故障诊断方法十篇

故障诊断方法篇1

关键词：电机故障；诊断原理与技术；技术应用

电机作为机械设备的动力源电机故障；诊断原理与技术；技术应用头，主要作用是将电能转化为机械能，供机械设备运转。因此，电机是供电与用电系统的重要元件。但是电机运转时间长，工作负荷大，容易受到各种外界因素的影响，从而出现故障问题。如果工作人员不能及时诊断并处理电机故障，那么将影响电机的正常运转，严重时将导致电机的破损。所以说，电机故障的诊断技术是保证电机正常、有序运转的技术基础。笔者基于多年的电机故障诊断理论研究与实践经验，提出几种有效的电机故障诊断技术，希望能够与相关工作共同探讨、提高。

一、电机故障的诊断原理

一般来说，电机故障的诊断原理有以下几种。

首先，根据噪音、振动、温度等变化情况诊断电机故障。在电机出现故障时，工作人员会先用温度检测仪器对电机各个部位的温度进行检查，以初步确定电机故障的类型，再根据电机故障的噪音或者振动情况，大致确定电机故障的位置与原因，从而为进一步诊断提供条件与基础。这种诊断方法主要针对情况较轻的、能够通过工作人员的经验或者简单仪器等检查出来的机械故障。

其次，根据电流变化情况诊断电机故障。这种方法的诊断原理是工作人员利用频谱分析仪器等对电机内电流的波形进行分析与检测，再对比正常运转电机的电流波形图，从而判断电机故障的程度。最后，根据绝缘结构的检查结果诊断电机故障。

除了以上两种方法之外，工作人员还可以利用适宜的电气检查设备对电机内的绝缘结构进行检测与分析，得出电机绝缘结构的寿命以及电机工作性能等因数，从而对电机故障进行进一步的诊断。

二、电机故障的诊断技术

电机主要由电路、磁路两部分组成，两者共同转化能量。电机故障既有电气方面的原因，也有机械方面的因素，因此，电机质量或者安装质量不合格、电机在运转过程电压不稳、负载超出标准等等情况，都将可能引起电机故障，影响电机的正常运转。工作人员根据相关原理、选择适宜的故障诊断技术对电机故障进行诊断，以保证电机的可靠运转。

（一 ）在我国，基于数学模型的电机故障诊断技术的应用已经比较纯熟，最简单直接的方法是进行输入输出信号的处理，电机输出量如果超标，即为有故障可能，或者也可以通过数学方法研究波形的主要参数变化与故障源之间的联系，来分析判断故障原因和位置。而基于状态或过程参数估计的电机故障诊断技术也在不断完善，图1为这类方法的原理图。这种方法既有优势也有缺点，优点是可以根据系统动态性质实时诊断，缺陷是不适用于非线性电机模型。这种方法能够很大提高电机故障诊断的效率。但是随着经济、技术的发展，更多有效的诊断技术，尤其是人工智能诊断技术被应用与电机故障诊断中，为电机的正常、高效运转提供技保障。

（二）人工智能诊断技术

第一 人工神经网络诊断技术 此类诊断技术在当前应用效果较好，使用频率也较大，正在成为新兴主流诊断技术之一。它主要采用BP网络对电机故障的信号进行检测、分析与转换，同时根据相应的算法以得到输入、输出样本之间的映射关系，从而利用网络进行科学地分析与诊断。目前已有很多成功实例，如利用BP网络实现分箱式感应电机的匝间短路与轴承损耗两类故障的诊断，同时有文献记载 可将基于 BP 神经网络的方法用于电机转子断条的故障诊断 。B P 神经网络的算法通常 采用基于梯度下降原理的误差反向传播算法 ， 即 BP 算法 。但标准 BP 算法特点是收敛速度慢 ，可以加快训练收敛速度 ， 引入动量项的是权值修正快速算法 。这种方法提高了运算效率 ，更具实用价值。 人工神经网络诊断技术应用效果最好的是诊断转子断条故障，基本上可以达到零失误率。

第二 模糊逻辑诊断技术。有些电机故障不能很准确地被描述出来，显示一定模糊性，在此就需要利用模糊逻辑诊断技术对电机故障进行诊断。但是这种诊断技术需要模糊知识库的支持与辅助，并建立故障与故障征兆之间的关系或者规则库，从而通过推理判断、诊断电机故障。但是这种技术容易出现误诊，需谨慎使用。图4为模糊诊断技术原理图。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。文献指出，解决笼式感应电机转子断条故障，使用模糊逻辑不仅可以检测故障的发生，甚至可以给出断条数目。为了更为精确， 将转子条的状况分为5类：没有断条， 有断条初期征兆， 1个断条， 1-2个断条和2个断条。异步感应电机发生断条时， 就会在定子谐波电流中感应出频率（1±2s）f1的附加分量， 其中s 为转差率， f1为定子基频 [ 16]。谐波分量中这两个频率的幅值分别由A1和A2（单位：dB）表征， 因此断条故障可以通过对A1、A2检测获得。在模糊推理中，对于可能出现的故障， 只需用模糊隶属度函数进行描述，而不像基于神经网络的故障诊断方法那样用数值进行描述， 模糊输出隶属度函数如图5所示。实验结果表明：这一方法可成功应用于一台5.5kW两相感应电机的故障诊断。基于模糊逻辑的电机故障诊断方法的优点在于可嵌入语言化的知识和近似推理能力。从近年来的发展可以看出， 基于模糊逻辑的电机故障诊断方法无论在理论上

还是在应用方面都已取得了很大的进展， 但与传统的故障诊断理论和方法相比， 仍有不成熟之处，有待于进一步的完善。

第三，遗传算法诊断技术。这种诊断技术是根据故障信号的分析与推算，对电机进行全局地控制与检测，从而不断地优化诊断方法，以达到提高诊断效果的目的，它具有全局控制、快速便捷等特点。但是在遗传算法诊断技术应用过程中，工作人员需要注意参变量各项参数的准确性，需要反复试凑，以确定各项故障参数。因此可以说，遗传算法诊断技术是电机故障诊断技术中较为先进、高效的技术。

结语

综上所述，在电机应用过程中，相关工作人员必须提高对电机故障的认识，并根据电机应用的实际情况，科学地选择适宜的故障诊断技术，以提高电机故障诊断效率，从而为快速、有效地处理电机故障，促使电机恢复正常运转提供保证。目前，我国电机故障的诊断技术得到高速发展，但是由于电机故障各个类型之间的关系复杂，需要相关工作人员进一步研究，以促进电机故障诊断技术应用有效性的提高，从而保证电机的正常运转，为机械设备提供充足的电能。

参考文献

[1]王秋彦，鞠建波，宋振宇. 故障诊断技术研究现状及发展趋势[J].电子测量技术， 2009，12（04）：45-46 .

[2]刘冬生，赵辉，王红君，等. 基于小波分析和神经网络的电机故障诊断方法研究[J].天津理工大学学报， 2009，78（01）：21-23 .

[3]杨朋松，吕永健，逯国亮.基于小波神经网络的电机故障诊断研

究[J].大电机技术，2009，22（04）：78-79 .

[4]M.Y.Chow， R.N.Sharpe， J.C.Hung.Ontheapplication andde-signof artificialneural networks for motor fault detection（I）[ J ] .

故障诊断方法篇2

关键词：汽车故障 诊断方法

1 汽车故障

汽车故障就是指汽车部分或完全不能工作的情况，或是汽车零件本身以及零件之间配合状态不正常。

1.1 汽车故障类型

从知识表示的方便性出发，汽车故障主要包括以下两种：①汽车异响故障，如发动机异响、传动系异响等。这类故障的特点是一个故障部位会有几个不确定的故障。这些不确定性主要涉及到两点：一是在故障现象个数上是不确定的，二是在故障现象是否明显上不确定的，这些不确定，使它的知识表示与其他类型不一样。②汽车功能故障，如果发生了这样的故障，通常会有某些功能上的丧失或不完善的情况，如发动机不能启动、汽车制动跑偏等。这类故障的特点是两、三个故障现象事实上发生在一个故障部位，实际上，汽车使用者或维修人员是不难查出这类故障的。

1.2 汽车常见故障

常见故障是指汽车在行驶的时候可以及时排除的故障或无法排除的局部故障，严重故障是指汽车在行驶的时候不能排除的完全故障，致命故障是指造成汽车重大损坏的故障。

①汽车性能异常。这种故障主要是指汽车的动力性和经济性不好，这样就会造成很低的汽车最高行驶速度，也不具备较好的加速性能，耗油量明显的增多，在汽车里坐着也不舒服，过大的振动和噪声影响汽车使用者和其他人，汽车操纵上不具备良好的稳定性，很容易跑偏等。②汽车使用工况异常。汽车在使用过程中可能会出现一些突发的异常状况，要对这些可能发生的异常状况做好及时的预防措施，例如，如果汽车在运行的过程中出现突然熄火的情况，冬季发动机熄火后无法再发动，运行过程中突然不能进行中转了，还有更严重的情况就是汽车爆胎和汽车自燃起火等。这类异常的症状表现的比较明显，造成这种故障的原因并不简单那，主要是忽略了汽车内部的一些故障，最后转变成了突发性的故障。③汽车异常响声。汽车在运行中的种种故障，一般情况下都会通过异常响声的形式引起驾驶员和乘坐者的注意，有经验的驾驶员或者是车上的乘客，都能够通过声音产生的部位、频率、音色等找到汽车故障，如果这种响声比较沉闷并且伴有较强烈的抖振，说明发生了较厉害的故障，需要及时停车、使发动机的转速变小，也可以直接关闭发动机去查看故障部位，分析故障原因，有时候我们虽然听到了异常的声音，能够判断的确有某些部位产生了故障，但是汽车仍然能够正常行驶，所以不能当即找出是哪里发生了故障，故障原因是什么，出现这种情况时，要将汽车驶回基地或者是附近的汽车维修部门，让专业的维修人员查找故障并进行维修。④汽车异味。汽车在运行过程中最要注意的就是是否有异味出现，人可以通过鼻子的嗅觉闻到异味的存在。如果出现了异味，首先确定这异味是不是来自汽车，汽车异味主要有制动器和离合器上的非金属摩擦材料发出的焦臭味，蓄电池电解液的特殊臭味，汽车电气系统和导线烧毁的焦糊味。还有就是漏机油的烧焦味以及异常的汽油味，这些方面都要倍加注意。⑤汽车过热。这主要是指汽车各部的温度都要比正常使用温度要高。发动机温度过高，最显著的表现就是散热器开锅，汽车过热只有通过进一步的检查才能找出产生故障的原因，如果是因为行使的时间太久了，通常情况下还能正常使用。如果是内部机构故障，就要尽快对其进行故障诊断，及时采取排除故障的措施。⑥排气烟色异常。我们可以通过发动机排气的烟色来判断发动机是不是在正常运行，如果没有正常运行，发生了怎样的故障。当其处于正常工作状态时，排气烟色也是正常的颜色，如果排气烟色异常，那么说明发动机出现了不正常工作的情况。如果发动机烧机油排气呈蓝色，那么这是在警示我们要对发动机进行维修；发动机燃烧不完全排气呈黑色，如果燃油中或汽缸中有水，发动机排气呈白色，此时就要严格检查燃油或发动机。⑦汽车渗漏。主要包括燃油渗漏、机油渗漏、制动液渗漏、油渗漏等，以及电气系统渗漏蓄电池液和电气系统漏电等。汽车渗漏非常容易导致汽车过热和损坏机构的情况出现。⑧汽车外观失常。有时候我们会发现虽然汽车停放在平坦的地面上，但是却发现外观出现某种程度的歪斜，表现为外观失常。这时就要求我们仔细检查汽车轮胎气压是不是正常、是否出现了车架和悬架损坏的情况等。

1.3 汽车故障产生的原因

汽车故障的发生，是因为汽车在使用过程中，由于汽车零件的失效，其失效的主要形式是磨损、腐蚀、断裂、变形和老化等，使汽车的某些技术指标(如汽车的动力性、经济性、可靠性和安全性等)下降到允许限度以下时，汽车技术状况也就逐渐地或突然地发生变化，此时，汽车不能正常使用，就会发生故障。故障直接影响到汽车的零部件或总成甚至整个汽车的使用寿命，同时还影响到汽车燃料、油的消耗、运输效益和效率高低以及行车安全等问题。

2 汽车故障诊断的概念

故障诊断方法篇3

【关键词】模拟电路 故障诊断 估计法 

模拟电路故障诊断是电路分析理论中的一个前沿领域。它既不同于电路分析，也不属于电路综合的范畴。模拟电路故障诊断所研究的内容是当电路的拓扑结构已知，并在一定的电路激励下知道一部分电路的响应，求电路的参数，他是近代电路理论中新兴的第三个分支。但由于模拟电路中未发生故障的正常元件存在容差，其参数并不恰好等于额定值，而有一定的分散性，这给电路分析带来一定的模糊性。而且模拟电路常含有非线性元件，他的性能不仅因本身故障而改变，而且其他元件故障引起他的工作点移动时，也将造成其性能变化。因此模拟电路故障诊断的理论还不是十分成熟。 

模拟电路发生了故障，就不能达到设计时所规定的功能和指标，这种电路称为故障电路。故障诊断就是要对电路进行一定的测试，从测试结果分析出故障。一般来讲，模拟电路故障诊断的方法可以分为估计法，测试前模拟法和测试后模拟法三大类。本文将对其中的估计法展开讨论。 

估计法是一种近似法，这类方法一般只需较少的测量数据，采用一定的估计技术，估计出最可能发生故障的元件。这类方法又可分为确定法和概率法。确定法依据被测电路或系统的解析关系来判断最可能的故障元件，概率法是依据统计学原理决定电路或系统中各元件发生故障的概率，从而判断出最可能的故障元件。本文重点介绍确定法中的最小平方判据法。 最小平方判据法又分为结合判据法和迭代法。 

1. 结合判据法： 

设模拟电路含有m个不同的参数，对电路进行测量，得到m个不同的特性测量值，且m<n。令xi (i=1,2,3,4……n)表示参数值，yj(j=1,2 3…,m)表示特性计算值，因为如果电路的拓扑结构已知，则参数和特性之间存在一个确定的解析关系，所以y&not;j=fj(x1,x2,….xn)。特性参数的测量值用gj(j=1,2,3…,m);如果实际所用的各参数值为实际值，同时测量不存在误差，则gj=yj, 即特性偏差为零，其中yj是在参数为额定值x10,x20,…,xn0时计算出来的。如果特性的测量值与计算值相等，说明电路没有发生故障，处于正常工作状态。 

如果电路中第i个元件发生故障，其参数为xi ,其余各元件的参数都为额定值，那么任意一个点的测试值都可以表示为xi 的函数： 

yj=fj(xi)=fj(x10,x20,…,xi,…xn0) j=1,2 3….m 

其中，xi 为参数矢量，其中除第i 个分量为xi 外其余各分量为参数的额定值。于是有 ： 

j=1,2,3,…,m (1.1) 

对每一个参数都引入一个物理量s，s为特性偏差的平方和，于是对于参数i有： 

i= 1,2,3…,n (1.2) 

当xi 变动时，s也随之而改变。如果电路中只存在单故障，那么当xi等于故障参数的实际值时，特性值的测量值与计算值十分接近，特性偏差接近与零。此时表征特性偏差平方和的物理量si将最小。因此我们可以将si作为故障诊断的一种判据，我们将si的最小值定义为结合参数i的灵敏度因子。 

如果电路中发生的单故障是偏离其额定值不大的软故障，特性值yi的计算值可以展开成泰勒级数： 

(1.3) 

式中额定参数矢量x0=[x10,x20…,xn0]’;参数增量矢量 ， 为泰勒级数中大于一阶的高阶项，若电路中发生的是软故障，此项可以忽略不计。 ∣xi=xi0 (i=1,2,3…n)，为特性j对特性i 的灵敏度。发生单故障时，只有 不等于零，所以 

(1.4) 

代入(1.2)式可得： 

(1.5) 

令 求得： 

(1.6) 

于是可以求出结合参数i的灵敏度因子 

(1.7) 

测试前可先根据电路的额定参数计算出各灵敏度aji及各特性值的计算值yj0，测试后可以得到各特性的测量值gj,由上式可以直接求出灵敏度因子，从而确定故障发生点。 

由前面的讨论我们可以总结出采用结合判据法进行故障诊断的具体步骤如下: 

（1）先进行测试，从可及节点得到m个特性测量值。 

（2）求得结合参数xi 的灵敏度因子，即si 的最小值，作为故障诊断的判据。 

（3）在n个参数的灵敏度因子都求得之后，其中最小的灵敏度因子所对应的参数是最有可能发生了故障的参数。 

结合判据法简单易行，所需的测量数据少，但是由于各元件的参数都存在一定的容差，各特性在测量时也存在一定的误差，这些都会影响判断的真实性。另外，从前面的分析我们可以看出这种方法只适合于参数变化不大的单、软故障的定位，而不适用于多故障的定位。 

2. 迭代法 

我们在最小判据法的基础上进一步引申，找一个类似于灵敏度因子的判据，并计算使这个判据达到最小时的各个参数的值，即各个参数的实际值，然后与额定值进行比较，从而确定故障点，这样就可以用于多故障的定位。这就是迭代法的基本思路。 

与结合判据法不同的是，迭代法对所有的参数都共用一个判据。令 

(2.1) 

其中， 为特性测量值gj的方差。将yj=fj(x)在x0处按泰勒级数展开，如果 不大，可忽略高次项，得 

(2.2) 

代入式 (2.1),得： 

(2.3) 

当s达到最小值时所对应的x＝x0+ 即为各参数的估计值，如果某些元件的参数估计值超过其容差范围，则可能为故障元件。 

式 (2.3)可以写成： 

(2.4) 

其中： 

如果要求s的最小值，只需对式(2.4)求导，并令倒数为零，可得： 

(2.5) 

我们采用迭代法求解，首先设x的初值为x0,在x0处计算p,a,pa, 

然后再由式(2.5)计算出 ，由式(2.4)计算出s,完成一个迭代过程。然后令x的新值为 ,在x1处计算p,a,pa, 及s的值，如此循环下去，直到第k次满足 时为止，此时对应的xk就是所要求的参数估计值。 

由此可以看出迭代法与我们前面所讨论的结合判据相比，测量值数必须要大于或等于参数的个数，它考虑了测量误差。另外，它能够估计出各个元件的参数值，可以用于多故障诊断，但计算量大。 

3. 总结： 

本文主要介绍了模拟电路故障诊断方法中的估计法。这种方法只需要较少的测量数据，但诊断结果一般只是近似的。估计法中的大部分方法都适用于电路元件的故障定位，可用于诊断线性电路中的单个的软故障。其中很多方法还可用于多故障诊断，例如文中介绍的迭代法。 

估计法只是一种比较传统的故障诊断方法，随着人们对这一领域研究的不断深入，已经出现了一些用于非线性模拟电路以及大规模网络的故障诊断方法，例如分解网络技术，人工智能技术等。故障诊断技术与计算机技术的结合也越来越密切，利用微型计算机和微处理器可使故障诊断更加快速可靠。 

参考文献： 

故障诊断方法篇4

近年来，建筑电气系统故障诊断逐渐引起了专家学者的关注，且在国内电力系统诊断技术已经实现了广泛的应用。但是就目前的现状来看建筑行业在发展的过程中由于外界因素的影响尚未实现对电气系统故障诊断技术的应用，且仍然致力于人工检测方式，不仅浪费了大量的人力和物力，同时也在一定程度上降低了建筑电气系统检测结果的准确性。因而在科学技术不断发展的背景下，要求我国建筑行业在可持续发展过程中应强化自身对电气系统故障诊断技术的应用，以便避免不安全事故的发生，同时提高自身建筑质量。但是由于电气系统较为复杂，因而建筑行业在应用新型故障检测技术时，应整合自身条件，优化自身技术水平，最终达到最佳的诊断效果，且由此提高诊断结果的准确性［1］。

2建筑电气系统故障诊断存在的问题分析

就目前的现状来看，建筑电气系统故障诊断中存在的问题主要表现在以下几个方面:第一，目前建筑电气系统运行的稳定性仍然无法满足建筑行业故障诊断的需求，因而在此背景下，要求建筑行业的相关部门必须采取相应措施提高自身建筑电气系统运行的稳定性，且最终提高诊断结果的准确性，并由此为建筑行业诊断工作的有序展开提供有利条件;第二，由于建筑电气系统故障诊断方法的构建是在电力系统的基础上完成的，因而导致其部分算法无法满足建筑电气系统故障诊断需求，最终致使其诊断结果的准确性受到了一定影响;第三，由于外界因素的影响，建筑电气系统故障诊断方法中的专家系统方法维护方面仍然面临着一定的挑战，即在实际应用的过程中无法实现该方法的有效创新，最终导致建筑行业在开展电气系统故障诊断工作的过程中逐渐凸显出稳定性较弱等问题，并在一定程度上影响到了故障诊断结果的准确性。从以上的分析中可以看出，建筑电气系统故障诊断中仍然存在着某些不可忽视的问题，因而建筑行业在实际工作开展过程中应给予此问题高度的重视，并应对其展开有效的解决对策。

3建筑电气系统故障诊断方法

3．1基于解析模型的方法

基于解析模型的方法是建筑电气系统故障诊断方法之一，其要求相关的技术人员应在数学理论的基础上，根据建筑电气系统运行状况构建相应的解析模型，然后通过对解析模型的分析总结出故障诊断结果，进而再根据诊断结果采取相应措施，提高建筑电气系统运行的稳定性。但是在应用解析模型进行建筑电气系统故障诊断前，要求相关的技术人员首先应采取相应措施检测被诊断的设备是否具备构建模型的条件。其次，要求相关技术应利用现代化的科学手段检测出该设备未知故障的敏感性，最终通过解析模型的方式达到故障诊断的效果。但是经过大量的实践调查表明，解析模型方法的应用容易受到数学模型建构的限制，因而要求相关的技术人员在实际诊断的过程中应确保其应用的合理性。

3．2基于信号处理的方法

就目前的现状来看，建筑电气系统故障诊断方法还包括基于信号的处理方式。此种故障诊断方法被广泛应用于故障的粗略判断中，因而要求建筑行业在进行故障诊断工作的过程中应对其诊断需求进行了解，从而再选择适宜的诊断方式，满足故障诊断需求。经过大量的实践调查表明，基于信号处理的电气故障诊断方法的核心与关键在于对可测信号的利用，并通过不同的渠道获取到系统时域等特征，以此来达到故障检测的目的。该方法与解析模型方法相比其优势主要表现在诊断环节较为便捷，因而更为便于相关技术人员开展实际工作。但是由于其诊断结果缺乏一定的全面性，从而要求相关技术人员在对其进行应用的过程中一定要充分考虑到外界因素对故障诊断的影响，以便提高诊断结果的准确性。

3．3基于知识诊断的方法

基于知识诊断的方法也是电气系统故障诊断的有效途径之一，其与基于数学模型的诊断方法相比具备一定的智能性特点，即其要求相关的技术人员在利用此种方式进行电气系统故障诊断前，应采取相应措施掌握到被诊断对象的信息灵活性等，最终由此完成高效率的电气系统故障诊断行为。另外由于基于知识诊断的电气系统故障诊断方法是在专业判断的基础上完成的，因而为了确保电气系统故障诊断结果的科学性，要求专业技术人员在对电气故障系统中的问题进行判断时应根据具体的状况选择适宜的判断方式，最终合理推断出电气系统故障所在及其故障原因，并根据判断结果的分析采取相应处理对策解决系统中的故障问题。

4建筑电气系统的故障诊断技术未来发展趋势分析

随着科学技术的不断发展，我国建筑电气系统的故障诊断技术也由此迎来了新的发展机遇。其主要表现在以下几个方面:第一，在科学技术不断发展的背景下，建筑故障实验平台的搭建将逐渐实现。故障模拟实验平台是故障诊断技术发展的关键，因而相关技术人员在开展实验的过程中应根据建筑电气系统故障诊断现状合理搭建故障模拟实验平台，并在平台搭建的过程中结合住宅建筑物低压配电系统中常见的低压电气装置完成平台搭建过程，最终有效确保平台搭建的合理性，且由此实现模拟实验的目的。另外，在故障模拟实验平台搭建中应遵循相应的原则，如选用220V电源供电和15v直流变压器来控制电源等，最终形成稳定性较强的实验台主体，达到建筑电气系统故障诊断目的［2］;第二，随着社会的不断发展，传统的人工故障检测方式已经无法满足现代社会的发展需求，因而在此背景下要求我国建筑行业在发展的过程为了强化自身故障诊断结果的准确性，要求其在建筑电气系统故障诊断实验技术的开发中应实现故障诊断系统软件的研究，进而为建筑电气系统故障诊断工作的有序开展提供有利的条件。就目前的现状来看，我国部分地区已经实现了对MATLAB即为新型故障诊断系统软件的应用，此软件的应用可满足用户对控件选择的需求，同时亦可通过操作界面了解到控件的属性等相关信息，并实现对相应程序的控制，最终达到建筑电气系统故障智能诊断目的。因而在此背景下，我国青海地区在未来的发展过程中也应强化自身对新型电气系统故障诊断软件的应用，并采取相应措施强调其应用的重要性，最终由此提高自身电气系统故障诊断技术水平［3］。

5结论

故障诊断方法篇5

关键词：PLC；远程监控；故障诊断；方法

0前言

PLC远程监控系统的设计从其结构和控制要求上实现了系统工作环境、感染源种类因素分析和电源及软件抗干扰能力的优化，利用串行通讯协议实现前端机与PLC的串行通信强化了系统信息传输的安全性和精准性。近几年随着PLC远程监控的应用范围越来越广泛，如何利用故障诊断方法强化PLC远程监控系统的应用作用，为我国设备运行和使用提供技术保障成为了研究的主要侧重点，具有典型性。

1PLC远程监控

PCL远程监控中主要是利用PLC实现设备远程控制程序编写，进而实现PLC远程故障诊断，完后才能网络技术相关数据的传输和通讯，并且利用设备现场传感信息采集和数据运行来实现数据系统的信号转换和信号处理，利用数据信号的信息分析能力完成及设备的运行情况，及时完成故障的诊断处理[1]。PLC远程监控的应用领域较为广泛，近几年随着4G网络技术的逐渐发展，PLC能够有效的实现远程现场设备的终端信息采集处理，进而完成数据传输工作的数字化和可视化处理，完成设备故障的诊断和维护[2]。PLC远程监控在工业上的应用主要是以工业集成化、自动化、规模化和高效化发展为方向，完成对设备故障诊断的精确性优化。

2PLC远程监控的特诊

从特征性的角度出发对PLC远程监控系统急性分析，其主要包含系统安全可靠性、系统智能化和实时性的特征[3]。系统安全可靠性特征:PLC远程监控利用庞大的有机组合体实现了远程故障信息的集中处理和分析，进而提高了信息的可靠性，强化了设备信息系统的整体故障判定准确性，为设备的使用和维护经济损失带来了可靠性。系统智能化特征:PLC远程监控在设备监控和故障诊断的过程中根据设备的运行数据情况，实现了异常和故障的智能化判定和处理，并且能够及时的采取控制措施，以完成正常系统的智能化运行。实时性特征:PLC远程监控在其工作系统的处理和监控上能够实现监控连续性，始终对设备运行的状态实施整体监控，并且采用无间断反应传输的方式将监控的信息实时的传递给后台的工作人员，进而降低了传统反馈信息传输的延迟性和不稳定性缺陷，进一步奠定了PLC远程监控在设备运行监控中的实时性特征。

3PLC远程监控故障诊断方法分析

3.1数字模型故障诊断方法

数字模型故障诊断方法主要是利用系统的可测量运行信息和数学模型先验知识故障信号对比进行检测，其属于一种分离系统故障的诊断方法。数字模型故障诊断方法主要是包含两个故障处理阶段，残差产生和故障决策。其中残差产生主要是利用被监控系统输出和输入信信号残差反应整个系统可能出现的故障，如果无故障则残差一般为零。故障决策流程主要是当残差被检测出存在故障，利用阙值的设定以及统计决策模型的似然或序贯概率比的方式决定故障决策方案，完成数据模型故障PLC远程监控诊断。

3.2可测信号故障诊断方法

可测信号故障诊断主要是根据直接可测的输入和输出信号变化关系或变化趋势完成故障的整体诊断。可测信号故障诊断的过程中包含输入输出信号小波变化故障诊断以及数学形式表达故障诊断两个流程。第一流程中PLC远程监控系统能够利用系统暑促胡的幅值、频率、相位值等进行信号与故障源之间关系判定。第二流程数学形式表达故障诊断主要是使用批分析法、概率密度法及功率谱分析法的方式对输入和输出信号之间的波动差异性进行基础计算，完成可测信号故障运行诊断。

3.3人工智能故障诊断方法

目前PLC远程监控人工智能故障诊断主要包含故障树诊断、故障专家诊断、模糊识别诊断和模糊数学诊断四种方法。其中故障树诊断主要是利用系统或设备内特定时间及其子系统部件故障之间的逻辑结构关系图完成故障逐层次的故障树分析法。故障专家诊断主要是利用专家视觉、听觉、触觉等客观事实对系统故障进行判定。模糊识别诊断主要是采用离线分析法和在线诊断分析法对系统故障表象特征向量集进行故障模式向量函数识别。模糊数学诊断主要是利用模糊集聚类分析系统不同水平子集之间的关系，作为故障判定的成因向量，利用故障模糊合成法完成对故障的远程诊断和监控。

4总结

通过本文中对PLC远程监控及其故障诊断方法进行分析，能够看出PLC远程监控的应用具有安全可靠性、系统智能化和实时性的特征。就目前我国国内PLC远程监控故障诊断方法来看，其主要包含数字模型故障诊断方法、可测信号故障诊断方法和人工智能故障诊断方法三种类型，在其故障诊断方法构建和优化的过程中必须充分发挥网络远程监控技术的数据共享功能，加强远程监控系统故障诊断信息交流的快速性和交互性，进而为PLC远程监控系统的技术完善奠定基础。

参考文献：

[1]杨文刚.基于PLC的远程设备故障诊断方法研究[J].现代制造技术与装备,2016,05(02):82-83.

[2]周律，吴德，查亮等.基于PLC的远程设备故障诊断方法研究[J].通信电源技术,2015,09(05):29-33.

故障诊断方法篇6

    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

故障诊断方法篇7

关键词：电力电子系统，故障诊断

 

电力电子电路的实际运行表明，大多数故障表现为功率开关器件的损坏，其中以功率开关器件的开路和直通最为常见。电力电子电路故障诊断与一般的模拟电路、数字电路的故障诊断存在较大差别，由于电力电子器件过载能力小，损坏速度快，其故障信息仅存在于发生故障到停电之前数十毫秒之内，因此，需要实时监视、在线诊断；另外电力电子电路的功率已达数千千瓦，模拟电路、数字电路诊断中采用的改变输入看输出的方法不再适用，只能以输出波形来诊断电力电子电路是否有故障及有何种故障。

故障诊断的关键是提取故障的特征。故障特征是指反映故障征兆的信号经过加工处理后所得的反映设备与系统的故障种类、部位与程度的综合量。故障诊断方法按提取特征的方法的区别，可分为谱分析方法、基于动态系统数学模型的方法、采用模式识别的方法、基于神经网络的方法、专家系统的方法、小波变换的方法和利用遗传算法等。这些方法将在下文具体介绍。

1.故障诊断中的谱分析方法

在故障诊断中比较常用的信号处理方法是谱分析。。常用傅里叶谱、沃尔什谱，另外还有滤波、相关分析等。谱分析的目的：信号中包含噪声，为了提取特征；故障信号的时域波形不能清楚地反映故障的特征。而电力电子电路中包含故障信息的关键点信号通常具有周期性，因此可以用傅里叶变换将时域中的故障波形变换到频域，以突出故障特征，实现故障诊断。

傅里叶变换是将某一周期函数分解成各种频率的正弦分量，类似地，沃尔什变换是将某一函数分解成一组沃尔什函数分量。自适应滤波是一种数字信号的处理统计方法，它不需要知道信号一二阶的先验统计知识，直接利用观测资料，通过运算改变滤波器的某些参数，而使自适应滤波器的输出能自动跟踪信号特性的变化。在电力电子系统故障诊断中，可以用自适应处理来实现噪声抵消，谱线增强等功能，从噪声背景下提取故障特征，从而实现准确的诊断。

2.参数模型与故障诊断

如果系统的数学模型是已知的，就可以通过测量，估计系统的状态和参数，确定状态变量和系统参量是否变化。采用基于系统数学模型的故障诊断方法，可以从较少的测量点去估计系统的多个状态量或系统参数，从而实现故障诊断。

进一步又可以分为检测滤波器方法、状态估计法和参数辨识方法三种。

2.1检测滤波器方法

它将部件、执行机构和传感器的故障的输出方向分别固定在特定的方向或平面上。

2.2状态估计法

通过监测系统的状态变化，也能反映由系统参数变化引起的故障，并对故障进行诊断。与一般的状态估计不同，在进行故障诊断时，并不是去估计未知的状态信息，而是借助观测器或卡尔曼滤波器去重构系统的输出，以便取得系统输出的估计值。这个估计值与实际输出值之差就叫量测残差。残差中含有大量的系统内部变化的信息，因此可以作为故障诊断的依据。状态估计法的优点是在线计算量小，诊断速度快。

2.3参数辨识方法

实时辨识出系统模型的参数，与正常时模型的参数比较，确定故障。常用的有最小二乘法。

3.模式识别在故障诊断中的应用

故障的模式识别就是从那些反映系统的信息中抽取出反映故障的特征，并根据这些特征的不同属性，对故障进行分类。用模式识别方法进行故障诊断，是根据样本的数学特征来进行的，因此它不需要精确的数学模型。。对于一些被诊断对象数学模型过于复杂、不易求解的问题，模式识别方法也是适用的。另外，在对工业系统的故障诊断中应尽量利用非数学（包括物理和结构）方面的特征，设计出各种各样的特征提取器，这样将有利于利用对已有系统的知识，有利于减少计算工作量。由于特征的选择和提取与待识别的模式紧密相关，故很难有某种泛泛的规律可循。目前常用的方法有：最小距离分类法，Bayes分类法，Fisher判别法，从参数模型求特征，用K-L变换提取特征等

4.基于神经网络的故障诊断方法

利用神经网络的自学习、自归纳能力，经过一定的训练，建立起故障信号与故障分类之间的映像关系。利用学习后的神经网络，实现故障诊断。神经网络是由大量的神经元广泛互连而成的网络，这里以BP网络为例加以介绍。BP网络是单向传播的多层前向网络，它由输入层、中间层和输出层组成，中间层可有若干层，每一层的神经元只接受前一层神经元的输出。BP网络中没有反馈，同一层的节点之间没有耦合，每一层的节点只影响下一层节点的输入。

BP网络一般采取的学习算法是：网络的输出和希望的输出进行比较，然后根据两者之间的差调整网络的权值，最终使误差变为最小。当电力电子电路发生故障时，如果能够利用神经网络的学习能力，使故障波形与故障原因之间的关系通过神经网络的学习后保存在其结构和权中，然后将学习好的神经网络用于故障诊断，神经网络就可以通过对当前电压或电流波形的分析，得出故障原因，从而实现故障的在线自动诊断。

5.专家系统

由于故障诊断是从被监测和诊断的对象表征去寻找故障的成因、部位，并确定故障的严重程度的，因此，如果把由已知故障去分析系统或设备的运行特性与表征叫做正问题，那么故障诊断就是逆问题了。这种逆问题的求解明显不同于正问题的求解，而人工智能AI（ArtificialIntelligence）技术中的专家系统ES（ExpertSystem）正是解这种逆问题的有利工具。专家系统是人工智能研究的一个分支，它是通过模拟专家的经验，实现故障诊断。专家系统的结构如下表所示：一个典型的诊断专家系统通过在线监测并进行数据采集、存贮，然后传送到诊断运行中心，在这里由专家系统进行处理、分析和诊断，最后将诊断结果和处理建议自动地反馈回运行现场。因此，专家系统是诊断系统中最核心的部分。

6.小波变换的方法

在故障诊断中,突变信号往往对应着设备的某种故障，分析和识别系统中产生的各种波形信号，并判别其状态，是进行电路故障诊断中的有效方法之一。设备正常运行时发出的信号较平稳，一旦设备出现故障，就将发出具有奇异性的动态非平稳信号。为了实现设备故障的快速、准确检测，必须有效地识别故障发生瞬间的非平稳信号。信号的处理与分析是故障预测和诊断的基础，提高诊断的准确度需要信号处理和分析方法，小波变换以其对非平稳信号局部化分析，及良好的时—频定位功能的突出优点，为故障诊断提供了新的、强有力的分析手段，弥补了传统故障诊断中因为专家的经验知识很难精确描述，存在知识获取的“瓶颈”问题。。

7.遗传算法

遗传算法GA（GeneticAlgorithm）是一种新发展起来的优化算法，目前它已经成为人们用来解决高度复杂问题的一个新思路和新方法。它依据适者生存、优胜劣汰的进化规则，对包含可能解的群体进行基于遗传学的操作，不断生产新的群体并使群体不断进化，同时以全局并行搜索优化群体中的最优个体以求得满足要求的最优解。GA以其能以较大概率求得全局最优解、计算时间较少、具有较强鲁棒性等特点在电力电子故障诊断系统中也得到了应用。合理利用采集信息（即把采集信息分为三层），运用遗传算法进行分层信息故障诊断；将遗传算法应用在故障诊断专家系统的推理和自学习中，可以克服专家系统存在的推理速度慢和在先验知识很少的情况下知识获取困难的障碍，提高了专家系统的适应性。

参考文献：

[1]虞和济.故障诊断的基本原理[M].北京；冶金出版社，1989.

[2]周青龙.故障诊断与监控[M].北京；兵器工业出版社，1992.

[3]宋报维.系统可靠性设计与分析[M].西安；西北工业大学出版社，2000.

[4]蒋建国等.故障诊断学及其在电工中的应用[M].北京；科学出本社，1995.

故障诊断方法篇8

关键词：　模拟电路　故障　诊断

一、模拟电路故障

电路(系统)诞失规定功能称为故障，在模拟电路中的故障类型及原因如下：从故障性质来分有早期故障、偶然故障和损耗故障。早期故障是由设计、制造的缺陷等原因造成的、在使用初期发生的故障，早期故障率较高并随时间而迅速下降。统计表明，数字电路的早期故障率为3～10％，模拟电路的早期故障率为1～5％，晶体管的早期故障率为0.75～2％，二极管的早期故障率为0.2～1％，电容器的早期故障率为0.1～1％。

偶然故障是由偶然因素造成的、在有效使用期内发生的故障，偶然故障率较低且为常数。损耗故障是由老化、磨损、损耗、疲劳等原因造成的、在使用后期发生的故障，损耗故障率较大且随时间迅速上升。从故障发生的过程来分有软故障、硬故障和间歇故障。软故障又称渐变故障，它是由元件参量随时间和环境条件的影响缓慢变化而超出容差造成的、通过事前测试或监控可以预测的故障。硬故障又称突变故障。它是由于元件的参量突然出现很大偏差(如开路、短路)造成的、通过事前测试或监控不能预测到的故障。根据实验经验统计，硬故障约占故障率的80％，继续研究仍有实用价值。间歇故障是由老化、容差不足、接触不良等原因造成的、仅在某些特定情况下才表现出来的故障。从同时故障数及故障间的相互关系来分有单故障、多故障、独立故障和从属故障。单故障指在某一时刻故障仅涉及一个参量或一个元件，常见于运行中的设备。多故障指与几个参量或元件有关的故障，常见于刚出厂的设备。独立故障是指不是由另一个元件故障而引起的故障。从属故障是指由另一个元件故障引起的故障。

二、测前横拟法sbt

测前模拟法又称故障字典法fd(fault dictionary)或故障模拟法，其理论基础是模式识别原理，基本步骤是在电路测试之前，用计算机模拟电路在各种故障条件下的状态，建立故障字典；电路测试以后，根据测量信号和某种判决准则查字典。从而确定故障。选择测试测量点是故障字典法中最重要的部分。为了在满足隔离要求的条件下使测试点尽可能少，必须选择具有高分辨率的测试点。在大多数情况f，字典法采用查表的形式，表中元素为d…i=l，2，…，n，j=1，2，…，m，n是假设故障的数目，m是测量特性数。

故障字典法的优点是一次性计算，所需测试点少，几乎无需测后计算，因此使用灵活，特别适用于在线诊断，如在机舱、船舱使用。此法缺点是故障经验有限，存储容量大，大规模测试困难，目前主要用于单故障与硬故障的诊断。

故障字典法按建立字典所依据的特性又可分为直流法、频域法和时域法。

(一)直流故障字典法。直流故障字典法是利用电路的直流响应作为故障特征、建立故障字典的方法，其优点是对硬故障的诊断简单有效，相对比较成熟。

(二)频域法。频域法是以电路的频域响应作为故障特征、建立故障字典的方法，其优点是理论分析比较成熟，同时硬件要求比较简单，主要是正弦信号发生器、电压表和频谱分析仪。

(三)时域法。时域法是利用电路的时域响应作为故障特征而建立故障字典的方法。主要有伪噪声信号法和测试信号设计法(辅助信号法)。当故障字典建立后，就可根据电路实测结果与故障字典中存储的数据比较识别故障。

三、测后模拟法sat

测后模拟法又称为故障分析法或元件模拟法，是近年来虽活跃的研究领域，其特点是在电路测试后，根据测量信息对电路模拟，从而进行故障诊断。根据同时可诊断的故障是否受限，sat又分为任意故障诊断(或参数识别技术)及多故障诊断(或故障证实技术)。

(一)任意故障诊断。此法的原理是利用网络响应与元件参数的关系，根据响应的测量值去识别(或求解)网络元件的数值，再根据该值是否在容差范围之内来判定元件是否故障。所以此法称为参数识别技术或元件值的可解性问题，理论上这种方法能查出所有元件的故障，故又称为任意故障诊断。诊断中为了获取充分的测试信息，需要大量地测试数据。

(二)多故障诊断。经验证明，在实际应用中(高可靠电路)，任意故障的可能性很小，单故障概率最高，如果考虑一个故障出现可能导致另一相关故障，假定两个或几个元件同时发生的多故障也是合理的。另外对于模拟lsi(large scale integration，大规模集成电路)电路加工中的微调，也是以有限参数调整为对象的。因此在1979年以后，sat法的研究主要朝着更实用化的多故障诊断方向发展。即假定发生故障的元件是少数几个，通过有限的测量和计算确定故障。因该法是先假定故障范围再进行验证，所以又称为故障证实技术。

四、其他方法

(一)近似技术。近似技术着重研究在测量数有限的情况下，根据一定的判别准则，识别出最可能的故障元件，其中包括概率统计法和优化法。此法原理与故障字典法十分类似，属于测前模拟的一类。采用最小平方准则的联合判别法和迭代法，采用加权平方准则的l2近似法，采用范数最小准则的准逆法等。这些方法都属于测后模拟，由于在线计算量大，运用不多。

(二)模糊诊断。对于复杂电路，由于元件容差、电路噪声以及元件参量与特性之间的非线性，用传统的电路理论难以获得精确解和唯一解，出现了模糊现象，而这种模糊现象与随机现象不同，不便于用统计分析方法来解决。另外，对于故障诊断来说。往往不要求精确解，只要满足故障隔离要求即可，于是提出把复杂电路看作模糊系统，用模糊信息处理的方法进行故障诊断。模糊诊断的原理是模糊模式识别。测前，利用隶属度函数按照不同的准则构成判别函数；测后，再利用判别函数判别所测得的特性向量对各种故障状态的隶属度程度。为了提高诊断效率，模糊识别应该具有自学习和修正功能，最简单的方法是根据实际诊断的结果，以适当的方式、自动地修正隶属度函数或判别函数，以便不断自我完善。

故障诊断方法篇9

故障诊断的关键是提取故障的特征。故障特征是指反映故障征兆的信号经过加工处理后所得的反映设备与系统的故障种类、部位与程度的综合量。故障诊断方法按提取特征的方法的区别，可分为谱分析方法、基于动态系统数学模型的方法、采用模式识别的方法、基于神经网络的方法、专家系统的方法、小波变换的方法和利用遗传算法等。这些方法将在下文具体介绍。

一、故障诊断中的谱分析方法

在故障诊断中比较常用的信号处理方法是谱分析。常用傅里叶谱、沃尔什谱，另外还有滤波、相关分析等。谱分析的目的：信号中包含噪声，为了提取特征；故障信号的时域波形不能清楚地反映故障的特征。而电力电子电路中包含故障信息的关键点信号通常具有周期性，因此可以用傅里叶变换将时域中的故障波形变换到频域，以突出故障特征，实现故障诊断。

傅里叶变换是将某一周期函数分解成各种频率的正弦分量，类似地，沃尔什变换是将某一函数分解成一组沃尔什函数分量。自适应滤波是一种数字信号的处理统计方法，它不需要知道信号一二阶的先验统计知识，直接利用观测资料，通过运算改变滤波器的某些参数，而使自适应滤波器的输出能自动跟踪信号特性的变化。在电力电子系统故障诊断中，可以用自适应处理来实现噪声抵消，谱线增强等功能，从噪声背景下提取故障特征，从而实现准确的诊断。

二、参数模型与故障诊断

如果系统的数学模型是已知的，就可以通过测量，估计系统的状态和参数，确定状态变量和系统参量是否变化。采用基于系统数学模型的故障诊断方法，可以从较少的测量点去估计系统的多个状态量或系统参数，从而实现故障诊断。

进一步又可以分为检测滤波器方法、状态估计法和参数辨识方法三种。

1、检测滤波器方法

它将部件、执行机构和传感器的故障的输出方向分别固定在特定的方向或平面上。

2、状态估计法

通过监测系统的状态变化，也能反映由系统参数变化引起的故障，并对故障进行诊断。与一般的状态估计不同，在进行故障诊断时，并不是去估计未知的状态信息，而是借助观测器或卡尔曼滤波器去重构系统的输出，以便取得系统输出的估计值。这个估计值与实际输出值之差就叫量测残差。残差中含有大量的系统内部变化的信息，因此可以作为故障诊断的依据。状态估计法的优点是在线计算量小，诊断速度快。

3、参数辨识方法

实时辨识出系统模型的参数，与正常时模型的参数比较，确定故障。常用的有最小二乘法。

三、模式识别在故障诊断中的应用

故障的模式识别就是从那些反映系统的信息中抽取出反映故障的特征，并根据这些特征的不同属性，对故障进行分类。用模式识别方法进行故障诊断，是根据样本的数学特征来进行的，因此它不需要精确的数学模型。对于一些被诊断对象数学模型过于复杂、不易求解的问题，模式识别方法也是适用的。另外，在对工业系统的故障诊断中应尽量利用非数学（包括物理和结构）方面的特征，设计出各种各样的特征提取器，这样将有利于利用对已有系统的知识，有利于减少计算工作量。由于特征的选择和提取与待识别的模式紧密相关，故很难有某种泛泛的规律可循。目前常用的方法有：最小距离分类法，Bayes分类法，Fisher判别法，从参数模型求特征，用K-L变换提取特征等转贴于 四、基于神经网络的故障诊断方法

利用神经网络的自学习、自归纳能力，经过一定的训练，建立起故障信号与故障分类之间的映像关系。利用学习后的神经网络，实现故障诊断。神经网络是由大量的神经元广泛互连而成的网络，这里以BP网络为例加以介绍。BP网络是单向传播的多层前向网络，它由输入层、中间层和输出层组成，中间层可有若干层，每一层的神经元只接受前一层神经元的输出。BP网络中没有反馈，同一层的节点之间没有耦合，每一层的节点只影响下一层节点的输入。

BP网络一般采取的学习算法是：网络的输出和希望的输出进行比较，然后根据两者之间的差调整网络的权值，最终使误差变为最小。当电力电子电路发生故障时，如果能够利用神经网络的学习能力，使故障波形与故障原因之间的关系通过神经网络的学习后保存在其结构和权中，然后将学习好的神经网络用于故障诊断，神经网络就可以通过对当前电压或电流波形的分析，得出故障原因，从而实现故障的在线自动诊断。

五、专家系统

由于故障诊断是从被监测和诊断的对象表征去寻找故障的成因、部位，并确定故障的严重程度的，因此，如果把由已知故障去分析系统或设备的运行特性与表征叫做正问题，那么故障诊断就是逆问题了。这种逆问题的求解明显不同于正问题的求解，而人工智能AI（Artificial Intelligence）技术中的专家系统ES（Expert System）正是解这种逆问题的有利工具。专家系统是人工智能研究的一个分支，它是通过模拟专家的经验，实现故障诊断。专家系统的结构如下表所示：一个典型的诊断专家系统通过在线监测并进行数据采集、存贮，然后传送到诊断运行中心，在这里由专家系统进行处理、分析和诊断，最后将诊断结果和处理建议自动地反馈回运行现场。因此，专家系统是诊断系统中最核心的部分。本文后面将介绍作者在实际中应用专家系统方法进行故障诊断的实例。

六、小波变换的方法

在故障诊断中，突变信号往往对应着设备的某种故障，分析和识别系统中产生的各种波形信号，并判别其状态，是进行电路故障诊断中的有效方法之一。设备正常运行时发出的信号较平稳，一旦设备出现故障，就将发出具有奇异性的动态非平稳信号。为了实现设备故障的快速、准确检测，必须有效地识别故障发生瞬间的非平稳信号。信号的处理与分析是故障预测和诊断的基础，提高诊断的准确度需要信号处理和分析方法，小波变换以其对非平稳信号局部化分析，及良好的时—频定位功能的突出优点，为故障诊断提供了新的、强有力的分析手段，弥补了传统故障诊断中因为专家的经验知识很难精确描述，存在知识获取的“瓶颈”问题。

故障诊断方法篇10

【关键词】 数控机床 故障诊断 方法 步骤

虽然目前我国数控机床的种类和系统型号较多，所产生的故障原因也比较复杂，但对于常见故障，通常可按如下方法和步骤进行处理。

一、故障诊断的方法

1、直观检查法

维修人员充分利用自身的感觉器官，注意发生故障时的各种现象，如各个单元线路有没有烧毁、开裂、保险熔断等现象，用手触摸并轻摇元器件有无松动现象，以此来查找故障点，这是一种最基本、最常用的方法。

2、自身诊断法

现代数控系统自身诊断可分为两类：（1）启动诊断：它是指从每次通电开始到进人正常的运行准备状态为止，系统的内部诊断程序自动执行诊断，它可以对CPU、存储器、总线、I/O单元等模块或印刷线路板以及CTR单元、阅读机、软盘驱动等设备进行运行前的功能测试，确认系统的主要部分是否可以正常工作，启动诊断的目的在于使系统故障在没有造成危害之前就被发现，以便及时排险。（2）在线诊断：它是指将诊断程序作为主程序的一部分，在系统不停电，在线诊断一直进行监控，一旦发现异常，立即报警。甚至可以对故障进行分类并决定是否停机。

3、报警显示法

数控机床的系统内部，除了自身诊断功能和状态显示的“软件”报警外，还配有许多“硬件”报警指示灯，它们分布在电源、伺服系统和输入、输出等装置上，根据这些报警指示可判断故障的原因。

4、现场分析法

对于非破坏性的故障，必要时维修人员可让操作人员再现故障现象，会同机、电、液等技术人员一起诊断共同分析，有助于故障得到尽快排除。

5、备件诊断法

当系统出现故障时，经过检测和判断在某一板级或部分线路甚至元件级中，可利用备件板、备件线及备用元件替代，找出故障所在。这在现场维修中是简便易行的常用手段。

6、参数检查法

可根据系统内所存储的参数是否变化或丢失来判断故障，通常这是一种软故障。

7、用可编程序进行PLC中断状态分析法

可编程序控制器发生故障时其中原因以中断栈和块堆栈，按其所指示的原因，查明故障之所在。这是检修PLC可编程控制器最常用有效和快捷的方法。

8、接口信号法

由于数控机床的各个控制部分大都采用I/O接口来互相控制的，利用接口信号进行诊断确定故障点，其诊断步骤是：故障报警—故障现象分析—确定故障范围—采用接VI信号法—逻辑分析祛卜一确定故障出点—排除故障。

9、测量比较法

为检测方便，模块或单元上设有检测端子，利用万用表、示波器等仪器仪表，通过这些端子检测电平或波形，将正常值与故障时的值相比较，可以分析出故障的原因及故障的部位，从而排除故障。

对上述故障方法有时要几种方法同时应用，进行故障综合分析，快速诊断出故障的部位，从而排除故障。

二、故障诊断的一般步骤

当数控机床发生故障时，要沉着冷静，根据故障情况进行全面分析，确定查找故障源的方法和手段，然后有计划、有目的地一步步仔细检查，故障诊断一般按下列步骤进行。

1、检查

当机床发生故障时，往往从以下几个方面进行检查：

（1）检查机床的运行状态

机床故障时的运行方式，MDI/CRT显示的内容，各报警状态指示的信息，故障发生时各坐标轴的定位误差，刀具轨迹是否正常，辅助功能的运行状态等。

（2）检查加工程序及操作情况

故障出现在程序的什么位置，与换刀是否有关，故障与操作人员的技术水平之间的关系。

（3）检查外部因素

输入电压是否有波动，系统附近是否有使用大电流的装置，系统周围温度的高低，是否有振动源引起系统振动，机床周围有无干扰源等。

（4）检查故障的出现率和重复性

故障发生的时间和次数，加工同类工件故障出现的概率，将出现故障的程序段重复执行多次，观察故障的重复性。

（5）检查机床状况

机床是否调整好，刀具状况是否正常，切削加工中有无振动产生，间隙补偿是否合适，电缆是否有破裂和损伤，运行过程中是否改变工作方式，方式选择开关是否正确，机床是否处于锁住状态，刀库是否处于修调方式等。

（6）检查接口情况

电源线和系统内部电缆是否分开安装，屏蔽线接线是否正确，继电器、接触器的线圈和电动机等处是否加装有噪声抑制器等。

2、分析排除

根据故障现象仔细分析，弄清与故障有关的各种因素，确定故障源查找的方向和手段。在检测排除故障中还应掌握以下一些原则：

（1）先外部后内部数控机床是机械、液压、电气一体化的机床，故其故障的发生必然要从机械、液压、电气这三者综合反映出来。故障发生后，维修人员应由外（如外部的行程开关，液压气动元件，印制线路板插头座，环境温度、湿度，油污或粉尘，机械振动等等）向内逐一进行检查，尽量避免不必要的拆卸，防止扩大故障，使机床丧失精度，降低性能。

（2）先机械后电气数控机床的故障中有很大部分是由机械动作失灵引起的，通常机械故障较易查出，而数控系统故障的诊断则难度要大些。先机械后电气就是在数控机床的检修中，先从排除机械故障入手，先检查机械部分是否正常，行程开关是否灵活，气动、液压部分是否正常等。

（3）先简单后复杂当出现多种故障并发、交叉时，应先解决容易的问题，后解决难度较大的问题。常常在解决简单故障的过程中，难度大的问题也可能变得容易，或者在排除简易故障时受到启发，对复杂故障的认识更为清晰，从而也有人解决办法。