故障诊断方法范文

导语：如何才能写好一篇故障诊断方法，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

Abstract： Characteristics of the neural network and expert system are analyzed. Fault diagnosis for equipment base on neural network is constructed. A weak of the traditional method of fault diagnose is overcome. And availability of the method based on neutral network system is verified by experimental results of one equipment fault.

关键词： 神经网络；故障诊断；装备

Key words： neural network；fault diagnose；equipment

中图分类号：E911 文献标识码：A 文章编号：1006-4311（2012）32-0316-02

0 引言

随着武器装备复杂性不断增加，对武器装备维护和故障诊断提出了更高的要求。近年来，一些逐渐兴起的智能故障诊断方法，比传统方法能够更加快速，有效的诊断装备故障。

目前，人工智能技术的发展，特别是基于知识的专家系统技术在故障诊断中的应用，使得设备故障诊断技术进入了一个新的智能公发展阶段。传统的故障诊断专家系统虽然在某些领域取得了成功，但这种系统在实际应用中存在着一定的局限性，而人工神经网络技术为解决传统的专家系统中的知识获取，知识学习等问题提供了一条崭新的途径[1][2][3]。

1 神经网络模型原理

人工神经网络简称神经网络（Neural Network），具备并行性、自学习、自组织性、容错性和联想记忆功能等信息处理特点而广泛用于故障诊断领域，它通过对故障实例及诊断经验的训练和学习，用分布在神经网络中的连接权值来表达所学习的故障诊断知识，具有对故障联想记忆、模糊匹配和相似归纳等能力。人工神经网络在故障诊断中的应用研究主要有三个方面：一是从预测角度应用神经网络作为动态预测模型进行故障预测；二是从模式识别角度应用神经网络作为分类器进行故障诊断；三是从知识处理角度建立基于神经网络的专家系统[4][5]。

1.1 神经网络基本模型 基于神经细胞的这种理论知识，在1943年McCulloch和Pitts提出的第一个人工神经元模型以来，人们相继提出了多种人工神经元模型，其中被人们广泛接受并普遍应用的是图1所示的模型[6]。

图1中的x0，x1，…，xn-1为实连续变量，是神经元的输入， θ称为阈值（也称为门限），w0，w1，…，wn-1是本神经元与上级神经元的连接权值。

神经元对输入信号的处理包括两个过程：第一个过程是对输入信号求加权和，然后减去阈值变量θ，得到神经元的净输入net，即

net=■w■x■-θ

从上式可以看出，连接权大于0的输入对求和起着增强的作用，因而这种连接又称为兴奋连接，相反连接权小于0的连接称为抑制连接。

下一步是对净输入net进行函数运算，得出神经元的输出y，即y=f（net）

f通常被称为变换函数（或特征函数），简单的变换函数有线性函数、阈值函数、Sigmiod函数和双曲正切函数。

根据本文的研究特点，变换函数f取为Sigmoid函数，即f（x）=■

1.2 神经网络知识表示 传统的知识表示都可以看作是知识的一种显示表示，而在ANN中知识的表示可看作是一种隐式表示。在ANN中知识并不像传统方法那样表示为一系列规则等形式，而是将某一问题的若干知识在同一网络中表示，表示为网络的权值分布。如下所示阈值型BP网络表示了四条“异或”逻辑产生式规则[7]：

IF x1=0 AND x2=0 THEN y=0

IF x1=0 AND x2=1 THEN y=1

IF x1=1 AND x2=0 THEN y=1

IF x1=1 AND x2=1 THEN y=0

基于这种网络知识表示结构，其BP网络结构如图2所示。

网络通常由输入层、隐层和输出层组成。网络第一层为输入层，由信号源节点组成，传递信号到隐层；第二层为隐层，隐层节点的变换函数是中心点对称且衰减的非负线性函数；第三层为输出层，一般是简单的线性函数，对输入模式做出响应。理论上已证实，在网络隐含层节点根据需要庙宇的前提下，三层前向神经网络可以实现以任意精度逼近任意连续函数的功能。

对于三层神经网络，其隐层节点和输出层节点输出为：

Hj=f[■wijxi-θj]，i=1，2，…，N；j=1，2，…，L

yk=g[■TjkHj-λk]，j=1，2，…，L；k=1，2，…，M

1.3 隐层神经元数 神经网络输入和输出神经元个数的确定可以根据实际需求而定，隐层神经元个数的确定对网络的能力也有直接的影响，个数太少，则神经网络的认知能力较差，影响其收敛程度和泛化能力，个数太多，则增加了计算量，降慢了网络的收敛速度，通常用以下几个公式来确定隐层神经元数：

l=■+a，a∈[1，10]，p

式中：l为隐层神经元数；n为输入层神经元数；m为输出层神经元数；p为样本总数。

2 故障诊断实例

以某型装备导弹测试车为例，说明神经网络在装备故障诊断过程中的学习和自适应过程。该装备故障知识表示如表1所示。左侧为装备故障征兆，右侧为装备故障原因。图中所示故障征兆与故障原因为对应关系，左侧故障征兆必然由右侧某一或多个故障原因引起。因此，故障征兆为神经网络的输入，由x1、x2…x9表示，如表2 所示。神经网络接收故障原因后，通过运算、诊断、判别，最终输出引起某一故障征兆的原因，由y1、y2…y8来表示。

2.1 故障诊断流程 故障诊断流程如图3所示。根据专家整理的故障征兆、故障原因知识，对知识进行区别、分类，形成神经网络知识库。并通过已知的学习样本对神经网络进行训练。故障诊断时，对故障现象进行知识表示，输入诊断系统，经过神经网络运算得出相应故障原因结果，由系统解释机制最终解释出来，到达输出端，提供给用户。如果系统诊断不到故障原因（即，无解），得出相应的结论，把该结论反馈至知识库存储，并更新网络知识库。

针对该型装备，我们选择8个样本进行网络系统训练，其中，xi=0表示无故障现象，xi=1表示故障现象；yj=0表示无故障原因，yj=1表示故障原因。神经网络训练知识表示样本，如表3。神经网络训练过程中，通过误差反向传播，不断自动学习，修改各个节点的连接权值和相应节点的阈值，一旦误差小于规定的ξ时，网络就会停止训练。网络训练完成后，就可得到固定的连接权值和相应节点的阈值。

2.2 故障诊断结果 根据网络训练结果进行诊断，把故障征兆输入系统，系统调用已经训练好的各层的连接权值和相应节点的阀值进行向前计算，最终得出训练结果，由输出端提供给用户。在实际输出与理想输出之间有差别，实际输出值可以无限接近理想输出值，但往往不能完全相同。如表4所示。

3 结论

本文研究了模糊神经网络的原理和实现形式，提出了基于神经网络的故障诊断系统构建原则，并以某型装备故障为例，进行了实验。实验结果表明：人工神经网络故障诊断可以克服以往传统装备故障诊断不足，提高装备故障诊断效率，体现出了重要的意义和价值，代表着一个新的发展方向。

参考文献：

[1]杨迎化，唐大全，卢建华.神经网络在智能故障诊断技术中的应用及其发展趋势[J].测控技术学报，2003，22（9）：1-5.

[2]陈维，陈永革，赵强.基于BP神经网络的装备故障诊断专家系统研究[J].指挥控制与仿真，2008，30（4）103-106.

[3]王改良，武妍.用入侵的自适应遗传算法训练人工神经网络[J].红外与毫米波学报，2010，29（2）136-139.

[4]汪振兴，刘臣宇，李丽等.基于改进BP神经网络的某型装备故障诊断专家系统[J].计算机与现代化，2010，174（2）200-206.

[5]王凡重.基于小波神经网络和支持向量机的电机故障诊断与研究[D].太原理工大学硕士学位论文，2011.

篇2

【关键词】模拟电路 故障诊断 估计法

模拟电路故障诊断是电路分析理论中的一个前沿领域。它既不同于电路分析，也不属于电路综合的范畴。模拟电路故障诊断所研究的内容是当电路的拓扑结构已知，并在一定的电路激励下知道一部分电路的响应，求电路的参数，他是近代电路理论中新兴的第三个分支。但由于模拟电路中未发生故障的正常元件存在容差，其参数并不恰好等于额定值，而有一定的分散性，这给电路分析带来一定的模糊性。而且模拟电路常含有非线性元件，他的性能不仅因本身故障而改变，而且其他元件故障引起他的工作点移动时，也将造成其性能变化。因此模拟电路故障诊断的理论还不是十分成熟。

模拟电路发生了故障，就不能达到设计时所规定的功能和指标，这种电路称为故障电路。故障诊断就是要对电路进行一定的测试，从测试结果分析出故障。一般来讲，模拟电路故障诊断的方法可以分为估计法，测试前模拟法和测试后模拟法三大类。本文将对其中的估计法展开讨论。

估计法是一种近似法，这类方法一般只需较少的测量数据，采用一定的估计技术，估计出最可能发生故障的元件。这类方法又可分为确定法和概率法。确定法依据被测电路或系统的解析关系来判断最可能的故障元件，概率法是依据统计学原理决定电路或系统中各元件发生故障的概率，从而判断出最可能的故障元件。本文重点介绍确定法中的最小平方判据法。 最小平方判据法又分为结合判据法和迭代法。

1. 结合判据法：

设模拟电路含有m个不同的参数，对电路进行测量，得到m个不同的特性测量值，且m

如果电路中第I个元件发生故障，其参数为xi ，其余各元件的参数都为额定值，那么任意一个点的测试值都可以表示为xi 的函数：

yj=fj(Xi)=fj(x10，x20，…，xi，…xn0) j=1，2 3….m

其中，Xi 为参数矢量，其中除第i 个分量为xi 外其余各分量为参数的额定值。于是有 ：

j=1，2，3，…，m (1.1)

对每一个参数都引入一个物理量s，s为特性偏差的平方和，于是对于参数I有：

i= 1，2，3…，n (1.2)

当xi 变动时，s也随之而改变。如果电路中只存在单故障，那么当xi等于故障参数的实际值时，特性值的测量值与计算值十分接近，特性偏差接近与零。此时表征特性偏差平方和的物理量si将最小。因此我们可以将si作为故障诊断的一种判据，我们将si的最小值定义为结合参数I的灵敏度因子。

如果电路中发生的单故障是偏离其额定值不大的软故障，特性值yi的计算值可以展开成泰勒级数：

(1.3)

式中额定参数矢量X0=[x10，x20…，xn0]’;参数增量矢量 ， 为泰勒级数中大于一阶的高阶项，若电路中发生的是软故障，此项可以忽略不计。 ∣xi=xi0 (i=1，2，3…n)，为特性j对特性I 的灵敏度。发生单故障时，只有 不等于零，所以

(1.4)

代入(1.2)式可得：

(1.5)

令 求得：

(1.6)

于是可以求出结合参数I的灵敏度因子

(1.7)

测试前可先根据电路的额定参数计算出各灵敏度aji及各特性值的计算值yj0，测试后可以得到各特性的测量值gj，由上式可以直接求出灵敏度因子，从而确定故障发生点。

由前面的讨论我们可以总结出采用结合判据法进行故障诊断的具体步骤如下:

（1）先进行测试，从可及节点得到m个特性测量值。

（2）求得结合参数xi 的灵敏度因子，即si 的最小值，作为故障诊断的判据。

（3）在n个参数的灵敏度因子都求得之后，其中最小的灵敏度因子所对应的参数是最有可能发生了故障的参数。

结合判据法简单易行，所需的测量数据少，但是由于各元件的参数都存在一定的容差，各特性在测量时也存在一定的误差，这些都会影响判断的真实性。另外，从前面的分析我们可以看出这种方法只适合于参数变化不大的单、软故障的定位，而不适用于多故障的定位。

2. 迭代法

我们在最小判据法的基础上进一步引申，找一个类似于灵敏度因子的判据，并计算使这个判据达到最小时的各个参数的值，即各个参数的实际值，然后与额定值进行比较，从而确定故障点，这样就可以用于多故障的定位。这就是迭代法的基本思路。

与结合判据法不同的是，迭代法对所有的参数都共用一个判据。令

(2.1)

其中， 为特性测量值gj的方差。将yj=fj(X)在X0处按泰勒级数展开，如果 不大，可忽略高次项，得

(2.2)

代入式 (2.1)，得：

(2.3)

当s达到最小值时所对应的X＝X0+ 即为各参数的估计值，如果某些元件的参数估计值超过其容差范围，则可能为故障元件。

式 (2.3)可以写成：

(2.4)

其中：

如果要求s的最小值，只需对式(2.4)求导，并令倒数为零，可得：

(2.5)

我们采用迭代法求解，首先设X的初值为X0，在X0处计算P，A，PA，

然后再由式(2.5)计算出 ，由式(2.4)计算出s，完成一个迭代过程。然后令X的新值为 ，在X1处计算P，A，PA， 及s的值，如此循环下去，直到第k次满足 时为止，此时对应的Xk就是所要求的参数估计值。

由此可以看出迭代法与我们前面所讨论的结合判据相比，测量值数必须要大于或等于参数的个数，它考虑了测量误差。另外，它能够估计出各个元件的参数值，可以用于多故障诊断，但计算量大。

3. 总结：

本文主要介绍了模拟电路故障诊断方法中的估计法。这种方法只需要较少的测量数据，但诊断结果一般只是近似的。估计法中的大部分方法都适用于电路元件的故障定位，可用于诊断线性电路中的单个的软故障。其中很多方法还可用于多故障诊断，例如文中介绍的迭代法。

估计法只是一种比较传统的故障诊断方法，随着人们对这一领域研究的不断深入，已经出现了一些用于非线性模拟电路以及大规模网络的故障诊断方法，例如分解网络技术，人工智能技术等。故障诊断技术与计算机技术的结合也越来越密切，利用微型计算机和微处理器可使故障诊断更加快速可靠。

参考文献：

篇3

关键词:信息熵；测试排序；故障诊断策略；测试费用；诊断树

中图分类号: TP206 文献标志码:A

Optimization algorithm for fault diagnosis strategy based on

failure feature information entropy

LI Qi.zhi*，HU Guo.ping

Missile Institute，Air Force Engineering University，Xi’an Shaanxi 713800，China

Abstract:

Aiming at the sequential fault diagnosis strategy problem of complicated electrical equipment, to realize fast fault detection and isolation, an algorithm for designing fault diagnosis strategy tree based on the failure feature information entropy was presented. The algorithm, considering test cost and fault probabilities, can select test points and build optimal fault diagnosis strategy tree based on the value of failure feature information entropy. An example showed that the algorithm is feasible, and can accomplish fault detection and isolation by using lower testing costs and fewer testing steps.

Concerning the sequential fault diagnosis strategy problem of complicated electrical equipment, to realize fast fault detection and isolation, an algorithm for designing fault diagnosis strategy tree based on the failure feature information entropy was presented. The algorithm, considering test cost and fault probabilities, can select test points and build optimal fault diagnosis strategy tree based on the value of failure feature information entropy. An example shows that the algorithm is feasible, and can accomplish fault detection and isolation by using lower testing costs and fewer testing steps.Key words:

information entropy; test sequencing; fault diagnosis strategy; test cost; diagnosis tree

0 引言

随着科技的发展和各种新技术的应用，现代武器装备系统日趋向高度集成化、自动化方向发展。为满足系统运行的高可靠性、高保障性和可维修性要求，设备的系统级故障诊断策略优化［1］问题越来越引起人们的重视。故障诊断策略是指故障检测和隔离时的测试顺序［2］，故障诊断策略研究的目的是寻找最优故障诊断图（树），以最小代价唯一地隔离系统故障。最优故障诊断图（树）的生成涉及到测试点的选取、目标函数的确定、生成算法等多方面的问题。目前，常用的最优故障诊断图（树）的生成方法包括动态规划（Dynamic Programming,DP）方法或AND/OR图形搜索方法，其缺点是对于大系统来说计算量非常大［3］。文献［4］通过故障树的方法对测试点进行优化设计，可以减少测试节点，但效率不高且不能保证搜索路径的唯一性。文献［5］提出一种基于信息试探的诊断树生成算法，可获得具有最少测试费用的诊断树。文献［6］以故障诊断综合信息熵为基础，提出最少测试步骤和节约测试费用的诊断树生成算法。在生成最少测试费用诊断树时，文献［5-6］以单位费用信息熵的大小作为测试点选择标准，在许多情况下并不能生成最优的诊断树。本文在充分考虑故障概率和测试费用的基础上，以故障特征信息熵的大小作为测试点选择标准，研究一种具有最少测试步骤和较少测试费用的诊断树生成算法，以获得最优或次优的诊断树。

1 测试排序问题描述

传统的测试排序问题可用一个五元组〈F,P,T,C,D〉来描述［7］：

1）F={f0, f1,…, fm}为假设被测系统只发生单故障条件下系统有限的故障状态集， f0表示系统正常（无故障）的状态， fi(i=1,2,…,m)表示只有第i个故障发生时的故障状态；

2）P={P(f0),P(f1),…,P(fm)}为故障状态概率分布矢量，P(fi)表示故障状态为fi的概率，满足0

3）T={t1,t2,…,tn}为系统可用的测试集，规定每个测试都是二值输出，而且测试结果都是可靠的；

4）C={c1,c2,…,cn}为测试执行费用矢量，表示测试执行的时间、人力等的测度，规定测试费用为常量，即不依赖于测试顺序；

5）D=［dij］为状态―测试相关矩阵，反映单故障条件下测试与系统故障状态的逻辑关系，其中当测试tj能检测到故障状态fi时dij=1，否则dij=0。

测试排序问题的目的就是要设法找到一个具有最低平均测试费用和最少平均测试步骤的测试序列，当系统发生故障时，用来确定在有限个可能的故障源中哪个发生了故障。

平均测试费用的计算公式为：

CD=∑mi=0p(fi)(∑|Pi|j=1cj)i（1）

其中:Pi表示用于隔离系统状态fi的测试序列，|Pi|表示测试序列Pi的容量。

平均测试步骤的计算公式为：

ND=∑mi=0P(fi)ki（2）

其中ki表示用于隔离故障状态fi的测试点个数。

当某个测试序列的平均测试费用和平均测试步骤都达到最少时，此测试序列就称为最优测试序列。

2 相关性矩阵模型

假设初选的测试点集合T具有n个测试点T={t1,t2,…,tn}，被测系统的故障状态集F包含了m+1个单点故障状态F={f0, f1,…, fm}，系统各状态对应的发生概率集合为P={P(f0),P(f1),…,P(fm)}，则考虑可靠性影响时的相关性矩阵D定义如下：

D=d01d02…d0nd11d12…d1ndm1dm2…dmn

矩阵中元素dij表示第j个测试点tj与第i个故障状态fi的相关性，即：

dij=1, tj可以测到fi0, tj不能测到fi

显然，首行元素d0j=0, j=1,2,…,n。

在建立相关性矩阵之后，应首先进行简化，并同时识别未检测故障、冗余测试点和故障隔离模糊组。相关性矩阵的简化方法［8-9］如下。

1）比较相关矩阵D中各列，若有dik=dil(i=1,2,…,m且k≠l)，则对应的测试点tk和tl是互为冗余测试，只选用其中容易实现和测试费用少的一个，并在D中去掉未选用的测试点对应的列。

2）比较相关矩阵D中各行，若有daj=dbj(j=1,2,…,n且a≠b)，则对应的故障状态是不可区分的，可作为一个故障隔离模糊组处理，并在D中合并这些相等的行为一行。合并后模糊组的故障概率等于构成模糊组的各个故障状态概率之和。

5 结语

本文提出的基于故障特征信息熵的故障诊断策略优化方法综合考虑了故障先验概率和测试费用信息，算法简单，速度较快，通用性强，适合于设备各级故障检测和故障隔离。本文的算法只考虑了单一故障发生的情形，而且假设测试点与故障状态之间是确定的关系，没有考虑到测试点输出的多值问题。如何解决复杂系统中多个故障同时发生和多值测试条件下的诊断策略生成问题还有待进一步研究。

参考文献:

［1］

TU F, PATTIPATI K R. Roll out strategy for sequential fault diagnosis［J］. IEEE Transactions on Systems, Man and Cybernetics, 2003, 33(1):86-99.

［2］

田仲, 石君友. 系统测试性设计分析与验证［M］. 北京:北京航空航天大学出版社,2003:177-186.

［3］

PATTIPATI K R, ALEXAND RIDISM G. Application of heuristic search and information theory to sequential fault diagnosis ［J］. IEEE Transactions on Systems, Man, and Cybernetics,1990,20(4):872-887.

［4］

蔡金燕, 陈国通, 张宏伟. 故障诊断中的测试节点优选方法［J］. 军械工程学院学报,2003,14(1):7-10.

［5］

景小宁, 李全通. 系统维修中的顺序诊断策略［J］. 电光与控制,2008,29(4):87-91.

［6］

石君友, 田仲. 故障诊断策略的优化方法［J］. 航空学报,2003,24(3):212-215.

［7］

杨鹏, 邱静, 刘冠军. 测试不可靠条件下的诊断策略优化方法［J］. 仪器仪表学报,2008,29(4):850-854.

［8］

周玉良, 何广军, 吴建峰,等. 基于最大故障诊断信息量准则的测试点优选方法［J］. 弹箭与制导学报,2010,30(5):230-232.

［9］

毛东辉, 周越文, 陈子亮,等. 空空导弹测试点优化问题研究［J］. 弹箭与制导学报,2011,31(1):71-74.

篇4

关键词：现代模拟电路；故障诊断；方法探讨

模拟电路故障，就是在模拟电路运行过程中，因为电路中器件某个参数发生变化致使电路无法正常运行。模拟故障主要分为两类：硬故障和软故障。硬故障是在电路运行中出现的开路或短路等状态。软故障就是指电路的某个器件的参数发生变化致使电路运行不正常的故障。

1 模拟电路故障诊断中遇到的困难有哪些

⑴模拟电路出现的故障情况不尽相同，而且其本身参数（输入激励与输出响应及网络中各元件的参数等）是连续量，造成故障模型比较繁琐，难以量化。⑵因为参数误差、非线性、或环境造成的干扰等多项因素，使得电路工作特性发生偏移，导致输入与输出关系复杂，从而使得一些故障诊断方法失去了其准确性。⑶非线性问题在模拟电路中广泛的存在，伴随着电路规模的线性增大，使得计算量大大增加；现在在电路中存在着大量的反馈回路，而这也同样增加了计算量，也是测试变得复杂了许多。⑷现在的电路元器件多是被封装的，这样就造成可测电压的可及节点数会很少，从而使可用作故障诊断的信息量减少，致使故障定位中的不准确程度提高，使得判断错误，造成严重后果。上述这些困难如果只用传统的数学方法描述将会很难达到诊断效果。因为人工智能技术可以很好地模拟人类处理问题的过程，并且具有学习能力，还可以积累经验，所以这门技术在现代模拟电路诊断中得到了广泛的应用。下面将介绍以人工智能技术为基础的一些诊断方法。

2 现代模拟电路故障诊断的方法

2.1 专家系统故障诊断方法

专家系统，就是指一个内部具有很多专家水平的某个领域的知识和经验的智能计算机程序系统。专家系统可以依据某个领域中人类专家提供的知识和经验进行推理、演算、判断来模拟人类专家处理问题的过程，从而解决某些需要专家决定的复杂问题。通过观察到的数据来判断出现故障的原因就是诊断专家系统的任务。其基本的工作原理是：先把专家知识机器诊断经验用规则表示出来，形成故障诊断专家系统的知识库，再根据报警信息对知识库进行推理，诊断出故障元件。

在模拟电路故障诊断中主要是应用基于产生式规则的专家系统，其得到广泛应用的原因主要是由故障诊断和基于产生式规则的专家系统的特点所决定的。使用这种诊断方法的特点是：可以将故障与征兆之间的关系易于用直观的，模块化的规则表示出来，并且这种专家系统允许增加、删除或修改一些规则，来确保诊断系统的实时性和有效性，还可以在一定程度上解决不确定性的问题和给出符合人类语言习惯的结论并具有相应的解释能力等。

尽管专家系统能有效的模拟故障诊断专家并完成故障诊断的过程，不过在实际应用过程中仍存在一些缺陷，主要是知识获取的瓶颈问题以及你能有效解决故障诊断中许多不确定因素，这些问题就影响了故障诊断的准确性。除此之外，专家系统在自适应能力、学习能力和实时性方面也存在着不同程度的局限。其解决方案是将其与具有信息处理特点的神经网络和适合人类认识特征模糊理论相结合。

2.2 神经网络故障诊断方法

人工神经网络（ANN）是模拟人脑组织结构和人类认知过程的信息处理系统，具有并行分布处理、自适应、联想记忆等优点。ANN技术解决故障诊断问题的主要步骤为：根据诊断问题组织学习样本，根据问题和样本构造神经网络，选择合适的学习算法和参数。利用ANN的学习、联想记忆、分布式并行信息处理功能，可以解决诊断系统中不确定知识表示、获取、和并行推理等问题。在上一方法中提到神经网络可以弥补专家系统的一部分缺陷，但是ANN技术仍有不足之处。由于其自身不够完备，学习速度慢、训练时间长等原因，影响了它的实用化。为了可以将其更好的应用在模拟电路故障诊断中，许多学者把ANN与遗传算法、专家系统及故障字典法等相结合，较好地解决了智能中小规模模拟电路故障诊断难题。若是想解决大规模的模拟电路故障诊断问题，还需学者们进行深一步的研究。

2.3 模糊故障诊断方法

模糊故障诊断方法是依据专家经验在故障征兆空间与故障原因空间建立模糊关系矩阵，再讲个条模糊推理规则产生的模糊关系矩阵进行组合，根据一定的判断阈值来识别故障元件。其优点是：模糊理论可适应不确定性的问题；模糊知识库使用语言变量来表述专家的经验，更接近人的表达习惯；模糊理论能够得到问题的多个可能的解决方案，并根据这些方案模糊度的高低进行优先程度排序等。由于隶属度的获取，复杂系统模糊模型的建立、辨识，语言规则的获取、遗忘、修改等理论和方法还不够完善，所以这种方法的应用就受到了很大的限制。若是将其与专家系统、ANN等相结合，则可有效地解决这些困难。除了上述这些诊断方法外，还有小波变换故障诊断方法、多传感器信息融合故障诊断方法、基于Agent技术的故障诊断方法等。

人工智能技术在今后的工程中具有广泛的应用前景，这种技术的应用将会使得模拟电路故障诊断的方法得到进一步发展，是诊断方法更加趋于完善，使其适用性更加广泛，为实现复杂大规模模拟电路的故障诊断提供更有效且更实用的方法，其将会成为今后模拟电路故障诊断的主发展方向。

[参考文献]

[1]张少刚，齐世平，等.现代模拟电路故障诊断新方法[J].信息与电子工程.2006，4（6）：476-480.

篇5

[关键词]水中兵器 故障诊断 人工智能 专家系统

中图分类号：D680 文献标识码：A 文章编号：1009-914X（2016）23-0045-01

0、引言

随着新军事革命的爆发以及军事科技的迅猛发展，大量的高新技术武器装备到部队，在现代高新技术战争条件下，部队不仅要有先进装备，还要有快速反应能力，这样就对武器装备的维修提出了较高的要求。向维修保障要时间、要效益、要战斗力，已成为世界各国军方热切关注的话题。对于大量列装的先进复杂的武器装备，如果不配备与武器装备相适应的故障检测与诊断系统，就不能够及时地对设备进行维修和保养，那么对武器装备实用有效性的潜在威胁是不言而喻的。故障诊断技术水平将直接影响到武器装备维修的效率和效能，对于提高武器装备的战斗力，降低维修费用具用重要意义。故障诊断在武器装备维修中的应用研究正是在这样的背景下迅速发展起来的。

1、故障诊断技术的几种方法

经过几十年的发展，故障诊断技术先后出现了很多种方法。不同的系统可以采取不同的故障诊断方法，目前，故障诊断的方法基本上可以分为三类：基于模型的方法、基于数字信号处理的方法和基于人工智能的方法。

1.1 基于模型的方法

基于解析模型的方法应用在线性系统辨识技术来实时地为系统建立数学模型，当系统中存在故障时，系统的输入输出关系就会改变，这些变化就会反映在数学模型中，因而通过观测系统数学模型的参数变化，便能判定系统是否存在故障。

基于模型的方法包括：基于数学模型的方法、基于故障过程模型的方法。基于模型的方法可以充分利用系统的内容知识，有利于系统整体的故障诊断。其缺点是系统的建模误差或外部干扰将对故障诊断结果产生重大的影响。

1.2 基于信号处理的方法

基于信号处理的方法是一种传统的故障诊断技术。信号处理是故障诊断的前提和基础，其有效程度直接影响故障诊断结果。当系统输入输出在正常范围时，认为系统运行正常。当输入正常，而输出超过正常范围时，则认为故障发生或将要发生。它基于系统的输入、输出特性在幅值、相位、频率、相关性上与故障源存在联系，通过对系统信号进行分析与处理，便可判断故障源位置。

1.3 基于人工智能的方法

基于人工智能的诊断方法是近年来兴起的一种故障诊断方法。由于实际过程的流程越来越复杂，建立精确的数学模型也越来越难，而利用人工智能方法在复杂系统的诊断方面有一定的优势。伴随着计算机技术、现代测试技术和信号处理技术的迅速发展，设备故障诊断技术取得了很大的进展，带动了人工智能技术的进步，知识工程、专家系统和人工神经网络在诊断领域中得到广泛应用，人们对智能诊断问题的研究也更加深入、系统。

2、故障诊断技术在水中兵器故障诊断中的应用意义

故障诊断技术的出现，为保证水中兵器先进性能提供了技术支持和保障。故障诊断技术能及早发现水中兵器的潜在故障，防患于未然，确保各项训练和作战任务的圆满完成，进而取得战争的主动权，乃至赢得战争的胜利，还可以提高水中兵器装备的运行管理水平和维修效能，节省维修费用。可见，故障诊断技术是维修与保障工作的前提和基础，是实施正确、及时、可靠维修与保障的先决条件。科学技术的发展及其在军事领域中的广泛应用，深刻改变了战争的全貌，促使现代战争呈现出许多新的特点。战场变化的急剧性，战争时空的整体性以及作战手段的多样性，对以故障诊断技术为核心的维修与保障工作提出了更高要求，依赖程度也越来越大，从一定意义上来讲，故障诊断技术已成为一种提高部队战斗力的关键技术，其水平的高低将直接影响到水中兵器装备维修与保障工作的效率和效能，在整个水中兵器装备生产和使用中起着至关重要的作用。

3、非线性故障诊断技术在水中兵器装备故障诊断中的应用前景

众所周知，任何系统和设备都或多或少地具有非线性特性，线性系统都是理想化的，水中兵器装备的高精度化、多功能化、大型化和自动化更是具有大量的非线性特性。因此，只有运用非线性的方法和手段才能对实际系统和武器装备进行精确的描述。尽管在某些场合，对非线性系统线性化后可以代替真实系统，但在另一些场合线性化的结果却不理想，失去了系统最本质的特征和本来面目，不能准确地描述原系统，因此对非线性理论的研究仍很重要和不可缺少。

非线性故障诊断方法按传统方式通常可以分为：基于解析模型的方法、基于信号处理的方法和基于知识的方法三大类。

基于解析模型的方法：给系统设计检测滤波器，然后将滤波器的输出与真实系统的输出比较，产生残差，将残差进行分析、处理，以实现对系统的故障诊断，这种方法需要准确的被控对象数学模型。它主要包括参数估计方法和状态估计诊断法，相比之下，参数估计方法比状态估计方法更适合非线性系统，因为状态估计方法不利于故障的分离。

基于信号处理的方法回避了抽取对象数学模型的难点，直接利用信号模型，如相关函数、高阶统计量（高阶谱）、频谱和自回归滑动平均过程、小波分析技术、混沌和分形理论进行故障分析。这种方法通用，对于线性系统和非线性系统没有本质的区别。但是，避开对象数学模型既是这种方法的优点也是它的缺点，它一般只用于故障检测。

基于知识的方法特点介于前二者之间。它引入了对象的许多重要信息，但又不苛求于系统的定量数学模型，因而克服了前两种方法的缺点，成为一种很有前途的方法，尤其是在非线性系统领域。一般情况下，不如基于信号处理的方法简单，其精度也不如基于解析模型的方法。基于知识的方法可以分为基于症状的方法和基于定性模型的方法。基于症状的方法包括专家系统方法、模糊推理方法、模式识别方法和神经网络方法等;基于定性模型的方法包括定性观测器、定性仿真和知识观测器等方法。由于神经网络具有自学习和能拟合任意连续非线性函数，以及并行计算的能力，使得它在处理非线性问题和在线估计方面有着很强的优势。另外，模糊推理，定性观测器等善于处理不确定、不准确的知识，符合人的自然推理过程，容易引入经验知识，与神经网络结合，有着巨大的应用前景。

4、专家系统在故障诊断中的应用

在很多领域，故障机理的研究还处于很浅的阶段，而在武器设备运行中可供监测的信号往往不是很丰富，因此实际过程中往往依靠现场操作人员的丰富经验来解决，而这种经验除了学习丰富的理论知识外还必须经过长时间的工程实际才能够得到。因此，如何积累专家的宝贵智慧并达到缩短知识传承和专家养成时间，就目前日益提高的人力成本而言，成为一个非常重要的课题。

专家系统依据专家处理问题的方式构建，具有保存知识和积累相关经验来提供解决问题参考的功能，可以疏解专家缺乏和取代部分专家的功能。因此在故障诊断领域，专家系统具有很大的发展空间。近几年来基于专家系统的故障诊断系统不断被开发出来，用来解决各种不同领域的问题。但是，传统的专家系统在处理实际问题时往往会出现各种的问题，例如：（l）知识获取的“瓶颈效应”。（2）知识组合爆炸。（3）性能的“窄台阶效应”。（4）推理危机。（5）理论发展缓慢。

5、结束语

近年来，用于水中兵器的故障诊断技术取得了一定的进步和成果，在改善和提高装备维修和保障水平、充分发挥装备保障效能等方面取得了一定的成就，呈现出崭新的局面，并取得了一定的军事和经济效益，有力推动了水中兵器装备的现代化发展。但应清醒的认识到，与世界发达国家相比，我们在故障诊断技术的理论研究和实践应用上还存在很大的差距，武器装备的维修与保障还缺乏科学性和准确性，而且时效性差，传统的故障诊断技术对于现代化的武器装备的维修与保障已表现出了极大的局限性。因此，研究和采用非线性故障诊断技术是水中兵器装备维修当前和今后的一个发展趋势。

参考文献

篇6

关键词：泵站机电设备；故障诊断；方法

前言

泵站机电设备在运行过程中经常会受到外部环境的干扰出现运行失常现象，具有规律性的理论发展内容不仅可以提高设备故障诊断的效率，还能有效解决故障问题。目前，我国机电灌装机的总动力已超过九千万千瓦，泵站数量多达45万个，所以有关泵站机电设备的改造与技术革新问题已成为我国广大工程研究人员讨论的重要问题。

1 泵站机电设备的故障分析

1.1 常见故障原因分析

泵站中的机电设备在长期、高强度运行下都会产生运行故障，其故障出现的原因也各种各样，常见的问题有以下几点：

1.1.1 原件运行失常。原件是维持设备正常运行的基础元件，设备在运行过程中会逐渐老化，其结构零件会相继出现松动、脱落等问题，零件咬合不紧密会大大削弱设备的稳定性。

1.1.2 管线老化。设备通常由多个接线连接，当管线因外部环境变化或老化出现变质现象时，其设备也会出现相应的漏电影响，导致设备各部件结构无法完成生产任务。

1.1.3 失调故障。在复杂运行环境下设备要想实现协调运行必须具备良好的协调能量，部件间隙、油路堵塞、设备漏电、漏水、短路等问题都会引起设备无法在平衡环境下运行。在失调环境下运行，虽然设备可以保证一部分运行功能，但是仍无法达到最好的运行状态。

1.2 特殊故障原因分析

1.2.1 湿度原因。因为泵站的通风条件不好，且设备运行环境湿度很大，在这种环境下运行设备经常会出现短路现象，短路引起的电流急增，会在瞬间击穿电线，造成设备的接地故障。

1.2.2 粉尘原因。在正常运行环境下，设备电机与转子之间会保留一定的运行空间，空气中漂浮的粉尘会阻塞电机通风通路，使设备运行失常，电机与转子之间的摩擦损耗不仅会消耗设备一部分动能，还会导致设备电机工作失常。

2 泵站机电设备故障简述

2.1 故障诊断原理分析

为合理的安排检修及泵站的安全运行提供依据，降低检修工作任务，节约人力资源，泵站应用的机电设备大多为固定的模式化运营结构，在故障识别上具有高度的理论基础，所以当设备与某参量出现运行失常时，其设备运行状态会第一时间通过数据认证的方式传输给管理人员。故障诊断不仅体现在设备运行数据上，也可以表现在各设备原件能量损耗方面，当设备各关联性结构运行状态不稳定时，设备会自动跳转运行状态。

2.2 设备故障特性分析

2.2.1 潜在性。机电设备原件磨损不仅会改变零件结构，还会使各部分原件的运行状态失常，所以由元件磨损引起的故障其潜伏时间较长，如果加强养护，定期更新设备磨损严重的设备零件，则可以有效避免故障的发生。

2.2.2 不确定性。设备运行过程中各参数变化不仅会遵循发散性，还具有一定的随机性，不同故障源引起的故障不同，所以其表现形式也存在明显的差异性。

3 泵站机电设备故障诊断方法研究

3.1故障信息搜集

3.1.1 现场调查。当泵站内机电设备出现运行故障时，维修人员应第一时间赶到现场，并将设备发生故障的时间、运行状态、故障发生顺序等重要信息进行采集，同时还要确保在搜集过程中必须保证数据的及时性、真实性与有效性。

3.1.2 性能测试。泵站内不同机电设备的性能不同，所以维修人员可以根据设备的输出变量确定故障源的大置，之后再根据设备运行的失常状态，测量设备涉及到的功能性数据。通常情况下，维修人员会从电流、压力、功率、效率、质量等几方面测定设备的性能。

3.2 故障诊断

3.2.1 温度诊断。泵站机电设备运行环境中影响其运行状态最大的是温度，温度诊断主要是通过检测设备运行温度，运行环境温度探讨机电设备最佳运行温度。当温度出现异常时，设备的温度检测系统会自动发出报警信号，工程监察人员一旦在信息系统中发现该信号，则应立即根据其工作属性判断是否停止运行设备。之后，监察人员还应及时赶到事故现场，用特制的温度检测仪器，记录设备各元件的运行温度，对设备故障进行温度性的直观判断。

3.2.2 铁谱监测。铁谱检测原理是通过查看各设备原件运行的程度检查设备的运行状态，油不仅可以增加设备零件之间的关联性，还能使设备在高强度磁场、高梯度的设备结构中保持良好的运行状态。铁谱监测是让设备在磁场中运行，磁场会将铁屑从油中提取出来，根据各零件结构提取出来的铁屑密度，制成光谱片，光谱片可以如实反映设备结构中零件的磨损情况。

3.2.2 振动监测。泵站机电设备在运行过程中经常会出现振动失常现象，其主要原因在于设备动力传送带动能损耗量过大，振动检测方法可以从简单或复杂两方面研究并诊断设备出现运行故障时的问题源。简单诊断方法是通过振动频率放大器增加传感器的振动信号，之后再通过测量振动的峰值数对机械振动情况进行系统分析，通过了解设备的振动频率，检测人员可以清晰的掌握设备动能的转化情况。复杂诊断方法是通过定期检查设备的动能完成的，设备的动能传输结构在稳定的运行环境下会呈现周期性的变化，将在线设备的运行信号或振动情况记录在数据处理系统中，系统会根据显示出来的数据进行检波测验，测量数据会被直接传输到监测系统的控制器中，经过中央处理器分析，检测人员可以精准的找出设备出现故障的部位和出现故障现象的原因。

4 结束语

通过上文对泵站机电设备的故障诊断内容进行系统分析可知，机电设备在长期复杂的环境下工作，其运行情况会具有明显的不稳定性、不安全性和不可靠性。所以要想提高机电设备的运行质量和安全性能，必须严格控制设备中各组成零件的运行状态，采用切实有效的故障诊断方法，运用科学的处理方式和维修技术稳定设备的功能性。一般情况下，如果设备出现突发性的故障问题，检修人员应运用效率高、检测结果明显的诊断方法研究设备出现故障的原因。同时，设备出现故障也是一个渐进的过程，所以泵站的工作人员必须定期对设备的运行情况和各结构零件进行功能性检测，尽可能的避免突发性的故障。

参考文献

[1]白海瑞，陈坚，杨群.基于灰色理论的泵站机电设备故障诊断方法初探[Z].

[2].2009全国大型泵站更新改造研讨暨新技术、新产品交流大会论文集，2013，15（23）：129-134.

[3]陈坚，李娟，娄红燕.灰色理论在泵站机电设备故障诊断中的应用[J].武汉大学学报（工学版），2011，15（26）：198-201.

[4]王然风.基于支撑向量回归技术的大型复杂机电设备故障诊断研究与应用[J].太原理工大学学报（社会科学版），2014，15（2）：113-125.

[5]高宝璐.大型复杂机电设备分布式故障诊断方法研究[J].湖北三峡职业技术学院学报，2013，15（26）：110-124.

[6]年伟国.机电设备故障诊断技术发展探析[J].中小企业管理与科技（下旬刊），2011，15（25）：129-134.

篇7

关键词：挖掘机; 液压系统; 系统故障;诊断方法

中图分类号：TU621文献标识码： A

一、液压系统故障诊断研究方法

1、故障诊断技术概述

在工业生产和工程施工过程中，随着控制系统逐步趋向大型化和复杂化，系统中有大量的变量和回路需要监控，故障发生的可能性也随之增加。提高系统可靠性与安全性采取的主要方法有提高元器件的可靠性，进行高可靠性设计以及对系统进行容错设计。但是无论多么先进的设备，多么完美的设计和巧妙的控制策略，绝对的可靠是无法实现的。从可靠性观点看，“有故障”是绝对的，问题在于故障是怎样造成的，如何尽早地检测和发现潜在的故障，然后控制和排除故障，从而降低故障可能造成的严重后果，所以，故障诊断技术已成为提高系统可靠性必不可少的工具。

故障诊断技术是一门综合性技术，它的研究涉及到多个学科，包括现代控制理论、可靠性理论、数理统计、模糊集理论、信号处理、模式识别、人工智能等学科理论。

作为挖掘机的核心，液压系统的故障是最常见也是最难以诊断的，如果不能有效地排除系统故障，将严重的影响施工进度，降低生产效率，造成施工方的经济损失。通过拆卸检查元件内部故障，容易带来新的污染物进入液压系统。

由以上可知，造成挖掘机液压系统故障的这些外部或内部因素是客观存在的，也是不可避免的。一般来讲，挖掘机液压系统的故障会分为三个渐变的阶段:故障的早期阶段，挖掘机的工作状态虽然有所下降，但是依然能够正常工作;故障的中期阶段，故障对于挖掘机工作状态开始有明显的影响;故障的后期阶段，液压系统内的液压元件发生破坏，导致挖掘机完全不能工作。由此可见，挖掘机液压系统的故障检测或故障诊断，关键的问题是通过有效的分析手段在早期就可以判断故障的发生，从而及时地对液压系统进行维护和保养。一旦故障进入中后期，即便发现故障，液压元件的损坏也是不可避免的。所以，挖掘机液压系统故障诊断的研究对于提高挖掘机可靠性，以及提高挖掘机施工效率都具有重要的意义。

二、液压系统故障模式与故障机理分析

1、液压系统故障模式分析

挖掘机的液压系统是一个结构复杂的大系统，系统内部各子回路相互干涉，故障形式多样，导致液压系统故障诊断困难。为了加快故障分析，提高故障诊断的有效性，需要找到一种系统的故障分析方法，故障模式通常被作为故障诊断中重要的一环。本文所指的故障模式主要针对挖掘机液压系统中的模块化液压元件，比如液压泵、多路阀、液压杆等，因为它们既是构成挖掘机液压系统的关键元件，也是发生故障最高的元件，因此研究这些关键液压元件的故障是挖掘机液压系统故障诊的主要工作，具有重要的实用价值。图1列出了液压系统中关键液压元件的常见故障模式。

2.液压系统故障机理分析

故障模式体现的主要是故障发生的部位和现象，并不反映造成故障的本质原因，而故障机理才是造成液压系统故障的实质性原因。故障机理主要是指引起元部件故障的物理、化学等内在性的因。故障机理是针对所有的液压元件，即故障机理是统一的，但是，由于功能和结构的不同，产生故障的原因既具有相似性，也具有差异性。液压系统主要故障机理主要包括:

2.1.磨损

磨损是固体摩擦表面上物质不断损耗的过程，表现为物体尺寸和形状的改变。磨损是渐进的损耗过程，但也可能导致断裂的后果。根据磨损形成的原理，磨损可分为机械磨损和机械化学磨损。磨损是否构成失效，主要看磨损是否已危及该元件的工作能力。磨损失效的基本类型有:粘着磨损、磨粒磨损、表面疲劳磨损、冲蚀磨损、腐蚀磨损等五种基本类型。其中粘着磨损、表面疲劳磨损和磨粒磨损是液压系统中最常见的磨损方式。液压元件中，磨损是造成故障的最主要原因之一，这是因为在液压泵、马达等液压元件中，存在着很多很多重载而又高速滑动的摩擦副，比如，柱塞泵的柱塞与缸体属于精密配合。

2.2.疲劳

结构的构件或机械、仪表的零部件在交变应力作用下发生的失效，称为疲劳失效，简称为疲劳。统计结果表明，在各种机械的断裂事故中，大约有80%以上是由于疲劳失效引起的。因此，对于承受交变应力的设备，疲劳分析在设计中占有重要的地位。

2.3.密封件老化

密封件大都属于高分子材料，从其本质上讲，高分子材料的老化可以分为化学老化和物理老化两大类。化学老化是一种不可逆的化学反应。它是高分子材料分子结构变化的结果;物理老化是指处于非平衡态的不稳定结构下存放过程中会逐渐趋向稳定的平衡态，从而引起材料物理变化的现象。物理老化是液压系统密封件的主要老化方式，物理老化的结果使材料的自由体积减少，密度增加，模量和抗拉强度增加，断裂伸长及冲击强度下降，材料由塑性转变为脆性，从而导致材料在低应力水平下的破坏。

2.4.液压油污染

在液压系统中，液压油不仅起动力传递作用，也起、冷却作用。如果说液压泵是整个液压系统的心脏的话，那么液压油就是整个液压系统的血液，它不仅影响液压系统的工作性能和液压元件曲使用寿命，而且直接关系到液压系统能否正常工作。液压油污染物主要包括固体污染物、液体污染物、气体污染物。固体污染除了外界的灰尘，主要来自元件磨损所产生的颗粒;液体污染物主要包括水分和清洗液体;气体污染物则主要是混入的空气。严重的液压油污染可导致系统无法正常工作，比如固体污染物将比例换向阀的阀芯卡死，导致阀芯无法换向。液压油污染所造成的故障是系统性的，所有的液压元件都会受到影响，而且，液压油的污染会加剧液压元件的磨损;疲劳，降低系统的效率。

三、挖掘机液压系统故障诊断研究策略

1.合理选择信号变量

对于一个系统进行有效的故障诊断，获取系统的输入或输出的信号变量数据是必不可少的，因为只有从信号变量中提取可用的故障信息才能保证准确的故障诊断结果。在一些大型的系统当中，由于高可靠性的要求，一般都会安装几十个甚至上百个传感器，采集系统各个部位所产生信号的变化。对于液压系统，压力和流量的信号当中往往都蕴含了丰富的故障信息，如何能够合理的使用这些变量中的信息，准确地跟踪挖掘机液压系统模型的变动是本文故障诊断研究方法的关键问题之一。

2.非常规故障建模方法

通常的系统建模方法如解析法、功率键图法、传递函数法等等，只要方程的系数确定了，模型便确定了，这通常被称为常规建模方法。对于挖掘机液压系统，由于元件的性能参数以及元件之间响应特性的较大差别，常规建模方法具有很大的困难。非常规建模是一种将理论分析和试验辨识相结合的一种建模方法。这种方法充分利用有关液压系统和元件的己知信息和现有参数，利用较少的实验数据便能建立液压系统的动态模型。.

3.故障特征提取方法

故障特征也被称为故障征兆，常见包括数值型特征、语义性特征、图形特征等等。对于故障特征的提取，并没有一个系统化的方法，需要结合研究特定系统的特性和结构。一般来讲，各种类型特征可能直接来源于系统的信号变量信息，尤其是数值型特征。对于某些线性系统，数值特征变化可以直接反映故障的发生，可以使用线性的故障特征提取方方法。

结语：

展开挖掘机液压系统的故障诊断研究对于提高挖掘机的可靠性、施工效率以及维护管理水平和应用水平具有重要意义。挖掘机是结构最为典型的工程机械，其液压系统的结构与其它工程机械具有很多的相似性，应用在挖掘机液压系统上故障诊断方法完全可以应用到其他工程机械上，这为本文研究的故障诊断方法提供了更为广阔的应用前景。

参考文献：

[1]常绿，王国强，韩云武.液压挖掘机自动控制系统的设计和实现.农业工程学报，2007 23(6): 140-144.

篇8

【关键词】电气设备；故障诊断；方法实践

【 abstract 】 along with the rapid development of modern science and technology in China and the industry electrification process accelerating, all kinds of electrical equipment are is widely used, to our country industry development and the improvement of the comprehensive strength is playing a very important role, electrical equipment once appear fault, it will lead to the production of massive losses, also, of course, is the safety of the operation of electric equipment, stability, and higher requirements. But, in the long time of equipment operation, the hard to avoid can have faults, this requires our technical staff in the first time diagnosed the cause of the problem, and promptly repair, eventually ruled out equipment failure in the shortest time restore the normal operation of the equipment. Therefore, how to according to the fault of the electrical equipment performance to judge fault reason, how to repair, technical personnel is an important research topic, in this paper, the author intends to with your own practice and understanding, electrical equipment fault diagnosis and maintenance methods are discussed, in order to provide the vast technical personnel to provide some reference, make rapid judgment, diagnosis, treatment, fault.

【 key words 】 electric equipment; Fault diagnosis; Methods the practice

中图分类号：F407.6文献标识码：A 文章编号：

不可置否，提高电气设备的运行率，保证电气设备处于良好状态，是电气设备管理人员的基本职责之一。但电气设备的故障不可避免、多种多样，因此故障状态下的管理是相当复杂的。一般来说，电气设备在运行中会产生各种反映运行状态的信号，一旦出现异常情况，就会有相应的信号出现。因此，电气设备管理人员应该在掌握设备运行原理的基础上，熟练掌握信号反馈信息的意思，并以此来迅速判断、排除故障。因电气设备故障而引发的事故屡见不鲜、损失惨重，我们也应加强对诊断故障、排除故障的重视程度。

一、电气设备的故障诊断与检修要诀

先询问再下手

电气设备出现故障后，维修人员应首先向相关人员详细了解故障发生的时间、症状。在确保自己已了解该故障设备的结构、线路等必备知识后再结合实际制定相应的维修方案，对故障设备进行维修。

先清洁，再维修

对外观看上去就较脏、感觉污染较重的电气设备，其许多故障往往都是由于脏污和导电尘块所导致的，一般来说，经过清洁就可以解除故障，所以我们在面对这种情况时应不急于维修，而是先进行清洁，再检查其按钮、外部控制键等是否失灵、故障。

先查外部，后查内部

应先检查设备外部，尽可能的排除外部故障后仍未恢复正常运行的，再对设备内部进行检修。此时应注意在拆卸时将零部件按固定顺序排放，防止回装出现问题。切忌盲目拆卸。

先查电源，再查设备部件

对电气设备而言，电源发生故障的可能性较设备部件要高。因此，应先对电源是否故障进行排查，看其是否正常。确保电源正常后，再对设备部件进行检测。

先查机械，后查电气

在故障排查过程中，我们应该在确定机械零部件没有发生任何故障后，再进行电气方面的检查。对电路故障进行检测的，应利用检测仪找寻故障位置，看其是否接触不良，若接触良好而运行仍故障的话，再有针对性地查看机械和线路之间的运作关系，找出故障原因。

先查直流静态，再查交流动态

在检修中，我们应先进行直流回路的检查，再进行交流回路的检查。其次，在未通电时，我们可以通过查看设备按钮、接触器以及保险丝等是否完好来判断故障位置；而通电时可利用测量参数、辨听声音等判断故障。

先普遍后特殊

因配件、零部件质量或其他设备的问题而引起的故障比较常见，所以，在故障发生后，我们应先进行这些部位、问题的检测，若仍不能恢复正常运行的，才进行其他的故障排查工作。但电气设备的特殊故障一般都是软故障，要凭借仪器仪表以及技术人员的经验来操作。

先故障后调试

面对调试和故障两者并存的电气设备时，我们应首先排除设备故障，再进行设备的调试，并且必须保证调试在电气线路正常的前提下进行。

二、可行的电气设备故障诊断与检修方法

直观检查法

首先，可以通过与设备使用人员和用户的详细询问、沟通来了解故障发生的相关情况，为后续工作奠定基础；其次，通过观察来进行诊断，比如仔细查看设备的外观有无异常、电路是否出现短路等异常、接线是否正确、仪表计量指示和信号反映如何，还可以仔细聆听设备运行的声响是否异常、注意电气设备运行有无散发异味等等；再次，可根据手感觉到的温度和振动幅度来判断故障，一般来说，如果局部出现短路或机械摩擦现象，则可能感觉到局部过热，如果整体过热，则考虑设备过载的问题，如果设备振动幅度过大，则考虑设备的平衡出现问题。

仪器检测法

作为一种诊断故障的必要辅助手段，仪器检测法是指用仪表、仪器等对电气设备进行检查，对相关直流、电源电压以及脉冲信号等进行测量，从中寻找可能存在的故障，以辅助技术人员诊断故障。在实践中，常用的仪表有万用表、兆欧表、钳型电流表等。

分区法

就是指对电气设备上相联接的有关部分进行分区，达到逐步缩小可疑范围、尽早发现故障部位和故障原因。

（四）更换零件法

作详细检查往往比较麻烦、费时，可先适用简便易行的更换法，对容易拆装的并有怀疑的零部件（如晶体管、插件、可控硅等）用确定完好的零部件进行替换，若更换后设备恢复正常，则可知故障就出在该处，及时解除了故障；如仍不能恢复正常，则应该继续寻找其他可能发生故障的原因。

（五）对比法

即将故障设备的运行状况、有关参数和正常运行的设备进行对比，通过比对的结果来找寻可能的故障原因，并对症下药，最终解决故障、保证设备的正常运行。比如参照正常零部件的工作性能进行故障设备的诊断，然后进行维修、调整或更换。但实践中某些设备的有关参数从技术资料中往往难以查找，有些零部件的性能参数好坏也难以进行现场判断。

（六）建立专家系统

即将专家的专业知识、经验知识存入电子计算机，在故障后，技术人员输入故障设备的相关信息，然后利用计算机的推理作出故障判断。

总之，电气设备的故障检查和维修工作，不仅需要技术人员具备较高的专业知识和专业技能，还需要技术人员不断的学习、总结经验，也只有这样，在面对故障时，技术人员才能够灵活选择电气设备故障诊断和检修方法，在第一时间找到故障部位和故障原因，以至于从容不迫地应对、解决各种故障，维护电气设备的良好运行。

参考文献：

[1]谈克雄.恒.电气设备故障诊断方法[J].中国设备管理.1996.(2);

[2]杨炎升.电器设备故障与环境影响[J].中国科技信息.2006.(24);

篇9

摘 要：汽车故障的维修与诊断不仅需要维修人员的维修技术过关，还需要冷静的头脑。很多维修人员在判断故障时失误并不是因为技术问题，而是因为没有冷静的思考，过于急躁，没有找到一个好的解决办法。只要头脑冷静，遵循一定的诊断程序作业就一定可以找到故障源。本文重点对汽车维修诊断时的思路方法进行了探讨。

关键词：汽车故障诊断；思路与方法

汽车行业作为重要的行业不仅促进我国经济的发展，也为人们的生活带来诸多便利，成为人们生活中不可缺少的一部分。因此，汽车维修也成为当前重要的工作行业，汽车故障诊断思路和方法直接决定汽车维修的效果，正确的思路和方法能够保证维修质量，反之，则会严重影响汽车的使用寿命。因此，需要深刻研究汽车故障诊断修理的思路和方法。

一、汽车故障诊断时要注意的问题

1.查找合适的维修信息

当汽车发生故障时，应运用科学的手段进行维修，不能盲目的推测。首先，必须有汽车的结构图和电路图，合适的检查程序可以更快的找的故障原因，从而节省时间。制造商提供的维修手册或者电子数据系统中载有维修程序信息，可帮助你更准确的找到故障原因。如果实在找不到制造商提供的原厂说明书，可以使用同类产品的使用说明书，但不提倡此种方法，因为两种数据是有差异的，极有可能导致判断失误。在迫不得已使用的情况下，要注意两者之间数据的差异。

2.积极的查找故障

当故障出F时应积极的应对处理，马上进行检查。还应及时学习最新的维修知识，及时更新知识，有时候汽车的间歇性故障是不容易诊断的，除非在检查汽车时故障刚好出现。所以说，在我们检查汽车的同时故障不出现，我们就无法诊断。对于这种情况，我们最好的办法就是的那个故障发生时去现场诊断，并建议顾客不要再一次启发动机，耗费比较大，还容易引发更大的故障。唯一的方法就是维修人员及时的到现场进行诊断与维护，帮助顾客解除故障。

在汽车检修中，如果计算机装有可拆卸的“可编程只读存储器”，那么必须拥有最新的“可编程只读存储器”刷新的信息。假如不具备这类知识，而汽车制造商却推荐更换“可编程只读存储器”来修正一项特别的驾驶性能，那么将在检查、诊断上浪费时间和精力以及增加成本。

还有要注意的常识是，发动机的机械故障也能产生诊断故障代码，因此诊断故障代码并不一定是发动机计算机系统某一元件的故障。例如，如果由于排气阀烧坏而使汽缸压缩性变差，而诊断故障代码显示的是氧传感器提供的缺氧信号。事实上，大量的油气混合气在汽缸内未燃烧，氧传感器能感应到排气气流中附加的氧气，这时必须尽快确定到底是传感器故障导致缺氧故障还是有机械上的原因。

二、正确判断故障根据故障性质进行维修

1.按工作状态可分为间歇性故障和永久性故障

间歇性故障就是有时候发生有时候不发生的故障，在汽车检查时也不一定可以查得到，永久性故障就是除人工维修外不会消失的故障。在汽车的诊断过程中一定要注意这种，这种故障不易被发现，如一直未发现可能会造成更严重的故障，为汽车与驾驶人员的安全埋下隐患。

2.按故障程度可分为局部功能故障和整体功能故障

如果汽车其他部分完好，只有其中一种功能故障就是指局部故障。反之，如果汽车一部分出现故障使整个汽车功能不能实现就是指整体功能故障。当汽车出现局部故障是一定要重点排查，确定故障源并维修，不能因不影响整体使用而大意。积极主动的维修并诊断，防止局部性故障发展为更严重的故障，为行驶安全打下坚实的基础。

3.按故障形成速度分，有急剧性故障和渐变性故障

急剧性故障是指故障发生后不停车修理就不能继续运行的故障，工作状况急剧恶化。渐变性故障是指故障发生后还可以继续行驶。还有一种故障称之为突发性故障，这种故障发生后非常危险，严重会危及驾驶员和车辆安全，这种故障发生时往往没有任何预兆突然发生，与急剧性故障相似。

4.按故障产生的后果分，有危险性故障和非危险性故障

危险性故障是汽车检查与维修的重点，因为危险性故障常常会危及到驾驶员和车辆的安全且突然发生，突发性故障和急剧性故障都属于危险性故障。渐变性故障属于非危险性故障，故障发生时一般是有预兆的，且发生后是可以修复的。所以危险性故障是汽车故障排查中的重中之重，防止汽车在行驶过程中发生安全问题。

三、汽车诊断时要注意问题

1.要有详细的汽车诊断参数

诊断参数是指描述系统、零件、过程的状态参数。在诊断过程中应从技术上和经济上综合分析确定，选择一个合适的状态参数作为诊断参数，这样才能更快更准确的找到并解决故障。

2.合理使用汽车诊断方法

在故障发生时，一定不要慌张，应运用科学的方法进行诊断测试，来判断故障，不能盲目的根据推测来诊断。

汽车在工作过程中，各种零件和总体都处于装配状态，无法对其零件进行直接测试。例如汽缸的磨损量、曲轴轴承的间隙等，在发动机不解体的情况下是无法测量的。因此，对汽车进行诊断都是采用间接测量，如通过振动、噪声、温度等物理量的测量来间接诊断汽车的技术状况。采用间接测量方法进行判断，必然会带来一些“不准确性”。例如发动机工作时，曲轴主轴承的工作状态可分为正常状态和不正常状态两种情况，如果采用机油温度作为判断轴承工作状态的特征，并将油温分为“正常”“过高”两种情况，则可能会产生误判。因为机油温度过高，固然可能是轴承运转失常所致，但也可能是其他原因（如机油黏度不合适、机油量不足、机油散热器不良等）造成机油温度上升。

“故障树”分析法，是根据汽车的工作特征和技术状况之间的逻辑关系构成的树枝状图形，来对故障的发生原因进行定性分析，并用逻辑代数运算对故障出现的条件和概率进行定量估计。这是一种可靠性分析技术，普遍应用于汽车等复杂动态系统的分析中。树枝图分析法用于汽车诊断，不仅可以分析由单一缺欠导致的系统故障，而且还可以分析两个以上的零件同时发生故障引发的系统故障，还能分析系统组成中硬件以外的其它成分，例如可以考虑汽车维修质量或人员因素的影响。

汽车故障的发生带有随机性，属于偶然性事件。如若建立树枝图，并用来分析故障，有助于弄清楚故障发生的机理，除可进行定性分析外，还可以根据树枝图中影响故障发生因素的出现概率，定量预测故障发生的可能性，即故障发生的概率。

四、结语

我国经济水平的不断提高为我国国民的生活带来诸多便利，汽车作为重要的交通工具已经走进千家万户，大大提高了人们的生活质量。汽车维修作为保证汽车运行和使用的重要因素，需要予以充分的重视。我国的汽车维修过程中存在诸多问题，这些问题严重影响汽车维修质量，笔者针对这些问题展开详细讨论，探讨汽车维修需要注意的问题，正确判断故障准确维修，希望能够为从事汽车维修的相关人员提供参考。

参考文献：

篇10

关键词：矿井提升机 远程监测 故障诊断

中图分类号：TD534 文献标识码：A 文章编号：1003-9082（2016）01-0004-01

在科学技术迅猛发展的今天，煤矿企业为了使利益最大化而不断的扩大生产规模，这对煤矿机械设备的可靠性和稳定性提出了更高的要求[1]。矿井提升机作为煤矿生产的重要运输设备，是煤炭、矸石、物料、人员等进出矿井的载体，具有“煤矿咽喉”之称，其安全高效的运行是矿工生命安全和煤矿安全生产的重要保证[1]。受现有监测技术水平、设备管理理念及现场操作等诸多因素的限制和影响，提升事故仍然是煤矿安全事故中发生次数较多的事故类型之一[2]。因此，提升机设备安全运行越来越受到重视，对其进行状态监测与故障诊断是十分必要的。

一、提升机故障机理分析

矿井提升机系统主要由机械传动系统、制动系统、系统、拖动控制和自动保护系统、观测和操作系统、外加辅助部分等组成[3]。本文主要以机械传动系统和制动系统为主要研究对象。

提升机机械传动系统属于复杂的旋转机械系统，主要由电动机、减速器、滚筒、天轮等组成。通过分析旋转机械各零部件的故障比例可知，转子及其组件的故障比率最大，齿轮和轴承分别占60%和20%。转子作为设备的核心部件，其工作状态很大程度上决定了矿井提升机的运转状态，因此直接监测转子获得振动信号对于故障监测更加直接有效[4]。

制动系统主要包括制动器和传动机构，通过作用于制动盘上的制动力矩对制动力进行调控，实现提升机的正常停车、工作制动和紧急制动。目前，大多数矿井提升机采用液压盘式制动器作为机械制动装置，其控制系统主要由电控装置、液压站和盘式制动器组成。

每台提升机根据其需求制动力的大小配置相应数量的盘式制动器，一般成对使用。盘式制动器通过闸瓦沿轴向从两侧压向制动盘而产生阻碍制动盘转动的摩擦力矩，从而产生制动力，正常情况下制动器具有开闸和制动两种状态。

二、信号采集系统设计

通过分析提升机制动系统和机械系统的故障机理和故障特征，确定监测信号的现场采集方案，信号采集系统如图1所示。针对提升机设备的制动系统和机械传动系统不同的监测参数选择相应的传感器，传感器采集信号经过信号调理后转换为标准电压信号传输给数据采集卡，然后进入上位机进行数据的进一步信号处理。考虑到现场监测站要接入整个提升机远程监测系统中，必须具备网络接口且应用程序具备数据网络传输的功能，将需要传输的数据以一定的格式到网络当中。

图1 信号采集系统结构框图

三、状态诊断方法研究

Hilbert-Huang变换方法是首先利用EMD方法把原始信号分解为多个相互独立的本征模态函数分量的和，再将Hilbert变换应用于各个IMF分量得到瞬时频率和振幅，进而求取信号的Hilbert谱和Hilbert边际谱，得到振幅-频率-时间的分布，反映出系统的状态特性。

为了使HHT方法更适用于工程实际中的信号分析，必须采取措施对HHT时频分析方法进行改进，以保证信号的分解质量和时频分析结果的准确性。HHT存在的主要问题有模态混叠、端点效应、虚假IMF分量等。对于模态混叠问题，本文采取对策的为进行原始信号的小波域阈值消噪，将噪音等异常事件剔除，降低模态混叠的可能性。

实际工程中采集的信号不能保证为整周期信号，信号端点也不能保证为极值点，本文采用包络极值延拓法对信号进行延拓，方法如下：

假设对连续信号x（t）进行采样，以时间间隔为，得到的离散信号X（t）具有M个极大值和N个极小值。

向左分别延拓两个极大值和极小值点，其位置（Tm，Tn）和函数值（U，V）表示为：

对延拓后的极大值序列和极小值序列，仍然利用三次样条曲线拟合，信号的上、下包络线表示为：

图2 IMF2右端分解效果对比图

为了进一步研究信号延拓方法对端点效应的改善效果，将两种信号延拓方法得到的分量端点曲线和Hilbert谱进行对比。以IMF2分量右端为例，如图2，可以看出基于包络极值延拓的EMD方法比基于镜像闭合延拓的EMD方法分解结果更接近理论曲线，即对端点效应的抑制作用更为明显，更能反映出原始信号的特征。

结束语

文章通过对矿井提升机的整体结构和工作原理入手，分析了矿井提升机系统中的两大故障机理。根据故障的位置和类型，建立了信号采集和传输系统，通过对所采信号的处理实现远程状态诊断。为了使诊断结果更加准确，提出了改进的HHT方法，并分析了所提方法的有效性。

参考文献

[1]栗帅. 矿井提升机远程状态监测与智能故障诊断研究[J]. 企业技术开发， 2015（03）：109-110.

[2]石瑞敏， 杨兆建. 网络化矿井提升设备管理系统设计与应用[J]. 煤炭科学技术， 2015（03）：77-81.