设备故障的诊断方法

2024-10-18

设备故障的诊断方法（精选12篇）

设备故障的诊断方法篇1

振动分析技术在旋转设备故障诊断中已日臻成熟。本文从旋转机械故障的特征频谱理论和实践经验出发, 对旋转机械常见故障的特征进行了总结归纳。力求通过对振动分析技术基础理论的研究和实践, 解决好生产设备中存在的故障隐患。

1振动故障诊断要点汇总

1.1转子不平衡

如表1所示。

1.2转子弯曲

如表2所示。

1.3转子不对中

如表3所示。

1.4油膜涡动

如表4所示。

1.5油膜振荡

如表5所示。

注: (1) ω为涡动频率; (2) Ω为转子旋转频率; (3) ωn为转子临界转速。

1.6密封和间隙动力失稳如表6所示。

摘要：转子质量偏心的振动特征、转子质量偏心振动随敏感参数的变化、转子质量偏心的故障原因、转子部件缺损的振动特征、转子弓形弯曲的振动特征、转子不对中的振动特征。

关键词：设备,故障诊断,要点,汇总,转子

参考文献

[1]设备故障诊断技术及应用——中国运载火箭技术研究院北京京航公司编印.

设备故障的诊断方法篇2

2.1历史记录诊断法

通过对机床设备历史故障记录的查询和分析，对其存在的问题进行严格的维护和检查，从而准确地找出故障发生的主要位置。另外，在对机床设备进行维护时，历史记录诊断法也是非常重要的一环，经过长期的诊断之后，就会形成不同的诊断信息记录，通过对诊断信息记录的整合及分析，科学的构建故障信息数据库，有效地节省机床设备故障诊断的时间并提高效率。

2.2温度、压力监测诊断法

对于机床设备参数的监测来说，传感器的监测效果非常好，通过各方面传感器的监测，掌握机床设备参数的变化。在监测的过程中，还要将温度、压力等参数的变化情况记录下来，以便能迅速地诊断出故障发生的频率。

3人工神经网络诊断法

这是一种技术水平非常高的方法，因而具有极其关键的价值。人工神经网络诊断法具有人性化的特点，而这一特点恰恰适用于机床设备的非线性映射关系，通过此种诊断方法，可以准确地诊断出机床设备不同的问题以及出现的原因。结语机床设备在生产活动中的应用不仅提升了生产效率，还会对企业的经济发展带来积极影响，有效推进企业的进一步发展，但是，在实际应用的过程中可以发现，机床设备会存在很多故障问题，影响生产质量和生产效率。要想使机床设备在生产活动中发挥出应有的作用，我们需要采取措施对机床设备运行中存在的安全隐患问题和故障隐患问题进行避免，故障诊断技术的应用可以帮助设备维修人员快速确定故障位置和故障原因，对设备维修的效率具有积极作用。

参考文献

[1]刘华圣，李攀，傅文娜.机械设备故障诊断及维修管理探究[J].中国机械，（9）：10.

[2]李焰.探究机电设备故障诊断[J].城市建设理论研究：电子版，（23）：11.

关于机械设备故障诊断的探讨篇3

关键词：机械设备故障检测技术诊断

中图分类号：TH17 文献标识码：A 文章编号：1672-3791（2014）08（a）-0095-01

故障诊断技术走过了将近40年的发展历程，在理论上已经初始形成了较完整的学科体系步骤，一点点形成以油样分析、振动诊断、无损检测探伤和温度监测为主，同时很多新的技术和方法也逐渐形成性的发展局面。其中故障诊断（FD）始于对机械设备的故障进行诊断，其全称则是状态监测与故障诊断（CMFD）。其主要内容包含了两个方面：一是在发现特殊的情况下，对各项设备的故障进行诊断与分析；二是对设备的运行进行状态监测。计算机软硬件技术的发展非常的促进了信号分析与处理技术的飞跃跨步，推向了机械故障诊断和监测技术朝实用化和科学化路线发展。

1 主要技术方法现状

1.1 系统故障原因结构图的形成

通过结构图对系统故障造成的原因，做出从整体到部分的按树状依次的细致划分。故障树则表示出系统或者设备上的不理想事件和指定设备之间的逻辑结构图，同时好包含了它的各个部件和各个子系统之间的逻辑结构图，该方法称之为图形演绎法。故障图表则是由造成故障的各项因素与系统中的故障这两者相互绘制而成，而这样就可以很直观的反、反映出了系统、元部件、因素、故障以及其他因素之间的相互关系，并且可以定量的计算出故障的程度、故障的原因和故障的概率等。

1.2 模糊数学的故障诊断方法应用

根据模糊的集合论征兆空间和故障状态空间的某种映射关系，故障诊断用征兆的方法来进行。只因它的集合理论还未发展成形，大部分能借用经验和大量诸多的试验来定位。系统本身存在的模糊与不确定的相关信息因素，同时还对每个特征参数与每一个征兆来制定其上、下限以及合格的隶属度的函数，从而在应用上存在一定的局限控制性。随着模糊集合论的不断完善更新，运用这个方法的可观性能上还是十分被关注重用的。

1.3 诊断故障的人工神经网络方法应用

在20世纪80年代末90年代初，人工神经网络方法才真正的开始实用。因为神经网络中存在很多功能，其中包含了对结构的联想、推测、记忆、自适应和学习、容错、处理繁琐和并行模式等方面，并且在工程的实际工作中还存在许多的突发性能，同时故障很多，过程也很复杂，使它在庞大多样的机器、突发性故障较多以及系统检测和诊断中可以发挥出更加广泛的应用。

2 机械设备故障的诊断技术

2.1 故障诊断技术依次分类介绍

（1）简易诊断又称之为初级诊断。一般由现场的职责人员开始进行触及诊断及其能对设备的状态做出极速有效的概括和进行讨论评价。

（2）精密诊断是在初始诊断的基础上对于出现特殊状况的设备进行清晰识别，并进行详细的诊断策略，检查出设备出现的异常部位，并对设备不同的种类和故障程度执行研究和判断实施进行。

（3）运行诊断和功能诊断。对刚刚组装或刚开始维修的设备检查其功能和状况是否出现异常的诊断称之为功能诊断，同时根据他们对设备或者机组进行检查，所得到的结果来进行相应的整改。同时对正常工作的设备所产生的故障特征进行检测运行诊断。

（4）连续监控和定期诊断。每间隔一定时间就对工作的设备进行检测即是定期诊断。连续监控就是采用仪表和计算机信息处理系统对机器运行状态进行监视和控制；何时使用连续监控？多在因故障而导致重大生产耗失，事故影响悲劣以及频频出现故障和较容易发生故障的设备，由于安全以及劳动保护方面的因素无法点检的设备都将使用连续监控。

2.2 技术的诊断形式

（1）外观检查：借用人体的感官，从味道，声音，温度和运行状态等诸多方面，可直接观察故障信号的发生，同时通过丰富的检查经验和维修经验及技术来判断故障将会出现的个别部位和成因，目的就是达到预测的效果。

（2）振动测量：振动是机械设备中比较平常的现象，振动一般在作回转或往复运动都会产生的，振动信息的产生通过设备运行的状态特征来判断。大多数振动的增强都将会发生故障。

（3）噪声：物体的机械振动通过弹性媒质向远处传播的结果，声源是发生声音的振动机械振动将是媒质中的传播过程。如机械振动系统实机械噪声的声源。机械设备噪的声源主要包括电机、液压泵、齿轮、轴承等，其噪声频率与其运动频率或固有频率都有关系。不动的零件（如支架、箱体、盖板等）的噪声均是受其它声源或振源的诱发引起共鸣造成的。

（4）泄漏：在机械设备运行的过程中，气态，液态和粉尘状的介质从其孔眼和裂缝和空隙中流出或者涌入，形成泄漏，造成能源的大量浪费，工况恶质化，环境受到污染，损坏快速这是机械设备使用中力图防止的最坏现象。

3 材料缺陷损伤和裂纹的故障检测

（1）超声波探伤法：这种方法不仅成本低，测厚度较大，速度较快，尤其对人体无任何伤害，检测平面型缺陷是主要目的。

（2）射线探伤法：重要使用X射线。此方法关键用于展示体积型的缺陷，大多数材料均适用，测量的成本非常之高，对人体具有相当的损害，要小心谨慎的使用。

（3）渗透探伤法：包括荧光渗透和着色渗透两种方法。这两种方法的操作不仅容易而且成本极低，广泛的范围应用能够直观的显示出来，但是也只仅适用于表面缺陷的损伤种类。

（4）磁粉探伤法：此种方法的使用容易方便，与渗透探伤比较特别敏捷，近表面的缺陷能够探测出来，铁磁性材料最为适用。

（5）涡流探伤法：对封闭在材料表面下的缺陷有非常高的检测灵敏度比较适应，此种方法定位为电学测量方法，方便自动化和计算机的运用处理。

（6）激光全息检测法：此种方法是20世纪60年代才兴盛起来的一种科研技术，此种方法不仅检测各种高压容器、蜂窝结构还有叠层结构等。

（7）微波检测技术：此种方法也是近几十年挖掘出来的一种新兴技术，超声波方法远远不如非金属的贯穿能力方法，此方法的特征是简便快速，属于一种非接触式的无损检测技术。

（8）声发射技术：重点对大型构件结构的完整性进行长期监测和评价，对缺陷的增长可实时监测和实行动态，检测灵敏度极高，目前，压力容器，核电站重点设备还有放射性物质的偶尔泄漏，得到广泛应用的是输送管道的焊接部位缺陷等方面的检测。

4 结语

机械设备一定要深化各种理论和技术的相互渗透性；应用范围必须要广，使用内容也要更丰富实用。机械故障诊断学不管在技术上或是在理论方法角度学都需要进一步发展研究和健全完善，以适应时代的机械化的新需求。

参考文献

[1]张斌，张微薇.机械设备故障诊断技术概述[J].建筑机械化，2005.

[2]黄伟力，王飞.机械设备的故障诊断技术及其发展趋势[J].矿山机械，2005.

电机设备的故障诊断分析篇4

在我国的国民经济中, 电机占据着举足轻重的作用, 它是各类机械设备的驱动装置, 在驱动机床、鼓风机、压缩机等设备中应用广泛。在我国, 异步电机所耗电量占据总负荷的60%以上, 而电动机的故障也会造成大量的电能损耗和经济损失, 由于电动机的故障不得不停工停产造成的损失更是无法估量。因此, 实施合理有效的电机故障预测, 研究出电机故障诊断方法具有重要的现实意义。

1 电机设备故障诊断的基本原理

电磁理论是所有电机工作的原理支撑。电机的运行会受到诸如:电网电压、负载电压等因素的影响。电机的故障类型主要包括:绕组过热、铁芯变形、转子偏离中心等, 其故障征兆多种多样, 有的表现为机械故障, 有的表现为电气故障;既有电压电流等电气量, 也有声光等非电气量。相关统计表明:在众多的电机故障中位于首位的是轴承类故障, 占有42%;其次是绕组类故障, 占据有40%[1]。目前, 常见的电机故障监测以及诊断方法有:电流频谱分析法, 这种方法主要是对负载电流的波形进行频谱分析;绝缘诊断法, 这种方法利用电气试验装置以及相应的诊断技术, 判断电机绝缘机构和工作性能上的缺陷, 预测其绝缘寿命;温度检测方法, 这种方法利用的是各种测温技术, 监测电机各个部位的温度;振动与噪声诊断法, 这种方法检测的是电机设备的噪声信号, 通过相应的处理手段对噪声信号进行处理, 从而判断出电机故障的部位。

2 电机设备的故障诊断

2.1 信号处理类方法分析

基于信号处理的电机故障诊断是通过对方差、频率、幅值等特征量的提取, 得到与故障有关的征兆, 进而判断设备的故障。相关信号处理和提取技术的发展为这种诊断方法提供了坚实的基础, 如:时域分析技术、小波分析技术、傅立叶变换技术等。在众多技术中, 傅立叶变换法是广为应用的一种方法, 但这种方法的时频局部化能力较差, 当需要进行突变信号的提取以及对时间进行定位时, 这种方法会失效。另外, 当频率波动时, 傅立叶变换方法的效果会受到很大影响, 如:在电网频率波动情况下, 甚至会出现错误的电机故障监测结果。相对来说, 小波变换法的鲁棒性较好, 它能够有效抵御频率波动带来的负面影响, 在时域和频域中的局部化能力都较强, 对突变信号的敏感度也很高。在电机定子绕组出现故障的情况下, 定子电流会发生很大变化, 首先对定子电流进行必要的预处理, 然后通过小波分析法进行小波二次变换, 提取定子绕组中的故障特征。小波分析法诊断电机故障几乎不受负载变化的影响。

2.2 知识类方法分析

自上世纪80年代起, 计算机技术以及人工智能技术得到了迅猛发展, 电机故障诊断技术也因此得到了较大进步。相应的基于知识的故障诊断方法被人们开发出来, 此时, 不再需要对研究对象进行精确的数学建模。

当下, 基于知识的电机故障诊断方法有:

1) 专家系统故障诊断方法。这种智能诊断方法主要针对的是很难或是无法进行数学建模的复杂系统, 相应的诊断专家系统包括:数据库、知识库、故障征兆获取等部分。它根据以往经验, 将故障的相关信息制定成规则, 通过推理的方法对发生的故障进行诊断。如:在直流电机的故障诊断方法中, 通过知识规则的产生, 利用专家系统开发出相应的工具编制规则, 从而构成了一个知识库, 通过对电机运行时各状态信息的采集以及必要的人机对话, 实施交互式故障诊断。这种方法能够对电机换向、振动以及绝缘等多种故障进行诊断[2]。

2) 模糊控制、人工神经网络控制诊断方法。电机故障诊断中常常会出现模糊属性, 这是因为电机诊断系统庞大而复杂, 具有较多的变量, 很多参量无法得到精确的描述。通过模糊语言描述这些征兆是一个很好的途径。而诸如:模糊集合、模糊运算等为模糊理论提供了强大的支撑。模糊控制、人工神经网络控制诊断方法在电机故障诊断中的应用也逐渐普及[3]。如:采用模糊故障诊断方法对鼠笼式电动机转子故障进行诊断, 它无需故障电机精确的数学模型。基于神经模糊系统的故障监测方法。它能够在较短的时间内将故障检测出来, 同时给予必要的处理方法。但值得注意的是, 模糊诊断知识的获取较为困难, 很难确定出故障与征兆之间的模糊关系;在诊断过程中很容易出现漏诊和误诊的情况。

3) 数据融合和挖掘诊断方法。这种方法通过对传感器观测信息的自动分析和优化组合, 实现对故障的预测;这种方法在处理多源信息时具有较好的效果, 并且能够对多传感器资源实施合理有效的利用, 提高诊断的精确度。

3 结束语

电机设备的频繁故障给工农业生产造成了极大的负面影响, 研究电机的故障诊断技术具有重要意义, 本文也正是基于此展开研究的。随着科学技术的发展, 相信在未来, 电机设备的故障诊断技术将会更加先进。

参考文献

[1]苗苗, 朱秀慈, 王海.异步电动机转子故障诊断方法研究[J].控制工程, 2007, (5) :172-174.

[2]吕锋, 邸敏艳.小波分析在电气设备故障诊断中的应用浅析[J].计算机测量与控制, 2002, (10) :778-781.

机电设备故障诊断及维修技术篇5

诊断机电设备的故障

在煤矿生产中所用到的机电设备比较多，必须要掌握其诊断方法，这也是煤矿生产中重要的组成部门。

尤其是现代化技术大量应用的今天，机电设备更是衡量各个煤矿企业产量重要标志。分析机电设备故障以及维护管理上更是生产经营管理之基础。依据设备故障的构造、工作状况差异及运行状态，最终其表现形式必然不同。对于机电设备的故障诊断之后总体有如下几个方面：机电设备的性能参数忽然降低;振动出现异常;声响异常;剧烈增加了磨损残留物;排气的成分发生变化，过热现象等。其故障多样变化就表明机电设备故障的产生原因比较多，并不是单一。对于煤矿机电设备的发生故障率大多是随着时间变化而发生变化。设备出现故障大体划分成三个阶段：

其一，早期故障。如果设备位于早期故障期，开始具有较高故障率，但是随着时间逐渐变化而快速降低故障几率，这个故障期间也叫机电设备的磨合期，这个故障时间的长短大多是随着产品及系统设计和制造的质量相关。在该时段出现故障几乎都是因设计与制造上存在缺陷造成，或者是所用环境不但所致。

其二，偶发故障期。一旦机电设备处于了偶发故障期，那么故障率基本上就在稳定状态，靠近定值。在该期间出现故障就是随机的，而且这个时段中故障率比较低，大多属于稳定状态。

其三，损耗故障期。就是机电设备使用一段时间之后故障发生率随之上升。因此按照上面所示曲线，就必须针对性对机电设备进行维护及修理，这样才能够确保机电设备正常工作。一旦设备发生故障就必须进行诊断，为下一步维修打下基础。当然，不同的机电设备诊断方式不同，本文对矿井提升机及采煤机的诊断做一些阐述。

①煤矿提升机。在煤矿生产中提升机是主要设备之一，承担着提升矸石、原煤、升级人员、下放材料以及运送设备之任务;提升机是否能够安全运行直接关系着煤矿生产，影响着生产人员生命及财产安全，构造如图1所示。

在提升机的故障处理上，一直都被煤矿企业高度重视，如今采用最多就是使用单一的传感器检测提升机的控制系统，分析其频谱而诊断出故障。因为提升机主要是由机械传动系统、制动系统及润滑系统等，当运行时各个部件都可能发生故障，要想准确诊断出故障类型存在一定困难。如果采用多传感器信息融合技术来诊断提升机故障，就能够导出一些新信息，任何单一的传感器都不能够获取到该新信息，采取这种诊断方法有效扩大了时间覆盖范围，提升了置信度，改善了检测系统可靠性。

数控机床设备的故障诊断与维修篇6

关键词：数控机床；故障诊断；维修

随着科技的发展，很多高科技设备在生产和生活中应用，并且应用范围越来越广泛，这给生产和生活带来了很多便利。尤其是在数控技术高速发展的今天，有很多数控设备出现，数控机床就是其中的一种，并且被广泛的应用在生产之中。而任何设备在使用的过程中都会出现故障，一旦有故障出现就会给生产带来影响。因此对数控机床设备使用过程中的故障进行诊断与维修就是一项十分重要的工作，本文笔者就对这方面的内容进行简单研究。

1.数控机床设备故障类型

数控机床设备一旦出现故障，就无法正常、顺利的将原来的预定工作完成，导致停运或者是不能按照预定的来达到工作效果。根据数控机床设备出现故障的危害程度，将其分为两种，一种是致命性故障，一种是非致命性故障。致命性故障是指不但无法顺利完成预定的工作目标，还会带来人或者物的重大损失，最终导致工作任务失败。而非致命性故障，并不会带来人员以及物的损失，不过会给机床设备带来危害，而非致命性故障如果不能得到及时维修处理，就会发展成为致命性故障。

根据数控机床设备的出现故障是自身的原因，还是与其他有关系的设备的原因导致的，分为独立故障和从属故障。根据数控机床设备发生故障的次数和频率可以分成早期、偶然和耗损故障几种。数控机床的故障分类还有很多种，本文先介绍到这里。

2.数控机床设备故障的诊断方法

当数控机床出现故障的时候，想要进行好的维修，首先要找到故障的根源，也就是对机床设备进行故障诊断，在诊断的过程之中，方法很重要，下面是数控机床设备故障诊断的方法介绍。

2.1交换法

对于在应用过程中出现故障的数控机床，其故障很难进行确认，而且在诊断故障的过程中还要保证不会给设备带来更严重的损害，这时候可以用备用的控制板代替认为有故障的控制板。通过备用控制板的应用，保证设备的正常运行，保证工作进步。同时在对同类型的基础控制板交换的过程中，还可以对控制板系统检测的效率进一步提高。

2.2自我诊断功能分析法

很多进口的数控机床设备都有自我诊断功能，并且这样的功能指标已经是一种对数控机床性能进行确定的重要标准。对于这样的数控机床，在出现故障的时候会比较容易进行诊断。因为这样的机床设备一旦出现故障，数控机床设备的一些故障指示等或者是显示器等就会提示故障所在位置，或者是出现故障的原因。通过这种方式就可以及时的发现机床的问题所在，并且快速将问题解决。不过这种自我诊断功能只是在一些高端的数控机床中才有，普通的数控机床并没有此功能。

2.3PLC程序分析法

导致数控机床出现故障的原因是由于机械设备上的一些逻辑功能在运行的过程中无法保证预定的功能，出现不正常运行，因此在进行故障诊断的过程之中，可以通过利用机械的固有原理图等来进行故障诊断，如应用电气原理图、PLC程序以及液压的原理图等资料来进行故障诊断，通过这种方式来快速的找到故障原因，并且对出现故障的零件进行维修和更换，使数控机床能够在最短的时间内恢复到正常的工作状态，尽量不给生产带来影响。

比如在实际操作中某型机床遇到x轴回油槽向外溢油，而且在维修的过程中对回油线路检查以后没有发现有堵塞的现象，而在对电气原理图查看的时候发现供油的仅仅有两项，通过编程对数控机床设备进行现场监控，PLC程序运行也没有出现异常，继电器是按照PLC程序规定运行，而在对液压电磁阀检测的时候发现其在PIE中电池阀的有无都是处于工作状态，在对继电器测量以后发现是继电器的问题，在更换继电器以后，问题解决。

2.4基于广域网的诊断法

随着技术的不断提高，在有些数控机床设备上还有广域监测点的安装，利用局域网检测对机床设备的运行状态信息进行全面、真实的采集。这样可以通过仿真实验对数控机床设备中普遍出现的一些问题进行分析，还可以为企业对数控机床的故障诊断提供更多帮助。

3.数控机床设备的故障维修

数控机床设备出现故障以后要对其进行快速维修，这样才能够快速恢复机床工作能力，防止给企业带来过多损失。想要进行维修，对故障进行查找是最关键的一点，在找到故障点以后，对故障进行维修排出，在找到故障点以后，要根据不同的故障进行相应的维修。

如果发现数控机床出现的是电气故障，就要先对其故障进行确定，在明确了是电气故障以后，进行进一步维修。如果是电器线路短路，要进行故障排除，防止由于故障带来的设备零件损坏。系统是在能够供电的情况下启动NC，在这个过程中要细心观察，如果发现有异常要停止机械工作。对于有故障诊断的设备而言，就可以根据报警来对故障进行查找以及维修了。在NC启动以后没有故障的警告，而设备在运行的过程中却存在很多問题，就要检查NC的参与以及数控机床设备的数据表，要是都没有问题就要通过编程来对程序进行分析，看是否是输入和输出方面的故障。如果NC与PC都没有故障，也排除是外围故障，就要对设备的定值和反馈值进行查找，如果定值与指令值不成比例，就是给定值出现故障。

要是给定值出现故障，通常是由于接头、插头、继电器或者是接线等方面的问题。而要是反馈值出现问题，通常是由于接触不良、检测元件失效或者是传感器的问题。如果两个值都出现问题，原因就是电子元件受到损坏，这个问题解决的时候会相对容易。

4.总结

数控机床设备的应用给人们提供了很多的方便，不过由于其属于高科技产品，所以在应用的过程中，必须要按照规定进行操作，一旦操作不当就会出现设备故障，影响设备正常运行。本文笔者对数控机床设备的故障诊断与维修进行了研究，针对其可能出现的问题的维修方法进行总结，希望能够为数控机床设备的故障诊断与维修提供更多帮助。

参考文献：

[1]高白川.浅谈数控机床诊断与维修的方法[J].科技信息，2010（23）

配网设备故障远程诊断的探究篇7

随着经济社会的发展, 电力需求不断增长, 配电网的规模越来越大。在配网运行过程中, 设备应尽可能不出现故障, 从而确保配网的安全稳定运行。因此, 为了保证配网设备安全稳定运行, 应提起开展故障的预防与诊断。在本文中, 笔者从配网设备诊断发展等方面分析了该命题。

1 系统设备故障诊断

设备的故障诊断, 一般为综合运用理论知识处理系统中的诊断对象的运行状态, 且在此基础上, 有效分析和评价设备在系统中的运行状态与故障产生的过程。因此, 故障诊断也能够理解为, 通过分析系统中不可测信息量与可测信息量, 严格检查系统是否处于正常的运行状态。比如如果系统设备存在潜在故障, 则应立即锁定故障部位, 且分析故障所产生的原因和评估故障对系统的危害性。在评估系统危害性之后, 采取有效的措施, 及时修复系统中出现的故障。

总之, 故障诊断的任务为检测或者预测故障, 并在此基础上, 采取一定的修复措施, 保证系统的安全与稳定运行。设备故障诊断的内容主要包括:系统运行状态的检测、故障原因的分析、预测故障的趋势等, 而故障诊断的主要目的是为了隔离故障、减小对系统的危害等。从系统的角度来说, 首要任务为在发生故障时, 及时发现故障, 从而向系统发出警报, 采取有效的故障修复措施。系统设备故障的诊断, 分为三部分, 即故障检测、故障分离与故障识别。

(1) 故障检测。按照监测到的变量异常与其它系统的表现, 分析和判断系统是否处于正常的运行状态, 且客观记录异常发生的时间。

(2) 故障分离。如果确定系统处于不正常状态, 则应判断故障出现的位置, 并消除故障原因或缩小故障影响范围。

(3) 故障识别。分离出系统故障之后, 分析和判断故障的严重程度、发生时间, 以及故障所造成的后果等。

故障诊断方法一般有两种: (1) 基于数学模型方法; (2) 基于人工智能方法。其中, 前者包括基于状态估计方法、基于输入输出和信号处理方法、基于过程参数估计方法。后者包括专家系统方法、基于案例方法、基于故障树方法、基于模糊数学方法和基于人工神经网络的方法。

2 设备故障诊断的发展历程

2.1 局域网分布检测诊断系统

局域网分布检测诊断系统, 由于无特定的系统, 可把局域网通过计算机联系起来, 从而充分发挥各个系统的功能, 同时协调各个操作平台, 实现资源共享, 从而有助于提高设备故障的检测效率, 确保诊断结果的准确性。局域网分布检测系统信息处理在内部进行, 但同时也具有良好的开放性。

2.2 互联网远程监测诊断系统

互联网远程监测诊断系统通过网络信息技术来进行配网设备故障的诊断, 由设备上的监测点收集设备, 实时监测状态信息, 由相关的设备厂商和科研机构, 建立完善的设备故障诊断服务平台, 为远程设备故障诊断提供技术支持。如果配网设备运行出现故障, 则可向远程服务平台反映情况, 由技术人员在线进行设备故障的诊断, 采取有效的措施。

设备故障远程监测系统利用现代通讯技术、网络信息技术诊断设备故障, 涵盖不同的科学技术领域。随着互联网技术和信息技术的不断发展, TCP/IP网络协议技术、文件传输协议技术和远程会议系统等现代信息技术, 在配网设备故障诊断中有了广泛应用, 为故障诊断提供了强大的技术支撑。这是一种新型的故障诊断技术, 是一种结合了传统故障诊断技术与现代网络技术的一种新型诊断技术。

2.3 设备故障远程诊断系统

远程监测系统采用B/S模式, 包括三个层面, 即表示层、功能层和数据库服务层。其中, 数据与命令交换为HTTP方式, 可确保系统的对外开放性。任何得到授权的计算机均可度故障的工作状态和故障进行诊断。

(1) 表示层。表示层为系统图形界面, 通过浏览器实现。在浏览器中, 管理人员可通过输入方式, 访问远程诊断服务站点主业。进入诊断页面之后, 输入账号和密码, 便可确定是否有使用权限。授权登录之后, 出现上传文件界面, 工作人员可选择上传数据文件。

(2) 功能层。服务器中断接收客户端的请求周, 便可调用功能层。功能层主要包括两部分: (1) Web服务器; (2) 应用服务器。其中, 前者为处理事务对象, 后者为处理数据服务对象。在客户请求静态页面时, 可使用Web服务器。

(3) 数据库服务器层。数据库服务器层为系统的重要一环, 设备运行状态信息和用户资料均存储于此, 客户端可通过部署在应用服务器的中间件调用它。数据库服务层的创建, 包括三部分: (1) 创建数据源名DSN; (2) 装载驱动程度; (3) 创建数据库连接。

3 配网设备故障诊断的现状

3.1 配网中智能设备的应用

智能设备主要采用非常规互感器 (电光互感器、电子互感器等) 、传感器和智能断路器等, 使电网可监测、可控制和自动化。如:

(1) 智能开关

智能开关由非常规互感器、接地与隔离开关和断路器组成, 具有通讯、保护和独立执行当地功能, 可自动检测配网设备故障, 自动隔离故障设备, 同时具备远程管理模式。

(2) 故障在线监测设备及系统

故障在线监测设备就是在配电网络中的主要节点分布安装一定数量的探测器, 将监测信息加以汇总分析, 得到故障区间位置, 并将相关数据通过通信上传至远程主站系统, 由管理软件根据网络结构和各探测器上传数据进行综合分析, 实现故障区间的定位。探测器一般具备数据采集、数据处理和通信功能。

3.2 智能化系统应用

智能化系统主要采用信息及通信技术, 对配电网设备状态进行监测, 实现对配电网的信息化管理。如:

(1) 电力SCADA系统

SCADA系统是以计算机为基础的生成过程控制与调度自动化系统, 它可以对现场的设备运行进行监视与控制, 有着信息完整、提高效率、正确掌握系统运行状态、加快决策、能帮助快速诊断出系统故障等优势。它对提高电网运行的可靠性、安全性等方面有着不可替代的作用。目前SCADA系统主要实现对变电站内的设备状态进行监控。

(2) PMS生产管理系统

PMS生产管理系统, 为电力企业业务多样需求创建和维护业务模型, 为个性化开发提供基础设施。PMS系统, 可对辖区内的线路、设备全面梳理, 及时录入新增线路和设备, 为配电网的运行和检修提供支持。在运行管理中, 可掌握设备运行情况, 查看设备参数。此外, PMS系统中的统计模块, 可了解所辖线路的完整率, 对管理人员了解新增设备, 确保配网安全运行提供数据支持。

(3) 配电自动化

配电自动化是指利用现代计算机、通信与信息技术, 将配电网实时运行、电网结构、设备、用户以及地理图形等信息集成, 构成一个完整的自动化系统, 实现配电网运行监控及管理的自动化、信息化。配网自动化的作用为, 提高供电可靠性、配网安全运行水平和配网管理效率。配网自动化特点:可靠安全的供电网络;对故障的自动判断和隔离和诊断;实时监控运行状况, 及时分析与处理事故。

4 配网设备故障远程诊断未来发展方向

当前, 在经济社会发展转型升级过程中, 对配网的安全性与稳定性提出了更高的要求, 配网设备故障诊断引起了电力企业及社会的高度重视。随着互联网与信息技术的快速发展, 我国远程诊断技术发展比较迅速, 但是发展基础仍较为薄弱, 主要包括以下几个方面: (1) 跨地域远程网络互动合作平台建设; (2) 基于网络技术系统设备的故障软件开发; (3) 客户端软件平台开发, 以及服务器的维护建设; (4) 地理信息诊断技术的开发。

我国一些部委高校, 比如清华大学、浙江大学和上海交通大学等, 均在进行配网设备故障远程诊断技术研究。现阶段的市场上, 故障诊断系统多为分布式, 由于该系统比较封闭, 因此安全性比较高, 可为配电网设备提供实时监测诊断服务, 但是容易受到地域环境、人为环境和技术条件等限制。

配网设备故障诊断主要目的是按照故障信息反馈情况, 得到相应的解决方法, 及时有效排除故障。从实际上来看, 配网设备故障诊断是一个信息交换的过程, 因此信息传播渠道、处理平台的重要性不言而喻。在信息技术不断发展的新形势下, 互联网成为主要的传播平台。因此, 在互联网技术不断发展的背景下, 基于互联网的故障诊断技术, 是未来的发展方向。互联网技术在故障诊断方面, 具有以下的特点:

(1) 故障诊断中的技术人员、研发厂商和用户等组成故障诊断联盟, 从而有助于故障诊断技术的交流与合作; (2) 减少系统设备的维修时间, 减少系统维护的成本, 从而有助于提高配网故障诊断的质量; (3) 通过诊断数据库, 收集各种系统设备故障信息, 以期更好解决各种故障。

5 结语

设备故障的远程诊断, 超越了时间和空间的限制, 具有“信息流”代替“人员流”的特点, 节省了大量的人力物力, 同时提高了设备诊断的效率和准确性。配网设备故障的远程诊断, 把配网设备诊断技术与计算机网络技术有机结合起来, 从而使得管理手段更加符合信息时代发展要求, 在配网管理领域前景广阔。

摘要：随着经济社会的快速发展, 电网的规模迅速增加, 保证电网安全与稳定运行, 具有重要的意义。配电网作为电网末端, 设备如果出现故障, 则极有可能影响电网的安全稳定运行并影响社会生产生活。对配网设备开展远程诊断, 是故障诊断技术的发展方向。在本文中, 笔者结合自身工作实际, 从故障诊断技术等方面进行分析。

关键词：配网设备,设备故障,远程诊断

参考文献

[1]张翔.远程故障诊断系统的现状及发展方向[J].运城学院学报, 2014 (02) .

[2]赵春生, 梁颖.设备远程诊断系统的构建与实现[J].河南纺织高等专科学校学报, 2009 (18) .

[3]张栋梁, 江珊.关于设备远程诊断系统是构建与实现分析[J].科技创新导报 (工程技术) , 2012 (23) .

[4]王东升, 王振杰.设备远程诊断技术的现状及未来发展方向[J].黑龙江科技信息, 2011 (04) .

设备故障快速诊断方法篇8

1“五步”诊断法

一“看”。工作人员到达现场，首先看安全措施是否到位，再开始检查设备。看设备颜色有无变化，有无发热、烧毁的部位。

二“嗅”。设备发生故障后其外壳、内外部绝缘等各种材料发热、烧毁、破坏材料特性，发出刺鼻的味道。在实践中可以掌握各种材料在发热中产生的气味，根据该材料的使用位置判断故障点。

三“听”。询问维护人员和设备使用者，或在现场试运行故障设备，仔细听故障表现出来的声音，如电磁振动、轴承损坏、部件放电等各种声音。

四“问”。问维护人员和设备使用者，故障前运行状况，负荷情况。故障发生时的现象，如发热、放电、异常声音等。

五“诊”。综合上面四步，结合诊断三要素(电压、电流、绝缘介质)，做出正确的判断。

2 三要素关系

电压：电压升高，绝缘等级降低，绝缘击穿;点破坏，部件损坏。

电流：电流增大，设备部件发热，绝缘破坏;面破坏，整体损坏。

绝缘介质：电压升高，绝缘击穿;电流增大，绝缘破坏;绝缘介质发热、老化，等级降低。

3“五步”诊断法快速记忆一看设备变颜色，

二嗅气味寻位置，

三听声音判部件，

四问情况定原因，

五靠诊断三要素，

电气设备电源的故障查找方法篇9

1.1 电源故障是电气系统中的整体性故障

电源是电路和设备工作之源。“源”出了故障, 将使整个电路和设备都不能正常工作。因此, 电源故障属于整体性故障。也正是因为电源故障是整体性故障, 所以在查找电气故障时, 如果电路和设备完好, 但是整个装置及相关装置却不能正常工作, 就应当去查找电源故障。在排除电源故障的前提下, 再查找其他方面的故障。

1.2 电源故障的规律性明显

持续时间长, 特别是公用的交流电网电源, 由于其整体负载具有周期性, 因此其电气参数变化也具有相应的周期性, 且每次持续的时间相对较长, 这样就为故障的查找提供了方便。在检修中, 如果电气设备出现的故障具有一定的周期性, 也应考虑到电源故障, 因为天气变冷, 电热设备用电量增加, 天气变热时, 制冷设备的用电量也会增加, 负荷的增加, 有可能使电源的参数发生变化。

1.3 查找各类电源故障的难度大

电源种类比较多, 不同的电路具有不同的电源, 不同的电源具有不同的特点和性能参数, 其故障表现形式多种多样。用电设备不同, 在相同的电源参数下, 其表现也各不相同, 甚至有一些是疑难故障, 这就为电源故障的查找带来了一定的困难。

1.4 电源故障隐性危险大

电源故障中, 有些故障现象不明显, 或者说很难从其表现形式找出故障的原因。例如, 工频交流电源波形不符合要求 (非正弦波) , 可使电气设备发热量增加、电动机转速降低等, 但这类故障又不十分明显, 但其故障的危害性却是不可忽视的, 这也就是电源的隐性危险大。

1.5 电源故障的偶然因素较小

在电源故障中, 有些故障是偶然出现的, 如熔丝熔断、电源中断等。但许多电源故障不是偶然一、两次出现的。例如供电电源电压偏低, 这不是偶然一、两次出现的电源故障;波形畸变也可能从设备开始运行就出现的电源故障。

2 电源引入电气控制系统的方法

对于电气控制系统, 常用的电源一般是三相AC380 V, 单相AC 380 V, 单相AC 220 V和AC 130 V。也有一些特殊场合使用直流电源或交直流混合电源。

三相负载时一般采用三相电源, 此时电源常为AC 380 V, 控制电路所使用的电源为单相, 可以是AC 220 V, 也可以是AC 380 V。特殊情况下, 控制电路的不同部分采用不同的电源。

小型控制设备, 若使用的负载为单相, 则电源也常是单相的。这种电源是一种最简单的引入方式, 一般为AC 220 V, 也有AC 380 V。

有时候, 由于控制电路所控制的负载种类较多, 所以需电源种类也多, 就需要采用多电源供电或复合电源方式。也有的负载需要直流电源, 常用的方法是在变压器后加整流元件即可, 必要时可加相应的滤波电容。

采用双电源供电或多电源供电, 大都是由同一电源变换过来的, 控制电路和负载所需电源不同, 也分成几个部分, 互相之间的电源不构成回路。它们之间的逻辑关系靠继电器、接触器的线圈和触头来实现。不同的电源供电方式, 发生电源故障时的现象也不同。

3 电源故障的一般现象

故障控制系统没有反应, 各种指示全无, 这是一种比较明显的故障, 在单相电源供电时, 出现这种现象的概率较多。

故障控制系统部分电路工作正常, 另外部分电路工作不正常。例如指示部分正常, 但按下按钮却无反应;或控制电路正常, 但执行部分不正常。如加热部分升温过慢、电机噪声增大等。这种故障一般发生在三相电源供电或多电源供电线路中。

时好时坏, 屡烧保险。部分功能时好时坏, 这种故障一般是由接触不良、漏电、打火等引起。

设备外壳带电, 有麻电感, 或电器断开开关后, 电器两接线端子仍带电。

4 电源故障的原因和查找方法

4.1 相线和零线接线故障的查找

相线为高电位, 零线为低电位。单相电源供电时, 相线和零线接反, 一般不会引起太大的故障。只有部分电器产品, 外壳接了零线, 在相线和零线接反时, 外壳具有与相线相同的电位。

相线和零线接反, 可能造成严重的触电事故和电气运行故障。例如, 断电的灯头还会使人触电、洗衣机“电人”、零伏电压触电等。

查找相线与零线接错的故障, 首先要判别这种故障, 其次要正确地找出相线和零线。

如果出现下列故障现象, 通常应考虑到相线与零线接反了。

1) 已经接地和接零的电气设备金属外壳有带电现象, 可能是金属外壳接到相线上。2) 断开开关后, 电器两接线端子仍然有电 (或者确切的说, 仍然处于高电位) , 则相线与零线接反了。

查找相线与零线接错故障, 必须正确地识别相线与零线。识别的方法大致可分为两类:即带电识别法, 如试电笔、万用表法;不带电识别法, 主要是根据有关颜色、数字、符号标记来识别。

4.2 三相电源故障的查找

三相电源供电时, 采用了三相四线制, 相线和零线接反时, 可能会使三相负载电压发生较大的波动, 严重时会烧坏负载, 甚至设备完全不能工作。

在检修时, 只需按说明书及产品标志, 测量零线对地电压即可容易判断。没有地时, 可采用试电笔进行测量, 如果电笔发光, 则肯定零线接反。

三相电压不平衡是三相电源故障的主要方面。电压不平衡故障的主要表现形式有:电源变压器高压侧一相缺电、低压一相或两相缺电、三相电压不等。查找三相电压不平衡故障可采用试电笔、万用表等进行测量。

4.3 电源极性故障的查找

4.3.1 直流电源极性故障的查找

电源的正负极的测定, 可以采用万用表或试电笔。用试电笔, 氖管后端 (手持端) 明亮, 为正极;氖管前端明亮, 为负极。用万用表测试正负极。根据电压高低, 选择万用表电压量程, 万用表红表笔接表的“+”端钮, 黑表笔接表的“-”端钮。将两表笔与电源正负极相连接, 指针正向偏转, 则与红表笔相碰的为电源正极, 反之则为负极。

4.3.2 交流电源极性故障的查找

查找交流电源极性故障实际上是核对电器装置、设备与电源间连接时的极性是否正确。在通常情况下, 电源的极性是明确的, 因此, 只要准确的判断装置设备的极性即可。

4.4 电源电压升高

电源电压升高主要发生于单相AC 220 V的情况下, 最常见的原因是三相四线制断线, 造成三相电压随负荷波动而波动。作为极限情况, 220 V的电压可升至380 V, 也可降至0 V, 一般在220 V附近波动。另一种原因是零线搭接在相线上, 造成相电压由220 V升至相电压380 V。

检修时, 可以通过测量线电压和每线对地电压, 即可方便地进行判断。

4.5 电源缺相

缺相是比较常见的故障, 最常见的是三相缺一, 由于控制电路使用的电源一般为单相, 所以有时控制电路工作完全正常, 但电机不起动, 或控制电路不工作, 但电源指示灯全亮。

缺相故障的表现通常是不明显的, 有时还比较隐蔽, 而缺相故障对电机的危害很大, 特别对于自动起动电路, 由于电机热继电器反复动作而最终导致元件损坏或电机损坏, 所以应引起足够重视, 必要时电路设计应具有缺相保护功能。缺相的另一种形式是外电源正常, 经过控制线路后, 主电路一根相线不通, 造成断相。断相与缺相的后果是相同的。

检修时, 应测量三根相线之间的电压, 必须平衡, 且为380 V, 每相对零线的电压为220 V, 电源才能视为正常, 而不是用试电笔所能测量出来的。

综上所述, 我们可以根据电源的故障现象的具体情况, 查找出原因, 排除故障, 使电路设备能够正常的工作。

设备故障的诊断方法篇10

信息融合技术首先用于军事领域, 并在该领域取得了广泛的应用及发展[1]。该方法能最大限度地提取多传感器所获取的信息并对信息进行冗余处理, 已被广泛应用于工业过程监测[2,3]、工业机器人、遥感[4]、交通管理[5]和图像处理[6]等领域, 将其用于故障诊断的研究是近几年开始的[7]。由于单一传感器提供的信息一般是不完整、不精确和模糊的, 包含着大量的不确定性, 而信息融合技术可以综合利用多传感器获得的同一对象的多维故障信息并进行诊断, 因而可以提高故障诊断的确定性。本文在传统故障诊断方法的基础上, 采用决策级信息融合技术, 建立融合诊断系统模型, 利用该方法对风机进行故障诊断, 诊断结果验证了该方法的有效性。

1 融合诊断系统模型

融合诊断系统是利用监测数据在不同层次或级别上的融合来进行故障诊断的, 其诊断过程一般可描述为:用多个传感器从多方位探测系统的多种物理量, 再对多源信息和数据进行分级处理, 精确、及时地判断出系统的状态, 给出系统是否有故障及故障模式的正确判定, 并分析出状态 (故障) 、现象 (征兆) 和原因之间的关系。本文中, 基于D-S证据理论提出的决策级融合诊断模型主要由四大模块构成:数据级处理模块、特征级局部诊断 (包括神经网络诊断和综合关联度诊断) 模块、同级局部融合模块和决策级全局融合模块, 具体结构见图1。

2 系统模块概述

2.1 数据级处理模块

数据级处理模块的主要功能是利用传感器采集信号, 如振动信号、压力信号, 建立样本数据库, 同时采集实验所需数据, 建立检测数据库。

2.2 特征级局部诊断模块

根据建立的样本数据库和检测数据库, 分别选用基于BP神经网络和基于综合关联度的故障诊断方法对设备进行诊断。

2.2.1 基于BP神经网络的故障诊断

BP神经网络[8]选用三层前向神经网络, 输入层神经元个数与故障征兆信号的子集个数相同, 输出层神经元个数等同于故障类型数, 根据

$h = \sqrt{Μ + Ν} + σ$ (1)

式中, h为隐层节点数;M为输入节点数;N为输出节点数;σ为1～10之间的常数。

以及训练结果, 对比确定隐含层神经元个数。在故障诊断系统中, 一般把输入样本作归一化处理, 输出样本值的元素是0或1, 隐含层和输出层均选用S型对数logsig作为神经元传递函数。针对建立的网络, 选择训练误差目标为0.01, 初始设置学习速率为0.01, 初始权值取 (0, 1) 之间的随机数, 学习函数不设定, 对网络进行初始化。建立好神经网络模型后, 用traingda函数训练。用建立的样本数据对网络模型进行训练, 并保存训练好的网络。

2.2.2 基于综合关联度的故障诊断

设XI为第I个标准模式数列 (参考系列) , XI={XI (k) |k=1, 2, …, n};YI为第j个待检模式数列 (比较系列) , YJ={YJ (k) |k=1, 2, …, n}。数列{XI (k) }和{YJ (k) }在时刻k的关联度为

$r_{Ι J} = \frac{1}{n} \sum_{k = 1}^{n} \frac{Δ_{\min} + ρ Δ_{\max}}{Δ_{Ι J} (k) + ρ Δ_{\max}}$ (2)

ΔI J (k) =|XI (k) -YJ (k) |

式中, Δmax、Δmin分别为ΔIJ (k) 的最大值和最小值;ρ为分辨率系数, 一般取0.50。

然后求取{XI (k) }和{YJ (k) }的相似系数:

$u_{Ι J} = \frac{\sum_{k = 1}^{n} | X_{Ι} (k) - \bar{X}_{Ι} | \cdot | Y_{J} (k) - \bar{Y}_{J} |}{\sqrt{\sum_{k = 1}^{n} (X_{Ι} (k) - \bar{X}_{Ι})^{2} \cdot \sum_{k = 1}^{n} (Y_{J} (k) - \bar{Y}_{J})^{2}}}$ (3)

$\bar{X}_{Ι} = \frac{1}{n} \sum_{k = 1}^{n} X_{Ι} (k) \bar{Y}_{J} = \frac{1}{n} \sum_{k = 1}^{n} Y_{J} (k)$

关联度反映模式之间的相似性, 它描述事物随时间发展的函数曲线之间的关联程度, 函数曲线的几何形状越相似, 事物发展趋势越接近, 其关联度也越大。相似系数反映模式之间的相近性, 也就是事物间距离的差别, 距离越近, 相似系数越大[9]。故障中各模式的特征参数通常同时具有随机性和模糊性, 这既会造成相似性的形状变异, 又会造成相近性的距离差别, 为了能精确地描述模式之间的关联度, 将相似系数与关联度综合起来组成综合关联度, 其定义为

zI J=αrI J+β uI J (4)

α+β=1

其中, α、β为权值系数, 反映了关联度与相似系数的重要程度, 同时, α、β的取值也可改变Δmin、Δmax和ρ的影响程度。由式 (4) 可知, 综合关联度zi j越大, 则待检模式与标准模式越相似, 待检模式属于此类标准模式的概率也就越大。

2.3 同级局部融合模块

分别用基于BP神经网络和基于综合关联度的故障诊断方法对多个测点测得的信号进行初步诊断后, 不同测点传感器测量的信息不可能完全一样, 为综合各测点所测的信息, 将多个测点的信息进行初步融合, 这包括两个方面的内容:基于BP神经网络与D-S证据理论的局部融合和基于综合关联度与D-S证据理论的局部融合。

2.3.1 D-S证据理论融合模型

D-S证据理论的基本策略[10,11]是把证据集合划分为若干不相关的部分, 并分别利用它们对识别框架独立进行判断, 然后利用组合规则把它们组合起来。

以二元情况为例, 假设Bel1和Bel2是同一识别框架Θ上的两个置信函数, 其中, Θ是样本空间, 即是由一个互不相容的陈述集合的幂集2Θ构成的命题集合。m1和m2为对应的基本概率赋值函数, m1和m2的焦元分别为A1, A2, …, An和B1, B2, …, Bn, 并假设

$Κ = \sum_{A_{i} \cap B_{j} = \emptyset} m_{1} (A_{i}) m_{2} (B_{j}) ＜ 1$ (5)

其中, K表示两个证据之间的冲突程度。K=1时, 为全冲突, 此时D-S组合规则不能使用;K<1时, 为非完全冲突, 此时, D-S组合规则可以使用。则有概率赋值函数m∶2Θ→[0, 1]对于所有基本概率赋值的非空集A有命题A的基本概率分配函数 (对命题A的信任度) :

$m (A) = \sum_{A_{i} \cap B_{j} = A} m_{1} (A_{i}) m_{2} (B_{j}) / (1 - Κ)$ (6)

将上述两两融合规则推广到多证据组合时, 多个置信度函数对应的联合作用结果可以同样用多个置信度函数的直和表示:

$m (A) = \frac{\sum_{A_{i} \cap A_{j} = A} m_{1} (A_{i}) \dots m_{n} (A_{j})}{1 - \sum_{A_{i} \cap A_{j} = \emptyset} m_{1} (A_{i}) \dots m_{n} (A_{j})}$ (7)

2.3.2 基于BP神经网络与D-S证据理论的局部融合

D-S证据理论融合中关键的一步是如何构造各焦元的基本概率。将神经网络输出的结果作为D-S证据理论组合证据的可信度。可信度的值介于0与1之间, 若该值靠近1, 则说明数据对象相应的分类属性指标完全明确;若该值为0, 则说明数据对象相应的分类属性指标完全不知道。BP网络的实际输出与理想输出之间的网络误差为[12]

$E_{n} = \frac{1}{2} \sum_{j} (t_{n j} - y_{n j})^{2}$ (8)

式中, En为第n个表征矢量的网络误差;tnj为第n个表征矢量的第j个输出神经元的期望值;ynj为第n个表征矢量的第j个输出神经元的实际值。

将按式 (8) 算出的网络误差作为不确定因素。

将归一化处理后的神经网络的诊断结果 (输出节点的输出) 代入式 (9) , 得到计算结果m (Ai) 即为每个样本中第i种故障模式的基本概率值。把网络误差也作同样处理, 作为D-S证据理论中不确定程度m (Θ) , 这样就构造了D-S证据理论的概率分配值:

m (Ai) =y (Ai) /S (9)

$S = \sum_{i = 1}^{k} y (A_{i}) + E_{n}$

式中, Ai表示故障模式, i=1, 2, …, n;y (Ai) 为BP网络的诊断结果。

将同一时刻测得的不同测点的证据进行融合, 得到基于BP神经网络与D-S证据理论局部融合的基本概率赋值。

2.3.3 基于综合关联度与D-S证据理论的局部融合

对于基于综合关联度与D-S证据理论的局部融合, 同样要构造各焦点元素的基本概率。在进行综合关联度诊断时, 由于综合关联度的输出范围为0～1, 不符合基本概率赋值的条件, 所以需将其转换为概率形式:

$p_{j} = z_{i j} / \sum_{j = 1}^{n} z_{i j}$ (10)

经过定义以后的概率值符合基本概率赋值的条件, 则D-S证据理论的概率分配为

m (Aj) =pjj=1, 2, …, n (11)

m (Θ) =0 (12)

同理, 将同一时刻测得的不同测点的证据进行融合, 得到基于综合关联度与D-S证据理论局部融合的基本概率赋值。

2.4 决策级全局融合模块

用基于BP神经网络与D-S证据理论的方法, 和基于综合关联度与D-S证据理论的方法分别进行局部融合诊断后, 将它们的融合结果再进行决策级融合, 从而得到能完全反映设备运行状态的诊断结果。

3 实例论证

本文将离心式风机作为诊断对象, 针对风机常见的8类故障类型:不平衡 (A1) 、不对中 (A2) 、油膜涡动 (A3) 、转子径向摩擦 (A4) 、共生松动故障 (A5) 、喘振 (A6) 、轴承座松动 (A7) 和不等轴承刚度 (A8) , 建立了样本数据库, 并对每一种故障类型在同一时刻水平方向、垂直方向和轴向3个不同测点采集的风机基座振动信号建立检测数据库, 总共采集8组数据, 每组分别包含3个系列, 分别代表3个不同测点的信息。

将检测数据送入神经网络进行训练, 期望输出和仿真结果分别见表1和表2 (受篇幅限制, 这里只给出第1组数据) 。利用式 (9) 提供的方法构造各故障的基本概率, 得出表3;对同一时间内不同测点获得的3个系列初步诊断结果, 利用D-S证据理论合并规则进行合并, 先将测点1和测点2的基本概率赋值进行合并, 再将这个结果与测点3的基本概率赋值进行合并, 所得结果就是该时刻上故障的空间域融合结果, 见表4。比较表3和表4可以发现, 经过信息融合, 诊断精度提高了。第1组数据对模式A1 (不平衡) 的置信度由0.681 218提高到了0.979 408。

同样, 将检测数据用基于综合关联度的故障诊断进行仿真, 其结果见表5, 再用式 (11) 构造基本概率分配, 得到表6, 与神经网络局部融合原理一样, 先对同一时间内不同测点获得的3个系列初步诊断结果利用D-S证据理论合并规则进行合并, 得出基于综合关联度诊断模型的空间域融合结果, 见表7。从表6和表7可以看出, 将同一时刻3个不同测点的诊断结果进行空间域上的融合后, 其诊断结果 (置信度) 大大提高了。

最后, 对以上两种方法融合的结果再次进行决策融合, 即将表4结果与表7结果进行融合, 形成基于D-S证据理论的全局决策级融合诊断模型, 其融合结果见表8。综合比较表4、表7、表8, 可以发现, 融合精度在进一步提高, 不确定度也降为0。由此可见, 全局融合能降低神经网络局部融合的不确定度, 同时能提高综合关联度局部融合置信度, 使得诊断决策的可信度大幅度地提高。

4 结论

针对D-S证据理论在应用时难于确定基本概率分配的问题, 运用神经网络输出和综合关联度输出来构造D-S证据理论中的基本概率分配问题, 然后将在同一时刻不同测点测得数据的初步诊断结果分别进行局部融合, 建立了基于BP神经网络与D-S证据理论的局部融合诊断系统, 和基于综合关联度与D-S证据理论的局部融合诊断系统。将两种方法局部融合的结果再进行决策融合, 建立了基于BP神经网络和综合关联度的决策级融合诊断系统, 最后得出融合结果。实验结果表明, 基于BP神经网络和综合关联度的决策级融合诊断系统能提高诊断精度, 计算结果更加可信。

摘要：针对单一故障诊断方法诊断精度偏低的问题, 提出了决策级信息融合故障诊断模型。该模型首先分别用BP神经网络和综合关联度故障诊断方法对故障进行诊断, 然后利用D-S证据理论分别将BP神经网络和综合关联度故障诊断方法在同一时刻不同测点的诊断结果进行局部融合, 最后将BP神经网络诊断的局部融合结果和综合关联度诊断的局部融合结果进行全局决策级融合, 诊断对象是否有故障并判断故障的模式。离心式风机故障诊断实例证明了该方法的有效性。

关键词：决策级融合,故障诊断,D-S证据理论,BP神经网络,综合关联度

参考文献

[1]何友, 王国宏.多传感器信息融合及应用[M].北京:电子工业出版社, 2000.

[2]康耀红.数据融合原理与应用[M].西安:西安电子科技大学出版社, 1997.

[3]刘同明, 夏祖勋.数据融合技术[M].北京:国防工业出版社, 1998.

[4]翁永玲, 田庆久.遥感数据融合方法分析与评价综述[J].遥感信息, 2003 (3) :49-54.

[5]李刚, 曾锐利, 丁茹, 等.多信息融合技术的城市交通监控系统的研究[J].传感器学报, 2006, 19 (6) :2707-2711.

[6]夏明革, 何友, 唐小明, 等.多传感器图像融合综述[J].电光与控制, 2002, 9 (4) :1-7.

[7]张安华, 张洪才, 周凤岐.设备故障诊断中的信息融合技术[J].机械科学与技术, 1997, 16 (4) :612-616.

[8]飞思科技产品研发中心.神经网络理论与MAT-LAB7实现[M].北京:电子工业出版社, 2005.

[9]扶名福, 谢明祥, 饶泓, 等.基于综合关联度分析的风机故障诊断[J].中国机械工程, 2007, 18 (20) :2403-2405.

[10]Luo R C, Kay M G.Multisensor Integration andFusionin Intelligent Systems[J].IEEE Trans.onSystem, Man and Cybernetics, 1999, 19 (5) :901-931.

[11]Kelin L A.Sensor and Data Fusion Concepts andApplications[J].SPIE, 1993 (14) :71-77.

设备故障的诊断方法篇11

关键词：钢铁企业；电气设备；故障诊断；精确诊断

中图分类号：F426 文献标识码：A 文章编号：1009-2374（2014）26-0088-02

1 钢铁企业电气设备客观情况

大部分的钢铁企业只注重设备的使用效率，对于设备的科学合理使用，以及日常的维护和保养都没有注重，最终导致了故障的发生。作为钢铁企业的电气设备维护人员不仅要对专业知识牢记掌握，还要对企业的电气设备进行全面细致地了解。

1.1 出厂情况

电气设备由于出厂的厂家不一样，所以设备的性能和质量也有一定的差距，国内和国外电气设备生产的质量和水平也不一样，即使都是国内生产的设备，不一样的生产厂家，在设备的技术使用以及日常维护、管理也不相同；尽管是同一个厂家生产出来的设备，也有不同的型号，也会由于管理的方法和技术的不同，导致设备的质量也不一样；再加上不同批次、不同阶段，也会使得设备的质量有差异。所以，每台电气设备的出厂质量都是不一样的。

1.2 使用环境

每个钢铁企业的生产环境不一样，也会对电气设备造成一定的影响。这种由于环境所造成的影响分别有两个方面：第一，设备所使用的外部环境、自然环境不一样；第二，在钢铁企业的生产环境中，不一样的设备所连接的电压和电流由于位置的不同也不一样，特别是在电气设备发生故障时，由于故障系统的短路也有很大的差异。

1.3 人员素质

许多的电气设备发生故障时，由于操作人员对专业知识不了解、没有熟练掌握，操作不规范，业务素质差，没有及时发现故障，以至于故障严重化。

2 钢铁企业电气设备故障诊断

钢铁企业中的电气设备在发生故障时，有时候并不是电气设备自身的运行问题，有很大一部分都是由于在操作设备时没有按照正规的操作规范进行，特别是在设备的运行管理和操作、以及保养过程中按标准规范操作是非常重要的。所以作为钢铁企业对于聘用的设备操作人员，不仅要要求专业知识过硬，还要对设备所发生的故障凭自己的工作经验以及专业知识对故障能有大致的估算。越来越发展的电子科技技术，使电气设备故障诊断技术也被纳入到了电气设备日常运行的管理和维护当中。这种设备故障诊断技术不仅为企业节省了大量的成本，还可以在一定的程度上使企业的工作效率得以提升，这样就间接地增加了企业的效益。

2.1 故障诊断的内容

对电气设备的检测技术也分为了好几种类别：其中有故障识别检测、故障发生的状态检测以及对设备将要发生的故障进行估算检测。有了以上几种检测技术，作为设备故障的检测人员在设备出现故障时，就要及时采取一定的措施，否则只是会对可能出现的故障进行预测，不能采取很好的措施进行解决。预测故障技术在进行故障预测时仅限于以下几方面：异常声响，信号的异常波动、压力的变化、温度湿度、由于其他异物等一些不确定、不正常因素。

2.2 诊断方法

诊断设备故障的方式也分为两种：第一种检测人员手工进行故障检测；第二种由本厂技术人员进行检测的基础上，还聘用一些专业人士，例如专家对故障进行更为精确细致的检测。

简单性故障诊断可以分为以下几种：凭肉眼可以观测到的机械设备外体的故障、正常工作运行当中的声音异常、设备正常工作中异常气味的检测，另外还有对设备运行当中温度的检测。一些工作经验相对比较丰富的专业操作人员可以凭借这些表面的现象进行简单的设备故障诊断。而精确的设备故障诊断是在简单故障诊断结果的基础上的，所累计形成的故障诊断库。它可以帮企业的操作人员快速地检测到故障位置；另一方面，对故障的维护难易可以进行简单的判断。在进行精确诊断的基础上，更好地确定设备的故障，从根本上解决其问题，从而及时地恢复设备的运作，使企业减少因故障停产的损失。但是，专家的检验经验也要依靠于先进的故障检测仪器和设备才可以对故障进行检测。比如说，一些电气设备的故障发生的位置通过人眼根本无法观测到，人体也无法碰到，这时就要依靠科学的技术手段和先进的检测仪器进行更为精密的故障诊断。

3 电气设备的故障原因

电气设备的故障起因可以分为非关联性和关联性两种。非关联性故障是：所发生的故障与电气设备自身没有直接的联系，之所以引起故障，是因为设备在运输、碰撞、安装以及人为因素所引起的故障。关联性故障是由于电气设备自身的设计问题、结构问题，或者是设备自身的缺陷所引起的故障。而关联性故障还可以分成随机性故障和固有性故障。随机故障有着非常大的偶然性，在进行故障诊断的过程中有着很大的困难。例如，如果软件发生故障，会有很多方面的原因，像程序编写错误、操作不当、运行的参数设备都会引起设备的软件发生故障，这些故障的诊断只有通过对设备进行全面地认真地了解、对于设备运行的各个环节都要了解，设备正确操作方法都要熟练掌握；硬件故障通常是说设备的元器件、设备的自身构造、工艺等原因所引起的故障；干扰故障可分为外部和内部干扰，通常是说由于设备自身系统的设计工艺、电源位置不当和恶劣的设备运行环境所引起的设备故障。

4 钢铁企业电气设备故障维护

电气设备的日常维护与管理过程中，每日的设备巡查和设备定期的检查是两项最基本的工作内容，使设备故障发生在初期阶段就可以被告发现并对其进行维修。每日的设备巡查就是对设备进行大概的巡视，大体地了解设备整体的运行状态。这种日常的设备维护比较适用于分散的企业。而作为钢铁企业要安排专业的人员进行每天的设备巡视工作，这些工作人员要依据详细、具体的操作规范和标准，再结合设备实际运行过程中的情况进行对比，发现设备运行过程中的故障，并进行及时的处理。定期故障的检测，这就要求钢铁企业将设备故障的具体情况提供给技术人员，这样可以方便他们更为详细、全面地了解故障的发生原因和位置，以便于他们更有针对性的对设备故障进行检测。在对设备进行检测的过程中，要定期地依据检测标准对设备的规定位置进行检测，将设备的故障及时发现。检测人员对于所管辖区域内的电气设备的运行状态都要全面了解，并且认真进行管理。设备运行管理工作，要将维护、检测、维修记录认真清楚记录，对于需要维修的设备故障提前记录清楚详细，对于维修过程中所需的配件要提前预备好。在维修故障过程中，需要注意的问题是：首先掌握设备的设计软件、运行系统，生产厂家和设备的标准的操作规范、设备出现故障的位置、原因以及出现故障的经过等等，这些都是需要进行维修之前清楚掌握的，然后再依据由设备外部到内部，从机械到电气设备，进行一一的故障排除，将故障明确确定后，再进行维修，如果确定是内部故障时，再进行拆卸维护。

5 结语

设备的故障诊断以及日常维护，可以使钢铁企业的电气设备运行周期得以延长，为钢铁企业在生产过程中的安全稳定运行提供可靠的设备保障。

参考文献

[1] 龚娜，金娜，乔旭君.探讨钢铁企业电气设备故障诊断及维护[J].科技与企业，2012，（5）.

[2] 田海.基于钢铁企业电气设备故障诊断及维护的分析[J].科技创业家，2013，（9）.

铁道信号联锁设备的故障诊断分析篇12

为了解决好这一棘手的问题, 维修人员一方面依靠长期的维修经验对故障设备进行维修, 另一方面结合先进的科学技术, 采用人工智能技术对铁路信号联锁设备故障问题实行有效地处置。随着科技的发展, 各类新型的技术在铁道信号联锁设备故障分析领域得到了广泛的应用。

1 铁道信号联锁设备故障诊断分析方法

科技的进步带动了铁路信号设备故障处理技术的不断发展革新, 常见的故障诊断方法可以分成以下几类:一、传统故障诊断法;二、信号处理法;三、人工智能法;四、解析模型法。下文将对这些故障诊断法进行详细地阐述。

1.1 传统故障诊断法

铁道信号联锁设备故障传统的诊断方法就是利用维修人员长期对信号设备的维修经验, 对所出现的故障进行分析判断, 进而提出处理故障的具体方法。传统故障诊断法建立是一种基于维修经验的方法, 常见的具体操作方法有:优选法、比较法、校核法、逻辑推理法以及盘面压缩法等。交大1A的微机联锁设备自身具备故障自我诊断的能力, 常发生的故障多为非潜伏性故障, 当故障发生以后, 通过相关的控制线路可以在控制台上表现出来, 故障通常体现在一些指示灯的状态上。实践证明, 传统的故障诊断方法也能有效地解决交大1A的微机联锁设备的执行表机故障、监视控制机故障等问题。

1.2 信号处理法

信号处理法是一种通过建立信号模型, 对反馈信号进行幅值、频率等特征值分析处理, 进而诊断出设备的故障。信号处理法在实际信号设备故障诊断工作中具有良好的适用性, 操作程序简单可行, 但该法也有其缺点, 过度依赖设备设施的信号, 容易受到外界环境的信号噪声的干扰。此外信号处理法诊断的故障类型比较局限, 无法对设备多种故障间的相互影响作出反应, 一旦需要诊断的设备比较复杂, 信号处理法就难以有效应对, 该法更适合于单一设备系统的故障诊断。

1.3 人工智能故障诊断法

人工智能故障诊断法是一种融合了多种诊断技术的综合性诊断法, 能对各种复杂的系统故障作出准确判断。人工智能故障诊断法结合了专家系统、人工神经网络、模糊逻辑以及其他诊断技术, 对铁道信号设备的各种故障有着很强的辨识性。专家系统是专业人员建立起的一个计算机诊断程序系统, 其中包含了海量的专业知识和诊断经验;通过专家系统模拟专家处理故障的流程, 为解决设备故障提供有效支持。人工神经网络法是一种模拟人思考处理设备故障的思维方式的诊断方法, 该法主要应用于故障模式识别和故障预测。模糊逻辑法利用的是模糊逻辑的结构性知识的表达能力, 模糊逻辑推理过程和人类的思维过程很相似, 比较容易对复杂的故障进行解释。运用模糊逻辑法对交大1A微机联锁设备进行有效的故障推理, 可以快速地定位故障定, 得出最终的诊断结果。

2 铁道信号联锁设备故障诊断技术的实际应用

(1) 故障树分析法

故障树分析法是一种对故障成因进行细致分析的方法, 通过将造成故障的各种子事件列成一个逻辑结构图, 从而确定设备故障的主要原因以及故障成因可能的组合方式, 计算出故障的发生概率, 为故障的最终诊断提供依据。

(2) 建立故障诊断专家系统

故障诊断专家系统包含有专业知识数据库、解释及知识获取机构、推理机以及用户界面等组成部分。推理机基于专业知识数据库, 对反馈回来的相关数据进行分析推理, 判断诊断对象是否处于故障状态, 对已发生的故障进行分析评价, 整个系统最要要实现故障的有效诊断, 故障的有效排除。

(3) 诊断故障和控制容错

对铁道信号设备进行必要的故障诊断有利于提高铁路运输系统的安全, 容错微机联锁控制系统, 是故障诊断的一项典型应用, 通过相关的容错软件与冗余系统保障铁路运输系统的安全可靠。

(4) 信号联锁系统的运用

铁道信号联锁系统在铁路运输控制中的应用, 能有效地对设备故障进行监视, 扩大故障的监控范围, 提高故障的发现率, 做到故障的及时发现, 及时处理。

3 铁道信号联锁设备故障诊断未来的发展方向

交大1A信号联锁设备中存在的联锁关系并不是简单的逻辑控制关系, 对于信号的处理是一个较大的系统工程, 根据实际的使用情况, 铁道信号联锁设备诊断技术未来的发展方向将有以下几个:

(1) 故障诊断专家系统走向成熟。现阶段铁道信号联锁设备故障诊断系统的使用范围以及诊断对象还是有一定的局限。进一步改善专家系统, 有利于对设备故障实施动态、快速的处理。