故障诊断平台

故障诊断平台（精选12篇）

故障诊断平台 篇1

0 引言

作为智能电网可自愈性实现的前提,电力系统故障诊断方法一直是国内外研究的重点课题。目前,发展比较成熟的诊断方法,例如专家系统[1]、优化方法[2,3]、Petri网[4]等,在告警信息完全正确的环境下,均能够比较准确地诊断出故障元件,包括有保护及断路器误动、拒动的情况。然而,就提高整个故障诊断系统的速度和准确性而言,尚存以下几个问题有待解决。

1)通信问题。智能诊断算法所依赖的数据完全在线获取,在出现数据丢失、畸变等情况下,准确定位故障元件需要对所有异常情况进行概率分析,导致程序具有较高的复杂度[5,6]。在目前的工程应用中,信号丢失及上传错误的情况经常发生,其主要原因在于当前的故障信息系统在故障的第一时间将保护及断路器动作信息上传至调度端,而故障往往涉及至少2个变电站,且故障信号同时发送,所以故障时刻调度端的故障数据服务器会处于高负荷状态,难免出现错误应答的现象。

2)实时性问题。故障诊断系统主要依赖保护动作信号和开关跳闸信号。保护动作信号由保护管理机(故障信息子站)采集,并通过故障信息系统上传至调度中心。由于保护管理机不能采集开关量,因此,开关跳闸信号要从数据采集与监控(SCADA)系统获取,链路通信以及服务器访问是2个不可避免的环节,这其中的代价是以秒级来计算的。另外,调度端故障诊断服务器上集中了拓扑分析、智能诊断算法等复杂模块,推理过程往往涉及大量的数据库和知识库,因而诊断服务器在分析复杂故障时往往处于高负荷状态,在诊断速度上难以满足工程需求。

针对以上分析,本文对传统的故障诊断框架进行如下改进。

1)数据采集层面,采用数据网格技术在变电站层对信息进行提取及预处理,为故障诊断程序提供一致的数据视图,不仅解决了故障诊断系统的通信问题,而且避免了数据在调度端的过度积压。

2)算法方面,设计一种分布式故障诊断系统以适用于网格环境。分布式系统能够为日趋复杂的故障诊断算法提供高性能的分布式计算策略,保证诊断时间满足实际工程需要。

1 数据网格支撑的数据采集方法

随着电网覆盖面的扩大,各调度中心需要及时处理汇集过来的各类数据。为了解决海量数据收集的安全性、实时性等问题,文献[7]提出运用网格计算提升互联电网监控系统的性能。随着面向服务技术的成熟,文献[8-9]中明确提出了基于组件和面向服务体系架构(SOA)的智能电网调度技术支持系统体系结构。文献[10]和[11]分别运用分布式并行计算和云计算技术对其进行了改进,并设计了相应的电网信息获取体系结构。本文在上述文献的基础上运用数据网格技术[12]为故障诊断系统构建一种稳定、快速的故障数据处理模型。

1.1 数据网格介绍

数据网格是一种分布式数据管理体系结构,能够为分布在网格中的各种资源提供协同的管理机制,可以通过集成网络上分布的多个数据集等资源,形成单一虚拟的数据访问、管理和处理环境,并为分布海量数据建立一体化的数据访问、存储、传输、管理与服务架构。

作为网格计算的一个重要分支,数据网格能够运用资源优化调度、高速数据传输机制、数据副本管理等技术[13,14]解决网格计算所面临的数据高峰时刻的网络瓶颈问题,而对于目前新兴的云计算技术,其数据处理方法仍不完善[15]。鉴于故障后的诊断程序需要处理大量的电气量或非电气量信息,因此,本文选择数据网格作为故障诊断系统的数据支撑环境。

1.2 适用于故障数据收集的网格体系结构

当前的电力系统数据获取方式仍然沿用集中获取方式,已经不能适应未来智能电网的功能需求。集中获取方式多为客户/服务器(C/S)模式,数据不加处理直接上传至调度端,大量信息极易在服务器端形成堆积,进而产生网络拥塞、信息畸变等情况。鉴于故障诊断系统对数据传输质量以及诊断速度的迫切要求,本文使用数据网格技术单独处理故障信息,其目的是给上层的诊断程序提供更加稳定、快捷的数据接口,而分布式故障诊断程序仅把诊断结果提交给调度中心。这样既能够避免数据在调度端的过度拥塞,又能利用分布式处理技术提高诊断速度。目前的故障信息系统结构与本文提出的诊断框架对比如图1所示。

故障诊断所需数据主要包括保护动作信息、断路器跳闸信息、电网拓扑以及录波数据。基于OGSA-DAI(open grid services architecture-data access and integration)规范[16],本文提出的适用于电网故障诊断的数据网格体系结构如图2所示,各层功能介绍如下。

1)网络层

该层提供整体框架运行所需的Internet和Intranet基础网络环境,包括各种网络通信设备及物理连接。

2)资源层

该层的核心是OGSA-DAI中间件,它能够将数字化变电站内所有智能装置所发出的与故障诊断相关的数据封装为网格服务(grid services)以便被上一层所访问。

3)构造层

对等计算(P2P)是指通过系统之间的直接交换来共享计算机资源和服务的一种计算模式。网格技术能够实现基于标准、安全的资源管理,但是系统的扩展性不强;而P2P技术的可扩展性和容错性很强,但标准化和安全性方面存在缺陷。因此,本文将P2P技术引入数据网格的构造层,使两者形成互补。简单对象访问协议(SOAP)具有与分布式计算平台无关的特点,可屏蔽掉底层各类数据格式(例如报警信息、变电站配置文件等)之间的访问差异,能够作为各种操作系统之间的对象传输工具。鉴于目前基于录波数据的多源信息电网故障诊断方法也有很好的研究成果[17,18],为了保证录波文件在网格内高效、安全地传输,本文在构造层封装了网格数据传输协议(GridFTP)。GridFTP主要用于大规模数据文件的传输,相比于传统的文件传输协议(FTP),GridFTP能够根据网络负载情况动态调整执行开销,合理做出数据传输规划,提高了传输海量数据时的性能,例如一个30 MB的录波数据文件,使用FTP传输需要3~30s,而在GridFTP环境下,所需时间不到1s。

4)知识层

元数据是记录数据网格自身结构信息的数据,元数据仓库为系统提供全局资源的信息索引服务,具有元数据管理和数据库服务发现等功能。拓扑知识库和保护知识库存放故障诊断需要的所有外围数据,两者构成了领域知识本体库。拓扑知识库通过分析变电站配置文件得到,具备双母分段、3/2接线、同杆并架双回线等复杂线路的知识表示及分析方法。拓扑知识库结构如图3所示。

保护知识库主要存储各类保护的设备参数,对各种厂家、各种型号保护的正确动作及不正确动作历史情况进行分类管理。它提供的主要服务是对保护进行可靠性分析,并得到保护动作的置信度[19]。保护知识库结构如图4所示。

知识层的数据库/知识库构成一个分布式数据系统,在互相备份、增加安全性的同时,能够为上层模块提供透明、快速的数据获取功能。

5)服务层

数据网格与网格计算最大的区别就在于服务层。由于数据网格的服务层只封装与数据处理相关的任务,因此有更强的数据处理能力。数据处理程序按照服务内容分为不同模块。其中,执行调度根据网络通信情况为子查询动态分配网格计算节点,全局协调各子查询的执行。资源发现基于拓扑知识库和保护知识库进行知识融合,实现领域知识匹配,按需发现、定位资源服务。服务质量(QoS)监控模块通过拥塞控制和差错控制等手段在故障发生时避免拥塞及数据包丢失、畸变。拓扑查询与保护查询能够通过解析用户请求,对所发现的服务资源进行查询重写,生成由多个子查询组成的分布式查询。资源管理以副本的形式对各数据源进行备份,以保证服务资源元数据的完整性和有效性。

6)用户层

该层为调度人员提供良好的界面视图,并为数据应用程序提供节点入口管理。

1.3 基于XML的复杂数据表示机制

该框架主要对2类复杂数据进行查询处理,即拓扑数据和保护相关数据。为了给诊断程序提供统一、规范的数据接口,因此要对分布环境下大量的自治、异构数据源进行标准化。拓扑数据方面,由于IEC 61970中公共信息模型(CIM)定义了电网拓扑的构建标准,因此,可将Topology包映射为2个新类:Vertex类和adjNode类。其中,Vertex类代表所有电气元件的集合,而adjNode类表示与Vertex类中某一电气元件v发生关联的元件集合。通过对Vertex以及adjNode的链式搜索,可得到以可扩展标记语言(XML)形式表示的全网拓扑数据。从Topology包到Vertex类和adjNode类的映射关系见图5。

相比于拓扑数据,保护信息在描述方面缺乏统一标准,因此,本文使用语义网络表示法首先对保护及保护屏进行知识描述,然后通过XML将异构数据映射为统一模式。语义网络是一种网络图,通过对象及其语义关系来表达知识与知识之间的关系。本文为保护定义的语义关系主要有3类:等价关系(Same as),继承关系(Is a)和构成关系(Composed of),其描述的保护知识如图6所示。

映射为XML时,主要基于以下规则:(1)语义网络中的非末端节点映射为XML中的复杂元素,其中保护屏对应于根元素;(2)语义网络中的末端节点对应于XML中的简单数据类型;(3)对于非末端节点中的“与”节点,其前驱节点可直接作为其后继节点的子元素。通过对各类保护的概念抽象,实现保护语义与XML文档之间的映射,从而消除各种保护在计算机表示中的异构可能,给用户统一的数据界面。

XML是一种开放性标记语言,以标签的形式定义数据的属性和方法,因此可以屏蔽各种数据库、知识库模型中语义和语法的差异。本文提出的数据网格以XML为数据表示语言,在变电站层面进行数据收集与知识加工,不仅提高了数据集成与传输效率,而且避免了报警信息在上传过程中发生的丢失或畸变等情况,消除了故障发生后大量数据上传造成的瓶颈。

对于故障诊断程序而言,电力数据网格对报警信号、录波数据、拓扑及保护知识等底层异构数据进行了屏蔽,仅为其提供相应的数据接口。这种程序与数据分离的设计目的是当有更加先进的诊断程序出现后,不会影响底层的数据获取机制,使故障诊断框架有良好的可扩展性。

2 分布式故障诊断框架设计

分布式计算具备软硬件资源共享、适应异构环境、服务高效等特点,目前系统程序设计的重点正逐步从集中式计算向分布式计算模式转移。由于分布式系统注重在分布的知识描述和运行环境中处理问题,符合电网数据采集的特点,因此,本文整体的电网诊断框架采用分布式系统。

2.1 电网故障的分布式诊断程序

分布式系统由一组自治的计算机系统组成,它们通过网络或分布式中间件连接,可以协调彼此的活动并共享系统资源。电网的分布式诊断框架由通信、拓扑处理、综合处理、外部数据获取4个子系统组成,底层通过数据网格相连接,相互之间可以通过电力系统专用网进行通信。

故障发生后,通信子系统首先通过数据网格门户从故障数据缓存区接口提取断路器跳闸信号和保护动作信号并分别提供给拓扑处理子系统和综合处理子系统。拓扑处理子系统由跳闸断路器信息触发,通过访问拓扑知识库得到停电区域。综合处理子系统是整个分布式系统的主程序,可以根据从其他系统提取的保护信息、停电区域、跳闸断路器位置信息以及电气量数据进行故障诊断。外部数据获取子系统负责通过SCADA、录波数据网等外部系统调取数据进行故障选相及定位工作。由于4个系统是并行工作,因此,极大地提高了整体效率。

2.2 基于数据网格的分布式诊断框架

电网故障诊断的目的就是在故障发生后能够迅速、准确地判断出故障元件。数据网格能够保证各种故障信息准确提供给诊断程序,而分布式诊断程序能够极大地提高诊断速度,因此,本文结合数据网格与分布式诊断程序,设计了一种新型的故障诊断框架。整个框架在逻辑上分为3层,各层构成及作用如下。

1)最底层为变电站层,为上层提供故障诊断所需的各类数据。保护及开关量可直接被OGSA-DAI客户端程序Winpcap抓包并上传至上层数据网格服务器(data grid server),而录波数据文件占空间较大,因此需要存放在FTP服务器(FTP server)上。其他信息如拓扑、保护配置数据等可通过综合自动化数据服务器或FTP服务器上传。

2)中间层为网格层,主要负责故障数据的收集与分发。其中数据网格服务器上部署着Tomcat和GT4,Tomcat服务器为OGSA-DAI提供运行环境,GT4服务器为OGSA-DAI提供运行各种服务的网格中间件。另外,数据网格服务器还为拓扑处理子系统及综合处理子系统分别提供拓扑知识库和保护知识库。通信监控+FTP服务器主要负责数据服务质量监控,并且通过GridFTP协议收集故障范围内各子站故障前后的录波文件,并提供给外部数据获取子系统。中间层的服务器既可以放在调度中心,也可以由网络运营商托管。

3)最上层为调度端,主要运行和维护核心故障诊断算法。故障诊断服务器(故障诊断Server)负责收集诊断程序所需的保护信息、跳闸断路器信息、停电区域以及电气量数据,然后由核心故障诊断算法进行故障元件判断。判断出的故障元件会结合录波文件形成故障报告或直接提供给电网自愈程序。

具体的各层任务细化方法如图7所示。

3 应用实例

为了验证基于网格平台的故障诊断架构相比于传统C/S结构在数据传输、诊断效率方面的先进性,本文在某省相邻的8个变电站部署了2台数据网格服务器,使其组成一个小型的网格测试环境。测试指标为诊断正确率以及诊断时间。系统采用文献[19]所述Petri网故障诊断方法,由于故障诊断方法本身不存在理论上的缺陷,因此,诊断正确率反映了故障数据传输过程的可靠性。诊断时间是从故障发生时刻开始计时到系统给出故障元件为止所用的时间。诊断时间按照诊断流程被划分为3个时间段:t1为报警信息收集用时,t2为外围数据处理用时,t3为故障诊断算法用时。按照2.2节所示的分布式诊断框架,本文提出的故障诊断流程及时间段划分如图8所示。

在传统故障诊断体系中,t1为报警信号数据包从发出至到达调度端故障诊断服务器所用的时间;t2为计算停电区域时间及保护动作可靠性时间;t3为故障诊断程序执行时间。

本文对基于网格的故障诊断系统与传统的故障诊断系统在不同故障环境的测试进行了比较,故障环境按某线路发生故障并逐级扩展进行试验。故障环境及各时间段测试结果描述如下。

环境1:故障涉及2个变电站,1条复杂接线,1条简单接线。测试结果如表1所示。

环境2:故障涉及4个变电站,2条复杂接线,2条简单接线。测试结果如表2所示。

环境3:故障涉及7个变电站,4条复杂接线,3条简单接线。测试结果如表3所示。

通过测试可以看出,本文提出的基于网格平台的故障诊断效率在t1,t2,t3时间段上相比于传统方式都有明显提高,技术原因分析如表4所示。

综合耗时对比如图9所示,可见基于网格的故障诊断架构随着故障区域的扩大以及拓扑复杂程度的提高,总的耗时曲线变化相对平滑,有效地缩短了任务执行时间。

另外,经过实际测试,传统的故障诊断体系诊断正确率在96%左右,而本文提出的方法正确率能保持在99%以上,充分验证了网格平台在数据传输方面的可靠性。

4 结语

本文提出了一种以数据网格为底层结构,分布式系统为主体的电网故障诊断框架。通过数据网格在变电站层面进行数据采集,在很大程度上提升了数据的可靠性以及传输效率。采用通用的XML作为数据交换格式,消除了数据之间的异构性,提供给上层用户统一的数据界面。分布式系统的引入极大提升了整个诊断框架的并行处理能力,与数据网格实现了很好的结合。另外,分布式系统所拥有的高性能计算能力极大地提升了复杂诊断程序的运行速度,使时间耗费以及诊断结果达到最优。该框架的提出不仅为智能电网的故障诊断系统设计了一个良好的建设模式,而且为智能调度、稳定分析等其他在线应用系统开发提供了分布式处理的思路。

故障诊断平台 篇2

【复习回顾】（10＇）

1、万向传动装置的常见故障有哪些？

2、驱动桥的常见故障有哪些？ 【导入新课】

一、后桥识图（80＇）

复习并提问后桥装配图，每人均回答识图提问。

二、概述行驶系故障诊断与排除（35＇）

行驶系常见故障主要有钢板弹簧异响、钢板弹簧折断、钢板弹簧移位、减振器失效和轮胎异常磨损等。

1、钢板弹簧异响 1）故障现象

汽车行驶中钢板弹簧发出撞击响声，振动增大。2）分析与诊断

（1）钢板弹簧销、衬套、吊环等磨损过量，零件间的间隙增大。

（2）钢板弹簧疲劳变形。

（3）行驶时振动使钢板弹簧与零件或车架发生撞击而产生异 响。

（4）个别钢板疲劳折断。3)故障排除

（1）检查钢板弹簧销。（2）测量钢板弹簧弧高。

2、钢板弹簧折断 1）故障现象

（1）停车检查时，车身一侧倾斜。（2）行驶又跑偏现象。2）分析与诊断

（1）汽车超载、超速行驶；转弯车速过快；负荷突然增加。（2）装载不均匀。

（3）钢板弹簧U形螺栓松动。

（4）更换的钢板弹簧片曲率与原片曲率不同。（5）紧急制动过多，尤其满载下坡时使用紧急制动。（6）钢板弹簧销、衬套和吊环之间磨损过量。3）故障排除

（1）将空载、轮胎气压正常的汽车，停放在平坦的场地上，若汽车向一侧歪斜，则歪斜一侧的钢板弹簧有故障。（2）清除钢板弹簧表面的污物，检查裂纹或断裂情况。（3）检查钢板弹簧销、衬套及吊环支架是否松旷。（4）检查曾更换的钢板弹簧去率是否符合规定。（5）检查钢板弹簧U形螺栓是否松动。

3、钢板弹簧移位 1）故障现象

汽车行驶中，有斜扭感觉，转动转向盘左、右轻重不一，有时跑偏。2）分析与诊断

（1）钢板弹簧U形螺栓松动、脱扣。（2）钢板弹簧中心螺栓折断。（3）钢板弹簧与车轴间的定位失准。3）故障排除

（1）测量左、右两侧轴距是否符合规定。

（2）检查钢板弹簧U形螺栓若有松动、脱扣，按规定拧紧或更换脱扣的螺栓及螺母。（3）检查中心螺栓是否折断。（4）检查钢板弹簧定位失准原因。

4、减振器失效 1）故障现象

汽车在不平稳路面上行驶时，车身强烈振动并连续跳动。2）分析与诊断

（1）减振器连接销脱落。

（2）减振器油量不足或内有空气。

（3）减振器阀瓣与阀座贴合不良，密封不良。（4）减振器活塞与缸壁磨损过量。3）故障排除

（1）检查减振器连接销、连接杆、橡胶衬套连接孔是否有损坏、脱焊、脱落、破裂之处。（2）察看减震器外部有无渗漏油迹。（3）检查减振器有无卡塞。

5、轮胎异常磨损 1）故障现象

轮胎出现非正常磨损，如正面一侧快速磨损。2)分析与诊断（1）前轮外倾角、前轮前束不符合要求。（2）前轴、车架或转向节变形。

（3）横、直拉杆球头销、球头销座磨损松旷。（4）钢板弹簧U形螺栓松动。（5）车轮轮毂轴承磨损松旷。（6）轮胎不平衡量过大。（7）轮胎气压不正常。

（8）左、右轮胎尺寸规格不一。3）故障排除

（1）检查轮胎气压。（2）检查轮胎尺寸。

（3）检查钢板弹簧U形螺栓是否松动。

（4）检查前轮外倾角、前轮前束是否符合要求。

（5）检查转向节主销与衬套间隙，轮毂轴承间隙是否过大。

二、转向系故障诊断与排除（30＇）

转向器常见故障有：转向沉重、行驶跑偏、转向轮摆动和动力转向系故障。

1、转向沉重 1）故障现象

转动转向盘，感到沉重。2）分析与诊断

（1）转向器内缺油或过脏。

（2）转向螺杆两端轴承调整过紧或轴承损坏。（3）转向螺母与摇臂轴齿扇啮合过紧。

（4）转向器、转向节主销、轴承衬套部位缺油或调整过紧。（5）横、直拉杆球头销部位缺油或调整过紧。（6）转向节止推轴承缺油、损坏、调整过紧。

（7）前轮定位失准，主销后倾角过大或过小，内倾角过大，前轮前束调整不当。

（8）转向桥、车架弯曲、变形。（9）钢板弹簧挠度和尺寸不符合规定。（10)轮胎气压不足。3）故障排除（1）检查转向盘。

（2）检查轮胎气压是否过低，前轮定位是否符合要求，前钢板弹簧是否良好，前轴、车架是否变形。（3）检查故障转向传动机构和个球头销装配是否过紧。（4）检查转向器。

2、行驶跑偏 1）故障现象

驾驶员必须紧握转向盘方能保持直线行驶，若稍微放松转向盘，汽车便自行跑到一边。2）分析与诊断

（1）前轮左、右轮轮胎气压不一致，前钢板弹簧左、右弹力不一致。

（2）一侧前轮制动器制动间隙过小或轮毂轴承过紧。（3）两侧主销后倾角或车轮外倾角不相等，前束不符合要求。（4）有一侧钢板弹簧错位或折断。（5）转向节臂变形。（6）转向桥或车架变形。3）故障排除

（1）检查左、右轮气压是否一致。

（2）用手触摸跑偏一边的制动鼓和轮毂轴承是否过热。（3）检查钢板弹簧是否折断或弹力不均。（4）检查前束是否符合要求，两前轮主销后倾角、前轮外倾角是否相同。

（5）检查左、右轴距是否相等，转向桥和车架是否变形。

3、转向轮摆动 1）故障现象

（1）汽车在行驶时，转向盘抖动，转向操纵不稳。（2）前轮摇摆，严重时方向难以控制。出现汽车蛇形行驶现象。

2）分析与诊断

（1）转向器螺杆两端轴承严重磨损，间隙较大。（2）转向节主销与衬套磨损严重，配合间隙过大。（3）横、直拉杆球头销几座磨损，是球关节松旷。（4）转向摇臂与摇臂轴的禁固螺栓、螺母松动。（5）前轮轮毂轴承松旷、固定螺母松动。

（6）前轮前束过大，车轮外倾角、注销后倾角过小。（7）前轴弯曲，车架、前轮轮辋变形。

（8）前轮外胎由于修补或装用翻新胎失去平衡。（9）减振器失效，前钢板弹簧刚度不够。3）故障排除

（1）检查转向器螺杆与指销啮合间隙是否过大。（2）检查转向传动机构。

（3）检查前轮轴承松旷或转向节主销与衬套间隙。（4）检查前轮前束。

（5）检查钢板弹簧及减振器。（6）检查车架及前轴。

4、动力转向系故障 1）故障现象

（1）发动机在各种转速下均无转向助力作用。（2）转向突然沉重。（3）左、又转向力不一。2）分析与诊断（1）油泵传动带过松。

（2）油泵油罐内液面过低，油液脏污。（3）转向动力缸内有空气。（4）驱动油泵有故障。

（5）滤清器堵阻、供油管路接头漏油。

（6）安全阀漏油、弹簧过软或调整不当。3）故障排除

（1）检查油泵传动带是否过松。（2）检查油罐内液面是否过低。（3）检查油罐内油质。

（4）检查调节螺钉、转向齿轮啮合是否过紧。

（5）经上述检查后，故障仍不能排除，应对驱动油泵进行检修。

【课堂小结】（10＇）

本节课主要讲述了行驶系与转向系的常见故障的现象，并逐一进行诊断与分析，从而进行故障的排除。【布置作业】（5＇）

实习报告：1.EQ1092型汽车前悬架的拆装维护步骤。

作业本：

1.行驶系的主要作用是什么？

智能故障诊断技术 篇3

关键词：故障诊断；智能化；专家系统；神经网络

中图分类号：TN915.5文献标识码：A文章编号：1007-9599 (2010) 13-0000-02

Intelligent Fault Diagnosis Technology

Zhang Wenwen,Yu Yun

(Nanjing Institute of Information Technology,Nanjing210000,China)

Abstract:Intelligent fault diagnosis is a kind of comprehensive technology which included artificial intelligence,modern control theory,involved,signal handling,pattern recognition,computer science,

electronic technology,statistical mathematics and other subjects.The current AI for network fault diagnosis methods are mainly about expert system-based fault diagnosis method,fault diagnosis based on neural network methods and fuzzy neural network based fault diagnosis method.

Keywords:Fault diagnosis;Intelligentization;Expert system;Neural network

一、基于专家系统的故障诊断方法

专家系统是一个具有大量专业知识的程序系统。基于专家系统的故障诊断方法根据故障诊断领域的专家知识和经验，通过模拟人类专家做出决策的过程，达到解决复杂系统故障诊断的目的。专家系统结构如图1所示，由知识库、推理机、知识获取、解释界面等四部分组成，其中知识库用来存放相关领域专家提供的专门知识。推理机的功能是根据一定的推理策略从知识库中选取有关的知识，对用户提供的证据进行推理，直到得出相应的结论为止。在故障检测诊断专家系统的知识库中，存储了某个对象的故障征兆、故障模式、故障成因、故障排除意见等内容，这些知识是诊断的基础。专家系统具有可处理非结构化结构决策问题，进行知识表达、运用搜索和推理解决困难问题的优势。但是专家系统缺乏有效的搜索和利用大型知识库的能力，导致工作效率较低，阻碍了专家系统的发展和应用。

目前专家系统的一个瓶颈问题就是知识获取问题。专家系统的知识获取可以通过网络管理专家提供的经验、专业报刊杂志上的相关知识和通过历史故障记录等方式获取。当然专家系统还具有自学习的能力可以通过在实践过程中不断的学习获取知识，提高专家系统的效率。

二、基于神经网络的故障诊断方法

神经网络能够处理复杂模型而且具有联想、记忆、推理和抑制噪声能力，而且信息处理很快而且能存储大量的知识。神经网络能够高效地辨识给定模式；在神经元足够多的情况下，能逼近任意非线性映射；具有自学习能力；神经网络能够通过联想能力处理不确定、不完整数据，因此神经网络很适合于用于解决故障诊断问题。神经网络只要输入的模式接近于训练样本，系统就能进行推理。神經网络克服了专家系统中如果规则没有完全匹配，则会退出专家系统的缺点。神经网络还可以运用遗传算法进行优化，提高神经网络的性能。

目前神经网络有两种诊断模式：

1.离线诊断：这种诊断模式将学习和系统运行分开。当系统出现故障时，把故障信息或现象输入神经网络，神经网络通过自组织和自学习，输出故障解决方案。

2.在线诊断：将神经网络和系统直接相连，让系统自动获得故障信息和现象，然后由神经网络内部进行自组织和自学习，把学习过程和运行过程合二为一。神经网络具有自学习的能力，它的学习方式有三种：有导师学习、无导师学习和强化学习。有导师学习需要存在一个导师，导师对输入的数据提供相应的输出结果。无导师学习按照环境提供数据的某些统计规律来调节自身的参数和结构，表示输入数据的某些固定特性。强化学习中外部环境只对输出结果进行评价，学习系统通过强化受奖的行为提高性能。目前有五种常见的用于故障诊断的神经网络模型如图2所示：

三、基于模糊神经网络的故障诊断方法

模糊控制就是以模糊数学为工具，把控制专家和操作技师的经验模拟下来，通过模糊控制软件，将最善于处理模糊概念的人脑思维方法体现出来，做出正确的判断。模糊控制规则中的设计参数是靠经验设定的，不能实现自动设计和进行调整，而神经元网络中的设计参数可根据输入、输出样本学习，具有自学习和自适应功能。模糊控制知识获取比较容易。神经网络的容错能力很强。模糊神经网络结合了神经网络和模糊逻辑的优点，既可以容易的表达模糊定性的知识，又具有较好的学习能力。基于神经网络的模糊控制逐渐成为研究的热点。神经网络与模糊控制的异同如表1所示。

表1神经网络与模糊控制的比较

四、存在的问题

各种智能故障诊断技术各有优点，但仍存在以下不足：

基于专家系统的故障诊断方法中，知识的获取和知识库的构建比较困难，开发成本比较高。专家系统的适应性比较差，不能自动适应网络环境的变化。由于规则有它的特殊表示方法，向专家系统添加规则比较麻烦；随着知识的变化，需要对知识库不断进行维护。

基于神经网络的故障诊断方法中，对神经网络进行训练的工作量非常大。神经网络的适应性也比较差，不能自动适应网络环境的变化。由于神经网络所学到的知识是以权重形式分布在网络之中，所以没办法对故障诊断的结果进行解释。

基于模糊神经网络的故障诊断方法，将模糊控制技术和神经网络技术相结合，虽然结合了两者的优势，但实现起来就比较困难。

五、小结

智能化故障诊断的实现方法有很多，每种方法都有优势，但也存在不足。因此单一的智能化故障诊断方法比较难完成复杂的故障诊断过程。需要把几种方法结合起来，取长补短。

参考文献：

[1]李碧蓉.故障管理系统中故障检测与事件关联技术的研究.华中师范大学硕士论文,2001,5

[2]胥光辉,谢希仁.使用智能代理进行网络设备的告警关联.计算机研究与发展,2000:1259-1264

[3]静永文.计算机网络自动拓扑发现技术的研究.华北电力大学硕士论文,2002,12

[4]金星,洪延姬,吴江涛,沈怀荣.基于故障树的智能型故障诊断系统.宇航学报,2001:111-118

故障诊断平台 篇4

一、在线状态监测系统介绍

1. 泛泰克斯的XPR300在线系统

泛泰克斯XPR300在线系统是以网络化设备状态监测及故障诊断系统为主体, 采用Orcale数据库软件, 由数据采集系统硬件和振动在线传感器系统组成。该系统的突出特点是集成了最广泛应用的状态监测技术 (振动、油液、红外) , 提供网络化在线监测分析功能和工厂设备状况的完整图画。来自在线监测采集模块的网络化在线监测系统数据都集成到一个公共的数据库, 工厂局域网内的用户在任意一台计算机上都可以访问数据服务器, 浏览实时的设备的状态数据和历史数据, 数据采集器的并行输出两路数字信号, 一路数字信号通过Modbus总线 (RS485或Modbus TCP/IP) 输出到PLC控制系统, 另一路数字信号可通过内置的RJ45Internet接口可与XPR300状态监测软件相连, 对设备进行故障诊断。

2. RH2000在线监测分析系统

RH2000在线监测分析系统是针对重要及关键设备推出的解决方案。它是通过监测站对设备的运行数据进行采集, 记录并管理设备运行的相关历史数据, 并通过对设备状态数据的分析实现对设备状态的自动报警, 并对设备故障进行早期诊断与趋势预测, 为企业的设备运行管理、为实现状态预知维修提供了一个统一的平台。系统架构见图1。

二、在线状态监测系统的应用

1. 测点设置

在每台设备上设置监测点, 并在测点上安装传感器, 传感器与设备表面采用胶粘接。

2. 信号传输网络配置 (图2)

设备的振动信号经传感器、信号线传输到数据采集器, 数据采集器箱安装在非防爆区, 信号经转换通过网线链接到服务器上, 在软件上显示出来。

3. 数据库配置与浏览

设备状态管理系统采用B/S结构, 基于.Net平台开发的Web应用系统软件, 支持Windows 2000、NT、XP等操作系统, 以及SQLServer、Oracle、ACCESS等数据库。在安装B/S系统的计算机上, 启动IE浏览器, 在地址栏输入:“localhost/mrs”或者在局域网内任一台计算机IE地址栏输入:“系统安装所在服务器的IP地址/mrs”。输入用户名与密码, 就可以对振动数据时时监控。

诊断系统提供了丰富而强大的数据分析工具, 数据分析工程师可以根据具体要求选择相应的数据分析工具对数据进行分析。它不仅能分析测点、测量定义节点下采样数据信息, 同时可以在临时数据转移窗体中, 回收的临时数据信息进行分析。

4. RH2000系统应用案例

案例1某平台有2台注水泵, 正常生产条件下一用一备。2009年4月10日, 在线系统显示注水泵B电机的非驱动端与泵的驱动端数据变化较大, 上升较快, 但A泵也出现严重故障不能运行, 等待维修。B泵只能坚持运行, 故利用在线监测系统对B泵的运行状态进行监控。

结合该泵的运行历史数据与工艺参数的变化发现, 泵出口温度在74℃或出口压力在3.4MPa时, 机组振动较高, 而在69℃或3.6MPa时, 振动幅值会下降, 说明机组振动主要原因受工艺流程的影响较大。

综合分析认为电机转子存在断条现象, 对负载变化较敏感, 电机非驱动端轴承出现故障;泵叶轮存在故障。

针对平台现场实际情况提出维修建议:

(1) 缩短电机非驱动端轴承的补油周期, 每次少量补油, 不能多加油, 否则轴承会出现温度升高现象, 这会引起轴承提前失效;

(2) 工艺方面, 泵输送介质温度最好在69~70℃, 不要超过72℃, 温度提高机组振动大幅度上升;

(3) 泵出口压力尽量稳定, 不要低于3.4MPa, 如由于生产原因, 注水量不足时, 可以考虑泵停用一段时间, 等有足量的水时再启动泵运行。

随后平台维修人员更换了电机非驱动端轴承, 发现该轴承严重磨损。7月将该泵返回陆地检修, 发现电机转子条有7根断裂。

案例2 2009年7月, 注水增压泵在运行过程中电机驱动端测点振动幅值突然升高, 电机驱动端频谱中出现明显的地脚能量及轴承故障峰值, 时域波形中出现明显的冲击现象。

经分析判断认为电机驱动端轴承出现故障, 随后更换了电机驱动端轴承, 发现轴承磨损严重。频谱图见图3。

三、结束语

在线监测系统是离线监测与传统监测方法的基础上, 融入了Oracle、LINUX、WEB等技术, 具有良好的稳定性与实时性, 为用户提供设备状态监测的远程监测与故障诊断功能, 通过该系统可以及时发现设备运行故障先兆、诊断故障产生的原因, 是保证大型机组设备安全运行, 防止恶性事故发生的有效手段, 将其推广到海上平台的其余注水、外输泵等重要设备上, 具有广泛的应用前景。

参考文献

飞机故障诊断技术 篇5

2．故障按其对功能的影响分为两类：功能故障和潜在故障。

功能故障是指被考察的对象不能到达规定的性能指标；潜在故障又称作故障先兆，它是一种预示功能故障即将发生的可以鉴别的实际状态或事件。

3．故障按其后果分四类：

平安性后果故障：采取预防维修的方式；使用性后果故障：对使用能力有直接的不利影响，通常是在预防维修的费用低于故障的间接经济损失和直接修理费用之和时，才采用预防维修方式；非使用性后果故障：对平安性及使用性均没有直接的不利影响，只是使系统处于能工作但并非良好的状态，只有当预防维修费用低于故障后的直接维修费用时才进行预防维修，否那么一般采用事后维修方式；隐患性后果故障：通常须做预定维修工作。

4．故障按其产生原因及故障特征分类可分为早期故障、偶然故障和损耗故障。偶然故障也称随机故障，它是产品由于偶然因素引起的故障。对于偶然故障，通常预定维修是无效的。耗损故障是由于产品的老化、磨损、腐蚀、疲劳等原因引起的故障。这种故障出现在产品可用寿命期的后期，故障率随时间增长，采用定期检查和预先更换的方式是有效的。

5．故障模式或故障类型是故障发生时的具体表现形式。故障模式是由测试来判断的，测试结果显示的是故障特性。

6．故障机理是故障的内因，故障特征是故障的现象，而环境应力条件是故障的外因。

7．应力-强度模型：当施加在元件、材料上的应力超过其耐受能力时，故障便发生。这是一种材料力学模型。

8．高可靠度状态〔图1.2-2〔a〕〕：应力和强度分布的标准差很小，且强度均值比应力均值高得多，平安余量Sm很大，所以可靠度很高。

图1.2-2〔b〕所示为强度分布的标准差较大，应力分布标准差较小的情况，采用高应力筛选法，让质量差的产品出现故障，以使母体强度分布截去低强度范围的一段，使强度与应力密度曲线下重叠区域大大减小，余下的装机件可靠度提高。

图1.2-2〔c〕所示为强度分布标准差较小，但应力分布标准差较大的情况，解决的方法最好是减小应力分布的标准差，限制使用条件和环境影响或修改设计。

图1.2-2

应力、强度分布对可靠性的影响

9．反响论模型：

如果产品的故障是由于产品内部某种物理、化学反响的持续进行，直到它的某些参数变化超过了一定的临界值，产品丧失规定功能或性能，这种故障就可以用反响论模型来描述。

串连式反响过程：总反响速度主要取决于反响最慢的那个过程的速度。

并联式反响过程：总反响速度主要取决于反响最快的过程的速度。

10．最弱环模型〔串连模型〕：认为产品或机件的故障〔或破坏〕是从缺陷最大因而也是最薄弱的部位产生

11．故障树分析法简称FTA法〔Fault

Tree

Analysis〕

故障树分析法是一种将系统故障形成的原因由总体至局部按树状逐级细化的分析方法。

故障树分析法将最不希望发生的故障事件作为顶事件，利用事件和逻辑门符号逐级分析故障形成原因。优点：直观、形象，灵活性强，通用性好；缺点：理论性强，逻辑严谨，建树要求有经验，建树工作量大，易错漏。

12．顶事件和中间事件〔矩形〕

底事件〔圆形〕

开关事件〔房形〕

省略事件〔菱形〕

13．逻辑与门

逻辑或门

逻辑非门

异或门

表决门K/N门

表决门：仅当n个输入事件中有k个或k个以上发生时，输出事件才发生。

14．建树步骤

§顶事件选取原那么：

1)必须有确切的定义，不能含混不清、模棱两可。

2)必须是能分解的，以便分析顶事件和底事件之间的关系。

3〕能被监测或控制，以便对其进行测量、定量分析，并采取措施防止其发生。

4〕最好有代表性。

15．〔1〕系统级边界条件

顶事件及附加条件（系统初始状态，不允许出现事件，不加考虑事件)

〔2〕部件级边界条件

元部件状态及概率，底事件是重要部件级边界

利用边界条件简化：

与门下有必不发生事件，其上至或门,那么或门下该分支可删除；

与门下有必然发生事件,那么该事件可删除;

或门下有必然发生事件，其上至与门,那么与门下该分支可删除

或门下有必不发生事件，那么该事件可删除

16．n个不同的独立底事件组成的故障树，有个可能状态，故可有个状态向量。

17．与门结构故障树的结构函数

18．或门结构故障树的结构函数

19．k/n门结构故障树的结构函数

20．底事件的相干性

假设对第i个底事件而言，至少存在一对状态向量Y1i=(y1,y2,…yi-1,1,yi+1,…,yn)记作(1i,Y)和Y0i=(y1,y2,…yi-1,0,yi+1,…,yn)记作(0i,Y)，满足Φ

(1i,Y)>

Φ

(0i,Y)，而对其它一切状态向量而言，恒有Φ

(1i,X)

≥

Φ

(0i,X)成立，那么称第i个底事件与顶事件相干。

如果找不到状态向量满足Φ

(1i,X)

Φ

(0i,X)，那么称第i个底事件与顶事件不相干。

相干结构函数：Φ(X)满足：

故障树中底事件与顶事件均相干；

Φ(X)对各底事件的状态变量xi(i=1,2,…n)均为非减函数

21．相干结构函数的性质

〔1〕假设状态向量X=(0,0,…0)，那么Φ(X)=0；

〔2〕假设状态向量X=(1,1,…1)，那么Φ(X)=1；

〔3〕假设状态向量X≥Y(即xi

≥yi,i=1,2,…n)，那么结构函数Φ(X)

≥

Φ(Y)；

〔4〕假设Φ(X)

是由n个独立底事件组成的任意结构故障的相干结构函数，那么有

即任意结构故障树，其结构函数的上限为或门结构故障树结构函数，而下限是与门结构故障树结构函数。

22．假设状态向量X能使结构函数=1，那么称此状态向量为割向量。在割向量X中，取值为1的各分量对应的状态变量〔或底事件〕的集合，称作割集。割集是导致顶事件发生的假设干底事件的集合。假设状态向量X是割向量〔即=1〕，并对任意状态向量Z而言，只要Z

23．假设状态向量X能使结构函数=0，那么称此状态向量X为路向量。在路向量X中，取值为0的各分量对应的状态变量〔或底事件〕的集合，称作路集。路集是使系统不发生故障的正常元件的集合。假设状态向量X是路向量〔即=0〕，并对任意状态向量Z而言，只要Z>X，恒有=1成立，那么称X为最小路向量，最小路向量X中取值为0的各分量对应的底事件的集合，称为最小路集。最小路集是使系统不发生故障的必要正常元件的集合。

24．用最小割集表示结构函数：

25．用最小路集表示结构函数：

26．掌握化相交和为不交和，求顶事件概率〔此法最简单易于理解，故采用之〕：

式中为故障树的最小割集，将上式化成单独项〔形如这种形式〕的逻辑和，将式中的用代替，用代替。这样便可得到顶事件发生的概率为：

27．底事件的发生对顶事件发生的影响，称作底事件的重要度。

l

概率结构重要度：仅由单个底事件概率的变化而引起顶事件概率发生变化，那么顶事件概率对底事件概率的变化率称作该底事件的概率结构重要度，简称概率重要度，记作。数学表达式为：

。上式可以看出概率重要度较大的底事件，其概率发生变化，那么对顶事件概率变化的影响是比拟大的。

l

结构重要度：第i个底事件的结构重要度定义为该底事件处于关键状态的系统状态数与其处于正常状态的系统状态数之比。当系统由n个独立元件组成时，那么可表示为：，为该底事件处于关键状态的系统状态数，可由下式表示：

所谓底事件的关键状态是指该底事件状态变量由0变为1时〔该元件由正常变故障〕，故障树的结构函数也由0变为1〔系统由正常变故障〕的状态。

用以下原那么求结构重要度，在概率重要度的根底上，令各底事件的概率均为1/2，那么所求结构重要度与其底事件的概率重要度相同。

l

关键重要度：，由此可见，底事件的关键重要度是指顶事件概率相对变化量与引起此变化的底事件概率相对变化量之比的极限。

28．故障隔离手册〔FIM〕和故障报告手册使用同一的故障码，该故障码为8位数：左起前两位为故障所在章号〔系统〕，3、4位为节号〔子系统〕，5、6位为工程号，7、8位表示故障件位置。

29．无空勤人员提供故障码时的故障隔离程序

–

故障必然归入下面四种情况之一：

有相应的EICAS信息的故障；

有机内自检程序〔BITE〕的故障；

有适用的维修控制显示板〔MCDP〕信息的故障；

以上信息全没有的故障。

假设报告的问题上述三种信息均有，那么故障分析顺序为优先考虑执行有EICAS信息的排故程序，其次是机内自检程序，最后是考虑执行有MCDP信息的排故程序。

30．查找故障的典型概率法〔P75〕重点看，有计算。

概率法应用的条件：故障是由某一元件故障引起；查找故障不会引入新故障。

概率法应用的参数：

检查次数〔一次检查、平均检查次数

检查时间〔一次检查时间ti、平均总检查时间

检查工作量(一次检查工作量ti、平均总检查工作量

检查费用〔一次检查费用Ci、平均总检查费用

适用范围

–

逐件检查系统

–

分组检查系统

31．32．

分组检查的方法：两分法、等概率法、最小时间法。

u

两分法：要点--符合机件数大致相等的要求；

最少检查次数与最大检查次数：

1)

假设系统由n个机件组成，满足2m

n

2m+1〔m为正整数〕，那么系统最少检查次数为m次，最大检查次数为〔m+1〕次，平均检查次数

Sm--第m次可查出故障的机件零件号组成的集合，同理。-零件号为j的机件故障的条件概率。

2〕

假设系统机件数恰好满足n

=

2m，那么只需且必须经过m次检查，才能查出故障原因，平均检查次数Nm

=

m

u

等概率法：要点--先把系统按每组各机件故障条件概率之和大致相等分成两组，检查故障条件概率之和较大的那组，确定故障件所在局部。再将存在故障件的那一组按每组各机件故障条件概率之和大致相等分成两个分组，检查故障条件概率之和较大的一组，确定故障原因所在。如此继续下去，直至查出故障原因为止。

u

最小时间法：要点--每组各机件故障条件概率之和大致相等。

对各组计算检查时间消耗率h，h

=

å

(bi/

ti)，选择h较大的一组进行检查

33．信息量应该是该信息出现概率的单调减函数

信息量＝，P——信息量出现的概率，信息量的单位是“比特(bit)〞

–

假设有n个信息同时出现，它们对故障诊断提供的信息量要比单一信息提供的信息量大

–

当n个信息相应的事件互相独立时，n个信息共同出现时的信息量等于各个信息的信息量之和，即信息量具有可加性

34．现代信息论中，“熵〞是系统不确定程度的度量

假设系统A有n个状态A1,A2,…,An，系统随机处于相应状态的概率分别为P(A1),P(A2),…,P(An)，那么系统的熵定义为

35．复合系统的熵：设系统A有n个可能状态，系统B有m个可能状态

从而复合系统的熵为

A、B互相独立：H(A+B)=H(A)+H(B)

A、B统计相关：

H(AB)=H(A)+H(B/A)=H(B)+H(A/B)

A条件下B的熵值：

36．定义系统B为判断A所处的状态提供的平均信息量为

也被称为系统B包含有关系统A的平均信息量。

37．目视检查是飞机结构完整性检查的最根本、最常用的检查方法，也是保证飞行平安的重要手段之一。

当蒙皮离开铆钉头并形成目视可见的明显间隙，铆钉周围有黑圈，均说明铆钉已松动。

铝合金和镁合金腐蚀初期成呈白色斑点，开展后出现灰白色腐蚀产物粉末。

不锈钢的腐蚀往往是出现黑色的坑点。

38．气密舱的密封检查：流量法和压力降法。流量法更适用于泄漏量较大而容积小的气密舱。压力降法设备简单，测法简单可靠。气密舱和结构油箱泄露包括可控制泄露和不可控制泄露。

影响密封舱结构密封性的因素：

环状缝隙影响因素；平面缝隙影响因素；加工与装配质量的影响。

39．涡流检测的根本原理

检测线圈通交流电，在线圈周围产生交变的初级磁场，当检测线圈靠近被检测的导电构件时，在交变的初级磁场作用下，构件中感生交变的电流——涡流。涡流在构件中及其周围产生一个附加的交变次级磁场，次级磁场又在线圈内产生感应电流，它的方向与原电流方向相同。当构件中产生裂纹或有其它缺陷，检测线圈与其接近时，涡流发生畸变，影响次级磁场，进而影响检测线圈中的感应电流，检测线圈中的电流的变化，说明构件发生损伤。

40．涡流检测分为高频涡流检测〔>50kHz〕和低频涡流检测。

趋肤效应：涡流的磁场会引起交变电流趋向构件外表，外表电流密度最大，随着深度增加，电流密度减弱

41．涡流检测法的适用范围

Q

检查导电构件的疲劳损伤和腐蚀损伤。对铝合金是首选的无损检测方法

u

不适用非金属构件，如塑料、玻璃纤维复合材料等的损伤

Q

高频涡流可检测试件外表或近外表的损伤，而低频涡流可检测构件隐蔽面或紧固件孔壁上的损伤

Q

对于钢构件一般不采用涡流检测法探伤。

Q

不能检测出平行于探测面的层状裂纹。

Q

厚度小于1.5

mm的薄板材，板边缘或紧固件孔边的边界效应较大，给检测带来一定的困难

42．超声波检测法：高频声束〔频率在20kHz以上〕射入被检材料，经过不同介质分界面会发生反射，检测者分析反射声束信号，便可确定缺陷或损伤的存在及其位置。

超声波的发射与接收是利用压电材料的压电效应来实现的超声波是一种波长比光波长，比普通电波短，频率高于20kHz的机械波

43．纵波检测法的适用范围：

Ø

易检测出与工件探测面走向平行的缺陷

Ø

受仪器盲区和分辨力的限制，外表和近外表检测能力低

Ø

适用于检测大面积的厚工件，定位简单

横波检测法的适用范围：

Ø

可发现与工件外表成一定角度的缺陷或损伤

Ø

辅助纵波检测，检测垂直于探测面的缺陷或损伤。

应用：可检测金属、非金属、复合材料的内部及外表缺陷〔裂纹损伤和腐蚀损伤〕，对平面缺陷十分敏感，只要声束方向与裂纹面夹角到达一定要求，就可清晰地显示出裂纹损伤

44．磁粉检测的原理：〔通过检测漏磁来发现缺陷〕

铁磁试件被磁化后，假设试件存在外表或近外表缺陷，会使试件外表产生漏磁。铁磁性工件中存在着许多小磁畴，磁化前，磁畴随机取向，磁性抵消；被磁化时，磁畴规那么排列，呈现磁极。当工件外表或近外表存在与磁化方向近于垂直的裂纹缺陷时，磁力线会弯曲，呈绕行趋势，溢出外表的磁力线叫做缺陷漏磁。漏磁场强度取决于缺陷尺寸、方向和位置以及试件的磁化强度。漏磁场强度越大，缺陷部位越容易吸附磁粉，越能显示出磁粉迹痕，观察磁粉迹痕判断缺陷所在。

l

周向磁化法：直接通电法、电极法、芯棒法

l

纵向磁化法：线圈法、电磁铁法、感应电流法

l

复合磁化法

适用于铁磁性构件外表或近外表缺陷〔或裂纹〕。主要检测锻钢件及焊件，不适用于奥氏体不锈钢〔非磁性材料〕。

注意：磁粉检测后要对零件进行退磁。

45．传统的故障诊断方法包括逻辑诊断方法、统计诊断方法和模糊诊断方法。

46．逻辑诊断法师根据故障特性〔故障信息或征兆〕与故障状态的逻辑关系，运用推理的方式进行故障诊断的方法。

有效决策规那么：将有效逻辑基中全部变元〔取值为１〕或逆变元〔取值为０〕逻辑乘，再求逻辑和．

有效决策主范式：从决策规那么出发，通过逻辑运算，得到全部变元或逆变元逻辑乘的逻辑和．

概括逻辑诊断步骤:

1.确定考虑的因素,建立决策规那么;

2.建立有效决策规那么或有效决策主范式;

3.将给定元件状态的元件变元或逆变元组成征兆函数,待定元件变元或逆变元组成成因函数,进行状态识别或故障诊断.注：此节求有效逻辑基，通过分析故障成因函数查找故障原因是重点。

47．统计诊断方法：

确定临界值是重点。

根据对平均冒险率的分析，提出以下四种确定临界值的方法：

最小冒险法、最小错误诊断概率方法、极小极大法和纽曼-皮尔逊方法。

n

在满足平均冒险率最小的条件下，即使=时，确定临界值的方法称为最小冒险方法。

n

当==，==时，最小错误诊断概率方法确定临界值得条件和最小冒险法完全相同。

n

在使平均冒险率取极大的同时，使平均冒险率取极小，这样确定临界值的方法称为极小极大法。

n

纽曼-皮尔逊方法：要正确地估计错误诊断的代价往往是十分困难的，为此往往采用使某种诊断错误概率降低到最小的原那么。

例题：根据滑油中含铁量监测发动机机匣的工作状态。设由统计资料得到：在正常状态下含铁量的均值〔1p.p.m=1毫克/升〕，在异常状态下含铁量的均值，标准偏差为；含铁量为正态分布，并发动机处于正常状态的概率为=0.8。试用最小错误诊断概率法：

〔1〕详细推导确定临界值的公式

〔2〕计算临界值x0

48．模糊诊断方法〔重点看该书最后两页〕：

设分别表示m种故障成因，它们是征兆群空间X〔论域U〕上的m个模糊子集，为相应的m个模糊子集的隶属函数。对U中的任一元素，如果，那么判断隶属于模糊子集，这就是最大隶属原那么。

隶属函数计算式：其中〔i=1，……，n〕表示第i个征兆出现的状态，征兆出现取1，不出现取0，是权系数，即诊断矩阵中第i行，第j列的元素。根据最大隶属度原那么判断故障成因，从而判断故障成因。

设备故障的诊断方法 篇6

关键词：设备故障；诊断；“望、闻、问、切”；产品质量；故障排除；设备管理

引言

在企业里面，产品质量是伴随企业发展的重要因素。因此，在各行各业当中，产品质量是企业的重中之重；但是，个别企业管理里面，领导一味的追求结果而忽略了产生产品质量的过程，自己从事设备管理和产品质量管理过程中，自己认为：要提高产品质量，必须提高设备的管理。设备的运行，就必须伴随着设备的故障，不管哪个部门，从事什么管理，还是从事什么技术工作，我们应该掌握设备的基本故障，排查设备故障，我们才能提高产品的质量。本文从机械方面介绍基本设备的常用故障的诊断方法，与大家共勉。

在中国中医当中，常见的“望、闻、问、切”是中医用语。望，指观气色；闻，指听声息；问；指询问症状；切，指摸脉象。其实，在设备管理当中，我们也可以从“望、闻、问、切”的中医用语对设备进行诊断故障，下面我们就从这四个方面来分析常用设备的故障：

1.“望”

顾名思义就是观察，了解设备表面的异常现象，观察设备运行参数等等。在冶金行业当中的电炉，它是炼铁炼钢等必不可少的关键设备，如果发生故障，直接影响了产品的质量，并操作的损失是不可估量，同时，电炉产生故障对安全隐患也是不可缺少的因素；我们从“望”出发，了解电炉运行怎样，观察电炉表面运行怎样，了解现场的冷却系统，电流状况等，特别是设备在运行过程当中操作工提供的不良问题，我们可以在外面观察机械机构的螺栓是否正常，连接部分有没有卡死，电路连接部分是否有火花发生，同时用红外线测温仪测量是否温度不正常等，当然，外观观察的地方很多，我们只能大概理解处理问题的方法，具体情况必须现场根据情况进行处理。

2.“闻”

顾名思义就是听，听设备运行的声音，听操作工描述的异常声音，听设备产生异常声音的声源等。在机加工当中，机床是机加工缺一不可的设备，机床发生故障，我们首先要听操作工描述设备异常声音的状况，发生异常声音的声源，在设备允许运行的状况下，我们可以试开机，听听故障的发生情况，是否齿轮箱发生滑齿，转换转速是否难转换或者已经转换而没有改变转速等，只要找到了声源，就可以及时排除故障。在一些企业里面，空气锤也是常用的设备，空气锤的故障，我们也可以从这方面入手，比如模具发生裂纹，气锤内部漏气，空气锤无力等情况，我们都可以从听的方面找出故障之处。

3.“问”

顾名思义就是了解。在这方面我们在前两部分有所介绍，在设备发生故障的时候，我们要了解设备曾经维修的情况，更换了那些部分，维修故障的原因是什么，同时要了解设备日常保养情况，比如润滑，轴承加油，电机的保养，皮带松劲情况等，阀门更换情况，空气过滤网是否清理等，在了解这些后，还需查询该设备的年检内容，关键零部件的使用时间，在规范设备管理当中，一些设备保修记录也是我们主要了解的内容，只要我们对设备运行情况有一个全面的了解，对排除故障就手到擒来。

4.“切”

顾名思义就是现场处理问题。在完成上面三个步骤后，对设备就有一个更加明确的了解，在现场。条件运行的情况下，我们可以摸设备的震动情况，是否有异常跳动，可以手感设备运行的温度，是否与平常不同，常用螺丝批，一头接触设备一头接触耳朵，听听设备异常声音的来源。当我们发现问题后，及时进行处理，拆卸损坏零部件，安装新的备件，并试开机运行，检查故障是否排除等。

设备故障检修完成后，我们还不能完成这项检修工作，作为设备管理工作者，还必须做到以下几点：

（1）查找产生该故障的原因，是否是自然磨损，还是因操作者不当造成故障，还是因为外界原因产生该故障等；

（2）解决防止同类似发生，比如按期更换备件，培训操作工技能，排查外界影响设备故障，比如：润滑油不合格或者选择型号不当，环境温度太高产生故障，基础不牢固而产生震动等等；

（3）对维修内容记录在案，比如故障产生的时间，故障产生后的现象，故障产生的原因，故障处理情况，检修更换的零部件，检修参与者的情况，以及整改意见。这些对我们以后设备管理有一个技术参考，积累设备管理经验。

正如医学中对人体的诊断一样，被诊断者的体温、血压、脉搏状况等，都反应着一个人的健康状况；在机械当中，通过诊断手段所获取的各种信息，都是机械的一定技术状况的反应，超越一定范围的诊断参数就是机械故障的征兆。

根据如上关系，机械设备诊断技术必须完成以下任务：

（1）弄清引起机械的劣化或者故障的主要原因；

（2）了解设备劣化、故障的部位、程度及原因；

（3）了解设备的性能、强度、效率等；

（4）预测设备的可靠性及使用寿命。

参考文献：

[1]郑国伟，文德邦主编.设备管理维修工作手册.湖南科学技术出版社，1989年

[2]高克绩，李敏主编.设备管理与维修.机械工业出版社，1987年

故障诊断平台 篇7

1 系统架构

1.1 专家系统简介

专家系统(ES)是人工智能领域最活跃和最广泛的领域之一[1]。自从1965年第一个专家系统Dendral在美国斯坦福大学问世以来,经过40年的开发,各种专家系统已遍布各个专业领域。目前,专家系统得到了更广泛的应用,并在应用开发中得到进一步发展。所谓专家系统就是使用人类专家推理的计算机模型来处理现实世界中需要专家作出解释的复杂问题,在没有专家参与的情况下得出与专家相同的结论。简言之,专家系统可视作“知识库”和“推理机”的结合,知识库是专家的知识在计算机中的映射,推理机是利用知识进行推理的能力在计算机中的映射,构造专家系统的难点也在于这两个方面。

1.2 系统组成

本文设计的智能专家系统包括用户界面、数据库以及模块化的程序。应用嵌入式数据库SQLite来实现知识的存储以及人机交互实现推理解释。故障树节点的所有信息均存储在SQLite中,并在数据库中实现故障节点的逻辑关系以此取代推理机,达到引导检测的目的[2]。

1.3 系统工作机制

专家系统的组织控制机构(即推理机)根据当前输入数据来运行知识库中的相应知识,按一定策略进行推理,以达到要求的目标。本文专家系统中,推理机根据用户参与选择后的故障信息,在知识库内寻找能与之匹配的故障树结点事件,每步推理都以用户反馈信息为依据,沿故障树脉络进行正向推理,逐步缩小故障范围,直至完成故障源定位。专家系统工作流程如图1所示。

2 专家库设计

故障树分析FTA(Fault Tree Analysis)是一种演绎推理方法,将系统可能发生的故障和故障原因由总体到部分按树状逐渐细化的图形演绎方法,通过对故障树的定性和定量分析,判明故障原因并可得出引发故障的相关因素的相关重要度[3]。故障树是用于系统可靠性分析和故障诊断的一种图形化故障模型,而基于规则的诊断专家系统的目标是当系统发生故障时综合利用各种诊断信息,根据知识库中的规则,通过推理确定系统的故障模式,推断出故障部位和故障原因,最后提出排除故障的方法和维修建议。故障树建立时,将最不希望发生的故障作为顶事件;位于故障树底部,导致其他事件的、不可再分的原因事件为底事件,其他事件都是中间事件。各事件间相互关系通过“与”门、“或”门、“非”门等逻辑门表示。

2.1 SQLite移植

从SQLite官方网站下载最新版本的SQLite,解压获得sqlite3.c、sqlite3.h、sqlite3ext.h三个源文件,还要下载一个基于Windows平台的edll压缩文档,解压获取sqlite3.def,最后下载一个支持命令行的版本文件,解压获得sqlite3.exe。然后生成工程:用VS2005新建DLL工程,选择智能设备在定制Win CE生成的SDK(如mini2440-CE6-SDK),把解压出来的源文件加入工程中。最后设置工程属性后编译:编译后便可生成适合设备平台的数据库使用文件sqlite3.lib、sqlite3.dll。以后只要把sqlite3.dll放到与工程相同的目录下,在工程链接的额外依赖中加入sqlite3.lib,然后在需要使用数据库的源文件中加入include“sqlite3.h”,SQLite数据库就可以使用了。

2.2 故障树的构建

基于故障树的推理是指利用故障现象信息和故障树节点间的逻辑关系进行推理,利用异常节点作为推理的起始点,利用辅助信息进行假设排除,最终确定故障原因。在进行故障诊断之前,系统要构造故障树,故障树的作用主要用于诊断过程的剪枝,即缩小状态空间的搜索范围,以提高系统工作效率。将数据库中的所有规则组织成若干棵树,每棵树的叶子节点对应一个故障现象或辅助信息,非叶子节点对应一个故障结论,父节点与子节点的关系构成规则,在数据库中记录故障树的根节点、节点层次、节点关系、叶子节点等信息。设置系统变量,用于判断系统是否进行过规则更新操作,在启动系统、退出规则维护界面和调用故障诊断功能时都进行判断,及时提示用户进行故障树的更新处理[4]。

串口无法通信或者通信过程中出现异常,就要对整体或者串口通信过程中的某个细节进行故障诊断。串口通信的实现需要如下几个模块:数据发送模块、数据接收模块、物理链路、中央处理单元、串口扩展板以及电源。故障主要有数据发送模块故障、接收模块故障以及串口扩展板故障三部分。在工作中,无论哪部分模块发生故障都将影响到整个通信过程。根据故障关系以及检测经验设计图2所示的串口通信故障树。

2.3 故障二叉树的建立

关系数据库管理系统的优势在于存储以二维数据表为模型的数据结构。本文将故障树压缩存储来降低检索算法的时空复杂度。

一般的树形dp都有这样的模型:f[x,y]=min{f[x1][y1],f[x2][y2],……f[xm][ym]}给每个儿子分配多少就需要枚举了,这种做法比较慢。但是如果转化为为二叉树之后,dp模型一般都是这样:f[x,y]=min{f[left[x],y1],f[right[x],y]},则变为给一个儿子进行分配就可以了,而且转化之后还有一个很有用的性质,即原树和二叉树的前序遍历相同,可以利用这个性质进行一些优化。而且在某些情况下,通过前序可以把树形dp转化为在线性表(如数组中的dp),这样许多转移方程就可以继续优化,所以在树的算法中把树转化为某种线性序可以大大优化模型,使其算法变得更简单高效。本着这种原则,本专家系统设计的SQLite表如表1所示。建立表之前,根据树转二叉树的算法对每个故障现象进行编号,表1中,NODE代表节点号;TEXT表示节点的故障现象;YESTO、NOTO表示判断后将要跳转的节点;NRANK表示节点等级,根节点等级为0,过度节点等级为1,当节点等级为2(即叶子节点)时,表示测试结束并给出是否保存结果的提示。

Win CE下读取数据库信息对系统进行专家诊断的核心代码如下:

检测过程中,通过人机交互遍历故障二叉树如图3所示。图中二叉树的每一个叶子节点都是一次检测的结果,也就是故障的最终原因,它们的等级即NRANK都是2。通过等级的判断来确定是否是最终结果并提示保存。

3 系统的实现

本文以嵌入式操作系统Windows CE和S3C2440A为开发环境,应用EVC++语言编写、应用程序和嵌入式数据库SQLite,开发了故障诊断专家系统,以串口通信故障检测为例,介绍了基于故障树分析法和专家规则的故障诊断专家系统的建立以及诊断过程。当串口通信故障检测开始时,测试人员只需要根据故障现象的提示进行是非判断,然后专家引导系统就会给出下一步的工作。系统工作流程图如图4所示。

专家系统运行的过程中,系统首次查询数据库,把故障树的根节点内容显示到提示信息。检测人员将提示故障现象正确与否的判断反馈给专家系统进行下一次数据库查询得到下一步的提示信息。检测人员参与之后的所有数据库查询工作都按照节点设计的逻辑进行跳转,然后重复人机交互操作,最后由专家系统给出确切答案,并提示检测人员对测试结果进行保存。

本文提出了一种基于二叉树遍历的检测专家系统并给出了多叉树转化为二叉树的方法,在嵌入式Win CE平台下将这种系统实现并在初步的实践检验中取得良好效果。以串口通信故障检测为例,详细地介绍了专家系统的建立过程以及工作原理,采用体积较小的嵌入式数据库SQLite以及Win CE友好的嵌入式人机交互界面和模块化程序设计方式,复用性好,可移植性高[5]。此系统模型广泛适用于交通、通信以及电力等设备的故障检测,在故障树的引导下进行专家级检测。

摘要：针对高科技产品专业性强、系统结构复杂、故障分析困难等问题,本设计以故障诊断的理论和方法为基础,提出了一种基于专家系统的故障诊断设计方案。设计构造了故障诊断专家系统的整体框架,探讨了专家系统中知识库的建立、推理机制以及人机界面设计等问题。

关键词：专家系统,嵌入式WinCE,SQLite,串口通信

参考文献

[1]蔡自兴,DURKIN J,龚涛.高级专家系统:原理、设计及应用[M].北京:科学出版社,2006.

[2]潘玲琳.基于产生式规则的专家系统的研究实现[J].计算机技术与发展,2007(5).

[3]邵延峰,薛红军.故障树分析法在系统故障诊断中的应用[J].中国制造业,2007,36(1):72274.

[4]朱大奇.电子设备故障诊断原理与实践[M].北京:电子工业出版社,2004.

故障诊断平台 篇8

随着现代电子测试技术、微电子技术和计算机技术的进步, 武器装备系统向着自动化和复杂性方向发展。由于系统复杂性提高, 发生事故的严重性也在加强。要提高复杂系统的可靠性, 必须重视故障诊断技术的发展。作为故障诊断领域的一个重要研究分支, 基于符号有向图 (SDG) 的故障诊断方法近年来得到了迅速发展。

1 基于SDG的故障诊断方法

基于SDG的故障诊断主要包括2个环节:建立系统的SDG模型和基于SDG模型的故障定位。文献[2]中引用了一种SDG模型的定义:SDG模型γ由有向图G、节点状态函数φ和支路符号函数Ф组成, 即γ= (G, φ, Ф) : (1) 节点v表示系统元部件, 连接节点的支路e表示元部件间的故障传播路径, 则图G= (V, E) (v∈V, e∈E) , 其中V, E分别表示系统所有的元部件集合和各种连接关系集合; (2) 节点状态函数φ:V→{+, 0, -}, 其中“+”表示节点物理量高于正常值, “-”表示低于正常值, “0”表示变量正常; (3) 支路符号函数Ф:E→{+, -}, 其中“+”表示支路源节点对目的节点的变化方向相同, “-”表示相反。

节点集合的状态值称为模式, 表示系统对应的状态。任何一个节点出现非零状态, 则系统就是故障的。对系统的故障诊断就是利用SDG模型对故障源进行定位。设节点vi∈V, 且φ (vi) =0, 则说明其对应的状态变量出现异常。设支路为Bk与vi连接的一条支路, 节点vi为Bk的源节点, 如果φ (vi) Ф (ek) φ (vi) =+则说明支路ek参与了故障的传播, 称ek是相容的。根据支路的相容性, 采用回溯搜索的方法可实现对故障源的定位。

作为一种定性的数学模型, SDG故障诊断由于其过于简单的因果关系描述, 使得诊断结果的精度较低;对于复杂系统进行SDG建模时, 由于节点和支路数量巨大, 搜索推理的计算量以级数上升, 诊断推理速度缓慢。为克服这些不足, 一些改进的方法被提出, 如:文献[3]提出的一种模糊SDG模型, 通过引入模糊理论对系统变量进行更精细的描述, 采用模糊推理方法提高了诊断精度;文献[4]通过对复杂系统进行功能单元划分, 建立分级SDG模型降低了建模复杂度和减少计算量等等。

由上可以看出, 基于SDG故障诊断的关键在于建模, 通过一套规范化的方法将系统的深层知识, 即它的结构和行为方面的知识, 转化为有向图的形式, 并进一步地描述为计算机可以识别的矩阵形式。此外, 有效的故障源定位方法能大大减少测试诊断时间, 尽快求出诊断解。这种建模-推理的过程是往复循环的:如果诊断结果不符合实际情况, 则需要返回到建模阶段、计算推理阶段进行修正。如此循环, 直至得到精确的诊断结果。

2 便携式故障诊断系统

SDG故障诊断以系统的直观结构特征为出发点, 对系统变量间的因果关系和故障传播路径提供的简要和图形化的描述。作为一种不依赖精确数学模型的智能诊断方法, 具有能够快速建立诊断模型, 依赖在线数据量小, 能够克服知识获取瓶颈的困难等优点。特别适用于设备现场系统级快速诊断, 尤其是野外或缺乏大型专用诊断系统的偏远地区的装设备诊断。图1是一种外场通用便携式故障诊断仪, 基于PXI总线系统框架搭建了硬件平台, 集成嵌入式计算机、信号激励模块、矩阵电路模块、IO模块、示波器模块、多用表与计数器模块、智能探笔模块、电源模块等等。对于特定诊断对象, 采用专用测试适配器以提高信号采集的自动化程度。

该故障诊断仪的软件主要由SDG模型开发平台、TPS开发平台、诊断推理机3个部分组成。各部分主要功能如下:SDG模型开发平台用于创建诊断对象的SDG模型数据库;TPS开发平台用于创建测试程序集。它们均以离线方式工作。SDG诊断测试平台读取SDG模型数据库, 以此建立测试脚本并调用TPS得到UUT的动态状态参数, 以推动搜索算法运行并最终得到诊断结果。软件结构如图2所示:

关于SDG模型搜索算法以及TPS开发, 国内外已进行了大量研究, 如文献[5][6]就各种SDG模型及其搜索方法进行了探讨, 文献[7][8]就TPS开发平台设计与实现给出了指导方案和实现案例。关于SDG模型开发平台, 国外已经在这方面进行了大量的工作并基于G2专家系统上层进行了图形化平台的开发, 价格非常昂贵而且灵活性有限, 国内尚没有对于SDG专用的图形建模平台。下面介绍SDG模型开发平台的软件设计与实现方法。

3 SDG模型开发平台

对于外场便携式通用诊断仪而言, 其诊断对象种类多, 差异大, 不同对象的结构组成、信号流程及操作方法各不相同。这使得仅仅依靠诊断设备研制单位来完成对所有诊断对象的SDG建模几乎不可能实现。因此, 实现诊断仪现场通用性必须依靠具有一定技术经验的技术维护人员自行开发是实现诊断设备现场通用性的必然要求。

一般情况下, 设备维护人员不会对SDG概念非常熟悉, 必须设计一种界面友好的图形开发环境, 使得他们能够依靠其现有知识和技能快速地建立诊断对象的系统原理图模型, 同时为保证SDG模型的正确性, 还需要建模软件能够“智能”地进行检查图形模型的正确性, 并自动地实现图形模型向数据模型的转换。

3.1 功能设计

SDG建模软件应完成以下3个方面的任务:图形建模、SDG模型分析及数据库管理功能。

3.1.1 图形建模

图形建模由图形开发环境完成, 主要实现创建、编辑SDG模型文件。由于建模人员对系统原理图较为熟悉, 因此构成模型的基本元素应该是电路模块或元件。

开发环境应该支持形状创建、修改与删除, 位置调整、外观调整、属性设置、组合、图层等功能。此外还需要提供绘图辅助工具如标尺, 黏附、自动对齐、参考线等。

3.1.2 SDG模型分析

模型分析的目的是将用户创建的图形文件转换成推理机所需的SDG矩阵 (或数据库) 形式, 由SDG模型分析模块完成。实现转换的根本方法是遍历图形文件中的各个元素, 读取属性和连接关系。为了确保SDG模型的正确性, 减少因建模错误导致推理计算无解、模糊解或错误解的情况, 模型分析还应该在转换前依据SDG模型规则对图形文件进行检查, 发现错误进行提示和定位, 协助用户进行修改以建立可靠的模型。

3.1.3 数据库管理

数据库存储了诊断对象的SDG模型, 对于复杂系统而言, 模型数据的记录可能达到上万条。此外, 为实现诊断脚本生成对节点状态需要设置其标准参数和动态范围;为了提高诊断结果的交互性, 还需要装订元部件在实物照片中的位置等等, 这些工作需要一个良好的数据库管理接口, 以实现对海量数据的维护和装订。

3.2 基于Visio的实现

Visio是微软公司发布的一款功能强大的矢量图形软件, 以其独特的模板 (Template) 、模具 (Stencil) 、形状 (Shape) 、拖曳式绘图方式和智能图形技术, 使得即使不具有专业绘图基础的人员, 也能充分利用图形表达自己的思维。除了强大的绘图能力外, Visio还提供自动化 (Automation) 机制, 允许用户自行扩展Visio能力。基于Visio进行SDG建模软件的开发, 可充分利用Visio的强大绘图能力, 开发人员只需集中精力于SDG建模工作中。一般说来, 进行Visio开发主要包括以下几方面工作:设置模板, 设计模具和编程实现功能扩展。

模板用于设置Visio的绘图环境, 包括主题、菜单、模具等等。设置绘图模板就是设置好便于使用的绘图环境并将其保存为文件。进行SDG建模时, Visio将自动的打开相应的模具, 设置好主题、菜单等。

3.2.1 模具设计

SDG建模软件的关键之一在于模具的设计。模具设计的主要工作是设计主控形状 (master shape) 。Visio SDK提供了Shape Studio工具帮助开发人员管理和创建复杂的灵巧形状 (smart shape) , 支持模具管理和形状多态、派生、继承等特性。

SDG模型中有2类基本的形状:节点和路径。其中节点描述了系统中的元部件, 具有状态属性。而路经描述了节点间的连接关系, 具有符号属性。针对常见设备元部件, 设计了具有如图3所示树型结构的形状:

在上面的形状树设计了一类特殊的节点称为“虚拟端点”。如果诊断对象是系统的一部分如分机、单元等, 利用虚拟端点来描述诊断对象与系统其余部分的交互。

将这些形状归类成模具文件以方便管理和使用。利用这些预先设计好的模具, 用户可以方便的依据自身知识, 采用拖放式绘图方法建立起具体设备的原理图。其中自然的暗含了SDG模型中各要素的定义及关系。图4为利用该平台建立的某型雷达装备的SDG模型图。

3.2.2 功能扩展

SDG建模软件需要对用户创建的图形模型进一步地分析, 将模型所描述的节点、节点状态函数、支路符号函数等信息转换成矩证或表格的形式以便于推理搜索软件进行计算推理, 定位故障点;为尽可能减少SDG模型中的错误如孤立节点, 空路径等等, 防止推理计算结果错误, 建模软件还应具备对用户创建的图形模型进行错误检查的能力;当用户创建了新的图形元素时, 能够提示用户设置相关参数, 并自动为其进行编号;此外还有如数据库访问, 装订标准参数, 指示各元素精确位置等等辅助功能。这些工作可以通过Visio自动化来实现。

Visio自动化可通过多种方式实现:VBA宏、COM加载项以及Visio附件。附件包括两种形式:一种是Visio库文件 (.vs文件, 一种Visio专用动态链接库) , 一种是独立的可执行文件 (.exe文件) 。在实现SDG建模软件平台各项功能时, 根据任务特点的不同, 可选择最为合适的方式开发。结合它们的优点。

有的任务仅需要访问图形文件中的形状数据, 如设置节点和路径属性, 判断节点间的路径连接关系等等, 可选择嵌入VBA宏代码来实现。其优点是开发简单, 与Visio结合紧密, 可以方便地被调用。

有的任务需要访问外部数据, 或者需要较为复杂的推理计算, 例如访问数据库, 导入/导出数据, 检查模型错误, 判断孤立节点、悬空或多端路径以及响应用户事件等等, 可选择编写加载项或附件实现。图5为SDG模型分析模块运行时窗口, 它自动分析图形文件中的形状及连接关系, 读取形状属性, 并将其生成为推理机所需的数据库表。

4 结论

对于开发人员而言, 基于Visio建立图形化SDG模型开发平台, 可以避免重复开发功能复杂的绘图平台, 而将精力集中于确定SDG模型规则, 模型的识别以及SDG模型数据库的设计和维护上, 减少了开发成本, 提高了开发效率和软件可靠性。

对于使用人员而言, 该平台较好地解决了图形化SDG建模的难题, 使得熟悉装备的维护人员参与到模型开发过程中, 提高了诊断数据库开发速度, 使得诊断仪应用范围得以迅速扩展, 为真正实现了通用性设计目标打下坚实的基础。

摘要：基于符号有向图 (SDG) 的故障诊断系统不依赖精确数学模型和在线数据, 适用于外场通用故障诊断设备实施现场诊断。建立图形化SDG模型开发平台是实现其通用性的关键。基于Visio的软件实现通过模具设计和功能扩展降低了平台开发成本, 提高了平台运行的可靠性, 也使得现场维护人员可以方便地利用其扩展诊断设备功能。

关键词：符号有向图,定性建模,故障诊断,SDG软件平台

参考文献

[1]吴军强.基于图论的故障诊断技术及其发展[J].机电工程, 2003 (5) .

[2]王伟.基于符号有向图模型的故障诊断方法[J].动力工程, 2007 (5) .

[3]宋其江.基于模糊SDG模型的航天器故障诊断方法研究[J].宇航学报, 2008 (6) .

[4]韩安媛.一种改进型定性建模方法F-SDG[J].探测与控制学报, 2008 (6) .

[5]朱琳.基于模糊概率符号有向图的复杂系统故障诊断[J].北京理工大学学报, 2007 (10) .

[6]翟晓燕.有向图中几类支撑树数目的计算公式[J].运筹与管理, 2000 (1) .

[7]杜舒明.通用电路板自动测试系统的软件结构及实现方法[J].计算机测量与控制, 2008 (8) .

故障诊断平台 篇9

微油螺杆压缩机是中国海洋石油公司采油平台关键设备之一, 其主要作用是对空气进行压缩, 并提供仪表用气和公共用气, 其送风系统在平台上非常重要, 与其他各系统密切相关。

微油螺杆压缩机结构见图1, 在压缩机的机体中, 平行地配置着一对相互啮合的螺旋形转子。凸齿转子称为阳转子;凹齿转子称为阴转子。阳转子与原动机连接, 带动阴转子转动。转子上的球轴承承受径向力。在压缩机机体的两端, 分别开设吸气孔和排气孔。微油螺杆压缩机的工作可分为吸气、压缩和排气三个过程。随着转子旋转, 每对相互啮合的齿相继完成相同的工作循环。微油螺杆压缩机靠喷入的润滑油在转子间形成油膜, 起到密封、润滑和冷却的作用。

2. 状态监测仪器及分析软件

(1) 状态监测仪器:数据采集器MOVIPACK Ex;Seria No.:APT1105。传感器:MODEL766-35;Serial No.:236。

(2) 数据分析软件为vib——Graph。

3. 设备状态监测及频谱分析

设备测量点示意图见图2。

2012年4月26日, 对某微油螺杆压缩机进行月度状态监测。该设备型号:Ingersoll Rand MH45 Rotary螺杆式;流量:65m3/min;排气压力:1.0MPa。设备现场情况及频谱特征:机组振动速度总值稍高, 有上升趋势。电机频谱中主导频率为增速齿轮和螺杆啮合频率, 电机受增速齿轮及压缩机影响, 导致加速度及加速度包络值较高, 冲击较大;压缩机频谱中主要以压缩机螺杆的啮合频率和增速齿轮的啮合频率及其谐波为主, 并伴有边频带。

设备诊断结论:机组压缩机增速齿轮和螺杆啮合间隙因存在偏差、啮合不良, 较上次测量值, 振动加速度总值和加速度包络值值显著增大, 且有上升趋势, 对机组应加以关注、谨慎运行, 运行时需注意压缩机振动和温度及噪声变化, 如持续上升, 建议对压缩机螺杆啮合间隙和增速齿轮进行检查。

4. 设备维修情况

根据诊断结果和建议, 公司于2012年5月中旬委托压缩机厂家对该压缩机其进行维修, 并更换机头, 发现旧机头增速大齿轮锁紧螺母松动, 导致齿轮啮合不良, 且因松动螺母顶伤阳螺杆驱动端轴承内圈及外圈, 造成螺杆啮合欠佳 (图3) 。

5. 设备维修后状态评估及频谱分析

2012年5月23日, 对该设备进行维修后的状态监测。设备现场情况及频谱特征如下: (1) 机组更换机头后, 速度总值相对不是很高; (2) 电机频谱中主导频率为工频; (3) 压缩机频谱主要表现为螺杆的啮合频率及其谐波。

设备诊断结论:机组可正常运行。

6. 结语

从维修后拆下来的机头来看, 论证了前期对该设备的故障诊断, 更换压缩机机头后, 该设备运行正常。由于准确的诊断, 避免该设备的毁坏。通过对该压缩机故障诊断分析, 得出如下结论:

(1) 因锁紧螺母松动导致齿轮故障较为少见, 齿轮由于结构和工作原理上的一些特点, 其振动信号较为复杂, 对齿轮类故障诊断, 需要同时在时域和频域上进行分析。

(2) 从时域和频域上观察, 齿轮故障的主要特征成分如下: (1) 啮合频率及其谐波成分; (2) 幅值调制和频率调制所形成的边频带; (3) 由齿轮转速的低次谐波所构成的附加脉冲。

(3) 设备部件松动摩擦故障, 不仅会产生转子或大或小的振动, 同时也会带来零部件的损失甚至引发重大的破坏事故, 对于松动摩擦故障, 需要查找发生转子磨擦的直接或间接原因。该压缩机振动幅值较高的另一个因素就是因锁紧螺丝松动导致螺母与压缩机螺杆驱动轴承相互磨损、相互激励而引发。

参考文献

[1]王福利.石油化工厂设备检修手册-压缩机组[M].中国石化出版社, 2007.7.

[2]邢子文.螺杆压缩机-理论、设计及应用[M].机械工业出版社, 2000.8.

故障诊断平台 篇10

关键词：故障诊断,UDS服务,iOS平台

0 引言

随着汽车电子技术的发展,CAN总线在车载网络的普遍应用,基于CAN总线的汽车网络诊断协议ISO15765已经成为多数汽车厂商所采用的标准诊断协议。但是因其协议的新颖与复杂性,目前国内在基于ISO15765的车载网络诊断技术尚不成熟[1]。目前主流的汽车故障诊断工具通常在单片机或FPGA上开发而成,导致现在的汽车诊断设备通常受扩展性及便携性的限制,对其使用仅限专业汽车维修人员。随着移动终端的不断发展,智能手机已经成为人们日常生活中的基本工具。i OS系统作为领先的移动端操作系统,具有良好的用户体验,友好的开发环境,较大的市场占有率,并且其在汽车终端系统的发展更具生态友好性。2014年,苹果公司发布了车载操作系统Car Pl-ay,使得i OS设备与汽车无缝连接,开发基于i OS的汽车应用更具前瞻性,未来有更多车系支持该车载系统后便可直接安装应用至车载终端进行故障诊断。本文通过对汽车诊断协议ISO-15765的分析与研究,结合UDS统一诊断服务以及设计的蓝牙转CAN转接板,在i OS平台上开发出汽车故障诊断仪。诊断仪具有通用性,可以应用到所有支持标准诊断协议ISO15765的汽车中。用户可以借助装有本软件的i OS设备既可实时了解汽车出现的故障,方便对故障进行排查,并作针对性的保养。

1 车载诊断协议研究

ISO15765诊断协议于2001年发布,以OSI七层模型为基础,基于CAN总线制定了统一的诊断流程与服务标准。CAN总线可以满足电动车多节点,信号传输量大的特点[2]。在ISO-15765的通信模型中,诊断协议体系分为四层:分别为应用层、网络层、数据链路层和物理层[3]。其中,数据链路层根据ISO-11898-1标准定义遵循CAN通信协议,网络层根据ISO15765-2定义,应用层根据ISO14229-1和ISO15765-3标准中诊断服务的内容定义,并兼容了一些汽车厂商规范中定义的诊断服务,具有测试、检测、监控、诊断管理等功能。ISO15765的通信模型如图1所示,诊断仪根据应用层中定义的诊断服务发送相应的服务请求报文。当网络层接收到来自应用层消息后,根据定义中的分包、组包、位填充和时间控制等步骤,对消息流进行传输控制。根据传输数据的长度可分为单帧传输和多帧传输,数据链路层通过把网络层传来的诊断报文,经过修改打包成能够在CAN总线上进行传输的CAN报文。

2 诊断仪系统框架设计

诊断仪的核心功能是获取与解析汽车故障。汽车故障是指由于汽车零件本身或零件之间的配合状态发生异常变化导致汽车不能正常工作的现象[4]。汽车故障主要由于零部件之间的相互作用,从而引起零部件受力、发热、变形、磨损、腐蚀等,使汽车在整个寿命期内,故障率由低变高[5]。汽车发生故障时,首先要定位汽车的哪一个部件出现故障,以电动汽车为例,电动汽车主要有六大部件,分别是:发电机控制装置(GCU)、整车控制系统(HCU)、电机控制器(IPU)、DCDC、电动车充电器(CEM)和电池控制单元(BCU)。在定位出汽车的哪一部件出现故障后,根据该部件各个零部件的运行状态参数判断出是什么原因导致故障的产生,最后通过相应的维护方法使汽车故障排除。系统旨在通过开发一种基于i OS移动设备的汽车故障诊断软件使得用户可以方便地获取汽车出现的故障,同时维修人员可以快速定位并作出维修决策。具体需要实现以下几个需求:

1)构建诊断数据库;

2)完成蓝牙通信模块的设计;

3)开发基于i OS平台的汽车故障诊断软件。

2.1 系统整体方案

本文所述汽车故障诊断系统主要由蓝牙通信模块以及i OS上的诊断仪应用软硬件两部分组成。软件部分诊断仪应用又分为以XML文件构建的数据库模块、基于ISO15765的应用层协议解析模块以及UI模块,系统框架如图2所示。

诊断系统中自底向上分别是汽车内部网络、蓝牙通信模块、以及i OS设备。汽车内部网络中汽车的各ECU部件能够在汽车出现故障时对相应的故障信息进行诊断与存储。蓝牙通信模块作为中介设备用于i OS设备与汽车CAN网络的通信。i OS诊断仪中的XML数据库存储了各车厂相应的故障信息,通过获取到的汽车ECU中的故障信息并进行解析后在数据库中进行匹配,最后将结果通过人机界面提示给用户。

2.2 系统设计

(1)诊断数据库的构建

为了实现汽车故障诊断仪的通用性,构建数据库时采用可扩展标记语言XML来构建。XML表示的信息独立于平台,可在任何应用与平台上读写,完成各独立系统间的信息交换[6]。通过将各合作车厂提供的故障码与故障信息对应的故障代码表,以及包含数据标示符、数据流描述、数据换算公式及单位的数据流信息说明表,结合相应的车型构建XML诊断数据。数据库存放在应用沙盒目录下,由于i OS的沙盒机制,应用程序位于文件系统的严格限制部分,其他应用程序无法访问以保证数据库的安全。

(2)蓝牙通信模块的设计

由于目前的汽车诊断设备通常是通过数据线直接接入汽车OBD接口,导致诊断仪便携性较差。通过分析目前的短距离通信网络蓝牙与Wi Fi后,充分考虑到汽车环境下的可行性与i OS设备的支持后,本文采用蓝牙通信技术。基于最新蓝牙4.0BLE协议,开发出用于协助i OS设备与汽车网络通信的设备蓝牙转CAN模块。蓝牙通信模块使用的MCU是STM32F103C8T6,采用SN65HVD230作为CAN收发器,MAX232作为RS232电平转换器,蓝牙模块采用CC2540,串口波特率设定为115 200 bps,CAN接口的波特率设定为250 kbps,系统工作频率设定为72 MHz。蓝牙通信模块工作流程为:利用蓝牙模块与i OS设备的蓝牙进行通信;当接收到i OS设备发送的蓝牙报文时,主控制器将接收的数据转换成CAN报文并通过CAN通信模块发送给汽车CAN网络上的各ECU;当接收到汽车ECU响应的CAN报文时,将接收的数据转换成蓝牙报文并通过蓝牙模块发送给移动终端。基于此,i OS设备就可以利用蓝牙转CAN设备实现与汽车内各ECU间接通信,以实现对汽车各部件的故障诊断功能。系统硬件设计结构框图如图3所示。

(3)诊断功能设计

本文在CAN总线UDS诊断标准ISO15765的基础上,设计出诊断仪的以下几个功能,分别是:读取全部故障码、读取当前故障码、读取历史故障码、清除故障码、读取版本信息、读取动态数据流、写入车辆识别码。

在UDS诊断服务中规定,SID(Service Identifier)=0x19的服务为读取DTC(Diagnostic Trouble Code)信息诊断服务。诊断仪可以通过该诊断服务读取车辆内所有服务器或一组服务器存储的DTC信息[7]。以读取全部故障码为例,阐述该诊断服务实现过程:依据SID:0x19服务对应的子功能0x0A,由客户端(诊断仪)向ECU发送请求报文,ECU返回响应报文。客户端通过该响应报文判断ECU是否仍有连续帧返回。若有则发送流控制帧以请求ECU继续返回连续帧;若无则表明ECU已无响应报文,客户端接收完响应报文后,诊断仪需要从响应报文中提取出DTC和DTC的状态。根据读取到的DTC与XML数据库中的故障信息进行查询与匹配,解析出每个DTC对应的解释,并显示在诊断仪的人机交互界面中。诊断仪完成一次诊断服务过程如图4所示。

3 i OS平台上汽车故障诊断软件的开发

i OS系统自出现以来因其简单易用的界面、令人惊叹的功能,以及超强的稳定性,赢得了市场的青睐[8]。同时考虑到目前市场上汽车诊断仪基本需要单独购买额外的硬件,开销昂贵,并且智能手机已经作为日常生活中的主要工具,因此本文基于i OS平台使用Xcode开发i OS平台上汽车故障诊断仪。i OS诊断仪基于以下几个功能开发:(1)连接配对蓝牙通信;(2)故障码的解析与匹配算法设计;(3)诊断仪整体界面设计。其中蓝牙通信功能采用i OS SDK提供的Core Bluetooth框架开发,i OS设备作为主设备,蓝牙通信模块作为从设备。首先从设备会广播自身的信息,包括其UUID以及相应的服务,主设备收到从设备的广播并与之发起连接后既完成蓝牙的配对连接,蓝牙报文的传输通过主设备对从设备特定的服务的特征写和读来完成。故障码的解析与匹配算法用于从ECU中读取出数据后对具体的故障码进行解析并匹配XML诊断数据库。具体的算法流程如图5所示,诊断设备首先通过执行读取故障码功能,将ECU响应的故障码存放到故障码链表中。再从数据库中找到对应该车厂ECU的故障信息匹配XML文件,利用XML解析器从文件中解析出所有故障码和中、英文故障信息并存放到故障信息匹配链表中。完成上述步骤之后,依次将故障码链表中的故障码逐条读取,接着从故障匹配信息链表中查找是否有相同的故障码。若找到相同故障码,则将该条故障码对应的中、英文故障信息解析出来并显示在人机交互界面从而指导维修人员;若未能找到相同的故障码,则提示相应的错误。如此循环执行,直到将故障码链表中所有故障码的故障信息解析出来。

4 系统分析与测试

4.1 系统分析

本文设计的汽车故障诊断系统主要由蓝牙通信模块以及i OS上的诊断仪应用软硬件两部分组成。其中蓝牙通信模块采用蓝牙4.0BLE模块,相对传统蓝牙模块其功耗更低,更符合汽车这样特殊环境下的实际需求。蓝牙通信模块传输延迟在3 ms左右,最大传输距离可达100米,满足日常需求。

i OS上的诊断仪基于MVC模式开发,分离模型、视图与控制器通过面向对象分析将故障解析与匹配算法抽象成一个API,每一次对于ECU的数据处理仅需要调用该API即可完成。同时作为诊断仪的核心部分,故障解析与匹配算法被高度抽象后极大地方便了单元测试,通过大量的测试用例实验,使得软件的可靠性大大提高。

4.2 系统测试

本文设计的故障诊断仪主要实现汽车故障信息获取与解析功能,并以友好的用户界面提示用户,指导维修人员快速定位故障并完成汽车维修工作。本文基于i OS平台开发,因此测试平台主要包括装有诊断仪软件的i OS移动终端、蓝牙通信模块以及汽车ECU部件。在诊断系统开发和测试期间,本文基于长安新能源研究所提供的长安奔奔电动车部件BCU来进行验证,测试平台实物连接如图6所示,其中蓝牙通信模块接入车身CAN网络,并由ECU直接供电。

测试步骤如下,选用i Phone 4S作为测试设备,将通信模块接入CAN网络后使BCU上电,待蓝牙模块指示灯指示正常后使用i OS设备配对连接蓝牙模块。成功配对后分别测试读取全部故障码、读取当前故障码、读取历史故障码、清除故障码、读取版本信息、读取动态数据流、写入车辆识别码功能。图7所示为读取全部故障码及读取动态数据流的结果。

通过对汽车BCU、HCU部件进行联调,针对诊断过程中可能出现的丢帧、差错帧、无响应等情况分别进行相应的单元测试。测试用例均通过测试,结果符合预期要求,所有测试的诊断功能均能实现。同时针对移动设备内存有限的情况下对应用进行了压力测试,测试结果表明在持续使用各诊断功能的情况下,应用所占内存保持在10 MB左右,程序能良好地运行。

5 结语

本文通过对汽车诊断协议ISO15765以及UDS统一诊断服务的研究,充分利用了XML平台无关性的特点,构建了汽车故障XML数据库,使得其能同时应用到其他操作系统,并设计了用于移动设备与车身CAN网络通信的蓝牙通信模块。在此基础上开发出i OS汽车故障诊断软件,软件采用MVC框架设计,进行了多轮重构,Bug修复以及版本适配,能够适配最新的i OS8系统。最后搭建了诊断测试平台,并对各功能模块分别进行了单元测试同时对系统进行黑盒测试。测试结果表明,各功能模块均正常工作,系统整体运行正常,具有可靠性与稳定性。本文设计的汽车故障仪实现了一种低成本、方便灵活的汽车诊断工具。

参考文献

[1]李锐,王晶莹,姚燕,等.基于ISO15765的车载CAN网络诊断设计[J].计算机工程,2012,38(4):35-39.

[2]钱三平,黄少堂.混合电动汽车CAN网络系统设计及应用[J].汽车工程学报,2014,4(2):109-115.

[3]Xu A D,Liu L L,Song Y.Research and Development of Vehicle Fault Diagnostic Protocol ISO15765[C]//Proceedings of the International Conference on Transportation,Mechanical,and Electrical Engineering,2011:1241-1245.

[4]蔡浩.汽车故障诊断系统的设计和开发[D].上海:上海交通大学,2009.

[5]刘占峰,林丽华.汽车故障诊断与检测技术[M].北京:北京大学出版社,2008.

[6]黄智宇,陈倍新,冯辉宗,等.一种基于XML的汽车ECU故障诊断信息匹配方法:中国,201210504280.0[P].2013-03-20.

[7]Huang J K,Nan J R,Chai Z,et al.Analysis of UDS Diagnostic Service Applied on Vehicle ECU[J].Applied Mechanics and Materials,2013,437:779-782.

故障诊断平台 篇11

【关键词】故障诊断；误诊断；信息不可靠；研究

故障确诊率的提高一直是研究的热点，故障的误诊却没有引起人们足够的重视。为了系统地阐述机械故障诊断中的误诊问题，给出了误诊的含义及分类；按照机械故障诊断推理过程的环节，详细分析了误诊产生的机理和具体的原因，针对这些误诊的潜在原因，提出了减少误诊的方法和措施。提高机械故障诊断的可靠性，降低误诊率，在保证诊断数据准确无误的同时，必须使诊断系统合理，同时具有开放性和可扩充性，使诊断知识不断得到丰富和充实。

1.机械误诊断的原因从诊断的结果与诊断对象客观存在的差异来看，故障诊断的结论可分为确诊、误诊和漏诊，确诊即为对诊断对象的故障判断是准确无误的

漏诊则是对故障的遗漏。而误诊，顾名思义，就是错误的诊断，也可称之为误判。漏诊实质上也可归为对设备的误诊。

1.1故障的复杂性

在故障诊断过程中，诊断对象的故障过程是复杂多变的，在故障发展过程中，由于引起故障的因素在性质、特点及作用方式上是不同的，机械功能状况和所受损害的具体情况也不同，使得故障征兆和演变具有不同形式，诊断中往往难以迅速准确地认识故障的性质，导致误诊，具体表现在以下几方面：

（1）故障的发展过程中，一种故障可能表现出多种不同故障征兆。如液压系统故障诊断中，电磁换向阀故障可能导致系统压力、流量不满足要求，脉动可能加剧，还可能导致系统工作温度升高等。而对不同诊断对象，即使是同一种机械，对同一种故障的反应也是有差异的。一个对象的反应可能快，另一个对象反应可能慢，一个对象的某征兆对某故障反应可能剧烈，而另一个对象反应可能较平稳等。

（2）不同故障在发展过程中，可能出现相似的征兆，同种征兆可能对应多种故障形式。如回转机械中，各种故障的发生，往往都伴随着振动的加剧，而且在频域分析时，在相同倍频上，不同故障可能会有相似的表现形式。这种故障征兆的相似性，使我们在故障诊断中容易产生混淆。

（3）在很多情况下，随着故障的发展，还可能引起继发性故障，这种继发性故障可能会掩盖原来的故障，或原来的故障掩盖继发性故障，这都将造成故障诊断的困难。如液压系统中，由于某种原因引起油液污染程度增加，这可能引起液压泵运动副的严重磨损，磨损的颗粒混人油液中，进一步加剧油液污染，液压泵磨损将引起液压系统失效，泵的失效是油液污染这种原发性故障所引起的，而原发性故障和泵磨损这种继发性故障混在一起，相互促进，造成恶性循环，这增加了查找原发性故障的难度。为克服故障征兆的复杂性给故障诊断带来的困难，必须开阔思路，不拘泥于典型故障一征兆的狭窄思路，从系统角度出发，进行由环境到机械，由局部到整体，由阶段到过程的具体分析，将征兆、原因、故障机理有机结合起来加以研究，减少误诊率。

1.2诊断知识的不确定性

各种机械设备，由于复杂程度不同，工作环境各异，使我们获得的有关故障的知识往往有不确定和不完善的一面。一般来说，我们不能等待某种故障完全发生后再得出结论，而必须实施早期诊断，及时采取措施避免故障的进一步发展，这样，我们必须依据故障的部分征兆或无任何征兆情况下作出诊断，这不可避免地带来误诊。 由于故障诊断资料不足，对故障的认识受到较大限制，给明确诊断带来困难，有时不能将其有类似征兆的故障完全排除，有时所怀疑的故障的一般规律与故障征兆不完全相符，另外排除了一种故障的可能，又缺乏对某种故障作出识别的足够依据，因此故障诊断的推理过程往往也是模糊的，具有一定程度的不确定性。针对这种情况，充分研究故障诊断对象，建立合理的模糊知识体和模糊推理机，利用现代人工智能原理实施诊断更符合故障诊断的性质，将提高诊断的可靠性。

1.3理论的相对性

任何理论与实际的故障过程相比，总有局限性，机械设备作为一个与环境和人共同组成的有机体，是有差异的，理论只能大体概括故障诊断实践中的具体情况，同时，理论又受到一定科学技术条件的限制，还存在尚待认知的领域。

1.4获取数据的不准确性在实施故障诊断过程中，首先应获取机械系统运行的有关数据

机械运行过程中，往往受外界环境及各种随机因素影响，使获取的数据具有某种程度的不准确性，容易造成误诊。因此须采取必要数据预处理手段，减少随机因素的影响，剔除其中的趋势项、奇异项等，提高数据准确性，这也是降低误诊率的必要条件。

1.5诊断人员不专业诊断人员的素质也决定了诊断结论的正确程度

诊断人员的理论知识、实践经验、方法知识以及执行故障诊断时的态度都可能导致误诊。同时，诊断人员在综合运用知识、理论联系实际、善于解决实际问题等方面的能力也会影响诊断结论。

2.机械故障诊断中信息提取

2.1信息提取不可靠

机械故障诊断分为直接诊断和间接诊断，但由于受到设备结构和工作条件的限制，直接诊断往往难以进行。因而，多采用间接诊断，即通过二次诊断信息来间接判断设备中关键零部件的状态变化。而诊断测试便是获取二次诊断信息必备的关键环节。最常见的是振动测试（位移、速度、加速度）和声音测试。然而，由于各种原因，获取的数据可能发生偏差。体现在3个方面：（1）数据没有正确反映客观存在；（2）数据的信噪比低；（3）数据的不完备性。如果把这些不准确的数据当成有效数据来分析，就很可能发生误诊。

2.2信息处理不准确

能够快速、有效地提取反映机器故障信息的特征是机械故障诊断的关键。诊断特征主要通过对设备采集来的信号进行分析和处理获取。

2.3信息不完美对于一个诊断对象，如果其运行状态较复杂，由于客观条件和手段的限制等原因，可能使获得的信息难以确切地给出诊断结论，主要体现在以下3个方面

（1）信息不完备。在诊断实践中，故障与诊断信息之间并非一一对应的关系。1个信息对应多个不同的故障，而1个故障也表征为多个不同的信息。这就需要掌握充分的有用信息来区分不同的故障。否则，就可能出现误诊。（2）信息不一致。诊断信息不一致在诊断实践中也是较常见的现象。这些信息之间存在一定程度上的冲突。也就是说，某些信息很大程度上支持故障F1，否定故障F2；相反，另一些信息则支持故障F2，而否定故障F1。此时，误诊也容易发生。（3）信息不确定。来自于诊断对象的诊断信息经历了许多传输途径，其不确定性可能较小，也可能很大，如传感器、传输线等均影响其确定性。此外，还有定性与定量信息之间转换导致的不确定性。

3.提高信息可靠度、减少误诊断的措施

3.1提高诊断测试的准确性提高诊断测试的准确性是保证诊断数据可靠性的重要前提。可以从以下4方面着手：

（1）对传感器进行定期检验。

（2）可考虑用多个传感器测量。 （下转第253页）

（上接第179页）（3）采用可靠的传输线。

（4）正确设置采样参数。

3.2提高诊断系统的可靠性随着设备运行与维护的需要，各种在线、离线、远程等诊断分析系统以及人工神经网络、贝叶斯网络、专家系统等智能诊断系统逐渐用于机械故障诊断，为确诊故障带来了许多便利之余，也增加了机械故障误诊的可能性。开发合理完善有效的诊断系统，提高它们在特征提取或诊断推理方面的可靠性，有利于减小误诊率。

3.3加强诊断信息描述的客观性。 [科]

【参考文献】

[1]屈梁生，何正嘉.机械故障诊断学.上海：上海科技出版社，1986，2.

[2]刘振华，陈晓红.误诊学.济南：山东科学技术出版社，2001，3.

[3]屈梁生，吴松涛.统计模拟在工程诊断中的一些应用.振动、测试与诊断，2001，21（3）：157-167.

矿灯故障诊断仪原理及故障诊断 篇12

电路板检测:电路板是矿灯检测故障诊断仪的核心部件, 采用集成电路、模块化调计、高速运算数据, 比对数据结果提示, 部分常见故障都能根据提示, 快速便捷的判断出问题和症结所在。

电池充电检测:电池乃是矿灯的动力之源, 电池出了问题, 将影响到整台仪器的使用时间及检测性能;该设备可诊断仪器能否正常充电, 并能准确显示充电电压和充电电流;自动调节充电电流, 为了适应不同型号的矿灯接口使用, 专门设计了万能充电座, 可适用于大部分矿灯的检测。

智能放电检测:通过电脑软件, 精确的判断出电池的精确放电时间, 给矿灯的动力之源——电池开出准确的诊断单, 当充电时间符合规定或充电电压达到额定值, 将自动发出指令, 停止充电, 当过充时会自动释放电压, 不损坏电池、发达到延长电池使用寿命的目的。

工作时间检测:利用光敏原理, 对点亮的矿灯的工作时间进行计时, 以判断矿灯是否超工作时间使用, 是否欠电压和电流, 是否符合充电要求。

光照度检测:结合标准装置、标准照度对矿灯的照度进行量化, 从充电时间、使用时间以及亮度上来检测是否符合要求。

2 主要功能与工作原理

2.1 主要功能

1) 能向各种被检测矿灯提供安全充电电流, 在矿灯充电状态下测量矿灯的充电电压、电流、充电截止电压、以确定仪器的充电是否正常;

2) 能精确显示矿灯所使用电池的充电时间、放电时间、放电电流、充电电流、截止电压、放电曲线等;

3) 配有照度计及标准暗箱, 可精确检测矿灯的标准照度, 测试标准照度、理论照度、实际照度的差值并形成坐标图;

4) 特配有高精度万用表, 以用于矿灯电路板电流、电压、阻值、容量、可控硅问题的简易检测;

5) 通过各功能模块的单独或组合使用, 可实现不同型号矿灯的不同功能的检测。

2.2 基本原理

该诊断仪采用单片机控制, 数字表头显示, 精确显示矿灯的充电电压、电流、充电时间;精确显示工作时间;放电电压、电流、放电曲线等各项参数。同时充电供电具有稳压、安全的特点、以保证被检测矿灯的安全。该设备基本原理图如下:

仪器主面板示意图如下:

首先将诊断仪专用电源线连接至仪器后部电源接口, 将电源线另一端插入220V电源插座, 打开总电源开关, 整个仪器即进入工作状态。

充电检测:待诊断仪进入工作状态后, 可将矿灯插入充电座1或充电座2, 稍等片刻, 矿灯即进入充电状态, 此时充电座下方的电压电流表会显示初始读数, 待充电结束后, 读数会显示出到仪表上, 结合充电时间指示, 即可判断矿灯充电是否正常, (充电时间标准为2小时快充或6小时慢充, 无论是快充和慢充时间都不能低于2小时, 否则检测出的数据会有偏差)

电池放电检测:本模块可同时进行2路电池的放电检测。首先要将诊断仪通过电脑通讯连线, 将数据线连接至电脑, 打开附带的电池容量测试软件, 才能进行此功能。然后将放电电池组的正极引线与放电检测模块引出线的红色鳄鱼夹连接, 负极引线与模块引出线的黑色鳄鱼夹连接。

使用过程中, 如果只用其中一路进行放电检测, 则另一路接口最好不要插带鳄鱼夹的连接线, 如果非要接的话, 也要把闲置不用的一路的2个鳄鱼夹夹在一起进行短接, 以防对另一路的放电检测产生干扰。

检测时, 电脑显示屏会显示放电检测过程, 电池充电电压、电流数值会逐渐下降, 直至为零, 期间偶尔会有波动, 属正常现象, 同时会产生3条放电曲线, 横坐标为时间, 纵坐标分别为电流、电压、电池容量值的下降趋势曲线图。

工作时间检测:

此功能是光感应原理, 利用光敏元件, 结合单机片, 对矿灯的工作时间进行智能监控。

1) 打开此模块的开关, 将矿灯拧亮后卡进检测孔, 此时计时装置即开始计时, 矿灯持续点亮, 监测模块的光敏元件开始采集光信号, 并同步将光信号转换为电压, 照度越强, 电压输出越高, 反之, 照度越弱, 电压越小。而标准的光照度输出电压则持续不变, 通过收集高低不同的电压值, 再与标准的电压值相比就会形成差压, 电脑通过分析差压的波动曲线以得出矿灯的工作时间;

2) 待矿灯亮度低于国家要求的标准后, 计时灯珠仍然发光, 计时装置也会停止计时, 电脑屏幕提示检测完毕, 显示出可用工作时间, 同时液晶屏幕持续闪烁, 以提醒工作人员记录此工作时间。

电路检测:电路检测一方面是通过内置的集成模块内部计算实现快速自诊断功能, 主要包含开机自诊、短路自诊、过负荷自诊、过电流自诊、电源容量自诊等, 当出现上述故障外, 电脑屏幕上会发出相应的提示图例和明显的声音。另一方面通过诊断仪上配置的高性能万用表, 可以对矿灯的电路板常见故障进行检测, 如电阻、接地、导通等进行手工检测, 以排除简易故障。

光照度检测:将检测光照度的圆孔彼此进行连接, 按照指示, 一端卡入矿灯灯头, 一端放进标准照度计, 将矿灯拧至强光档, 此时照度计显示的数值即是按照标准上计量的距离1米处的光照度, 这个光照度值会由数据采集器进行收集, 并将光信号转化为电信号进行储存, 然后实时监测的光照度也转化为电信号, 两个电信号比较后形成微弱的电压差值, 此电压差值通过计算机处理显示在电脑屏幕上, 结合说明书或相关标准进行判断, 矿灯的光照度是否符合要求。

参考文献

[1]艾学忠, 金炳涛.具有安全监管的锂电池矿灯智能充电技术的研究[J].化工自动化及仪表, 2010 (2) .