前言：中文期刊網精心挑選了故障診斷方法綜述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。
故障診斷方法綜述范文1
關鍵詞：汽車；變速器；故障診斷；解析；
自動變速器是一種汽車內部的封閉裝置，只要產生故障，就會使維修的難度增大，在未確認故障區域時，不能隨意開展解體維修，必須快速并正確地進行故障的診斷及排除，相關的維修人員必須全面掌握各種汽車故障的癥狀，還要仔細收集并分析來自于用戶的情況說明，以便更好地開展故障診斷與排除。
一、汽車自動變速器中的故障診斷
（一）容易產生打滑 汽車運行過程中，在踩油門后車速無法提高，或汽車在上坡時缺乏行駛的動力，產生此類情況時，駕駛員應快速思考是否是自動變速器發生了故障。而導致這一故障的原因有很多：（1）汽車自動變速器的制動器內密封圈使用過久，未進行及時更換，致使零件過度磨損產生脫落，從而使自動變速器漏油；一旦油壓與供油減少，就會使汽車缺乏運行動力；（2）汽車自動變速器內的油泵被損壞也會使汽車漏油、油壓減少，讓汽車缺乏運行動力且無法提速。
（二）容易產生漏油 汽車自動變速器產生漏油的關鍵因素是汽車自動變速器平面發生了變形，或者是由于自動變速器在進行加工時工作人員缺乏耐心，從而使汽車關鍵部件中的固定螺栓產生松動。一旦發生此類故障，須從集中漏油的地方著手，判斷具體的故障原因，采用具有針對性的排除方法。
（三）無法升檔 汽車在運行過程中自動變速器無法提升到高速檔或超速檔，產生此故障的原因有：節氣門拉索的調整不正確；節氣門的位置傳感器與電路故障；調速閥及其油路故障；車速傳感器故障；換檔電磁閥故障；高檔離合器與制動器故障；檔位開關故障等。
二、主要的診斷方法
（一）磨損殘余物分析診斷方法
對于汽車變速箱齒輪而言，其最為主要也是最為常見的失效形式就是磨損失效；汽車在運行過程中，若出現齒面磨損，則可以在油中找到這些磨損的殘余物；對于磨損殘余物分析診斷方法來講，其對機器失效有關信息的快速獲取，主要是基于對機械零部件磨損殘余物在油中殘余物含量的測定來完成的。當前進行測定的主要有兩種方法：1對殘余物進行直接檢查，以及通過對油渾濁度變化、電感的變化以及油膜間隙內電容的測定來快速獲得有關零件失效的重要信息；2收集殘余物，例如，應用特殊的過濾器或者磁性探頭等來把工作表面因疲勞而形成的大塊剝落物收集起來。實踐表明，應用磨損殘余物故障這種分析方法來對變速器中的磨損類型故障進行檢測診斷，是相當有效的；相比于其他故障診斷方法，諸如振動診斷方法，這種診斷方法在對磨損類型故障診斷方面，更具有優勢，因而對汽車變速器磨損故障進行判斷的有力手段就是磨損殘余物分析診斷方法。
（二）振動檢測技術診斷法 有關機械振動信號，這是當前診斷技術采用最多的一種信號，這主要是基于由振動所產生的機械損壞具有相當高的比率；根據相關資料可知，由機械振動而帶來的機械故障超過三分之二；此外，最容易獲得的振動信號，是來自機械運轉中所產生的，而且在振動信號中，還具有數量眾多的能對機械設備狀態進行反映的信號，通過振動的異?？砂言S多機械故障反應出來。振動檢測技術診斷法，主要是基于對設備振動參數及特征的檢測，來對設備狀態和故障進行分析的一種方法。
（三）聲發射技術診斷法 這種診斷方法，就是應用儀器進行檢測、對聲發射信號進行分析和利用的一種故障診斷方法。對汽車變速箱齒輪而言，因其的高速旋轉，致使運行中不可避免地產生熱彎曲、不對稱等現象，帶來轉子碰撞，故在金屬以內的晶格，將出現重新排列或滑移，此過程因能量發生變化，變化的能量將通過彈性波這種形式來進行釋放，這就形成了聲發射信號；一定要應用專門技術，來把背景噪聲的干擾排除掉。聲發射監測這種檢測方法，具有無損動態檢測特點，但它又不同于其他無損檢測方法，因聲發射信號是產生于外部條件的作用下，故對于那些缺陷變化，相當敏感，對于那些微米數量級的顯微裂紋的擴展和發生的相關信息，可以輕而易舉地檢測出來，故具有極高的靈敏度。
（四）光纖傳感技術診斷法 這種故障診斷方法，主要是基于光纖對一些特定的物理量所具有的敏感性，來把外界物理量向可進行直接測量的信號進行轉換的一種汽車變速器齒輪故障診斷方法。就光纖而言，不僅可直接作為光波的直接傳播媒質，而且光纖傳播中的光波，其特征參數會因外界因素的影響而產生變化，故可把光纖當作傳感元件來對各種物理量進行探測。對于光纖傳感器而言，因具有極高的靈敏度、超強的抗電磁干擾能力、超好的電絕緣性急耐腐蝕等等優點，故在汽車這個行業也受到了極為普遍的應用。當前，光纖傳感技術已朝著智能化、功能化及集成化等方向快速發展著，可以預見，隨著科技的不斷發展，這種故障診斷方法將在汽車變速器齒輪故障診斷中將得到越來越廣泛的應用。
參考文獻：
[1]ThomasMerath，JoachimNaas，FranzJoachim等.基于有限元法的汽車變速器齒輪與軸承優化[J].傳動技術，2015，29（2）：3-13，20.DOI：10.3969/j.issn.1006-8244.2015.02.001.
[2]高勇.微型汽車變速器傳動效率的影響因素分析及試驗研究[D].武漢理工大學，2013.
故障診斷方法綜述范文2
【關鍵詞】 機械設備；狀態檢測；故障診斷；
1、引言
機械設備狀態監測及故障診斷技術，是從上世紀六七十年代的應用發展來的管理理念。隨著機械設備的現代化、復雜化和自動化程度的不斷升級，機械設備狀態監測及故障診斷技術在國外得到了迅猛的普及和廣泛使用，成為當今先進設備管理及維修的新思維。上世紀九十年代以來，機械設備狀態監測及故障診斷技術開始在我國得帶推廣，并且取得了一定的效果。作為一種新穎的設備管理思想，與傳統的設備管理與維修觀念相比，它具有更好的有效性和科學性，顯著的提高了設備運行的可靠性、生產效率以及設備的使用壽命，同時降低了設備的維修成本。
2、機械設備狀態監測及故障診斷技術的意義
機械設備狀態監測與故障診斷技術主要包含著以下兩項技術：一是對及其狀態進行實時監測，即狀態監測技術；二是故障診斷方法，即高效的故障診斷技術，設備的狀態監測技術是指對故障設備的某些特征參數進行監測，并且將所得測定值與規定的正常值進行比對，判斷該部件是否運行正常。機械設備故障診斷技術則不僅要判斷機械設備是否運轉正常，而且還需要對故障原因、故障位置、以及故障的嚴重程度作出判斷。
1、經濟快速發展的需要
現代化生產向著大型化、自動化、連續化、高精度、高效率等方向發展，生產率大幅度提高，產品的質量也相應的得到可靠的保證。但是，生產設備的突發性故障是不可避免的，極易造成的重大的經濟損失。因而對于連續化、自動化生產設備必須實時監視其運行狀態，及時發現故障預兆，并且及時采取有效處置措施，對設備進行維修，以減少由于設備故障引起的經濟損失。
2、生產安全和可持續發展戰略的需要
科技的發展改變了人類的生活，如核能的發現，在給人類提供能源的同時，也會給人類帶來災難，就像發生在美國三里島的核泄漏事故?？萍加衅鋬擅嫘?，在其造福人類的同時，若不加約束就會造成嚴重的災難事故。并且隨著工業化進程的發展，環境污染問題也越來越嚴重，因此，設備設計盡可能減少環境污染，實施所謂的“綠色設計。然而，設備的老化，勢必加劇機械設備引起的污染。因此，從可持續發展的戰略高度看，機械設備的狀態監測與診斷技術勢在必行。
3、是維修體制改革的需要
過去我國沿引的前蘇聯維修體制，帶有技術經濟的色彩，稱為計劃預期維修，它的確定源于大量的統計規律。除了在故障出現時進行維修外，根據統計規律和生產計劃定時實施小修、中修、大修，但是這種預期修理技術在技術含量越來越高的設備面前顯得越來越吃力，主要表現在以下兩個方面：
（1）剩余維修現象嚴重。剩余維修成本巨大，需要高昂的人力物力，而隨機造成的經濟損失也是很高的。
（2）現代設備精度要求很高，在計劃預期維修中往往拆解，再重新進行組合，這樣反復進行將使機械設備的精度受到影響。
上述因素加速了維修體制的改革，由原先的計劃預期維修體制為狀態維修體制，也就是修理取決于設備的運行狀態。這就需要對設備的運行狀態進行實時的監測。根據所得到的的設備狀態參數對機械的運行狀態做出判斷，并且分析故障信息。這樣就可以避免過剩維修，減少重大事故的發生，設備狀態監測和故障診斷技術也因而出現。
3、狀態監測及故障診斷技術的應用
狀態監測及故障診斷技術是一個系統工程，需要有先進的監測設備，專業的技術人員，還有系統完善的額管理體制。狀態監測及故障診斷技術是一門綜合性極強、涉及面非常廣泛、學科交叉滲透十分嚴重的技術，可以采用振動分析方法、油液分析、紅外熱像、超聲探傷以及溫度、壓力分析等多種不同的技術。
機械設備故障的狀態監測及故障診斷的一般過程主要包括以下四個部分：
1、設備狀態的采集
設備在運行過程中，必然會產生力、熱、振動、噪聲、能量等各種參數的變化，因此會產生各種不同的信息。根據不同的診斷需要，采用相應的傳感器來拾取得到的能表征設備工作狀態的不同信息，這就是設備狀態的采集。
2、信號處理
信號處理技術是進行故障診斷的基礎，是特征提取必不可少的工具。信號處理技術主要包括傳統和現代兩大類：傳統信號處理技術是指以FET為核心的信號分析技術，在實際運用中發揮著重要作用；近來來的現代信號處理技術在故障特征提取方面正在嶄露頭角。為了保證獲取的故障特征信息的準確性和有效性，目前的主要研究點是基于非高斯、飛平穩及非線性故障信號的分析理論及方法。
3、狀態識別
將經過信號處理后獲得的設備特征參量，采用一定的判別模式、判別準則和診斷策略，對設備的狀態作出判、判斷，確定是否存在故障以及故障的類型和性質、程度等。
4、診斷決策
根據狀態識別的結果，決定采取的對策、措施，同時根據當前的檢測信息預測機械設備運行狀態的可能發展趨勢，進行趨勢分析
建立監測與診斷系統之前需要考慮幾個方面的問題：經濟性，即能夠盡可能的節省投資；可靠性，即自身應具有更高的可靠性；實用性，即實用的功能，操作方便；有效性，即分析診斷結果有效；擴展性，即有較好的可擴展性和自開發性能。一般情況下，根據經驗，企業用于設備狀態監測及故障診斷的投資應占其固定資產的1%-5%。并且，隨著設備的復雜程度和技術先進性的增加，投資額度還會有所增加。
4、狀態監測及故障診斷技術發展前景
設備故障診斷技術與科技前沿的融合是設備故障診斷技術的發展方向。當今狀態監測及故障診斷技術的發展趨勢是傳感器的精密化、多維化，診斷理論、診斷模型的多元化，診斷技術的智能化，具休來說表現在如下方面：
1、與最新傳感器技術尤其是激光測試技術的融合。近年來，激光技術己從軍事、醫療、機械加工等領域深入發展到振動測量和設備故障診斷中，并且已經成功應用于測振和旋轉機械對中等方面。
2、與新型的信號處理算法相融合。新的信號處理方法不斷優化故障診斷技術的精度，同時傳統的基于快速傅里葉變換的機械設備信號分析技術也有了新的突破性進展。
3、與非線性原理和方法的融合。機械設備在發生故障時，行為主要表現為非線性的。如旋轉機械的轉子在不平衡外力的作用下表現出的非線性特征。隨著混沌與分形幾何方法的日趨完善，這一類診斷問題必將得到進一步解決。
4、與多元傳感器信息的融合?？焖俚纳a對設備監測與維護提出了全方位、多角度的高要求，由此可以對設備的運行狀態做出整體的、全面的判斷。因此，在進行設備故障診斷時，可采用多個傳感器同時對設備的各個位置進行監測，然后按照一定的方法對這些信息進行處理，如人工神經網絡方法。
5、與現代智能方法的融合。現代智能方法包括專家系統、模糊邏輯、神經網絡、進化計算等?，F代智能方法在設備故障診斷技術中己得到廣泛的應用。隨著智能技術的不斷發展，設備狀態的智能監測和設備故障的智能診斷，將是故障診斷技術的最終目標。
4、結束語
隨著科技的發展以及各個學科相互融合的加深，先進的技術被廣泛的應用于機械設備的狀態監測及故障診斷技術，這對于加強狀態監測和故障診斷分析的效率和精度有很大的改善，在以后的實踐中要更加注重將其他學科的知識加入到狀態監測和故障診斷技術應用中，更好的做好設備的管理工作。
參考文獻
[1] 李建華.設備狀態監測與故障診斷技術綜述.廣東化工，2009
[2] 王春焱.設備狀態監測與故障診斷技術應用研究.昆明理工大學，2009
故障診斷方法綜述范文3
關鍵詞：航空電子 設備故障 診斷
0引言
當今的軍事領域,對武器裝備的可靠性、保障性和可維修性有了更高的要求,而且隨著現代工業及科學技術的迅速發展,特別是計算機技術的發展,設備的結構越來越復雜,自動化程度也越來越高,不僅同一設備的不同部分之間互相關聯,緊密耦合,而且不同設備之間也存在著緊密的聯系,在運行過程中形成一個整體。因此,一處故障可能引起一系列連鎖反應,導致整個設備甚至整個過程不能正常運行, 輕者造成停機,重者會產生嚴重的后果甚至災難性的人員傷亡,這就要求現代設備系統具有很高的安全性和可靠性。目前,設備的狀態監測與故障診斷已成為現代航空、航天和國防建設中的重要內容,不容忽視。
1、航空設備故障預測和健康管理系統
由于航空設備的特殊性，其故障預測和健康管理系統原則上應分為機載部分和地面部分，機載部分的功能與地面部分的功能顯然應有所區別。飛機在執行任務的過程中，機載部分自動進行狀態監控和管理，自動記錄和分析飛機及各系統的狀態，并進行狀態的預測、故障的檢測和隔離，根據預測和狀態信息完成系統重構，上述信息可在空中通過無線通信傳遞給地面保障中心系統或存儲在黑匣子內;地面部分則側重于維修決策，根據信息進一步確定故障部位，制定維修方案。根據機載部分和地面部分特點，機載部分應具有以下功能:狀態監測功能，數據存儲功能，分系統功能級故障預測功能，提供分系統故障對飛行任務的影響評估或警示。地面部分的功能應具有以下特點:數據傳輸與存儲功能，狀態顯示功能，分系統功能級故障診斷與分系統部件級故障診斷功能，提出維修方案和維修規范。故障診斷系統是根據診斷對象故障的特點，利用現有的故障診斷技術研制而成的自動化診斷裝置。故障診斷的各種理論與方法的研究最終都必須落實到具體的診斷裝置或診斷系統的研制上，只有診斷系統的研制成功才能產生真正的經濟效益。
2、NFF的診斷與排除
在航空維修工作中經常會碰到這樣的情況：飛行員反映空中出現某個故障，但地面檢查中卻不能復現；機務準備通電中發現某機件有故障，但再次通電時故障現象消失；甚至有些諸如“轉速急降”的危險性信號都是時有時無，給地勤人員排故造成很大困難。實際上，這就是所謂的“未發現故障”（NOFault found,NFF），它是航空維修工作中較為常見的一個問題。
進行NFF的診斷，需要預先收集大量的相關信息、資料和統計數據等。電子產品或設備的性能特征如電流、電壓、電阻等是反映其正常或故障狀態的重要參數，通過監測這些本質參數的變化來發現故障，已成為當前應用最廣泛、置信度最高的故障診斷方法。典型的方法包括電子產品的機上測試（BIT）以及非電子產品功能系統的故障診斷等。在航空裝備維護工作中經常測量大量的電壓、電阻等數據，基于本質參數的方法可以用在目前對監測發動機工作狀態的各種傳感器進行NFF預測與健康管理，這些傳感器包括滑油溫度傳感器、滑油壓力傳感器、金屬屑傳感器等。它們用電壓、電阻等形式隨時檢測發動機相關工作狀態，評價發動機性能指標，有時的自身失效或工作狀態變化就會導致發動機誤報故障或發生NFF。將這些數據分門別類加以統計，用時間序列分析方法建立差分方程形式的數學模型，再根據模型或得出的曲線趨勢圖進行分析研究，可較好地掌握機件設備的歷史工作狀況，發現或預防NFF，并對下一步的工作做出維修建議，成為當前航空裝備保障的新趨勢。
隨著飛機的更新換代和使用時間的增長，要重點關注導航系統、飛控系統和其它自動控制系統電子設備故障和老舊飛機線路引起的潛在性、危險性故障。因此，為了預防或減少NFF的發生，應采取以下措施手段：表面引發的偶然故障是由根本的故障缺陷導致的，因此生產商首先應努力克服硬件或軟件的設計缺陷，將故障隱患降到最低限度。
建立相關的數據庫，將容易發生NFF的故障進行技術統計分析，以便在某些工作時機根據對該機件的性能檢測決定是否提前更換該件，從而降低NFF的發生。出現重要系統、重要故障時，要全面、系統地分析故障發生時的環境特點及飛機所處高度、速度、姿態等參數，及時檢測線路，認真研究電路圖。尤其應加強空地之間的聯系和信息交換，確定該設備是否空地使用不一致或不同，以便能創造故障復現的條件。
3、結論與展望
3.1新的故障診斷方法的研究
主要是將一些新的理論應用到電子設備的故障診斷之中。如小波變換方法,信息融合方法及基于Agent的診斷方法等。隨著新理論的不斷發展,這方面的工作仍是故障診斷的重要內容之一。
3.2故障信息獲取的手段和方法的研究
故障信息的準確獲取是故障診斷是否成功的關鍵之一。像多傳感器信息融合在故障診斷中的應用,一個重要的方面就是如何從不同角度獲取故障信息。對電子設備來說,除了電壓和溫度信號外,能否從其它方面獲得故障信息,如電磁場信息等,這也是有待深入研究的內容之一。
3.3遠程故障診斷的研究
在軍事領域,如果各種戰傷的武器設備在現場夠得到及時的維修,對提高裝備的戰斗出動強度、補充戰斗實力和保持一定的持續戰斗力都有重要的意義。而現在的戰傷搶修都是由專業的維修人員在野戰條件下就地組織實施。利用遠程故障專家系統可以獲得遠離戰場的專家的指導,有效地提高維修效率和速度。故障診斷是一門實用性很強的技術,因此只有在實際應用中才能體現它的價值。
目前在理論研究方面雖有不少進展,但真正在工程實踐中成功應用的實例還較少。特別是真正實用準確的電子設備故障診斷系統。因此,如何將先進的故障診斷理論與方法應用到實際中去還有待深入的研究。再者對于一個大型復雜航空電子設備進行故障診斷分析時,傳統故障診斷和智能故障診斷技術必須是相互彌補。只有這樣以傳統故障診斷技術為基礎,綜合利用智能故障診斷技術,構造高效而智能化的故障診斷平臺,才是大型航空電子設備診斷和維修的一個很有前途的發展方向。
參考文獻：
[1]朱大奇.基于知識的故障診斷方法綜述[J].安徽工業大學學報,2002,19.
故障診斷方法綜述范文4
關鍵詞：故障診斷，軟硬件故障
1、緒論
當前，全球網絡高速發展，計算機網絡已經在普通用戶中廣泛使用，與此同時，網絡故障也變的極為普遍，然而，由于計算機網絡自身的復雜性，維修保障非常困難。用戶在計算機網絡使用中，常常分辨不出網絡故障原因，不知道究竟是軟件故障，還是硬件故障。一旦發現問題，他們除了進行常規硬件檢查和軟件系統重啟等簡單操作外，對于整體故障，尤其是軟件失效引起的故障，常常毫無辦法，本文首先簡單介紹故障診斷相關術語，進而簡述計算機網絡軟硬件故障特性，結合診斷實例，綜述計算機網絡故障的排除。
2、計算機網絡軟硬件故障特性
雖然有各式各樣的網絡故障，但所有的故障總體可分為物理故障與邏輯故障，也就是通常所說的硬件故障與軟件故障，因此具有典型的軟件故障特征。許多故障和征兆之間常常不存在一一對應的簡單關系，維修難度大?？偟恼f來，故障具有如下特性：
層次性：這是故障的“縱向性”。計算機網絡，結構可劃分為系統、子系統、模塊、部件等各個層次，其功能也可劃分為若干層次，因而其故障和征兆也有不同的層次。任何故障都是同系統的某一層次相聯系的，高層次的故障可以由低層次的故障所引起，而低層次的故障必定引起高層次的故障。因此在故障診斷中可設計某種層次診斷模型。
相關性：這是故障的“橫向性”，它是由系統各元素間的聯系所決定的。當一個元素或聯系發生故障后，可能導致同它相關的元素或聯系的狀態發生變化，進而引起相關元素或聯系也發生故障。某一故障可能對應若干征兆，而某一征兆可能對應若干故障，它們之間存在著錯綜復雜的關系，造成故障診斷困難。故障的相關性使得許多的故障現象可以歸根于同一個故障，從而可以從不同的角度對同一個故障進行診斷。
不確定性：這是故障的“模糊性”。故障和征兆信息的隨機性、模糊性，故障和征兆之間對應關系的不明確性，不確定性是計算機網絡的一個重要特性，對相同的系統而言，或對同一系統在不同時間、不同工作環境下而言，各層次的元素特性與各元素間的聯系特性是不可能完全確定的，其變化規律難以確定，從而導致元素、聯系直至系統的狀態和行為也不可能完全確定，因而其故障也是不確定的。
3、計算機網絡軟硬件故障的表現癥狀
軟硬件故障通常表現為以下幾種情況：
①電腦無法登錄到服務器；
②電腦無法通過局域網接入Internet；
③電腦在“網上鄰居”中只能看到自己，而看不到其他電腦，從而無法使用其他電腦上的共享資源和共享打印機；
④電腦無法在網絡內實現訪問其他電腦上的資源；
⑤網絡中的部分電腦運行速度異常的緩慢。
4、常見計算機網絡軟硬件故障的解決方法
當出現一種網絡應用故障時，如無法接入Internet，首先嘗試使用其他網絡應用，如查找網絡中的其他電腦，或使用局域網中的Web瀏覽等。如果其他網絡應用可正常使用，如雖然無法接入Internet，卻能夠在“網上鄰居”中找到其他電腦，或可ping到其他電腦，即可排除連通性故障原因。如果其他網絡應用均無法實現，繼續下面操作。
①看LED燈判斷網卡的故障
首先查看網卡的指示燈是否正常。正常情況下，在不傳送數據時，網卡的指示燈閃爍較慢，傳送數據時，閃爍較快。無論是不亮，還是長亮不滅，都表明有故障存在。如果網卡的指示燈不正常，需關掉電腦更換網卡。
②用ping命令排除網卡故障
使用ping命令，ping本地的IP地址或電腦名(如shj831)，檢查網卡和IP網絡協議是否安裝完好。如果能ping通，說明該電腦的網卡和網絡協議設置都沒有問題。問題出在電腦與網絡的連接上。因此，應當檢查網線和Hub及Hub的接口狀態，如果無法ping通，只能說明TCP/IP協議有問題。這時可以在電腦的“控制面板”的“系統”中，查看網卡是否已經安裝或是否出錯。如果在系統中的硬件列表中沒有發現網絡適配器，或網絡適配器前方有一個黃色的“！”，說明網卡未安裝正確。需將未知設備或帶有黃色的“！”網絡適配器刪除，刷新后，重新安裝網卡。并為該網卡正確安裝和配置網絡協議，然后進行應用測試。如果網卡無法正確安裝，說明網卡可能損壞，必須換一塊網卡重試。如果網卡安裝正確則原因是協議未安裝。
③如果確定網卡和協議都正確的情況下，還是網絡不通，可初步斷定是Hub和雙絞線的問題。為了進一步進行確認，可再換一臺電腦用同樣的方法進行判斷。如果其他電腦與本機連接正常，則故障一定是先前的那臺電腦和Hub的接口上。
④如果確定Hub有故障，應首先檢查Hub的指示燈是否正常，如果先前那臺電腦與Hub連接的接口燈不亮說明該Hub的接口有故障(Hub的指示燈表明插有網線的端口，指示燈亮，指示燈不能顯示通信狀態)。
通過上面的故障壓縮，我們就可以判斷故障出在網卡、雙絞線或Hub上。
當電腦出現協議故障現象時，應當按照以下步驟進行故障的定位：
①檢查電腦是否安裝TCP/IP和NetBEUI協議，如果沒有，建議安裝這兩個協議，并把TCP/IP參數配置好，然后重新啟動電腦。
②系統重新啟動后，雙擊“網上鄰居”，將顯示網絡中的其他電腦和共享資源。如果仍看不到其他電腦，可以使用“查找”命令，能找到其他電腦，就完成了。
5、 結束語
網絡發生故障是不可避免的。針對于單獨的硬件故障診斷相對簡單，但是對于由軟件故障或者因為軟件引起的硬件故障，診斷相對困難，本文給出了軟硬件相互影響的故障診斷方法，但對由于軟件引起的硬件故障研究不夠，需要進一步研究。
參考文獻
[1]周炎濤.計算機網絡實用教程（第2版）.電子工業出版社
故障診斷方法綜述范文5
關鍵詞：粒子群優化算法；模糊C均值；故障診斷
1.概述
目前，電機故障診斷已進入人工智能方法階段，現在比較熱門的方法包括神經網絡方法、粒子群算法[1]以及模糊聚類[2]等方法。作為一種交替優化算法，FCM在尋找全局最優值時通?？善鸬捷^好的效果。但是，當數據集中含有一些噪音值，或者當數據的維數較高時，FCM很難發現全局最優。在這種情況下，結合以群為基礎的隨機優化算法，便能較大的提高FCM的全局優化能力。
本文結合粒子群優化算法提出了一種新的基于粒子群的模糊聚類算法，文中稱之為PSO-U-FCM。該算法中粒子依照模糊聚類中的隸屬度進行編碼，采用新的策略保證模糊聚類中約束條件的實現。利用該算法極大地提高了FCM的聚類效果，并且有效的提高了故障診斷的性能。
2.相關算法介紹
2.1 模糊C均值聚類算法
模糊C均值聚類算法可描述如下[3]：
已知樣本集X為，n為樣本的個數，每個樣本有k個屬性。設要將n個樣本分為類，第i個樣本對第k類的隸屬度記為，需滿足：
（1）；（2）。
FCM的目標函數為：
（2.1）
m是加權指數。其中為第i類的聚類中心，通過2.2式計算得出，而隸屬度由2.3式得出。
（2.2）
（2.3）
FCM即是先給出初始方案，通過2.2式與2.3式反復迭代，最終使得目標函數式2.1達到最小。
2.2 粒子群優化算法
粒子群優化算法的基本思想是通過群體中個體之間的合作和信息共享來尋找最優解，是一種基于群體智能方法的進化計算技術。該算法的基本思想是通過群體中個體之間的協作和信息共享來尋找最優解。
基本的粒子群優化算法可描述如下[4]：
設有m個粒子組成一個群落，第i個粒子的位置用向量表示，飛行速度用表示， D為目標搜索空間的維數，第i個粒子搜索到的最優的位置為，整個群體搜索到底最優位置為。
3.基于粒子群的模糊聚類算法
3.1 粒子的編碼及約束策略
本文采用隸屬度對粒子進行編，即每個粒子共有n*c（n為樣本個數，c為分類個數）維數據，若將其看成n行c列的矩陣，則第i行第j列的值即代表第i個樣本對于第j類的隸屬度。
已知第i個樣本對第k類的隸屬度記為，且需滿足：（1）；（2）。在用粒子群算法解決模糊聚類問題時也必須保證此約束條件。但實際情況是，在每個粒子飛行后，很少有粒子存在某一個樣本對于各類的隸屬度滿足和為1的條件。故本文提出了新的約束策略。
3.2 算法目標函數的選擇
通過粒子群算法便完成了模糊C均值中隸屬度的計算工作，目標函數仍然采用FCM中的目標函數式，但仍需要計算各聚類的中心值。
3.3 PSO_U_FCM算法步驟
4.實驗測試與分析
本文采用的實驗數據來源于文獻，用于驗證提出的新算法。該數據共包含：①電刷磨損故障；②原件開路故障；③匝間短路故障三個電機故障類型，各個類型都有20個（每個包含6個屬性）故障點，共計60個數據。
在利用FCM用于電機故障的診斷時，模糊加權參數m=2，最大迭代次數為100，最小判別誤差為0.001。在運用PSO_U_FCM進行電機故障診斷時的參數設置為：模糊加權參數和最小判別誤差與FCM一樣，學習因子，粒子個數取10，最大迭代次數取100，最大速度取。所有用于作圖的數據均為同一參數下進行20次實驗后得出的平均值。
5.結束語
FCM算法雖然取得了較為廣泛的應用，但其缺陷也較為明顯。本文通過結合粒子群優化算法，并把隸屬度作為粒子的編碼形式，通過新提出的約束策略，較好地解決了FCM自身的缺陷。實驗表明，本文提出的PSO-U-FCM明顯優于FCM算法，在電機故障診斷方面取得了較好的應用。
參考文獻：
[1]付光杰，李云鵬，楊秀菊.基于改進粒子群優化算法的電機故障診斷研究[J].科學技術與工程，20100，10（4）1001-1005.
[2]張彼德，潘凌.汽輪發電機組故障診斷的模糊聚類分析新方法[J].西華大學學報：自然科學版，2006，25 （3）：8- 10.
故障診斷方法綜述范文6
關鍵詞:模擬電路;故障診斷;方法
中圖分類號:TP305文獻標識碼:A文章編號:1009-3044(2009)36-10546-03
Study on Analog Fault Diagnosis
CHEN Ling-ling, ZHANG Qiu-mi, WANG Xi-dong, LU Chao
(Department of Physics, Shanxi University of Technology, Hanzhong 723000, China)
Abstract: Study of modern and contemporary analog circuit fault diagnosis method. Mainly discussed SBT, SAT, similar to modern technology, analog circuit fault diagnosis method and Expert Systems, Neural Networks, Fuzzy Theory, wavelet transform modern analog circuit fault diagnosis methods and principles.
Key words: analog circuit; fault diagnosis; methods
隨著電子科學技術的迅速發展,電子器件的集成度越來越大,電子設備越來越復雜,在電子產品制造、使用和維修中,傳統的人工診斷技術已無法滿足其需求,故提出了借助計算機實現故障診斷。隨著故障診斷理論的發展,確立了其在網絡理論中應用的地位,成為繼網絡分析、網絡綜合之后的網絡理論的第三分支?，F代電子電路通常是多層次的或被封裝的,可測電壓的可用節點數有限,導致可用作故障診斷的信息量不夠充分,造成故障定位的不確定性和模糊性。如何有效解決模擬電路的容差和非線性問題,如何解決故障診斷的模糊性和不確定性問題是研究工作迫切需要解決的困難。由于上述問題很難用傳統的數學方法描述,人工智能技術則因其善于模擬人類處理問題的過程,容易顧及人的經驗并具有一定的學習能力等特點,在這一領域得到了廣泛應用。
1 模擬電路故障診斷方法
1962年R.S.Berkowitz[1]首先提出模擬電路故障診斷理論。1979年IEEE會刊將模擬電路故障診斷主要的方法歸納為三大類:估值法、分類法和拓撲法。1979年以后,故障診斷進入深入的發展階段,根據對被測電路的模擬在測試之前或測試之后分為[2]:測前模擬法―SBT(Simulation Before Test)和測后模擬法――SAT(Simulation After Test)。除此之外,還有近似法和專家系統法。
1.1 測前模擬法SBT
測前模擬法的主要方法是故障字典法FD(Fault Dictionary)[3],其理論基礎是模式識別原理,基本步驟是在電路測試之前,用計算機模擬電路在正常和各種故障下的狀態,并記錄其對應的信號或特征,從而建立故障字典;在實際電路診斷時,根據測量所得的信號或特征,在故障字典中查到與此信號或特征對應的故障,從而確定電路故障。故障字典法[4]是最具有實用價值的故障診斷方法,因為幾乎所有的計算量都集中在測前,測后只需要查字典定位故障,所以能做到定時診斷。由于故障狀態有限,所以主要用于單、硬故障的診斷。故障字典法按建立字典所依據的特性有直流法、頻域法和時域法。直流故障字典法是利用電路的直流響應作為故障特征,建立故障字典的方法。本文介紹一種較常用的直流故障字典法:用分段線性描述所有非線性器件,引入故障開關模擬電路的硬故障,運用混合方程表格法建立電路的通用端口約束方程,通過開關的不同組合可反映電路的各種故障狀態;電路通過端口約束方程與二極管變量的約束條件構成一個互補問題,可用互補主元法求解;為克服容差對故障診斷的影響,引入模糊集進行故障隔離。直流故障字典法一般僅適用于單、硬故障的診斷。
頻域法是以電路的頻域響應作為故障特征,建立故障字典的方法。其優點是理論分析較成熟,硬件要求較簡單,主要是正弦信號發生器、電壓表和頻譜分析儀。頻域法主要有:Bode圖法、雙線性變換法和稀疏矩陣法等。Bode圖法的原理是:按電路的對數幅頻特性來劃分特征空間,以不同頻率下的增益偏差作為特征向量建立故障字典;測試后,根據實際增益偏差查字典確定故障。雙線性變換法的原理是:以電路的傳輸軌跡作為故障特征建立故障字典;測試后,根據實際測量在復平面上找出對應點,測量點明顯地靠近某一軌跡,由此軌跡可以決定系統測量特性對應的元件參量偏差,從而確定故障。此方法適用于線性電路的單故障,包括硬、軟故障,但不適用于故障導致零響應的情況。稀疏矩陣法的原理是:以電路的傳輸特性(振幅或相位)的偏差作為故障特征建立故障字典;測試后,根據實際傳輸特性的偏差查字典確定故障?？紤]到元件的容差和測量誤差,規定一門限,當特性偏差在門限值之內時認為電路正常。
時域法是利用電路的時域響應作為故障特征而建立故障字典的方法,主要方法有偽噪聲信號法和測試信號設計法等。偽噪聲信號法是以偽噪聲信號獲得的電路沖擊響應的變化作為故障特征,建立故障字典的方法。測試信號設計法是將電路不同狀態下測試信號的階躍幅度和電路對輔助信號響應中跨零位置的變化作為故障特征,進行編碼,從而建立故障字典的方法。
1.2 測后模擬法SAT
測后模擬法的主要方法有參數識別技術和故障證實技術,其特點是在電路測試后,根據測量信息對電路模擬,從而進行故障診斷。
參數識別技術的原理是利用網絡響應與元件參數之間的解析關系,通過響應的測量值識別或求解網絡元件的參數值,根據該值是否在容差范圍之內來判定元件是否故障。按診斷方程是否線性,參數識別技術可分為線性技術和非線性技術。線性技術有伴隨電路法等;非線性技術有轉移導納法、元件連接分割法、節點法等。
1) 伴隨電路法是利用特勒根定理和伴隨網絡概念建立故障診斷方程的方法。
2) 轉移導納法是直接通過解網絡轉移導納參數非線性方程組來決定網絡元件值,如果元件參數值超過容差范圍,就判定為故障元件。
3) 元件連接分割法是把系統中的元件或組件從系統中分割出來,用元件與系統的連接關系,來描述系統特性與元件之間的關系。由元件特性和連接特性組成的CCM(Component Connection Model)方程,根據CCM方程建立故障方程。
4) 節點法是從電路節點電壓方程出發,通過傳輸函數或表格法建立故障診斷方程的方法。
故障證實技術是通過檢驗網絡元件某一子集是否出現故障來識別故障的,從而使測試點數大大下降,其方法有K故障診斷、故障定界技術、網絡分裂法等。
1) K故障診斷是通過檢驗某些線性方程的相容性來進行故障定位的,定位中引入補償電源代替元件參量的變化。它有K節點故障診斷和K支路故障診斷兩種。
2) 故障定界技術是假定最大的故障數,并將網絡元件分為兩個子集S1、S2且假定S1中元件正常,利用S1中元件特性與網絡特性測量值求出S2中元件值進行故障識別的。
3) 網絡分裂法是通過可及節點的撕裂,將網絡分裂為若干個子網絡,運用測試條件(STC、MTC)和邏輯分析將故障定位到子網絡,然后利用內部自測條件(ISTC)將故障定位到更小的區域。
1.3 近似技術
近似技術研究在測量數有限的情況下,根據一定的判別準則,識別出最可能的故障元件,其中包括概率統計法和優化法。
1) 概率統計法中常用的為逆概率法,其工作原理是:在測試之前,根據維修經驗對大量數據進行統計分析確定元件發生故障的先驗概率,測試之后,算出后驗概率,根據Bayes判別準則,后驗概率最大者即是最可能出故障的元件。此法的原理與故障字典發相似,是屬于測前模擬的。
2) 優化法用于軟故障診斷,其思路是采用適當的目標函數估計出最可能出現故障的原件。此法是屬于測后模擬的。
1.4 專家系統故障診斷方法
專家系統[5]是一個智能計算機程序系統,其大多基于產生式規則,即首先將專家知識及診斷經驗用規則表示出來,形成故障診斷知識庫,然后根據測試數據利用專家提供的知識和經驗進行推理診斷出故障元件。專家系統包括[6]測前模擬診斷中的故障特性的收集和處理過程,以及測后模擬的故障推理收索等過程。
專家系統特點:具有豐富的經驗和高水平的技術及專家水平的專門知識;能夠有效地模擬故障診斷專家并完成故障診斷的過程,但在實際應用中仍存在一定缺陷,其主要缺陷為[7]:知識獲取“瓶頸”問題;易出現“匹配沖突”、“組合爆炸”和“無窮遞歸”;知識“窄臺階”;知識維護困難;實時性差。這大大影響了故障診斷的準確性。鑒于上述困難,提出將其與具有信息處理特點神經網絡和適合人類認識特征模糊理論相結合。
2 模擬電路故障診斷新方法
字典法一般只用于單故障診斷,參數辨識法和故障驗證法在診斷時在線計算量大,難以實現實時診斷。而在科學技術高速發展的現代化生產中,傳統的故障診斷方法已不能適應技術發展的需求,這就要求科技人員和理論工作者要進一步探索新的理論和方法,主要包括神經網絡,模糊理論,小波變換等。
2.1 神經網絡故障診斷方法
人工神經網絡[8](Artificial Neural Network,ANN)是模擬人腦組織結構和人類認知過程的信息處理系統。神經網絡作為一種自適應的模式識別技術,并不需要預先給出有關模式的經驗知識和判別函數,它通過自身的學習機制自動形成所要求的決策區域。網絡的特性由其拓撲結構、神經元特性、學習和訓練規則所決定。它可以充分利用狀態信息,對來自于不同狀態的信息逐一進行訓練而獲得某種映射關系。而且網絡可以連續學習,如果環境發生改變,這種映射關系還可以自適應地進行調整。
基于神經網絡的診斷過程分為兩步。首先,基于一定數量的訓練樣本集(通常稱為“征兆―故障”數據集)對神經網絡進行訓練,得到期望的診斷網絡;其次,根據當前診斷輸入對系統進行診斷,診斷的過程即為利用神經網絡進行前向計算的過程。在學習和診斷之前,通常需要對診斷原始數據和訓練樣本數據進行適當的處理,包括預處理和特征選擇、提取等,目的是為診斷網絡提供合適的診斷輸入和訓練樣本。此外,盡管神經網絡和傳統的故障診斷是兩種不同的診斷方法,但兩者是緊密聯系在一起的。
2.2 模糊理論診斷方法
模糊故障診斷方法,就是在故障征兆空間與故障原因空間之間建立模糊關系矩陣,再將模糊推理規則產生的模糊關系矩陣進行組合,根據一定的判定閥值來識別出故障元件。將模糊理論的模糊邏輯系統與ANN相結合[9],充分吸收了兩者各自的優點,既能處理專家知識和經驗,又能通過自學習增強系統的判斷能力。目前的研究主要集中在[9]:研究模糊邏輯系統和ANN的對應關系,將模糊邏輯系統的調整和更新轉化為對應的ANN學習問題以及利用模糊邏輯系統對ANN進行初始化;模糊神經網絡的快速學習算法;利用模糊理論加快ANN的學習速度并應用ANN構造高性能的模糊邏輯系統。但兩者發展到現在,時間相對較短,自身體系還不完善,在解決診斷問題方面還存在很多問題。
模糊理論與其它人工智能技術結合構成的診斷系統雖然可以增強處理不確定性能力,在一定程度上提高診斷的準確度,但是它不能完全消除專家系統所固有的缺點。
2.3 小波變換故障診斷方法
小波變換的基本原理[9]:通過小波母函數在尺度上的伸縮和時域上的平移來分析信號,適當選擇母函數,可以使擴張函數具有較好的局部性,因此,它是一種時-頻分析方法。在時-頻域具有良好的局部化性質并具有多分辨分析的特性[10],適合非平穩信號的奇異性分析,如利用連續小波變換的極值可以檢測信號的邊沿、隨機信號的突變,還可以抑制噪聲;利用離散小波變換可以檢測隨機信號頻率結構的變化。
小波變換故障診斷機理包括兩個方面[11]:利用觀測器信號的極值、突變等進行故障診斷以及利用觀測器信號頻率結構的變化進行故障診斷。小波變換不需要系統的數學模型,故障檢測靈敏高,運算量小,抑制噪聲的能力強,對輸入信號要求低,但濾波器的時域寬度較大,檢測時會產生時間延遲,且不同小波基的選取對診斷結果也有影響。
近年來,將小波變換與模糊集合論、ANN理論相結合,提出的模糊小波和小波網絡的故障診斷方法。采用嵌套式結合方式,把小波變換的運算融入到ANN中去,形成小波網絡。小波網絡是一種連續的非線性映射,它把ANN的自學習特性和小波的局部特性結合起來,具有自適應分辨性和良好的容錯性,所以適用于模擬電路故障診斷領域。
3 結束語
綜上所述,本文圍繞模擬電路的故障診斷方法進行了有益的探索,回顧上世紀70年代以來模擬電路故障診斷的研究成果,例如測前模擬法、測后模擬法、近似法、專家系統等,并介紹了模擬電路故障診斷新的成果,例如神經網絡、模糊理論和小波變換等。
參考文獻:
[1] Berkowitz R S.Condition for Network-Element-Value Solvability[J].IRE Trans,Circuits Theory,1962,15(9):25-29.
[2] 周玉芬,高錫俊.模擬電路故障診斷[M].北京:國防工業出版社,1989.
[3] 楊士元,胡梅,王紅.模擬電路軟故障診斷的研究[J].微電子學與計算機,2008,25(1):1-8.
[4] 趙偉.基于仿真的模擬電路故障診斷技術研究[D].中國知識網,2006.
[5] 關惠玲,韓捷.設備故障診斷專家系統原理及實踐[M].北京:機械工業出版社,2000.
[6] 于淑芳.模擬電路故障診斷方法展析[J].柳州職業技術學院學報,2005,5(1):87-88.
[7] 吳金培,肖建華.智能故障診斷與專家系統[M].北京:科學出版社,1997.
[8] Abderrahman A,Cerny E,Kaminska B.Optimization based Muhifrequency Test Generation for Analogcircuits[J].Joumal of electronic testing theory andapplication,1996,9(1),59-73.
[9] 歐陽宏志,廖湘柏,劉華.模擬電路故障診斷方法綜述[J].電子科技,2008,21(12):75-80.
