时间：2023-06-08 09:14:40
绪论：在寻找写作灵感吗？爱发表网为您精选了8篇故障诊断方法综述，愿这些内容能够启迪您的思维，激发您的创作热情，欢迎您的阅读与分享！
【关键词】极限学习机 故障诊断 神经网络
引言
随着设备复杂化程度的提高，对故障诊断的快速性和准确性提出了更高的要求。将神经网络应用于故障诊断中已成为一个非常活跃的研究领域。利用神经网络强大的分类能力，进行故障模式的分类与学习，诊断出故障。
Huang在前人研究的基础上提出了一种称为极限学习机（Extreme Learning Machine，ELM）的学习方法，在保留计算精度的同时可以大幅度的缩减训练的时间。将ELM运用到设备故障诊断中，极大提高了诊断的快速性和准确性。
一、极限学习机研究现状
ELM自2004年提出就一直受到学者的极大兴趣。我们从ELM的理论和应用两方面进行阐述。
1.1 ELM的理论
对于传统ELM算法，网络结构、激活函数类型以及隐层神经元的选择对其泛化性能都有重要的影响。为了提高计算效率，使得ELM适用于更多应用领域，研究者提出了许多ELM扩展算法。
1.2 ELM的应用
研究人员已尝试利用ELM方法解决现实中各种模式分类问题。随着ELM自身理论的进一步发展和完善，在人脸识别、文本分类、医疗诊断等领域中应用广泛。
二、故障诊断技术研究现状
故障诊断技术是由于建立监控系统的需要而发展起来的。其发展至今经历了3个阶段。新的诊断技术带来了领域内算法的革新，设备精密程度的提高也对诊断实时性提出了更高的要求。如何保证故障的快速准确诊断成了诊断技术发展重要内容。
基于神经网络的故障诊断运用广泛，然而传统的神经网络学习方法存在许多问题。与传统的神经网络相比，极限学习机方法通过随机选取输入权值及隐层单元的偏置值，可以产生唯一的最优解，并具有参数易于选择以及泛化能力好等特点，在众多领域有着广泛应用。
三、基于极限学习机的故障诊断方法研究
3.1基于ELM的故障诊断流程
（1）数据预处理。按照选取的特征向量和故障类型对故障样本进行预处理，并将处理后的样本按比例分为训练样本集和测试样本集。
（2）ELM的学习算法主要有以下3个步骤：确定隐含层神经元个数；随机设定输入层与隐含层间的连接权值和隐含层神经元的偏置；选择隐含层神经元激活函数，进而计算隐含层输出矩阵计算输出层权值。
（3）用训练好的ELM模型对测试样本集进行分类，并输出分类结果。
3.2基于改进ELM的故障诊断
针对极限学习机神经网络初始权阈值对算法性能的影响问题，提出融合遗传算法（GA）与粒子群算法（PSO）的GA-PSO算法，用于优化ELM神经网络初始权阈值。该算法将群组一分为二，分别采用GA和PSO算法，再将优秀个体进行合并，改善了PSO算法全局搜索能力，同时增强GA算法的局部搜索效能。
关键词：汽车；变速器；故障诊断；解析；
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.
[2]高勇.微型汽车变速器传动效率的影响因素分析及试验研究[D].武汉理工大学，2013.
关键词：煤矿；电气控制线路；检修
中图分类号：X752 文献标识码：A
对于电气控制而言，其指的是使用电气自动控制的方式来对生产过程进行控制，而对于电气控制线路，则是将各有触点的继电器、接触器和按钮等电气元件通过导线按照特定的方式连接起来组成的控制线路。该类控制线路故障的诊断是一项技术性较强的工作，也是实际工作中一项十分重要的工作。
一、故障调查法
对于电气设备控制电路一旦有故障的发生，切忌不要出现盲目的乱动或者盲目的自己操作，在进行检修之前需要对该控制线路的故障情况进行详细的检查和询问，对于具体的方法而言，我们可以分为望、问和摸、听和闻、切。望：首先弄清电路的型号、组成及功能。例如输入信号是什么? 输出信号是什么? 什么元器件受命令? 什么元器件检测? 什么元件执行? 各部分在什么地方? 操作方法有哪些等。这样可以根据以往的经验，将系统按原理和结构分成几部分，再根据控制元件的型号如接触器、PLC、时间继电器，大概分析其工作原理。检查触头是否烧蚀、熔毁，线圈是否发热、烧焦，熔体是否熔断、脱扣器是否脱扣等; 其他电子元件是否烧坏、发热、断线，连接螺钉是否松动、电动机的转速是否正常。然后对系统故障进行初步检查。检查内容包括: 系统外观有无明显操作损伤，各部分连线是否正常，控制柜内元件有无损坏、烧焦，有无松脱等。问和摸: 询问操作人员故障发生前后电路和设备的运行状况，故障发生时的迹象，如有无烟、火花及异常振动; 故障发生前后有无频繁起动、制动、正反转、过载等现象，询问系统的主要功能、操作方法、故障现象、故障过程、内部结构，其它异常情况、有无故障先兆等，通过询问，往往能得到一些很有用的信息。刚切开电源后，尽快触摸检查线圈、触头等容易发热的部分、看温升是否正常。闻和听: 听一下电路工作时有无异常响动，如振动声、摩擦声、放电声以及其他声音。用嗅觉器官检查有无电气元件发热和烧焦的异味。这对确定电路故障范围十分有用。在电路和设备还能勉强运转而又不致于扩大故障的前提下，可通电起动运行，倾听有无异响，如有应尽快判断异响的部位后迅速关闭电源。切: 即检查电路。
二、结构、原理分析检查法
1、依照结构及原理查找故障
在进行故障的检修时，需要先从主电路处着手，看拖动该设备的几个电动机是否正常，然后逆着电流方向检查主电路的触头系统、热元件、熔断器、隔离开关及线路本身是否有故障，接着根据主电路与控制电路的控制关系，检查控制回路的线路接头、自锁或连锁触点、电磁线圈是否正常，检查制动装置、传动机构中工作不正常的范围，从而找出故障部位。如能通过直观检查发现故障点，如线圈脱落、触头( 点) 、线圈烧毁等，则检修速度更快。
2、从动作程序检查故障
通过调查、断电检查无法找到故障点时，可对电气设备进行通电检查。通电检查前要先切断主电路，让电动机停转，尽量使电动机和其所传动的机械部分脱开，将控制器和转换开关置于零位，行程开关还原到正常位置，然后用万用表检查电源电压是否正常，有没有缺相或严重不平衡。进行通电检查的顺序为先检查控制电路，后查主电路; 先检查辅助系统，后检查主传动系统; 先检查交流系统、后检查直流系统; 先检查开关电路，后检查调整系统。通电检查控制电路的动作顺序，观察各元件的动作情况，或断开所有开关，取下所有熔断器，然后按顺序逐一插入要检查部位的熔断器，合上开关，观察各电气元件是否按要求动作。
三、电气仪表检测法
此种方法主要指的是利用仪器仪表作为辅助工具，以此来对煤矿电气线路故障进行判断的检修方法。由于仪器仪表种类很多，且有日新月异之势，故检测法发展很快，准确率大大提高，手段也日益增多。但比较常用、比较实用的方法仍为利用欧姆表、电压表和电流表对电路进行测试。
1、电阻法
此类方法的原理是在被测线路两端加一特定电源，则在被测线路中有电流通过。被测线路的电阻越大，流过的电流就越小。反之，被测电阻越小，流过的电流就越大。这样在测量电路中，串接电流表，就可以根据电流表电流的指示换算出电阻的大小。由于换算中，电流和电阻是一一对应关系，故可直接在电流表的刻度盘上标出电阻的大小。
2、电压法
在进行电路的加电时，不同点之间的电压也不同。如果在电压不同的两点之间接入一个电阻不为无穷大的支路时，支路中就会有电流通过，通过串接在支路中的电流表的读数，就可推知此时的电压值。一般直接在刻度盘上标出电压值。
3、电流法
电路在正常工作时，导线中有电流流过，其大小反映了电路的工作状态。为了测量电路中的电流，常在电路中串接电流表，然后通过电流表读出电路的电流。工作中应充分发挥仪表检查故障的作用，仪表检测法具有速度快、判断准确、故障参数可量化等优点，例如判断电路是否通断，电动机绕组、电磁线圈的直流电阻，触头( 点) 的接触电阻等是否正常，可用万用表相应的电阻挡检查。对于电动机三相空载电流、负载电流是否平衡，大小是否正常，可用钳型电流表或其他电流表检查; 对于三相电压是否正常、是否一致，对于工作电压、线路部分电压等可用万用表检查; 对线路、绕阻的有关绝缘电阻，可用兆欧表检查等。
四、工作经验法
1、弹压活动部件法
主要用于活动部件，如接触器的衔铁、行程开关的滑轮、按钮、开关等。通过反复弹压活动部件，使活动部件灵活，同时也使一些接触不良的触头进行磨擦，达到接触导通的目的。
2、元件替换法
对于值得怀疑的元件，可采用替换的方法进行验证。如果故障依旧，说明故障点怀疑不准，可能该元件没有问题。但如果故障排除，则与该元件相关的电路部分存在故障，应加以确认。
结论
实际的煤矿电气控制线路进行维修时，我们会发现造成电气电路发生故障的原因多种多样，既有明显的、也有隐蔽的，有的简单、有的复杂。维修中应灵活使用上述诊断方法，仔细观察电路故障的特征和表现，探索故障发生的规律，找出故障点，从而顺利排出故障。
参考文献:
[1] 黄莹.浅谈煤矿电气控制电路检修的方法[J].科技信息.2010(30)
[2] 冯洁.试论煤矿电气控制电路常见问题及解决策略[J].黑龙江科技信息.2010(20)
[3] 陈孔明,王家旺,张明.矿用隔爆型真空电磁启动器的检修方法及技术[J].机电信息.2011(12)
[4] 韩艳娟,宋建成.基于信息融合技术的煤矿主通风机故障参数检测系统[J].工矿自动化.2009(07)
[5] 于秀娟.煤矿井下电气设备防爆探讨[J].价值工程.2010(33)
[6] 张保香.煤矿电气设备管理要点探析[J].行政事业资产与财务.2011(14)
关键词：异常检测；缓变微小故障；累加和平均；早期故障检测；PCA
1 概述
随着现代工业技术的迅速发展，各种大型自动化系统的结构日益复杂，有关系统的异常检测和故障诊断一直是学术界关注的重点问题[1-5]。相对于传统的故障诊断方法， 微小故障诊断是一类更精细的诊断形式， 其诊断难度也更大。现有微小故障诊断方法大致可分为三类：定性诊断方法、定量诊断方法、半定型半定量诊断方法[1]。其中，定量的诊断方法又被分为基于解析模型的方法和数据驱动的方法。基于解析模型的方法多数是利用被诊断对象的数学模型，由于建模过程中难以避免误差和未知干扰，很难保证高精度。而数据驱动的方法与数学模型的选取无关，该方法以采集到的过程数据为基础，通过各种数据处理与分析方法挖掘出数据中隐含的信息，提高系统的监控能力，实用性较强。上述方法在多数文献中已被广泛用作预处理方法。郝小礼等为提高“小”故障检测能力，对基于PCA的方法进行了改进，用小波滤波技术对数据进行过滤，提高故障检测的能力[6]；文献[7]提出一种中值滤波和奇异值分解（Singular Value Decomposition，SVD）对信号的联合降噪方法，对原始声发射信号进行中值滤波，去除幅值较大的异常值，并对去除后的信号进行空间重构和SVD分解，从而达到去噪的目的。基于滤波的方法有一个相似性就是仅仅通过降低噪声的能量而不是故障大小来增加故障信号的信噪比。
本文为进一步提升早期微小故障检测能力，提出一种基于累加和平均（AA）的时变异常检测方法，在减小噪声能量的同时对故障信号进行累加，从而可以显著地提高故障信号的信噪比。针对累加平均后观测数据不再独立同分布的问题，建立了基于AA-PCA的时变异常检测模型，以进行缓变微小故障的早期检测。
2 基于PCA的故障检测方法
主元分析是将多个相关的变量转化为少数几个相互独立的变量一个有效的分析方法[3]。将历史正常数据矩阵Y00∈Rn×P可以分解为个向量的外积之和，如式（1）所示：
其中，P是变量个数，n是样本个数，bi∈Rn是得分向量（主元），vi∈Rp是负荷向量。
对正常数据矩阵Y00进行主元分解，如式（2）所示：
建立起系统正常运行情况下的PCA模型后，可以应用多元统计控制量进行故障检测与诊断的分析，常用的统计量有2个，即HotellingT2统计量和SPE统计量。
SPE统计量位于残差子空间，对于加性偏差类故障较敏感，其定义为：
其中Bv是负荷矩阵的前v列构成的矩阵。
SPE的控制限可由正态分布确定
在这里，？姿是历史数据的协方差矩阵的特征值，C？琢是正态分布在检验水平？琢下的临界值。
3 基于AA-PCA的早期故障时变检测模型
上小节介绍了基于PCA的故障检测方法对早期异常检测的效果并不令人满意。本小节提出一种基于AA-PCA的时变异常检测模型，在减小噪声能量的同时对故障信号进行累加，可以较好地实现早期微小故障检测。具体实现步骤如下所示：
3.1 离线建模
（1）假设有N组离线正常观测数据Y00∈Rn×p，将其按层堆叠构成三维矩阵Y0∈Rn×p×N。
（2）分别计算正常观测数据做累加平均后的观测数据矩阵
（3）对每个累加后的数据矩阵 建立N个PCA
模型，根据公式（4），求每个PCA模型的SPE控制限UCL（k）。
（4）通过式（6）确定基于AA的时变PCA异常检测模型的控制限，然后将其归一化。
（6）
3.2 在线检测
（1）假设在线数据矩阵Y∈Rn×p定义如下：
其中，Y00（i，j）是第j个变量在样本时间i的在线正常观测值，F（i，j）是当系统发生异常时第j个变量在采样时间i的观测变化值。将Y进行累加可得：
（8）
（2）将累加后的矩阵，根据公式（3）分别计算每个样本点的SPE统计量值。
（3）对在线统计量SPE（k）归一化处理，得 。
（4）求早期故障检测点te，若在线计算的 统计量的值超过了第k个主元模型的控制限，则在第k个样本点系统出现异常。
4 仿真
本节取p=10，n=1000，N=1000用于仿真。设正常观测数据Y00∈Rn×p由p个传感器的观测样本数据组成， 将Y00的产生方式运行N次，便可以得到N组正常观测数据构成的三维矩阵Y0。分别利用PCA、CUSUM-PCA、AA-PCA对系统从201时刻个样本的开始加入的缓变异常情况进行检测。仿真结果如下所示：
图1给出了用传统PCA对观测数据做监控的SPE图，虚线是在检测水平1-？琢=0.997下的控制限，也就是说系统的异常是在较高的检测水平下，因此将这个样本点称为失效点。从图中可以看出，系统在从第819个样本点发生异常。但是缓变故障的发生时刻远早于失效样本点。在失效之前，故障没有达到足够明显特征，以至于未被提前检测到。
图2呈现的是基于CUSUM-PCA的SPE检测图。此图中，早期故障趋势在第546个样本点被检测到。基于CUSUM的方法是累加故障大小，虽能实现早期检测，但是检测效果并不好。图3给出了时变AA-PCA的早期故障检测结果，故障趋势可以从第201个样本点被检测到。表1中列出了上述各种方法的检测样本点，误检率以及漏检率。不难看出，基于AA-PCA的时变早期缓变故障检测在有效地减少噪声的同时也对故障大小进行累加。
5 结论和展望
为实现在减小噪声能量的同时对故障信号进行累加，本文将PCA作为特征抽取工具，提出了基于AA-PCA的时变早期缓变微小故障检测方法。为系统剩余寿命的早期预测维护提供必要基础。由于PCA具有模式复合问题，不能实现故障诊断，从而不能对系统造成致命影响的关键部件进行实时剩余寿命预测。所以，研究基于关键部件的早期故障检测和剩余寿命预测方法是下一步待开展的工作。
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]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，2016，09：1285-1299.
[3]郑茜予.基于主元分析的微小故障检测[D].华北电力大学，2015.
[4]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，2015，49（6）：799-811.
[5]周福娜，文成林，等.基于指定元分析的多级相对微小故障诊断方法[J].电子学报，2010，38（8）：1874-1879.
[6]郝小礼，陈友明，张国强.小波滤波在小故障检测中的应用[J].暖通空调，2005，08：138-140.
【关键词】 机械设备；状态检测；故障诊断；
1、引言
机械设备状态监测及故障诊断技术，是从上世纪六七十年代的应用发展来的管理理念。随着机械设备的现代化、复杂化和自动化程度的不断升级，机械设备状态监测及故障诊断技术在国外得到了迅猛的普及和广泛使用，成为当今先进设备管理及维修的新思维。上世纪九十年代以来，机械设备状态监测及故障诊断技术开始在我国得带推广，并且取得了一定的效果。作为一种新颖的设备管理思想，与传统的设备管理与维修观念相比，它具有更好的有效性和科学性，显著的提高了设备运行的可靠性、生产效率以及设备的使用寿命，同时降低了设备的维修成本。
2、机械设备状态监测及故障诊断技术的意义
机械设备状态监测与故障诊断技术主要包含着以下两项技术：一是对及其状态进行实时监测，即状态监测技术；二是故障诊断方法，即高效的故障诊断技术，设备的状态监测技术是指对故障设备的某些特征参数进行监测，并且将所得测定值与规定的正常值进行比对，判断该部件是否运行正常。机械设备故障诊断技术则不仅要判断机械设备是否运转正常，而且还需要对故障原因、故障位置、以及故障的严重程度作出判断。
1、经济快速发展的需要
现代化生产向着大型化、自动化、连续化、高精度、高效率等方向发展，生产率大幅度提高，产品的质量也相应的得到可靠的保证。但是，生产设备的突发性故障是不可避免的，极易造成的重大的经济损失。因而对于连续化、自动化生产设备必须实时监视其运行状态，及时发现故障预兆，并且及时采取有效处置措施，对设备进行维修，以减少由于设备故障引起的经济损失。
2、生产安全和可持续发展战略的需要
科技的发展改变了人类的生活，如核能的发现，在给人类提供能源的同时，也会给人类带来灾难，就像发生在美国三里岛的核泄漏事故。科技有其两面性，在其造福人类的同时，若不加约束就会造成严重的灾难事故。并且随着工业化进程的发展，环境污染问题也越来越严重，因此，设备设计尽可能减少环境污染，实施所谓的“绿色设计。然而，设备的老化，势必加剧机械设备引起的污染。因此，从可持续发展的战略高度看，机械设备的状态监测与诊断技术势在必行。
3、是维修体制改革的需要
过去我国沿引的前苏联维修体制，带有技术经济的色彩，称为计划预期维修，它的确定源于大量的统计规律。除了在故障出现时进行维修外，根据统计规律和生产计划定时实施小修、中修、大修，但是这种预期修理技术在技术含量越来越高的设备面前显得越来越吃力，主要表现在以下两个方面：
（1）剩余维修现象严重。剩余维修成本巨大，需要高昂的人力物力，而随机造成的经济损失也是很高的。
（2）现代设备精度要求很高，在计划预期维修中往往拆解，再重新进行组合，这样反复进行将使机械设备的精度受到影响。
上述因素加速了维修体制的改革，由原先的计划预期维修体制为状态维修体制，也就是修理取决于设备的运行状态。这就需要对设备的运行状态进行实时的监测。根据所得到的的设备状态参数对机械的运行状态做出判断，并且分析故障信息。这样就可以避免过剩维修，减少重大事故的发生，设备状态监测和故障诊断技术也因而出现。
3、状态监测及故障诊断技术的应用
状态监测及故障诊断技术是一个系统工程，需要有先进的监测设备，专业的技术人员，还有系统完善的额管理体制。状态监测及故障诊断技术是一门综合性极强、涉及面非常广泛、学科交叉渗透十分严重的技术，可以采用振动分析方法、油液分析、红外热像、超声探伤以及温度、压力分析等多种不同的技术。
机械设备故障的状态监测及故障诊断的一般过程主要包括以下四个部分：
1、设备状态的采集
设备在运行过程中，必然会产生力、热、振动、噪声、能量等各种参数的变化，因此会产生各种不同的信息。根据不同的诊断需要，采用相应的传感器来拾取得到的能表征设备工作状态的不同信息，这就是设备状态的采集。
2、信号处理
信号处理技术是进行故障诊断的基础，是特征提取必不可少的工具。信号处理技术主要包括传统和现代两大类：传统信号处理技术是指以FET为核心的信号分析技术，在实际运用中发挥着重要作用；近来来的现代信号处理技术在故障特征提取方面正在崭露头角。为了保证获取的故障特征信息的准确性和有效性，目前的主要研究点是基于非高斯、飞平稳及非线性故障信号的分析理论及方法。
3、状态识别
将经过信号处理后获得的设备特征参量，采用一定的判别模式、判别准则和诊断策略，对设备的状态作出判、判断，确定是否存在故障以及故障的类型和性质、程度等。
4、诊断决策
根据状态识别的结果，决定采取的对策、措施，同时根据当前的检测信息预测机械设备运行状态的可能发展趋势，进行趋势分析
建立监测与诊断系统之前需要考虑几个方面的问题：经济性，即能够尽可能的节省投资；可靠性，即自身应具有更高的可靠性；实用性，即实用的功能，操作方便；有效性，即分析诊断结果有效；扩展性，即有较好的可扩展性和自开发性能。一般情况下，根据经验，企业用于设备状态监测及故障诊断的投资应占其固定资产的1%-5%。并且，随着设备的复杂程度和技术先进性的增加，投资额度还会有所增加。
4、状态监测及故障诊断技术发展前景
设备故障诊断技术与科技前沿的融合是设备故障诊断技术的发展方向。当今状态监测及故障诊断技术的发展趋势是传感器的精密化、多维化，诊断理论、诊断模型的多元化，诊断技术的智能化，具休来说表现在如下方面：
1、与最新传感器技术尤其是激光测试技术的融合。近年来，激光技术己从军事、医疗、机械加工等领域深入发展到振动测量和设备故障诊断中，并且已经成功应用于测振和旋转机械对中等方面。
2、与新型的信号处理算法相融合。新的信号处理方法不断优化故障诊断技术的精度，同时传统的基于快速傅里叶变换的机械设备信号分析技术也有了新的突破性进展。
3、与非线性原理和方法的融合。机械设备在发生故障时，行为主要表现为非线性的。如旋转机械的转子在不平衡外力的作用下表现出的非线性特征。随着混沌与分形几何方法的日趋完善，这一类诊断问题必将得到进一步解决。
4、与多元传感器信息的融合。快速的生产对设备监测与维护提出了全方位、多角度的高要求，由此可以对设备的运行状态做出整体的、全面的判断。因此，在进行设备故障诊断时，可采用多个传感器同时对设备的各个位置进行监测，然后按照一定的方法对这些信息进行处理，如人工神经网络方法。
5、与现代智能方法的融合。现代智能方法包括专家系统、模糊逻辑、神经网络、进化计算等。现代智能方法在设备故障诊断技术中己得到广泛的应用。随着智能技术的不断发展，设备状态的智能监测和设备故障的智能诊断，将是故障诊断技术的最终目标。
4、结束语
随着科技的发展以及各个学科相互融合的加深，先进的技术被广泛的应用于机械设备的状态监测及故障诊断技术，这对于加强状态监测和故障诊断分析的效率和精度有很大的改善，在以后的实践中要更加注重将其他学科的知识加入到状态监测和故障诊断技术应用中，更好的做好设备的管理工作。
参考文献
[1] 李建华.设备状态监测与故障诊断技术综述.广东化工，2009
[2] 王春焱.设备状态监测与故障诊断技术应用研究.昆明理工大学，2009
关键词：模拟电路 故障 诊断
模拟电路广泛地应用在通讯、自动控制、家用电器等方面，伴随着大规模的模拟集成电路的发展，模拟电路的复杂度和密集度也在不断地增长，同时，对模拟电路的运行可靠性也要求越来越高。一旦发生模拟电路故障，能够及时地诊断故障，以便调试和替换。模拟电路的故障诊断主要包括检测点的选择、测试信号的确定、被诊断对象输出响应信号的测试、处理和诊断的方法的实现、诊断结果的显示等。本文从分析模拟电路故障特点，探讨了模拟电路故障诊断的一些新方法。
1、模拟电路故障特点
模拟电路故障诊断就是根据现有网络拓扑结构，将信号输入后检测故障反应，并据此确定出现故障的具置及相应参数。模拟电路信号不同于数字信号，其受时间的影响较大，并处于不断变化过程中，具体而言，模拟电路信号特点可以归结为以下几点：
（1）构成模拟电路的元器件一大突出特点就是离散型，也就是通常所说的容差，从本质上讲，就是许可范围内的小故障，在实践中并不罕见，其会对模拟电路故障明确性造成一定影响，从而加大确定故障准确位置的难度；（2）模拟电路输入及输出具有连续性，由于故障模型复杂程度较高，予以量化的难度较大；（3）通常情况下，模拟电路频率范围为至，可见其频率范围较宽，因此，就算检测同一信号，由于原理、具体方法以及相关设备等因素，结果也会有所区别；（4）由于现代电路可以用来进行检测的节点数量较少，用于故障诊断的信息有限，这就加大了故障定位的难度；（5）由于非线性问题的存在，差不多所有实用模拟电路都面临反馈回路和非线性问题，这也使得测试及计算变得更加困难。
2、故障诊断的新近方法
2.1信息融合故障诊断法
由于设备本身的复杂性和运行环境的不稳定性，单传感器反映的设备信息具有不确定性，导致故障诊断准确率降低，甚至出现漏检和误诊现象。信息融合技术为解决复杂系统故障诊断的不确定性问题提供了一条崭新的途径，采用其独特的多维信息处理方式，来解决用常规的网络撕裂法进行模拟电路故障诊断时由于电路前后元器件相互影响和由于容差、非线性因素而出现的诊断不确定性问题。
2.2模糊理论故障诊断法
依据专家经验在故障征兆空间与故障原因空间之间建立模糊关系矩阵，再将各条模糊推理规则产生的模糊关系矩阵进行组合，根据一定的判定阈值来识别故障元件。随着模糊理论的发展，它的一些优点逐步被重视，如其可适应不确定性问题；其模糊知识库使用语言变量来表述专家的经验，更接近人的表达习惯等。然而，由于复杂系统的模糊模型的建立、辨识，语言规则的获取、遗忘、修改等理论和方法还不够完善，使该方法的实际应用受到了限制。
2.3人工神经网络
人工神经网络（Artificial Neural Network，ANN）是用物理上可以实现的器件、系统或现有的计算机来模拟人脑的结构和功能的人工系统。它以其诸多优点，如I／O非线性映射特性、信息的分布存储、并行处理、高度的自组织和自学习能力等，在智能故障诊断中受到越来越广泛的重视，显示出巨大的潜力。目前神经网络模型已有数十种，常用于故障诊断的神经网络模型主要有：误差后向传播（BP）网络、Hopfield网络、自组织特征映射（SOFM）网络等。由此促成了以人工神经网络技术为核心的新近模拟电路故障诊断方法，这些方法解决了经典方法面临的问题：采用BP网络可有效解决非线性问题；采用Hopfield网络可用来诊断正常元器件容差条件下的多故障问题；采用SOFM网络解决模拟电路故障诊断容差问题的方法，可以对单、多、软、硬故障进行有效识别、迅速定位。
2.4小波变换故障诊断法
通过小波母函数在尺度上的伸缩和时域上的平移来分析信号，适当选择母函数，可以使扩张函数具有较好的局部性，是一种时-频分析方法。在模拟电路故障诊断中，小波变换被有效地用来提取故障特征信息，之后再将这些故障特征信息送入故障分类处理器进行故障诊断。不需要系统的数学模型，故障检测灵敏准确，运算量也不大，对噪声的抑制能力强，对输入信号要求低。但其不足在于在大尺度下由于滤波器的时域宽度较大，检测时会产生时间延迟，且不同小波基的选取对诊断结果也有影响。
2.5专家系统故障诊断法
专家系统是一种智能化的计算机软件系统，运用知识和推理来解决只有专家才能解决的复杂问题。专家系统在模拟电路故障诊断中的典型应用是基于产生式规则的系统，能够有效地模拟故障诊断专家完成故障诊断过程。但在实际应用中仍存在一定缺陷，其主要问题是知识获取的瓶颈问题、知识难以维护、知识推理的"组合爆炸"和"无穷递归"问题以及不能有效解决故障诊断中许多不确定因素。
2.6其他方法
分形理论在模式识别中也有初步的应用，在故障诊断领域中的应用研究只是刚刚开始。设备故障诊断中用来反映设备运行状态的特征信号在一定尺度范围内部具有分形的特性，可通过计算分维数来进行诊断。可用于电力设备局部放电模式识别中，可大大减少特征提取数量，与小波变换、神经网络结合，可提高模式识别的有效性和可靠性。遗传算法是一种新发展起来的全局优化算法，已成为人们用来解决高度复杂问题的一个新思路和新方法。它应用于专家系统的故障诊断系统，仿真结果表明，可以加快推理速度，提高专家系统在缺乏先验知识和样本数据很少的情况下的实用性。
总之，这些新术对模拟电路故障诊断都有着重要意义，有着广阔的发展前景，为解决故障诊断问题找到了新的突破口，促进了模拟电路故障诊断技术的发展。但是这些技术自身发展还不完善，在实际工作中还需要我们努力探索。
参考文献：
[1]白建社.浅谈模拟电路的故障诊断[J].大众科技，2007，(04)
[2]陈晓娟，于华楠. 模拟电路故障诊断方法进展综述[J].科技进步与对策，2003，(08)
关键字:汽车电机故障方法
1.电机故障诊断的特点及实施电机故障诊断的意义
1.1电机故障诊断的特点
电机的功能是进行电能与机械能量的转换,涉及因素很多,如电路系统、磁路系统、绝缘系统、机械系统、通风散热系统等。哪一部分工作不良或其相互之间配合不好,都会导致电机出现故障。因此,电机故障要比其它设备的故障更复杂,其故障诊断所涉及到的技术范围更广,对诊断人员的要求也就更高。一般来说,电机故障诊断涉及到的知识领域主要有[20]:电机理论、电磁测量、信号处理、计算机技术、热力学、绝缘技术、人工智能等。电机故障诊断的复杂性还表现在故障特征量的隐含性、故障起因与故障征兆之间的多元性。一种故障可能表现出多种征兆,有时不同故障起因也可能会反映出同一个故障征兆,这种情况下很难立即确定其真正的故障起因。另外,电机的运行还与其负载情况、环境因素等有关,电机在不同的状态下运行,表现出的故障状态各不相同,这进一步增加了电机故障诊断难度,所以要求对电机进行故障诊断首先必须掌握电机本身的结构原理、电磁关系和进行运行状况分析的方法,即掌握电机各种故障征兆与故障起因间的关系的规律。
1.2实施电机故障诊断的意义
电机的驱动易受逆变器故障的影响,在交流电机驱动系统中,逆变器短路故障将会使电机产生有规律波动的或是恒定的馈电扭矩,使车辆突然减速。研究表明:逆变器出现故障时,永磁感应电机将产生较大的馈电扭矩,而且永磁电机也有存在潜在的高消磁电流的问题。而感应电机在逆变器出现故障时所产生有规律的馈电扭矩将由于有持续的负载而迅速衰减,这说明了感应电机具有较高的容错能力,适应混合动力系统的要求。开关电机磁阻是最具有故障容错能力的电机,而且当其有一个逆变器支路出现故障时电机仍能产生净扭矩,另外,开关磁阻电机成本低,结构紧凑,但是开关磁阻电机有较大的噪声和扭矩脉冲,而且需要位置检测器,而这些缺点使得开关磁阻电机在现阶段不适合应用于混合动力客车上。在混合动力客车动力系统中,电机是作为辅助动力的,而且电机属于高速旋转设备,如果电机出现故障,电机产生的瞬态扭矩将使车辆的稳定性和动力性将受到影响,而且,电机由高压电池组驱动,如果电机出现故障而不能及时容错,电机产生的瞬态电流将使电池受到损害,因此在混合动力系统中对电机进行故障诊断是非常必要的。
2.电机的故障诊断方法及典型故障诊断分析
2.1电机故障的诊断方法
(1)传统的电机故障诊断方法
在传统的基于数学模型的诊断方法中,经典的基于状态估计或过程参数估计的方法被应用于电机故障检测。图1为用此类方法进行故障诊断的原理框图。这种方法的优点是能深入电机系统本质的动态性质,可实现实时诊断,而缺点是需建立精确的电机数学模型,选择适当决策方法,因此,当电机系统模型不确定或非线性时,此类方法就难以实现了。
(3)基于模糊逻辑的电机故障诊断方法
图3为基于模糊逻辑的电机故障诊断方法框图,故障诊断部分是一个典型的模糊逻辑系统,主要包括模糊化单元、参考电机、底层模糊规则和解模糊单元。其中,模糊推理和底层模糊规则是模糊逻辑系统的核心,它具有模拟人的基于模糊概念的推理能力,该推理过程是基于模糊逻辑中的蕴涵关系及推理规则来进行的。模糊规则的制定有两种基本方法:第一,启发式途径来源于实际电机操作者的语言化的经验。第二,是采用自组织策略从正常和故障电机测量获得的信号进行模糊故障诊断的制定,将此方法通过计算机仿真实现,对电机故障有较好的识别能力。
(4)基于遗传算法的电机故障诊断方法
遗传算法是基于自然选择和基因遗传学原理的搜索算法,它的推算过程就是不断接近最优解的方法,因此它的特点在于并行计算与全局最优。而且,与一般的优化方法相比,遗传算法只需较少的信息就可实现最优化控制。由于一个模糊逻辑控制器所要确定的参变量很多,专家的经验只能起到指导作用,很难根据指导准确地定出各项参数,而反复试凑的过程就是一个寻优的过程,遗传算法可以应用于该寻优过程,较有效地确定出模糊逻辑控制器的结构和数量。
遗传算法应用于感应电机基于神经网络的故障诊断方法的框图如图4所示。设计神经网络的关键在于如何确定神经网络的结构及连接权系数,这就是一个优化问题,其优化的目标是使得所设计的神经网络具有尽可能好的函数估计及分类功能。具体地分,可以将遗传算法应用于神经网络的设计和训练两个方面,分别构成设计遗传算法和训练遗传算法。许多神经网络的设计细节,如隐层节点数、神经元转移函数等,都可由设计遗传算法进行优化,而神经网络的连接权重可由训练遗传算法优化。这两种遗传算法的应用可使神经网络的结构和参数得以优化,特别是用DSP来提高遗传算法的速度,可使故障响应时间小于300μs,不仅单故障信号诊断准确率可达98%,还可用于双故障信号的诊断,其准确率为66%。
近年来,电机故障诊断的智能方法在传统方法的基础上得到了飞速发展,新型的现代故障诊断技术不断涌现:神经网络、模糊逻辑、模糊神经网络、遗传算法等都在电机故障诊断领域得到成功应用。随着现代工业的发展,自动化系统的规模越来越大,使其产生故障的可能性和复杂性剧增,仅靠一种理论或一种方法,无论是智能的还是经典的,都很难实现复杂条件下电机故障完全、准确、及时地诊断,而多种方法综合运用,既可是经典方法与智能方法的结合,也可是两种或多种智能方法的结合,兼顾了实时性和精确度,因此多种方法的有机融合、综合运用这一趋势将成为必然,也将成为电机故障在线诊断技术发展的主流方向。
参考文献:
[1]陈清泉,詹宜君,21世纪的绿色交通工具——电动汽车[M],北京:清华大学出版社,2001
关键词：航空电子 设备故障 诊断
0引言
当今的军事领域,对武器装备的可靠性、保障性和可维修性有了更高的要求,而且随着现代工业及科学技术的迅速发展,特别是计算机技术的发展,设备的结构越来越复杂,自动化程度也越来越高,不仅同一设备的不同部分之间互相关联,紧密耦合,而且不同设备之间也存在着紧密的联系,在运行过程中形成一个整体。因此,一处故障可能引起一系列连锁反应,导致整个设备甚至整个过程不能正常运行, 轻者造成停机,重者会产生严重的后果甚至灾难性的人员伤亡,这就要求现代设备系统具有很高的安全性和可靠性。目前,设备的状态监测与故障诊断已成为现代航空、航天和国防建设中的重要内容,不容忽视。
1、航空设备故障预测和健康管理系统
由于航空设备的特殊性，其故障预测和健康管理系统原则上应分为机载部分和地面部分，机载部分的功能与地面部分的功能显然应有所区别。飞机在执行任务的过程中，机载部分自动进行状态监控和管理，自动记录和分析飞机及各系统的状态，并进行状态的预测、故障的检测和隔离，根据预测和状态信息完成系统重构，上述信息可在空中通过无线通信传递给地面保障中心系统或存储在黑匣子内;地面部分则侧重于维修决策，根据信息进一步确定故障部位，制定维修方案。根据机载部分和地面部分特点，机载部分应具有以下功能:状态监测功能，数据存储功能，分系统功能级故障预测功能，提供分系统故障对飞行任务的影响评估或警示。地面部分的功能应具有以下特点:数据传输与存储功能，状态显示功能，分系统功能级故障诊断与分系统部件级故障诊断功能，提出维修方案和维修规范。故障诊断系统是根据诊断对象故障的特点，利用现有的故障诊断技术研制而成的自动化诊断装置。故障诊断的各种理论与方法的研究最终都必须落实到具体的诊断装置或诊断系统的研制上，只有诊断系统的研制成功才能产生真正的经济效益。
2、NFF的诊断与排除
在航空维修工作中经常会碰到这样的情况：飞行员反映空中出现某个故障，但地面检查中却不能复现；机务准备通电中发现某机件有故障，但再次通电时故障现象消失；甚至有些诸如“转速急降”的危险性信号都是时有时无，给地勤人员排故造成很大困难。实际上，这就是所谓的“未发现故障”（NOFault found,NFF），它是航空维修工作中较为常见的一个问题。
进行NFF的诊断，需要预先收集大量的相关信息、资料和统计数据等。电子产品或设备的性能特征如电流、电压、电阻等是反映其正常或故障状态的重要参数，通过监测这些本质参数的变化来发现故障，已成为当前应用最广泛、置信度最高的故障诊断方法。典型的方法包括电子产品的机上测试（BIT）以及非电子产品功能系统的故障诊断等。在航空装备维护工作中经常测量大量的电压、电阻等数据，基于本质参数的方法可以用在目前对监测发动机工作状态的各种传感器进行NFF预测与健康管理，这些传感器包括滑油温度传感器、滑油压力传感器、金属屑传感器等。它们用电压、电阻等形式随时检测发动机相关工作状态，评价发动机性能指标，有时的自身失效或工作状态变化就会导致发动机误报故障或发生NFF。将这些数据分门别类加以统计，用时间序列分析方法建立差分方程形式的数学模型，再根据模型或得出的曲线趋势图进行分析研究，可较好地掌握机件设备的历史工作状况，发现或预防NFF，并对下一步的工作做出维修建议，成为当前航空装备保障的新趋势。
随着飞机的更新换代和使用时间的增长，要重点关注导航系统、飞控系统和其它自动控制系统电子设备故障和老旧飞机线路引起的潜在性、危险性故障。因此，为了预防或减少NFF的发生，应采取以下措施手段：表面引发的偶然故障是由根本的故障缺陷导致的，因此生产商首先应努力克服硬件或软件的设计缺陷，将故障隐患降到最低限度。
建立相关的数据库，将容易发生NFF的故障进行技术统计分析，以便在某些工作时机根据对该机件的性能检测决定是否提前更换该件，从而降低NFF的发生。出现重要系统、重要故障时，要全面、系统地分析故障发生时的环境特点及飞机所处高度、速度、姿态等参数，及时检测线路，认真研究电路图。尤其应加强空地之间的联系和信息交换，确定该设备是否空地使用不一致或不同，以便能创造故障复现的条件。
3、结论与展望
3.1新的故障诊断方法的研究
主要是将一些新的理论应用到电子设备的故障诊断之中。如小波变换方法,信息融合方法及基于Agent的诊断方法等。随着新理论的不断发展,这方面的工作仍是故障诊断的重要内容之一。
3.2故障信息获取的手段和方法的研究
故障信息的准确获取是故障诊断是否成功的关键之一。像多传感器信息融合在故障诊断中的应用,一个重要的方面就是如何从不同角度获取故障信息。对电子设备来说,除了电压和温度信号外,能否从其它方面获得故障信息,如电磁场信息等,这也是有待深入研究的内容之一。
3.3远程故障诊断的研究
在军事领域,如果各种战伤的武器设备在现场够得到及时的维修,对提高装备的战斗出动强度、补充战斗实力和保持一定的持续战斗力都有重要的意义。而现在的战伤抢修都是由专业的维修人员在野战条件下就地组织实施。利用远程故障专家系统可以获得远离战场的专家的指导,有效地提高维修效率和速度。故障诊断是一门实用性很强的技术,因此只有在实际应用中才能体现它的价值。
目前在理论研究方面虽有不少进展,但真正在工程实践中成功应用的实例还较少。特别是真正实用准确的电子设备故障诊断系统。因此,如何将先进的故障诊断理论与方法应用到实际中去还有待深入的研究。再者对于一个大型复杂航空电子设备进行故障诊断分析时,传统故障诊断和智能故障诊断技术必须是相互弥补。只有这样以传统故障诊断技术为基础,综合利用智能故障诊断技术,构造高效而智能化的故障诊断平台,才是大型航空电子设备诊断和维修的一个很有前途的发展方向。
参考文献：
[1]朱大奇.基于知识的故障诊断方法综述[J].安徽工业大学学报,2002,19.
购物车(0)