故障诊断方法综述范文

引言：寻求写作上的突破？我们特意为您精选了12篇故障诊断方法综述范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

引言

故障诊断(fd)全名是状态监测与故障诊断(cmfd)。基于解析冗余的故障诊断技术被公认为是这一技术的起源。所谓解析冗余，是指被诊断对象的可测变量之间(如输入与输出间，输出与输出间，输入与输入间)存在的冗余的函数关系，故障诊断在过去的十几年里得到了迅速的 发展 ，一些新的理论和方法，如遗传算法、神经 网络 、小波分析、模糊理论、自适应理论、数据融合等均在这里得到了成功的应用。

1　基于小波分析的故障诊断方法

小波分析是20世纪80年代中期发展起来的新的数学理论和方法，它被认为是傅立叶分析方法的突破性进展。小波分析最初由法国学者daubeches和callet引入信号处理领域，它具有许多优良的特性。小波变换的基本思想类似于fourier变换，就是用信号在一簇基函数张成空间上的投影表征该信号。小波分析优于博立叶之处在于：小波分析在时域和频域同时具有良好的局部化性质。小波分析方法是一种窗口大小(即窗口面积)固定但其形状、时间窗和频率都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率。因此，小波变换被誉为分析信号的显微镜，小波分析在信号处理、图像处理、话音分析、模式识别、量子物理、生物医学工程、 计算 机视觉、故障诊断及众多非线性 科学 领域都有广泛的应用。

动态系统的故障通常会导致系统的观测信号发生变化。所以我们可以利用连续小波变换检测观测信号的奇异点来检测出系统的故障。其基本原理是利用信号在奇异点附近的lipschitz指数。lipschitz指数时，其连续小波变换的模极大值随尺度的增大而增大；当时，则随尺度的增大而减小。噪声对应的lipschitz指数远小于0，而信号边沿对应的lipschitz指数大于或等于0。因此，可以利用小波变换区分噪声和信号边沿，有效地检测出强噪声背景下的信号边沿(援变或突变)。

2　专家系统故障诊断方法

专家系统故障诊断方法，是指计算机在采集被诊断对象的信息后，综合运用各种规则(专家经验)，进行一系列的推理，必要时还可以随时调用各种应用程序，运行过程中向用户索取必要的信息后，就可快速地找到最终故障或最有可能的故障，再由用户来证实。此种方法国内外已有不少应用。专家系统的故障诊断方法可用图1的结构来说明：它由数据库，知识库，人机接口，推理机等组成。其各部分的功能为：

数据库：对于在线监视或诊断系统，数据库的内容是实时检测到的工作数据；对于离线诊断，可以是故障时检测数据的保存，也可是人为检测的一些特征数据。即存放推理过程中所需要和产生的各利，信息。

知识库：存放的知识可以是系统的工作环境，系统知识(反映系统的工作机理及结构知识)：规则库则存放一组组规则，反映系统的因果关系，用来故障推理。知识库是专家领域知识的集合。

人机接口：人与专家系统打交道的桥梁和窗口，是人机信息的交接点。

推理机：根据获取的信息综合运用各种规则进行故障诊断，输出诊断结果，是专家系统的组织控制结构。

3　基于数据融合的故障诊断方法

数据融合是针对一个系统中使用多个传感器这一问题而展开的一种信息处理的新的研究方向。数据融合将各种途径、任意时间和任意空间上获取的信息做为一个整体进行综合分析处理，为决策及控制奠定基础，产生比单一信息源、单一处理机制更精确、更完全的估计和判决。

篇2

自动变速器是一种汽车内部的封闭装置，只要产生故障，就会使维修的难度增大，在未确认故障区域时，不能随意开展解体维修，必须快速并正确地进行故障的诊断及排除，相关的维修人员必须全面掌握各种汽车故障的症状，还要仔细收集并分析来自于用户的情况说明，以便更好地开展故障诊断与排除。

一、汽车自动变速器中的故障诊断

（一）容易产生打滑 汽车运行过程中，在踩油门后车速无法提高，或汽车在上坡时缺乏行驶的动力，产生此类情况时，驾驶员应快速思考是否是自动变速器发生了故障。而导致这一故障的原因有很多：（1）汽车自动变速器的制动器内密封圈使用过久，未进行及时更换，致使零件过度磨损产生脱落，从而使自动变速器漏油；一旦油压与供油减少，就会使汽车缺乏运行动力；（2）汽车自动变速器内的油泵被损坏也会使汽车漏油、油压减少，让汽车缺乏运行动力且无法提速。

（二）容易产生漏油 汽车自动变速器产生漏油的关键因素是汽车自动变速器平面发生了变形，或者是由于自动变速器在进行加工时工作人员缺乏耐心，从而使汽车关键部件中的固定螺栓产生松动。一旦发生此类故障，须从集中漏油的地方着手，判断具体的故障原因，采用具有针对性的排除方法。

（三）无法升档 汽车在运行过程中自动变速器无法提升到高速档或超速档，产生此故障的原因有：节气门拉索的调整不正确；节气门的位置传感器与电路故障；调速阀及其油路故障；车速传感器故障；换档电磁阀故障；高档离合器与制动器故障；档位开关故障等。

二、主要的诊断方法

（一）磨损残余物分析诊断方法

对于汽车变速箱齿轮而言，其最为主要也是最为常见的失效形式就是磨损失效；汽车在运行过程中，若出现齿面磨损，则可以在油中找到这些磨损的残余物；对于磨损残余物分析诊断方法来讲，其对机器失效有关信息的快速获取，主要是基于对机械零部件磨损残余物在油中残余物含量的测定来完成的。当前进行测定的主要有两种方法：1对残余物进行直接检查，以及通过对油浑浊度变化、电感的变化以及油膜间隙内电容的测定来快速获得有关零件失效的重要信息；2收集残余物，例如，应用特殊的过滤器或者磁性探头等来把工作表面因疲劳而形成的大块剥落物收集起来。实践表明，应用磨损残余物故障这种分析方法来对变速器中的磨损类型故障进行检测诊断，是相当有效的；相比于其他故障诊断方法，诸如振动诊断方法，这种诊断方法在对磨损类型故障诊断方面，更具有优势，因而对汽车变速器磨损故障进行判断的有力手段就是磨损残余物分析诊断方法。

（二）振动检测技术诊断法 有关机械振动信号，这是当前诊断技术采用最多的一种信号，这主要是基于由振动所产生的机械损坏具有相当高的比率；根据相关资料可知，由机械振动而带来的机械故障超过三分之二；此外，最容易获得的振动信号，是来自机械运转中所产生的，而且在振动信号中，还具有数量众多的能对机械设备状态进行反映的信号，通过振动的异常可把许多机械故障反应出来。振动检测技术诊断法，主要是基于对设备振动参数及特征的检测，来对设备状态和故障进行分析的一种方法。

（三）声发射技术诊断法 这种诊断方法，就是应用仪器进行检测、对声发射信号进行分析和利用的一种故障诊断方法。对汽车变速箱齿轮而言，因其的高速旋转，致使运行中不可避免地产生热弯曲、不对称等现象，带来转子碰撞，故在金属以内的晶格，将出现重新排列或滑移，此过程因能量发生变化，变化的能量将通过弹性波这种形式来进行释放，这就形成了声发射信号；一定要应用专门技术，来把背景噪声的干扰排除掉。声发射监测这种检测方法，具有无损动态检测特点，但它又不同于其他无损检测方法，因声发射信号是产生于外部条件的作用下，故对于那些缺陷变化，相当敏感，对于那些微米数量级的显微裂纹的扩展和发生的相关信息，可以轻而易举地检测出来，故具有极高的灵敏度。

（四）光纤传感技术诊断法 这种故障诊断方法，主要是基于光纤对一些特定的物理量所具有的敏感性，来把外界物理量向可进行直接测量的信号进行转换的一种汽车变速器齿轮故障诊断方法。就光纤而言，不仅可直接作为光波的直接传播媒质，而且光纤传播中的光波，其特征参数会因外界因素的影响而产生变化，故可把光纤当作传感元件来对各种物理量进行探测。对于光纤传感器而言，因具有极高的灵敏度、超强的抗电磁干扰能力、超好的电绝缘性急耐腐蚀等等优点，故在汽车这个行业也受到了极为普遍的应用。当前，光纤传感技术已朝着智能化、功能化及集成化等方向快速发展着，可以预见，随着科技的不断发展，这种故障诊断方法将在汽车变速器齿轮故障诊断中将得到越来越广泛的应用。

参考文献：

[1]ThomasMerath，JoachimNaas，FranzJoachim等.基于有限元法的汽车变速器齿轮与轴承优化[J].传动技术，2015，29（2）：3-13，20.DOI：10.3969/j.issn.1006-8244.2015.02.001.

篇3

中图分类号：TP39 文献标识码：A 文章编号：1674-098X（2017）03（b）-0122-03

随着科学技术的发展，现代大型复杂系统更加依赖于数字智能化的监测和控制，如何有效实现故障的检测和诊断就变得至关重要，尤其是处于重要位置的变量出现故障时，所带来的后果更加严重。文献[1]中给出常用的故障诊断方法面对征兆显著的故障效果较佳，然而微小故障由于其幅值小、征兆弱从而诊断较困难，有关研究成果还较少。

主元分析（Principal Component Analysis， PCA）是基于数据驱动的多元统计方法之一，该方法利用当前过程信息来判断系统运行情况，文献[2]研究得出当系统故障幅值相对于临界故障幅值较小时，传统PCA方法检测故障的能力会严重下降。为解决这类问题，文献[3-4]中给出可通过不同的角度对传统PCA进行改进，以实现对微小故障的诊断。但现有的关于PCA的微小故障诊断方法，在量纲相同的情况下，大多研究成果都是平等对待所有变量的，然而实际系统中传感器所在位置不同，其所采样变量的重要程度也不相同。

为此，该文依据传感器所在位置的重要程度不同赋予相应的权值，以提高重要变量对微小故障的敏感度；当检测到系统出现故障时，再利用特征方向法实现故障诊断[5]（注：量纲不同的情况留于以后研究）。

1 离线建模

主元分析方法构建的主元模型为：

（1）

其中，为数据矩阵；、分别为载荷矩阵、得分矩阵；为主元个数；为残差矩阵；PCA方法通常采用统计量进行过程检测[6]。

假设系统的个变量单独发生故障，运用PCA方法提取种不同故障模式所对应历史数据的特征向量矩阵，再从各故障模式特征向量矩阵中取第一主元载荷向量，组成故障特征方向库。

2 在线过程监控

2.1 故障检测

设为时刻传感器所采样的测量数据。

为实现重要变量对微小故障敏感，现根据传感器所测变量的重要程度不同对在线数据的各变量属于不同的权值，加权后的数据矩阵如式（2）所示：

（2）

根据文献[6]计算加权数据的统计量如式（3）：

（3）

然后，依据统计量是否超过统计量检测阈值来判断是否发生故障。

2.2 故障诊断

当故障出现时，用PCA来处理当前被检测的过程数据，提取当前数据的第一载荷向量来代表该数据的变化方向，并用来表示；然后，根据式（4）计算与的相似度。

（4）

定义一个诊断阈值，当≥时，则认为出现了第类故障。由线性代数的基础知识可知，实际上是与间角度的余弦。当越接近于1时，则说明的方向与的方向越接近。因此通常是接近于1但又小于1的数[5]。

2.3 权值的选取

根据文献[7]在强跟踪滤波中所确定次优渐消因子的方法，结合系统信号的分析前后能量保持守恒的准则，给出一个类似的方法，即根据系统先验信息对各变量重要程度的认识，可假定大致的比重因子，如式（5）：

（5）

令：

（6）

其中：为根据先验知识所确定的常数，也称为权重因子的比例系数，为待定因子。

2.3.1 性质

2.3.2 条件

对系统进行有效分析的提前条件是系统经加权变换前后的能量需保持守恒或是一定比例关系，即。

因此，可根据式（7）所遵守的能量守恒得出待定因子。

（7）

从而：

（8）

由上述算法可得加权矩阵：

（9）

权重因子反映着原处于平等地位的第个变量在系统中对整个系统的重要程度，一般根据下列原则来确定：

（1）加权后的重要变量对故障更具有敏感性；

（2）变量加权变换前后系统的能量保持守恒，即。

3 仿真实验

利用Matlab生成系统正常运行时的观测数据，同时确定关键主元个数，求出相应的统计阈值；然后在各个变量上加不同的故障构成故障数据，再运用PCA建立故障特征方向库；假设先验系统经验权重因子比例系数为。

图1、图2为在801时刻当变量3加1倍该变量方差恒值故障时，传统统计量值大多都在检测阈值以下，而加权统计量值几乎都在检测阈值以上，由此可见加权对重要变量3的微小故障检测更敏感。

为体现该方法在非加权变量发生故障时，故障检测的有效性，现在变量1加2倍该变量方差恒值故障，故障检测图如图3、图4所示。

根据图1、图2所检测到的故障，可根据文献[5]中的故障特征方向法进行故障诊断，故障诊断结果如表1所示，其中诊断阈值0.957 5。

由表1可以看出，只有第3个变量所对应的相似度超过了诊断阈值，由此可以判断是第3个变量出现故障，这与所取的故障数据相吻合，因此在检测到故障发生时，可根据特征向量法进行故障诊断。（注：表1中的故障变量为单变量故障，故障库也是假定单变量发生故障而建立的）。

4 结语

针对变量所在位置不同，其重要程度也不相同这一问题，提出了基于变量加权的思想用于提高重要变量对微小故障的敏感度，虽然弱化了其他次要变量的重要性，但是提高了重要变量对微小故障的敏感度；同时在次要变量出现偏大故障时，基于加权的统计量同样可以实现故障的检测；最后当检测到系统出现故障预警时，根据在线数据第一特征方向与故障模式特征方向的相似性进行故障类型的诊断。上述方法通过仿真实验证明了具有较好的实用性。

参考文献

[1] 李娟，周东华，司小胜，等.微小故障诊断方法综述[J].控制理论与应用，2012，29（12）：1517-1529.

[2] 王海清，宋执环，李平.主元分析方法的故障可检测性研究[J].仪器仪表学报，2002，23（3）：232-235.

[3] 尚骏，陈茂银，周东华.基于变元统计分析的微小故障检测[J].上海交通大学学报，2015（6）：799-805.

[4] 文成林，吕菲亚，包哲静，等.基于数据驱动的微小故障诊断方法综述[J].自动化学报，2016（9）：1285-1299.

篇4

中图分类号：F407文献标识码： A 文章编号：

引言

电力系统故障诊断是近年来十分活跃的研究课题之一。主要包括系统故障诊断和元件故障诊断两个方向，系统级故障诊断是指通过分析电网中各级各类保护装置产生的报警信息、断路器的状态变位信息以及电压电流等电气量测量的特征，根据保护、断路器动作的逻辑和运行人员的经验来推断可能的故障元件和故障类型的过程。

1国内外研究发展状况

1.1 基于专家系统的诊断方法

专家系统(expert System)利用专家推理方法的计算机模型来解决问题，已获得日益广泛的应用。目前，专家系统用于电力系统故障诊断是比较成功的。根据故障诊断的知识表示和所用推理策略的不同，专家系统主要有两类:

(1)基于启发式规则推理的系统。此类系统把保护、断路器的动作逻辑以及运行人员的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，采用数据驱动的正向推理将所获得的征兆与知识库中的规则进行匹配，进而获得故障诊断的结论。现在大多数故障诊断属于这一类。

(2)结合正、反推理的系统。此类系统结合了正反向混合推理方法，根据断路器和继电保护与被保护设备之间的逻辑关系建立推理规则，同时通过反向推理，有效地缩小可能故障的范围，以动作的继电保护与故障假设的符合程度计算可信度。文献[1]介绍了基于事例推理(CBR)和基于规则推理(RBR)的混合推理的故障诊断专家系统。由于采用了混合推理，提高了故障诊断专家系统的适应性与自学习能力。

基于专家系统的诊断方法的主要特点是可以方便地把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，并允许在知识库中增加、删除或修改一些规则，以确保诊断系统的实时性和有效性，同时还能够给出符合人类语言习惯的结论，并具有相应的解释能力等，比较适合中小型电力系统和变电站的故障诊断。该方法在实际应用中仍然存在如下主要缺陷:①建立知识库及验证其完备性比较困难;②容错能力较差，缺乏有效的方法识别错误信息;③大型专家系统的知识库的维护难度很大;④专家系统在复杂故障诊断任务中会出现组合爆炸和推理速度慢的问题。这些缺陷使得专家系统难以满足大规模电力系统在线故障诊断的需要，目前主要应用于离线故障分析。

1.2基于人工神经网络的诊断方法

与专家系统相比，基于人工神经网络(ANN—artifieial neural network)的故障诊断方法具有鲁棒性好、容错能力强和学习能力强等特点。

目前应用于电力系统故障诊断的ANN有:基于BP(baekpropagation)算法的前向神经网络和基于径向基函数的神经网络等。文献[1]给出了典型的故障诊断神经网络BP模型，其实现方法是:以电力系统继电保护信息作为ANN的输人，以可能发生的故障作为其输出，选择适当的样本集训练ANN。整个训练过程为:首先根据网络当前的内部表达，对输人样本进行前向计算;然后比较网络的输出与期望输出之间的误差，若误差满足条件，则训练结束，否则，将误差信号按原有的通路反向传播，逐层调整权值和阑值，如此反复，直至达到误差精度要求。文献[2]将大型输电网络分区，对各个区域分别建立基于BP算法的故障诊断网络，然后综合获得最终的故障诊断结果。

基于ANN的诊断方法的主要特点是避免了专家系统故障诊断所面临的知识库构造等难题，不需要推理机的构造。由于用于ANN训练的完备样本集获取困难，目前该方法只比较适合中小型电力系统的故障诊断。ANN方法在故障诊断应用中存在的问题主要是:①其性能取决于样本是否完备，而大型的电力系统的完备样本集获取非常困难;②与符号数据库交互的功能较弱;③不擅长处理启发性的知识;④不知如何确保ANN训练时收敛的快速性和避免陷人局部最小;⑤缺乏解释自身行为和输出结果的能力。以上缺点限制了ANN故障诊断方法在线应用于大型电力系统。如何设计适用于大型电力系统的故障诊断系统，仍然是一个有待进一步研究的问题。

1.3 基于粗糙集理论的诊断方法

粗糙集理论(roughSettheory)是波兰Z.Pawlak教授于1982年提出的一种处理不完整性和不确定性问题的新型数学工具。粗糙集理论的主要思想:在保持分类能力不变的前提下，通过知识约简，导出问题的决策或分类规则。它无需提供问题所需处理的数据集合之外的任何先验信息，能有效地分析和处理不精确、不一致、不完整等各种不完备数据，从中发现隐含知识，揭示潜在规律。鉴于粗糙集理论的优越性，已经有不少研究人员把它引人到故障诊断系统中。

文献[3][4]把粗糙集理论应用于电力系统故障诊断和警报处理，尝试应用粗糙集理论来处理因保护装置和断路器误动作、信号传输误码而造成的错误或不完整警报信号，提出的方法考虑各种可能发生的故障情况，建立决策表(类似于ANN故障诊断的训练样本集)，然后实现决策表的自动化简和约简的搜索，删除多余属性后抽取出诊断规则，揭示警报信息内在冗余性。

文献[5]提出了基于粗糙集理论与二元逻辑运算相结合的属性约简算法以及改进的值约简算法，并将其应用于由断路器和保护作为条件属性、故障区域作为决策属性的诊断决策表的约简过程中，利用决策表的约简形成综合混合知识模型。文献[5]提出和构造了四类不同的粗糙集与神经网络(NN)组合的故障诊断模型，给出了粗糙集与NN在四类模型中实现不同的互补性、关联关系、应用机理和原则及相应的局限性。

2 电力系统故障诊断发展趋势

随着电网建设的发展、计算机技术和网络技术以及数学和智能科学理论的发展，不断有新的电网故障诊断方法出现，从电力系统故障诊断理论与方法研究和应用的深度、广度可以清晰地看到，其研究仍停留在理论和模型的探索阶段，基本上没有非常成功的成型实用系统，实用化方面一直未有太大的发展。由于以前技术和设施的原因，导致信息资源比较有限，从发表的文献来看，电网故障诊断系统大多依托于调度端或变电站内，分别利用调度SCADA系统的实时信息或站内综合百动化系统收集的信息来实现;随着系统、计算机和网络技术的发展，以及故障录波专用网络的建设，后来又发展了基于故障录波信息的故障诊断系统。此系统的建设，使诸多的信息孤岛纳入系统中，对故障后所有相关的故障信息，例如保护装置信息、录波器信息、雷电定位信息、监控装置信息等，进行采集、传输、存储和处理，为电网故障处理提供了信息支持。这些宝贵的信息为新的电网故障诊断方法提供了基础，大大拓展了电网故障诊断的研究方向。因此，在电网故障诊断理论的实用化过程中，必须充分重视信息的收集与整理工作，包括用于故障诊断的数据仓库的构建、故障综合信息的预处理和诊断知识的提取等。

3结束语

电力系统故障诊断是关系到电力系统安全稳定运行的重要问题，国内外从20世纪80年代起已经进行了大量的研究工作，提出了多种故障诊断技术和方法，但实际系统中该问题并未很好地解决。随着电力系统规模日趋庞大，结构更加复杂，对电力系统故障诊断提出了更高的要求。本文综述了电力系统故障智能诊断的研究方法，评述了这些方法中需要改进之处，进一步指出了该领域的一些主要发展趋势。它们对构建电力系统故障诊断智能辅助决策系统具有重要的指导意义，对保证电力系统的安全运行、减少事故的经济损失具有重要的理论和现实意义。

参考文献

[1]杜一，张沛超，郁惟墉.基于事例和规则棍合推理的变电站故障诊断系统[J].电网技术，2004，28(l).

[2]YANGH，CHANGW，HUANGC.power system Distributed On line Fault Seetion EstimationUsingDeeisionTreeBasedNeuralNetsApproaeh.IEEETransonPowerDelivery，1995，10(1).

篇5

1、引言

机械设备状态监测及故障诊断技术，是从上世纪六七十年代的应用发展来的管理理念。随着机械设备的现代化、复杂化和自动化程度的不断升级，机械设备状态监测及故障诊断技术在国外得到了迅猛的普及和广泛使用，成为当今先进设备管理及维修的新思维。上世纪九十年代以来，机械设备状态监测及故障诊断技术开始在我国得带推广，并且取得了一定的效果。作为一种新颖的设备管理思想，与传统的设备管理与维修观念相比，它具有更好的有效性和科学性，显著的提高了设备运行的可靠性、生产效率以及设备的使用寿命，同时降低了设备的维修成本。

2、机械设备状态监测及故障诊断技术的意义

机械设备状态监测与故障诊断技术主要包含着以下两项技术：一是对及其状态进行实时监测，即状态监测技术；二是故障诊断方法，即高效的故障诊断技术，设备的状态监测技术是指对故障设备的某些特征参数进行监测，并且将所得测定值与规定的正常值进行比对，判断该部件是否运行正常。机械设备故障诊断技术则不仅要判断机械设备是否运转正常，而且还需要对故障原因、故障位置、以及故障的严重程度作出判断。

1、经济快速发展的需要

现代化生产向着大型化、自动化、连续化、高精度、高效率等方向发展，生产率大幅度提高，产品的质量也相应的得到可靠的保证。但是，生产设备的突发性故障是不可避免的，极易造成的重大的经济损失。因而对于连续化、自动化生产设备必须实时监视其运行状态，及时发现故障预兆，并且及时采取有效处置措施，对设备进行维修，以减少由于设备故障引起的经济损失。

2、生产安全和可持续发展战略的需要

科技的发展改变了人类的生活，如核能的发现，在给人类提供能源的同时，也会给人类带来灾难，就像发生在美国三里岛的核泄漏事故。科技有其两面性，在其造福人类的同时，若不加约束就会造成严重的灾难事故。并且随着工业化进程的发展，环境污染问题也越来越严重，因此，设备设计尽可能减少环境污染，实施所谓的“绿色设计。然而，设备的老化，势必加剧机械设备引起的污染。因此，从可持续发展的战略高度看，机械设备的状态监测与诊断技术势在必行。

3、是维修体制改革的需要

过去我国沿引的前苏联维修体制，带有技术经济的色彩，称为计划预期维修，它的确定源于大量的统计规律。除了在故障出现时进行维修外，根据统计规律和生产计划定时实施小修、中修、大修，但是这种预期修理技术在技术含量越来越高的设备面前显得越来越吃力，主要表现在以下两个方面：

（1）剩余维修现象严重。剩余维修成本巨大，需要高昂的人力物力，而随机造成的经济损失也是很高的。

（2）现代设备精度要求很高，在计划预期维修中往往拆解，再重新进行组合，这样反复进行将使机械设备的精度受到影响。

上述因素加速了维修体制的改革，由原先的计划预期维修体制为状态维修体制，也就是修理取决于设备的运行状态。这就需要对设备的运行状态进行实时的监测。根据所得到的的设备状态参数对机械的运行状态做出判断，并且分析故障信息。这样就可以避免过剩维修，减少重大事故的发生，设备状态监测和故障诊断技术也因而出现。

3、状态监测及故障诊断技术的应用

状态监测及故障诊断技术是一个系统工程，需要有先进的监测设备，专业的技术人员，还有系统完善的额管理体制。状态监测及故障诊断技术是一门综合性极强、涉及面非常广泛、学科交叉渗透十分严重的技术，可以采用振动分析方法、油液分析、红外热像、超声探伤以及温度、压力分析等多种不同的技术。

机械设备故障的状态监测及故障诊断的一般过程主要包括以下四个部分：

1、设备状态的采集

设备在运行过程中，必然会产生力、热、振动、噪声、能量等各种参数的变化，因此会产生各种不同的信息。根据不同的诊断需要，采用相应的传感器来拾取得到的能表征设备工作状态的不同信息，这就是设备状态的采集。

2、信号处理

信号处理技术是进行故障诊断的基础，是特征提取必不可少的工具。信号处理技术主要包括传统和现代两大类：传统信号处理技术是指以FET为核心的信号分析技术，在实际运用中发挥着重要作用；近来来的现代信号处理技术在故障特征提取方面正在崭露头角。为了保证获取的故障特征信息的准确性和有效性，目前的主要研究点是基于非高斯、飞平稳及非线性故障信号的分析理论及方法。

3、状态识别

将经过信号处理后获得的设备特征参量，采用一定的判别模式、判别准则和诊断策略，对设备的状态作出判、判断，确定是否存在故障以及故障的类型和性质、程度等。

4、诊断决策

根据状态识别的结果，决定采取的对策、措施，同时根据当前的检测信息预测机械设备运行状态的可能发展趋势，进行趋势分析

建立监测与诊断系统之前需要考虑几个方面的问题：经济性，即能够尽可能的节省投资；可靠性，即自身应具有更高的可靠性；实用性，即实用的功能，操作方便；有效性，即分析诊断结果有效；扩展性，即有较好的可扩展性和自开发性能。一般情况下，根据经验，企业用于设备状态监测及故障诊断的投资应占其固定资产的1%-5%。并且，随着设备的复杂程度和技术先进性的增加，投资额度还会有所增加。

4、状态监测及故障诊断技术发展前景

设备故障诊断技术与科技前沿的融合是设备故障诊断技术的发展方向。当今状态监测及故障诊断技术的发展趋势是传感器的精密化、多维化，诊断理论、诊断模型的多元化，诊断技术的智能化，具休来说表现在如下方面：

1、与最新传感器技术尤其是激光测试技术的融合。近年来，激光技术己从军事、医疗、机械加工等领域深入发展到振动测量和设备故障诊断中，并且已经成功应用于测振和旋转机械对中等方面。

2、与新型的信号处理算法相融合。新的信号处理方法不断优化故障诊断技术的精度，同时传统的基于快速傅里叶变换的机械设备信号分析技术也有了新的突破性进展。

3、与非线性原理和方法的融合。机械设备在发生故障时，行为主要表现为非线性的。如旋转机械的转子在不平衡外力的作用下表现出的非线性特征。随着混沌与分形几何方法的日趋完善，这一类诊断问题必将得到进一步解决。

4、与多元传感器信息的融合。快速的生产对设备监测与维护提出了全方位、多角度的高要求，由此可以对设备的运行状态做出整体的、全面的判断。因此，在进行设备故障诊断时，可采用多个传感器同时对设备的各个位置进行监测，然后按照一定的方法对这些信息进行处理，如人工神经网络方法。

5、与现代智能方法的融合。现代智能方法包括专家系统、模糊逻辑、神经网络、进化计算等。现代智能方法在设备故障诊断技术中己得到广泛的应用。随着智能技术的不断发展，设备状态的智能监测和设备故障的智能诊断，将是故障诊断技术的最终目标。

4、结束语

随着科技的发展以及各个学科相互融合的加深，先进的技术被广泛的应用于机械设备的状态监测及故障诊断技术，这对于加强状态监测和故障诊断分析的效率和精度有很大的改善，在以后的实践中要更加注重将其他学科的知识加入到状态监测和故障诊断技术应用中，更好的做好设备的管理工作。

参考文献

[1] 李建华.设备状态监测与故障诊断技术综述.广东化工，2009

篇6

1 研究的意义

随着电力电子技术在大气污染治理、节能环保、银行系统、现代化农业、发电系统等领域的广泛应用，其设备故障问题也越来越突出，当故障严重时将导致整个系统的瘫痪，甚至会造成人员的伤亡，所引起的损失是无法估量的。

当故障发生时，依靠维修人员查找故障的发生原因及解决故障问题是较为困难的，这完全依赖于维修人员的经验。如果缺少故障信息，要想快速准确解决故障时非常困难的，有可能造成机器无法工作的严重后果。在故障发生后，如果能够根据诊断系统提供的故障信息，就可以很快定位故障点，解决故障问题，使停机时间大大缩短，能有效的提高工作效率。由此看对电力电子系统故障诊断方法进行研究具有很重要的现实意义。

2 研究现状

由于电力电子电路的故障发生有其自身的特点，所以其障诊断模式与模拟电路、数字电路的故障诊断有所不同。由于电力电子器件具有过载能力小的特点，所以其器件损坏速度较快，故障信息仅存在时间也很短，这就需要进行实时监控，故障发生时要求在线诊断，另外电力电子电路的功率很大，一般电路诊断中采用的传统的诊断方法不再适用。

目前，常见的电力电子电路故障诊断技术包括两方面的内容：（1）检测电路故障的信息：利用检测设备和检测技术，检测并获取电路发生故障时的信息，利用所获得的信息进行推理分析；（2）诊断电路故障发生部位：根据系统提供的故障信息，综合运用故障诊断方法，对故障信息进行综合分析，推断故障可能发生的原因及部位，从而对故障发生部位进行定位。由以上可知，故障的判断离不开对故障特征的提取，基于此，电路故障诊断方法按提取特征的方法的不同可分为谱分析诊断法、波形分析诊断法、参数模型诊断法、专家系统和人工智能诊断法等多种方法，下文仅对五种常用方法做一简单介绍。

2.1 谱分析诊断法

由于电路故障信号中可能会含有噪声，由此就会造成故障的时域波形不能清楚地反映故障的特征。因此，在故障诊断中，经常使用谱分析的信号处理方法。谱分析的目的在于提取信号中所包含的噪声，在这里可以用傅里叶变换将时域中的故障波形变换到频域，这样就突出了故障特征，能够快速实现故障诊断。

2.2 波形分析诊断法

利用示波器能直观清楚的显示电子器件击穿或损坏的波形，波形分析故障诊断方法就是基于这一点，由于典型测量波形和故障波形之间会有所不同，故可以将典型测量波形提前存储至诊断系统的数据库。当发生故障时，诊断系统就能将实际测量的波形与提前储存至诊断系统的波形进行比较，以判定进行故障。

2.3 故障树诊断法

故障树诊断法的原理就是把电力电子系统中最有可能发生的故障作为故障分析的目标， 加以分析，画出逻辑框图，即故障树。用逻辑图来表示故障间的相互关系， 当故障发生时，在系统中从顶层开始，逐层查找导致这一故障发生的原由， 依此类推， 直至查到故障点。所以障树诊断方法具有实用、通用、观察灵活的优点，也同时也有建树工作量大、容易出错的缺点，由此可见，故障树诊断法诊断故障的范围较小。

2.4 参数模型诊断法

参数模型诊断法是基于一种解析模型的故障诊断法，包含有状态估计方法和参数估计方法等。参数模型法是通过比较被诊断对象的可测信息与由数学模型表达的信息，产生残差， 并对残差进行分析和处理从而实现故障诊断的技术。参数模型法的故障诊断分为3个步骤，第一步是通过对比产生残差，即产生故障信息；第二步是故障模型的检测，针对产生故障的信息生进行逻辑决策；第三步是分析故障的类型、大小和原因。

2.5 人工智能法

人工智能诊断方法主要包括包括专家系统诊断法、模式识别诊断法、人工神经网络诊断等方法。

模式识别故障诊断的过程有一个前提，就是首先对系统可能发生的故障模式进行分类，这样诊断过程就是把系统的现有工作状态归入哪一类故障模式的问题。模式识别诊断法分两步完成，第一步完成故障特征的提取，根据故障特征的属性不同进行分类；第二步是故障诊断，根据已提取的特征，通过已建立的数学模型对故障进行实时诊断。

专家系统诊断法是借助计算机等设备模拟专家的实践经验，以实现故障诊断。一个专家诊断系统是通过实时监测采集数据，并对数据进行处理然后传送到诊断中心，由专家诊断系统进行数据分析，完成诊断，然后将最终结果反馈回用户。

近几年，神经网络诊断法在故障诊断中应用越来越广泛，神经网络是模拟人脑神经网络结构的一种数学模型，其信息处理由神经元之间运算实现，可用较为简单的数学模型来描述，因此在于故障诊断领域有较为广泛的应用。

以上介绍了几种常用的诊断方法，当前，电力电子电路故障诊断是一个新兴的研究领域， 经过多年的发展， 已经取得了很大进步，但是仍有很大的空间等着大家去探究。

参考文献

[1]樊馨月，王杰.电力电子系统故障诊断技术浅谈[J].电气自动化，2006（05）.

[2]蔡涛，段善旭，康勇.电力电子系统故障诊断技术研究综述[J].电测与仪表，2008（05）.

篇7

电机的功能是进行电能与机械能量的转换，涉及因素很多，如电路系统、磁路系统、绝缘系统、机械系统、通风散热系统等。哪一部分工作不良或其相互之间配合不好，都会导致电机出现故障。因此，电机故障要比其它设备的故障更复杂，其故障诊断所涉及到的技术范围更广，对诊断人员的要求也就更高。一般来说，电机故障诊断涉及到的知识领域主要有[20]：电机理论、电磁测量、信号处理、计算机技术、热力学、绝缘技术、人工智能等。电机故障诊断的复杂性还表现在故障特征量的隐含性、故障起因与故障征兆之间的多元性。一种故障可能表现出多种征兆，有时不同故障起因也可能会反映出同一个故障征兆，这种情况下很难立即确定其真正的故障起因。另外，电机的运行还与其负载情况、环境因素等有关，电机在不同的状态下运行，表现出的故障状态各不相同，这进一步增加了电机故障诊断难度，所以要求对电机进行故障诊断首先必须掌握电机本身的结构原理、电磁关系和进行运行状况分析的方法，即掌握电机各种故障征兆与故障起因间的关系的规律。

1.2实施电机故障诊断的意义

电机的驱动易受逆变器故障的影响，在交流电机驱动系统中，逆变器短路故障将会使电机产生有规律波动的或是恒定的馈电扭矩，使车辆突然减速。研究表明：逆变器出现故障时，永磁感应电机将产生较大的馈电扭矩，而且永磁电机也有存在潜在的高消磁电流的问题。而感应电机在逆变器出现故障时所产生有规律的馈电扭矩将由于有持续的负载而迅速衰减，这说明了感应电机具有较高的容错能力，适应混合动力系统的要求。开关电机磁阻是最具有故障容错能力的电机，而且当其有一个逆变器支路出现故障时电机仍能产生净扭矩，另外，开关磁阻电机成本低，结构紧凑，但是开关磁阻电机有较大的噪声和扭矩脉冲，而且需要位置检测器，而这些缺点使得开关磁阻电机在现阶段不适合应用于混合动力客车上。在混合动力客车动力系统中，电机是作为辅助动力的，而且电机属于高速旋转设备，如果电机出现故障，电机产生的瞬态扭矩将使车辆的稳定性和动力性将受到影响，而且，电机由高压电池组驱动，如果电机出现故障而不能及时容错，电机产生的瞬态电流将使电池受到损害，因此在混合动力系统中对电机进行故障诊断是非常必要的。

2.电机的故障诊断方法及典型故障诊断分析

2.1电机故障的诊断方法

（1）传统的电机故障诊断方法

在传统的基于数学模型的诊断方法中，经典的基于状态估计或过程参数估计的方法被应用于电机故障检测。图1为用此类方法进行故障诊断的原理框图。这种方法的优点是能深入电机系统本质的动态性质，可实现实时诊断，而缺点是需建立精确的电机数学模型，选择适当决策方法，因此，当电机系统模型不确定或非线性时，此类方法就难以实现了。

（3）基于模糊逻辑的电机故障诊断方法

图3为基于模糊逻辑的电机故障诊断方法框图，故障诊断部分是一个典型的模糊逻辑系统，主要包括模糊化单元、参考电机、底层模糊规则和解模糊单元。其中，模糊推理和底层模糊规则是模糊逻辑系统的核心，它具有模拟人的基于模糊概念的推理能力，该推理过程是基于模糊逻辑中的蕴涵关系及推理规则来进行的。模糊规则的制定有两种基本方法：第一，启发式途径来源于实际电机操作者的语言化的经验。第二，是采用自组织策略从正常和故障电机测量获得的信号进行模糊故障诊断的制定，将此方法通过计算机仿真实现，对电机故障有较好的识别能力。

（4）基于遗传算法的电机故障诊断方法

遗传算法是基于自然选择和基因遗传学原理的搜索算法，它的推算过程就是不断接近最优解的方法，因此它的特点在于并行计算与全局最优。而且，与一般的优化方法相比，遗传算法只需较少的信息就可实现最优化控制。由于一个模糊逻辑控制器所要确定的参变量很多，专家的经验只能起到指导作用，很难根据指导准确地定出各项参数，而反复试凑的过程就是一个寻优的过程，遗传算法可以应用于该寻优过程，较有效地确定出模糊逻辑控制器的结构和数量。

遗传算法应用于感应电机基于神经网络的故障诊断方法的框图如图4所示。设计神经网络的关键在于如何确定神经网络的结构及连接权系数，这就是一个优化问题，其优化的目标是使得所设计的神经网络具有尽可能好的函数估计及分类功能。具体地分，可以将遗传算法应用于神经网络的设计和训练两个方面，分别构成设计遗传算法和训练遗传算法。许多神经网络的设计细节，如隐层节点数、神经元转移函数等，都可由设计遗传算法进行优化，而神经网络的连接权重可由训练遗传算法优化。这两种遗传算法的应用可使神经网络的结构和参数得以优化，特别是用DSP来提高遗传算法的速度，可使故障响应时间小于300μs，不仅单故障信号诊断准确率可达98%，还可用于双故障信号的诊断，其准确率为66%。

近年来，电机故障诊断的智能方法在传统方法的基础上得到了飞速发展，新型的现代故障诊断技术不断涌现：神经网络、模糊逻辑、模糊神经网络、遗传算法等都在电机故障诊断领域得到成功应用。随着现代工业的发展，自动化系统的规模越来越大，使其产生故障的可能性和复杂性剧增，仅靠一种理论或一种方法，无论是智能的还是经典的，都很难实现复杂条件下电机故障完全、准确、及时地诊断，而多种方法综合运用,既可是经典方法与智能方法的结合，也可是两种或多种智能方法的结合，兼顾了实时性和精确度,因此多种方法的有机融合、综合运用这一趋势将成为必然，也将成为电机故障在线诊断技术发展的主流方向。

参考文献：

篇8

0引言

当今的军事领域,对武器装备的可靠性、保障性和可维修性有了更高的要求,而且随着现代工业及科学技术的迅速发展,特别是计算机技术的发展,设备的结构越来越复杂,自动化程度也越来越高,不仅同一设备的不同部分之间互相关联,紧密耦合,而且不同设备之间也存在着紧密的联系,在运行过程中形成一个整体。因此,一处故障可能引起一系列连锁反应,导致整个设备甚至整个过程不能正常运行, 轻者造成停机,重者会产生严重的后果甚至灾难性的人员伤亡,这就要求现代设备系统具有很高的安全性和可靠性。目前,设备的状态监测与故障诊断已成为现代航空、航天和国防建设中的重要内容,不容忽视。

1、航空设备故障预测和健康管理系统

由于航空设备的特殊性，其故障预测和健康管理系统原则上应分为机载部分和地面部分，机载部分的功能与地面部分的功能显然应有所区别。飞机在执行任务的过程中，机载部分自动进行状态监控和管理，自动记录和分析飞机及各系统的状态，并进行状态的预测、故障的检测和隔离，根据预测和状态信息完成系统重构，上述信息可在空中通过无线通信传递给地面保障中心系统或存储在黑匣子内;地面部分则侧重于维修决策，根据信息进一步确定故障部位，制定维修方案。根据机载部分和地面部分特点，机载部分应具有以下功能:状态监测功能，数据存储功能，分系统功能级故障预测功能，提供分系统故障对飞行任务的影响评估或警示。地面部分的功能应具有以下特点:数据传输与存储功能，状态显示功能，分系统功能级故障诊断与分系统部件级故障诊断功能，提出维修方案和维修规范。故障诊断系统是根据诊断对象故障的特点，利用现有的故障诊断技术研制而成的自动化诊断装置。故障诊断的各种理论与方法的研究最终都必须落实到具体的诊断装置或诊断系统的研制上，只有诊断系统的研制成功才能产生真正的经济效益。

2、NFF的诊断与排除

在航空维修工作中经常会碰到这样的情况：飞行员反映空中出现某个故障，但地面检查中却不能复现；机务准备通电中发现某机件有故障，但再次通电时故障现象消失；甚至有些诸如“转速急降”的危险性信号都是时有时无，给地勤人员排故造成很大困难。实际上，这就是所谓的“未发现故障”（NOFault found,NFF），它是航空维修工作中较为常见的一个问题。

进行NFF的诊断，需要预先收集大量的相关信息、资料和统计数据等。电子产品或设备的性能特征如电流、电压、电阻等是反映其正常或故障状态的重要参数，通过监测这些本质参数的变化来发现故障，已成为当前应用最广泛、置信度最高的故障诊断方法。典型的方法包括电子产品的机上测试（BIT）以及非电子产品功能系统的故障诊断等。在航空装备维护工作中经常测量大量的电压、电阻等数据，基于本质参数的方法可以用在目前对监测发动机工作状态的各种传感器进行NFF预测与健康管理，这些传感器包括滑油温度传感器、滑油压力传感器、金属屑传感器等。它们用电压、电阻等形式随时检测发动机相关工作状态，评价发动机性能指标，有时的自身失效或工作状态变化就会导致发动机误报故障或发生NFF。将这些数据分门别类加以统计，用时间序列分析方法建立差分方程形式的数学模型，再根据模型或得出的曲线趋势图进行分析研究，可较好地掌握机件设备的历史工作状况，发现或预防NFF，并对下一步的工作做出维修建议，成为当前航空装备保障的新趋势。

随着飞机的更新换代和使用时间的增长，要重点关注导航系统、飞控系统和其它自动控制系统电子设备故障和老旧飞机线路引起的潜在性、危险性故障。因此，为了预防或减少NFF的发生，应采取以下措施手段：表面引发的偶然故障是由根本的故障缺陷导致的，因此生产商首先应努力克服硬件或软件的设计缺陷，将故障隐患降到最低限度。

建立相关的数据库，将容易发生NFF的故障进行技术统计分析，以便在某些工作时机根据对该机件的性能检测决定是否提前更换该件，从而降低NFF的发生。出现重要系统、重要故障时，要全面、系统地分析故障发生时的环境特点及飞机所处高度、速度、姿态等参数，及时检测线路，认真研究电路图。尤其应加强空地之间的联系和信息交换，确定该设备是否空地使用不一致或不同，以便能创造故障复现的条件。

3、结论与展望

3.1新的故障诊断方法的研究

主要是将一些新的理论应用到电子设备的故障诊断之中。如小波变换方法,信息融合方法及基于Agent的诊断方法等。随着新理论的不断发展,这方面的工作仍是故障诊断的重要内容之一。

3.2故障信息获取的手段和方法的研究

故障信息的准确获取是故障诊断是否成功的关键之一。像多传感器信息融合在故障诊断中的应用,一个重要的方面就是如何从不同角度获取故障信息。对电子设备来说,除了电压和温度信号外,能否从其它方面获得故障信息,如电磁场信息等,这也是有待深入研究的内容之一。

3.3远程故障诊断的研究

在军事领域,如果各种战伤的武器设备在现场够得到及时的维修,对提高装备的战斗出动强度、补充战斗实力和保持一定的持续战斗力都有重要的意义。而现在的战伤抢修都是由专业的维修人员在野战条件下就地组织实施。利用远程故障专家系统可以获得远离战场的专家的指导,有效地提高维修效率和速度。故障诊断是一门实用性很强的技术,因此只有在实际应用中才能体现它的价值。

目前在理论研究方面虽有不少进展,但真正在工程实践中成功应用的实例还较少。特别是真正实用准确的电子设备故障诊断系统。因此,如何将先进的故障诊断理论与方法应用到实际中去还有待深入的研究。再者对于一个大型复杂航空电子设备进行故障诊断分析时,传统故障诊断和智能故障诊断技术必须是相互弥补。只有这样以传统故障诊断技术为基础,综合利用智能故障诊断技术,构造高效而智能化的故障诊断平台,才是大型航空电子设备诊断和维修的一个很有前途的发展方向。

参考文献：

篇9

配电网故障诊断是从技术上提高配电网安全可靠运行的重要手段，准确的故障定位、分析故障原因，提出故障恢复方案能够减少停电时间，加快线路的恢复，减少因停电造成的经济损失。因此，配电网故障诊断技术的研究有着十分重要的理论和实用价值[1]。目前，国内外比较典型的配电网故障诊断方法有故障电流法、专家系统法、人工神经网络法、基于模糊理论的方法、基于优化技术的方法和基于数据挖掘的方法。

1 故障电流法

故障电流法是以图论为基础，根据配电网的拓扑模型进行故障诊断。其基本原理是根据配电网络的结构写出网络描述矩阵和根据故障信号写出配电网络故障信息矩阵，进而由网络描述矩阵和故障信息矩阵相乘后得到一个描述矩阵，随后对描述矩阵进行规格化处理，得到故障判断矩阵，当发生故障时，依据故障判断矩阵进行故障判别和定位[2]。该方法依据系统潮流的变化来判断的，当发生故障时，系统的结果和参数变化，使得潮流的计算和分析处理耗时较长，会影响诊断和恢复处理速度，难以达到理想的效果。

2 专家系统法

专家系统是利用计算机技术将相关领域的理论知识和专家的经验知识融合在一起，通过数据库、知识库、推理机、人机接口、解释程序和知识获取程序的有机连接，达到具备解决专业领域问题的能力。专家系统在配电网故障诊断中的典型应用是基于生产式规则的系统，它把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出了，形成故障诊断专家系统的知识库，通过查找知识库对报警信息进行推理，获得诊断结论。专家系统虽然能够有效模拟故障诊断专家完成故障诊断，但是在实际应用中存在知识库建立困难、校核和维护困难、容错能力差等局限性，容易造成诊断错误。

3 人工神经网络法

人工神经网络是模拟人类神经系统传输、处理信息过程的理论化数学模型，是一种大规模并行分布处理系统。它的最大特点是采用神经元及它们之间的有向权重连接来隐含处理问题的知识，具有很强的自学习能力，在学习完成之后，还具有一定的泛化能力和容错能力，即使输入信号带有一定的干扰噪声，仍能给出正确的输出结果[3]。它的这些优点对于在配电网故障定位中的应用具有重要的意义，主要用来进行故障识别和故障定位。

4 基于模糊理论的方法

模糊理论是将经典集合理论模糊化，并引入语言变量和近似推理的模糊逻辑，具有完整的推理体系的智能技术。在电力系统中，由于保护或断路器的误动作、拒动，信道传输干扰，保护动作时间偏差等因素的影响，输、配电网络故障诊断存在不确定性，而模糊理论可以适应不确定性问题，擅长模拟人类思维中的近似推理、语言变量来表述专家的经验，得到问题的多个可能的解决方案，并根据其模糊度的高低进行排序，进而得出问题的最佳解决方案。因此，基于模糊理论的方法比较适用于故障诊断，目前已经在配电网故障定位中得到了应用。

基于模糊理论的故障诊断系统，虽然可以增强处理不确定性的能力，但是采用模糊理论进行电网故障诊断，需寻求有效的手段对电网中的各种不确定性进行客观地模糊表达，需要充分利用历史统计数据和经验知识。当诊断对象的结构发生变化时，如何对模糊知识库进行快速、有效的更新维护也需要更进一步的研究[4]。

5 基于优化技术的方法

基于优化技术算法是国内外学者提出的进行电网故障定位的一种新思路，根据电网故障的特点设定假想事故集的目标函数，利用各种优化算法根据适应度值对假想事故集进行更新，直至搜索到适应度最大的假想事故集，作为最终故障诊断结果。其实质是将故障诊断问题转化为无约束的0-1整数规划问题进行寻优处理。这类方法的基本思路是：根据保护动作原理，将故障诊断问题表示为0-1整数规划问题，然后用优化算法求解。配电网故障诊断中使用的优化算法主要有遗传算法、模拟退火算法和基于覆盖集理论的算法。基于优化技术的方法在信息发生畸变时，出现复杂的故障模式的r候，难以保证诊断结果的可靠性。

6 基于数据挖掘的方法

数据挖掘近年来研究比较活跃的研究领域，是人工智能与数据库技术相结合的产物。它是利用数据挖掘的各种算法从大量数据中挖掘出隐含其中的知识。近年来，已有研究者开始把数据挖掘技术引入到电力系统的诊断故障中，并取得了一些成功的经验。数据挖掘技术在电力系统故障诊断中的应用目前正处于起步阶段，解决如何把诊断对象与数据挖掘算法结合，确定出诊断对象的诊断模型，以及如何把数据挖掘和传统的人工智能技术相结合是进一步深入研究的课题。

电力系统的故障大部分发生在配电网，配电网发生故障后，故障诊断系统根据监测系统得到的相关信息对配电网发生的故障进行实时分析和判断，提出正确有效的健全区域停电恢复策略，帮助调度员准确的确定故障位置，隔离故障区域，快速恢复非故障区域供电。随着技术的日趋成熟，配电网故障诊断技术必将在提高配电网安全可靠运行方面发挥巨大的作用。

参考文献：

[1]马士聪，高厚磊，徐丙垠，薛永端.配电网故障定位技术综述[J].电力系统保护与控制.2009（11）.

篇10

随着科技的发展，越来越多的电子产品给人们的生活带来了巨大变化。不同行业的生产制造中也因为引进了大型的电子设备，创造了更大的经济价值。大型电子设备长期处于运行状态会增多技术故障的发生几率。人们迫切希望能够提高设备的故障诊断能力使其保持可靠性。故障诊断的目的在于确保电子设备在工作环境下出现的不明功能失调被迅速查明，确定诱因及性质状态，为下一步的维修处理提供技术预测。一般而言，电子设备的故障诊断技术分为传统技术和智能技术。

一、传统电子设备故障诊断技术

传统的故障诊断技术，以特定领域的理论知识作为技术支撑，需要操作人员保持清醒的认识，能够通过逻辑判断来确定故障的位置、种类及可修复程度等。传统故障诊断技术经历了阈值诊断和算法诊断两个阶段。较为常用的主要有：

1.1单信号处理

由于早期电子设备的集成度不高，一个机组内往往同时存在着大量的集成和分散元件。当操作人员人工使用各种仪表检测时，若检测仪表的输入和输出值不在理论范围内，则被认定故障将会出现或已经出现。

1.2多信号模型

考虑到元件之间的信号耦合问题，借助信息理论中的定量或定性的方法综合分析电子设备出现的故障，实现诊断。

1.3单信号滤波

滤波诊断改进了传统单信号处理方法中未考虑动态数据的问题，通过校对时间序列信号传输的数据，在滤波变换作用下记录信号的特征变量，对采集到的特征量赋予阈值实施诊断。

在多信号模型和单信号滤波中，还积极应用计算机进行仿真实验来辅助诊断。通过一定的仿真建模，能实时采集动态数据，监控整个系统的运行。

二、智能电子设备故障诊断技术

面对结构更加复杂的电子设备，其故障诊断的难度在不断增加，所提出的诊断技术要求在不断提高。传统故障诊断技术在应用过程中逐渐出其不足之处。技术操作本身需要的知识储备较多，且针对更加深层次的故障发力不足。相比之下，智能故障诊断技术的发展，迅速成为了电子设备故障诊断的首选。

2.1分类

智能故障诊断技术根据理论技术的不同可以分为模糊技术、灰色理论、专家系统、模式识别和失效树分析等。其中，以模糊技术、灰色理论、模式识别和失效树分析为代表的技术都着重于借助逻辑判断推理的相关知识，能够将电子设备诊断中故障模糊定位及定性分类等问题部分解决。而专家系统技术，则重点以自身作为技术开发平台，融合多种诊断技术，构建完善的智能故障诊断系统。本文探讨的电子设备智能故障诊断技术着重以专家系统作为研究对象。

2.2专家系统

一个成熟的职能故障诊断专家系统，应该在结构中包含系统知识库、集合数据库、推理机、解释机构、知识获取和人机交互系统、故障预兆分析和识别系统等。专家系统的不同种类具有不同的区别方式，如按照理论运用方式的不同，可将专家系统分为借助符号处理和借助数值处理两类；按照理论描述的不同，可以将专家系统的符号处理类再分为框架式、产生式、语义拓扑、面向对象的系统、基于案例分析的推理等，而借助数值处理的专家系统可分为模糊技术、灰色理论、人工神经网络等。专家系统一般需要考虑以下技术内核：

2.2.1知识库

故障诊断需要建立在一定的知识储备基础上，因此建立专家系统的知识库并积极规划其中的内容十分必要。规划后的知识库更有利于技术理论的搜索和整合维护。具体的规划方法有：①不同的设备故障具有不同的预兆。根据各类预兆情况整合独立的知识模块存入知识库中供诊断使用。②可以针对电子设备的不同部位常见故障分别做知识储备。③搭建数学模型，通过不同的表示方法确定不同的知识模块，用来描述不同的知识运用。④对各领域的专业意见进行收集整理，包括设备理论、标准故障知识、专家的历史经验、操作要领等信息。建立不同模块的知识库，能够在故障诊断推理中更便捷的调动知识信息，由各模块交流诊断对象的内容并自由调度提供服务。

2.2.2 推理机

推理机是专家系统的重要部分，充分调动知识来进行逻辑判断。在借助符号处理的专家系统中，推理机采用符号匹配的形式进行逻辑分析和状态搜索。而在数值处理的专家系统中，推理机运用数值进行计算来获得工作进程。推理机使用的推理机制主要是正向、反向和混合推理。一般而言，逻辑推理中的假设由正向推理提出，而反向则用来验证逻辑的真伪。

2.2.3 不确定性

故障诊断存在一定的不确定性。引发不确定性的原因可能来自于故障预兆模糊、实施传递的信号数据不精确、系统在读取知识规则时出现失效等情况。一旦出现不确定性的问题，需要借助包括整理理论、模糊判断、灰色理论在内的确定性理论来解决。

三、智能电子设备故障诊断技术的发展前景

智能故障诊断技术因其技术先进，操作便捷必然成为未来电子设备故障诊断的主要手段。智能诊断技术具有良好的发展前景。首先可以继续扩大当前其在远程故障诊断的优势，拓展使用领域，提高异地的诊断反应能力。其次，可以加深其在分布式多层次的大型电子设备中的应用。同时，与智能故障诊断技术相匹配的微型便携式专用仪器的开发，必然提高智能诊断技术的普及率。

四、结语

智能故障诊断技术和传统故障诊断技术在使用操作中是可以相互补充的。这样能够快速获取被诊断对象的故障信息，分析故障并准确定位，同时测试判断具体的故障部件，及时恢复设备。相信，利用智能故障诊断技术，能够为大型电子设备的维护管理保驾护航。

参 考 文 献

篇11

1、绪论

当前，全球网络高速发展，计算机网络已经在普通用户中广泛使用，与此同时，网络故障也变的极为普遍，然而，由于计算机网络自身的复杂性，维修保障非常困难。用户在计算机网络使用中，常常分辨不出网络故障原因，不知道究竟是软件故障，还是硬件故障。一旦发现问题，他们除了进行常规硬件检查和软件系统重启等简单操作外，对于整体故障，尤其是软件失效引起的故障，常常毫无办法，本文首先简单介绍故障诊断相关术语，进而简述计算机网络软硬件故障特性，结合诊断实例，综述计算机网络故障的排除。

2、计算机网络软硬件故障特性

虽然有各式各样的网络故障，但所有的故障总体可分为物理故障与逻辑故障，也就是通常所说的硬件故障与软件故障，因此具有典型的软件故障特征。许多故障和征兆之间常常不存在一一对应的简单关系，维修难度大。总的说来，故障具有如下特性：

层次性：这是故障的“纵向性”。计算机网络，结构可划分为系统、子系统、模块、部件等各个层次，其功能也可划分为若干层次，因而其故障和征兆也有不同的层次。任何故障都是同系统的某一层次相联系的，高层次的故障可以由低层次的故障所引起，而低层次的故障必定引起高层次的故障。因此在故障诊断中可设计某种层次诊断模型。

相关性：这是故障的“横向性”，它是由系统各元素间的联系所决定的。当一个元素或联系发生故障后，可能导致同它相关的元素或联系的状态发生变化，进而引起相关元素或联系也发生故障。某一故障可能对应若干征兆，而某一征兆可能对应若干故障，它们之间存在着错综复杂的关系，造成故障诊断困难。故障的相关性使得许多的故障现象可以归根于同一个故障，从而可以从不同的角度对同一个故障进行诊断。

不确定性：这是故障的“模糊性”。故障和征兆信息的随机性、模糊性，故障和征兆之间对应关系的不明确性，不确定性是计算机网络的一个重要特性，对相同的系统而言，或对同一系统在不同时间、不同工作环境下而言，各层次的元素特性与各元素间的联系特性是不可能完全确定的，其变化规律难以确定，从而导致元素、联系直至系统的状态和行为也不可能完全确定，因而其故障也是不确定的。

3、计算机网络软硬件故障的表现症状

软硬件故障通常表现为以下几种情况：

①电脑无法登录到服务器；

②电脑无法通过局域网接入Internet；

③电脑在“网上邻居”中只能看到自己，而看不到其他电脑，从而无法使用其他电脑上的共享资源和共享打印机；

④电脑无法在网络内实现访问其他电脑上的资源；

⑤网络中的部分电脑运行速度异常的缓慢。

4、常见计算机网络软硬件故障的解决方法

当出现一种网络应用故障时，如无法接入Internet，首先尝试使用其他网络应用，如查找网络中的其他电脑，或使用局域网中的Web浏览等。如果其他网络应用可正常使用，如虽然无法接入Internet，却能够在“网上邻居”中找到其他电脑，或可ping到其他电脑，即可排除连通性故障原因。如果其他网络应用均无法实现，继续下面操作。

①看LED灯判断网卡的故障

首先查看网卡的指示灯是否正常。正常情况下，在不传送数据时，网卡的指示灯闪烁较慢，传送数据时，闪烁较快。无论是不亮，还是长亮不灭，都表明有故障存在。如果网卡的指示灯不正常，需关掉电脑更换网卡。

②用ping命令排除网卡故障

使用ping命令，ping本地的IP地址或电脑名(如shj831)，检查网卡和IP网络协议是否安装完好。如果能ping通，说明该电脑的网卡和网络协议设置都没有问题。问题出在电脑与网络的连接上。因此，应当检查网线和Hub及Hub的接口状态，如果无法ping通，只能说明TCP/IP协议有问题。这时可以在电脑的“控制面板”的“系统”中，查看网卡是否已经安装或是否出错。如果在系统中的硬件列表中没有发现网络适配器，或网络适配器前方有一个黄色的“！”，说明网卡未安装正确。需将未知设备或带有黄色的“！”网络适配器删除，刷新后，重新安装网卡。并为该网卡正确安装和配置网络协议，然后进行应用测试。如果网卡无法正确安装，说明网卡可能损坏，必须换一块网卡重试。如果网卡安装正确则原因是协议未安装。

③如果确定网卡和协议都正确的情况下，还是网络不通，可初步断定是Hub和双绞线的问题。为了进一步进行确认，可再换一台电脑用同样的方法进行判断。如果其他电脑与本机连接正常，则故障一定是先前的那台电脑和Hub的接口上。

④如果确定Hub有故障，应首先检查Hub的指示灯是否正常，如果先前那台电脑与Hub连接的接口灯不亮说明该Hub的接口有故障(Hub的指示灯表明插有网线的端口，指示灯亮，指示灯不能显示通信状态)。

通过上面的故障压缩，我们就可以判断故障出在网卡、双绞线或Hub上。

当电脑出现协议故障现象时，应当按照以下步骤进行故障的定位：

①检查电脑是否安装TCP/IP和NetBEUI协议，如果没有，建议安装这两个协议，并把TCP/IP参数配置好，然后重新启动电脑。

②系统重新启动后，双击“网上邻居”，将显示网络中的其他电脑和共享资源。如果仍看不到其他电脑，可以使用“查找”命令，能找到其他电脑，就完成了。

5、 结束语

网络发生故障是不可避免的。针对于单独的硬件故障诊断相对简单，但是对于由软件故障或者因为软件引起的硬件故障，诊断相对困难，本文给出了软硬件相互影响的故障诊断方法，但对由于软件引起的硬件故障研究不够，需要进一步研究。

参考文献

篇12

一、概述

现代化工业技术发展突飞猛进，现代工业自动化程度越来越高，系统规模也越来越大，简单控制系统已经不能达到工业生成的需求，大规模、综合性、复杂的自动化系统运用越来越广[1]。自动化设备和系统结构的日益复杂和集成化，使得系统发生故障的机率也增加，故障的产生会毁坏设备，影响系统正常运转，甚至造成人员伤亡。国内外由于设备故障所引起的设备损坏、锅炉爆炸、道路塌陷，不仅造成经济损失也造成人员伤亡，社会影响及其恶劣。为了达到以人为本同时维护经济的目的，可以加强系统的稳定性、可靠性、鲁棒性和安全性，但任何设备都不可能无限期使用，这就需要防患于未然，因此故障检测技术应运而生。

二、故障检测重要性

故障检测技术是是一门多学科融合交叉性学科[1]，如：信号提取则依赖于传感器及检测技术；信号降噪离不开信号处理技术；状态估计和参数估计方法以系统辨识理论为基础；鲁棒故障诊断涉及到鲁棒控制理论知识；此外数值分析、概率与数理统计等基础学科也是故障检查和诊断不可缺少的方法。多门学科知识的支撑确保了故障诊断技术的迅速发展，在工业领域也应用广泛，如化工生产、冶金工业、电力系统、航空航天、机器人等生产的各个领域。

三、故障检测技术经济效益

数据显示[2]，故障检测技术与经济发展息息相关，对故障检测技术的研究与发展越来越多，在工业生产中也得到了应用和推广。通过故障诊断技术的推广，大大降低了设备维修费用，各国在故障诊断技术上的投入也逐渐增加。日本对故障检测与诊断技术的投入占其生产成本的5.6%，德国和美国所占比例分别为 9.4%和7.2%。在冶金工业生产中，我国每年承担的设备维修的费用就高达 250 亿元，金额庞大，然而如果应用故障检测与诊断技术，每年可以减少事故发生率同时也能节约 10%～30%的维修费用。因此故障检测能带来经济效益，不容小觑。

四、故障检测的分析方法

（一）状态估计法

状态估计法一般分为两步：首先求取残差，再从残差数据中提取故障特征从而实现故障诊断。目前状态估计法的故障检测诊断方法方兴未艾，如H2估计[3]、鲁棒故障检测与反馈控制的最优集成设计方法[4]等。

（二）等价空间法

低阶的等价向量在实现过程中较易实现但性能不佳，而高阶的等价向量能够得到较理想的性能参数，但以较大的计算量和计算时间为代价。为了解决上述问题，文献[5]采用窄带IIR滤波器运用于等价空间法中，在几乎不改变计算量的前提下，提高系统检测性能，但此方法会产生较高的漏报率。

（三）参数估计法

参数估计法是因为模型参数和相应的物理参数的特点不同，分别统计这两类参数的变化特性来分析和确定故障。物理参数携带重要的信息，具有物理含义，因此，可以分析物理参数的特点，如果异常可以确定故障位置。与状态估计法比较，参数估计法能更有效的故障确定。参数估计法研究越来越丰富，故障诊断方法新成果倍出[6]。

（四）热门的分析方法

（1）小波分析技术

小波分析由于具有时频域局部化特性[7]，可任意调节时间窗和频率窗，因此突变信号能够检测出来。但是，小波基选取一直是在小波信号分析没能解决的问题，也是研究的一个难点，针对同一信号采用不同的小波基进行分析其分析结果往往不同。通过小波分析可以检测信号的奇异点，在信号降噪和信号分析中应用广泛。小波变换是结合时域和频域的分析方法，特征提取方便，在故障检测中应用较广。小波分析对单一的故障源检测效果明显，但较复杂情况，如多故障源效果不佳。

（2）神经网络技术

神经网络技术是根据模式识别理论，采用分类器理论，用神经网络进行故障分析和诊断。采用人工神经元网络进行故障诊断一般有四种方式[8]：神经元网络计算残差；神经元网络分析残差；神经元网络进一步分析确定故障点；神经元网络自学习过程进行自适应误差补偿。

（3）小波包分析和神经网络结合技术

用有限元法建立系统动力学模型[9]，再根据系统采集信号进行小波包分解，建立基于小波包能量谱指标。把信号指标作为改进BP神经网络的输入特征参数，用分步识别方法进行识别。

（五）展望

故障检测技术运用广泛，用单一方法进行处理存在准确度和精确度的问题，因此可以考虑多学科技术结合的方法，进一步提高准确度和精确度。

参考文献：

[1] 周东华， 胡艳艳. 动态系统的故障诊断技术. 自动化学报. 2009， 35（6）.

[2] 周福娜. 基于统计特征提取的多故障诊断方法及应用.[博士学位论文].上海：上海海事大学， 2009.

[3] Fadali M S， Colaneri P， Nel M. H2robust fault estimation for periodic systems[C]MProc. American Control Conference，Denver， Colorado，2003： 2973-2978.

[4]钟麦英，张承慧， Ding S X.一种鲁棒故障检测与反馈控制的最优集成设计方法[J].自动化学报， 2004， 30（2）： 294-299.

[5] Ye H， Wang G Z， Ding S X. An IIR filter based parity space approach for fault detection[C] Proc. the15th IFAC World Congress， Barcelona，2002.

[6] Abidin M S Z， Yusof R， Kahlid M， et al. Application of a model based fault detection and diagnosis using parameter estimation and fuzzy inference to a DC-servomotor[C] Proc.2002 IEEE International Symposium on Intelligent Control， Vancouver， Canada，2002：783-788.