故障诊断技术十篇

故障诊断技术篇1

关键词　汽车故障；诊断技术；发展趋势

中图分类号U46　文献标识码A　文章编号1674―6708(2011)36―0181―02

随着科学技术的发展和先进科技在现代汽车上的广泛应用。现代汽车制造技术发生了翻天覆地的变化。今天的汽车无论从设计、制造工艺、加工设备、车辆材料上看，还是从整车能及美学造型等方面看，现代汽车都发生了质的飞跃。由于现代汽车的结构越来越复杂，功能越来越完善，自动化程度也越来越高，因此故障诊断的难度也有了相应的增加，人们迫切需要提高系统的可靠性、可维修性和安全性，因而有必要建立一个监控系统来监控整个系统的运行状态，不断检测系统的变化和故障信息，进而采取必要的措施，防止事故的发生。汽车故障诊断技术是一门综合性的技术，它已成为科技研究的热点之一。下面探讨一下汽车故障诊断技术的目前状况及发展趋势

1　传统汽车故障诊断技术

1.1　人工经验诊断法

这种方法是诊断人员凭丰富的经验和一定的理论知识，在汽车不解体或局部解体情况下，借助简单工具，用眼看、耳听、手摸和鼻子闻等手段，边检查、边试验、边分析，进而对汽车技术状况做出判断的一种方法。这种诊断方法具有不需要专用仪器设备，可随时随地应用和投资少、见效快等优点。但是，也有诊断速度慢、准确性差、不能进行定量分析和需要诊断人员有较高技术水平等缺点。人工经验诊断法多适用于中、小维修企业和汽车队的故障诊断。该法虽然有一定缺点，但在相当长的历史时期内仍有十分重要的使用价值。即使普遍使用了现代仪器设备诊断法，也不能完全脱离人工经验诊断法。近年来刚刚起步研制的专家诊断系统，也是把人脑的分析、判断通过计算机语言变成了电脑的分析、判断。所以，不能鄙薄人工经验诊断法。

1.2　简单仪表检测诊断法

将一些简单的仪表，如机油压力表、真空表、万用表、示波器等应用于汽车诊断工作中，从而使汽车诊断从眼看、耳听、手摸和鼻子闻等的定性阶段，逐步转变为仪表测量的定量诊断阶段。而且随着汽车诊断技术的不断进步和发展，一些技术性能先进的检测仪器和设备将得到广泛的应用。但这些测试仪器和设备常常是单项、分散地在汽车诊断中使用。

1.3　专业综合诊断法

专业综合诊断法以将单项、分散的检测设备联线建站为特征。使诊断工作成为汽车维修工作中一项新的专门任务。诊断工作是依靠仪表和设备，在不解体或不拆卸零件的情况下，得到一系列准确数据，并与规定的标准技术参数相比较。以确定汽车零部件是否需要维修或更换。由于许多相关法令或条例的制订，促进了有关方面对汽车专业综合诊断的深入研究和广泛推广。

2　现代汽车故障诊断技术

这种方法是在人工经验诊断法的基础上发展起来的一种诊断法。随着汽车电子技术的应用和发展，汽车电控系统日趋复杂。传统的诊断方法和诊断设备无论是精确度和使用方便性，还是对汽车技术发展的适应性均不能满足用户的需要，为了提高故障诊断技术，不断完善诊断理论和方法。必须广泛应用各学科的最新科研成果发展适用于故障诊断的边缘技术。该法可在汽车不解体情况下，用专用仪器设备检测整车、总成和机构的参数、曲线或波形，为分析、判断汽车技术状况提供定量依据。采用微机控制的仪器设备能自动分析、判断、存储并打印汽车的技术状况。现代汽车故障诊断法的优点是检测速度快，准确性高，能定量分析，可实现快速诊断等；缺点是投资大，占用厂房，操作人员需要培训等。该诊断法适用于汽车检测站和中、大型维修企业。

3　汽车故障诊断技术的发展趋势

近几年来，高科技的发展，信息化的网络，使得汽车故障诊断技术必将向着智能化、集成化方向发展。如基于人工智能的神经网络法；基于信号处理的小波分析法和基于网络的集成汽车故障诊断专家系统等。它们的应用前景是令人鼓舞的，值得我们去进一步研究与推广。可以预见，其用于汽车的故障诊断研究必将有很大的发展。这里仅简要介绍以下几种：

1)人工神经网络在汽车诊断中的应用

人工神经网络是由大量神经元广泛互联而成的复杂网络系统。它具有较强的自学习功能、较好的容错性、很高的自适应能力，且有大规模并行处理能力等。把人工神经网络技术应用于诊断专家系统无论是在知识表达体系，还是在知识获取、并行推理等方面都有明显的优越性，解决了传统专家系统在知识获取上的“瓶颈”问题，很大的提高了诊断系统的智能水平，提高了诊断速度和诊断精度。所以，人工神经网络技术在汽车行业的应用前景是广阔而深远的。

2)小波分析在汽车诊断中的应用

小波分析是近年来发展起来的新的数学理论和方法，在噪声消除方面有着广泛的应用。小波分析能同时在时频域内对信号进行分析，所以它能有效区分信号中的突变部分和噪声，从而实现对非平稳信号的消噪。它将替代传统的FFT分析而广泛地应用于汽车故障诊断中。如在汽车故障特征信号分析中，采用了小波分析技术替代傅立叶分析技术。它在时域和频域上同时具有良好的局部化特征，弥补了傅氏变换仅能进行稳态信号分析的不足之处。

故障诊断技术篇2

Abstract： Circuit Breaker （CB） is one of the most important devices in power system. Its running status is crucial to the power system reliability. Rather than traditional maintenance strategies such as regular inspection and troubleshooting， condition monitoring suits the requirement of intelligent grid better because of its initiative and predictability. This article gives a review on the online monitoring and fault diagnosis technology for circuit breaker.

关键词：断路器；状态检测；在线监测；故障诊断

Key words： circuit breaker；condition monitoring；online monitoring；fault diagnosis

中图分类号：TM561 文献标识码：A 文章编号：1006-4311（2016）35-0226-04

0 引言

电力系统的稳定性对于人们的生产生活至关重要，断路器作为电力系统中最重要的保护和控制设备，承担着关合、开断电力线路、线路故障保护、监测运行电量数据等的重要作用。当电力系统发生故障时，断路器能够将故障部分迅速从电网中隔离出去，断路器的故障将带来线路和设备受损甚至可能影响到居民生活和社会生产，因此，断路器的状态好坏直接影响到电力系统的可靠性，断路器的运行维护是保障电力系统安全稳定运行的前提和基础。由于断路器的寿命一般为20-40年，一些部件会随着使用时间的增加而不断老化，因此及时对其进行维护和检修是十分必要的。

当前电力设备的维护方式主要有定期检修、故障维修以及状态检修三种。定期检修就是根据预先规定的时间周期对设备进行检修，故障维修是在故障发生后才对设备进行修理，这两种方式作为目前最常用的检修方式，存在着针对性较差、效率低下、维护成本较大的问题。为了提高设备运行可靠性及运维效率，状态检修开始得到了关注。

状态检修是基于设备状态监测和故障诊断的检修方式，它能够根据先进的状态监测和诊断技术提供的设备状态信息，判断设备的异常，预知设备的故障，并做出针对性的检修计划。对断路器的重要参数进行长期连续的状态监测，不仅能够及时判断出故障的位置和严重程度，而且可以对故障设备进行原因诊断。这不仅对于提高设备的利用率、降低维修费用、增大设备的维护保养周期十分有效，而且可以提高电力系统的坚强性、可靠性及自动化程度。作为主动性和预见性的检修方式，状态检修更能适应现代智能电网对于安全性和经济性的要求，真正做到防患于未然。断路器的在线检测及故障诊断已经成为电力行业的热点问题并受到国内外研究机构的持续关注。

1 国内外研究现状

断路器一般包括操动机构、开断元件、绝缘支柱、基座、二次回路和中间传动机构等等。断路器的故障即为某部分元件丧失其规定动作的现象。国内外的故障统计显示，断路器常见的故障表现见表1。

这些故障不单会造成断路器功能的缺失，甚至会危害电力系统的整体安全，因此，进行有效的在线监测和故障诊断至关重要。

1.1 状态监测

对断路器的状态监测最早是通过离线的方式进行，这种测试方法主要对断路器的分合机械参数进行测试。国外在上世纪90年代就有这样的断路器试验设备，代表厂商如德国WEIS公司和美国Doble公司等等都有相关产品，国内如国电南瑞、华天电力后来也有类似的产品。但是这种机械特性测试仪只适合进行出厂检测和故障检修，无法满足状态监测的要求，因此，对断路器检测进行智能化改造成为了新的研究热点。国外在这一领域的研究起步较早，Goto K. 等人在1989年就提出了针对气体绝缘断路器（GIS）的在线监测和故障诊断系统，并在断路器动作时间、气体压力、局部放电、液压系统等多方面进行了监测[1]；McllroyC等人利用录波设备和接口组件实现了对分合闸线圈电压、电流和触点位移的监测[2]；美国德州农工（Texas A&M）大学采用专家系统对断路器进行状态分析，监测对象包括分合闸线圈电流、相电流、触头接触信号等等[3]；Dupraz JP等人开发了对六氟化硫气体，操动机构和断路器机械特性的在线监测系统[4]；Knezev M等人开发的系统主要对断路器控制线圈电流及主回路电流进行监测，并对信号处理和专家系统方面进行了研究[5]。

国内对断路器在线监测技术的研究工作开始于上世纪90年代，清华大学最早对该领域进行了研究实践：单片机作为核心芯片被用来控制整个开关柜智能化状态检测装置，并初步探索了断路器振动信号在监测和故障诊断方面的应用[6-7]；华中科技大学的张永伟等人开发了基于CPLD+CPU结构的在线监测数据采集结构[8]；重庆大学的熊小伏等人利用网络服务器开发了分布式机械特性监测系统[9]；此外，包括西安交通大学、北京航空航天大学、大连理工大学在内的多家研究单位在断路器在线监测与故障诊断方面都有持续的研究[10-12]。

目前市场上已有的高压断路器状态监测产品一般是利用微处理器对断路器设备参数进行连续监测，核心控制芯片包括ARM、FPGA、DSP等多种方式，并且逐渐向更高级的芯片和多核系统发展。

在线监测对象的选择是进行有效故障诊断的前提和基础，随着数据采集技术的发展和完善，监测对象也从最初的简单机械参数向复杂参数发展。目前常见的监测对象包括：①分、合闸线圈电流；②储能电机电流；③振动信号；④位移信号；⑤断路器触头温度；⑥环境温湿度；⑦主回路电压、电流；⑧局部放电；⑨真空断路器的真空度；⑩微水（气体绝缘全封闭组合电器GIS）；？？？气体密度；？？？断路器运行状态、接地状态、储能状态等等，这些监测对象能够从不同角度反应断路器的工作状态，实现手段也各不相同，以下为几种典型信号的具体监测方法。

①分合闸电流信号。

作为高压真空断路器中的重要元件，电磁铁利用线圈中所通电流产生的磁通对断路器的操动机构进行控制来实现分闸和合闸动作。断路器的分、合闸电流波形包含了断路器在此过程中的工作状态信息，通过监测分合闸电流能够判断出多种断路器控制回路的故障类型如线圈铁芯卡涩、电源电压过低、铁芯空行程过长等操动机构故障。同时，线圈电流易于采集的特点使其十分适于对断路器进行故障诊断。实际应用中分合闸线圈电流信息可以通过霍尔电流传感器采集，典型的断路器合闸电流波形如图1所示。

从图1可以看出，铁心的运动主要分为五个阶段，分别对应图1电流曲线的5个区间：①t0-t1，接通电源，电流持续增大，铁心准备运动；②t1-t2，铁心开始运动，电流逐渐减小；③t2-t3，电流明显增大，铁心停止运动；④t3-t4， 延续阶段3，电流趋于稳定；⑤t4-t5，辅助开关断开，触头产生电弧，电弧被拉长且电压升高，电流迅速下降至0。由此划分出的电流特征量I1，I2，I3和时间特征量t1，t2，t3，t4，t5可作为故障分析诊断的特征量。

②储能电机电流信号。

储能弹簧是断路器弹簧操动机构中最核心的部分，一般采用电流传感器测量储能电机的电流信号来间接监测储能弹簧的工作状态。典型的断路器储能电机电流波形如图2所示，从图中可以看出，储能电机电流的变化共分为4个阶段：①t0-t1，接通电源，电流迅速增大，储能电机到t1时刻开始平稳工作；②t1-t2，储能电机稳定工作，电流大小基本不变；③t2-t4，储能弹簧随着电流的增大进行储能；④t4-t5，辅助开关断开，电流减小至0。各个阶段的电流典型值Ia，Im，Ip和时间典型值t1，t2，t3，t4，t5能够反映断路器的运行特性，如Ia能够反映电机转子的状态，Im能够反映弹簧的状态等等。因此，通过对这些特征电流及时间的监测，可以判定储能弹簧是否存在松动、电机转子有无卡涩等故障现象。

③位移信号。

断路器的触头位移信号是表征断路器机械特性最为重要的监测信号之一，它反映了断路器动触头在分合闸过程中的动作信息。对位移信号的分析和处理可以用于计算断路器的分合闸速度、时间和行程等参数。典型的断路器触头位移-时间曲线如图3所示。

断路器的触头位移-时间曲线包含了很多重要的机械参数如合闸时间、合闸不同期、分闸时间、分闸不同期、超程、开距等等，这些参数可以通过对时间特征量t1，t2，t3，t4，t5，t6和位移特征量S1、S2的监测计算得到。

④振动信号。

振动信号由断路器中的运动部件产生，部件的启动、制动和撞击行为都能够产生一定的振动信号，因此它能够反映断路器运动过程中许多重要的状态信息。很多机械故障如触头磨损、螺丝松动等都能够通过监测振动信号来及时发现。基于其特征明显的性质，振动信号在机械故障诊断中被广泛应用。但是由于受到噪声和随机振动的影响，断路器的振动信号的分析处理比较困难。实际应用中振动信号一般由压电式加速度传感器进行采集。

⑤触头温度信号。

断路器的触头温度反映了电路故障中是否有过载、短路等异常的电流，当设备的接触连接部位或隔离触头等位置由于种种原因电阻明显增大时，热损耗将会造成绝缘击穿或件损坏等严重的事故，因此，及时监测和发现触头温度的异常变化是保证断路器安全稳定工作的一个重要方面。常用的温度监测方法有红外温度传感器、红外测温仪、热电偶间接测温等等，将测量温度与断路器触头等部分的允许温升极限相比较分析便可实现对温度信号的诊断。

1.2 故障诊断

断路器的故障诊断就是对断路器运行参数的监测、分析处理和诊断，它能够分析故障的成因并预测其劣化趋势，并提供针对性的检修计划，是断路器状态监测的最终目标。故障诊断对于提高断路器运行的可靠性具有重要的意义，也是提高断路器工作效率以及运维效率的重要手段，是近年来研究的热点。常见的故障诊断方法总结见表2。

20世纪80年代开始，故障诊断技术引起了越来越多国家的重视，随着传感器技术、信息技术等的持续发展，多种智能诊断系统被相继开发应用，故障诊断技术日渐成熟。将计算机引入故障诊断方法之后，人工智能技术和专家系统、粗糙集理论、模糊数学、人工神经网络等等继续在实际工程中开始被采用并取得了很好的发展。基于之前大量的研究基础，很多发达国家已经开始广泛应用智能故障诊断技术。

国内在断路器故障诊断方面技术的发展虽然也取得了一些进步，但完善的在线监测和故障诊断系统大多数还处于实验室研究阶段，其市场化应用仍需要进一步开发。

断路器的故障诊断通常包括以下几个步骤：

①信号采集：信号采集即采集断路器运行的特征信号，由于信号的变化是断路器工作状态的直接显示，因此，信号采集是断路器评估及故障诊断的基础。

②信号处理：信号处理是从采集到的信号中提取特征量的过程，其目的是消除信号噪声以提取到精确的信号。

③状态识别：状态识别是根据特征量和其他诊断信息来识别检测断路器的工作状态的过程，其原理是将提取到的特征信号与标称信号进行比对。

④故障诊断：当断路器处于故障状态时，故障诊断能够给出诊断对象故障的具置、原因及维修措施。

设备故障诊断技术经历了从传统的物理化学诊断、征兆诊断、阈值诊断等等方式到人工智能诊断技术的发展，传统的故障诊断方法有着诊断快速、操作简单的优势，然而其只对部分故障类型行之有效，且可信度往往与操作人员的经验相关，复杂的故障问题以及大量的监测数据处理则更需要应用智能诊断技术，其对提高诊断准确率及诊断效率都具有明显优势。

断路器实现智能诊断的算法包括三大类型[12]：基于解析模型的算法、基于信号处理的方法以及基于知识的方法。基于解析模型的算法是通过对诊断对象进行较为准确的数学模型仿真，将采集信号与标称值进行比较从而得出系统故障是否存在及严重程度。其又可以分为状态估计诊断法、一致性检验诊断法和参数估计诊断法，一致性检验诊断法通过建立断路器正常情况下的数学模型并将其与故障模型进行对比来确定故障类型，在实际中应用较多。Demjanenko V等人利用振动信号的一致性对比对断路器进行故障诊断[13]；Michael S. 等人利用计算机辅助诊断的概念，将模拟故障信息存入数据库，并与采集的状态数据进行比较以检测故障[14]；基于信号处理的方法通过对数据进行特征值提取来进行故障诊断，实际应用中，多元统计方法、时域频域分析方法等都得了较多应用，文献[15]利用主元分析的方法对原始数据进行降维处理，既提高了诊断效率也确保了诊断精度；基于知识的方法作为断路器故障诊断的主要研究方向，主要涵盖了逻辑推理、机器学习、神经网络、模糊理论等多种人工智能算法，已经得到了越来越多的研究机构的关注。这种方法通过模拟大脑的思维方式来进行故障诊断，能够对大量监测信息进行快速且精确地分析和诊断，是未来智能诊断的主要发展方向。

2 总结与展望

对断路器设备采用状态检测的方式是必然的发展趋势，这种方式不仅解决了传统定期检修和事后故障维修针对性差、效率低的弊端，而且满足现代电力系统对于智能化的要求。目前断路器的在线监测技术在分合闸电流、储能电机电流信号、触头位移-时间信号等等参数方面都有了成熟的应用，故障诊断技术也从传统的诊断方式逐渐向智能诊断方式过渡，随着人工智能算法的发展，故障诊断技术将适用于更多复杂参数的监测并进一步提高故障诊断的可靠性。

断路器的在线监测和故障诊断技术在具体应用中仍存在一些问题：

①在线监测系统的监测参数仍需进一步完善。为了提高故障诊断过程的精确性，监测设备需要增加监测的参数而非采用单一的监测参数。

②部分监测对象还未实现精确有效测量，采集监测数据的传感器仍需进一步提高精确度，这对于故障诊断的精确性提高至关重要。

③虽然人工智能算法用于故障诊断已经有了大量的研究，但是较为可靠地可市场化的智能诊断算法仍在探索中。

虽然断路器检测从定期检修到状态检修的完全过渡仍未完全实现，但是相信随着传感器、人工智能等技术的进一步发展，断路器的在线监测和故障诊断技术也必将更加成熟和稳定，为智能电网的可靠运行提供更优质的保障。

参考文献：

[1]Goto K， Sakakibara T， Kamata I， et al. On-line Monitoring and Diagnostics of Gas Circuit Breakers[J]. IEEE Transactions on Power Delivery， 1989， 4（1）： 375-381.

[2]McIlroy C， Richey KR， Wagon R， et a1. Circuit breaker condition based monitonngdevelopments[C]. 4th International Conference on Trends in Distribution Switchgear， London： 1994： 168-172.

[3]Zhifang R， Wavelet Based Analysis of Circuit Breaker Operation. Texas A&M University， 2003.

[4]Dupraz JP， Jung T， Ficheux A， et al. Remote Supervision for Intelligent Circuit Breakers and GasInsulated Substations[C]. 2008 IEEE Power and Energy Society General Meeting-Conversion andDelivery of Electrical Energy in the 21st Century， Pittsburgh： 2008： 4718-4725.

[5]Knezev M， Djekic Z， Kezunovic M. Automated Circuit Breaker Monitoring[C]. 2007 IEEE PowerEngineering Society General Meeting， Tampa： 2007： 2580-2585.

[6]黄瑜珑，关永刚，徐国政，等. 高压开关柜智能化状态监测装置的研制[J].电工技术杂志，2000（7）：7-9.

[7]沈力，黄瑜珑，钱家骊.断路器振动信号的相频特性及在监测中的应用[J].电工技术学报，1997，12（3）：42-45.

[8]张永伟，尹项根，李彦武，等.CPLD在断路器在线监测数据采集系统中的应用研究[J].电力自动化设备，2003，23（4）：34-37.

[9]熊小伏，孙鑫，蔡伟贤，等.基于DSP及ARM的分布式高压断路器机械特性监测系统[J].电力系统保护与控制，2009，37（6）：64-68.

[10]杨飞，王小华，荣命哲，等.一种新的中压真空断路器三相同期在线监测方法[J].中国电机工程学报，2008，28（12）：139-144.

[11]Huang J， Jiang XF， Hu XG， et al. Automated Monitoring and Analysis for High Voltage CircuitBreaker[C]. 5th IEEE Conference on Industrial Electronics and Applications， Taichung： 2010： 599-603.

[12]Zhang X， Liu XD， Fan XM， et al.A High Accurate Sensor Research and its Application for VCBs’Internal Pressure On-line Condition Monitor[C]. 2012 25th International Symposium on Discharges and Electrical Insulation in Vacuum （ISDEIV）， Tomsk： 2012： 477-480.

[13]Demjanenko V， Valtin RA， Soumekh M， et a1. A noninvasive diagnostic instrument for power circuitbreakers[J]. IEEE Transactions on Power Delivery， 1992， 7（2）： 656-663.

故障诊断技术篇3

【关键词】矿山；机电设备；故障诊断技术

在社会经济的推动下，我国的采矿事业得到了较大发展，各类采矿设备不断涌现，给采矿作业的顺利进行带来了便利。虽然我国的矿山机电设备有了较大进步，但是在实际操作中，基于采矿作业的特性，其容易出现一些故障，因此，加强对机电设备的故障诊断以及检修有着重要作用。工作人员必须掌握一定的故障诊断技术，能够根据实际情况解决机电设备各种故障问题，并明确各种诊断标准，以确保电机性能和运作效率，这样才能更好地保障采矿作业顺利进行。

一、矿山机电设备故障诊断技术分析

基于采矿作业的自身特性，在采矿过程中，受人为因素及外部客观因素的影响，各类机电设备极易出现故障情况，如果不及时进行处理，将会对采矿作业的正常进行造成重大影响。因此，对故障诊断技术加以应用有着重要作用。在对故障诊断技术应用的过程中，技术人员必须对故障情况进行合理分析，采取适宜的故障诊断技术进行操作，这样才能更好解决故障问题。一般情况下，技术人员可以详细记录机电设备正常作业时的各项参数，建立相应故障模型，在对出现故障的机电设备进行处理时，技术人员可以根据相关参数分析故障点及故障原因，从而采取有效措施进行解决。由于机电设备的故障类型较多，所以技术人员可以通过计算机对机电设备各项性能进行测试，获取相关信息，并以此作为故障诊断依据。

在实际情况中，故障诊断技术的内容较多，有多种应用方法，包括模型诊断、仪器诊断、主观诊断等。模型诊断主要通过相应的数据模型对矿山机电设备进行诊断，在机电设备相关参数的基础上，技术人员可以通过传感器等技术对机电设备故障类型、故障点以及故障原因进行分析，从而对机电设备进行有效诊断。仪器诊断主要通过相应检测仪器对机电设备的运行故障进行诊断，一般具有较高的诊断效率以及诊断质量，但是对相关信息数据准确度的要求较高。在不同的采矿环境下，检测仪器的诊断性能也会存在一定差异，所以技术人员在通过检测仪器对机电设备进行检测时，必须对检测仪器进行检修和养护，并根据实际情况进行适当调节，从而更好确保故障诊断的效果。主观诊断主要以技术人员的诊断经验为依据，通过经验判断对机电设备进行诊断，虽然有着较快的诊断效率，但是诊断质量不高，适用于一些经常性故障的诊断。在主观诊断中，技术人员通过听觉、视觉来判断故障点，并根据以往经验分析故障原因，所以对技术人员的专业素质提出了较高要求，如果技术人员实践经验及专业能力不足，将会导致诊断结果出现多种偏差。因此，在对故障诊断技术进行应用时，技术人员必须根据实际情况选择合适的故障诊断方法，有效解决矿山机电设备的出现的各种故障，这样才能更好保障采矿作业顺利进行。

二、矿山机电设备应用故障诊断技术分析

在实际采矿作业中，矿山机电设备的种类较多，包括采煤机、电动机、矿井提升机等，每种设备对采矿作业的顺利进行都有着较大影响，因此，保障各机电设备的质量有着重要作用。在利用故障诊断技术对机电设备进行检修时，技术人员必须对设备特性、诊断技术特性等内容进行准确分析，从而促进检修工作顺利进行，保障采矿质量。矿山机电设备应用故障诊断技术的方法如下：

1、矿山采煤机故障诊断

在实际生活中，我国采矿事业虽然有了较大发展，但是在采煤机故障检测方面依然存在较多问题，随着科学技术不断进步，很多企业引进了采煤机故障诊断系统，起到了较好效果。采煤机故障诊断系统具有变频器通信模块，能够对采煤机多种运作参数进行准确检测；在变频器通信模块的显示屏中，技术人员可以了解到采煤机运作电流、变频器电压、运作速率等参数，所以能够及时了解采煤及运作情况；变频器通信模块具有多种功能，包括过载保护、过压保护、过流保护等。诊断系统还具有故障诊断模块，能进行联网操作，在发现采煤机出现故障时，其能够将故障情况传送至显示屏中，帮助技术人员对故障原因、故障点进行分析，从而更好解决采煤机故障问题。

2、矿山电动机故障诊断

矿山电动机在采矿作业中容易出现多种故障，包括定子绕组故障、放电故障等。在对放电故障进行诊断时，基于故障特性，一般可以采用电流互感机、高频检测仪等仪器进行检测，在明确电动机各项运作参数后，与正常运作时相关参数进行对比，从而采取相应措施进行解决。在对电动机短路等故障进行检测时，由于这种故障会出现电流增大的情况，所以技术人员可以依据电流参数值进行诊断；对断相等故障进行诊断时，技术人员可以使用零序电流以及负序电流进行诊断，从而解决电动机故障问题。

3、矿井提升机故障诊断

提升机主要用来输送人员、材料等，所以提升机质量对采矿作业的顺利进行以及人员的生命安全有着重大影响。一般情况下，提升机会出现松绳故障，所以技术人员可以通过相关设备对松绳情况进行实时监测，以避免出现重大事故。监测设备需要具备一定的报警功能，能够根据相关参数的变化调整自身运作状态，从而对故障问题进行解决。

三、结束语

在采矿作业中，受人为因素及外部客观因素的影响，机电设备极易出现故障问题，不仅降低设备的整体性能及运作效率，而且给采矿作业的正常进行带来不利，因此，加强对机电设备的检修有着重要作用。故障诊断技术的内容较多，技术人员在利用其对机电设备进行诊断时，必须对实际情况进行了解，选择合适的诊断方法，清除各类故障问题，并进行定期检修，从而保障机电设备的运行水平，保障采矿作业的顺利进行。

参考文献

[1]仇金刚.故障诊断技术在矿山机电设备维修中的应用探讨[J].机电信息，2015，（6）：97-98.

故障诊断技术篇4

【关键词】 电子设备 故障诊断 专家系统

随着科技的发展，越来越多的电子产品给人们的生活带来了巨大变化。不同行业的生产制造中也因为引进了大型的电子设备，创造了更大的经济价值。大型电子设备长期处于运行状态会增多技术故障的发生几率。人们迫切希望能够提高设备的故障诊断能力使其保持可靠性。故障诊断的目的在于确保电子设备在工作环境下出现的不明功能失调被迅速查明，确定诱因及性质状态，为下一步的维修处理提供技术预测。一般而言，电子设备的故障诊断技术分为传统技术和智能技术。

一、传统电子设备故障诊断技术

传统的故障诊断技术，以特定领域的理论知识作为技术支撑，需要操作人员保持清醒的认识，能够通过逻辑判断来确定故障的位置、种类及可修复程度等。传统故障诊断技术经历了阈值诊断和算法诊断两个阶段。较为常用的主要有：

1.1单信号处理

由于早期电子设备的集成度不高，一个机组内往往同时存在着大量的集成和分散元件。当操作人员人工使用各种仪表检测时，若检测仪表的输入和输出值不在理论范围内，则被认定故障将会出现或已经出现。

1.2多信号模型

考虑到元件之间的信号耦合问题，借助信息理论中的定量或定性的方法综合分析电子设备出现的故障，实现诊断。

1.3单信号滤波

滤波诊断改进了传统单信号处理方法中未考虑动态数据的问题，通过校对时间序列信号传输的数据，在滤波变换作用下记录信号的特征变量，对采集到的特征量赋予阈值实施诊断。

在多信号模型和单信号滤波中，还积极应用计算机进行仿真实验来辅助诊断。通过一定的仿真建模，能实时采集动态数据，监控整个系统的运行。

二、智能电子设备故障诊断技术

面对结构更加复杂的电子设备，其故障诊断的难度在不断增加，所提出的诊断技术要求在不断提高。传统故障诊断技术在应用过程中逐渐出其不足之处。技术操作本身需要的知识储备较多，且针对更加深层次的故障发力不足。相比之下，智能故障诊断技术的发展，迅速成为了电子设备故障诊断的首选。

2.1分类

智能故障诊断技术根据理论技术的不同可以分为模糊技术、灰色理论、专家系统、模式识别和失效树分析等。其中，以模糊技术、灰色理论、模式识别和失效树分析为代表的技术都着重于借助逻辑判断推理的相关知识，能够将电子设备诊断中故障模糊定位及定性分类等问题部分解决。而专家系统技术，则重点以自身作为技术开发平台，融合多种诊断技术，构建完善的智能故障诊断系统。本文探讨的电子设备智能故障诊断技术着重以专家系统作为研究对象。

2.2专家系统

一个成熟的职能故障诊断专家系统，应该在结构中包含系统知识库、集合数据库、推理机、解释机构、知识获取和人机交互系统、故障预兆分析和识别系统等。专家系统的不同种类具有不同的区别方式，如按照理论运用方式的不同，可将专家系统分为借助符号处理和借助数值处理两类；按照理论描述的不同，可以将专家系统的符号处理类再分为框架式、产生式、语义拓扑、面向对象的系统、基于案例分析的推理等，而借助数值处理的专家系统可分为模糊技术、灰色理论、人工神经网络等。专家系统一般需要考虑以下技术内核：

2.2.1知识库

故障诊断需要建立在一定的知识储备基础上，因此建立专家系统的知识库并积极规划其中的内容十分必要。规划后的知识库更有利于技术理论的搜索和整合维护。具体的规划方法有：①不同的设备故障具有不同的预兆。根据各类预兆情况整合独立的知识模块存入知识库中供诊断使用。②可以针对电子设备的不同部位常见故障分别做知识储备。③搭建数学模型，通过不同的表示方法确定不同的知识模块，用来描述不同的知识运用。④对各领域的专业意见进行收集整理，包括设备理论、标准故障知识、专家的历史经验、操作要领等信息。建立不同模块的知识库，能够在故障诊断推理中更便捷的调动知识信息，由各模块交流诊断对象的内容并自由调度提供服务。

2.2.2 推理机

推理机是专家系统的重要部分，充分调动知识来进行逻辑判断。在借助符号处理的专家系统中，推理机采用符号匹配的形式进行逻辑分析和状态搜索。而在数值处理的专家系统中，推理机运用数值进行计算来获得工作进程。推理机使用的推理机制主要是正向、反向和混合推理。一般而言，逻辑推理中的假设由正向推理提出，而反向则用来验证逻辑的真伪。

2.2.3 不确定性

故障诊断存在一定的不确定性。引发不确定性的原因可能来自于故障预兆模糊、实施传递的信号数据不精确、系统在读取知识规则时出现失效等情况。一旦出现不确定性的问题，需要借助包括整理理论、模糊判断、灰色理论在内的确定性理论来解决。

三、智能电子设备故障诊断技术的发展前景

智能故障诊断技术因其技术先进，操作便捷必然成为未来电子设备故障诊断的主要手段。智能诊断技术具有良好的发展前景。首先可以继续扩大当前其在远程故障诊断的优势，拓展使用领域，提高异地的诊断反应能力。其次，可以加深其在分布式多层次的大型电子设备中的应用。同时，与智能故障诊断技术相匹配的微型便携式专用仪器的开发，必然提高智能诊断技术的普及率。

四、结语

智能故障诊断技术和传统故障诊断技术在使用操作中是可以相互补充的。这样能够快速获取被诊断对象的故障信息，分析故障并准确定位，同时测试判断具体的故障部件，及时恢复设备。相信，利用智能故障诊断技术，能够为大型电子设备的维护管理保驾护航。

参 考 文 献

[1] 谢小轩，张浩，曾斌.制造企业远程故障诊断服务系统的研究[J].组合机床与自动化加工技术，2000（12）.

故障诊断技术篇5

关键词：机电设备故障；诊断技术；发展

0.引言

目前，在国内外，机电设备故障诊断技术是一项倍受欢迎且发展快速的技术，它可以预报故障发展趋势。通过它可以了解和掌握设备在工作中的情况，对设备故障隐患进行检测，以确保其是否正常，尽量在前期发现设备的故障与原因，并及时进行处理、做出估计。基于以上优点，因此，对于设备恶性事故的发生起到了预防的作用，能够减少人员的伤亡，而且还可以有效的避免环境的污染，降低不必要的经济损失。对于设备的维修管理来说，它是重要的依据，有节约维修成本、防止突发事故等显著特点，并在提高产品的产量和质量、保证设备安全运转、降低成本等方面起着重要的作用。

1.机电设备故障诊断技术发展的历程和现状

机电设备诊断技术来源于军事上的需求，出现在第二次世界大战当中，当时采用仪表对设备进行参数的测定。随着时间的推移，微电子技术、计算机技术、传感技术等的普及，使机电设备诊断技术更加完善。二十世纪末，在交通运输、化工、农业等部门的机械设备上已经应用机电设备故障诊断技术，且发展快速。这一技术已经融合到国民经济中，技术水平也逐渐提高，开始转向智能化发展[1]。

由机电设备故障诊断技术的历史不难看出，其发展大概可分为三个阶段：初级阶段，即诊断结果取决于专家的感官及专业知识和经验；通过传感、动态监测技术还有计算机信号处理技术等现代诊断技术达到智能化，并且向诊断、监测、管理、调度集成化的方向发展。

日本、美国、瑞典等国家在机电设备的故障诊断技术方面，研究起步较早，它们在一些方面还一直遥遥领先，我国对于这些方面的研究起步虽晚，却有很快的发展速度。比如，西安交大对旋转机械故障诊断方面的研究；天津大学对轴承和齿轮的状态监测进行了研究。另外，设备诊断仪器的研发也发展较快，这些对我国的设备状态监测和故障诊断技术的发展起到了重大的作用。

2.机电设备故障诊断技术的常用传统技术方法

2.1振动监测的诊断技术

振动监测诊断技术根据设备的振动参数以及特征来了解设备的状态和故障，它是人们将机械设备振动监测诊断当作机械设备故障诊断优先选择的方法，其原因是此法的参数多维性和振动的广泛性。一般来说吧，要选择能够对机械的振动状态做出反映的敏感点，还有距离机械诊断核心部位近的易损点和关键点，确保测量的有效性。将各种设备状态信号经放大滤波处理后放入A/D转换器中，这样可以得到振动位移随时间变化的曲线，根据结果可以判定设备运行的状态并采取相应的措施。此法能直观、精确的表征机械动态及其变化过程，且监测诊断方法简单实用，因此被广泛使用[2]。

2.2油液磨屑分析检测的诊断技术

此法判断机械运行的状况是通过观察油液介质的化学性质和物理性质的变化，也可以通过观察油液屑粒的形态来判断，其在机械设备液压系统以及系统中较常用。各种元素在受到能力激发时都有吸收或者发射波长光的性质，光谱仪利用其对油液发射光谱进行化学分析，就可以检测到其化学成分和含量，进而判断设备的磨损部位和程度。这种诊断方法更方便，更准确，并且分析速度快，适用于分析磨损状态处在十微米一下磨损状态的磨屑粒。

2.3红外测温诊断技术

该方法分析机械的运行状态是通过分析机械部位的不同温度变化来实现的。机械的磨损和液压系统的油液性能所导致的常见故障都会使相应部位的温度产生变化，此外，其材料的机械性能也和温度有关，所以，对故障机械进行温度检测是一种主要的方法。由于测量数据存取方便，可以实现全系统监控，保证机械正常运行并提高使用寿命[3]。

2.4射线扫描技术

γ射线的扫描技术应用范围很广，它对于工艺设备的诊断来说，是一项新的技术。在物质中的衰减，γ射线要按照Lamber-Beer的指数规律，所以，再检测的时候，可以根据工艺设备的特点来对设备进行检测。它可以得到设备内反应其介质密度的关系图谱，通过这个图谱来判断故障。

3.机电设备故障诊断技术在发展中所存在的问题

当前，机电设备的故障诊断技术有了快速的发展，可还没有形成一套完整的理论体系，也没有有效的诊断技术。所以，大多数的技术都是针对性的，还需进一步完善。再者，故障诊断技术的准确性急需解决。这是一个复杂的过程，关键在于确定故障与特征间的因果关系。因故障与特征之间可能是多元化的，也可能是间歇性的，故诊断时依赖人们的认识和经验，但人们的认识存在局限性。现今，机电设备故障诊断技术属于开放性的课题，建立完整的理论方法体系对指导机电设备故障诊断技术的研究非常有必要。

4.机电设备故障诊断技术发展的趋势

随着科学的发展，今后机电设备故障诊断技术的发展可概括为：基于Internet的远程协作诊断技术，这是今后发展的必由之路。小波分析是一种信号的时间―尺度的分析方法，它具有多分辨率分析的特点，将其与神经网络和分析理论相结合就可以把故障诊断的可靠性提高。此外，对传感器进行研究和改善，进行设备故障诊断，也需考虑设备的结构、材料等因素[4]。使故障的检测、诊断、传输与修复融合为一体，对快速修复故障设备提供了保障。

5.结语

综上所述，人们越来越重视机电设备故障诊断技术的应用及效果。既要有好的理论方法的指导，又要将理论与实践相结合，这样才能发现问题，进而解决问题。随着科学的快速发展，计算机、智能技术、微电子的出现，机电设备故障诊断技术的准确性越来越高，操作性越来越方便。相信在今后的发展中，机电设备故障诊断技术会越来越先进。

参考文献：

[1]王利.矿山机电设备的安全监控系统研究[J].才智，2010（24）.

[2]杨超，李亦滔.机械设备故障智能诊断技术的现状与发展[J].华东交通大学学报，2011（05）.

故障诊断技术篇6

随着农业机械在工作时产生的机械振动,也会出现不同种类的音频的噪音。农业机械在正常运转时的噪音与故障时产生的噪音在音频上有很大的不同,使用者可以根据不同部位噪音的不同来分辨机械产生故障的位置。在农业机械使用时,我们可以采取两种方法来辨别噪音:一是,人工检测法,主要是利用人的耳朵或者声音放大器等,针对机械发出的噪音来分辨机械的运转是否存在故障,并找出故障的大致位置。二是,频谱分析法,主要是在机械发出噪音的几个部位安装分析噪音的仪器,通过对采集噪音的级别和频率生成图谱[2],从而分析机械在运转时是否存在故障。

2红外测温

农业机械在工作时内部零配件会产生摩擦,红外测温主要是利用红外测温仪对摩擦的温度进行监测,通过检测,寻找机械内部是否存在温度异常的地方。红外测温仪会将监测处的温度仪数据的形式呈现在计算机的终端,如果机械的某个部位温度异常,系统会自动报警,提示使用人员[3]。这一诊断技术方便了工作人员及时维修设备,减少了事故的发生次数,并且将农业机械的损坏度降到了最低,延长了使用年限。

3发展趋势

3.1通用机械诊断技术的引入

目前,我国的通用机械故障诊断技术已经相对成熟,应用与农业机械故障诊断的主要有两种:一是,以提取机械振动时产生的信号为主的基础诊断技术,这类技术主要是将汽车部件的诊断技术移植到了农业机械上,其中包括了信号处理、计算机网络以及控制理论等专业技术。二是,针对性的监测技术,就是关键部位的诊断技术,该技术可以提高对农机故障部位监测的准确性,更好的了解机械的内部情况。

3.2智能化程度的提高

随着农业生产的加快与农业机械化水平的提高,农业机械的类型也变得多种多样,结构更加复杂,在操作时的智能性也不断增强,对于农业机械故障的诊断技术和日常的监测技术也愈发完善。在日后的农业机械诊断过程中,将会对故障的特点,选用针对性的遗传算法,神经网络和模糊逻辑等智能化的故障诊断技术[4]。以现有的诊断技术为基础,根据农业机械化运行中故障产生的不同智能故障,研发出针对性的解决措施,从而推动农机故障诊断技术的智能化、综合化发展。

故障诊断技术篇7

关键词 汽车故障 诊断技术 新技术 发展趋势

中图分类号：U472.4 文献标识码：A

1汽车故障诊断技术的发展状况

现代汽车故障诊断技术是在60年代的西方发达国家开始，由于汽车结构越来越复杂，所以就需要有相应的诊断手段来维护。因此，汽车诊断技术在迅速的发展。综合来看，汽车诊断技术以及发展经历了四个阶段。

1.1人工检验阶段

最原始的汽车诊断，主要依靠有一定技术和经验的汽车工人，凭各种方法来了解汽车的技术状况，然后根据已掌握自己的经验对汽车故障进行诊断。这种诊断方式主要是靠检查者的感觉和经验进行的。该诊断方法主要是：问、看、嗅、听、摸、试、断。这种方法相对简单、经济，但是准确性太差，主要是依赖于操作者的个人实践经验。

1.2使用简单的仪器、仪表进行测量阶段

随着汽车结构逐渐复杂，一些简单的测试仪器，开始应用于汽车的故障诊断中，如使用万用表、真空仪、油压表等。这时诊断技术就从耳听手摸来定性阶段，渐渐发展到使用仪器、仪表来测量的阶段。该方法为汽车故障诊断提供了更为准确的依据，只是仪器分散，对故障缺乏综合的分析和判断。

1.3使用专业设备进行诊断阶段

在汽车总成不解体的情况下，使用先进的仪器以及先进的设备对汽车的各工作系统进行精密监测，测出的有关与汽车的数据，再通过电子计算机的计算和处理，就能显示出汽车的技术状况甚至寻找出故障的原因。

1.4人工智能诊断阶段

现如今随着专家系统的发展和电子计算机技术智能化的提高，利用计算机储存的专家知识，建立的汽车故障诊断专家系统，把汽车故障诊断推向了智能化。

2我国汽车检测诊断技术的发展状况

我国汽车检测诊断技术的应用须运用汽车检测诊断设备来完成和实现通过汽车综合性能检测站来进行不解体减压和测试。目前主要方向是：我国实行的是定期检测、强制维护、视情修理、的汽车维修制度。定期检测：根据车辆从事运输的性质使用条件和强度以及汽车技术等级等，通过现代化的技术手段，定期对车辆实施检测作业，正确判断车辆的技术状况。它包括车辆技术等级评定检测污染排放监督检测。车辆二级维护及大修竣工质量检测等，检测的项目主要有发动机综合性能、汽车制动性能、前照灯、车轮定位、排放污染物、噪声、车速表、整车外观、汽车底盘测功等，通过检测，及时发现车辆故障隐患，确定二级维护附加作业项目，级维护和大修竣工出厂车辆的质量进行评定。

3国外汽车检测诊断技术的发展状况

20世纪60年达国家就相继研制开发了各种独立于车辆的车外诊断设备。80年代末期，人工智能技术的迅速发展，特别是专家系统、人工神经网络在故障诊断领域的进一步应用，故障诊断技术向信息化和智能化方向不断前进。

到了20世纪90年代末期，具有诊断复杂故障能力的专家系统和汽车自身诊断功能密切相连，构成新的车外诊断系统。这些车外诊断系统采用了微电子技术、计算机技术、先进的传感器技术并结合人工智能技术，将汽车自身的诊断结果，汽车的运行状态参数输出到车外诊断系统中进而综合分析做出相应的判断和处理。维修中心的主机通过串行通讯与在维修点的终端机相连，相互之间可以交换信息，维修人员在专家故障诊断系统上，可以方便地查询所需的资料，得到检测故障的步骤和排除故障的方法。

4我国汽车故障诊断技术的发展趋势

4.1检测设备的智能化

汽车故障诊断检测设备智能化的特点是：虚拟仪器与信号处理技术的广泛使用。所谓虚拟仪器，就是在通用计算机平台上用软件定义和设计仪器的功能，它使用户所操作和使用的计算机成为一台专用的电子仪器。虚拟仪器是以计算机为核心，充分利用计算机的图形界面和强大的数据处理能力，提供测量数据进行分析和显示。虚拟仪器的软件和硬件具有开放的，模块化的，可重复使用和可互换的特点，根据实际需要，用户可以轻松地更改或修改的软件，硬件模块，以实现特定的功能。虚拟仪器的数据采集器和计算机，使用统一的数据采集模块，可以测量各种参数，用户可以仅专注于信号处理和分析上。同时，分析测试结果的从人工向计算机自动分析发展。

4.2资料数据的在线化

汽车故障诊断资料数据在线化的特点是：交互式电子技术手册的使用。它将技术资料以数字格式存储，可以方便地进行查询，维修人员可以非常方便的查看、浏览其想要获取的信息。大大提高了汽车故障维修的效率，智能化水平较高。同时解决了传统纸质手册不易保管，查询不便得缺点。用户可以通过网络在线访问维修资料数据库，实时查询相关资料。测试设备从仅有测试功能向除测试外还能够提供在线资料数据库支持发展。即从单一测试仪器逐步向仪器资料一体化设备发展。

4.3故障诊断信息的网络化

汽车故障诊断信息网化包括远程支持、远程控制和现场诊断信息收集。

远程控制是指售后支持中心可以通过网络控制维修站的诊断软件，通过远程控制实现对维修站现场的车辆诊断，远程诊断所用的计算机与维修站现场与车辆相连的计算机可以看到相同的信息，诊断信息通过网络传输到售后支持中心的计算机上，使售后支持相关人员不用到现场就可以协助维修站对车辆的故障的分析及问题的解决。这样就可以实现工程师在办公室内通过网络实时对维修站进行车辆故障分析援助，实现远程故障排除。

现场诊断信息的收集系统主要作用为收集各个维修站在使用诊断软件的过程中生成的后台数据，这些数据将会被收集系统进行分析和整理，然后存放到数据库中。汽车厂商的售后服务部门、质量部门和工程部门可以利用收集系统查看这些数据并生成多种数据报表。这样，汽车生产商的设计、生产、售后等相关部门可以从数据库上及时清楚的了解车辆的故障率的统计分析结果，哪些故障发生的概率高，哪些供应商的零部件可靠性差等问题，可以尽快的给出相应的对策，方便汽车生产商在生产过程中有针对性的改善生产环境，控制生产过程，提高供应商的零部件质量，从而改善出厂车辆的质量，提高客户的满意度。

4.4专家系统的智能化智能故障诊断专家系统

汽车故障诊断专家系统的研究是人工智能应用研究的一个分支，故障诊断专家系统的特点就是在必要时呼出存储在计算机中专家们的知识，使初学者也能得出接近专家们的判断。目前已研究的汽车故障诊断专家系统模型有基于规则的诊断专家系统、基于实例的诊断专家系统、基于行为的诊断专家系统、基于模糊逻辑的诊断专家系统和基于人工神经网络的诊断专家系统。其各有优缺点，但发展趋势都是智能化。

5结语

汽车故障诊断技术是随着诊断设备的发展而发展起来的，就目前我国汽车诊断技术水平来说，与国外还存在一些差距，但随着国民经济的发展以及国内计算机、电子、汽车等高新技术的发展，我国故障检测诊断技术得到了迅速发展。现在我国汽车故障诊断技术正处在从传统向现代化转变的重要关头，其特征为汽车诊断技术从经验体系向科学体系的转变。现在我国的汽车故障诊断学科已经起步，并正处在蓄势待发的紧要关头。只有准确把握汽车故障诊断技术的发展方向，同时诊断设备研发技术人员与汽车维修技术人员的有机结合才可能创造出优秀的故障诊断设备和卓越的诊断思想，才可能将我国的汽车故障诊断技术推进到当代世界汽车故障诊断技术的前沿中去。

参考文献

故障诊断技术篇8

当前智能化故障诊断技术作为一种有效的故障防范策略，已被融入到现代空调制冷系统的实践应用当中，它不仅可有效降低制冷系统的运行成本，而且还能明显提升系统运行的安全性与可靠性。本文结合工作实践，着重就智能化故障诊断技术在空调制冷系统中的应用进行了探索与研究。

关键词：

制冷系统；故障诊断；智能化

近年来，随着我国经济的快速发展，制冷系统在人们日常生活、工业生产中的应用已越发普及，其重要性也不断增强。如何进一步提升制冷系统的安全性与可靠性，已成为了当前国内外众多学者所共同关注的焦点问题。智能化故障诊断技术作为一种有效的故障防范策略，它能通过实时、自动的监测和采集制冷系统的状态信息与运行参数，以起到有效预测故障发生、判定故障性质、评估系统运行状态以及延长系统正常使用寿命的目的。

1制冷系统的故障特点

制冷系统根据其工作原理，主要分为蒸汽压缩式制冷系统、吸收式制冷系统、半导体式制冷系统以及吸附式制冷系统等多种类型。以蒸汽压缩式制冷系统为例，其常见故障类型包括了：制冷剂泄漏、冷却水量减少、管路压力增大等问题，而导致系统冷却效率的降低及系统能耗的增加。正是由于蒸汽压缩式制冷系统的构成元件多（制冷压缩机、节流装置、热交换设备、管道等）、循环工作状态复杂（包括制冷剂、水、空气、油等），因此当制冷系统故障发生时，具有故障原因复杂、故障征兆复杂的特点，且存在着较多不易被检测的参数，部分检测数据与故障问题之间的关联性也不明显。因此，在制冷系统的故障诊断时，如果只依靠维护人员的个人经验或仪器进行故障的查找与排除时，不仅诊断效率低，而且检修成本高、检修失误率高。针对以上问题，近年来制冷系统的故障诊断技术，已逐步由传统的单一化、常规化的诊断方法，发展为以人工智能技术、信息技术等先进技术为基础的智能化诊断方式。

2智能化故障诊断技术在制冷系统中的具体应用

智能化故障诊断技术，是近年来发展非常迅速的一门综合性应用技术，也是由现代人工智能学、控制学、信号处理学、模型识别学等多种学科所交叉形成的新兴学科。

2.1常见智能化故障诊断技术的类型。目前，应用于制冷系统中的智能化故障诊断技术，其常见类型包括了基于数学模型的故障诊断技术、基于直接可测信号的故障诊断技术、基于知识经验的故障诊断技术这三大类。其中，基于可测信号和知识经验的故障诊断技术，也被称为直接诊断法，它是直接利用制冷系统的可测信号与知识经验，以判定故障类型、预测故障发生的方法，常见的诊断技术包括了专家系统诊断法、模糊数学诊断法、神经网络诊断法、小波分析诊断法等；而基于数学模型的故障诊断技术，则被称为间接诊断法，它是间接利用数学模型，以全面反映与评估制冷系统的故障情况及安全性的方法，常见数学模型包括了故障树模型、攻击树模型、攻击图模型等。

2.2智能化故障诊断技术的具体应用

2.2.1专家系统的应用。专家系统诊断技术，它属于当前人工智能技术领域中一个前沿分支，即是将一些已在实践中得以验证的知识经验进行数字化表达，并通过存入计算机系统中，从而以形成具备强大推理能力、决策能力的专家系统。用于制冷系统中的专家系统，其工作原理详见图1所示。该专家系统主要由故障诊断模块、故障解释模块、故障处理模块、模拟显示模块、学习查询模块以及智能输出模块这几大功能模块所构成。通过专家系统的应用，制冷系统的故障诊断过程能由系统代替人类专家，并利用其强大的数据库资源与逻辑推理能力，以提升对系统故障预测、诊断的准确性与效率。

2.2.2人工神经网络的应用。人工神经网络（ANN），是指通过人的大脑对信息加工、处理及存储的机制，所提出的一种智能化信息处理的非线性模型，也是由大量的神经元（处理单元）所进行互联而得到的一种复杂的神经网络系统。与专家系统相比，人工神经网络具有更高的时间效率，以及更高的故障诊断质量。进入21世纪以来，人工神经网络智能诊断系统迅速发展，并已成为国际上故障诊断领域的最新热点，同时神经网络用于制冷与空调系统故障诊断也产生了大量研究成果。例如：利用人工神经网络的BP算法（见图2），能真实反映出制冷系统运行时的期望值与测量值之间的差值，即残差（residual）值，并通过评价残差值以反映出制冷系统的安全性状况，并可诊断与预报系统故障类型及故障点定位，从而实现较高的故障诊断精度与准确性；利用人工神经网络与专家系统相结合的混合智能诊断系统，该系统不仅能有效解决专家系统的信息采集难题，而且通过专家系统的数据库还能解决人工神经网络的“黑箱”问题，两者互为补充，因此在制冷系统故障诊断的实践应用方面具有明显的优越性。

2.2.3模糊诊断法的应用。制冷系统在运行过程中，其故障征兆与引发故障的原因之间，往往并不是一一对应的关系，尤其是对于大型制冷系统中，这种不确定性更加明显。而模糊诊断法，是以模糊数学为基础的一种故障识别方法，它能利用故障征兆与引起原因之间的这种不确定性来进行系统的故障诊断。由于制冷系统的复杂性以及故障征兆与原因间的不确定性，在许多故障诊断问题中，其故障机理非常适合采用模糊数学规则来进行描述，并能有效克服空调制冷系统因设备的复杂性所带来的诊断困难问题，因此具备了较强的实用价值。一个典型的应用于空调制冷系统中的模糊诊断系统的结构，详见图3所示。如图3所示，用于制冷系统的模糊诊断系统，主要由模糊化接口、模糊规则库、模糊推理机、非模糊化接口等多个部分所构成。其中，模糊化接口通常采用A/D和D/A转换器作为接口装置，其作用采集制冷系统中精确的、连续变化的输入量转化为模糊量，以便实现模糊推理；模糊推理机即模糊控制器，它也是模糊诊断系统的核心，可通过利用知识库中的规则对模糊量进行运算与分析，并得出模糊结论；而非模糊化接口，其主要作用是将模糊推理所得到的结构，转换为非模糊值即清晰值，从而实现对制冷系统故障结论的清晰表达。目前，模糊诊断法已被成功运用到制冷系统的智能化故障诊断中。例如：将模糊数学理论与人工神经网络相结合，可采用模糊方法处理神经网络的输出结果，并对推理过程进行解释；将模糊数学理论与专家系统相结合，则可利用模糊数学中的模糊变换原理对制冷系统的安全性能进行评定，并在此基础上构建专家系统等等。

2.2.4小波分析法的应用。小波分析法，是一种新型的线性时频分析的方法。当前，以小波变换分析为基础的信号处理方法，已广泛应用于各类设备的故障诊断当中，并取得了一系列研究成果。由于制冷系统在发生故障时，会出现一些瞬变信号或脉冲信号，而这些参数的变化也往往隐藏着重要的故障信息。而小波分析法是一种窗口面积恒定、窗口形状可变的时频局部化分析方法，它不仅具有多分辨率和时频局部性的特点，而且能够有效处理非平稳信号，因此非常适用于分析制冷系统的瞬态信号或时变信号。目前，小波分析法在制冷系统故障诊断中的应用，主要是针对制冷系统的吸气阀片损坏、排气阀片损坏以及制冷压缩机停转等故障的智能化诊断，利用小波分析法的预处理功能，能提前查找到制冷系统中各元件的故障先兆，从而以及早地发现并预报故障。

2.2.5故障树模型的应用。由于制冷系统中所发生的故障，通常具有层次特性，即故障原因和后果之间往往具有多层的关系。故障树模型诊断技术，即是以系统最不希望发生的事件（顶事件）为分析目标，以可能导致顶事件发生的其他事件为中间事件或底事件，按树枝状逐级细化，从而依次找出制冷系统的全部故障因素。目前，故障树模型在制冷系统中的实际应用，主要用于溴化锂吸收式制冷机组的故障诊断中，它可准确分析与诊断“冷剂水损失”和“冷剂水污染”等问题。通过分析与计算，能将制冷系统中的故障事件进行重要度分级，从而找出制冷系统中最薄弱的因素，以此实现对系统中故障类型的准确识别、预测与诊断。同时，利用故障树模型，还能实现对制冷系统的改进设计，以实现制冷系统整体上的节能优化与安全优化。

3结论

本文主要以专家系统、人工神经网络、模糊诊断法、小波分析法、故障树模型这几种智能化故障诊断技术为例，就其在制冷系统中的应用进行了探索与研究。通过智能化诊断技术的应用，不仅能及时查找出制冷系统的故障原因及故障类型，以迅速排除故障，而且能自动预测故障的发生，减轻了故障问题所带来的影响与后果，从而起到了降低系统的运行成本，提高系统运行安全性与可靠性的目的，具有极高的应用价值与应用效果。

参考文献

[1]卢静.智能化技术在电气工程自动化中的应用价值[J].科技与创新,2015(16):154-154.

[2]闫林巍.压缩制冷系统的故障分析和解决方法[J].中国高新技术企业,2014(20):79-80.

[3]侍孝虎.制冷系统隐性故障分析[J].常州信息职业技术学院学报,2014,13(3):43-45.

故障诊断技术篇9

关键词 汽车；电控系统；故障自诊断技术

中图分类号 U46 文献标识码 A 文章编号 1674-6708（2016）160-0199-02

近些年来，科学技术的发展极为迅速，尤其是计算机技术、控制技术的发展更是有着很好的成绩，而且，计算机技术以及控制技术的应用范围极为广泛，尤其是在汽车电控系统中应用也在不断地深化，如，汽车电控系统故障自诊断技术，能够实现对汽车电控系统的运行进行检测，一旦发生故障问题，可以根据实际的情况采取针对性的处理措施，进一步保证汽车运行的安全性、可靠性。

1 汽车电控系统故障自诊断技术的原理

电控系统与汽车行驶的安全性有着直接的联系，可以实现对汽车系统故障自诊断功能，一旦汽车某个硬件或系统出现故障的情况下，通过故障自诊断技术的运用，可以及时发现汽车的运行故障，并对其展开针对性的维护措施[1]。当然，一些汽车无法及时维修的故障，在故障自诊断系统下，可以将这些故障信息及时发送给驾驶者，以便于驾驶者及时了解汽车的运行故障。汽车电控系统故障自诊断技术主要根据冗余信息来源获取相关的故障信息，实现对汽车故障的诊断，冗余信息来源又分为对汽车硬件的冗余和非硬件冗余等2种方法，其中硬件冗余主要通过装设在汽车上的专用传感器获取汽车运行故障信息；或者主要是通过分析以及测量各个信息实现对非硬件进行故障诊断。汽车电控系统的故障自诊断技术应用的主要原则：模式识别方法以及信息处理，有时序分析、谱分析、统计分析、非稳态谱分析、模式匹配等，这些都是汽车电控系统故障自诊断技术应用中不可缺少的重要组成部分，对提升汽车电控系统故障自诊断的效率有着极大地作用。另外，汽车电控系统故障自诊断工作，还应建立动力学模型。此外，汽车电控系统能够实现对汽车系统的故障诊断，其中还应用到了神经网络的方法，这是建立在专家系统、符号推理、模糊推理等基础上的，及时发现汽车故障并对其故障进行准确的定位，确保汽车运行的安全性、可靠性。

2 汽车电控系统故障自诊断技术研究

汽车电控系统故障自诊断技术能够实现对汽车的运行故障进行分析，主要通过多种方法的结合运用来完成的，当然，不同的方法所能够实现的功能以及实施的步骤也有着很大的差异性，主要从以下几方面展开分析。

2.1 基于模型的故障诊断技术

通过以上的分析，故障自诊断技术的发展极为迅速，并被广泛地应用到汽车电控系统中，实现对汽车电控系统的故障诊断，其中基于模型的故障诊断方法，是汽车电控系统故障自诊断技术的重要组成部分，主要利用模型来提供信息的输出输入，并对输出输入的信息实现在线测量的冗余检测以及故障诊断等，从而有效地对故障进行准确地定位。基于模型的故障诊断方法主要从以下几个过程进行[2]。首先，由模型的输出与测量值之间进行相互地比较，并得出残差，所产生的残差为下一个环节做准备；其次，应对数据统计分析，结合前一个操作步骤所得出残差数据，数据统计分析主要对这些残差数据展开分析，一般情况下，如果残差值为零的情况下，则说明汽车电控系统并无故障发生，如果是出现故障时，对残差的分析是有着一些统计特性的，下一步的故障诊断也是根据这些统计特性来实现对故障的诊断；再次，应做出最后的故障诊断决策，通过对统计分析中所得出的残差特性，判断汽车电控系统是否存在故障，如果存在故障需判断所发生故障的程度、产生故障的主要原因、对故障的定位等，确保汽车运行的安全性、可靠性。

2.2 汽车电控系统故障自诊断系统的鲁棒性分析

汽车电控系统故障自诊断技术对传感器运行的安全性、可靠性等要求极为严格，一旦传感器出现问题的话，不能将汽车电控系统的各项运行信息有效传输到系统分析中心，因此，要保证汽车电控系统故障自诊断技术应用的有效性，则必须明确影响汽车工况的因素。例如，气候因素的影响，主要受到温度、湿度、气压等方面因素的影响，而且，这些因素的可变范围比较大，也就是说，这些因素对汽车电控系统运行的自诊断也存在很大地影响。电磁环境也是影响因素之一，一旦受到电磁环境的干扰，会直接影响到汽车的电控系统。另外，由于汽车的零部件较为分散，在对汽车电控系统进行故障自诊断过程中也将会存在一定的难度，这些都是影响汽车电控系统运行的主要因素。

在确定影响因素之后，对故障自诊断技术进行改进和完善，以此来满足汽车电控系统运行的故障自诊断要求，及时有效地排除汽车电控系统运行的不足，为保证汽车的安全运行付出努力。

2.3 其他诊断技术

汽车电控系统故障自诊断技术，还应用到模式识别法、信号处理法、基于知识诊断法等。其中模式识别法主要运用神经网络模式的识别方法，实现对汽车电控系统的故障诊断，该方法主要利用汽车电控系统运行的状态参数的分析，确定其故障位置、故障原因等。信号处理方法的使用，主要分析一些测量参数的基本特征，并判别汽车电控系统是否发生故障，以及所发生故障的属性等，是当前汽车电控系统较为常用的故障诊断方法之一，该方法应用较早，经过多年，该诊断方法也在进行不断地完善，能够实现对汽车发动机转速信号以及振动信息的谱分析，是保证汽车电控系统安全运行的关键诊断技术之一。基于知识故障识别法的运用，首先要观测汽车电控系统的故障征兆，并根据所观察的结果判定接下来可能发生的故障，及时采取有效的防御措施，当然，在经过长时间的经验积累下，可以利用系统中所存储的历史知识、推理机制、统计知识等来拟定相关的决策，一旦故障发生时，可以将故障带来的损失降至最低。此外，还应根据知识库所提供的相关数据信息，进一步推断所要发生故障的程度、类型、起因等，从而保证汽车电控系统的安全可靠运行。

3 结论

综上所述，随着社会科技的飞速发展，汽车电控系统的故障自诊断技术的发展也极为迅速，而且，故障自诊断技术能够及时有效地发现汽车电控系统的运行故障，并对故障进行精确的定位以及分析产生故障的原因等，并提出相关的改进措施，从而有效避免或降低汽车电控系统故障带来的损失，确保汽车运行的安全性、可靠性。

参考文献

[1]宋红英.基于蚁群神经网络的发动机故障诊断专家系统的研究[D].北京：中国农业大学，2014（10）.

[2]耿广武，戈秀龙.共轨式电控柴油喷射系统原理、结构及故障自诊断[J].汽车维修，2014（2）：11-13.

[3]董大伟.基于曲轴角振动诊断内燃机各缸作功状况的研究[D].成都：西南交通大学，2015（2）.

故障诊断技术篇10

【关键词】铁路；机械设备；故障；诊断技术

1引言

我国当前的铁路项目，在保障铁路施工建设的过程中，机械设备发挥着不可替代的作用，而机械设备的长期使用，必然会导致磨损等多种故障问题，我们必须采取相应的诊断措施加以监督管理，以便及时进行维修和维护。实际的机械设备故障诊断中，其技术方法有多种，因此需要明确了解诊断技术的实施办法，从而及时对机械故障采取合理的维修措施。

2铁路施工专业机械设备诊断技术发展现状

2.1状态监测功能

计算机网络技术的发展，为机械设备带来了新的运行模式，对于铁路施工专业机械设备的故障诊断技术，也引入了计算机技术，用于对机械设备的处理、状态监测及维修。为了开发全面的故障诊断技术，通过大量研究和探讨，开发了很多高技术的仪器设备，其检测的方式主要分为离线检测与在线监测两种，其中的离线检测，越来越倾向于小型化笔记本与便携机的使用，而一些以便携为优势的数据采集器检测系统，也逐渐发展起来，例如国产的YE5938，2115以及IRD890等系统；对于在线监测方面，则大多以个人计算机作为基础，开发相应的在线监测系统，开发周期短、性价比高且柔韧性好，日益受到行业的重视。

2.2故障诊断功能

铁路施工专业机械设备的诊断技术仍然在不断的丰富与发展过程中，从FFT谱分析、AR谱分析、轴心轨迹分析以及时域波形分析，发展到了轴心轨迹计算机模拟分析、全息谱理论分析和主分量分析等方法，在很大程度上体现出铁路施工专业机械设备故障诊断方法的进步。当前的铁路施工专业机械设备故障诊断方法，已经开启了智能化的诊断新模式，大大提高了铁路机械设备诊断工作的质量与实际效果，从而更好地确保施工专业机械设备顺利运行，保证铁路的机械设备能够维持正常运转，提高施工建设质量。

2.3状态预报

状态预报功能与监测诊断技术存在一定差别，该项功能更加强调的是对于铁路机械设备运行现场运行态势的诊断，是识别设备潜在风险的重要功能，能够更好地帮助工作人员及时了解机械设备当前的实际运行状况，以及未来的运行期限，能否继续持续运行等基本情况，从而让工作人员能够在生产指导的过程中，有依循的证据以指导生产。该项功能的相关技术还不完善，尚不能完全满足设备运行的需要，但却是今后铁路施工专业机械设备故障诊断技术研究中的重点所在。

3铁路施工专业设备故障诊断分析法

3.1图像识别算法

在铁路施工设备系统中设备故障的出现也是多种多样，所以对设备故障的分析要从机电有机结合、转变思维方式的角度进行诊断，熟悉机电各个功能模块框图，然后根据各组成部分的功能和组合形式以及工作环境等断面进行全面分析、层层分解，综合分析故障的症状、影响等，找到故障根源。图像识别技术属于人工智能，其诊断的过程中往往需要对很多技术进行识别、测量、提取、分类和处理。WCARBONWORLDLOWCARBONWORLD2016/3

3.1.1系统软件/硬件的合理选择

该系统通常包括了硬件与软件两个部分，其硬件设备包括台式机、线阵相机等实体设备；软件系统一般包括语言操作系统、开发平台系统以及其他必要的系统软件。这两部分相互协调完成整个系统的监测、识别、诊断等。

3.1.2技术分析过程

铁路机械设备故障检测系统中，首先安装机械设备，如果处于正常运行状态，所采集的设备无故障原始图像，为完整的设备运行图，然后将该图像保存至计算机软件中，以便在设备出现故障的情况，将其与运行图进行对比。在系统进入正常的运行工作后，首先应当对所采集到的设备运行图像实施预处理，提取出图像运行特征点，并与正常情况下的运行状况进行对比分析。等到设备故障的信息确定后，系统将自动将结果传输至设备控制台，控制台的界面可自动发出报警信号，从而提醒工作人员进行检查、维修，这种诊断技术根据设备运输组织的变化，有针对性地对机械设备进行区别、处理监测等，逐步实现检修分离，通过人、机结合的工作模式，大大提高了铁路设备故障检测的效率和质量。

3.2模糊逻辑方法

由于我们对事物的定义没有根本的把握便产生了模糊性，在质上没有明确的涵义，在数量上没有规定。模糊逻辑之所以被越来越广泛地采用，是因为它具有很多在故障排查当中所具有的独特优势。模糊逻辑方法比较适合表达模糊的知识，所以它进入故障诊断领域是一种必然的发展趋势，在普及的时候比较接近人的逻辑思维。我们应该在具体的故障排查操作过程中，按照比较正规的操作规范和正确的流程对一系列的故障进行检查，这样才能避免检查完毕之后出现没有必要的麻烦。基于事例的推理和规则的推理可以迅速判断故障的原因，快速确定故障点，得到诊断结果。

3.3解析模型法

解析模型法的建立，需要以诊断对象的精确数学模型作为基础，运用数理统计、解析函数等数学方法，实现对于机械设备运行信息的处理。在系统出现故障的情况下，运用该技术，能够有效改变系统的输入输出关系，然后依据数学模型，发现其中存在的问题，通过对数学模型的检查，即可再行判断其中是否存在故障，进而采取有效的措施加以解决。该方法的应用优势即在于能够详细了解系统内部的具体问题，从而采取合理的预测和解决措施。这种方法通过充分到位地运用高科技，有效解决机械设备运行故障，从而解决并处理突发的事故，使数学运算方法在其中得到了淋漓尽致的运用，人类的智慧表现了人类对于解决现实问题的超然物外的优越性。

3.4人工神经网络分析法

该方法通常适用于铁路施工设备监控系统的故障诊断，在故障解决方面具有自身的独特性，是通过形成人脑神经处理系统的方式，模拟人脑的思维方式来处理故障问题，为机器赋予人性的处理思维，来寻找故障问题所在。该方法在的应用不必要建立知识信息库，其运算推理过程也不会由于处理对象复杂，导致处理问题，因而能够有效提高处理效率。但是其资金投入较大，研发周期也较长。

4铁路机械设备故障诊断技术的发展

4.1改进监测仪器与传感器，提高准确度

在发展铁路机械设备故障诊断技术的过程中，应当尤其注意对于监测仪器和传感器相关技术的改进与提升，从而更好地提高设备的故障诊断精确度。为了使传统检测仪器能够与传感技术有机结合起来，需要运用最新的技术手段，综合运用多种不同的分析数据功能，改进检测设备，最终提高监测准确性。

4.2结合新型小波分析处理技术

我国当前对于铁路施工机械设备的故障诊断技术，仍然处于研究的过程中，从未间断过，但取得的实际进展却很小，正是因为研究始终处于传统的理论和实践层面，未能拓展眼光，结合最新的科技发展状况，忽视了与时俱进。因此，应当积极运用最新的技术方法，例如结合小波分析法，不仅能够增强并提高故障诊断技术对于该方法的适应能力，还可以在故障发生时，及时发现并采取排除措施。

4.3融合现代智能化手段

现代化的智能方法，包括的是进化计算、神经网络、模糊逻辑、专家系统等多种方法，这些方法均体现出了高水平的现代智能发展现状，通过将这些现代科技方法融入铁路施工机械设备诊断中的方式，将能够有效达到最终的铁路施工机械设备诊断职能监测与诊断故障效果。

4.4实现故障诊断技术远程化、网络化

当前的铁路施工机械设备故障诊断技术中，仍然存在设备开发利用率低、信息技术不易共享、开发维护费用较高等弊端，且对于诊断规则的收集也不够全面，导致系统实际诊断能力较低，无法彻底排除故障，如果能够与远程化、网络化的技术设备相结合进行改进，就能够在铁路施工设备出现问题时，及时、准确的进行排除，并能够实现诊断规则和相关知识的共享，形成一个真正完善的铁路施工机械设备故障管理体系。

5结语

科学技术不断进步，我国的铁路运输业也随之发展，用于铁路施工设备故障的诊断技术也小断进步，铁路施工设备故障诊断技术的类型比较多，利用现代化技术发展设备诊断技术，能够促进设备诊断技术现代化，以适应不断变化中的铁路施工建设，保证铁路施工建设的安全与高效。

参考文献

[1]罗远族.关于铁路机械设备安全管理的思考[J].科技致富向导，2015（11）：45~46.

[2]张雪峰.铁路隧道施工机械设备的选型及配套方法研究[J].房地产导刊，2015（5）：36~37.