故障診斷方法范文

導語：如何才能寫好一篇故障診斷方法，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

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.

關鍵詞： 神經網絡；故障診斷；裝備

Key words： neural network；fault diagnose；equipment

中圖分類號：E911 文獻標識碼：A 文章編號：1006-4311（2012）32-0316-02

0 引言

隨著武器裝備復雜性不斷增加，對武器裝備維護和故障診斷提出了更高的要求。近年來，一些逐漸興起的智能故障診斷方法，比傳統方法能夠更加快速，有效的診斷裝備故障。

目前，人工智能技術的發展，特別是基于知識的專家系統技術在故障診斷中的應用，使得設備故障診斷技術進入了一個新的智能公發展階段。傳統的故障診斷專家系統雖然在某些領域取得了成功，但這種系統在實際應用中存在著一定的局限性，而人工神經網絡技術為解決傳統的專家系統中的知識獲取，知識學習等問題提供了一條嶄新的途徑[1][2][3]。

1 神經網絡模型原理

人工神經網絡簡稱神經網絡（Neural Network），具備并行性、自學習、自組織性、容錯性和聯想記憶功能等信息處理特點而廣泛用于故障診斷領域，它通過對故障實例及診斷經驗的訓練和學習，用分布在神經網絡中的連接權值來表達所學習的故障診斷知識，具有對故障聯想記憶、模糊匹配和相似歸納等能力。人工神經網絡在故障診斷中的應用研究主要有三個方面：一是從預測角度應用神經網絡作為動態預測模型進行故障預測；二是從模式識別角度應用神經網絡作為分類器進行故障診斷；三是從知識處理角度建立基于神經網絡的專家系統[4][5]。

1.1 神經網絡基本模型 基于神經細胞的這種理論知識，在1943年McCulloch和Pitts提出的第一個人工神經元模型以來，人們相繼提出了多種人工神經元模型，其中被人們廣泛接受并普遍應用的是圖1所示的模型[6]。

圖1中的x0，x1，…，xn-1為實連續變量，是神經元的輸入， θ稱為閾值（也稱為門限），w0，w1，…，wn-1是本神經元與上級神經元的連接權值。

神經元對輸入信號的處理包括兩個過程：第一個過程是對輸入信號求加權和，然后減去閾值變量θ，得到神經元的凈輸入net，即

net=■w■x■-θ

從上式可以看出，連接權大于0的輸入對求和起著增強的作用，因而這種連接又稱為興奮連接，相反連接權小于0的連接稱為抑制連接。

下一步是對凈輸入net進行函數運算，得出神經元的輸出y，即y=f（net）

f通常被稱為變換函數（或特征函數），簡單的變換函數有線性函數、閾值函數、Sigmiod函數和雙曲正切函數。

根據本文的研究特點，變換函數f取為Sigmoid函數，即f（x）=■

1.2 神經網絡知識表示 傳統的知識表示都可以看作是知識的一種顯示表示，而在ANN中知識的表示可看作是一種隱式表示。在ANN中知識并不像傳統方法那樣表示為一系列規則等形式，而是將某一問題的若干知識在同一網絡中表示，表示為網絡的權值分布。如下所示閾值型BP網絡表示了四條“異或”邏輯產生式規則[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

基于這種網絡知識表示結構，其BP網絡結構如圖2所示。

網絡通常由輸入層、隱層和輸出層組成。網絡第一層為輸入層，由信號源節點組成，傳遞信號到隱層；第二層為隱層，隱層節點的變換函數是中心點對稱且衰減的非負線性函數；第三層為輸出層，一般是簡單的線性函數，對輸入模式做出響應。理論上已證實，在網絡隱含層節點根據需要廟宇的前提下，三層前向神經網絡可以實現以任意精度逼近任意連續函數的功能。

對于三層神經網絡，其隱層節點和輸出層節點輸出為：

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 隱層神經元數 神經網絡輸入和輸出神經元個數的確定可以根據實際需求而定，隱層神經元個數的確定對網絡的能力也有直接的影響，個數太少，則神經網絡的認知能力較差，影響其收斂程度和泛化能力，個數太多，則增加了計算量，降慢了網絡的收斂速度，通常用以下幾個公式來確定隱層神經元數：

l=■+a，a∈[1，10]，p

式中：l為隱層神經元數；n為輸入層神經元數；m為輸出層神經元數；p為樣本總數。

2 故障診斷實例

以某型裝備導彈測試車為例，說明神經網絡在裝備故障診斷過程中的學習和自適應過程。該裝備故障知識表示如表1所示。左側為裝備故障征兆，右側為裝備故障原因。圖中所示故障征兆與故障原因為對應關系，左側故障征兆必然由右側某一或多個故障原因引起。因此，故障征兆為神經網絡的輸入，由x1、x2…x9表示，如表2 所示。神經網絡接收故障原因后，通過運算、診斷、判別，最終輸出引起某一故障征兆的原因，由y1、y2…y8來表示。

2.1 故障診斷流程 故障診斷流程如圖3所示。根據專家整理的故障征兆、故障原因知識，對知識進行區別、分類，形成神經網絡知識庫。并通過已知的學習樣本對神經網絡進行訓練。故障診斷時，對故障現象進行知識表示，輸入診斷系統，經過神經網絡運算得出相應故障原因結果，由系統解釋機制最終解釋出來，到達輸出端，提供給用戶。如果系統診斷不到故障原因（即，無解），得出相應的結論，把該結論反饋至知識庫存儲，并更新網絡知識庫。

針對該型裝備，我們選擇8個樣本進行網絡系統訓練，其中，xi=0表示無故障現象，xi=1表示故障現象；yj=0表示無故障原因，yj=1表示故障原因。神經網絡訓練知識表示樣本，如表3。神經網絡訓練過程中，通過誤差反向傳播，不斷自動學習，修改各個節點的連接權值和相應節點的閾值，一旦誤差小于規定的ξ時，網絡就會停止訓練。網絡訓練完成后，就可得到固定的連接權值和相應節點的閾值。

2.2 故障診斷結果 根據網絡訓練結果進行診斷，把故障征兆輸入系統，系統調用已經訓練好的各層的連接權值和相應節點的閥值進行向前計算，最終得出訓練結果，由輸出端提供給用戶。在實際輸出與理想輸出之間有差別，實際輸出值可以無限接近理想輸出值，但往往不能完全相同。如表4所示。

3 結論

本文研究了模糊神經網絡的原理和實現形式，提出了基于神經網絡的故障診斷系統構建原則，并以某型裝備故障為例，進行了實驗。實驗結果表明：人工神經網絡故障診斷可以克服以往傳統裝備故障診斷不足，提高裝備故障診斷效率，體現出了重要的意義和價值，代表著一個新的發展方向。

參考文獻：

[1]楊迎化，唐大全，盧建華.神經網絡在智能故障診斷技術中的應用及其發展趨勢[J].測控技術學報，2003，22（9）：1-5.

[2]陳維，陳永革，趙強.基于BP神經網絡的裝備故障診斷專家系統研究[J].指揮控制與仿真，2008，30（4）103-106.

[3]王改良，武妍.用入侵的自適應遺傳算法訓練人工神經網絡[J].紅外與毫米波學報，2010，29（2）136-139.

[4]汪振興，劉臣宇，李麗等.基于改進BP神經網絡的某型裝備故障診斷專家系統[J].計算機與現代化，2010，174（2）200-206.

[5]王凡重.基于小波神經網絡和支持向量機的電機故障診斷與研究[D].太原理工大學碩士學位論文，2011.

篇2

【關鍵詞】模擬電路 故障診斷 估計法

模擬電路故障診斷是電路分析理論中的一個前沿領域。它既不同于電路分析，也不屬于電路綜合的范疇。模擬電路故障診斷所研究的內容是當電路的拓撲結構已知，并在一定的電路激勵下知道一部分電路的響應，求電路的參數，他是近代電路理論中新興的第三個分支。但由于模擬電路中未發生故障的正常元件存在容差，其參數并不恰好等于額定值，而有一定的分散性，這給電路分析帶來一定的模糊性。而且模擬電路常含有非線性元件，他的性能不僅因本身故障而改變，而且其他元件故障引起他的工作點移動時，也將造成其性能變化。因此模擬電路故障診斷的理論還不是十分成熟。

模擬電路發生了故障，就不能達到設計時所規定的功能和指標，這種電路稱為故障電路。故障診斷就是要對電路進行一定的測試，從測試結果分析出故障。一般來講，模擬電路故障診斷的方法可以分為估計法，測試前模擬法和測試后模擬法三大類。本文將對其中的估計法展開討論。

估計法是一種近似法，這類方法一般只需較少的測量數據，采用一定的估計技術，估計出最可能發生故障的元件。這類方法又可分為確定法和概率法。確定法依據被測電路或系統的解析關系來判斷最可能的故障元件，概率法是依據統計學原理決定電路或系統中各元件發生故障的概率，從而判斷出最可能的故障元件。本文重點介紹確定法中的最小平方判據法。 最小平方判據法又分為結合判據法和迭代法。

1. 結合判據法：

設模擬電路含有m個不同的參數，對電路進行測量，得到m個不同的特性測量值，且m

如果電路中第I個元件發生故障，其參數為xi ，其余各元件的參數都為額定值，那么任意一個點的測試值都可以表示為xi 的函數：

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

其中，Xi 為參數矢量，其中除第i 個分量為xi 外其余各分量為參數的額定值。于是有 ：

j=1，2，3，…，m (1.1)

對每一個參數都引入一個物理量s，s為特性偏差的平方和，于是對于參數I有：

i= 1，2，3…，n (1.2)

當xi 變動時，s也隨之而改變。如果電路中只存在單故障，那么當xi等于故障參數的實際值時，特性值的測量值與計算值十分接近，特性偏差接近與零。此時表征特性偏差平方和的物理量si將最小。因此我們可以將si作為故障診斷的一種判據，我們將si的最小值定義為結合參數I的靈敏度因子。

如果電路中發生的單故障是偏離其額定值不大的軟故障，特性值yi的計算值可以展開成泰勒級數：

(1.3)

式中額定參數矢量X0=[x10，x20…，xn0]’;參數增量矢量 ， 為泰勒級數中大于一階的高階項，若電路中發生的是軟故障，此項可以忽略不計。 ∣xi=xi0 (i=1，2，3…n)，為特性j對特性I 的靈敏度。發生單故障時，只有 不等于零，所以

(1.4)

代入(1.2)式可得：

(1.5)

令 求得：

(1.6)

于是可以求出結合參數I的靈敏度因子

(1.7)

測試前可先根據電路的額定參數計算出各靈敏度aji及各特性值的計算值yj0，測試后可以得到各特性的測量值gj，由上式可以直接求出靈敏度因子，從而確定故障發生點。

由前面的討論我們可以總結出采用結合判據法進行故障診斷的具體步驟如下:

（1）先進行測試，從可及節點得到m個特性測量值。

（2）求得結合參數xi 的靈敏度因子，即si 的最小值，作為故障診斷的判據。

（3）在n個參數的靈敏度因子都求得之后，其中最小的靈敏度因子所對應的參數是最有可能發生了故障的參數。

結合判據法簡單易行，所需的測量數據少，但是由于各元件的參數都存在一定的容差，各特性在測量時也存在一定的誤差，這些都會影響判斷的真實性。另外，從前面的分析我們可以看出這種方法只適合于參數變化不大的單、軟故障的定位，而不適用于多故障的定位。

2. 迭代法

我們在最小判據法的基礎上進一步引申，找一個類似于靈敏度因子的判據，并計算使這個判據達到最小時的各個參數的值，即各個參數的實際值，然后與額定值進行比較，從而確定故障點，這樣就可以用于多故障的定位。這就是迭代法的基本思路。

與結合判據法不同的是，迭代法對所有的參數都共用一個判據。令

(2.1)

其中， 為特性測量值gj的方差。將yj=fj(X)在X0處按泰勒級數展開，如果 不大，可忽略高次項，得

(2.2)

代入式 (2.1)，得：

(2.3)

當s達到最小值時所對應的X＝X0+ 即為各參數的估計值，如果某些元件的參數估計值超過其容差范圍，則可能為故障元件。

式 (2.3)可以寫成：

(2.4)

其中：

如果要求s的最小值，只需對式(2.4)求導，并令倒數為零，可得：

(2.5)

我們采用迭代法求解，首先設X的初值為X0，在X0處計算P，A，PA，

然后再由式(2.5)計算出 ，由式(2.4)計算出s，完成一個迭代過程。然后令X的新值為 ，在X1處計算P，A，PA， 及s的值，如此循環下去，直到第k次滿足 時為止，此時對應的Xk就是所要求的參數估計值。

由此可以看出迭代法與我們前面所討論的結合判據相比，測量值數必須要大于或等于參數的個數，它考慮了測量誤差。另外，它能夠估計出各個元件的參數值，可以用于多故障診斷，但計算量大。

3. 總結：

本文主要介紹了模擬電路故障診斷方法中的估計法。這種方法只需要較少的測量數據，但診斷結果一般只是近似的。估計法中的大部分方法都適用于電路元件的故障定位，可用于診斷線性電路中的單個的軟故障。其中很多方法還可用于多故障診斷，例如文中介紹的迭代法。

估計法只是一種比較傳統的故障診斷方法，隨著人們對這一領域研究的不斷深入，已經出現了一些用于非線性模擬電路以及大規模網絡的故障診斷方法，例如分解網絡技術，人工智能技術等。故障診斷技術與計算機技術的結合也越來越密切，利用微型計算機和微處理器可使故障診斷更加快速可靠。

參考文獻：

篇3

關鍵詞:信息熵；測試排序；故障診斷策略；測試費用；診斷樹

中圖分類號: TP206 文獻標志碼: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

隨著科技的發展和各種新技術的應用，現代武器裝備系統日趨向高度集成化、自動化方向發展。為滿足系統運行的高可靠性、高保障性和可維修性要求，設備的系統級故障診斷策略優化［1］問題越來越引起人們的重視。故障診斷策略是指故障檢測和隔離時的測試順序［2］，故障診斷策略研究的目的是尋找最優故障診斷圖（樹），以最小代價唯一地隔離系統故障。最優故障診斷圖（樹）的生成涉及到測試點的選取、目標函數的確定、生成算法等多方面的問題。目前，常用的最優故障診斷圖（樹）的生成方法包括動態規劃（Dynamic Programming,DP）方法或AND/OR圖形搜索方法，其缺點是對于大系統來說計算量非常大［3］。文獻［4］通過故障樹的方法對測試點進行優化設計，可以減少測試節點，但效率不高且不能保證搜索路徑的唯一性。文獻［5］提出一種基于信息試探的診斷樹生成算法，可獲得具有最少測試費用的診斷樹。文獻［6］以故障診斷綜合信息熵為基礎，提出最少測試步驟和節約測試費用的診斷樹生成算法。在生成最少測試費用診斷樹時，文獻［5-6］以單位費用信息熵的大小作為測試點選擇標準，在許多情況下并不能生成最優的診斷樹。本文在充分考慮故障概率和測試費用的基礎上，以故障特征信息熵的大小作為測試點選擇標準，研究一種具有最少測試步驟和較少測試費用的診斷樹生成算法，以獲得最優或次優的診斷樹。

1 測試排序問題描述

傳統的測試排序問題可用一個五元組〈F,P,T,C,D〉來描述［7］：

1）F={f0, f1,…, fm}為假設被測系統只發生單故障條件下系統有限的故障狀態集， f0表示系統正常（無故障）的狀態， fi(i=1,2,…,m)表示只有第i個故障發生時的故障狀態；

2）P={P(f0),P(f1),…,P(fm)}為故障狀態概率分布矢量，P(fi)表示故障狀態為fi的概率，滿足0

3）T={t1,t2,…,tn}為系統可用的測試集，規定每個測試都是二值輸出，而且測試結果都是可靠的；

4）C={c1,c2,…,cn}為測試執行費用矢量，表示測試執行的時間、人力等的測度，規定測試費用為常量，即不依賴于測試順序；

5）D=［dij］為狀態―測試相關矩陣，反映單故障條件下測試與系統故障狀態的邏輯關系，其中當測試tj能檢測到故障狀態fi時dij=1，否則dij=0。

測試排序問題的目的就是要設法找到一個具有最低平均測試費用和最少平均測試步驟的測試序列，當系統發生故障時，用來確定在有限個可能的故障源中哪個發生了故障。

平均測試費用的計算公式為：

CD=∑mi=0p(fi)(∑|Pi|j=1cj)i（1）

其中:Pi表示用于隔離系統狀態fi的測試序列，|Pi|表示測試序列Pi的容量。

平均測試步驟的計算公式為：

ND=∑mi=0P(fi)ki（2）

其中ki表示用于隔離故障狀態fi的測試點個數。

當某個測試序列的平均測試費用和平均測試步驟都達到最少時，此測試序列就稱為最優測試序列。

2 相關性矩陣模型

假設初選的測試點集合T具有n個測試點T={t1,t2,…,tn}，被測系統的故障狀態集F包含了m+1個單點故障狀態F={f0, f1,…, fm}，系統各狀態對應的發生概率集合為P={P(f0),P(f1),…,P(fm)}，則考慮可靠性影響時的相關性矩陣D定義如下：

D=d01d02…d0nd11d12…d1ndm1dm2…dmn

矩陣中元素dij表示第j個測試點tj與第i個故障狀態fi的相關性，即：

dij=1, tj可以測到fi0, tj不能測到fi

顯然，首行元素d0j=0, j=1,2,…,n。

在建立相關性矩陣之后，應首先進行簡化，并同時識別未檢測故障、冗余測試點和故障隔離模糊組。相關性矩陣的簡化方法［8-9］如下。

1）比較相關矩陣D中各列，若有dik=dil(i=1,2,…,m且k≠l)，則對應的測試點tk和tl是互為冗余測試，只選用其中容易實現和測試費用少的一個，并在D中去掉未選用的測試點對應的列。

2）比較相關矩陣D中各行，若有daj=dbj(j=1,2,…,n且a≠b)，則對應的故障狀態是不可區分的，可作為一個故障隔離模糊組處理，并在D中合并這些相等的行為一行。合并后模糊組的故障概率等于構成模糊組的各個故障狀態概率之和。

5 結語

本文提出的基于故障特征信息熵的故障診斷策略優化方法綜合考慮了故障先驗概率和測試費用信息，算法簡單，速度較快，通用性強，適合于設備各級故障檢測和故障隔離。本文的算法只考慮了單一故障發生的情形，而且假設測試點與故障狀態之間是確定的關系，沒有考慮到測試點輸出的多值問題。如何解決復雜系統中多個故障同時發生和多值測試條件下的診斷策略生成問題還有待進一步研究。

參考文獻:

［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. 系統測試性設計分析與驗證［M］. 北京:北京航空航天大學出版社,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, 陳國通, 張宏偉. 故障診斷中的測試節點優選方法［J］. 軍械工程學院學報,2003,14(1):7-10.

［5］

景小寧, 李全通. 系統維修中的順序診斷策略［J］. 電光與控制,2008,29(4):87-91.

［6］

石君友, 田仲. 故障診斷策略的優化方法［J］. 航空學報,2003,24(3):212-215.

［7］

楊鵬, 邱靜, 劉冠軍. 測試不可靠條件下的診斷策略優化方法［J］. 儀器儀表學報,2008,29(4):850-854.

［8］

周玉良, 何廣軍, 吳建峰,等. 基于最大故障診斷信息量準則的測試點優選方法［J］. 彈箭與制導學報,2010,30(5):230-232.

［9］

毛東輝, 周越文, 陳子亮,等. 空空導彈測試點優化問題研究［J］. 彈箭與制導學報,2011,31(1):71-74.

篇4

關鍵詞：現代模擬電路；故障診斷；方法探討

模擬電路故障，就是在模擬電路運行過程中，因為電路中器件某個參數發生變化致使電路無法正常運行。模擬故障主要分為兩類：硬故障和軟故障。硬故障是在電路運行中出現的開路或短路等狀態。軟故障就是指電路的某個器件的參數發生變化致使電路運行不正常的故障。

1 模擬電路故障診斷中遇到的困難有哪些

⑴模擬電路出現的故障情況不盡相同，而且其本身參數（輸入激勵與輸出響應及網絡中各元件的參數等）是連續量，造成故障模型比較繁瑣，難以量化。⑵因為參數誤差、非線性、或環境造成的干擾等多項因素，使得電路工作特性發生偏移，導致輸入與輸出關系復雜，從而使得一些故障診斷方法失去了其準確性。⑶非線性問題在模擬電路中廣泛的存在，伴隨著電路規模的線性增大，使得計算量大大增加；現在在電路中存在著大量的反饋回路，而這也同樣增加了計算量，也是測試變得復雜了許多。⑷現在的電路元器件多是被封裝的，這樣就造成可測電壓的可及節點數會很少，從而使可用作故障診斷的信息量減少，致使故障定位中的不準確程度提高，使得判斷錯誤，造成嚴重后果。上述這些困難如果只用傳統的數學方法描述將會很難達到診斷效果。因為人工智能技術可以很好地模擬人類處理問題的過程，并且具有學習能力，還可以積累經驗，所以這門技術在現代模擬電路診斷中得到了廣泛的應用。下面將介紹以人工智能技術為基礎的一些診斷方法。

2 現代模擬電路故障診斷的方法

2.1 專家系統故障診斷方法

專家系統，就是指一個內部具有很多專家水平的某個領域的知識和經驗的智能計算機程序系統。專家系統可以依據某個領域中人類專家提供的知識和經驗進行推理、演算、判斷來模擬人類專家處理問題的過程，從而解決某些需要專家決定的復雜問題。通過觀察到的數據來判斷出現故障的原因就是診斷專家系統的任務。其基本的工作原理是：先把專家知識機器診斷經驗用規則表示出來，形成故障診斷專家系統的知識庫，再根據報警信息對知識庫進行推理，診斷出故障元件。

在模擬電路故障診斷中主要是應用基于產生式規則的專家系統，其得到廣泛應用的原因主要是由故障診斷和基于產生式規則的專家系統的特點所決定的。使用這種診斷方法的特點是：可以將故障與征兆之間的關系易于用直觀的，模塊化的規則表示出來，并且這種專家系統允許增加、刪除或修改一些規則，來確保診斷系統的實時性和有效性，還可以在一定程度上解決不確定性的問題和給出符合人類語言習慣的結論并具有相應的解釋能力等。

盡管專家系統能有效的模擬故障診斷專家并完成故障診斷的過程，不過在實際應用過程中仍存在一些缺陷，主要是知識獲取的瓶頸問題以及你能有效解決故障診斷中許多不確定因素，這些問題就影響了故障診斷的準確性。除此之外，專家系統在自適應能力、學習能力和實時性方面也存在著不同程度的局限。其解決方案是將其與具有信息處理特點的神經網絡和適合人類認識特征模糊理論相結合。

2.2 神經網絡故障診斷方法

人工神經網絡（ANN）是模擬人腦組織結構和人類認知過程的信息處理系統，具有并行分布處理、自適應、聯想記憶等優點。ANN技術解決故障診斷問題的主要步驟為：根據診斷問題組織學習樣本，根據問題和樣本構造神經網絡，選擇合適的學習算法和參數。利用ANN的學習、聯想記憶、分布式并行信息處理功能，可以解決診斷系統中不確定知識表示、獲取、和并行推理等問題。在上一方法中提到神經網絡可以彌補專家系統的一部分缺陷，但是ANN技術仍有不足之處。由于其自身不夠完備，學習速度慢、訓練時間長等原因，影響了它的實用化。為了可以將其更好的應用在模擬電路故障診斷中，許多學者把ANN與遺傳算法、專家系統及故障字典法等相結合，較好地解決了智能中小規模模擬電路故障診斷難題。若是想解決大規模的模擬電路故障診斷問題，還需學者們進行深一步的研究。

2.3 模糊故障診斷方法

模糊故障診斷方法是依據專家經驗在故障征兆空間與故障原因空間建立模糊關系矩陣，再講個條模糊推理規則產生的模糊關系矩陣進行組合，根據一定的判斷閾值來識別故障元件。其優點是：模糊理論可適應不確定性的問題；模糊知識庫使用語言變量來表述專家的經驗，更接近人的表達習慣；模糊理論能夠得到問題的多個可能的解決方案，并根據這些方案模糊度的高低進行優先程度排序等。由于隸屬度的獲取，復雜系統模糊模型的建立、辨識，語言規則的獲取、遺忘、修改等理論和方法還不夠完善，所以這種方法的應用就受到了很大的限制。若是將其與專家系統、ANN等相結合，則可有效地解決這些困難。除了上述這些診斷方法外，還有小波變換故障診斷方法、多傳感器信息融合故障診斷方法、基于Agent技術的故障診斷方法等。

人工智能技術在今后的工程中具有廣泛的應用前景，這種技術的應用將會使得模擬電路故障診斷的方法得到進一步發展，是診斷方法更加趨于完善，使其適用性更加廣泛，為實現復雜大規模模擬電路的故障診斷提供更有效且更實用的方法，其將會成為今后模擬電路故障診斷的主發展方向。

[參考文獻]

[1]張少剛，齊世平，等.現代模擬電路故障診斷新方法[J].信息與電子工程.2006，4（6）：476-480.

篇5

[關鍵詞]水中兵器 故障診斷 人工智能 專家系統

中圖分類號：D680 文獻標識碼：A 文章編號：1009-914X（2016）23-0045-01

0、引言

隨著新軍事革命的爆發以及軍事科技的迅猛發展，大量的高新技術武器裝備到部隊，在現代高新技術戰爭條件下，部隊不僅要有先進裝備，還要有快速反應能力，這樣就對武器裝備的維修提出了較高的要求。向維修保障要時間、要效益、要戰斗力，已成為世界各國軍方熱切關注的話題。對于大量列裝的先進復雜的武器裝備，如果不配備與武器裝備相適應的故障檢測與診斷系統，就不能夠及時地對設備進行維修和保養，那么對武器裝備實用有效性的潛在威脅是不言而喻的。故障診斷技術水平將直接影響到武器裝備維修的效率和效能，對于提高武器裝備的戰斗力，降低維修費用具用重要意義。故障診斷在武器裝備維修中的應用研究正是在這樣的背景下迅速發展起來的。

1、故障診斷技術的幾種方法

經過幾十年的發展，故障診斷技術先后出現了很多種方法。不同的系統可以采取不同的故障診斷方法，目前，故障診斷的方法基本上可以分為三類：基于模型的方法、基于數字信號處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應用在線性系統辨識技術來實時地為系統建立數學模型，當系統中存在故障時，系統的輸入輸出關系就會改變，這些變化就會反映在數學模型中，因而通過觀測系統數學模型的參數變化，便能判定系統是否存在故障。

基于模型的方法包括：基于數學模型的方法、基于故障過程模型的方法?；谀Ｐ偷姆椒梢猿浞掷孟到y的內容知識，有利于系統整體的故障診斷。其缺點是系統的建模誤差或外部干擾將對故障診斷結果產生重大的影響。

1.2 基于信號處理的方法

基于信號處理的方法是一種傳統的故障診斷技術。信號處理是故障診斷的前提和基礎，其有效程度直接影響故障診斷結果。當系統輸入輸出在正常范圍時，認為系統運行正常。當輸入正常，而輸出超過正常范圍時，則認為故障發生或將要發生。它基于系統的輸入、輸出特性在幅值、相位、頻率、相關性上與故障源存在聯系，通過對系統信號進行分析與處理，便可判斷故障源位置。

1.3 基于人工智能的方法

基于人工智能的診斷方法是近年來興起的一種故障診斷方法。由于實際過程的流程越來越復雜，建立精確的數學模型也越來越難，而利用人工智能方法在復雜系統的診斷方面有一定的優勢。伴隨著計算機技術、現代測試技術和信號處理技術的迅速發展，設備故障診斷技術取得了很大的進展，帶動了人工智能技術的進步，知識工程、專家系統和人工神經網絡在診斷領域中得到廣泛應用，人們對智能診斷問題的研究也更加深入、系統。

2、故障診斷技術在水中兵器故障診斷中的應用意義

故障診斷技術的出現，為保證水中兵器先進性能提供了技術支持和保障。故障診斷技術能及早發現水中兵器的潛在故障，防患于未然，確保各項訓練和作戰任務的圓滿完成，進而取得戰爭的主動權，乃至贏得戰爭的勝利，還可以提高水中兵器裝備的運行管理水平和維修效能，節省維修費用?？梢?，故障診斷技術是維修與保障工作的前提和基礎，是實施正確、及時、可靠維修與保障的先決條件?？茖W技術的發展及其在軍事領域中的廣泛應用，深刻改變了戰爭的全貌，促使現代戰爭呈現出許多新的特點。戰場變化的急劇性，戰爭時空的整體性以及作戰手段的多樣性，對以故障診斷技術為核心的維修與保障工作提出了更高要求，依賴程度也越來越大，從一定意義上來講，故障診斷技術已成為一種提高部隊戰斗力的關鍵技術，其水平的高低將直接影響到水中兵器裝備維修與保障工作的效率和效能，在整個水中兵器裝備生產和使用中起著至關重要的作用。

3、非線性故障診斷技術在水中兵器裝備故障診斷中的應用前景

眾所周知，任何系統和設備都或多或少地具有非線性特性，線性系統都是理想化的，水中兵器裝備的高精度化、多功能化、大型化和自動化更是具有大量的非線性特性。因此，只有運用非線性的方法和手段才能對實際系統和武器裝備進行精確的描述。盡管在某些場合，對非線性系統線性化后可以代替真實系統，但在另一些場合線性化的結果卻不理想，失去了系統最本質的特征和本來面目，不能準確地描述原系統，因此對非線性理論的研究仍很重要和不可缺少。

非線性故障診斷方法按傳統方式通?？梢苑譃椋夯诮馕瞿Ｐ偷姆椒?、基于信號處理的方法和基于知識的方法三大類。

基于解析模型的方法：給系統設計檢測濾波器，然后將濾波器的輸出與真實系統的輸出比較，產生殘差，將殘差進行分析、處理，以實現對系統的故障診斷，這種方法需要準確的被控對象數學模型。它主要包括參數估計方法和狀態估計診斷法，相比之下，參數估計方法比狀態估計方法更適合非線性系統，因為狀態估計方法不利于故障的分離。

基于信號處理的方法回避了抽取對象數學模型的難點，直接利用信號模型，如相關函數、高階統計量（高階譜）、頻譜和自回歸滑動平均過程、小波分析技術、混沌和分形理論進行故障分析。這種方法通用，對于線性系統和非線性系統沒有本質的區別。但是，避開對象數學模型既是這種方法的優點也是它的缺點，它一般只用于故障檢測。

基于知識的方法特點介于前二者之間。它引入了對象的許多重要信息，但又不苛求于系統的定量數學模型，因而克服了前兩種方法的缺點，成為一種很有前途的方法，尤其是在非線性系統領域。一般情況下，不如基于信號處理的方法簡單，其精度也不如基于解析模型的方法?；谥R的方法可以分為基于癥狀的方法和基于定性模型的方法?；诎Y狀的方法包括專家系統方法、模糊推理方法、模式識別方法和神經網絡方法等;基于定性模型的方法包括定性觀測器、定性仿真和知識觀測器等方法。由于神經網絡具有自學習和能擬合任意連續非線性函數，以及并行計算的能力，使得它在處理非線性問題和在線估計方面有著很強的優勢。另外，模糊推理，定性觀測器等善于處理不確定、不準確的知識，符合人的自然推理過程，容易引入經驗知識，與神經網絡結合，有著巨大的應用前景。

4、專家系統在故障診斷中的應用

在很多領域，故障機理的研究還處于很淺的階段，而在武器設備運行中可供監測的信號往往不是很豐富，因此實際過程中往往依靠現場操作人員的豐富經驗來解決，而這種經驗除了學習豐富的理論知識外還必須經過長時間的工程實際才能夠得到。因此，如何積累專家的寶貴智慧并達到縮短知識傳承和專家養成時間，就目前日益提高的人力成本而言，成為一個非常重要的課題。

專家系統依據專家處理問題的方式構建，具有保存知識和積累相關經驗來提供解決問題參考的功能，可以疏解專家缺乏和取代部分專家的功能。因此在故障診斷領域，專家系統具有很大的發展空間。近幾年來基于專家系統的故障診斷系統不斷被開發出來，用來解決各種不同領域的問題。但是，傳統的專家系統在處理實際問題時往往會出現各種的問題，例如：（l）知識獲取的“瓶頸效應”。（2）知識組合爆炸。（3）性能的“窄臺階效應”。（4）推理危機。（5）理論發展緩慢。

5、結束語

近年來，用于水中兵器的故障診斷技術取得了一定的進步和成果，在改善和提高裝備維修和保障水平、充分發揮裝備保障效能等方面取得了一定的成就，呈現出嶄新的局面，并取得了一定的軍事和經濟效益，有力推動了水中兵器裝備的現代化發展。但應清醒的認識到，與世界發達國家相比，我們在故障診斷技術的理論研究和實踐應用上還存在很大的差距，武器裝備的維修與保障還缺乏科學性和準確性，而且時效性差，傳統的故障診斷技術對于現代化的武器裝備的維修與保障已表現出了極大的局限性。因此，研究和采用非線性故障診斷技術是水中兵器裝備維修當前和今后的一個發展趨勢。

參考文獻

篇6

關鍵詞：泵站機電設備；故障診斷；方法

前言

泵站機電設備在運行過程中經常會受到外部環境的干擾出現運行失?，F象，具有規律性的理論發展內容不僅可以提高設備故障診斷的效率，還能有效解決故障問題。目前，我國機電灌裝機的總動力已超過九千萬千瓦，泵站數量多達45萬個，所以有關泵站機電設備的改造與技術革新問題已成為我國廣大工程研究人員討論的重要問題。

1 泵站機電設備的故障分析

1.1 常見故障原因分析

泵站中的機電設備在長期、高強度運行下都會產生運行故障，其故障出現的原因也各種各樣，常見的問題有以下幾點：

1.1.1 原件運行失常。原件是維持設備正常運行的基礎元件，設備在運行過程中會逐漸老化，其結構零件會相繼出現松動、脫落等問題，零件咬合不緊密會大大削弱設備的穩定性。

1.1.2 管線老化。設備通常由多個接線連接，當管線因外部環境變化或老化出現變質現象時，其設備也會出現相應的漏電影響，導致設備各部件結構無法完成生產任務。

1.1.3 失調故障。在復雜運行環境下設備要想實現協調運行必須具備良好的協調能量，部件間隙、油路堵塞、設備漏電、漏水、短路等問題都會引起設備無法在平衡環境下運行。在失調環境下運行，雖然設備可以保證一部分運行功能，但是仍無法達到最好的運行狀態。

1.2 特殊故障原因分析

1.2.1 濕度原因。因為泵站的通風條件不好，且設備運行環境濕度很大，在這種環境下運行設備經常會出現短路現象，短路引起的電流急增，會在瞬間擊穿電線，造成設備的接地故障。

1.2.2 粉塵原因。在正常運行環境下，設備電機與轉子之間會保留一定的運行空間，空氣中漂浮的粉塵會阻塞電機通風通路，使設備運行失常，電機與轉子之間的摩擦損耗不僅會消耗設備一部分動能，還會導致設備電機工作失常。

2 泵站機電設備故障簡述

2.1 故障診斷原理分析

為合理的安排檢修及泵站的安全運行提供依據，降低檢修工作任務，節約人力資源，泵站應用的機電設備大多為固定的模式化運營結構，在故障識別上具有高度的理論基礎，所以當設備與某參量出現運行失常時，其設備運行狀態會第一時間通過數據認證的方式傳輸給管理人員。故障診斷不僅體現在設備運行數據上，也可以表現在各設備原件能量損耗方面，當設備各關聯性結構運行狀態不穩定時，設備會自動跳轉運行狀態。

2.2 設備故障特性分析

2.2.1 潛在性。機電設備原件磨損不僅會改變零件結構，還會使各部分原件的運行狀態失常，所以由元件磨損引起的故障其潛伏時間較長，如果加強養護，定期更新設備磨損嚴重的設備零件，則可以有效避免故障的發生。

2.2.2 不確定性。設備運行過程中各參數變化不僅會遵循發散性，還具有一定的隨機性，不同故障源引起的故障不同，所以其表現形式也存在明顯的差異性。

3 泵站機電設備故障診斷方法研究

3.1故障信息搜集

3.1.1 現場調查。當泵站內機電設備出現運行故障時，維修人員應第一時間趕到現場，并將設備發生故障的時間、運行狀態、故障發生順序等重要信息進行采集，同時還要確保在搜集過程中必須保證數據的及時性、真實性與有效性。

3.1.2 性能測試。泵站內不同機電設備的性能不同，所以維修人員可以根據設備的輸出變量確定故障源的大置，之后再根據設備運行的失常狀態，測量設備涉及到的功能性數據。通常情況下，維修人員會從電流、壓力、功率、效率、質量等幾方面測定設備的性能。

3.2 故障診斷

3.2.1 溫度診斷。泵站機電設備運行環境中影響其運行狀態最大的是溫度，溫度診斷主要是通過檢測設備運行溫度，運行環境溫度探討機電設備最佳運行溫度。當溫度出現異常時，設備的溫度檢測系統會自動發出報警信號，工程監察人員一旦在信息系統中發現該信號，則應立即根據其工作屬性判斷是否停止運行設備。之后，監察人員還應及時趕到事故現場，用特制的溫度檢測儀器，記錄設備各元件的運行溫度，對設備故障進行溫度性的直觀判斷。

3.2.2 鐵譜監測。鐵譜檢測原理是通過查看各設備原件運行的程度檢查設備的運行狀態，油不僅可以增加設備零件之間的關聯性，還能使設備在高強度磁場、高梯度的設備結構中保持良好的運行狀態。鐵譜監測是讓設備在磁場中運行，磁場會將鐵屑從油中提取出來，根據各零件結構提取出來的鐵屑密度，制成光譜片，光譜片可以如實反映設備結構中零件的磨損情況。

3.2.2 振動監測。泵站機電設備在運行過程中經常會出現振動失?，F象，其主要原因在于設備動力傳送帶動能損耗量過大，振動檢測方法可以從簡單或復雜兩方面研究并診斷設備出現運行故障時的問題源。簡單診斷方法是通過振動頻率放大器增加傳感器的振動信號，之后再通過測量振動的峰值數對機械振動情況進行系統分析，通過了解設備的振動頻率，檢測人員可以清晰的掌握設備動能的轉化情況。復雜診斷方法是通過定期檢查設備的動能完成的，設備的動能傳輸結構在穩定的運行環境下會呈現周期性的變化，將在線設備的運行信號或振動情況記錄在數據處理系統中，系統會根據顯示出來的數據進行檢波測驗，測量數據會被直接傳輸到監測系統的控制器中，經過中央處理器分析，檢測人員可以精準的找出設備出現故障的部位和出現故障現象的原因。

4 結束語

通過上文對泵站機電設備的故障診斷內容進行系統分析可知，機電設備在長期復雜的環境下工作，其運行情況會具有明顯的不穩定性、不安全性和不可靠性。所以要想提高機電設備的運行質量和安全性能，必須嚴格控制設備中各組成零件的運行狀態，采用切實有效的故障診斷方法，運用科學的處理方式和維修技術穩定設備的功能性。一般情況下，如果設備出現突發性的故障問題，檢修人員應運用效率高、檢測結果明顯的診斷方法研究設備出現故障的原因。同時，設備出現故障也是一個漸進的過程，所以泵站的工作人員必須定期對設備的運行情況和各結構零件進行功能性檢測，盡可能的避免突發性的故障。

參考文獻

[1]白海瑞，陳堅，楊群.基于灰色理論的泵站機電設備故障診斷方法初探[Z].

[2].2009全國大型泵站更新改造研討暨新技術、新產品交流大會論文集，2013，15（23）：129-134.

[3]陳堅，李娟，婁紅燕.灰色理論在泵站機電設備故障診斷中的應用[J].武漢大學學報（工學版），2011，15（26）：198-201.

[4]王然風.基于支撐向量回歸技術的大型復雜機電設備故障診斷研究與應用[J].太原理工大學學報（社會科學版），2014，15（2）：113-125.

[5]高寶璐.大型復雜機電設備分布式故障診斷方法研究[J].湖北三峽職業技術學院學報，2013，15（26）：110-124.

[6]年偉國.機電設備故障診斷技術發展探析[J].中小企業管理與科技（下旬刊），2011，15（25）：129-134.

篇7

關鍵詞：挖掘機; 液壓系統; 系統故障;診斷方法

中圖分類號：TU621文獻標識碼： A

一、液壓系統故障診斷研究方法

1、故障診斷技術概述

在工業生產和工程施工過程中，隨著控制系統逐步趨向大型化和復雜化，系統中有大量的變量和回路需要監控，故障發生的可能性也隨之增加。提高系統可靠性與安全性采取的主要方法有提高元器件的可靠性，進行高可靠性設計以及對系統進行容錯設計。但是無論多么先進的設備，多么完美的設計和巧妙的控制策略，絕對的可靠是無法實現的。從可靠性觀點看，“有故障”是絕對的，問題在于故障是怎樣造成的，如何盡早地檢測和發現潛在的故障，然后控制和排除故障，從而降低故障可能造成的嚴重后果，所以，故障診斷技術已成為提高系統可靠性必不可少的工具。

故障診斷技術是一門綜合性技術，它的研究涉及到多個學科，包括現代控制理論、可靠性理論、數理統計、模糊集理論、信號處理、模式識別、人工智能等學科理論。

作為挖掘機的核心，液壓系統的故障是最常見也是最難以診斷的，如果不能有效地排除系統故障，將嚴重的影響施工進度，降低生產效率，造成施工方的經濟損失。通過拆卸檢查元件內部故障，容易帶來新的污染物進入液壓系統。

由以上可知，造成挖掘機液壓系統故障的這些外部或內部因素是客觀存在的，也是不可避免的。一般來講，挖掘機液壓系統的故障會分為三個漸變的階段:故障的早期階段，挖掘機的工作狀態雖然有所下降，但是依然能夠正常工作;故障的中期階段，故障對于挖掘機工作狀態開始有明顯的影響;故障的后期階段，液壓系統內的液壓元件發生破壞，導致挖掘機完全不能工作。由此可見，挖掘機液壓系統的故障檢測或故障診斷，關鍵的問題是通過有效的分析手段在早期就可以判斷故障的發生，從而及時地對液壓系統進行維護和保養。一旦故障進入中后期，即便發現故障，液壓元件的損壞也是不可避免的。所以，挖掘機液壓系統故障診斷的研究對于提高挖掘機可靠性，以及提高挖掘機施工效率都具有重要的意義。

二、液壓系統故障模式與故障機理分析

1、液壓系統故障模式分析

挖掘機的液壓系統是一個結構復雜的大系統，系統內部各子回路相互干涉，故障形式多樣，導致液壓系統故障診斷困難。為了加快故障分析，提高故障診斷的有效性，需要找到一種系統的故障分析方法，故障模式通常被作為故障診斷中重要的一環。本文所指的故障模式主要針對挖掘機液壓系統中的模塊化液壓元件，比如液壓泵、多路閥、液壓桿等，因為它們既是構成挖掘機液壓系統的關鍵元件，也是發生故障最高的元件，因此研究這些關鍵液壓元件的故障是挖掘機液壓系統故障診的主要工作，具有重要的實用價值。圖1列出了液壓系統中關鍵液壓元件的常見故障模式。

2.液壓系統故障機理分析

故障模式體現的主要是故障發生的部位和現象，并不反映造成故障的本質原因，而故障機理才是造成液壓系統故障的實質性原因。故障機理主要是指引起元部件故障的物理、化學等內在性的因。故障機理是針對所有的液壓元件，即故障機理是統一的，但是，由于功能和結構的不同，產生故障的原因既具有相似性，也具有差異性。液壓系統主要故障機理主要包括:

2.1.磨損

磨損是固體摩擦表面上物質不斷損耗的過程，表現為物體尺寸和形狀的改變。磨損是漸進的損耗過程，但也可能導致斷裂的后果。根據磨損形成的原理，磨損可分為機械磨損和機械化學磨損。磨損是否構成失效，主要看磨損是否已危及該元件的工作能力。磨損失效的基本類型有:粘著磨損、磨粒磨損、表面疲勞磨損、沖蝕磨損、腐蝕磨損等五種基本類型。其中粘著磨損、表面疲勞磨損和磨粒磨損是液壓系統中最常見的磨損方式。液壓元件中，磨損是造成故障的最主要原因之一，這是因為在液壓泵、馬達等液壓元件中，存在著很多很多重載而又高速滑動的摩擦副，比如，柱塞泵的柱塞與缸體屬于精密配合。

2.2.疲勞

結構的構件或機械、儀表的零部件在交變應力作用下發生的失效，稱為疲勞失效，簡稱為疲勞。統計結果表明，在各種機械的斷裂事故中，大約有80%以上是由于疲勞失效引起的。因此，對于承受交變應力的設備，疲勞分析在設計中占有重要的地位。

2.3.密封件老化

密封件大都屬于高分子材料，從其本質上講，高分子材料的老化可以分為化學老化和物理老化兩大類?；瘜W老化是一種不可逆的化學反應。它是高分子材料分子結構變化的結果;物理老化是指處于非平衡態的不穩定結構下存放過程中會逐漸趨向穩定的平衡態，從而引起材料物理變化的現象。物理老化是液壓系統密封件的主要老化方式，物理老化的結果使材料的自由體積減少，密度增加，模量和抗拉強度增加，斷裂伸長及沖擊強度下降，材料由塑性轉變為脆性，從而導致材料在低應力水平下的破壞。

2.4.液壓油污染

在液壓系統中，液壓油不僅起動力傳遞作用，也起、冷卻作用。如果說液壓泵是整個液壓系統的心臟的話，那么液壓油就是整個液壓系統的血液，它不僅影響液壓系統的工作性能和液壓元件曲使用壽命，而且直接關系到液壓系統能否正常工作。液壓油污染物主要包括固體污染物、液體污染物、氣體污染物。固體污染除了外界的灰塵，主要來自元件磨損所產生的顆粒;液體污染物主要包括水分和清洗液體;氣體污染物則主要是混入的空氣。嚴重的液壓油污染可導致系統無法正常工作，比如固體污染物將比例換向閥的閥芯卡死，導致閥芯無法換向。液壓油污染所造成的故障是系統性的，所有的液壓元件都會受到影響，而且，液壓油的污染會加劇液壓元件的磨損;疲勞，降低系統的效率。

三、挖掘機液壓系統故障診斷研究策略

1.合理選擇信號變量

對于一個系統進行有效的故障診斷，獲取系統的輸入或輸出的信號變量數據是必不可少的，因為只有從信號變量中提取可用的故障信息才能保證準確的故障診斷結果。在一些大型的系統當中，由于高可靠性的要求，一般都會安裝幾十個甚至上百個傳感器，采集系統各個部位所產生信號的變化。對于液壓系統，壓力和流量的信號當中往往都蘊含了豐富的故障信息，如何能夠合理的使用這些變量中的信息，準確地跟蹤挖掘機液壓系統模型的變動是本文故障診斷研究方法的關鍵問題之一。

2.非常規故障建模方法

通常的系統建模方法如解析法、功率鍵圖法、傳遞函數法等等，只要方程的系數確定了，模型便確定了，這通常被稱為常規建模方法。對于挖掘機液壓系統，由于元件的性能參數以及元件之間響應特性的較大差別，常規建模方法具有很大的困難。非常規建模是一種將理論分析和試驗辨識相結合的一種建模方法。這種方法充分利用有關液壓系統和元件的己知信息和現有參數，利用較少的實驗數據便能建立液壓系統的動態模型。.

3.故障特征提取方法

故障特征也被稱為故障征兆，常見包括數值型特征、語義性特征、圖形特征等等。對于故障特征的提取，并沒有一個系統化的方法，需要結合研究特定系統的特性和結構。一般來講，各種類型特征可能直接來源于系統的信號變量信息，尤其是數值型特征。對于某些線性系統，數值特征變化可以直接反映故障的發生，可以使用線性的故障特征提取方方法。

結語：

展開挖掘機液壓系統的故障診斷研究對于提高挖掘機的可靠性、施工效率以及維護管理水平和應用水平具有重要意義。挖掘機是結構最為典型的工程機械，其液壓系統的結構與其它工程機械具有很多的相似性，應用在挖掘機液壓系統上故障診斷方法完全可以應用到其他工程機械上，這為本文研究的故障診斷方法提供了更為廣闊的應用前景。

參考文獻：

[1]常綠，王國強，韓云武.液壓挖掘機自動控制系統的設計和實現.農業工程學報，2007 23(6): 140-144.

篇8

【關鍵詞】電氣設備；故障診斷；方法實踐

【 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

中圖分類號：F407.6文獻標識碼：A 文章編號：

不可置否，提高電氣設備的運行率，保證電氣設備處于良好狀態，是電氣設備管理人員的基本職責之一。但電氣設備的故障不可避免、多種多樣，因此故障狀態下的管理是相當復雜的。一般來說，電氣設備在運行中會產生各種反映運行狀態的信號，一旦出現異常情況，就會有相應的信號出現。因此，電氣設備管理人員應該在掌握設備運行原理的基礎上，熟練掌握信號反饋信息的意思，并以此來迅速判斷、排除故障。因電氣設備故障而引發的事故屢見不鮮、損失慘重，我們也應加強對診斷故障、排除故障的重視程度。

一、電氣設備的故障診斷與檢修要訣

先詢問再下手

電氣設備出現故障后，維修人員應首先向相關人員詳細了解故障發生的時間、癥狀。在確保自己已了解該故障設備的結構、線路等必備知識后再結合實際制定相應的維修方案，對故障設備進行維修。

先清潔，再維修

對外觀看上去就較臟、感覺污染較重的電氣設備，其許多故障往往都是由于臟污和導電塵塊所導致的，一般來說，經過清潔就可以解除故障，所以我們在面對這種情況時應不急于維修，而是先進行清潔，再檢查其按鈕、外部控制鍵等是否失靈、故障。

先查外部，后查內部

應先檢查設備外部，盡可能的排除外部故障后仍未恢復正常運行的，再對設備內部進行檢修。此時應注意在拆卸時將零部件按固定順序排放，防止回裝出現問題。切忌盲目拆卸。

先查電源，再查設備部件

對電氣設備而言，電源發生故障的可能性較設備部件要高。因此，應先對電源是否故障進行排查，看其是否正常。確保電源正常后，再對設備部件進行檢測。

先查機械，后查電氣

在故障排查過程中，我們應該在確定機械零部件沒有發生任何故障后，再進行電氣方面的檢查。對電路故障進行檢測的，應利用檢測儀找尋故障位置，看其是否接觸不良，若接觸良好而運行仍故障的話，再有針對性地查看機械和線路之間的運作關系，找出故障原因。

先查直流靜態，再查交流動態

在檢修中，我們應先進行直流回路的檢查，再進行交流回路的檢查。其次，在未通電時，我們可以通過查看設備按鈕、接觸器以及保險絲等是否完好來判斷故障位置；而通電時可利用測量參數、辨聽聲音等判斷故障。

先普遍后特殊

因配件、零部件質量或其他設備的問題而引起的故障比較常見，所以，在故障發生后，我們應先進行這些部位、問題的檢測，若仍不能恢復正常運行的，才進行其他的故障排查工作。但電氣設備的特殊故障一般都是軟故障，要憑借儀器儀表以及技術人員的經驗來操作。

先故障后調試

面對調試和故障兩者并存的電氣設備時，我們應首先排除設備故障，再進行設備的調試，并且必須保證調試在電氣線路正常的前提下進行。

二、可行的電氣設備故障診斷與檢修方法

直觀檢查法

首先，可以通過與設備使用人員和用戶的詳細詢問、溝通來了解故障發生的相關情況，為后續工作奠定基礎；其次，通過觀察來進行診斷，比如仔細查看設備的外觀有無異常、電路是否出現短路等異常、接線是否正確、儀表計量指示和信號反映如何，還可以仔細聆聽設備運行的聲響是否異常、注意電氣設備運行有無散發異味等等；再次，可根據手感覺到的溫度和振動幅度來判斷故障，一般來說，如果局部出現短路或機械摩擦現象，則可能感覺到局部過熱，如果整體過熱，則考慮設備過載的問題，如果設備振動幅度過大，則考慮設備的平衡出現問題。

儀器檢測法

作為一種診斷故障的必要輔助手段，儀器檢測法是指用儀表、儀器等對電氣設備進行檢查，對相關直流、電源電壓以及脈沖信號等進行測量，從中尋找可能存在的故障，以輔助技術人員診斷故障。在實踐中，常用的儀表有萬用表、兆歐表、鉗型電流表等。

分區法

就是指對電氣設備上相聯接的有關部分進行分區，達到逐步縮小可疑范圍、盡早發現故障部位和故障原因。

（四）更換零件法

作詳細檢查往往比較麻煩、費時，可先適用簡便易行的更換法，對容易拆裝的并有懷疑的零部件（如晶體管、插件、可控硅等）用確定完好的零部件進行替換，若更換后設備恢復正常，則可知故障就出在該處，及時解除了故障；如仍不能恢復正常，則應該繼續尋找其他可能發生故障的原因。

（五）對比法

即將故障設備的運行狀況、有關參數和正常運行的設備進行對比，通過比對的結果來找尋可能的故障原因，并對癥下藥，最終解決故障、保證設備的正常運行。比如參照正常零部件的工作性能進行故障設備的診斷，然后進行維修、調整或更換。但實踐中某些設備的有關參數從技術資料中往往難以查找，有些零部件的性能參數好壞也難以進行現場判斷。

（六）建立專家系統

即將專家的專業知識、經驗知識存入電子計算機，在故障后，技術人員輸入故障設備的相關信息，然后利用計算機的推理作出故障判斷。

總之，電氣設備的故障檢查和維修工作，不僅需要技術人員具備較高的專業知識和專業技能，還需要技術人員不斷的學習、總結經驗，也只有這樣，在面對故障時，技術人員才能夠靈活選擇電氣設備故障診斷和檢修方法，在第一時間找到故障部位和故障原因，以至于從容不迫地應對、解決各種故障，維護電氣設備的良好運行。

參考文獻：

[1]談克雄.恒.電氣設備故障診斷方法[J].中國設備管理.1996.(2);

[2]楊炎升.電器設備故障與環境影響[J].中國科技信息.2006.(24);

篇9

摘 要：汽車故障的維修與診斷不僅需要維修人員的維修技術過關，還需要冷靜的頭腦。很多維修人員在判斷故障時失誤并不是因為技術問題，而是因為沒有冷靜的思考，過于急躁，沒有找到一個好的解決辦法。只要頭腦冷靜，遵循一定的診斷程序作業就一定可以找到故障源。本文重點對汽車維修診斷時的思路方法進行了探討。

關鍵詞：汽車故障診斷；思路與方法

汽車行業作為重要的行業不僅促進我國經濟的發展，也為人們的生活帶來諸多便利，成為人們生活中不可缺少的一部分。因此，汽車維修也成為當前重要的工作行業，汽車故障診斷思路和方法直接決定汽車維修的效果，正確的思路和方法能夠保證維修質量，反之，則會嚴重影響汽車的使用壽命。因此，需要深刻研究汽車故障診斷修理的思路和方法。

一、汽車故障診斷時要注意的問題

1.查找合適的維修信息

當汽車發生故障時，應運用科學的手段進行維修，不能盲目的推測。首先，必須有汽車的結構圖和電路圖，合適的檢查程序可以更快的找的故障原因，從而節省時間。制造商提供的維修手冊或者電子數據系統中載有維修程序信息，可幫助你更準確的找到故障原因。如果實在找不到制造商提供的原廠說明書，可以使用同類產品的使用說明書，但不提倡此種方法，因為兩種數據是有差異的，極有可能導致判斷失誤。在迫不得已使用的情況下，要注意兩者之間數據的差異。

2.積極的查找故障

當故障出F時應積極的應對處理，馬上進行檢查。還應及時學習最新的維修知識，及時更新知識，有時候汽車的間歇性故障是不容易診斷的，除非在檢查汽車時故障剛好出現。所以說，在我們檢查汽車的同時故障不出現，我們就無法診斷。對于這種情況，我們最好的辦法就是的那個故障發生時去現場診斷，并建議顧客不要再一次啟發動機，耗費比較大，還容易引發更大的故障。唯一的方法就是維修人員及時的到現場進行診斷與維護，幫助顧客解除故障。

在汽車檢修中，如果計算機裝有可拆卸的“可編程只讀存儲器”，那么必須擁有最新的“可編程只讀存儲器”刷新的信息。假如不具備這類知識，而汽車制造商卻推薦更換“可編程只讀存儲器”來修正一項特別的駕駛性能，那么將在檢查、診斷上浪費時間和精力以及增加成本。

還有要注意的常識是，發動機的機械故障也能產生診斷故障代碼，因此診斷故障代碼并不一定是發動機計算機系統某一元件的故障。例如，如果由于排氣閥燒壞而使汽缸壓縮性變差，而診斷故障代碼顯示的是氧傳感器提供的缺氧信號。事實上，大量的油氣混合氣在汽缸內未燃燒，氧傳感器能感應到排氣氣流中附加的氧氣，這時必須盡快確定到底是傳感器故障導致缺氧故障還是有機械上的原因。

二、正確判斷故障根據故障性質進行維修

1.按工作狀態可分為間歇性故障和永久性故障

間歇性故障就是有時候發生有時候不發生的故障，在汽車檢查時也不一定可以查得到，永久性故障就是除人工維修外不會消失的故障。在汽車的診斷過程中一定要注意這種，這種故障不易被發現，如一直未發現可能會造成更嚴重的故障，為汽車與駕駛人員的安全埋下隱患。

2.按故障程度可分為局部功能故障和整體功能故障

如果汽車其他部分完好，只有其中一種功能故障就是指局部故障。反之，如果汽車一部分出現故障使整個汽車功能不能實現就是指整體功能故障。當汽車出現局部故障是一定要重點排查，確定故障源并維修，不能因不影響整體使用而大意。積極主動的維修并診斷，防止局部性故障發展為更嚴重的故障，為行駛安全打下堅實的基礎。

3.按故障形成速度分，有急劇性故障和漸變性故障

急劇性故障是指故障發生后不停車修理就不能繼續運行的故障，工作狀況急劇惡化。漸變性故障是指故障發生后還可以繼續行駛。還有一種故障稱之為突發性故障，這種故障發生后非常危險，嚴重會危及駕駛員和車輛安全，這種故障發生時往往沒有任何預兆突然發生，與急劇性故障相似。

4.按故障產生的后果分，有危險性故障和非危險性故障

危險性故障是汽車檢查與維修的重點，因為危險性故障常常會危及到駕駛員和車輛的安全且突然發生，突發性故障和急劇性故障都屬于危險性故障。漸變性故障屬于非危險性故障，故障發生時一般是有預兆的，且發生后是可以修復的。所以危險性故障是汽車故障排查中的重中之重，防止汽車在行駛過程中發生安全問題。

三、汽車診斷時要注意問題

1.要有詳細的汽車診斷參數

診斷參數是指描述系統、零件、過程的狀態參數。在診斷過程中應從技術上和經濟上綜合分析確定，選擇一個合適的狀態參數作為診斷參數，這樣才能更快更準確的找到并解決故障。

2.合理使用汽車診斷方法

在故障發生時，一定不要慌張，應運用科學的方法進行診斷測試，來判斷故障，不能盲目的根據推測來診斷。

汽車在工作過程中，各種零件和總體都處于裝配狀態，無法對其零件進行直接測試。例如汽缸的磨損量、曲軸軸承的間隙等，在發動機不解體的情況下是無法測量的。因此，對汽車進行診斷都是采用間接測量，如通過振動、噪聲、溫度等物理量的測量來間接診斷汽車的技術狀況。采用間接測量方法進行判斷，必然會帶來一些“不準確性”。例如發動機工作時，曲軸主軸承的工作狀態可分為正常狀態和不正常狀態兩種情況，如果采用機油溫度作為判斷軸承工作狀態的特征，并將油溫分為“正?！薄斑^高”兩種情況，則可能會產生誤判。因為機油溫度過高，固然可能是軸承運轉失常所致，但也可能是其他原因（如機油黏度不合適、機油量不足、機油散熱器不良等）造成機油溫度上升。

“故障樹”分析法，是根據汽車的工作特征和技術狀況之間的邏輯關系構成的樹枝狀圖形，來對故障的發生原因進行定性分析，并用邏輯代數運算對故障出現的條件和概率進行定量估計。這是一種可靠性分析技術，普遍應用于汽車等復雜動態系統的分析中。樹枝圖分析法用于汽車診斷，不僅可以分析由單一缺欠導致的系統故障，而且還可以分析兩個以上的零件同時發生故障引發的系統故障，還能分析系統組成中硬件以外的其它成分，例如可以考慮汽車維修質量或人員因素的影響。

汽車故障的發生帶有隨機性，屬于偶然性事件。如若建立樹枝圖，并用來分析故障，有助于弄清楚故障發生的機理，除可進行定性分析外，還可以根據樹枝圖中影響故障發生因素的出現概率，定量預測故障發生的可能性，即故障發生的概率。

四、結語

我國經濟水平的不斷提高為我國國民的生活帶來諸多便利，汽車作為重要的交通工具已經走進千家萬戶，大大提高了人們的生活質量。汽車維修作為保證汽車運行和使用的重要因素，需要予以充分的重視。我國的汽車維修過程中存在諸多問題，這些問題嚴重影響汽車維修質量，筆者針對這些問題展開詳細討論，探討汽車維修需要注意的問題，正確判斷故障準確維修，希望能夠為從事汽車維修的相關人員提供參考。

參考文獻：

篇10

關鍵詞：礦井提升機 遠程監測 故障診斷

中圖分類號：TD534 文獻標識碼：A 文章編號：1003-9082（2016）01-0004-01

在科學技術迅猛發展的今天，煤礦企業為了使利益最大化而不斷的擴大生產規模，這對煤礦機械設備的可靠性和穩定性提出了更高的要求[1]。礦井提升機作為煤礦生產的重要運輸設備，是煤炭、矸石、物料、人員等進出礦井的載體，具有“煤礦咽喉”之稱，其安全高效的運行是礦工生命安全和煤礦安全生產的重要保證[1]。受現有監測技術水平、設備管理理念及現場操作等諸多因素的限制和影響，提升事故仍然是煤礦安全事故中發生次數較多的事故類型之一[2]。因此，提升機設備安全運行越來越受到重視，對其進行狀態監測與故障診斷是十分必要的。

一、提升機故障機理分析

礦井提升機系統主要由機械傳動系統、制動系統、系統、拖動控制和自動保護系統、觀測和操作系統、外加輔助部分等組成[3]。本文主要以機械傳動系統和制動系統為主要研究對象。

提升機機械傳動系統屬于復雜的旋轉機械系統，主要由電動機、減速器、滾筒、天輪等組成。通過分析旋轉機械各零部件的故障比例可知，轉子及其組件的故障比率最大，齒輪和軸承分別占60%和20%。轉子作為設備的核心部件，其工作狀態很大程度上決定了礦井提升機的運轉狀態，因此直接監測轉子獲得振動信號對于故障監測更加直接有效[4]。

制動系統主要包括制動器和傳動機構，通過作用于制動盤上的制動力矩對制動力進行調控，實現提升機的正常停車、工作制動和緊急制動。目前，大多數礦井提升機采用液壓盤式制動器作為機械制動裝置，其控制系統主要由電控裝置、液壓站和盤式制動器組成。

每臺提升機根據其需求制動力的大小配置相應數量的盤式制動器，一般成對使用。盤式制動器通過閘瓦沿軸向從兩側壓向制動盤而產生阻礙制動盤轉動的摩擦力矩，從而產生制動力，正常情況下制動器具有開閘和制動兩種狀態。

二、信號采集系統設計

通過分析提升機制動系統和機械系統的故障機理和故障特征，確定監測信號的現場采集方案，信號采集系統如圖1所示。針對提升機設備的制動系統和機械傳動系統不同的監測參數選擇相應的傳感器，傳感器采集信號經過信號調理后轉換為標準電壓信號傳輸給數據采集卡，然后進入上位機進行數據的進一步信號處理?？紤]到現場監測站要接入整個提升機遠程監測系統中，必須具備網絡接口且應用程序具備數據網絡傳輸的功能，將需要傳輸的數據以一定的格式到網絡當中。

圖1 信號采集系統結構框圖

三、狀態診斷方法研究

Hilbert-Huang變換方法是首先利用EMD方法把原始信號分解為多個相互獨立的本征模態函數分量的和，再將Hilbert變換應用于各個IMF分量得到瞬時頻率和振幅，進而求取信號的Hilbert譜和Hilbert邊際譜，得到振幅-頻率-時間的分布，反映出系統的狀態特性。

為了使HHT方法更適用于工程實際中的信號分析，必須采取措施對HHT時頻分析方法進行改進，以保證信號的分解質量和時頻分析結果的準確性。HHT存在的主要問題有模態混疊、端點效應、虛假IMF分量等。對于模態混疊問題，本文采取對策的為進行原始信號的小波域閾值消噪，將噪音等異常事件剔除，降低模態混疊的可能性。

實際工程中采集的信號不能保證為整周期信號，信號端點也不能保證為極值點，本文采用包絡極值延拓法對信號進行延拓，方法如下：

假設對連續信號x（t）進行采樣，以時間間隔為，得到的離散信號X（t）具有M個極大值和N個極小值。

向左分別延拓兩個極大值和極小值點，其位置（Tm，Tn）和函數值（U，V）表示為：

對延拓后的極大值序列和極小值序列，仍然利用三次樣條曲線擬合，信號的上、下包絡線表示為：

圖2 IMF2右端分解效果對比圖

為了進一步研究信號延拓方法對端點效應的改善效果，將兩種信號延拓方法得到的分量端點曲線和Hilbert譜進行對比。以IMF2分量右端為例，如圖2，可以看出基于包絡極值延拓的EMD方法比基于鏡像閉合延拓的EMD方法分解結果更接近理論曲線，即對端點效應的抑制作用更為明顯，更能反映出原始信號的特征。

結束語

文章通過對礦井提升機的整體結構和工作原理入手，分析了礦井提升機系統中的兩大故障機理。根據故障的位置和類型，建立了信號采集和傳輸系統，通過對所采信號的處理實現遠程狀態診斷。為了使診斷結果更加準確，提出了改進的HHT方法，并分析了所提方法的有效性。

參考文獻

[1]栗帥. 礦井提升機遠程狀態監測與智能故障診斷研究[J]. 企業技術開發， 2015（03）：109-110.

[2]石瑞敏， 楊兆建. 網絡化礦井提升設備管理系統設計與應用[J]. 煤炭科學技術， 2015（03）：77-81.