故障诊断库（共4篇）
故障诊断库 篇1
0 引言
水电机组状态监测系统通过对机组各种参量的实时检测和监视，综合设备历史状况，能对机组作出故障诊断和趋势预报，及时评估设备性能，有利于水电厂制定合理的设备检修维护制度，从而达到延长检修周期，缩短检修时间，提高机组运行率的目的。
1 水电机组故障诊断特点
水电机组故障诊断主要包括水轮机诊断和发电机诊断，二者互为关联。
水轮机诊断包括：轴系、叶轮、叶片、导轴承、润滑系统、支撑系统、控制系统等部位故障的诊断。主要故障特征包括：油箱油位的升高和降低、油温的升高、轴瓦平均温度升高、轴瓦温度上升率、摆度升高、轴承振动升高、振动和摆度随转速、负荷变化的趋势、有无负荷的振动情况。
发电机诊断包括：定子线圈、定子磁心、转子、轴系等部位故障的诊断。定子线圈的诊断采用局部放电法(脉冲高频容量)用于检测线圈、线棒、线棒支撑的绝缘情况及线圈断路。定子铁芯和转子的诊断运用一组气隙测量传感器监测定子孔径和转子圆周、偏心所造成的动态气隙情况。
检测的参数一般有：机架振动、摆度、温度、电量、气隙、绝缘监测、气蚀、压力脉动等。对于诊断导轴承、推力轴承以及其它一些复杂的故障，诊断系统要综合考虑分析各检测参数。
2 故障诊断系统结构
机组故障诊断系统包括数据预处理和数据规范化、信息处理、故障诊断知识建模、故障检测、故障分离与估计、故障分类评价和决策、知识模型库、数据库、智能决策支持系统、人机对话界面、监控中心等。故障诊断系统构成如图1所示：
数据预处理和数据规范化模块对在线采样的可测变量先进行预处理以消除噪音，然后将其转化为规范数字信号输入数据库中。
信息处理、故障诊断知识建模模块将从机组录入的振摆、水压脉动等信号进行再处理并建成知识模型库。
知识模型库、数据库在故障检测、故障分离与估计、故障分类评价和决策模块起支撑性作用。智能决策支持系统模块负责对机组不同的运行状态选择哪种或哪几种诊断方法，以及各诊断方法之间的集成，给出相应的故障处理方案，和优化运行决策与检修计划决策，并对知识模型库中的知识进行协调调用。
人机对话界面、监控中心分别负责机组信息的输入与输出，包括深层和浅层知识的录入、故障信息的输出，以及在判定故障时启动保护措施，通过执行机构去完成。另外还有数据的报表输出及打印等功能。
3 知识模型库
如何具体实现故障诊断知识建模的功能，进行诊断知识模型的获取，形成知识模型库，从而实施在线故障检测、故障分离与估计、故障分类评价和决策模块的功能是系统的难点。
在文献[1]中，提出了一种基于综合模型的故障诊断建模与推理的方法，即人工神经网、案例、规则和对象模型，来有效地进行诊断知识模型的获取。
水电机组的知识模型可由机组模型、诊断经验规则、诊断神经网模型、诊断案例4种方式来表示。
诊断知识模型由一般到特殊分4层组织：第1层描述最一般的诊断知识，由水轮机、发电机的机组模型组成。运行模型描述了机组正常工作时的形态，故障模型描述了机组在故障时的形态，它们被用于基于模型的诊断、真值维护和解释;第2层描述一般的诊断知识，由根据水电机组的技术标准、规程和专家诊断经验归纳出的诊断规则组成，用于基于规则的诊断;第3层是根据类似诊断事例经训练构造的人工神经网模型，用于基于神经网模型的诊断;第4层由案例-子案例等级框架表示组成，它描述各电厂机组或电厂各机组间的特殊诊断案例知识，用于基于案例的诊断。
3．1第1层
机组定量信息描述一般包括参数描述和状态描述两种。
参数描述指由机组参数的显著变化来描述故障的发生如温度量、电量等的量值越阈或突变。状态描述指由机组开、停机过程及机组运行状态来描述所包含的故障信息。
由机组定量信息描述形成的运行模型和故障模型，构成机组模型子库，形成模型知识库的第一层。由该层支持的基于机组模型的故障诊断方法有：参数估计诊断法和状态估计诊断法。参数估计诊断法在进行故障检测、故障分离与估计、故障分类评价和决策时，诊断的过程参数为机组模型模拟量与机组实际运行参数的比较值，所得残余偏差为二者之间的相对变化值。在系列残余偏差中包含有各种故障信息，结合机组模型库中相应模型对基本残差序列采用统计检验法，检测机组的故障部位和原因，并进一步分离、估计与决策。
状态估计诊断法由根据水电生产过程的控制逻辑来判断机组是否有故障状态，可由机组监控系统直接支持。
3．2第2层
基于标准和经验归纳出的诊断规则，故障可分为确定性故障和不确定性故障两种。
对于确定性故障，也就是一般的产生式故障，可建立用于逻辑推理的知识模型库。而对于非确定性故障，一般采用模糊产生式规则来表示故障诊断知识，即用模糊关系矩阵来表示前提条件与结论之间的因果关系。
此外，还可采用可信度方法、概率方法等来描述其不确定性。可对这些方法进行充分收集，整理优化后形成一个较完整的诊断推理机制。
3．3第3层
根据类似故障诊断事例训练构造的人工神经网模型，其实质是一个故障分类和识别过程。人工神经网络在此作为一个自适应的模式识别技术，利用自身的学习机制，通过对案例样本的学习，自动形成相对应的决策区域。而且样本变化时，如案例增加时，神经网络训练所获得的映射关系可以自适应，达到对准确诊断的进一步逼近。
3．4第4层
该层知识由案例-子案例等级框架表示组成，形成了最特殊知识的诊断案例子库。
对机组在线状态的信息诊断同案例子库中的案例描述进行匹配，得出解策略。
以上4层次知识模型子库既有其独立性又紧密关联。当机组的新类型故障被诊断出来后，可对其进行描述，添加到案例-子案例等级框架中。新类型故障同框架内的原有相似故障可用于构造和训练新的神经网模型，加入到第3层的人工神经网络模型子库中去。新类型故障同原有相似类型故障的诊断方法规则，加入到第2层的规则子库中去。而以上3层的知识表示如可以采用定量信息表示，又可建模加入到第1层的机组模型库中。
4 融合诊断推理
对于复杂故障的诊断，不能简单地仅通过某一种方法诊断出来，有效的方法是将各检测信息有效结合判断的融合诊断法。
文献[2]中，提出一种基于信号处理的人工神经网络诊断方法，即基于小波变换的特征提取、基于遗传算法的特征选择和基于神经网络的状态识别理论。
该方法可将机组多个传感器信号，如振摆、气蚀、水压脉动信号等，用加权法实现信息的初级融合，按给定的小波函数进行小波变换，提取其特征成分，用遗传算法搜索选择输入参数中最为重要的特征参数，与已知目标特征信息一起作为训练样本，送神经网络训练，实现状态识别和故障诊断。对某些复杂检测信息也采用小波变换法，如对于绝缘监测中所测局部放电数据的处理，针对其局放信号微弱、噪声大的特点，采用小波变换进行分析，可充分利用小波分析良好的时频分析特性得出合理的策略，直至给出最佳处理方案，得出最精确的预测控制和诊断结果。
5 结束语
水电机组的设计、制造、安装和大修中，都对机组各状态参数提出规定和要求，但由于水电机组在运行过程中存在不规则的水力干扰，不仅不同机型不同容量不同结构的机组，实际运行参数量值及其变化规律不一样，而且同一电站同一机型的几台机组，运行参数实际也难一致。如一般机组瓦温带满负荷时比空载时高3～5℃，而有的机组带负荷后温度并没有上升，甚至略有下降。又如有些机组上机架振动达1mm而能长期运行，有的水导运行摆度达到0.8mm，瓦温却正常，运行也稳定。因此，要在故障诊断推理系统内制定一个统一的标准，难度很大，而且到目前为止，尚未有一个国际性的状态监测标准。
从实际的大修内容看，主要是因空蚀、磨损、腐蚀、老化、疲劳引起的零部件损坏和构件松动，但要直接测量，尤其象橡胶密封老化程度的在线测量是十分困难的，甚至是不可能的。所以在故障诊断推理系统的监控中心中设置人工干预功能，适时补充案例层知识，实现人机结合、智能互补是必要的。而把人融合到整个系统中去，还可以根据各自机组的特点，对某些诊断进行重新设置或修正，形成针对机组特点的智能高效推理机制，以达到对各自机组故障的最精确预测和诊断。
参考文献
[1]盛兆顺, 尹琦岭.设备状态监测与故障诊断技术应用[M].北京:化学工业出版社, 2004.
[2]王海.水轮发电机组状态检修技术[M].北京:中国电力出版社, 2004.
[3]沈东.水力机组故障分析[M].北京:中国水利水电出版社, 1996.
[4]周廷虎, 崔悦.安康水电厂水轮发电机组状态监测与诊断系统[J].水电自动化与大坝监测, 2006 (3) .
[5]郑杰.水电机组的状态监测及状态检修[J].水利科技, 2001 (3) .
[6]刘宝忠, 彭孟.信息融合技术在水电机组计算机监控系统中的应用研究[J].水利水电技术, 2008 (10) .
一种电子设备故障库的设计 篇2
故障诊断专家系统是诊断领域引人注目的发展方向之一, 也是研究最多、应用最广的一类智能诊断技术, 主要用于那些没有精确数学模型或很难建立数学模型的复杂系统。大致经历了两个发展阶段, 即基于浅知识的第一代故障诊断专家系统和基于深知识的第二代故障诊断专家系统。基于浅知识 (人类专家的经验知识) 的故障诊断系统是以领域专家和操作者的启发性经验知识为核心, 通过演绎推理或产生式推理来获取诊断结果。基于深知识 (诊断对象的模型知识) 的故障诊断系统要求诊断对象的每一个环节具有明确的输入输出表达关系, 诊断时首先通过诊断对象的实际输出与期望输出之间的不一致, 生成引起这种不一致的原因集合, 然后根据诊断对象领域中的第一定律知识 (具有明确科学依据的知识) 及其内部特定的约束关系, 采用一定的算法, 找出可能的故障源。在故障诊断专家系统中, 故障库是专家系统的核心, 体现着专家系统水平的高低, 但故障库的建造或故障知识的获取也成为建立专家系统的瓶颈问题[1,2]。
1故障库建造步骤
故障库的设计是建立专家系统最重要和最艰巨的任务。初始知识库的设计包括问题知识化、知识概念化、概念形式化、形式规则化和规则合法化。问题知识化, 即辨别所研究问题的实质;知识概念化, 即概括知识表示所需要的关键概念及其关系;概念形式化, 即确定用来组织知识的数据结构形式;形式规则化, 即编制规则, 把形式化了的知识变换为由编程语言表示的可供计算机执行的语句和程序;规则合法化, 即确认规则化了的知识的合理性, 检验规则的有效性。
故障库的建立首先是通过知识工程师从测试设备领域专家那里获得或者通过在诊断过程中从用户那里获得知识, 然后通过知识获取模块把知识送到知识库。知识获取的主要困难在于如何恰当地把握领域专家所使用的概念、关系和问题的求解方法。根据专家提供的经验知识和测试设备的特点, 通过直接获取方式、交互获取方式获取有价值的诊断信息[3,4]。
故障库的建立是一个相当复杂的过程, 所以必须要按照一定的方法和步骤。通常情况下按照如图1所示的步骤从现有的设计资料中提取有关原理的定性知识, 并将这些知识归纳成规则形式。下面对图1 所示的各步骤分别加以说明:
(1) 功能, 结构层次分解。由于现代的产品设计的模块化设计思想, 所以电子产品在功能和结构上具有明显的层次性, 因此要提取电子设备的故障诊断知识, 对系统进行分解是必要的。
(2) 建立部件正常功能描述。对于每一个上面划分的部件, 有必要对其正常工作逻辑进行定性说明。
(3) 确定各部件的测试点集。测点分为部件输入测点和部件输出测点, 在对某个部件P进行诊断时, 只有其全部输入信号都正常, 才可以根据输出来判断该部件是否故障。
(4) 确定部件可能故障集。对以上划分的单元分别进行故障分析, 对于部件, 首先要确定其有可能出现的故障类型, 部件P的可能故障集的确定可以根据经验、FMEA 分析结果以及器件资料等多方面搜集。
(5) 建立定性影响关系网络。对于部件P, 先确定每一故障e所带来的输出表征, 即输出测点数据的一种组合。然后, 对部件P的所有测点数据进行分类, 一类表示部件自身故障所测试的数据, 记为PSO;非自身故障引起 (由输入异常引起) 的故障归到另一类, 记为PUO。当测试数据W∈PSO时, 故障诊断结果可以确定就是部件P;当测试数据W∈PUO时, 需要对部件P的输入进行测试, 由于部件P的输入又是其他部件的输出, 因此, 可以逐级推理, 直至将故障定位在某一个或几个部件上。
(6) 将故障影响关系网络归纳成规则形式。将上面因果分析得到的结果转化成两种规则形式:
IF W∈PSO THEN P故障;
IF W∈PUO THEN 对P的输入进行测试;
(7) 将规则写入故障库, 通过一般知识库编辑系统可以很容易将上面的规则写入到故障知识库中。
2故障库的设计
2.1 数据采集与知识的获取
数据采集在故障诊断系统中占据重要角色。对于诊断系统而言, 采集的信息越多, 越容易对故障进行定位和判断, 为此系统将增加必要的硬件设计, 同时为减小伺服系统硬件设计的复杂程度, 根据伺服系统的特点和专家的经验总结, 利用伺服系统自身必需的硬件连接, 增加少量硬件设计, 可以组成诊断系统的数据采集。
系统知识采用产生式 (Production Rules) 表示法, 又称为规则表示法。产生式通常用于表示具有因果关系的知识, 其基本形式是 P→Q, 或者IF P THEN Q。其中, P代表条件, 如前提、状态、原因等;Q代表结果, 如结论、动作、后果等。其含义是:如果 P前提被满足, 则可推出Q结论或执行所规定的动作。把一组产生式放在一起, 让它们互相配合, 协同作用, 一个产生式生成的结论可以供另一个产生式作为前提使用, 以这种方式求得问题的解决, 这样的系统就称为产生式系统, 也称之为基于规则的系统。
对于多因素故障, 采用故障树来表示, 故障树模型体现了故障传播的层次和子、父节点间关系的因果性, 故障树上某一子节点是父节点的故障源, 因此利用故障树的节点关系, 根据故障现象来确定故障原因[5,6,7]。
2.2 数据表的设计
为了使知识在计算机中发挥作用, 以产生问题求解的能力, 必须把经形式化后的各种知识实体表示成计算机的内部形式, 还要建立必要的解释机制和良好的用户界面。该系统采用Access 2003数据库来创建知识库, 利用Access 2003构建系统知识库, 能使知识库搜索更加高效, 管理更加方便。
知识库包括四个表, 它们分别是主故障模式表、事实表、测试点表和规则表。
主故障模式表用来存放测试设备中主要的故障类型。表的结构为Module (FaultName, Child) , 其中, FaultName为故障类型的名称, Child为此故障类型对应的征兆表的名称。如表1所示。
事实表包括征兆表和结论表, 两表的结构相同。表的结构为Fact (Name, ID) , 其中, Name为故障征兆 (结论) 的名称, ID为故障征兆 (结论) 的编码。如表2所示。
测试点表用来存放测试通道中的测试点。表的结构为Test_Point (PointName, PCBName, X, Y, ID, ToneName, Solution) , 其中, PointName为测试点的名称, PCBName为测试通道的PCB图文件, X为测试点的横坐标, Y为测试点的纵坐标, ID为测试点的编码, ToneName为测试通道的名称, Solution为对故障采取的解决措施。如表3所示。
规则表包括浅知识规则表和深知识规则表, 两表的结构相同。规则表用来存放规则前件和后件的编码。推理机的内部工作过程是利用事实编码进行前件的匹配, 利用综合数据库对推理过程中的前件和后件进行记录。在推理过程中的事实编码和最终结果的编码都可以在事实表中找到与之对应的名称。表的结构为 (ID, Condition_number, Conclution_number, sig1, sig2, …, sig10, con1, con2, …, con10) , 其中, ID 为规则的编号, Condition_number 为规则前提条件的个数, Conclution_number 为规则结论的个数, sig1, sig2, …, sig10 用来存储规则的前提, con1, con2, …, con10 用来存储规则的结论。如表4所示。
3推理机的实现
在测试设备故障诊断中最重要的是推理机, 对于确定性的知识, 采用专家系统中正向推理的方式进行推理。对于具有不确定的、模糊的信息, 利用模糊神经网络进行推理。推理机通过建立类 EsReason 实现, 以下是在该类中定义的主要指针、数组、变量及函数, 此类结构如下[8,9]:
其中, *Major, *Sigal, *Conclution, *point 以及*Rule 定义指向主故障模式表、征兆表、结论表、测试点表及规则表的结构指针, 便于对数据库中各表数据的记录及访问。通过建立 BOOL 型成员函数 ConnectionDb 和LoadTable 来实现数据库的连接及加载。在加载数据库时, 通过设置 SQL 语言为打开各个数据表做准备, 然后调用记录集指针的成员函数 Open 打开各个表中的各条记录。通过记录集指针的移动记录各个表中记录集的数目, 然后根据记录集指针的移动把各表中的记录存到申请的动态内存中。
综合数据库通过数组Current Conditions[100]和Current Conclusions[100]实现, 综合数据库用来记录推理过程中的初始条件、中间结果及最终结论的编码, 方便推理机通过综合数据库里的内容进行正向推理, 通过CString 类型的变量program记录推理过程中用到的规则, 以实现推理过程中的解释功能。
在类 EsReason 中核心的函数是 Reasoning 和NEWff, Reasoning 函数的工作过程为:把综合数据库中的事实作为初始条件, 与规则库中的规则前件进行匹配;当规则被激活, 通过这些激活的规则, 推理函数把结论放到综合数据库中继续推理, 直到再没有其他规则的前件能与综合数据库内的事实相匹配为止。在推理过程中用到一个很重要的 BOOL型的成员变量 Rule_Used 记录用过的规则, 这样可以避免在推理过程中出现死循环。NEWff 函数的工作过程可选取合适的推理决策逻辑进行推理来实现故障的自动化诊断。
4结语
由于现代电子设备的自身特性和环境因素等复杂条件的限制, 传统的故障诊断方法难以满足诊断要求。基于故障库的智能故障诊断方法依靠对设备原理的定性分析, 充分利用现有的各种设计技术资料, 无需为了量化处理的需要而将实际问题过分简化, 比依赖于基础数据的定量分析方法更接近于工程实际情况。针对电子设备提出了一种电子设备故障库的故障实现方案, 可以有效地进行故障定位并提出维修指导意见, 有效地提高了普通维修人员的故障诊断能力和维修效率。
参考文献
[1]LIU S C, LIU S Y.An efficient expert system for machinefault diagnosis[J].International Journal of AdvancedManufacturing Technology, 2003, 21 (9) :691-698.
[2]何青, 张海岩, 张志.基于C8051F的便携式多通道数据采集系统[J].仪器仪表学报, 2006, 27 (6) :140-141.
[3]文振华.智能诊断专家系统知识获取方法研究及应用[D].南京:南京航空航天大学, 2006.
[4]张晓梅.设备故障诊断中的特征提取[J].传感器技术, 2004, 23 (1) :12-17.
[5]罗志勇.雷达系统智能故障诊断技术研究[D].西安:西北工业大学, 2006.
[6]CZESLAW T K, TERESA O K.Neural networks applica-tion for induction motor faults diagnosis[J].Mathematicsand Computers in Simulation, 2003, 63:435-448.
[7]程昌银, 李琳.模糊神经网络故障诊断研究[J].武汉理工大学学报, 2002, 24 (1) :220-225.
[8]鹿丙杰, 李迅波.一种故障诊断专家系统中知识库和推理机的设计[J].计算机应用研究, 2006, 23 (增刊) :492-493.
[9]LIU S C, LIU S Y.An efficient expert system for machinefault diagnosis[J].International Journal of AdvancedManufacturing Technology, 2003, 21 (9) :691-698.
故障诊断库 篇3
1 设备故障模式及成因分析
1.1 设备故障类型
故障类型是指系统、子系统或元件发生的每一种故障的形式。油料库站设备故障类型按设备分类大致可分为油罐故障、管线故障、阀门故障、油泵故障、加油机故障及电气设备故障。
1.2 设备故障特点
(1) 设备故障率非线性
故障率是指在每一个时间增量里产生故障的次数。尽管设备故障率有常数型、负指数型、正指数型及浴盆曲线型四种变化规律, 但是设备故障率随时间的变化规律多数符合浴盆曲线型[1], 如图1所示。
由图1可知, 在设备运行的初始阶段, 设备故障率尽管随设备运行时间渐减, 但仍是设备寿命周期中的高发期;在设备的有效寿命期中, 设备故障率较低, 且趋于定值, 故障的发生具有随机性;在设备运行后期, 由于设备的磨损、疲劳、老化、腐蚀等, 故障率渐渐攀高。所以说, 设备故障一般具有非线性的特征[2]。
(2) 复杂性
设备故障的复杂性主要体现在两个方面。一方面, 设备故障与设备故障征兆之间的关系复杂。设备都是由多个元件、子系统组成的, 很难根据设备故障的外在表现而完全正确地判断出设备故障的程度、原因、部位等。另一方面, 设备故障的排除具有复杂性。由于设备故障的排除对技术的要求高及零配件、修理工具的欠缺, 油料库站的部分设备故障需要专业人员、生产厂家来排除。
2 设备故障的机理分析
对设备故障机理进行分析, 不仅可有效预防设备故障的发生, 提高设备的可靠程度和有效利用率, 而且还能为设备故障应急处置提供决策支持。
2.1 油罐故障分析
油罐凹陷是油料库站中油罐故障的主要表现形式, 其诱发因素是压力超限。一是机械呼吸阀制造、设计误差、安装、检修失误、使用维护不当致使油罐压力超限;二是机械呼吸阀致使油罐压力超限;四是环境急剧变化致使油罐压力超限。寒冷季节的霜冻、夏季的突降暴雨、气温骤变等使得呼吸阀失灵、失效。
2.2 管线故障分析
管线故障的主要表现形式有管线裂缝、断裂、锈蚀穿孔等。
2.3 阀门故障分析
引起阀门故障的原因可以分为两方面:一方面是制造、设计、安装问题。设计不科学、制造不合格、安装不到位, 易引起阀门内漏、阀门受热胀冷缩而胀裂或丧失密封严密性、受低温而冻裂、在管线发生位移时损伤等;另一方面是使用维护保养问题。不按章操作或误操作、检修保养不及时、未按规定进行清洗及试压、冬季未采取保温与放水措施等都可能造成阀门故障。
2.4 油泵故障分析
当前油库站应用最为广泛的是离心泵, 本文将主要针对离心泵的常见故障进行分析。离心泵的常见故障如表1所示。
2.5 加油机故障分析
加油机是加油站的主要作业设备。加油机的构件多, 任何一个构件的失效都可能导致加油机系统故障, 致因复杂。加油机的常见故障有:噪音大、不供油、排气孔出油、外泄、计量不准确、流速慢、油气不能分离及自封枪不自封。
2.6 电气设备故障分析
油料库站使用的电气设备的种类繁多, 引起电气设备故障的诱因极其繁杂, 概括起来主要有五个方面的因素:一是制造问题, 设备质量不合格、不达标;二是选型安装问题, 选型不科学、安装工艺不符合要求, 如:防爆电气设备的类别、级别、组别与爆炸危险场所不匹配, 爆炸危险场所的线路敷设不符合要求, 接地保护不全等;三是使用问题, 运行条件差、操作不正确、电压不稳定、超负荷运行等都可能造成电气设备损坏;四是维护保养问题, 维护保养不到位致使防爆灯体与接线盒隔爆面锈蚀, 防爆灯罩内存积冷凝水, 空气开关锈蚀失灵, 配电柜 (箱) 内尘土积存, 线路短路, 电机轴承润滑不足磨损等;五是设备陈旧、老化, 油料库站的部分设备型号老旧、配件稀缺, 部分设备运行时间过长, 老化严重。
3 设备安全应急处置措施
3.1 油罐凹陷的应急处置
在发油或倒罐过程中发生油罐凹陷, 应立即关闭进出油罐阀门, 停止油料发放或倒罐作业, 并立即上报。然后, 查明原因, 根据具体情况实施处置。如果是呼吸阀失灵或堵塞, 可慢慢打开测量孔或洞库透气管路旁通阀, 使罐内气压恢复正常;如果是呼吸管道积油或积水致使堵塞, 应慢慢排除呼吸管内的积油或积水, 逐步平衡油罐内压力;如果罐体凹陷严重, 应实施倒罐作业。
3.2 管线故障的应急处置
输油管线发生故障后, 应立即停止油料输转作业及管线故障点周围的施工作业, 并关闭故障点两端最近的阀门, 及时上报。尔后, 排尽该管段内的油料及油气, 再实施处置。若管线破裂不严重, 可采用环氧树脂、堵漏栓、堵漏环等实施应急堵漏;若管线断裂, 应更换断裂管道;若管线锈蚀穿孔, 可对锈蚀较轻者实施焊补等处置, 对锈蚀严重者进行局部更换。
3.3 阀门故障的应急处置
阀门故障的主要表现形式有:外漏、内漏、阀杆卡阻和部件损伤 (坏) 四种。一旦发现阀门出现故障, 应立即停止作业, 并上报。接着, 关闭故障阀门两端最近的阀门, 查明情况, 放空管段内的油料, 然后实施处置。
外漏:如是填料损坏, 则更换填料;如是填料安装不正确, 则按接口裁剪成45°坡口, 逐圈安装, 接口错开120°的方法重新安装;如是填料压盖损坏, 则对压盖进行更换或修复;如是阀体出现裂纹、砂眼、气孔, 则可实施修焊、有机树脂封堵、铜丝捻缝封堵或更换阀门。
内漏:应组织更换内漏阀门, 并送检。
阀杆卡阻:若螺纹太脏, 应清洁擦拭螺纹并加注少量润滑油;若螺槽断裂卡死, 应更换阀杆;若长期不操作使用而锈死, 应对其进行除锈处理、活动阀杆和加注润滑油;若内螺杆螺母失效, 应更换失效螺母;若阀杆镀层剥落、弯曲或锈蚀, 应修复或更换阀杆。
部件损伤 (坏) :当手轮紧固件松脱或损坏时, 应及时修配紧固件或更换手轮;当手轮与阀杆连接处损伤而不能传递力矩时, 应修复损伤部位或更换阀门;当阀门安装偏差致使法兰处于受力状态时, 应调整使得管线与阀门同心, 法兰与管线垂直, 阀门的两法兰平行。
3.4 油泵故障的应急处置
当油泵出现故障时, 应立即停泵, 并报告上级。然后, 根据情况, 实施处置。
不出油或出油量少:若吸入系统不严密而漏气, 则检查吸入系统;若泵内存有空气, 则重新灌泵;若油封管堵塞, 有空气进入, 则检查和清洗油封管;若电动机转速不够, 则检查电源电压是否偏低;若电动机旋转方向相反, 则更换接线;若叶轮及排出管堵塞, 则检查和清洗叶轮及排出管。
泵异常振动:若泵与电机轴心不同线, 需调整泵与电机的轴心线;若地脚螺栓松动, 需紧固螺栓;若产生气蚀现象, 需采取节流措施;若轴承损坏或弯曲, 需更换轴承。
泵出口压力过高:若输送管路堵塞, 则检查管路, 排除故障;若压力表失灵, 则更换压力表。
流量下降:若转速降低, 则检查原因, 提高转速;若叶轮堵塞, 则在停泵后进行检查, 排除杂物;若漏进空气, 则检查管路, 更换填料;若密封环磨损严重, 则更换密封环。
轴承发热:若泵轴与电机轴不同心, 需进行校正;若润滑油不足, 需添加润滑油;若冷却水不足, 需给足冷却水;若平衡盘工作失效, 需检修平衡系统。
电机温度过高:若超负荷, 电流过大, 要进行节流处理;若电压过低, 电流过大, 要实施节流处理或检修供电系统;若泵轴与电机轴不正, 要重新进行校正。
3.5 加油机故障的应急处置
运转中的加油机发生故障, 应切断电源, 停机检查, 并根据具体情况进行处置。
噪音大:若油气分离器滤网堵塞, 疏通堵塞;若溢流阀阀座松动, 紧固螺栓;若轴套磨损严重, 则更换轴套。
加油机空转不出油:若电动机皮带太松, 就调整皮带;若吸油管路系统漏气, 就检查管道或管件的密封性;若过滤器堵塞, 就清洗过滤器或更换滤芯;若油气分离器的出口阀卡死, 就清洗或更换出口阀芯;若电源变相, 则调整相序。
排气孔出油:发现排气孔出油, 应先检查过滤网, 再查柱形浮子是否灵活, 出气阀是否能关闭, 回油阀是否能打开。
外泄:外泄的症状明显, 针对不同部位实施相应检修处置即可。
流速慢:若过滤器网套堵塞, 就疏通堵塞;若主阀开度过小, 就加大主阀开度;若油气分离器堵塞, 就疏通堵塞;若泵内漏, 则检修泵。
3.6 电气设备故障的应急处置
油料库站电气设备类型多, 故障差异大, 针对不同类型的设备及不同类型故障的具体处置措施各异, 但基本的处置步骤还是一致的。当发现电气设备出现故障时, 须立即切断电源, 停止作业, 查明原因, 立即上报, 然后, 组织电工检修或送厂家修理。
摘要：设备是石油库站的重要组成部分, 其技术完好是石油库安全运行的重要保障。论文以油库站重要设备油罐、管线、阀门、油泵、加油机及电气设备的故障为研究对象, 分析了上述设备故障类型及特点, 并对设备故障的机理进行了深入研究, 在此基础上, 重点提出了设备安全应急处置措施, 对石油库安全管理提供了技术支撑。
关键词：石油库设备,故障,特点,机理,应急处置
参考文献
[1]杨景辉, 康建设.机械设备故障规律与维修策略研究[J].科学技术与工程, 2007 (16) :43-45.
故障诊断库 篇4
关键词：多智能Agent系统,智能Agent通信语言,高层体系结构,智能故障库
0 引言
通信装备的备件在仓库保存时, 保管单位一般只是在物理上进行比较简易保养, 而在电性能上加电检测和保养十分困难, 几乎没有条件进行。而作为提供舰船通信部门使用的备件, 维护其电气性能的正常才是最根本的目的, 备件是要提供给维修单位替换实装中的故障单元进行实际工作的, 仓库提供的备件电气参数是否符合要求, 是否存在故障是非常重要的。所以研制一种方便实用的加电保养和检测平台, 用于通信装备备件仓库在备件保存时定期加电保养和检测以及出库时的电气性能判断, 是非常急需的。这种加电保养和检测平台不但为保管单位检测备件板提供了方便, 而且为延长通信设备备件板的寿命提供了一种通用的保养手段。
1 Agent简介
广义上Agent是指具有智能的任何实体, 包括人类、智能硬件和智能软件。到目前为止, 对Agent给出的典型定义大致有以下两种:
定义1:Agent是驻留于环境中的实体, 它解释从环境中获得反映环境中所发生事件的数据, 并执行对环境产生影响的行为。
定义2: Agent是能为用户执行特定的任务、具有一定程度的智能, 以允许自主执行部分任务并以一种合适的方式与环境相互作用的软件程序。
Agent与分布式人工智能 (AI) 系统一样具有协作性、适应性等特性。此外, Agent还具有自主性、交互性和持续性等重要性质。
多Agent系统中的每个Agent都是自主的, 并能执行某一个任务, 具有便于其他Agent访问的开放式接口, 从而可以执行多个目标。系统中Agent之间进行的交互主要包括多Agent协作、多Agent协调与多Agent协商等。Agent之间的交互行为是Agent社会性的重要表现, 是Agent与外界环境相互作用的一种方式, 也是Agent区别于传统人工智能系统的重要属性。图1给出了两个Agent间的通信与交互层次模型结构。
目前Agent技术正发挥着越来越重要的作用。一方面, Agent技术为解决新的分布式应用技术提供了有效途径;另一方面, Agent技术为全面准确地研究分布式系统的特点提供了合理的概念模型。
2 装备故障诊断系统设计
2.1 故障诊断过程
对故障诊断不是仅根据网络理论进行, 而是从信号传输的路径上, 从控制方法功能级的因果关系上, 对故障实施定位, 有效缩小故障搜索范围和测试次数。每进行一步测试或观察都是对分析进行一次肯定或否定, 肯定证实对故障源的选择, 增加了假设的可信度;否定减少了搜索范围, 使行为向目标迈进了一步。模拟人的诊断过程, 提出了以下诊断过程和搜索模式, 如图2所示。
图中的推理策略知识表示如下:策略规则1:如果系统故障特征为A, 则调用第i个知识库第j个知识块;策略规则2:如果专家经验推理过程失败, 且有结构推理模块尚未使用, 则启动结构推理过程;策略规则3:如果存在两个规则具有相同结论 (征兆) , 则优先触发可信度大的规则;策略规则4:如果存在两条用于测试的规则, 具有相同结论, 则优先触发测试代价较低的方法。
2.2 故障知识库建立
故障树分析法 (FTA) 是分析系统可靠性和安全性的一种重要方法, 故障树模型是一个基于研究对象结构, 功能特征的行为模型是一种定性的因果模型, 以系统最不希望发生的事件为顶事件, 以可能导致顶事件发生的其它事件为底事件, 并用逻辑门表示事件之间关联的一种倒树状结构的逻辑图。
故障树定性分析的目的是寻找导致顶事件发生的原因或原因组合, 识别导致顶事件发生的所有故障模式, 即所有最小割集。
故障树定性分析的基本结果是求得最小割集, 求最小割集的方法主要是下行法 (Fussel-vesely法) 。求出最小割集以后, 可以得到简化故障树, 对简化故障树增加相应的辅助诊断信息, 主要是故障现象描述, 故障结论描述, 得到扩展故障树;扩展故障树知识再转化成产生式表示的知识存储于知识库中, 形成诊断知识库。具体过程如图3所示:
在数据足够的情况下, 能够对故障树各个底事件发生概率做出推断, 则应作定量计算。最小割集的故障概率等于它所包含的各底事件概率的乘积, 故障树顶事件故障概率可以根据其逻辑关系式推算出来。
由故障树定量分析形成诊断专家系统的诊断决策树 (Diagnosis Decision Tree, DDF) 可以有效地指导系统诊断和维修, 使维修程序尽可能集中。其方法主要有两种:①系统诊断以前建立决策树。由诊断重要度 (DIF) 指导系统模块诊断的顺序, 以便尽早发现故障源;②系统分析以前就已大致确定的故障源, 再建立其余部分的诊断决策树, 由DIF指导诊断。
由于通信装备包括很多复杂的电路, 所以底事件元件的具体故障率很难得到。目前系统分析主要是定性分析, 并且已经可以对维修起到指导作用, 定量分析可在其中的子系统分析中使用。
3 装备故障诊断系统软件实现
系统软件可分为3个方面的内容:系统主程序、故障诊断专家系统、数据库管理程序以及其他辅助程序。下面主要详细介绍故障诊断专家系统的实现。
专家系统是一个具有丰富的专门领域知识的程序。它应用人工智能技术, 根据专家提供的知识及其推理能力, 模拟人类专家做出决策的思维过程, 来解决原需要由专家才能解决的复杂问题。
故障知识库是集中了专家们关于系统的各种故障的分析经验而组织起来的, 其建立过程分为知识获取 (即故障分析) 和知识表示 (故障诊断知识在知识库中的表示) 两步。
推理机制是智能诊断的核心, 它控制协调整个系统, 根据当前输入的数据 (自动测试设备获取的数据) , 利用知识库中的知识, 采用推理方法, 完成对故障的自动诊断。本系统的推理机制采用黑板模型。解释机制是为用户设计的一种解释功能, 负责回答用户提出的与推理有关或与系统本身有关的各种问题, 并可对诊断思路 (流程) 给出必要的解释。图4为通信装备检测系统软件的设计图。
这种层次设计, 保证了系统运行的坚固性与稳定性, 软件便于维护、扩展及升级换代。计算机及相关技术发展极为迅速, 当操作系统、外设仪器、数据处理算法需要更新时, 只要更换相应的软件层, 系统就可无缝移植或升级, 保护已有的软件投资。
为使编程方便, 把与硬件有关的语句都封装在几个函数中, 如:初始化函数 (Init) , 讲函数 (Wrt) , 听函数 (Rd) 。这样, 在使用时就不必要求每个人都去详细了解GPIB的各项约定、总线操作的规定以及具体硬件的结构了。另外, 如能将这几个函数设计成一个DLL (动态数据链接库) , 会给程序的开发带来很大的灵活性。比如, 它独立于语言, 不管是以后用VB、VC及Delphi等都可以方便地使用这个DLL, 还能用新的DLL代替旧的DLL, 而不用再对其它用到这些函数的应用程序作修改。做完这些工作, 所剩的工作就是按照OOA和OOD所设计的结果进行编码。在编码的过程中, 保持良好的程序设计风格是保证程序质量的一个非常重要的因素, 主要是从提高程序的可重用性、可扩充性和健壮性入手, 提高程序质量。
4结束语
文章设计了一种通信装备故障检测系统, 旨在为通信装备相关信息保障提供科学、高效的管理辅助手段。实现综合业务处理和管理决策的一体化, 维修保障工作的自动化、系统化、智能化, 并为今后进一步扩展通信装备维修平台全面建设打基础。
参考文献
[1]史忠植, 蒋运承, 张海俊, 等.基于描述逻辑的主体服务匹配[J].计算机学报, 2004 (5) .
[2]朱素媛, 马溪俊, 梁昌勇.人工智能技术在搜索引擎中的应用[J].合肥工业大学学报 (自然科学版) , 2003 (26) .
[3]张功耀, 黄水松, 汪小栋.基于多Agent的搜索引擎模型[J].计算机工程与设计, 2002 (10) .
[4]李盛韬, 成绫, 余智华.分布式Web信息采集系统研究与设计[J].计算机工程与应用, 2003 (16) .
[5]蒋铁军, 王树宗.基于Agent的武器装备费用智能预测系统研究[J].微计算机信息, 2006 (8) .
[6]BAUER B, MUELLER J P, OBELL J.An Extension of UML byprotocols for multi-agent interaction[C].Boston, Massachussetts:Inter-national Conference on Multi-Agent Systems (ICMAS'00) , 2002.