前言：中文期刊網精心挑選了故障診斷方法范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
故障診斷方法范文1
凝汽器故障診斷的目的是預測凝汽器的早期故障，并安排運行人員及時排除。其基本方法是：收集凝汽器的各種故障集和征兆集，經過大量的真實數據訓練形成一個網絡，當監測凝汽器的運行參數出現征兆集中對應的某些征兆時，就可以判斷為相應的故障[3]?；谀：窠浘W絡的故障診斷方法中有兩個關鍵問題：一是專家知識庫必須要非常完善，二是模糊隸屬度函數的選取要合理。對于第一個問題，建立起合理的專家知識庫結構，隨著時間和經驗的積累來不斷進行擴充和完善。對于第二個關鍵問題，需要經過大量的試驗和計算，來確定符合的模糊隸屬度函數，因為模糊隸屬度函數的確定目前尚未統一標準，其函數的選取會對最后的診斷結果精度造成一定的影響。模糊理論是建立在模糊集合論、模糊語言變量及模糊邏輯推理基礎上的一種計算機數字控制理論，它因在設計系統時不需要建立被控對象精確的數學模型而得到了日益廣泛的應用[4]。模糊語言變量的定量描述由它的隸屬函數確定，正確地確定隸屬函數，是運用模糊集合理論解決實際問題的基礎，是能否用好模糊控制的關鍵之一。隸屬度函數的確定過程，本質上說應該是客觀的，但每個人對于同一個模糊概念的認識理解又有差異，因此，隸屬度函數的確定又帶有主觀性。隸屬度函數的確立目前還沒有一套成熟有效的方法，大多數系統的確立方法還停留在經驗和實驗的基礎上。對于同一個模糊概念，不同的人會建立不完全相同的隸屬度函數，盡管形式不完全相同，只要能反映同一模糊概念，在解決和處理實際模糊信息的問題中仍然殊途同歸。其中常用的確定方法有：模糊統計法、例證法、專家經驗法、二元對比排序法等[5]。
1.2隸屬度函數的確定
根據電力行業標準《DL/T932-2005凝汽器與真空系統運行維護導則》，凝汽器真空系統的主要故障有：a）真空系統泄漏，b）冷卻水系統故障，c）凝汽器水位升高，d）抽氣設備工作失常，e）軸封系統故障，f）熱負荷增加，g）循環冷卻水進口溫度高，h）凝汽器清潔系數降低，i）凝結水過冷度大，j）凝結水含氧量大。本文針對某電廠凝汽器的特性，確定了21個典型故障，22個典型征兆參數。在征兆參數中，取0.0為參數下降到下限故障報警值，即急劇下降，0.25為緩慢下降，0.5為正常運行值，0.75為緩慢上升，1.0為參數上升到上限故障報警值，即急劇上升。凝汽器的形式為單殼體、雙流程、表面式凝汽器。根據現場考察，發現該凝汽器的汽側分開，水側相連。按照征兆集中確定的參量，從DCS上采得相關參量的實際數據，根據凝汽器設備運行的影響因素（及征兆參數）對凝汽器的影響程度來確定主要故障的自定義函數。
1.3故障征兆知識庫
對故障征兆知識集中的訓練樣本，采用BP神經網絡進行學習訓練，確定BP網絡結構為3層，輸入層有22個節點，對應于22個征兆，經仿真訓練，隱層節點定為24個，輸出層節點為21個，對應21個典型故障。輸入層到隱含層采用tansig函數，隱含層到輸出層采用logsig函數，采用traingdx進行訓練。訓練樣本的知識庫如表2所示。表中列為征兆集：1-凝汽器真空；2-循環水泵電機電流；3-循環水進口壓力（A側）；4-循環水進口壓力（B側）；5-凝汽器水阻（A側）；6-凝汽器水阻（B側）；7-低壓缸轉子脹差；8-凝結水泵出口母管壓力（凝泵有三臺，讀電流值不方便）；9-凝結水導電度；10-7號低加水位；11-8號低加水位；12-循環冷卻水溫升（A側）；13-循環冷卻水溫升（B側）；14-凝汽器傳熱端差（A側）；15-凝汽器傳熱端差（B側）；16-凝結水過冷度；17-真空泵抽出的空氣溫度與冷卻水進口溫度之差；18-凝汽器抽氣口與真空泵入口之間的壓差；19-凝汽器熱水井水位；20-冷卻塔出塔水溫；21-真空泵電機電流；22-軸封蒸汽母管壓力。表中行為故障集：1-循環水泵工作不正常，發生嚴重故障；2-凝汽器出口水室有空氣進入或冷卻管臟污（A側）；3-凝汽器出口水室有空氣進入或冷卻管臟污（B）；4-凝汽器出口水室有空氣進入或冷卻管臟污（A、B側）；5-低壓缸供汽中斷或供汽不足；6-凝汽器內水位很高淹沒銅管，即凝汽器滿水；7-凝汽器內非正常途徑漏入空氣，真空不嚴密；8-凝結水泵工作異常；9-凝汽器冷卻管損壞致使循環冷卻水內漏（A側）；10-凝汽器冷卻管損壞致使循環冷卻水內漏（B側）；11-凝汽器冷卻管損壞致使循環冷卻水內漏（A、B側）；12-凝汽器低壓加熱器管路損壞；13-凝汽器冷卻管路內部堵塞（A側）；14-凝汽器冷卻管路內部堵塞（B側）；15-凝汽器冷卻管路內部堵塞（A、B側）；16-真空泵損壞；17-真空系統管路破裂或存在大的漏點；18-冷卻水塔故障；19-抽氣設備工作不正常；20-凝結水泵盤根漏水或取樣器泄漏；21-循環水流量不足。
1.4故障診斷流程
故障診斷的大致步驟為先確定凝汽器故障征兆知識庫的專家系統，然后通過訓練得到一個網絡，再把從DCS系統上采得的征兆實際值，通過模糊隸屬度函數進行模糊化處理，代入到訓練好的網絡中即可顯示出診斷的結果。見圖1。把從電廠DCS中采集到的故障征兆參數經適當的隸屬度函數模糊化，模糊化后的結果為[0.01,0.5,0.180075,0.202975,0.5,0.5,0.317104,1,0.5,0.5,0.5,0.217346,0.145241,1,1,1,0.5,0.5,0.61578,0.318924,0.75,0.5]
2結論
故障診斷方法范文2
模擬電路發生了故障,就不能達到設計時所規定的功能和指標,這種電路稱為故障電路。故障診斷就是要對電路進行一定的測試,從測試結果分析出故障。一般來講,模擬電路故障診斷的方法可以分為估計法,測試前模擬法和測試后模擬法三大類。本文將對其中的估計法展開討論。
估計法是一種近似法,這類方法一般只需較少的測量數據,采用一定的估計技術,估計出最可能發生故障的元件。這類方法又可分為確定法和概率法。確定法依據被測電路或系統的解析關系來判斷最可能的故障元件,概率法是依據統計學原理決定電路或系統中各元件發生故障的概率,從而判斷出最可能的故障元件。本文重點介紹確定法中的最小平方判據法。 最小平方判據法又分為結合判據法和迭代法。
1. 結合判據法:
設模擬電路含有m個不同的參數,對電路進行測量,得到m個不同的特性測量值,且m
如果電路中第I個元件發生故障,其參數為xi ,其余各元件的參數都為額定值,那么任意一個點的測試值都可以表示為xi 的函數:
yj=fj(Xi)=fj(x10,x20,…,xi,…xn0) j=1,2 3….m
其中,Xi 為參數矢量,其中除第i 個分量為xi 外其余各分量為參數的額定值。于是有 :
j=1,2,3,…,m (1.1)
對每一個參數都引入一個物理量s,s為特性偏差的平方和,于是對于參數I有:
i= 1,2,3…,n (1.2)
當xi 變動時,s也隨之而改變。如果電路中只存在單故障,那么當xi等于故障參數的實際值時,特性值的測量值與計算值十分接近,特性偏差接近與零。此時表征特性偏差平方和的物理量si將最小。因此我們可以將si作為故障診斷的一種判據,我們將si的最小值定義為結合參數I的靈敏度因子。
如果電路中發生的單故障是偏離其額定值不大的軟故障,特性值yi的計算值可以展開成泰勒級數:
(1.3)
式中額定參數矢量X0=[x10,x20…,xn0]’;參數增量矢量 , 為泰勒級數中大于一階的高階項,若電路中發生的是軟故障,此項可以忽略不計。 ∣xi=xi0 (i=1,2,3…n),為特性j對特性I 的靈敏度。發生單故障時,只有 不等于零,所以
(1.4)
代入(1.2)式可得:
(1.5)
令 求得:
(1.6)
于是可以求出結合參數I的靈敏度因子
(1.7)
測試前可先根據電路的額定參數計算出各靈敏度aji及各特性值的計算值yj0,測試后可以得到各特性的測量值gj,由上式可以直接求出靈敏度因子,從而確定故障發生點。
由前面的討論我們可以總結出采用結合判據法進行故障診斷的具體步驟如下:
(1)先進行測試,從可及節點得到m個特性測量值。
(2)求得結合參數xi 的靈敏度因子,即si 的最小值,作為故障診斷的判據。
(3)在n個參數的靈敏度因子都求得之后,其中最小的靈敏度因子所對應的參數是最有可能發生了故障的參數。
結合判據法簡單易行,所需的測量數據少,但是由于各元件的參數都存在一定的容差,各特性在測量時也存在一定的誤差,這些都會影響判斷的真實性。另外,從前面的分析我們可以看出這種方法只適合于參數變化不大的單、軟故障的定位,而不適用于多故障的定位。
2. 迭代法
我們在最小判據法的基礎上進一步引申,找一個類似于靈敏度因子的判據,并計算使這個判據達到最小時的各個參數的值,即各個參數的實際值,然后與額定值進行比較,從而確定故障點,這樣就可以用于多故障的定位。這就是迭代法的基本思路。
與結合判據法不同的是,迭代法對所有的參數都共用一個判據。令
(2.1)
其中, 為特性測量值gj的方差。將yj=fj(X)在X0處按泰勒級數展開,如果 不大,可忽略高次項,得
(2.2)
代入式 (2.1),得:
(2.3)
當s達到最小值時所對應的X=X0+ 即為各參數的估計值,如果某些元件的參數估計值超過其容差范圍,則可能為故障元件。
式 (2.3)可以寫成:
(2.4)
其中:
如果要求s的最小值,只需對式(2.4)求導,并令倒數為零,可得:
(2.5)
我們采用迭代法求解,首先設X的初值為X0,在X0處計算P,A,PA,
然后再由式(2.5)計算出 ,由式(2.4)計算出s,完成一個迭代過程。然后令X的新值為 ,在X1處計算P,A,PA, 及s的值,如此循環下去,直到第k次滿足 時為止,此時對應的Xk就是所要求的參數估計值。
由此可以看出迭代法與我們前面所討論的結合判據相比,測量值數必須要大于或等于參數的個數,它考慮了測量誤差。另外,它能夠估計出各個元件的參數值,可以用于多故障診斷,但計算量大。
3. 總結:
本文主要介紹了模擬電路故障診斷方法中的估計法。這種方法只需要較少的測量數據,但診斷結果一般只是近似的。估計法中的大部分方法都適用于電路元件的故障定位,可用于診斷線性電路中的單個的軟故障。其中很多方法還可用于多故障診斷,例如文中介紹的迭代法。
估計法只是一種比較傳統的故障診斷方法,隨著人們對這一領域研究的不斷深入,已經出現了一些用于非線性模擬電路以及大規模網絡的故障診斷方法,例如分解網絡技術,
人工智能技術等。故障診斷技術與計算機技術的結合也越來越密切,利用微型計算機和微處理器可使故障診斷更加快速可靠。
參考文獻:
故障診斷方法范文3
1.1電機故障診斷的特點
電機的功能是進行電能與機械能量的轉換，涉及因素很多，如電路系統、磁路系統、絕緣系統、機械系統、通風散熱系統等。哪一部分工作不良或其相互之間配合不好，都會導致電機出現故障。因此，電機故障要比其它設備的故障更復雜，其故障診斷所涉及到的技術范圍更廣，對診斷人員的要求也就更高。一般來說，電機故障診斷涉及到的知識領域主要有[20]：電機理論、電磁測量、信號處理、計算機技術、熱力學、絕緣技術、人工智能等。電機故障診斷的復雜性還表現在故障特征量的隱含性、故障起因與故障征兆之間的多元性。一種故障可能表現出多種征兆，有時不同故障起因也可能會反映出同一個故障征兆，這種情況下很難立即確定其真正的故障起因。另外，電機的運行還與其負載情況、環境因素等有關，電機在不同的狀態下運行，表現出的故障狀態各不相同，這進一步增加了電機故障診斷難度，所以要求對電機進行故障診斷首先必須掌握電機本身的結構原理、電磁關系和進行運行狀況分析的方法，即掌握電機各種故障征兆與故障起因間的關系的規律。
1.2實施電機故障診斷的意義
電機的驅動易受逆變器故障的影響，在交流電機驅動系統中，逆變器短路故障將會使電機產生有規律波動的或是恒定的饋電扭矩，使車輛突然減速。研究表明：逆變器出現故障時，永磁感應電機將產生較大的饋電扭矩，而且永磁電機也有存在潛在的高消磁電流的問題。而感應電機在逆變器出現故障時所產生有規律的饋電扭矩將由于有持續的負載而迅速衰減，這說明了感應電機具有較高的容錯能力，適應混合動力系統的要求。開關電機磁阻是最具有故障容錯能力的電機，而且當其有一個逆變器支路出現故障時電機仍能產生凈扭矩，另外，開關磁阻電機成本低，結構緊湊，但是開關磁阻電機有較大的噪聲和扭矩脈沖，而且需要位置檢測器，而這些缺點使得開關磁阻電機在現階段不適合應用于混合動力客車上。在混合動力客車動力系統中，電機是作為輔助動力的，而且電機屬于高速旋轉設備，如果電機出現故障，電機產生的瞬態扭矩將使車輛的穩定性和動力性將受到影響，而且，電機由高壓電池組驅動，如果電機出現故障而不能及時容錯，電機產生的瞬態電流將使電池受到損害，因此在混合動力系統中對電機進行故障診斷是非常必要的。
2.電機的故障診斷方法及典型故障診斷分析
2.1電機故障的診斷方法
（1）傳統的電機故障診斷方法
在傳統的基于數學模型的診斷方法中，經典的基于狀態估計或過程參數估計的方法被應用于電機故障檢測。圖1為用此類方法進行故障診斷的原理框圖。這種方法的優點是能深入電機系統本質的動態性質，可實現實時診斷，而缺點是需建立精確的電機數學模型，選擇適當決策方法，因此，當電機系統模型不確定或非線性時，此類方法就難以實現了。
（3）基于模糊邏輯的電機故障診斷方法
圖3為基于模糊邏輯的電機故障診斷方法框圖，故障診斷部分是一個典型的模糊邏輯系統，主要包括模糊化單元、參考電機、底層模糊規則和解模糊單元。其中，模糊推理和底層模糊規則是模糊邏輯系統的核心，它具有模擬人的基于模糊概念的推理能力，該推理過程是基于模糊邏輯中的蘊涵關系及推理規則來進行的。模糊規則的制定有兩種基本方法：第一，啟發式途徑來源于實際電機操作者的語言化的經驗。第二，是采用自組織策略從正常和故障電機測量獲得的信號進行模糊故障診斷的制定，將此方法通過計算機仿真實現，對電機故障有較好的識別能力。
（4）基于遺傳算法的電機故障診斷方法
遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法，它的推算過程就是不斷接近最優解的方法，因此它的特點在于并行計算與全局最優。而且，與一般的優化方法相比，遺傳算法只需較少的信息就可實現最優化控制。由于一個模糊邏輯控制器所要確定的參變量很多，專家的經驗只能起到指導作用，很難根據指導準確地定出各項參數，而反復試湊的過程就是一個尋優的過程，遺傳算法可以應用于該尋優過程，較有效地確定出模糊邏輯控制器的結構和數量。
遺傳算法應用于感應電機基于神經網絡的故障診斷方法的框圖如圖4所示。設計神經網絡的關鍵在于如何確定神經網絡的結構及連接權系數，這就是一個優化問題，其優化的目標是使得所設計的神經網絡具有盡可能好的函數估計及分類功能。具體地分，可以將遺傳算法應用于神經網絡的設計和訓練兩個方面，分別構成設計遺傳算法和訓練遺傳算法。許多神經網絡的設計細節，如隱層節點數、神經元轉移函數等，都可由設計遺傳算法進行優化，而神經網絡的連接權重可由訓練遺傳算法優化。這兩種遺傳算法的應用可使神經網絡的結構和參數得以優化，特別是用DSP來提高遺傳算法的速度，可使故障響應時間小于300μs，不僅單故障信號診斷準確率可達98%，還可用于雙故障信號的診斷，其準確率為66%。
近年來，電機故障診斷的智能方法在傳統方法的基礎上得到了飛速發展，新型的現代故障診斷技術不斷涌現：神經網絡、模糊邏輯、模糊神經網絡、遺傳算法等都在電機故障診斷領域得到成功應用。隨著現代工業的發展，自動化系統的規模越來越大，使其產生故障的可能性和復雜性劇增，僅靠一種理論或一種方法，無論是智能的還是經典的，都很難實現復雜條件下電機故障完全、準確、及時地診斷，而多種方法綜合運用,既可是經典方法與智能方法的結合，也可是兩種或多種智能方法的結合，兼顧了實時性和精確度,因此多種方法的有機融合、綜合運用這一趨勢將成為必然，也將成為電機故障在線診斷技術發展的主流方向。
參考文獻：
[1]陳清泉,詹宜君，21世紀的綠色交通工具——電動汽車[M]，北京:清華大學出版社,2001
故障診斷方法范文4
關鍵詞：汽車電機 故障 方法
1、電機故障診斷的特點及實施電機故障診斷的意義
1.1電機故障診斷的特點
電機的功能是進行電能與機械能量的轉換,涉及因素很多,如電路系統、磁路系統、絕緣系統、機械系統、通風散熱系統等。哪一部分工作不良或其相互之間配合不好,都會導致電機出現故障。因此,電機故障要比其它設備的故障更復雜,其故障診斷所涉及到的技術范圍更廣,對診斷人員的要求也就更高。一般來說,電機故障診斷涉及到的知識領域主要有:電機理論、電磁測量、信號處理、計算機技術、熱力學、絕緣技術、人工智能等。電機故障診斷的復雜性還表現在故障特征量的隱含性、故障起因與故障征兆之間的多元性。一種故障可能表現出多種征兆,有時不同故障起因也可能會反映出同一個故障征兆,這種情況下很難立即確定其真正的故障起因。另外,電機的運行還與其負載情況、環境因素等有關,電機在不同的狀態下運行,表現出的故障狀態各不相同,這進一步增加了電機故障診斷難度,所以要求對電機進行故障診斷首先必須掌握電機本身的結構原理、電磁關系和進行運行狀況分析的方法,即掌握電機各種故障征兆與故障起因間的關系的規律。
1.2實施電機故障診斷的意義
電機的驅動易受逆變器故障的影響,在交流電機驅動系統中,逆變器短路故障將會使電機產生有規律波動的或是恒定的饋電扭矩,使車輛突然減速。研究表明:逆變器出現故障時,永磁感應電機將產生較大的饋電扭矩,而且永磁電機也有存在潛在的高消磁電流的問題。而感應電機在逆變器出現故障時所產生有規律的饋電扭矩將由于有持續的負載而迅速衰減,這說明了感應電機具有較高的容錯能力,適應混合動力系統的要求。開關電機磁阻是最具有故障容錯能力的電機,而且當其有一個逆變器支路出現故障時電機仍能產生凈扭矩,另外,開關磁阻電機成本低,結構緊湊,但是開關磁阻電機有較大的噪聲和扭矩脈沖,而且需要位置檢測器,而這些缺點使得開關磁阻電機在現階段不適合應用于混合動力客車上。在混合動力客車動力系統中,電機是作為輔助動力的,而且電機屬于高速旋轉設備,如果電機出現故障,電機產生的瞬態扭矩將使車輛的穩定性和動力性將受到影響,而且,電機由高壓電池組驅動,如果電機出現故障而不能及時容錯,電機產生的瞬態電流將使電池受到損害,因此在混合動力系統中對電機進行故障診斷是非常必要的。
2、電機的故障診斷方法及典型故障診斷分析
2.1電機故障的診斷方法
(1)傳統的電機故障診斷方法
在傳統的基于數學模型的診斷方法中,經典的基于狀態估計或過程參數估計的方法被應用于電機故障檢測。這種方法的優點是能深入電機系統本質的動態性質,可實現實時診斷,而缺點是需建立精確的電機數學模型,選擇適當決策方法,因此,當電機系統模型不確定或非線性時,此類方法就難以實現了。
(2)基于模糊邏輯的電機故障診斷方法
基于模糊邏輯的電機故障診斷方法,故障診斷部分是一個典型的模糊邏輯系統,主要包括模糊化單元、參考電機、底層模糊規則和解模糊單元。其中,模糊推理和底層模糊規則是模糊邏輯系統的核心,它具有模擬人的基于模糊概念的推理能力,該推理過程是基于模糊邏輯中的蘊涵關系及推理規則來進行的。模糊規則的制定有兩種基本方法:第一,啟發式途徑來源于實際電機操作者的語言化的經驗。第二,是采用自組織策略從正常和故障電機測量獲得的信號進行模糊故障診斷的制定,將此方法通過計算機仿真實現,對電機故障有較好的識別能力。
(3)基于遺傳算法的電機故障診斷方法
遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法,它的推算過程就是不斷接近最優解的方法,因此它的特點在于并行計算與全局最優。而且,與一般的優化方法相比,遺傳算法只需較少的信息就可實現最優化控制。由于一個模糊邏輯控制器所要確定的參變量很多,專家的經驗只能起到指導作用,很難根據指導準確地定出各項參數,而反復試湊的過程就是一個尋優的過程,遺傳算法可以應用于該尋優過程,較有效地確定出模糊邏輯控制器的結構和數量。
故障診斷方法范文5
【關鍵詞】煤礦；提升機軸承；故障診斷
1.概述
當前煤礦生產基本上都要依靠機械化設備來完成，生產效率的高低受設備正常運轉程度的影響非常大。一旦生產過程中設備故障，將可能使生產受影響甚至于造成人員傷亡。因此在對生產設備進行及時的故障診斷將隱患及早消除對于保障安全生產和保護人員安全具有重要意義。要實現上述目標，主要的途徑是探索出有效的故障診斷方法。這樣既能夠有效的避免出現安全事故，又可以提高社會經濟效益。
在煤礦的各類生產機械中，提升機系統承擔著繁重的人員和物料的搬運任務，是維持煤礦正常生產的重要組成部分，出現故障將直接影響煤礦的正常生產。而提升機系統又是一個容易出問題的系統，尤其是其中的軸承部分更是需要定期維護檢修。但由于提升機軸承故障故障的易發性和診斷的復雜性，國內在這個方面的研究于起步較晚，但已經取得了部分的研究成果，如CMJ-10電腦沖擊脈沖計、BTZ000智能軸承故障測試儀、BAZO10智能軸承故障分析儀等，可從不同的角度來完成對軸承的損失程度和程度的監測工作，但這些監測設備基本上都在便攜性和可靠性方面存在不足，而從軸承監測和故障診斷的發展趨勢來看，研究以計算機分析為基礎的軸承監測與診斷是主要研究趨勢和研究熱點。采用計算機和嵌入式系統的軸承故障診斷方法具有較為成熟的工業應用背景，本文將在此基礎上，以滾動軸承的故障診斷為研究對象，探討一種基于DSP嵌入式系統的滾動軸承故障簡易診斷方法和滾動軸承故障精密診斷方法來實現對煤礦提升機軸承的故障診斷方式。
2.軸承故障診斷的理論基礎
對提升機滾動軸承的故障診斷需要建立在歸故障類型的了解較為充分的基礎上，并且還需要對滾動軸承運轉過程中的故障信號進行分析。而對故障信號的提取和分析則是進行故障診斷正確性的前提和基礎。因此要完成提升機滾動軸承故障的診斷，就需要完成三個方面的基礎工作，一是對提升機滾動軸承的故障類型有較為充分的了解，二是完成對滾動軸承工作狀態信號（故障信號）的提取和排除隨機干擾，三是完成信號的分析，并確定故障類型。以上三個方面的工作中，故障類型的了解可前期完成，也相對容易。而對故障信號的正確提取和后期分析是工作的重點?，F分別對故障信號的提取和后期分析方法分別展開討論。
2.1 故障信號的提取分析方法
煤礦提升機的工作環境非常惡劣，工作現場存在大量的外界噪聲干擾，因此要準確的獲取故障信號就需要有效的排除背景噪聲的干擾。對此本文中采用將軸承的純故障信號從軸承故障振動信號中分離出來，通過對軸承純故障信號進行分析來判斷軸承是否存在故障及其故障類型的方法。這種方法對于排除背景噪聲和提純故障信號特征效果顯著，其理論基礎是用傅里葉變換及其逆變換。實施步驟大致如下：設滾動軸承在正常工作時的信號函數為，軸承在故障時的信號函數為，而軸承完全故障狀態時的振動信號為，故有：，再使用傅立葉變換，可得，則。通過上述變換，可以有效的將部分外界噪聲和干擾信號排除，再采用FFT和IFFT算法，在可計算機上利用較小波相關濾波算法和自適應濾波算法來實現信號的提純操作。
2.2 軸承故障精密診斷算法
在對信號提純的基礎上，需進一步對滾動軸承的故障信號進行特診分析，從而判斷出具體的故障類型。本文中所采用的方法為小波變換，以二進制規律來確定信號的分解尺度，在每次信號的分解過程還在那個的低頻和高頻信號都具有相同的頻帶寬度。小波理論的表達式較為復雜，限于篇幅，不在此展開，可參照文獻。這類只給出基于小波包分解的故障診斷一般步驟：
(1)對采集的滾動軸承振動信號進行3層小波包分解，分別獲得從低頻到高頻涵蓋所有頻率成分的第3層小波包分解的細節信號；
(2)對小波包分解后的第3層各頻帶的小波包細節信號按照小波包重構算法進行重構；
(3)對重構后的各個頻帶的小波包細節信號進行Hilbert包絡解調分析，獲得各個頻帶重構后細節信號的包絡譜；
(4)計算各個頻帶重構后包絡細節信號功率譜；
(5)從各個頻帶的細節信號包絡功率譜圖中尋找是否包含根據滾動軸承參數計算出來的滾動軸承故障特征頻率，以此來判斷滾動軸承是否存在故障及其存在的軸承故障類型。
3.配套系統設計
從前文分析可見，要實現對提升機滾動軸承的故障檢測，既需要有信號的采集，又涉及到信號的分析，因此對硬件和軟件都有要求。硬件條件主要是完成滾動軸承的信號運轉狀態信息采集，而軟件條件則是完成對信號的提純和分析。相關硬件和軟件的設計細節概述如下。
3.1 信號采集硬件系統
在進行硬件系統的設計時，采用DSP嵌入式系統，分別完成對信號的采集、預處理、出力和通訊等功能。其中，信號采集部分需要監測的信息類型包括提升機的提升速度、提升機天輪轉速、天輪直徑和轉頻、井筒深度等，量程和靈敏度。為平衡硬件投入和監測效果，在進行系統設計時采用適合長期監測的進口壓電加速度傳感器作為振動信號采集源頭。除了振動信號外，溫度同樣是表征滾動軸承運行狀況的重要指標。本系統中采用的溫度傳感器信號類型為PT100鉑電阻溫度變送器，并將其溫度探頭布置在提升機轉輪的軸承外圈。
3.2 軟件系統設計
軟件系統的作用是完成滾動軸承振動信號和溫度信號的分析處理。軟件系統主要由三個部分組成：提升機天輪軸承故障診斷算法的設計、下位機與上位機通訊方法的設計、軸承故障監控平臺的設計。各軟件子系統的設計較為復雜，這里不予詳述，僅給出軟件系統中最關鍵的故障診斷FFT算法思路與步驟。FFT算法即快讀傅立葉變換，其依據離散傅立葉算法的奇偶和虛實等特性，通過改進離散傅立葉算法來實現，其優勢是可以提高信號的轉換速度和系統的運算速度。在軟件計算時先將離散傅立葉變換分解，將較長的序列分解為一系列較短的離散傅立葉變換，進而通過旋轉因子的周期性和對稱性特征，將分解后的較短離散傅立葉變換序列進行合并。系統按照時間序列抽取基-2FFT快速算法來實現滾動軸承時域到頻域的轉換。在進行信號的故障類型分析時，采用小波包算法。其步驟如下：①對輸入的軸承振動離散信號序列進行處理；②選擇db小波包基函數來進行小波包分析；③對采集的軸承振動信號進行三層小波包分解和重構；④利用Hilbert解調算法對小波包分解的各節點重構細節信號進行Hilbert包絡解調分析；⑤計算小波包分解第三層各節點的Hilbert包絡解調功率譜；⑥計算軸承各個故障特征頻率權重，根據各個故障特征頻率權重判斷軸承故障類型。
4.結果分析
完成上述步驟后，可通過對比滾動軸承內圈故障頻域波形和經過小波包分析后的波形對比來完成故障的診斷，圖1和圖2給出了計算的實例。結果表明利用本文中的方法可有效判斷滾動軸承的工作狀態。
參考文獻
[1]唐秋杭,符麗娜,朱善安.基于DSP和ARM的滾動軸承自動監測和故障診斷系統[J].機電工程.2010,23(2):l-4.
故障診斷方法范文6
【關鍵詞】主提升機 液壓站 參數測量法 故障
由液壓站、盤形制動器及電控系統等組成的主提升機制動系統使用廣泛，控制性能優良，成本低廉。但其元器件質量參差不齊、使用維護不正確且系統中各元器件和工作介質都在封閉管路中工作，無法直觀觀察，也無法簡單使用儀器測量參數，而在液壓設備中，僅靠壓力表、流量計等指示的部分參數而其它參數未知，無法排除一般故障的其他可能，這給診斷液壓系統故障帶來很多困難。
現場由于受各種生產和技術因素的制約，要求維修人員根據現場條件和實際情況，用最簡捷方式，在盡可能短的時間內，準確地查找故障部位和辨別原因并予以處理，恢復系統正常。
1 診斷液壓系統故障的原則
排除故障的前提是正確分析故障，根據概率學分析，系統故障發生并非偶然，總有預兆并且只有預兆發展到一定程度才會產生。故障的原因復雜多樣，毫無固定規律。但根據概率統計約百分之九十的液壓系統故障是由于介質污染和維護管理不善導致的，為了迅速、正確地診斷故障，必須充分掌握液壓故障的特征和規律，這是故障診斷的基礎。
（1）首先判斷液壓系統的工作條件和環境是否正常。首先判斷是設備機械部分故障、電器控制部分故障或者液壓系統本身的故障，同時檢查液壓系統的各種正常運行條件是否滿足。（2）區域判斷。根據故障現象和特征確定故障相關區域，并且逐步縮減發生故障的范圍，檢測區域內各元器件狀況，分析發生原因，最終查找故障部位。（3）掌握故障種類進行綜合分析，根據最終的故障現象，逐步深入查尋直接的或間接的多種可能原因，為避免盲目性，必須根據基本系統原理，綜合進行分析、邏輯判斷，逐步減少排除懷疑對象，最終查找故障位置。（4）故障診斷是建立在運行日志及某些系統參數基礎之上的。系統運行日志的建立為預防、發現和處理故障提供了科學依據而設備運行故障分析表則是使用經驗的高度概括總結，有助于對故障現象迅速做出判斷；具備一定檢測手段后方可對故障做出準確的定量分析。（5）可能故障原因的驗證，一般從最可能的故障原因或最容易檢查的地方開始，這樣可減少拆卸量，提高診斷速度。
2 故障診斷方法
作為目前查找液壓系統故障的傳統方法，邏輯分析逐步逼近法的基本思路是綜合分析、條件判斷。首先維修人員通過望、聞、觸和簡單的測試以及對液壓系統原理的理解，根據經驗判斷發生故障的原因。液壓系統出現故障的根源有許多種可能性。采用邏輯代數方法，將所有可能故障原因列表，然后根據先易后難原則逐一進行邏輯判斷，逐項逼近，最終找出故障原因和引起故障的具體條件。
在故障診斷過程中此法要求維修人員不僅具有液壓系統基礎知識還要有較強的分析能力，方可保證診斷的效率和準確性。并且診斷過程較繁瑣，須經過大量的檢查、驗證，而且只能是定性地分析，診斷的故障原因不夠準確。傳統的故障診斷方法已遠不能滿足現代液壓系統的要求，為減少系統故障檢測的盲目性和經驗性以及拆裝工作量，急需采用現代故障診斷方法。
近年來，隨著液壓系統向大型化、連續生產、自動控制方向發展，又出現了多種現代故障診斷方法。如鐵譜診斷，借助磁力從介質中分離出來的各種金屬磨粒，分析其數量、特性、尺寸、材料以及分布規律等情況，及時、準確地判斷出系統中元件的磨損狀況等。而且可對介質進行定量的分析和評估，做到實時檢測和故障預防。再如基于人工智能專家診斷系統，它通過計算機模仿有經驗豐富的專家在這一領域的方法來解決這個問題。通過人機界面將故障現象輸入計算機，計算機根據輸入的現象以及知識庫的知識，推算出可能的故障的原因，然后通過人機接口輸出，并提出維護方案和預防措施。這些先進方法給液壓系統故障診斷帶來美好的遠景，并為液壓系統故障診斷自動化奠定了堅實的基礎。但是這些方法需要昂貴的測試設備和精密的傳感控制系統和計算機處理系統，有些方法研究起來有一定困難，目前并不適和現場使用。下面介紹一種簡單、實用的液壓系統故障診斷方法。
2.1基于參數測量的故障診斷系統
液壓系統的工作是正常的，關鍵取決于兩個主要工作參數即壓力和流量是否在正常工作條件，以及系統參數如溫度和速度的傳動裝置是否正常。液壓系統故障現象是多方面的，問題的原因也是多種因素的結合。相同的因素可能會導致不同的故障現象，和相同的故障可能對應于不同的原因。例如：介質污染可能會導致液壓系統壓力、流量和方向等等的各個方面的故障，這給液壓系統故障診斷帶來了巨大困難。
參數測量法故障診斷的思維是任何液壓系統正常工作，其系統參數均在設計和給定值附近，工作如果這些參數偏離目標值，然后系統會發生故障或可能會發生故障。液壓系統故障的本質是系統工作參數的異常變化。因此，液壓系統故障是一個特定的元件或系統中的一些元件有故障，進一步可以得出結論，系統一個或一些參數在電路偏離目標值。這表明如果液壓回路的工作參數不正常，則系統可能發生故障或故障已發生，需維修人員立即進行處理。所以參數測量的基礎上，然后與邏輯分析相結合，可以快速、準確地找到故障。參數測量方法不僅可以診斷系統故障，但也可以預測故障的可能性， 定量的預測和診斷，大大提高診斷的速度和準確性。直接測量檢測，檢測速度快，誤差小，檢測設備簡單、易于現場生產的使用。適合任何液壓系統。測量時，沒有停機時間，沒有損壞液壓系統，可以檢測幾乎任何系統任何部分，不僅可以診斷已有故障，還可在線監測并預測潛在的故障。
2.2參數測量法原理
只要測得液壓系統回路中所需任意點處工作參數，將其與系統工作的正常值相比較，即可判斷出系統工作參數是否正常，是否發生了故障以及故障的所在部位。
液壓系統中的工作參數，如壓力、流量、溫度等均非電參量，一般儀器采用間接測量法，首先，需要使用物理效應將這些非電量轉換成電量，然后通過放大、轉換和顯示等處理，被測參數則可用轉換后的電信號代表并顯示。由此可判斷液壓系統是否有故障。但這種間接測量方法需各種傳感器，檢測裝置較復雜，測量結果誤差大、不直觀，不便于現場使用。
下面介紹一種實用的液壓系統故障檢測回路，該液壓系統為主提升機B159液壓站。系統結構原理如圖1a所示。檢測回路通常和被檢測系統并聯連接，此連接需在被測點設置如圖1a所示的雙球閥T形接頭，它主要用于對系統進行不拆卸檢測。它對液壓系統所需點的各種參數進行直接的快速檢測，不需任何傳感器，它可同時檢測系統中的壓力、流量和溫度三個參數，而執行器的速度和轉速則可通過測量出口流量的方法計算得到。
主提升機B159液壓站液壓系統中，葉片泵出口的壓力、流量、流速來判斷該檢測原理如圖1a所示。系統正常工作時，閥門1開啟，2關閉，檢測口罩上防塵罩，以防污染。通過調節閥門1和溢流閥7即可方便地測出壓力、流量、溫度、速度等參數。但要求系統配管時，將雙球閥三通在需檢測系統參數的部位當作接管（如圖1連接）或彎管接頭（如圖1b連接，這樣做既不會增加系統的復雜性，也不會對系統性能產生明顯影響）來配置。
3 結語
參數測量法是一種實用、新型的液壓系統故障診斷方法，它與邏輯分析法相結合，大大提高了故障診斷的快速性和準確性。
參考文獻：
