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4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).