相應的隨機性方程和模糊性方程，能夠以故障原因為方程變量，故障征兆為方程參數進行分析探討，建立關系矩陣，做出正確的故障變量分析，提高故障診斷的準確性。

在上述三種不同的故障診斷方式進行診斷過程中，可以通過結合現代化技術，比如專家系統、人工智能等方法進行診斷，通過改進模糊神經網絡在故障診斷中的應用效果，能夠在建立的故障模型中進行故障的準確識別，提高故障診斷效率。

2.3故障診斷分析技術

故障診斷分析主要是對系統設備運行過程中發生故障的物理、化學過程等進行故障因果分析，在設備運行發生故障后，需要尋找故障特征量，對大量復制的設備狀態特征量進行分析和整理，能夠利用基于特征空間矢量的診斷方式，從而能夠進行模糊識別，通過尋找適合的故障特征參數，從而判斷故障種類和原因，能夠進行很好的維修工作開展，提高設備運行效率，降低設備運行過程中的故障發生率。

電力設備故障診斷技術逐漸向著數字化、智能化等方向發展，在設備運行過程中，利用局域網傳輸的診斷信息，實現遠程信息傳輸和故障診斷，在電力系統運行過程中，逐漸實現了設備狀態監測和故障診斷信息的傳輸，在技術裝備上進行很好的狀態監測和故障診斷分析，從而保證信息傳輸的準確性和系統設備的良好運行。

3.結束語

隨著我國電力監測技術的快速發展，傳感器技術和信息技術也不斷取得發展進步，在電力設備狀態監測和故障診斷分析過程中，通過融合傳感器監測技術和信息處理技術能夠有效的提高設備監測的準確率，做好相應的設備運行故障監測和診斷，實現對故障設備的預測和準確診斷，進一步提高我國電力系統的運行效率。

參考文獻：

[1]劉念，陳卓，薄麗雅．電力設備狀態監測與故障診斷［J］．高電壓技術，2005，31（04）：46-49.

[2]程玲．電力系統設備狀態監測與故障診斷［J］．水電廠自動化，2008，29（03）：67-69.

篇10

Abstract: This paper discussed how to build the automatically generated simulation platform of fault dictionary of analog circuits, and made exploration and research combining with the diagnosis theory of soft fault of analog circuits, in order to automatically generate the soft fault dictionary of analog circuits. Based on building the automatically generated simulation platform of hard and soft fault dictionary of analog circuits, this paper introduced the algorithm theory of soft fault dictionary and the structure of simulation platform in detail, and showed the automatically generated fault dictionary through circuit simulation examples.

關鍵詞：模擬電路；故障字典；節點電壓增量關系方程；故障仿真

Key words: analog circuits；fault dictionary；node voltage increment relation equation；fault simulation

中圖分類號：TM7文獻標識碼：A文章編號：1006-4311（2011）02-0054-01

0引言

在航空航天、國防武器及汽車領域之中，各種電子設備和嵌入式系統的數字化程度越來越高，電路的設計復雜化，數字電路板的測試和仿真及維修難度也在不斷隨之增大。雖然數字電路有其自身的優點，而且在裝備電路板中占有很大的比重，但是在特定條件和裝備的關鍵部位，如果采用模擬電路的設計，可以得到性能更為優越的電路。

1模擬電路故障概述

目前，模擬電路在電子裝備設計中還是占有相當比重的，而且模擬電路的故障率相對較高。大約在數字電路的千倍以下。電路板的故障有90%是模擬電路故障引起的，對于模擬電路的測試診斷和維修，向來被人們看作是裝備技術保障中的一個難以解決的問題。如果采用傳統的人工分析測試方法和常規的儀表，那么維修的難度是相當大的，另外一方面，從維修周期來說，時間也比較長。在現代生活中，這種情況已經遠遠不能適應實際要求經濟、快捷保障的需要。自動生成仿真平臺是指在單一計算機系統控制下的多種測試和測量儀器、儀表的集成系統，通過在計算機系統上進行適當的編程，可以實現對被測驗件的自動激勵和響應采集。并可以實現對激勵序列的相關性分析。對被測件進行功能行為或特征參數的分析、進行性能狀態的評估，以及故障檢測和定位，可以通過自動測試系統來實現。自動測試系統進行模塊化、編程性和通用化的處理，可以令其成為構建測試維修平臺的最佳選擇。

2如何建立模擬電路故障字典自動生成仿真平臺

2.1 模擬電路的故障測試基本做法通常模擬電路的故障測試的基本做法就是從輸入端加上若干的測試激勵，然后再觀察相應的輸入響應，并和自己預期的正確結果進行比較，如果一致，便可以認為電路板是滿足設計要求的，是好板，如果不是這樣，那么就會有故障存在。另外，還要對于產生故障的電路板進行診斷，找出故障發生的原因并進行維修。這就是通常所說的模擬電路故障的基本做法。

2.2 如何進行故障模擬進行故障模擬是評價測試激勵故障探測能力，每次可以先在被測模型中插入一個故障的類型，然后再將測試激勵順序進行施加到被測板模型上，并將其響應與好板仿真的響應周期來進行對比。若發生不匹配的現象，那么就可以認為檢測出了這個故障，并在這個基礎之上得出故障的覆蓋率。當故障覆蓋率沒有達到要求的時候，就要進一步的進行優化激勵。在這個過程中，可以利用Sherlock算法，把“可能探測”轉成“確定探測”。同時，故障模擬要技持步進式，分布式的故障模擬，以提高故障模擬的效率。故障的類型通常可以分為固定的故障和開路故障、短路故障，用戶可以插入被測板的任意位置，此做法可以根據自己的實際情況進行一種或兩種選擇。

2.3 故障覆蓋率報告與可測性數據報告故障覆蓋率報告是故障模擬的輸出信息之一，描述測試激勵對于故障探測能力的大小，主要有以下幾個方面的內容，第一，評價每條測試向量的故障測試能力，可以按測試向量在測試激勵中順序排序，這樣就可以達到刪除多余的測試量的目的，從而可以大大提高測試的效率。其二，在報告可能探測和不可能探測的故障中，便用戶口有目的的增加測試量，同樣可以達到提高故障覆蓋率的目的。其三，報告插入每種類型故障的數目，還有所有故障的總數，再加上測試激勵對于各個類型的故障的和總的探測率。要知道，對于故障模擬的輸出信息而言，可測性數據報告也是故障模擬的輸出信息之一，如果對于故障板上的結點進行描述，那么對于故障覆蓋率影響的大小，并按從大到小的順序進行排列，那么可以有效提高設計的可測性和故障的覆蓋率。

2.4 故障字典的形成故障字典是故障模擬的輸出信息之一，用于可維修故障板的故障診斷，與傳統的引導探筆相比，利用故障字典進行診斷要快得多，大大提高了工作的效率。但是故障字典只能對于已經模擬過的故障進行診斷。當然，它也可以與引導探筆一起診斷，這樣一來，在故障字典中，可以先按故障特征進行分組。故障組的平均數目越低，就說明故障字典的隔離率越高，從而說明故障定位的精確性就越高。這樣，就可以達到故障診斷用時少的目的。而故障覆蓋率和故障隔離率是相關的概念，故障覆蓋率強調的是故障的覆蓋面，而隔離率則強調的是故障定位的精確性，故障覆蓋率高說明了測試激勵發現故障的可能性也在提高。而故障隔離率高，則可以達到發現一個故障的平均用時少的目的。

3結束語

如果引入基于故障字典法的模擬電路故障字典開發平臺，可以有針對性的解決模擬電路板故障診斷和維修中存在的困難，該平臺上可以集成電路模型圖形化的輸入以及無器故障的自動插入技術，更便于交流頻率的自動選取。另外，該平臺還集成了診斷測試點優選等關鍵技術。通過對電路的自動仿真與數據分析實現了模擬電路故障診斷用故障字典的自動生成。應用該平臺可有效避免傳統依賴人工分析進行故障診斷遇到的各種難題，這已經通過結合實際模擬電路板驗證表明。而且，對于提高模擬電路板故障診斷效率以及實現模擬電路板的自動測試都具有重要意義。

參考文獻：

[1]彭敏放,何怡剛.容差模擬電路的模糊軟故障字典法診斷[J];湖南大學學報(自然科學版)，2005，（01）.

[2]王光義.RC－Nullor網絡的一種拓撲分析方法及不定導納矩陣的形成[J].電子學報，1994，（05）.