故障处理论文十篇

故障处理论文篇1

论文摘要：现针对电机出现故障各种现象和相应对策做一分析和研究。 论文关键词：电动机；故障；维护；检修 0 引言 运作中的电动机要严格按照国家相关质量标准进行检查以确保电动机的正常使用，运作的电动机与被拖动的设备位置要恰当，保证运行的稳定性，不能有晃动，保证通风性能良好。有些电动机因为各种原因需要经常的挪动，搬运等，对于这种电动机要加强日常的维护和检查，保证电动机运转的稳定性。 1 电动机电气常见故障的分析和处理 1.1 电动机接通电源起动，电动机不转但有嗡嗡声音 可能原因：①由于电源的接通问题，造成单相运转；②电动机的运载量超载；③被拖动机械卡住；④绕线式电动机转子回路开路成断线；⑤定子内部首端位置接错，或有断线、短路。处理方法：第一种情况需检查电源线，主要检查电动机的接线与熔断器，是否有线路损坏现象；第二种情况将电机卸载后空载或半载起动；第三种情况估计是由于被拖动器械的故障，卸载被拖动器械，从被拖动器械上找故障；第四种情况检查电刷，滑环和起动电阻各个接触器的接合情况；第五种情况需重新判定三相的首尾端，并检查三相绕组是否有断线和短路。 1.2 电动机启动后发热超过温升标准或冒烟 可能原因：①电源电压达不到标准，电动机在额定负载下升温过快；②电动机运转环境的影响，如湿度高等原因；③电动机过载或单相运行；④电动机启动故障，正反转过多。处理方法：第一种情况调整电动机电网电压；第二种情况检查风扇运行情况，加强对环境的检查，保证环境的适宜；第三种情况检查电动机启动电流，发现问题及时处理；第四种情况减少电动机正反转的次数，及时更换适应正反转的电动机。 1.3 绝缘电阻低 可能原因：①电动机内部进水，受潮；②绕组上有杂物，粉尘影响；③电动机内部绕组老化。处理方法：第一种情况电动机内部烘干处理；第二种情况处理电动机内部杂物；第三种情况需检查并恢复引出线绝缘或更换接线盒绝缘线板；第四种情况及时检查绕组老化情况，及时更换绕组。 1.4 电动机外壳带电 可能原因：①电动机引出线的绝缘或接线盒绝缘线板；②绕组端盖接触电动机机壳；③电动机接地问题。处理方法：第一种情况恢复电动机引出线的绝缘或更换接线盒绝缘板；第二种情况如卸下端盖后接地现象即消失，可在绕组端部加绝缘后再装端盖；第四种情况按规定重新接地。 1.5 电动机运行时声音不正常 可能原因：①电动机内部连接错误，造成接地或短路，电流不稳引起噪音；②电动机内部抽成年久失修，或内部有杂物。处理方法：第一种情况需打开进行全面检查；第二种情况可以处理抽成杂物或更换为轴承室的1/2-1/3。 1.6 电动机振动 可能原因：①电动机安装的地面不平；②电动机内部转子不稳定；③皮带轮或联轴器不平衡；④内部转头的弯曲；⑤电动机风扇问题。处理方法：第一种需将电动机安装平稳底座，保证平衡性；第二种情况需校对转子平衡；第三种情况需进行皮带轮或联轴器校平衡；第四种情况需校直转轴，将皮带轮找正后镶套重车；第五种情况对风扇校静。 2 电动机机械常见故障的分析和处理 2.1 定、转子铁芯故障检修 定、转子都是由相互绝缘的硅钢片叠成，是电动机的磁路部分。定、转子铁芯的故障原因主要有以下几点。①轴承使用时间久，过度的磨损，造成定、转子相擦，使铁芯表面损伤，进而造成硅钢片间短路，电动机铁损增加，使电动机温升过高，这时应用细锉等工具去除毛刺，消除硅钢片短接，清除干净后涂上绝缘漆，并加热烘干。②拆除旧绕组时用力过大，使倒槽歪斜向外张开。此时应用小嘴钳、木榔头等工具予以修整，使齿槽复位，并在不好复位的有缝隙的硅钢

故障处理论文篇2

关键词：机械密封；故障处理；原因分析

机械密封在旋转设备上的应用非常广泛，机械密封的密封效果将直接影响整机的运行，严重的还将出现重大安全事故。

从机械密封的内外部条件的角度分析了影响密封效果的几种因素和应采取的合理措施。

一、机械密封的原理及要求

机械密封又叫端面密封，它是一种旋转机械的轴封装置，指由至少一对垂直于旋转轴线的的端面在液体压力和补偿机构弹力(或磁力)的作用以及辅助密封的配合下保持贴合并相对滑动而构成的防止流体泄漏的装置。它的主要功用将易泄漏的轴向密封改变为较难泄漏的端面密封。它广泛应用于泵、釜、压缩机及其他类似设备的旋转轴的密封。

机械密封通常由动环、静环、压紧元件和密封元件组成。其中动环随泵轴一起旋转，动环和静环紧密贴合组成密封面，以防止介质泄漏。动环靠密封室中液体的压力使其端面压紧在静环端面上，并在两环端面上产生适当的比压和保持一层极薄的液体膜而达到密封的目的。压紧元件产生压力，可使泵在不运转状态下，也保持端面贴合，保证密封介质不外漏，并防止杂质进入密封端面。密封元件起密封动环与轴的间隙、静环与压盖的间隙的作用，同时弹性元件对泵的振动、冲击起缓冲作用。机械密封在实际运行中是与泵的其它零部件一起组合起来运行的，机械密封的正常运行与它的自身性能、外部条件都有很大的关系。但是我们要首先保证自身的零件性能、辅助密封装置和安装的技术要求，使机械密封发挥它应有的作用。

二、机械密封的故障表现及原因

2.1机械密封的零件的故障旋转设备在运行当中，密封端面经常会出现磨损、热裂、变形、破损等情况，弹簧用久了也会松弛、断裂和腐蚀。辅助密封圈也会出现裂口、扭曲和变形、破裂等情况。

2.2机械密封振动、发热故障原因

设备旋转过程中，会使动静环贴合端面粗糙，动静环与密封腔的间隙太小，由于振摆引起碰撞从而引起振动。有时由于密封端面耐腐蚀和耐温性能不良，或是冷却不足或端面在安装时夹有颗粒杂质，也会引起机械密封的振动和发热。

2.3机械密封介质泄漏的故障原因

（1）静压试验时泄漏。机械密封在安装时由于不细心，往往会使密封端面被碰伤、变形、损坏，清理不净、夹有颗粒状杂质，或是由于定位螺钉松动、压盖没有压紧，机器、设备精度不够，使密封面没有完全贴合，都会造成介质泄漏。如果是轴套漏，则是轴套密封圈装配时未被压紧或压缩量不够或损坏。（2）周期性或阵发性泄漏。机械密封的转子组件周期性振动、轴向窜动量太大，都会造成泄漏。机械密封的密封面要有一定的比压，这样才能起到密封作用，这就要求机械密封的弹簧要有一定的压缩量，给密封端面一个推力，旋转起来使密封面产生密封所要求的比压。为了保证这一个比压，机械密封要求泵轴不能有太大的窜量，一般要保证在0.25mm以内。但在实际设计当中，由于设计的不合理，往往泵轴产生很大的窜量，对机械密封的使用是非常不利的。（3）机械密封的经常性泄漏。机械密封经常性泄漏的原因有很多方面。第一方面，由于密封端面缺陷引起的经常性泄漏。第二方面，是辅助密封圈引起的经常性泄漏。第三方面，是弹簧缺陷引起的泄漏。其他方面，还包括转子振动引起的泄漏，传动、紧定和止推零件质量不好或松动引起泄漏，机械密封辅助机构引起的泄漏，由于介质的问题引起的经常性泄漏等。（4）机械密封振动偏大。机械密封振动偏大，最终导致失去密封效果。但机械密封振动偏大的原因往往不仅仅是机械密封本身的原因，泵的其它零部件也是产生振动的根源，如泵轴设计不合理、加工的原因、轴承精度不够、联轴器的平行度差、径向力大等原因。

三、处理故障采取的措施

如果机械密封的零件出现故障，就需要更换零件或是提高零件的机械加工精度，提高机械密封本身的加工精度和泵体其他部件的加工精度对机械密封的效果非常有利。为了提高密封效果，对动静环的摩擦面的光洁度和不平度要求较高。动静环的摩擦面的宽度不大，一般在2～7毫米之间。

3.1机械密封振动、发热的处理

如果是动静环与密封腔的间隙太小，就要增大密封腔内径或减小转动外径，至少保证0.75mm的间隙。如果是摩擦副配对不当，就要更改动静环材料，使其耐温，耐腐蚀。这样就会减少机械密封的振动和发热。

3.2机械密封泄漏的处理

机械密封的泄漏是由于多种原因引起，我们要具体问题具体处理。为了最大限度的减少泄漏量，安装机械密封时一定要严格按照技术要求进行装配，同时还要注意以下事项。

（1）装配要干净光洁。机械密封的零部件、工器具、油、揩拭材料要十分干净。动静环的密封端面要用柔软的纱布揩拭。（2）修整倒角倒圆。轴、密封端盖等倒角要修整光滑，轴和端盖的有关圆角要砂光擦亮。（3）装配辅助密封圈时，橡胶辅助密封圈不能用汽油、煤油浸泡洗涤，以免胀大变形，过早老化。动静环组装完后，用手按动补偿环，检查是否到位，是否灵活;弹性开口环是否定位可靠。动环安装后，必须保证它在轴上轴向移动灵活。

3.3泵轴窜量大的处理

合理地设计轴向力的平衡装置，消除轴向窜量。为了满足这一要求，对于多级离心泵，设计方案是:平衡盘加轴向止推轴承，由平衡盘平衡轴向力，由轴向止推轴承对泵轴进行轴向限位。

3.4增加辅助冲洗系统

密封腔中密封介质含有颗粒、杂质，必须进行冲洗，否则会因结晶的析出，颗粒、杂质的沉积，使机械密封的弹簧失灵，如果颗粒进入摩擦副，会导致机械密封的迅速破坏。因此机械密封的辅助冲洗系统是非常重要的，它可以有效地保护密封面，起到冷却、、冲走杂物等作用。

3.5泵振动的处理措施

故障处理论文篇3

关键词：系统；故障诊断；算法

作者简介：王芳（1974-），女，浙江诸暨人，浙江省绍兴电力局，工程师。（浙江 绍兴 312000）

中图分类号：TM73 文献标识码：A 文章编号：1007-0079（2013）33-0239-02

一套完整的监控（监控和数据采集，SCADA）系统与警报讯号处理（报警处理）系统，将有助于提升调度人员处理事故的能力，能够根据系统的情况明确指示引起异常之原因，提供必要的解决措施。近年来，人工智慧（人工智能）方法已被广泛应用于电力工程领域，国内外对于故障区域估测（故障区段估计），变压器故障诊断（变压器故障诊断），警报处理（报警处理）及谐波侦测（谐波检测）等领域所提方法，大致可归纳为下列几种。

一、专家系统

专家系统的创始人费根鲍姆认为：专家系统是一套智能化软件系统，利用理论及推理步骤来完成以前只有行业专家方能解决的复杂问题。专家系统建立的主要目标是利用具有特定领域问题解决能力的专家系统，为非专家解决现场复杂的问题提供支持和帮助。人工智能是专家系统中最活跃同时也是成果最丰富的一个研究领域。

专家系统在输电和配电网络故障诊断中的典型应用是以生产规则为基础的系统，即保护断路器操作人员的行动逻辑和诊断经验排除这一可能性，形成故障诊断专家系统知识库，进一步在信息知识基础上根据报警进行故障排除的结论的推理。

实际应用中，如美国电力公司依赖与得克萨斯州农工大学共同开发的电源系统管理专家系统（雷莱恩专家系统）、数字故障录波（DFR）这个专家系统，根据DFR数据故障诊断扰动。 DFR可以记录在系统故障期间的系统参数，如雷电和操作冲击电压突然上升或骤降、供电中断、过电压、欠电压、谐波和瞬态等引起的故障参数。

传统的方法是失败的DFR开始自动记录并存储相关数据，保护工作进行离线分析，以评估该系统的保护作用。雷莱恩专家系统可以免除上述过程，分析故障录波数据和自动提取撰写报告，然后通过传真或E-mail发送到系统的时间表或相关人员。

虽然专家系统可以有效地模拟专家完成故障排除，但在实践中仍存在一些不足之处，主要问题是知识获取的瓶颈问题，知识是难以维持的，并不能有效解决众多不明朗因素的故障诊断，这些问题极大地影响了故障诊断的准确性。[1]

二、模糊逻辑（模糊逻辑）

模糊集合观念常用于处理因语言及智识上产生不明确性特质的事物上，模糊集合论可视为明确集合论的延伸，弥补二值逻辑（非0即1）无法对不明确边界事物描述的缺点，经归属函数来表示集合元素对该集合的隶属程度，然后由模糊规则库推论其结果。此法必须先从问题描述来定义归属函数，亦需设计出严谨有效的推论规则。多应用于警报讯号处理、变压器故障诊断。

三、遗传算法的基因演算法（GA）

基因遗传演算法是一种模拟人类基因演化的模型，在这种模型中，问题的解答被巧妙地安排成一串数值，模拟基因中的一串染色体，大量的基因经过演化、突变与等运算不停地产生新的基因，且淘汰不良的基因，最后演化出问题的最佳解答。多应用于电力系统故障诊断、主动式滤波器规划。[2]

四、搜寻法（禁忌搜索TS）

搜寻法为求得整体最佳解，主要特色系利用来控制求解过程。多应用于警报讯号处理。

五、决策树搜寻法（决策树搜索）

将欲达成的策略以决策树型式表示，再应用搜寻技巧寻找适当的策略。多应用于故障诊断。

六、因果网路（因果网络，CEN）

因果网路具有平行处理的推论能力，主要特色系使用并行处理的推论机制，可得到快速的推论结果。多应用于故障诊断。

七、神经网络

神经网络具备高度神经计算能力和极强的自适应性、鲁棒性和容错性。用神经网络处理问题只需要进行简单的非线性函数的数次复合，不需要建立任何物理模型和人工干预，具有自组织、自学习能力，能映射高度非线性的输入输出关系，重新观察现象之后判断输出。神经网络法在故障诊断中得到高度重视和广泛应用，它在处理不确定性问题时具有独特的优势。人工神经网络广泛用于选线、故障判断、暂态保护等，速度快、准确度高，并且不受制于系统的运行模式、互感器饱和、故障类型等因素。用来进行保护无线通讯，可以对故障高频信号进行提取，具有很好的仿真效果；还在雷电信号、开关信号和故障行波的识别中有着广泛的应用。

神经网络方法虽然有利于克服专家系统获取信息的瓶颈、维护信息库困难等众多问题，但其在处理启发性知识方面有着局限性。且因为ANN技术本身的缺陷，其学习速度不快，需要长时间的训练，解释能力弱，进而对神经网络实用化产生了影响。并且怎样设计与大型输电网络相适应的ANN故障诊断系统，还是一个需要持续研究的课题。

类神经网络的性质具有大量平行处理能力、学习及记忆功能，应用的领域相当广泛，可藉由不同的网络结构及学习演算法相结合，以适用于解决特殊的问题、如文字辨识，语音辨识、影像压缩、预测及诊断等。应用前必须慎选适用的领域。多应用于故障诊断、警报讯号处理、变压器故障诊断、谐波侦测。[3]

八、基于柔性SCADA的电网复杂故障诊断方法

电网故障分为简单和复杂的故障，而绝大多数是简单故障。对于简单的故障诊断方法，只使用第一层的推理，从而避免了使用保护、防护等级和其他二级报警信息的类型，降低了模型的复杂性，提高推理的速度，有利于故障在线诊断应用。对于复杂的故障，使用Petri网推理模型，并引入WAMS数据核实诊断结果，以提高诊断结果的准确性。给出网格基础上灵活的SCADA复杂故障诊断系统的设计：

（1）利用灵活的SCADA报警信息，实现了分层分级传输和利用，以避免电网故障的交互功能、报警信息丢失导致拥塞故障排除错误。推理采用分层结构，第一层采用专家系统推理，第二层使用Petri网模型的推理。

（2）对于报警信息不完全正确的现象，提出了应用组件的配置时间Petri网保护的报警信息纠错处理的方法来提高容错。参考WAMS数据、报警信息和故障诊断纠错处理结果验证结果的方法，以提高故障诊断的可靠性。[4]

九、计及信息畸变影响的电网故障诊断分级优化方法

目前的电力系统故障诊断领域一直在进行更深入的研究。基于优化算法的故障诊断方法，因为推理简单而搜索快速，被广泛应用。

在优化算法的基础上，分析基于相似的故障诊断方法可以概括为覆盖的诊断方法和诊断方法。当保护或断路器不正常运行和警报信息是扭曲的，诊断的相似性可能被漏诊、误诊。为了提高故障诊断的准确性，其结合了两种类型诊断方法的故障诊断建议分类优化方法的特点。此方法诊断相似的保护信息和一个诊断结果，通过简单的操作分析不同类型的可疑故障组件的失效概率。对于现有的方法造成报警状态计算密集型优化问题的特征向量、状态向量构造自适应功能的报警方法。建立各类变量模型中的简单方案，以进一步推进快速诊断故障区域的研究。

十、复合方法

结合两种不同的人工智慧方法，选取各个方法的优点再将其结合，主要目的是增加其适用范围及提高诊断准确度，如结合CEN和模糊理论，以CEN判断故障区域后再由模糊逻辑推论出故障类型，使得诊断工具的适用范围扩大。诊断流程采用人工神经网络与EPS同时平行运作，在相互结合下拥有较高的诊断精确度；结合小波理论和ANN用于变压器故障诊断经济调度及暂态干扰事件侦测。[5]

十一、总结和展望

本文对几种广泛应用的电力故障诊断方法进行了详细的阐述，然而随着电力的发展和环境的变化，新故障不断出现，其给现有的诊断方法带来了挑战。因此，为了应对不断出现的故障，灵活综合各种基本方法来进行诊断成为电力系统故障诊断技术的发展趋势。

为了维持电力供应安全性及可靠性，自动化故障侦测技术将有助于迅速推测出故障可能发生的位置，在供电品质提升的需求下，变压器的维护与检修更为重要，对于运转中的变压器若有一套监视与诊断预警技术，将可发现变压器内部潜在的异常状况，及早进行修复以避免事故进一步扩大。电力品质亦是当前电力公司与工业界共同重视的课题，若有一套电力品质干扰事件侦测系统，将可辅助电力品质工程师形成有效的辨识及采取有效的改善策略。本文主要目的即建立一套辅侦测工具，包括故障区域侦测、警报讯号处理、变压器故障诊断及电力品质侦测，期望可在不用增加任何设备的情况下纳入既有的监控系统。

参考文献：

[1]郑文盛.故障诊断专家系统在船舶电力系统故障诊断中的应用[J].中国水运，2010，（4）：88-89.

[2]吕雪峰.基于遗传算法的电力系统故障诊断[D].大庆：大庆石油学院，2006.

[3]邵晓非，宁媛，刘耀文，张慧莹.电力系统故障诊断方法综述与展望[J].工业控制计算机，2012，（12）：4-5，7.

故障处理论文篇4

关键词：故障诊断；故障识别；小波分析；熵理论

作者简介：杨朝兵（1982-），男，河北邢台人，国网河北省电力公司邢台供电分公司，工程师；付学文（1983-），男，河北邢台人，国网河北省电力公司邢台供电分公司。（河北 邢台 054001）

中图分类号：TM7 文献标识码：A 文章编号：1007-0079（2014）06-0238-03

近年来，随着社会对电力需求的日益增加，电网呈现出高电压、远距离、大容量的发展趋势，高压输电线路特别是超高压输电线路在电力网中所占的地位也越来越重要。超高压输电线路既担负着传送大功率的任务，还作为联合电力系统运行的联络线使用，其运行可靠性影响着整个电力系统的供电可靠性。[1-2]由于高压输电线路工作环境恶劣，故障时极难查找，在电力系统中又是发生故障最多的地方，随着现代大电网的结构和运行方式复杂多变，故障类型越来越复杂，对保护的要求也越来越高。因此，准确而迅速地排除故障不仅满足继电保护的速动性，缩短系统恢复供电时间，而且还能提高电力系统的稳定性，降低运行成本。而准确区分故障相是高压输电线路保护的重要前提，所以探索新的故障选相原理和方法、提高继电保护的性能是超高输电线路故障检测中的一个重要课题。

一、背景和意义

当输电线路发生故障的初始瞬间，通常都有一个既包含直流分量又包含高频暂态分量的暂态故障信号，其所包含的信息是继电保护动作的依据，所以需要先对采样的故障信号进行处理以便获得有意义的特征量。但高压输电线路的距离比较长，输电线路之间存在互感耦合，只有在故障发生的初始瞬间故障信号不容易识别等特点；而电力系统本身又是一个容易受环境干扰的动态系统，因此要准确地对故障进行检测与分类，并防止故障进一步发生是非常困难的。所以借助现代各种数字信号处理工具和方法准确地对故障信息的特征进行提取与分类就显得十分必要，特别是近年来基于暂态量原理的保护更需要快速、可靠的故障类型识别元件。[2-4]

随着小波分析技术的引入，电力系统暂态信号特征量提取及分类技术得到了迅速发展。但是，由于小波变换结果中包含了大量的分解信息和数据，通常的检测方法都少不了对特定工况的假设或对特征提取的人工干预。而分类方法中，由于小波分解信息量比较大，使得一些智能判别系统（如模糊理论与神经网络等）变得比较庞大。因此对于小波分析还需研究合适的信息提取方法，给新型继电保护原理、系统故障判断与预测提供有效的依据。这些信息提取方法中最有效的是提供一个或系列描述系统的普适量，用这些普适量来检测、分类电力系统的故障。[4]

信息熵是对系统不确定性程度的一种描述，若把一个信源当做物质系统，可能输出的消息越多，信源的随机性越大，越紊乱，熵值也越大，所以信息熵可以被看做是系统紊乱程度的量度。[5-7]小波分析和熵理论相结合，在生物医学领域和机械故障诊断领域已经得了很好的应用。[8-9]它结合了小波变换多分辨分析的特点和信息熵对信息具有较强的表征能力的优点，成功地分析了各种突变信号。所以，在暂态信号特征提取方面表现出独特优点的小波熵，在电力系统故障检测与分析中具有很好的应用前景。本文给出了小波包能量熵的定义及其应用领域，旨在探讨小波包能量熵在输电线路故障检测中应用的可能性，对于小波包能量熵在电力系统暂态信号分析中的应用研究具有重要意义。

二、故障类型识别的研究现状

传统的故障选相元件主要采用突变量与稳态量相结合，以工频量为基础。在多数情况下这些选相元件对于简单故障能正确地选择故障相，但其选相速度不够快，且易受系统的运行方式及故障接地电阻的影响，结果往往不理想。因此，新型快速的故障选相方法成为众多学者研究的方向。[10]

新型的故障选相方法主要有：基于行波故障的选相元件和基于故障暂态量的选相元件。基于行波的选相元件[11-14]主要是利用故障时信号的行波波头所包含的信息进行故障选相。虽然基于行波的选相元件能在故障发生的第一时间捕获故障信息，与传统的选相方法相比具有灵敏度高、识别率好等优点，且对波头进行处理的方法也有很多。但基于行波的故障选相方法存在一些缺点，如初始行波受初始角、反射波、故障电弧等因素的影响。基于行波的选相元件由于计算量大，对处理器的运算能力要求也比较高，费用相对也就比较高，在嵌入式系统中难以做到实时性，这使得基于行波的故障选相方法具有很大局限性。

基于故障暂态量的选相[15-16]是利用输电线路发生故障时所产生的故障暂态信号实现故障选相，故障暂态信号与线路参数、故障情况等有关，不受系统运行方式、过渡电阻、电流互感器饱和、系统振荡、长线分布电容等的影响。近年来又随着硬件条件的实现和小波变换等信号处理工具的发展，使得大量、准确、实时地获取故障时产生的暂态电压和电流信号，并使对其作进一步的处理成为现实。这些丰富的故障暂态信号蕴涵了大量的故障特征信息，其频率成分贯穿于整个频谱中，如果能充分利用这些信息就能快速地对故障相作出判断。因此，基于故障暂态量的选相方法具有很大的发展前景，使得越来越多的学者从事电力系统暂态信号的研究。

目前用于电力系统故障类型识别的方法有很多，如小波分析、神经网络和模糊理论等智能算法、数学形态学等。

1.小波分析

文献[15]利用小波对暂态电流的模分量进行分析，并通过比较各相暂态电流的能量和各模分量的大小进行故障相判断。文献[16]利用小波提取故障暂态电流信号的特征，通过计算提取的信号特征沿尺度分布的权重得到暂态电流信号的小波熵权，进而构造故障选相判据。文献[17]对线路两端模量方向行波之差进行小波变换，通过比较其幅值大小来判别故障类型，但对两相接地故障的具体类型区分不明确。文献[12-13，18]通过比较（零、线）模量电流行波的幅值之间的大小关系从不同角度进行故障选相。但是，由于零模量的严重衰减导致保护装置不能正确反映故障点处零模与线模的大小关系，当输电线路远端发生单相接地或两相接地故障时可能出现误判。文献[19]将小波奇异熵应用于识别高压输电线路的故障相，提出了一种基于暂态电压的选相方案。通过取各相的小波奇异熵相对比值反映故障相和非故障相间的相对差异，构成高压输电线路故障选相的依据。

2.神经网络和模糊理论等智能算法

文献[20-21]利用提升小波变换对故障信号进行处理，并作为神经网络的输入构造了一种新型的小波神经网络模型来识别输电线路故障。文献[22-23]通过小波包将故障电压和故障电流分解后分别获得分解后的故障暂态量的能量值和熵值，并将能量值与熵值分别对神经网络进行训练，对输电线路进行故障分类和定位。文献[24]在暂态信号多尺度的基础上定义了小波能量熵，并与模糊逻辑系统相结合形成故障类型识别方法。

3.数学形态学

文献[25]在分析EHV线路发生故障后电流模分量的基础上，利用数学形态学梯度提取暂态信号波头能量，构成故障选相方案。文献[26]提出了一种基于数学形态谱和神经网络相结合的识别接地短路故障类型的新方案。该方法对三相电流进行相模变换后，用数学形态学颗粒对电流各模量分析并提取模电流的形态谱，将各形态谱作为神经网络的输入，进而判断出接地故障的类型。

三、小波分析在电力系统暂态处理中的应用

20世纪80年代初Morlet等人第一次提出了小波变换的概念。它可以根据处理信号频率的高低自行调整窗口的大小，确保捕捉到有用的信息，可以对信号奇异点作多尺度分析。小波变换有以下特点：在高频范围内时间分辨率高；在低频范围内频率分辨率高；既适合于分析平稳信号及非平稳信号；有快速算法——Matlab算法；利用离散小波变换可以将信号分解到各个尺度（频带）上。

由于小波变换有以上优点，所以它在各个应用领域中都得到了广泛应用，比如生物医学工程、机械故障诊断、非线性动力系统、量子物理、模式识别、参数辨识、CT成像、数据压缩等。近几年小波变换技术在分析和处理电力系统暂态信号方面也显示了其优越性和良好的应用前景，主要应用领域包括电力信号去噪[6，27-28]、数据压缩、电力设备故障诊断、电能质量信号分析、故障定位等。文献[28]指出db6小波对电压暂升、暂降、闪变信号均能获得较好的去噪效果。文献[29]提出了一种小波包去噪算法，用以消除暂态扰动检测中噪声的影响，为在噪声环境中检测和定位暂态扰动提供了依据。电能质量信号分析方面：文献[31]将小波包用于对谐波的检测，并与IEC推荐的谐波检测方法进行了对比，仿真结果证明了基于小波包的检测方法对非整次谐波与间小波的检测要优于IEC推荐的方法。电力设备诊断方面：文献[30]通过对基于Shannon熵的最优小波包基的快速搜索算法的探讨，提出了基于最优小波包基小波包方法。

在输电线路故障定位方面：

（1）故障选线。文献[31]提出了基于单相电流行波的故障选线原理。文献[32]利用小波变换与电弧故障产生的突变相结合而进行故障选相。文献[33]提出用小波变换提取电流故障分量的暂态能量，并且以三相间暂态能量的大小及其相对关系来识别故障类型和判断故障相的新方案。文献[34]利用小波变换提取故障后电流行波的线、零模量，根据提取出的电流行波波前1/8周期的能量进行故障选相。文献[35]通过小波变换利用故障电流行波幅值及极性逻辑关系相结合的故障类型识别方法，并设计出了故障类型识别的实用算法。该方法可以提高以往行波故障选相方案中利用零、线模量之间幅值关系判别单相接地或两相接地故障时的可靠性。总的来说，目前基于暂态信号，利用小波变换工具进行选相的方法得到了很好的研究，但在实际应用时仍需进行相应的分析论证。文献[36]对电力系统暂态信号提取小波能量熵及能量熵权，并将其分别对神经网络进行训练，提出了小波能量熵与神经网络相结合的故障分类方法。

（2）故障测距。电力系统要求及时、准确地得知线路故障位置，以便用最短的时间清楚故障，尽快恢复供电，现已有可用于解决实际问题的各种故障测距方法。小波变换可以很好地表征输电线路故障行波信号的突变点，故很多文献提出用小波变换来进行行波故障测距。[37-41]主体思路是：运用小波变换对故障信号进行分解，并用小波变换模极大值表示故障信息，揭示了行波信号奇异、瞬时信号与小波变换模极大值的关系，运用小波对奇异点检测的原理，确定两次行波波头达到检测点的时间间隔及故障发生的时刻，推算出故障位置，以达到故障定位的目的。

四、熵理论的应用现状

1948年Shannon把通信过程中信源讯号的平均信息量定义成为熵，这就是信息熵。小波熵是小波变换和信息熵的结合，它具有小波变换和信息熵的特点，对动态系统参数的微小变化具有独特的敏感性，反映了暂态信号在时-频域空间的能量分布情况，随着小波熵理论的不断发展与完善，它被应用机械、生物、电力系统等众多领域。

生物领域中，文献[42]运用小波熵分析心跳信号，并识别其变化规律；文献[43-44]将小波熵应用于EEG等非平稳信号的分析，体现出小波熵区别非平稳信号复杂度的特点，又有其反映微状态信号快速变化的优点。在机械故障诊断领域里，文献[45]将小波包与特征熵结合提出了一种诊断高压断路器机械故障的新方法，并给出了切实可行的诊断步骤和分析。

这几年小波熵理论在电力系统中的应用才刚刚开始，所以这方面的文献较少。文献[46]提出采用离散小波变换和神经网络相结合的方法，对输电线路故障进行分类和定位，虽然训练好的神经网络可以准确地对故障进行分类和定位，但存在计算量大、运算费用高的缺点。文献[47]提出一种基于小波熵权和支持向量机相结合的故障识别方法。该方法识别速度快，有较好的通用和实用价值。文献[48]虽采用了小波分析理论与信息熵理论，但并没有对小波熵进行一个完整的、系统的定义。文献[49]综合阐述了小波熵在电力系统中各方面应用的可行性，表明了其在电力系统中具有良好的发展空间。文献[5-6，50-51]探讨了小波熵在电力系统故障检测征提取的应用机理，通过仿真一些输电线路故障检测对文中给出的几种小波熵进行了验证，仿真分析结果表明小波熵测度在暂态信号检测与分类中有望得到较好的发展。小波熵作为近年来才发展的一种新理论在电力系统故障检测中的应用具有广阔前景。所以，在电力系统暂态信号的检测和分类中运用小波熵理论具有重要的研究意义。

五、结束语

电力系统故障类型识别的研究为暂态信号检测分析开辟了新的道路，为暂态信号特征提取理论奠定了新的基础，进行了不同变换空间内信号特征和复杂程度的定量描述方法，建立了适合于电力系统暂态信号分析的小波熵理论。

参考文献：

[1]王志华.超高压线路故障行波定位及高压变频技术研究[D].武汉：华中科技大学，2004.

[2]魏智娟，李春明，付学文.输电线路故障诊断方法综述[J].电气技术，2012，（2）：1-5.

[3]何正友，王晓茹，钱清泉.利用小波分析实现EHV 输电线路单端量暂态保护的研究[J].中国电机工程学报，2001，21（10）：10-14.

[4]何正友.小波分析在电力系统暂态信号处理中的应用[M].北京：中国电力出版社，2011.

[5]何正友，刘志刚，钱清泉.小波熵理论及其在电力系统中应用的可行性探讨[J].电网技术，2004，28（21）：17-21.

[6]何正友，蔡玉梅，钱清泉.小波熵理论及其在电力系统故障检测中的应用研究[J].中国电机工程学报，2005，25（5）：23-43.

[7]李志民，李卫星，李勃龙.熵原理及其在电力系统可靠性中的应用[J].电力系统及其自动化学报，200l，13（3）：37-39.

[8]任震，张征平，黄雯莹，等.基于最优小波包基的电动机故障信号的消噪与检测[J].中国电机工程学报，2002，22（8）：53-57.

[9]Rosson OA，B1anco S，Ybrdanova Jetal.Wavelet entropy：a new tool for analysis of short duration brain electrical signals[J].J Neumsci Meth，2001，105（1）：65-75.

[10]李东敏.基于多小波包和人工神经网络的电力系统故障类型识别研究[D].成都：西南交通大学，2008.

[11]葛耀中.新型继电保护和故障测距的原理与技术[M].西安：西安交通大学出版社，2007.

[12]Joe- AirJiang，Ching- ShanChen，Chi-WenLiu.A new Proteetion seheme for fault detection， direetion diserimination，elassifieation and location in transmission lines[J].IEEE Trans on Power Delivery，2003，18（l）：34-42.

[13]危韧勇，刘春芳.基于小波理论的超高压线路故障定位与选相方法[J].中国电机工程学报，2000，20（5）：85-88.

[14]段建东，张保会，周艺.利用电流行波进行超高压输电线路故障类型识别的研究[J].中国电机工程学报，2005，25（7）：58-63.

[15]Duan Jiandong，Zhang Baohui，Ha Hengxu.A novel preach to faulted-Phase selection using current traveling waves and wavelet analysis[C].IEEE Power Conference 2002，Kunming，China，2002，（4）：1146-1150.

[16]何正友，陈小勤，罗国敏，等.基于暂态电流小波熵权的输电线路故障选相方法[J].电力系统自动化，2006，30（22）：39-44.

[17]Li Zewen，Yao Jiangang，Zeng Xiangjun，Deng Feng.Power grid fault traveling wave network protection scheme[C].Electrical Power and Energy Systems，2011：875-879.

[18]董新洲，贺家李，葛耀中.基于小波变换的行波故障选相研究第二部分仿真实验研究[J].电力系统自动化，1999，23（1）：20-22.

[19]何正友，符玲，麦瑞坤，等.小波奇异熵及其在高压输电线路故障选相中的应用[J].中国电机工程学报，2007，27（1）：31-35.

[20]P.S.Bhowmik a，P.Purkait b，K.Bhattacharya.A novel wavelet transform aided neural network based transmission line fault analysis method[J].Electrical Power and Energy Systems，2009，（31）：213-219.

[21]王忠民，乐全明，杨光亮，等.基于提升小波和神经网络的超高压电网故障类型识别[J].华东电力，2006，34（2）：30-33.

[22]张举，王兴国，李志雷.小波包能量熵神经网络在电力系统故障诊断中的应用[J].电网技术，2006，30（5）：72-76.

[23]Sami Ekici，Selcuk Yildirim，Mustafa Poyraz.Energy and entropy-based feature extraction for locating fault on transmission lines by using neural network and wavelet packet decomposition[J].Expert Systems with Applications， 2008， （34）：2937-2944.

[24]张斌，何正友，钱清泉.基于小波能量熵和模糊逻辑的故障选相元件[J].电网技术，2006，30（15）：30-35.

[25]卜春霞，张义含，姜自强，等.超高压线路暂态保护选相研究[J].电力系统保护与控制，2010，38（16）：30-34.

[26]谢添卉，刘明光，杨罡.基于数学形态谱和人工神经网络的高压输电线接地故障类型识别方法[J].电气自动化，2009，31（3）：62-65.

[27]杨霁，李剑，王有元，等.变压器局部放电监测中的小波去噪方法[J].重庆大学学报，2004，27（10）：67-70.

[28]薛蕙，杨仁刚.基于小波包除噪的电能质量扰动检测方法[J].中国电机工程学报，2004，24（3）：85-90.

[29]Barros J，Diego R I.Application of the wavelet-packet transform to the estimation of harmonic qroups in current and voltage waveforms[J].IEEE Transactions on information Theory，2006，21（1）：533-535.

[30]任震，张征平，黄雯莹，等.基于最优小波包基的电动机故障信号的消噪与检测[J].中国电机工程学报，2002，22（8）：53-57.

[31]Omar A.S.Youssef.A wavelet-based technique for discrimination between faults and magnetizing inrush currents in transformers [J].IEEE Transactions On power Delivery，2003，18（1）：170-176.

[32]Youssef Q A S.New Algorithm to Phase Selection Based on Wavelet Transforms[J].Power Engineering Review，IEEE，2002，22（6）：60-61.

[33]段建东，张保会，周艺.基于暂态量的超高压输电线路故障选相[J].中国电机工程学报，2006，26（3）：1-6.

[34]麦瑞坤，何正友，符玲，等.基于电流行波能量和小波变换的输电线路故障选相研究[J].电网技术，2007，31（3）：38-43.

[35]G.Sudha，T.Basavaraju.A comparison between different approaches for fault classification in transmission lines[J].International Conference on Information and Communication Technology in Electrical Sciences，2007，20（22）：398-403.

[36]Zhengyou He，Shibin Gao，Xiaoqin Chen.Study of a new method for power system transients classification based on wavelet entropy and neural network.[J].Electrical Power and Energy Systems，2011， 33（3）：402-410.

[37]葛耀中，董新洲，董杏丽.测距式行波距离保护的研究（一）——理论与实现技术[J].电力系统自动化，2002，26（6）：34-40.

[38]李泽文，姚建刚，曾祥君，等.基于整个电网行波时差的故障定位方法[J].中国电机工程学报，2009，（4）：60-64.

[39]谢民.220kV电网行波测距系统组网运行实践探讨[J].电力自动化设备，2010，30（5）：136-138，141.

[40]徐伟宗，唐昆明.基于导数法的故障行波法识别改进算法[J].电网技术，2010，34（1）：198-202.

[41]郑州，吕艳萍，王杰，等.基于小波变换的双端行波测距新方法[J].电网技术，2010，34（1）：203-207.

[42]A.M.PetrocIk，DL S.Reisman，Dr I.Darrd，et al.Wavelet entropy analysis of cyclic exercise protocol on herrate Variability[C].IEEE，2004：91-92.

[43]Quiroga RQ，Rosso OA，Basar E，et al.Wavelet entropy in event—related potential：a new method shows ordering of EEG oscillations[J].Biological Cybernetics，2001，84（4）：291-299.

[44]H.A.Al-Nashash，J.S.Paul，N.VThakor.Wavelet entropy method for EEG analysis：Application to obal brain injury[C].Conference on Neural Engineering，IEEE，2003：348-351.

[45]孙来军，胡晓光，纪廷超.改进的小波包-特征熵在高压断路器故障诊断中的应用[J].中国电机工程学报，2007，27（12）：103-108.

[46]杨健维，罗国敏，何正友.基于小波熵权和支持向量机的高压输电线路故障分类方法[J].电网技术，2007，31（23）：22-26，32.

[47]Ming-Yu Yang，Yu-Kun Yang.A study of transient-based protechion using wavelet energy entropy for power system EHV transmission line [J].Proceedings of the 2010 International Conference on Wavelet Analysis and Pattern Recognition，2010：283-288.

[48]Wen Junli，1Yhan Chunli.Arc fault detection based on wavelet packet[C].PID feedings of the Fourth International Conference on Machine Learning and Cybemetics，IEEE，2005：1783-1788.

[49]Zhimin Li，weixing Li，Ruiye Liu.Applications of entropy principles in power systems：A Survey[C].IEEE/PES 1rransmission and Distribution：Asia and Pacific Dalian China，2005：1-4.

故障处理论文篇5

    1 故障诊断技术的发展[1]

    故障诊断(FD)始于(机械)设备故障诊断,其全名是状态监测与故障诊断(CMFD)。它包含两方面内容:一是对设备的运行状态进行监测;二是在发现异常情况后对设备的故障进行分析、诊断。故障诊断技术是一门交叉学科,融合了现代控制理论、信号处理、模式识别、最优化方法、决策论、人工智能等,为解决复杂系统的故障诊断问题提供了强有力的理论基础,同时实现了故障诊断技术的实用化;近二十年来,由于技术进步与市场需求的双重驱动,故障诊断技术得到了快速发展,已在航空航天、核反应堆、电厂、钢铁、化工等行业得到了成功应用,取得了显着的经济效益;从故障诊断技术诞生起,国际自动控制界就给予了高度重视。

    以运动机械的振动检测为中心,辅助以温度、压力、位移、转速和电流等各种参数的采集,从而对钢铁冶炼中的各种大型传动设备的状态进行分析和判断,从而达到故障诊断的目的。

    2 故障诊断的主要理论和方法[2-3]

    1971年Beard 发表的博士论文以及Mehra和Peschon发表的论文标志着故障诊断这门交叉学科的诞生。发展至今已有30多年的发展历史,但作为一门综合性新学科——故障诊断学——还是近些年发展起来的。从不同的角度出发有多种故障诊断分类方法,这些方法各有特点,但从学科整体可归纳以下几类方法。

    1) 基于系统数学模型的诊断方法:该方法以系统的数学模型为基础,以现代控制理论和现代优化方法为指导,利用Luenberger观测器 、等价空间方程、Kalman滤波器、参数模型估计与辨识等方法产生残差,然后基于某种准则或阀值对残差进行分析与评价,实现故障诊断。该方法要求与控制系统紧急结合,是实现监控、容错控制、系统修复与重构等的前提、得到了高度重视,但是这种方法过于依赖系统数学模型的精确性,对于非线性高耦合等难以建立数学模型的系统,实现起来较困难。如状态估计诊断法、参数估计诊断法、一致性检查诊断法等。

    2) 基于系统输入输出信号处理的诊断方法:通过某种信息处理和特征提取方法来进行故障诊断,应用较多的有各种谱分析方法、时间序列特征提取方法、自适应信号处理方法等。这种方法不需要对象的准备模型,因此适应性强。这类诊断方法有基于小波变换的诊断方法、基于输出信号处理的诊断方法、基于时间序列特征提取的诊断方法。基于信息融合的诊断方法等。

    3) 基于人工智能的诊断方法:基于建模处理和信号处理的诊断技术正发展为基于知识处理的智能诊断技术。人工智能最为控制领域最前沿的学科,在故障诊断中已得到成功的应用。对于那些没有精确数学模型或者很难建立数学模型的复杂大系统,人工智能的方法有其与生俱来的优势。基于专家系统的智能诊断技术、基于神经网络的智能诊断技术与基于模糊逻辑的诊断方法已成为解决复杂大系统故障诊断的首选方法,有很高的研究价值和应用前景。这类智能诊断方法有基于专家系统的智能诊断技术、基于神经网络的智能诊断技术、基于模糊逻辑的诊断方法、基于故障树分析的诊断方法等。

    4) 其它诊断方法:其它诊断方法有模式识别诊断方法、定性模型诊断方法以及基于灰色系统理论的诊断方法等。另外还包括前述方法之间互相耦合、互补不足而形成的一些混合诊断方法。

    3 钢铁行业中故障诊断技术的应用[4-6]

    钢铁行业中的主要机械设备是各种传动设备和液压设备,如轧机、传送带、各种风机等。它们的工作状况决定了生产效率和钢铁冶炼的质量,对这些设备状态的在线检测,能够及时、准确的检测出生产设备的运行状况,并给出相应的操作和建议。因此建立相应的故障诊断系统对整个系统的正常运行特别重要。于是针对钢铁行业特殊的机械环境(多传动设备和液压设备),相应的故障诊断系统也必须以这些设备的特点而建立。主要原理是以运动机械的振动参量检测为中心,辅助以温度、压力、位移、转速和电流等各种参数的采集,从而对这些大型传动设备的状态进行分析和判断,再进行相应的处理。整套故障诊断系统由计算机系统、数据采集单元、检测元件、数据通讯单元以及专业开发软件组成。此系统既可单独工作,又可和DCS或PLC组成分散式故障诊断系统对所遇生产设备进行监控和故障诊断。整个系统的工作流程图如图1所示。

    机械振动是普遍存在工程实际中,这种振动往往会影响其工作精度,加剧及其的磨损,加速疲劳损坏;同时由于磨损的增加和疲劳损坏的产生又会加剧机械设备的振动,形成一个恶性循环,直至设备发生故障,导致系统瘫痪、损坏。同时机械设备的工作环境也是造成机械设备发生故障主要原因之一,因此,根据对机械振动信号和工作环境温度、湿度的测量和分析,不用停机和解体方式,就可以对机械的恶劣程度和故障性质有所了解。同时根据以往经验建立相应的处理机制库,从而针对不同的故障做出相应的诊断和处理。整个处理过程如下:

    1)传感器采集设备工作状态信号。如各种传动装置的振动信号、温度信号、液压装置的压力、流量和功率信号等。

    2)特征信号提取。将各种传感器采集信号进行信号分类,刷选出相应的传感器信号,如振动传感器采集的文振动强度信号、压力传感器采集的压力信号等。

    3)对特征信号处理。对传感器采集的特征信号进行滤波、放大等处理,提取出相应的特征信号。

    4)对采集信号进行故障诊断。将提取的特征信号进行判断处理,选择相应的故障方法(如小波变换法),分析故障类型和设备状态,然后查询故障类型库,做出相应的决策。

    4 结束语

    建立在现代故障诊断技术上的钢铁冶炼设备故障诊断系统,可对设备的运行状态进行实时在线检测、通过对其监测信号的处理与分析,可真实地反映出设备的运行状态和松动磨损等情况的发展程度及趋势,为预防事故、科学合理安排检修提供依据,可以提高设备的利用效率,产生了很大的经济价值,对此类故障诊断系统的研究有很深远的意义。

    参考文献:

    [1] 沈庆根,郑水英.设备故障诊断[M].北京:化学工业出版社,2006.

    [2] 王仲生.智能故障诊断与容错控制[M].西安:西北工业大学出版社,2005.

    [3] 李民中.状态监测与故障诊断技术在煤矿大型机械设备上的应用[J].煤矿机械,2006(03).

    [4] 傅其凤,葛杏卫.基于BP神经网络的旋转机械故障诊断[J].煤矿机械,2006(04).

故障处理论文篇6

关键词：故障诊断 误诊断 研究

为克服故障征兆的复杂性给故障诊断带来的困难，必须开阔思路，不拘泥于典型故障征兆的狭窄思路，从系统角度出发，进行由环境到机械，由局部到整体，由阶段到过程的具体分析，将征兆、原因、故障机理有机结合起来加以研究，减少误诊率。由于机械状态的信息特性对机械故障诊断起重要作用，研究信息特性对提高故障确诊率和故障诊断的可靠性具有实际意义针对获取的故障信息具有不确定性，本文提出用粗集理论处理诊断中的不确性的数学方法理论。

1、机械误诊断的概述

在故障诊断过程中，诊断对象的故障过程是复杂多变的，在故障发展过程中，由于引起故障的因素在性质、特点及作用方式上是不同的，机械功能状况和所受损害的具体情况也不同，使得故障征兆和演变具有不同形式，诊断中往往难以迅速准确地认识故障的性质，导致误诊，具体表现在以下几方面:

1.1故障的发展过程中，一种故障可能表现出多种不同故障征兆。如液压系统故障诊断中，电磁换向阀故障可能导致系统压力、流量不满足要求，脉动可能加剧，还可能导致系统工作温度升高等。而对不同诊断对象，即使是同一种机械，对同一种故障的反应也是有差异的。一个对象的反应可能快，另一个对象反应可能慢，一个对象的某征兆对某故障反应可能剧烈，而另一个对象反应可能较平稳等。

1.2不同故障在发展过程中，可能出现相似的征兆，同种征兆可能对应多种故障形式。如回转机械中，各种故障的发生，往往都伴随着振动的加剧，而且在频域分析时，在相同倍频上，不同故障可能会有相似的表现形式。这种故障征兆的相似性，使我们在故障诊断中容易产生混淆。

1.3在很多情况下，随着故障的发展，还可能引起继发性故障，这种继发性故障可能会掩盖原来的故障，或原来的故障掩盖继发性故障，这都将造成故障诊断的困难。如液压系统中，由于某种原因引起油液污染程度增加，这可能引起液压泵运动副的严重磨损，磨损的颗粒混人油液中，进一步加剧油液污染，液压泵磨损将引起液压系统失效，泵的失效是油液污染这种原发性故障所引起的，而原发性故障和泵磨损这种继发性故障混在一起，相互促进，造成恶性循环，这增加了查找原发性故障的难度。

2、提高信息可靠度、减少误诊断的措施

2.1提高诊断测试的准确性

提高诊断测试的准确性是保证诊断数据可靠性的重要前提。可以从以下4方面着手:(1)对传感器进行定期检验;(2)可考虑用多个传感器测量;(3)采用可靠的传输线;(4)正确设置采样参数。

2.2提高诊断系统的可靠性

随着设备运行与维护的需要，各种在线、离线、远程等诊断分析系统以及人工神经网络、贝叶斯网络、专家系统等智能诊断系统逐渐用于机械故障诊断，为确诊故障带来了许多便利之余，也增加了机械故障误诊的可能性。开发合理完善有效的诊断系统，提高它们在特征提取或诊断推理方面的可靠性，有利于减小误诊率。

2.3加强诊断信息描述的客观性

诊断信息在机械故障诊断中的重要性是不言而喻的，其表达与描述是否合理、准确关系到诊断推理结果的正确与否。然而，在诊断实践中，诊断信息既有定性信息，也有定量信息;既包含简单信息，又包含复杂信息;既存在确定信息，又存在不确定信息。在诊断推理过程中，定量信息经常会转换为定性信息，概率论和模糊数学是描述这种信息的强有力的工具。因而，可以考虑用适当的方式把概率论和模糊数学理论融人到故障诊断的信息表达和描述中来，加强其描述的客观性。

3、粗集理论对信息不确定性的处理

粗集理论是一种处理模糊和不确定知识的有效数学工具，其在知识分类和知识获取中已得到成功应用。粗集理论方法与神经网络方法、遗传算法、模糊集理论方法、混沌理论等“软科学”方法的不同在于它仅利用数据本身所提供的信息，不需要任何附加信息或先验知识，如证据理论中的基本概率赋值、模糊集理论中的隶属度函数、统计学中的概率分布等，粗集方法以观察和测量数据进行分类为基础，直接处理对象的可测输出，剔除冗余信息和矛盾信息，从而找到问题的内在规律，因此粗集理论比其他“软计算”方法更具实用性。

粗集理论进行诊断的一般步骤:

3.1知识库建立利用搜集到的历史或仿真数据生成联合诊断系统故障信息表，进而表示为知识库的形式S=(U, A, D, V, f)知识库可分为非空的对象空间U = 3x>> xz,…，xm(，属性集合空间R=AV D，子集A=}dl }a2 }…，do}和子集D=}df分别称为条件属性和结果属性。

3.2数据离散化数据离散化方法包括等距离划分算法、等频率划分算法、NaiveScaler算法、基于属性重要性算法和基于断点重要性算法，以及布尔逻辑和粗集理论相结合的算法等，使条件属性和决策属性的取值为连续的不确定性空间，数据离散化是运用粗集理论的数据预处理。

3.3特征提取从原N个数据特征中找到M个数据特征，简化后M个数据特征对对象空间U的分类能力和原N个数据特征的分类能力相同(N,M)，此过程称为特征提取。特征提取使条件属性得到约简，进而剔除冗余的条件属性。

3.4 规则应用提取的规则集可用来对新对象进行分类，该规则集称为“分类器”，用RUL来表示。当分类器遇到一个新对象x时，则在规则集RUL中寻找与x的条件属性相匹配的规则，应用规则集可判断新对象x决策属性。

总之，我们所研制的诊断系统，应具有开放性和可扩充性，使系统具有不断完善的能力，这是降低误诊率的重要途径。

参考文献：

[1]贾民平. 机械故障诊断学的理论及其应用 第一讲 故障诊断的意义及研究发展概况[J]. 江苏机械制造与自动化, 1999, (01) .

故障处理论文篇7

关键词： 变压器；故障诊断；技术研究

0 引言

随着电力系统容量和规模的不断增大，电力用户对系统的安全运行和可靠供电提出了越来越高的要求。变电站作为连接系统输电和配电的关键设备，承担着变电的重要任务。当变电站变压器发生故障后，维护人员应快速识别出故障发生位置及故障元件，并及时对故障设备进行检修，减少由停电带来的损失。因此，对变电站变压器设备进行有效的故障判断后检修是确保电力系统安全稳定运行的前提。

1 故障诊断

变压器内部结构复杂，长期运行状态下的变压器将出现绝缘老化、材质劣化等现象。当变压器发生故障后，将给电力系统的安全稳定经济运行带来严重后果。因此，及时查找变压器中已发生的故障或未发生的隐性故障，并采取相应的抑制措施具有重要的理论和实际工程意义。

变压器的故障诊断就是根据变压器运行过程中产生的各种状态量信息，判断变压器是否正常运行，并确定产生故障的位置。变压器的故障诊断本质是变压器运行状态的模式识别问题，包括故障状态量信息预处理、特征信息提取和故障识别三个过程[1]。

变压器故障诊断方法可分为三类，即：传统故障诊断法、基于数学模型以及基于人工智能的故障诊断法。

1.1 传统故障诊断法

传统变压器故障诊断法通过对变压器进行预防性电气试验来进行故障诊断。依据试验种类的不同，可分为绝缘试验法、局部放电试验法和绝缘油电气试验法[2]。

1）绝缘试验法。绝缘试验的内容包括：① 测量绕组的绝缘电阻及吸收比；② 测量绕组连同套管的泄露电流、交流耐压、直流电阻；③ 测量铁芯对比电阻；④ 油中溶解气体和微量水分分析。该方法原理简单、可靠性强。

2）局部放电试验法。在已知的变压器故障中，大多数由变压器局部放电引起。因此，采用局部放电实验法进行故障诊断受到了广泛的关注。可采用多种方法和装置进行局部放电试验，包括直接法、间接法以及混合法。

3）绝缘油电气试验法。绝缘油电气试验内容用于检测油中含水量、油中含气量以及油中糠醛含量。该方法可有效检测变压器中绝缘油的优劣状况。

上述预防性电气试验法通过对变压器的一些常规状态量进行检测，可有效检测到变压器内部故障，然而该方法却难以对某些局部现象（如铁芯局部过热）作出准确判断。通过在试验中对油中溶解气体进行检测可避免上述方法的不足，该方法不受外界干扰，诊断精度和灵敏度高。目前，该方法已广泛应用于诊断变压器的早期潜伏性故障。

预防性电气试验方法仅能离线进行变压器故障诊断，该类方法不具备可预测性，大大限制了其应用范围。为此，研究者提出了以数学模型和人工智能为主的故障诊断法。

1.2 基于数学模型的故障诊断法

1）基于模糊理论的故障诊断法。美国学者Zadeh于1965年提出处理模糊信息的模糊理论。当变压器发生故障后，其故障现象、故障原因和故障机理之间存在大量由排中律缺失引发的不确定性，采用模糊理论可对其进行准确的描述。

基于模糊理论的方法基于专家经验，采用隶属度函数描述状态变量的变化规律，主观性强。

2）基于粗糙集理论的故障诊断法。学者Pawlak在1982年提出了粗糙集理论，该理论可有效分析和处理不精确、不一致和不完整等各类不完备信息，通过揭示数据间隐藏的规律，提取有效的信息。

1.3 基于人工智能的故障诊断法

随着计算机技术和人工智能技术的发展，以人工神经网络、遗传算法、专家系统、支持向量机等为代表的智能诊断方法能最大程度上的利用专家经验，引起了研究人员的广泛关注。

1）基于人工神经网络的故障诊断法。人工神经网络是一种模拟大脑行为和活动过程的智能分析方法。它具有很强的自学习能力，能有效处理不完全和不精确的信息。目前，应用较多的人工神经网络为基于BP算法的前向神经网络和基于径向基函数的神经网络。

文献[3]采用传统三比值法构建了BP神经网络，并证明该方法的有效性和正确性。

文献[4]将多种故障信息进行融合，并将神经网络和证据理论相结合，提出了一种新的变压器故障诊断方法。实例证明，该方法能有效利用初始故障信息中包含的冗余和互补信息，结果准确可靠。

文献[5]采用神经网络进行故障诊断，实例证明，该方法能有效处理动态和敏感样本数据，具有较强的故障诊断能力。

人工神经网络在变压器故障诊断中取得了一系列的成果，但该方法属于局部搜索算法，极易陷入局部最小点，且收敛速度较慢

2）基于遗传算法的故障诊断方法。遗传算法是由生物进化思想启发得到的一种智能化分析方法。该方法分为选择、交叉和变异等阶段，与人工神经网络相比，该方法具有全局搜索能力。

文献[6]采用基因多点交叉和动态变异的方式进行最优种群的选取，建立了一种基于遗传算法的变压器故障在线诊断系统。

文献[7]将遗传算法与人工神经网络结合起来，由遗传算法选取人工神经网络的初值，解决了人工神经网络极易陷于局部收敛和收敛速度慢的弊端。

文献[8]提出了基于遗传算法和粗糙集理论的约简算法。其中，遗传算法的全局并行寻优能力有效的提高了整个算法的执行效率。

3）基于专家系统的故障诊断方法

故障处理论文篇8

关键词：南京地铁、地铁车辆、牵引系统

中图分类号：U231+.3文献标识码：A 文章编号：

1.1南京地铁车辆概述

南京地铁目前所运营的线路都使用了南京铺镇城轨车辆有限公司和阿尔斯通联合生产的A型6节编组电客车。列车动力是受电弓在1500V接触网上滑行接触受电;1号线(含南延线)列车45列270节，2号线(含东延线)列车35列210节。地铁车辆主要由车辆结构、转向架和悬挂装置、信息系统、CCTV系统、高压集电/配电、制动/牵引系统、辅助电气系统、列车控制系统、门系统、空调系统、空气制动系统。

每列车由6辆。车辆有动车（C）、带受电弓的动车（B）和带司机室的拖车组成（A）。车辆是以下面的结构形式连接在一起的。

6辆车为一列：-A-B-C-C-B-A。

牵引逆变系统为每个动车（C）和每个带受电弓的动车（B）的电机提供动力。牵引逆变系统的部件安装在牵引制动箱内。每个牵引制动箱驱动四台并联的牵引电机。

控制系统的主要部件是牵引控制电子装置（PCE），这些单元安装在C车和B车的牵引制动箱内（参看图1）。

2牵引系统故障分析

自南京地铁开通试运营以来，运营状况一直保持良好，但是随着列车运营里程数的增加，列车维修成本也在逐年增加。为了进一步提高列车质量，同时降低列车维修成本，南京地铁一直致力于自主维修研究与自主创新工作，牵引系统自主维修就是其中一项。通过分析研究，本文对南京地铁牵引系统故障进行了原因分析并提出了改进方案。

2.1 编码器故障

一、 故障现象

一号线2728车27A DDU显示四个牵引中级故障，SPL显黄。

二、 故障结论

连接器接触不良

三、 分析处理

根据故障代码，判断为编码器故障或接线错误。在库内降弓推牵引，27A端有时会出现故障，28A端正常。将27A同28A编码器对调，27A端故障依然存在。检查连接器CM02ENC，发现F针缩针。处理完后试验，故障依然存在，继续检查该连接器，发现H插针孔较大，可能接触不良。更换该插针，故障消失。F和H针后面的连接线用来传送列车PWM信号，如果出现问题牵引系统将无法得到指令，AGATE就报故障。

2.2 牵引箱PIM1模块故障

一、 故障现象

一号线2324车DDU显示23C车牵引中级故障，电气制动故障，BCE中级故障，SPL图标黄色

二、 故障结论

23C车牵引箱PIM1模块坏

三、 分析处理

从故障代码初步判断，此故障是由于牵引AGATE发出的控制IGBT导通与关断信号同接收到的反馈信号不一致引起。此故障的可能原因是：PIM1模块故障、AGATE故障等。

根据故障代码分析，将23C同23B AGATE对调，车辆试车线运行未发现问题，随后上正线运行。后23C又发生同样故障，列车回库后将23B和23C AGATE换回，同时更换23C PIM1模块，故障消失。

2.3 PCE电路板扁平线故障

一、 故障现象

1920车在终点折返过程中，司机在19A推牵引列车无位移。

二、 故障结论

19B牵引PCE电路板扁平线故障

三、 分析处理

司机换端到19A后按下ATO启动按钮，列车无法动车，手动推牵引也无法动车，推牵引时四节B/C车车体显黄，报19A牵引严重故障、19B/19C/20B/20C牵引中级故障，回手柄后故障消失，现场测试故障仍存在，1Bar可缓解，但手柄置牵引位5秒左右列车上EB，将19A脉冲使能回路上EBK1/EBK2辅助常闭触指901A与78号线换至另一组常闭触指（已恢复）、对调两端MAR，切除19A ATP，分别测试推牵引故障仍在，测量19A编码器插头电源911A线有电，后司机测试20A推牵引也无位移，故障现象与19A一致，在车下检查各电缆连接器未见异常，在19A测试推牵引时901A号线电压为123V，但78号线有116V电压，将19A PECB断开测量78号线也有116V电压，下载四节动车PCE均报：Pulse Enable Input Fault（脉冲使能输入故障），使用BBS推牵引无法动车，回库断开两端的PECB后，测量19A的78号线有电压，23日检查发现将19B PCECB断开后，列车推牵引无故障显示，随即对19B牵引箱检查，发现牵引AGATE 背板上的连接JC2的扁平电缆（TYPE:12EP202B1）上Z10 B10 D10端子用摇表测量绝缘值及相互导通，将其更换后，动车测试未再现故障。

2.3 电阻箱冷却风机叶片损坏

一、 故障现象

DDU显示06C牵引中级故障、BCE中级故障、电气制动故障，SPL图标黄色

二、 故障结论

电阻箱冷却风机叶片损坏

三、 分析处理

从故障代码初步判断，此故障是由于牵引箱输入输出电流不平衡引起。故障原因可能是牵引回路接地。

车辆在迈皋桥下线后，检查发现制动电阻箱冷却风机扇叶断，断片进入电阻箱并与电阻接触，引起接地。回库后更换了制动电阻箱风机，故障消失

2.4电机速度传感器故障

一、 故障现象

DDU显示06C牵引中级故障、BCE中级故障、电气制动故障，SPL图标黄色

二、 故障结论

速度传感器故障

三、 分析处理

从故障代码判断，此故障是由于速度传感器故障引起，更换该车4轴速度传感器后故障消失。如果AGATE被锁住，须解锁。

2.5 3738故障

一、 故障现象

将VCBS打至车门旁路位时，推牵引1BAR不缓。

二、 故障结论

接线故障

三、 分析处理

测量38A的VCBS在车门隔离位时VCBS触子导通。打开一扇门，ATPFS在正常位时，测量ATOMR1的913A有11OV电源，在VCBS处测量4号端子（线号为：A913C/913R）无11OV电源，测量ATOMR1的913A与VCBS上的4号端子A913C为导通，切除ATPFS后VCBS处测量4号端子有11OV电源，切除ATPFS后，VCBS在车门隔离位可以缓解，24日白班检查发现应该接到VCBS 4号端子上的913A线（改线在现场未标线号，线号是根据原理图和功能验证后推断的）错接到ATPFS的19号端子上，而应该接到ATPFS19端子上的913C错接到了VCBS 4号端子上，将913C线与913A线换回，测试功能正常。

2.6 高压盒内熔断器辅助开关故障

一、 故障现象

DDU显示高压故障。

二、 故障结论

高压盒内熔断器辅助开关故障

三、 分析处理

高压盒内每个熔断器设有显示熔断器状态的辅助开关，该开关连接到TIMS系统，监控熔断器的状态。DDU显示高压故障，表明对应的熔断器辅助开关动作，但是四个牵引箱工作都正常，所以判断故障并不是由熔断器起的，而是由熔断器辅助开关故障造成。更换高压盒内熔断器辅助开关，故障消失。

2.7牵引逆变器过热故障

一、 故障现象

2728车牵引中级故障

二、 故障结论

IFRB接线鼻子与接线柱接触不良，风机不能正常工作。

三、 分析处理

在检查28C车供应风机电源过程中，测量IFRA、IFRB的各个接线柱对地电位，发现IFRB右下角第一个接线柱的一个拔插式线鼻子在制造时压线不到位，导致该线鼻子与接线柱接触不良，车辆在运行中的震动使其工作状态不稳定。在此情况下，会造成风机有时会断电的可能。当风机失电不工作时，逆变器就会因热量无法迅速散去而引起过热。更换线鼻子后正常。

2.8 0102牵引中级故障

一、 故障现象

南京地铁车辆01C车报BCE中级故障，牵引中级故障，电气制动故障，SPL显黄

二、 故障结论

制动电阻箱短路。

三、 分析处理

根据故障现象，为AGATE或模块损害所致。对调AGATE、更换01C PIM2模块，对调01C与01B 的PCB板，故障仍然存在。

检查PIM2输入输出信号正常，第2次更换PIM2。故障仍在。对调B/C车的EPSU模块、车输入母板、B\C车BCE，故障仍在。第2次下载故障，发现有FILTER DISCHARGE FAULT,检查FKZ，发现开路，更换FKZ,故障仍未消除。后检查电阻箱阻值，发现其开路。更换后正常。

原因分析：牵引控制单元得电自检，当检测电阻制动部分时发现负载开路时，AGATE收不到回馈信号，而产生故障。

3结语

故障处理论文篇9

电力电子功率变换器作为系统控制的中枢执行机构，广泛应用于电机驱动和各种电源系统中，但由于功率开关器件在工作时，要承受高电压和大电流，而自身过载能力有限，导致开关器件损坏的几率很大。据统计，工业应用的交流电机调速系统中，38%的故障来自于功率器件的损坏［1］。功率变换器一旦发生故障，如不及时处理，在一般场合会给工业生产带来极大的经济损失，尤其在航空、军事等安全性要求高的场合，将造成灾难性事故。因此，准确、快速地判断故障，及时诊断和定位故障受到了越来越多的重视。一般地，功率变换器的故障可分为开关管的开路故障和短路故障。短路故障存在的时间极短，可在硬件电路上进行处理，也可以将快速熔丝植入电路中，将短路故障转化为开路故障，利用开路故障诊断方法加以处理［2］。文献［3］总结出了10种短路故障诊断方法。开路故障发生后，系统往往还能继续运行，不易被发现，这样导致其他功率器件流过更大的电流，引发转矩减小、发热和绝缘损坏等问题，如不及时处理，将发展成为极具破坏性的大故障，如系统瘫痪等［4］。因此，目前功率变换器故障诊断的研究重点都集中于开关管的开路故障。

2功率变换器开路故障分类

以电压型三相全桥电路为例(其结构图如图1所示)，对常见故障进行分类。功率变换器在实际运行时，很少出现三只或三只以上开关管同时故障的情况，针对常见的单管和双管故障情况进行分类，如表1所示。当发生开路故障时，故障相电流、输出电压以及功率器件承受的电压都会发生幅值和相位的调制，因此通过对这些信号进行监测，利用相应的故障诊断技术可实现故障识别和定位。

3功率变换器故障诊断技术

故障诊断方法分为硬件冗余方法和软件冗余方法。硬件冗余方法是最早应用于故障诊断领域的技术手段之一，可以有效地保证系统的正常运行。近年来有学者在逆变器开关函数模型和运行模式分析的基础上，根据故障和正常状态下桥臂下管承受电压的不同，采用简单的硬件电路来实现故障诊断，这种方法降低了成本，可靠性高，诊断时间短，适用性强［5，6］。然而，硬件冗余方法测试设备繁多，设计过程复杂，逐渐被软件冗余方法所取代。按照国际故障诊断权威———德国PMFrank教授的观点［7］，可将目前功率变换器软件冗余故障诊断技术分为三类:①基于解析模型的方法;②基于知识的方法;③基于信号分析的方法。

3.1基于解析模型的方法

基于解析模型的功率变换器故障诊断方法的基本思想是利用功率变换器的数学模型，将估计的系统输出与测量信息相比得到残差，通过残差分析来实现电力电子装置的故障诊断。根据获取残差的不同方式，这一类故障诊断方法可分为状态估计法和参数估计法。状态估计法利用功率变换器数学模型和各测量信号设计状态观测器，观测系统的可测变量，将观测值与实际值进行比较产生残差，分析该残差可达到故障诊断的目的。文献［8］以变流器主回路输出电压为特征量，利用实际系统与参考模型特征输出量的残差实现故障诊断。该方法的输入量少、判据简单，特别适用于复杂电力电子电路的故障诊断。文献［9］以定子电流和机械速度为输出，将感应电机模型看作周期性解耦结构，利用dq轴方向残差实现了开关管故障隔离，并且多故障发生的情况也能得到解决。在这些研究中，电力电子变换器按照其开关周期被等效成一种“平均模型”。参数估计法是将系统物理参数和模型参数的变化提取出来作为特征量进行监测和诊断故障的方法。功率变换器故障的发生往往导致系统参数的变化，因此通过检测参数的变化可实现故障诊断。基于参数估计的故障诊断框图如图2所示。参数估计法与状态估计法在本质上是互补的，参数估计法在故障隔离上更有优势;其缺点在于系统的故障有可能引起模型结构的变化，为此可将该方法与其他故障诊断方法相结合。文献［10］以键合图为工具，提出了一种能应用于大功率整流供电系统特性研究的建模方法，为进一步研究基于模型的诊断提供了新的思路和方法。近年来，由传统的解析模型发展而来的混杂系统模型故障诊断方法得到了关注。功率变换器中开关器件呈现出离散时间动态特性，状态变量却体现出连续动态系统特征，可看成一个典型的混杂系统。因此基于混杂系统理论的故障诊断方法在电力电子系统中得到应用［11，12］。通过以上分析可知，基于解析模型的方法适用于已知精确数学模型的系统。虽然该技术相对来说已经比较完善，但在实际情况下，功率变换器系统参数是不确定的(如元器件参数的正常变化和系统故障)，负载扰动、电网扰动等噪声的干扰，以及开关器件的非线性和离散性等特性都导致无法对这种系统建立准确的解析模型。因此，在对复杂非线性系统进行故障诊断时，基于解析模型的故障诊断方法受到了很大的限制。

3.2基于知识的方法

基于知识的方法是一种通过提前掌握被诊断对象的故障行为，利用故障树、专家系统、支持向量机和神经网络等手段，将故障症状组织起来进行故障诊断的方法［6］。3.2.1故障树基于故障树的诊断方法采用数理逻辑表示故障之间的关系，对故障发生的原因进行推理分析，建立一个由故障特征到故障原因的树形图。故障树方法直观、明了，思路清晰，逻辑性强，结合其他算法，可实现功率变换器的故障诊断。文献［13］基于随机森林算法建立故障树，实现了三相可控整流电路的在线诊断，大大提高了诊断精度和诊断速度。文献［14］针对三相逆变器，结合键合图理论，对传统的故障树进行了改进，通过建立系统的键合图模型进行因果分析，降低了遗漏的可能。故障树的建立比较繁琐，容易出现遗漏，且这种方法理论性强，结果的可靠性依赖于分析人员本身的水平。使用故障树诊断的同时需要充分利用知识、系统的控制模型和历史数据，并且还要协同其他智能算法，才可以完好地建立和维护故障树，实现故障源的快速搜索，然而这些问题都还未得到解决。3.2.2专家系统专家系统根据领域内专家的理论分析、实践经验等，利用计算机的推理能力模拟专家解决问题的思路，其原理框图如图3所示。专家系统提供了灵活的人机交互界面，知识库易于修改，知识表达直观性强，诊断结果鲁棒性好，应用比较广泛。文献［15］研究了基于专家系统理论的风电变流器故障诊断方法，从预先得到的变流器故障知识中提取出有效的故障信息，再与变流器实际运行数据进行比较实现了故障诊断，解决了无法建立模型的问题。文献［16］结合模糊推理方法，将模糊专家系统应用于可再生能源电力电子设备的状态监测和故障诊断。但是这种方法推导速度慢，知识库建立困难，实时性差。在知识获取时，如果出现未知情况或阈值对应的范围超出预判，系统将无法推理;在知识表示时，有的故障不能简单地使用规则进行推理，推理过程表述不清楚，也不能进行良好的诊断。3.2.3神经网络神经网络通过学习，可以拟合任意的函数，包括非线性函数，它克服了功率变换器系统的建模困难，在故障诊断领域得到了广泛的应用［17］。利用神经网络进行故障诊断时，一般需要利用小波变换、频谱分析等方法对故障信号进行处理。文献［18］利用频谱分析提取三电平逆变器桥臂电压的谐波幅值和相位作为故障特征信息，提出了多神经网络结构和算法，实现了单器件开路和多器件同时开路的多故障模式的诊断，并精确定位到故障器件。文献［19］利用快速傅里叶变换(FFT)对多电平逆变器输出电压信号进行变换，提取出故障特征作为神经网络的输入，从而实现了故障的分类。该方法具有很好的分类性能，但需要使用五层感知网络进行识别，导致诊断时间过长。因此文献［20］提出了主成分神经网络(PC-NN)故障诊断方法，利用主成分分析(PCA)降低神经网络的输入维数，减少训练神经网络的时间，同时降低噪声，改善映射性能。在该方法中，不同的主成分会引起结果的不确定性。为了更好地确定主成分，文献［21］对该方法进行改进，提出了基于遗传算法选择主成分的神经网络(PC-GA-NN)多电平逆变器故障诊断方法，结果表明PC-GA-NN具有更好的整体分类性能，比PC-NN高出约2.5%。神经网络故障诊断采用并行结构与并行处理方式，特别适合处理大量的并行信息，且具有很强的自学习、自组织与自适应能力，因此有很好的应用前景。然而，训练样本获取困难、网络学习没有确定模式、学习算法收敛速度慢、训练时间长等问题还有待进一步的研究。3.2.4支持向量机(SVM)SVM是一种基于统计学习理论的机器学习算法，与神经网络类似，通过对训练样本进行学习，掌握样本的特征，识别未知样本。基于支持向量机的故障诊断一般分为四步:特征信号监测、特征向量提取、SVM故障模型建立与诊断、维修决策［22］。文献［23］利用小波包分析获取电力电子电路故障特征，基于支持向量机进行状态分类，实现电力电子电路故障诊断方法。该方法能准确定位故障元，计算效率高，且在小样本下具有很好的推广能力。文献［24］以三相桥式全控整流电路为例，利用小波变换对整流输出电压进行分解，以各尺度的高频部分能量为特征向量;根据支持向量机理论，提出了一种改进的一对多分类算法建立分类器，优化了支持向量机的训练和学习能力。SVM在解决小样本、非线性和高维模式识别等问题中表现出特有的优势:①能在有限的样本中最大限度地挖掘隐含在数据中的分类信息;②应用核技术将实际问题通过非线性变换转化为高维空间中的线性问题;③巧妙地解决了维数问题，样本复杂度与维数无关。由于其出色学习性能和分类能力，SVM成为故障模式识别问题的研究热点。

3.3基于信号处理的方法

通常不论是基于解析模型的方法，还是基于知识的方法，都需要先对监测信号进行处理。在功率变换器的故障诊断中，常用的信号处理方法有频谱分析、小波变换和信息融合等。3.3.1频谱分析法功率变换器的故障信号通常具有周期性，因此可以用频谱分析方法将变量信号从时域变换到频域进行分析。基于频谱分析的故障诊断方法主要有傅里叶变换法和沃尔什变换法。傅里叶变换将目标信号分解成若干频率分量，从中可提取出有用的部分。文献［25］针对变频驱动系统中的逆变器开关管开路故障，利用开关函数的双傅里叶变换技术，对直流侧电流进行处理，通过得到的频谱的低频成分实现逆变器的故障诊断。沃尔什变换则将函数分解为一组沃尔什函数分量。文献［26］以三相桥式整流电路为诊断对象，对其输出电压进行沃尔什变换，得到直流分量和前三次谐波分量的幅值频谱特征值以及对应的四个相角特征值，根据这八个量来实现故障定位。由于沃尔什变换只做加减运算，所以执行速度比傅里叶变换快得多。用频谱分析进行故障诊断时，信号中包含的频率分量必须是基波的整数倍，分析时窗内要恰好含有各次谐波的整周期采样值。功率变换器故障状态下的基波频率是波动的，难以保证采样频率为信号频率的整数倍;即使基波频率保持不变，也未必能保证采样频率为信号频率的整数倍，这严重影响了频谱分析的准确性。因此，频谱分析逐渐被小波变换所取代。3.3.2小波变换法小波变换由傅里叶变换发展而来，小波分析提供了灵活的时频窗，高频时时间分辨率高，低频时频率分辨率高，在时频域都具有表征信号局部特性的能力，在故障诊断领域得到了广泛的应用。文献［27］以风力发电系统中背靠背式变流器的整流状态为例，提出了基于小波包分析的变流器故障识别方法，利用直流侧输出电压信号的调制特点，从能量谱和功率谱的角度分析了小波包分解后的直流侧输出电压的细节信号，通过频谱特征识别出三相PWM整流器的各类故障。小波变换能有效地提取出故障特征，与许多智能方法相结合，可以提高诊断精度。文献［28］对电机三相电流进行小波变换，将提取的小波系数输入到三层BP神经网络，从而识别出是否发生故障以及故障开关位置。文献［29］将小波变换、模糊逻辑和神经网络这三种方法相结合，利用小波变换从直流母线电流中提取出故障特征，用来训练自适应神经元模糊推理系统(ANFIS)，实现故障的自动识别和定位。文献［30］针对静止同步补偿器(STAT-COM)的IGBT开路故障，先对原始故障信号进行小波多分辨率分析，提取出特征向量，以改进的多核支持向量机作为故障模式的分类器，识别出各类故障信号。小波变换具有良好时频分析特性，适于探测正常信号中夹带的异常现象，对于动态系统的故障检测具有优越性。但目前的研究主要集中于理论研究，如何将它应用到实际工程中是有待解决的问题。3.3.3信息融合方法信息融合技术利用信息之间的冗余或逻辑关系，更全面、更精确地认识目标对象，为解决复杂系统故障诊断的不确定性问题提供了一条新的途径。信息融合故障诊断按层次结构分为数据层融合、特征层融合和决策层融合。文献［31］基于特征层融合对光伏并网逆变器进行故障诊断，选择电网侧电流和桥臂电压为融合对象，利用小波变换对数据进行预处理和特征提取，将特征向量融合后输入到神经网络，实现故障诊断。信息融合分为局部性融合和全局性融合。可以对某个检测量用不同方法进行诊断，实现局部性融合，以充分利用检测量所提供的信息;再将各方法得到的结果进行全局性融合。文献［32］就是采用的这种局部-全局的融合诊断方法。它针对电力电子电路中器件的故障诊断问题，提出一种基于模糊推理的分类器融合诊断方法。该方法建立神经网络和支持向量机2种子分类器对电路进行单独诊断，再利用模糊推理对2种子分类器的诊断结果进行融合，最终定位参数故障元件。仿真实验和分析表明，该方法诊断效果优于任意单个子分类器，且该方法对于随机噪声具有较好的鲁棒性。虽然目前信息融合技术在功率变换器的故障诊断中的研究还不多，但由于信息融合能够为故障诊断提供更多的信息，该技术在电网等其他故障诊断领域已经得到了广泛的关注。故障诊断领域的理论具有相似性，可以相互借鉴，这为基于信息融合的功率变换器故障诊断研究奠定了良好的基础。电力电子功率变换器故障诊断技术发展迅速，除上述方法外，还涌现出一些具有研究价值的方法。文献［33］提出了一种基于质心的检测方法，通过电流矢量轨迹质心的确定来识别逆变器故障位置和类型。文献［34］运用减法聚类分析对电流矢量进行处理，根据处理后的平均电流矢量的幅值和相角进行故障识别和定位。这两种方法都基于Concordia变换得到的电流矢量轨迹进行分析，文献［35］则利用相空间重构技术，得到表征系统故障特征的不同形状、直观的相电流轨迹图形，再通过模糊C均值聚类算法，对重构后的电流图像进行聚类分析，实现逆变器的故障诊断。相空间重构技术可以显示并提取出系统参数中隐含的不易被频谱分析或时域分析方法所检测的内在特征，因此在故障识别领域具有很好的应用价值。

4结论

故障处理论文篇10

关键词：数控机床 维修技术 分析研究

中图分类号：TG 文献标识码：A 文章编号：1007-0745（2013）06-0189-01

数控机床是现代工业机械自动化发展的重要机械设备，关系整个国家的工业发展和生产现代化的建设。数控设备是计算机技术和机械工业技术的结合，是数字化在工业生产中的应用。数控技术体现的是工业产品更加的精细和准确。数控机床从操作到维修都要按照机械操作和护理的程序进行，操作不当或维修不及时必然影响数控机床的正常生产。

1数控机床存在的故障

数控机床的故障一般分为机械故障和电气故障两类。在机床维修之前，应该诊断机床故障是属于机械故障还是电气故障，然后检查电气系统的程序能否正常运行，运动现象是否异常，根据检查结果来判断故障产生的原因。

2数控机床维修所必须的条件

2.1物质条件。在物质条件中要备齐必要的维修工具、检查仪器表等，如装有数控机床维修软件的笔记本电脑；每台数控机床应该有完整的技术图纸和操作说明书；配备数控机床专用的电气配件；准备好数控机床使用和维修的说明书。

2.2人员条件。数控机床维修的好坏取决于技术人员的知识、技能水平和工作经验等条件。维修人员知识面要广，要掌握有关数控机床操作和维修的各种知识，特别在计算机技术、电路技术和机械自动化技术能够灵活应用。维修人员还要加强数控技术的理论知识学习，参加机床技术的培训班，学习丰富的操作维修经验，要把理论知识和实际操作维修相结合，在实际工作中不断的消化理论知识点，是理论指导实践，在实践操作中解决维修的难题，不断的提高自身的动手能力和问题分析能力。由于数控机床软件程序以英文为主，增加了一些不懂英文的技术员的维修机床的难度，因此，机床维修人员还应该掌加强英文知识的学习，能够正确的识别机床软件上的英文单词的意思，避免因为语言的原因造成机床维修中出现的障碍。

2.3数控机床的预防性维护。数控机床的日常护理非常重要，通过日常护理可以减少数控机床的机械故障。日常护理包括检查主轴、各项温度控制、磨损情况和接触器触头清洁等状况，同时要明确数控机床的各功能部件和元气件的保养周期。每台数控机床都应该分配专门的工艺人员、操作人员及维修人员，要求这些人员要不断提升自己的业务技术水平，以适应数控技术不断发展的需要。数控机床如果长时间闲置，当再次使用时，可能会出现一些新的机械故障题，或许是因为尘土、油脂凝固等原因影响到机床的动态传动性能，而机床的精确度降低和油路系统被堵塞。在 1a 之内基本上处于所谓的“磨合”阶段，在这一阶段机床的故障率会呈下降趋势，这期间可以不断的开动机床，此外在充分发挥机床设备的功效同时，也要合理的使用，注重日常的维护和保养。一台数控机床的寿命一般在8～10a左右，因此，更应做好机床的维修工作。

3数控机床的故障诊断及排除措施

3.1 采用常规检查法。当机床的数控系统无法正常工作，且系统无法报警而影响正常工作时，就需要根据故障发生前后的系统状态信息，结合已经掌握的应用理论基础，进行科学分析，最后做出正确的判断。当数控系统发生故障时，通常会在操作面板上显示出故障信息和信号，对于发生频率较高的故障，在数控系统的操作手册和调整手册上都有详细的处理办法和解决方案。还可以利用编程器或操作面板根据电路图，遵循逻辑关系找出故障，并查出相应的信号状态，从而找到解决办法。

3.2 参数修正法。数控机床的维修过程中，有时也要利用一些参数来调整机床，但必须是在机床的正常运行状态下进行修正的，这是一种十分有效的方法。在经过多次的调节机械能力的基础上，尝试着改变参数，并将伺服系统的位置系数逐渐修调。在保证生产顺利进行的前提下，维修人员还要查阅更多的关于机床参数的更改方法，以此来提高加工的精度。

3.3初始化法。通常情况下，由瞬时故障引起的系统报警，可以用开关系统电源或者硬件复位来依次清除故障。一旦数控系统的存储区因电池欠佳或线路板等问题造成混乱的局面，就要对系统进行初始化清除。

4 对数控机床维修的总结

数控机床的维修人员应该在实践中去找值得研究的项目课题，结合实践所得出的结果来进行探讨，最后写出论文。在故障的排除过程中，必须要认真的分析判断，由此可见事后总结十分有必要。总结数控机床的维修过程中所需要的相关数据、文字资料等，如文件资料有不足之处，需要事后补充，以便在今后的日子中来研读和应用。维修人员应该记录好从故障的产生到解决这一过程中所出现的每一个问题，并采取有关措施，结合电路图、相关软件及参数等因素来进行。如在处理过程中发现自身知识的欠缺之处，应及时的学习补充。

5结论

虽然数控机床的型号和种类比较多，但日常的护理和维修技术都基本上一样的。数控机床的保养与维修技术随着数控机床的改进而发生变化，因此维修人员要不断的学习数控机床的最新理论知识和发放，不断的投身于实际的维修工作当中去，把理论知识和实际相结合，在理论知识的指导下在维修中不断的探索和发现问题，在维修技术上不断的创新，及时解决数控机床出现的各种故障，减少维修费用，节约成本，使数控机床能够安全的运行，提高企业的经济效益。

参考文献：

[1]何亚飞，娄斌超，钱锐，等. “数控机床故障分析与维修”课程建设与实践[J].中国职业技术教育，2005（24）：21-22.

[2]胡彦文，吴美玉.我国的数控机床的状况及发展研究[J].机床与液压，2005（23）：34-35.

[3]张超，罗玉婷，李海洋.论数控机床的故障诊断及维修技术[J].机电新产品导报，2001（13）：12-13.