時間：2023-06-08 09:14:40
緒論：在尋找寫作靈感嗎？愛發表網為您精選了8篇故障診斷方法綜述，愿這些內容能夠啟迪您的思維，激發您的創作熱情，歡迎您的閱讀與分享！
【關鍵詞】極限學習機 故障診斷 神經網絡
引言
隨著設備復雜化程度的提高，對故障診斷的快速性和準確性提出了更高的要求。將神經網絡應用于故障診斷中已成為一個非常活躍的研究領域。利用神經網絡強大的分類能力，進行故障模式的分類與學習，診斷出故障。
Huang在前人研究的基礎上提出了一種稱為極限學習機（Extreme Learning Machine，ELM）的學習方法，在保留計算精度的同時可以大幅度的縮減訓練的時間。將ELM運用到設備故障診斷中，極大提高了診斷的快速性和準確性。
一、極限學習機研究現狀
ELM自2004年提出就一直受到學者的極大興趣。我們從ELM的理論和應用兩方面進行闡述。
1.1 ELM的理論
對于傳統ELM算法，網絡結構、激活函數類型以及隱層神經元的選擇對其泛化性能都有重要的影響。為了提高計算效率，使得ELM適用于更多應用領域，研究者提出了許多ELM擴展算法。
1.2 ELM的應用
研究人員已嘗試利用ELM方法解決現實中各種模式分類問題。隨著ELM自身理論的進一步發展和完善，在人臉識別、文本分類、醫療診斷等領域中應用廣泛。
二、故障診斷技術研究現狀
故障診斷技術是由于建立監控系統的需要而發展起來的。其發展至今經歷了3個階段。新的診斷技術帶來了領域內算法的革新，設備精密程度的提高也對診斷實時性提出了更高的要求。如何保證故障的快速準確診斷成了診斷技術發展重要內容。
基于神經網絡的故障診斷運用廣泛，然而傳統的神經網絡學習方法存在許多問題。與傳統的神經網絡相比，極限學習機方法通過隨機選取輸入權值及隱層單元的偏置值，可以產生唯一的最優解，并具有參數易于選擇以及泛化能力好等特點，在眾多領域有著廣泛應用。
三、基于極限學習機的故障診斷方法研究
3.1基于ELM的故障診斷流程
（1）數據預處理。按照選取的特征向量和故障類型對故障樣本進行預處理，并將處理后的樣本按比例分為訓練樣本集和測試樣本集。
（2）ELM的學習算法主要有以下3個步驟：確定隱含層神經元個數；隨機設定輸入層與隱含層間的連接權值和隱含層神經元的偏置；選擇隱含層神經元激活函數，進而計算隱含層輸出矩陣計算輸出層權值。
（3）用訓練好的ELM模型對測試樣本集進行分類，并輸出分類結果。
3.2基于改進ELM的故障診斷
針對極限學習機神經網絡初始權閾值對算法性能的影響問題，提出融合遺傳算法（GA）與粒子群算法（PSO）的GA-PSO算法，用于優化ELM神經網絡初始權閾值。該算法將群組一分為二，分別采用GA和PSO算法，再將優秀個體進行合并，改善了PSO算法全局搜索能力，同時增強GA算法的局部搜索效能。
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，通過振動的異常可把許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.
關鍵詞：煤礦；電氣控制線路；檢修
中圖分類號：X752 文獻標識碼：A
對于電氣控制而言，其指的是使用電氣自動控制的方式來對生產過程進行控制，而對于電氣控制線路，則是將各有觸點的繼電器、接觸器和按鈕等電氣元件通過導線按照特定的方式連接起來組成的控制線路。該類控制線路故障的診斷是一項技術性較強的工作，也是實際工作中一項十分重要的工作。
一、故障調查法
對于電氣設備控制電路一旦有故障的發生，切忌不要出現盲目的亂動或者盲目的自己操作，在進行檢修之前需要對該控制線路的故障情況進行詳細的檢查和詢問，對于具體的方法而言，我們可以分為望、問和摸、聽和聞、切。望：首先弄清電路的型號、組成及功能。例如輸入信號是什么? 輸出信號是什么? 什么元器件受命令? 什么元器件檢測? 什么元件執行? 各部分在什么地方? 操作方法有哪些等。這樣可以根據以往的經驗，將系統按原理和結構分成幾部分，再根據控制元件的型號如接觸器、PLC、時間繼電器，大概分析其工作原理。檢查觸頭是否燒蝕、熔毀，線圈是否發熱、燒焦，熔體是否熔斷、脫扣器是否脫扣等; 其他電子元件是否燒壞、發熱、斷線，連接螺釘是否松動、電動機的轉速是否正常。然后對系統故障進行初步檢查。檢查內容包括: 系統外觀有無明顯操作損傷，各部分連線是否正常，控制柜內元件有無損壞、燒焦，有無松脫等。問和摸: 詢問操作人員故障發生前后電路和設備的運行狀況，故障發生時的跡象，如有無煙、火花及異常振動; 故障發生前后有無頻繁起動、制動、正反轉、過載等現象，詢問系統的主要功能、操作方法、故障現象、故障過程、內部結構，其它異常情況、有無故障先兆等，通過詢問，往往能得到一些很有用的信息。剛切開電源后，盡快觸摸檢查線圈、觸頭等容易發熱的部分、看溫升是否正常。聞和聽: 聽一下電路工作時有無異常響動，如振動聲、摩擦聲、放電聲以及其他聲音。用嗅覺器官檢查有無電氣元件發熱和燒焦的異味。這對確定電路故障范圍十分有用。在電路和設備還能勉強運轉而又不致于擴大故障的前提下，可通電起動運行，傾聽有無異響，如有應盡快判斷異響的部位后迅速關閉電源。切: 即檢查電路。
二、結構、原理分析檢查法
1、依照結構及原理查找故障
在進行故障的檢修時，需要先從主電路處著手，看拖動該設備的幾個電動機是否正常，然后逆著電流方向檢查主電路的觸頭系統、熱元件、熔斷器、隔離開關及線路本身是否有故障，接著根據主電路與控制電路的控制關系，檢查控制回路的線路接頭、自鎖或連鎖觸點、電磁線圈是否正常，檢查制動裝置、傳動機構中工作不正常的范圍，從而找出故障部位。如能通過直觀檢查發現故障點，如線圈脫落、觸頭( 點) 、線圈燒毀等，則檢修速度更快。
2、從動作程序檢查故障
通過調查、斷電檢查無法找到故障點時，可對電氣設備進行通電檢查。通電檢查前要先切斷主電路，讓電動機停轉，盡量使電動機和其所傳動的機械部分脫開，將控制器和轉換開關置于零位，行程開關還原到正常位置，然后用萬用表檢查電源電壓是否正常，有沒有缺相或嚴重不平衡。進行通電檢查的順序為先檢查控制電路，后查主電路; 先檢查輔助系統，后檢查主傳動系統; 先檢查交流系統、后檢查直流系統; 先檢查開關電路，后檢查調整系統。通電檢查控制電路的動作順序，觀察各元件的動作情況，或斷開所有開關，取下所有熔斷器，然后按順序逐一插入要檢查部位的熔斷器，合上開關，觀察各電氣元件是否按要求動作。
三、電氣儀表檢測法
此種方法主要指的是利用儀器儀表作為輔助工具，以此來對煤礦電氣線路故障進行判斷的檢修方法。由于儀器儀表種類很多，且有日新月異之勢，故檢測法發展很快，準確率大大提高，手段也日益增多。但比較常用、比較實用的方法仍為利用歐姆表、電壓表和電流表對電路進行測試。
1、電阻法
此類方法的原理是在被測線路兩端加一特定電源，則在被測線路中有電流通過。被測線路的電阻越大，流過的電流就越小。反之，被測電阻越小，流過的電流就越大。這樣在測量電路中，串接電流表，就可以根據電流表電流的指示換算出電阻的大小。由于換算中，電流和電阻是一一對應關系，故可直接在電流表的刻度盤上標出電阻的大小。
2、電壓法
在進行電路的加電時，不同點之間的電壓也不同。如果在電壓不同的兩點之間接入一個電阻不為無窮大的支路時，支路中就會有電流通過，通過串接在支路中的電流表的讀數，就可推知此時的電壓值。一般直接在刻度盤上標出電壓值。
3、電流法
電路在正常工作時，導線中有電流流過，其大小反映了電路的工作狀態。為了測量電路中的電流，常在電路中串接電流表，然后通過電流表讀出電路的電流。工作中應充分發揮儀表檢查故障的作用，儀表檢測法具有速度快、判斷準確、故障參數可量化等優點，例如判斷電路是否通斷，電動機繞組、電磁線圈的直流電阻，觸頭( 點) 的接觸電阻等是否正常，可用萬用表相應的電阻擋檢查。對于電動機三相空載電流、負載電流是否平衡，大小是否正常，可用鉗型電流表或其他電流表檢查; 對于三相電壓是否正常、是否一致，對于工作電壓、線路部分電壓等可用萬用表檢查; 對線路、繞阻的有關絕緣電阻，可用兆歐表檢查等。
四、工作經驗法
1、彈壓活動部件法
主要用于活動部件，如接觸器的銜鐵、行程開關的滑輪、按鈕、開關等。通過反復彈壓活動部件，使活動部件靈活，同時也使一些接觸不良的觸頭進行磨擦，達到接觸導通的目的。
2、元件替換法
對于值得懷疑的元件，可采用替換的方法進行驗證。如果故障依舊，說明故障點懷疑不準，可能該元件沒有問題。但如果故障排除，則與該元件相關的電路部分存在故障，應加以確認。
結論
實際的煤礦電氣控制線路進行維修時，我們會發現造成電氣電路發生故障的原因多種多樣，既有明顯的、也有隱蔽的，有的簡單、有的復雜。維修中應靈活使用上述診斷方法，仔細觀察電路故障的特征和表現，探索故障發生的規律，找出故障點，從而順利排出故障。
參考文獻:
[1] 黃瑩.淺談煤礦電氣控制電路檢修的方法[J].科技信息.2010(30)
[2] 馮潔.試論煤礦電氣控制電路常見問題及解決策略[J].黑龍江科技信息.2010(20)
[3] 陳孔明,王家旺,張明.礦用隔爆型真空電磁啟動器的檢修方法及技術[J].機電信息.2011(12)
[4] 韓艷娟,宋建成.基于信息融合技術的煤礦主通風機故障參數檢測系統[J].工礦自動化.2009(07)
[5] 于秀娟.煤礦井下電氣設備防爆探討[J].價值工程.2010(33)
[6] 張保香.煤礦電氣設備管理要點探析[J].行政事業資產與財務.2011(14)
關鍵詞：異常檢測；緩變微小故障；累加和平均；早期故障檢測；PCA
1 概述
隨著現代工業技術的迅速發展，各種大型自動化系統的結構日益復雜，有關系統的異常檢測和故障診斷一直是學術界關注的重點問題[1-5]。相對于傳統的故障診斷方法， 微小故障診斷是一類更精細的診斷形式， 其診斷難度也更大。現有微小故障診斷方法大致可分為三類：定性診斷方法、定量診斷方法、半定型半定量診斷方法[1]。其中，定量的診斷方法又被分為基于解析模型的方法和數據驅動的方法。基于解析模型的方法多數是利用被診斷對象的數學模型，由于建模過程中難以避免誤差和未知干擾，很難保證高精度。而數據驅動的方法與數學模型的選取無關，該方法以采集到的過程數據為基礎，通過各種數據處理與分析方法挖掘出數據中隱含的信息，提高系統的監控能力，實用性較強。上述方法在多數文獻中已被廣泛用作預處理方法。郝小禮等為提高“小”故障檢測能力，對基于PCA的方法進行了改進，用小波濾波技術對數據進行過濾，提高故障檢測的能力[6]；文獻[7]提出一種中值濾波和奇異值分解（Singular Value Decomposition，SVD）對信號的聯合降噪方法，對原始聲發射信號進行中值濾波，去除幅值較大的異常值，并對去除后的信號進行空間重構和SVD分解，從而達到去噪的目的。基于濾波的方法有一個相似性就是僅僅通過降低噪聲的能量而不是故障大小來增加故障信號的信噪比。
本文為進一步提升早期微小故障檢測能力，提出一種基于累加和平均（AA）的時變異常檢測方法，在減小噪聲能量的同時對故障信號進行累加，從而可以顯著地提高故障信號的信噪比。針對累加平均后觀測數據不再獨立同分布的問題，建立了基于AA-PCA的時變異常檢測模型，以進行緩變微小故障的早期檢測。
2 基于PCA的故障檢測方法
主元分析是將多個相關的變量轉化為少數幾個相互獨立的變量一個有效的分析方法[3]。將歷史正常數據矩陣Y00∈Rn×P可以分解為個向量的外積之和，如式（1）所示：
其中，P是變量個數，n是樣本個數，bi∈Rn是得分向量（主元），vi∈Rp是負荷向量。
對正常數據矩陣Y00進行主元分解，如式（2）所示：
建立起系統正常運行情況下的PCA模型后，可以應用多元統計控制量進行故障檢測與診斷的分析，常用的統計量有2個，即HotellingT2統計量和SPE統計量。
SPE統計量位于殘差子空間，對于加性偏差類故障較敏感，其定義為：
其中Bv是負荷矩陣的前v列構成的矩陣。
SPE的控制限可由正態分布確定
在這里，？姿是歷史數據的協方差矩陣的特征值，C？琢是正態分布在檢驗水平？琢下的臨界值。
3 基于AA-PCA的早期故障時變檢測模型
上小節介紹了基于PCA的故障檢測方法對早期異常檢測的效果并不令人滿意。本小節提出一種基于AA-PCA的時變異常檢測模型，在減小噪聲能量的同時對故障信號進行累加，可以較好地實現早期微小故障檢測。具體實現步驟如下所示：
3.1 離線建模
（1）假設有N組離線正常觀測數據Y00∈Rn×p，將其按層堆疊構成三維矩陣Y0∈Rn×p×N。
（2）分別計算正常觀測數據做累加平均后的觀測數據矩陣
（3）對每個累加后的數據矩陣 建立N個PCA
模型，根據公式（4），求每個PCA模型的SPE控制限UCL（k）。
（4）通過式（6）確定基于AA的時變PCA異常檢測模型的控制限，然后將其歸一化。
（6）
3.2 在線檢測
（1）假設在線數據矩陣Y∈Rn×p定義如下：
其中，Y00（i，j）是第j個變量在樣本時間i的在線正常觀測值，F（i，j）是當系統發生異常時第j個變量在采樣時間i的觀測變化值。將Y進行累加可得：
（8）
（2）將累加后的矩陣，根據公式（3）分別計算每個樣本點的SPE統計量值。
（3）對在線統計量SPE（k）歸一化處理，得 。
（4）求早期故障檢測點te，若在線計算的 統計量的值超過了第k個主元模型的控制限，則在第k個樣本點系統出現異常。
4 仿真
本節取p=10，n=1000，N=1000用于仿真。設正常觀測數據Y00∈Rn×p由p個傳感器的觀測樣本數據組成， 將Y00的產生方式運行N次，便可以得到N組正常觀測數據構成的三維矩陣Y0。分別利用PCA、CUSUM-PCA、AA-PCA對系統從201時刻個樣本的開始加入的緩變異常情況進行檢測。仿真結果如下所示：
圖1給出了用傳統PCA對觀測數據做監控的SPE圖，虛線是在檢測水平1-？琢=0.997下的控制限，也就是說系統的異常是在較高的檢測水平下，因此將這個樣本點稱為失效點。從圖中可以看出，系統在從第819個樣本點發生異常。但是緩變故障的發生時刻遠早于失效樣本點。在失效之前，故障沒有達到足夠明顯特征，以至于未被提前檢測到。
圖2呈現的是基于CUSUM-PCA的SPE檢測圖。此圖中，早期故障趨勢在第546個樣本點被檢測到。基于CUSUM的方法是累加故障大小，雖能實現早期檢測，但是檢測效果并不好。圖3給出了時變AA-PCA的早期故障檢測結果，故障趨勢可以從第201個樣本點被檢測到。表1中列出了上述各種方法的檢測樣本點，誤檢率以及漏檢率。不難看出，基于AA-PCA的時變早期緩變故障檢測在有效地減少噪聲的同時也對故障大小進行累加。
5 結論和展望
為實現在減小噪聲能量的同時對故障信號進行累加，本文將PCA作為特征抽取工具，提出了基于AA-PCA的時變早期緩變微小故障檢測方法。為系統剩余壽命的早期預測維護提供必要基礎。由于PCA具有模式復合問題，不能實現故障診斷，從而不能對系統造成致命影響的關鍵部件進行實時剩余壽命預測。所以，研究基于關鍵部件的早期故障檢測和剩余壽命預測方法是下一步待開展的工作。
參考文獻
[1]李娟，周東華，司小勝，等.微小故障診斷方法綜述[J].控制理論與應用，2012，29（12）：1517-1529.
[2]文成林，呂菲亞，包哲靜，等.基于數據驅動的微小故障診斷方法綜述[J].自動化學報，2016，09：1285-1299.
[3]鄭茜予.基于主元分析的微小故障檢測[D].華北電力大學，2015.
[4]尚駿，陳茂銀，周東華.基于變元統計分析的微小故障檢測[J].上海交通大學學報，2015，49（6）：799-811.
[5]周福娜，文成林，等.基于指定元分析的多級相對微小故障診斷方法[J].電子學報，2010，38（8）：1874-1879.
[6]郝小禮，陳友明，張國強.小波濾波在小故障檢測中的應用[J].暖通空調，2005，08：138-140.
【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。科技有其兩面性，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。快速的生產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。現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
關鍵詞：模擬電路 故障 診斷
模擬電路廣泛地應用在通訊、自動控制、家用電器等方面，伴隨著大規模的模擬集成電路的發展，模擬電路的復雜度和密集度也在不斷地增長，同時，對模擬電路的運行可靠性也要求越來越高。一旦發生模擬電路故障，能夠及時地診斷故障，以便調試和替換。模擬電路的故障診斷主要包括檢測點的選擇、測試信號的確定、被診斷對象輸出響應信號的測試、處理和診斷的方法的實現、診斷結果的顯示等。本文從分析模擬電路故障特點，探討了模擬電路故障診斷的一些新方法。
1、模擬電路故障特點
模擬電路故障診斷就是根據現有網絡拓撲結構，將信號輸入后檢測故障反應，并據此確定出現故障的具置及相應參數。模擬電路信號不同于數字信號，其受時間的影響較大，并處于不斷變化過程中，具體而言，模擬電路信號特點可以歸結為以下幾點：
（1）構成模擬電路的元器件一大突出特點就是離散型，也就是通常所說的容差，從本質上講，就是許可范圍內的小故障，在實踐中并不罕見，其會對模擬電路故障明確性造成一定影響，從而加大確定故障準確位置的難度；（2）模擬電路輸入及輸出具有連續性，由于故障模型復雜程度較高，予以量化的難度較大；（3）通常情況下，模擬電路頻率范圍為至，可見其頻率范圍較寬，因此，就算檢測同一信號，由于原理、具體方法以及相關設備等因素，結果也會有所區別；（4）由于現代電路可以用來進行檢測的節點數量較少，用于故障診斷的信息有限，這就加大了故障定位的難度；（5）由于非線性問題的存在，差不多所有實用模擬電路都面臨反饋回路和非線性問題，這也使得測試及計算變得更加困難。
2、故障診斷的新近方法
2.1信息融合故障診斷法
由于設備本身的復雜性和運行環境的不穩定性，單傳感器反映的設備信息具有不確定性，導致故障診斷準確率降低，甚至出現漏檢和誤診現象。信息融合技術為解決復雜系統故障診斷的不確定性問題提供了一條嶄新的途徑，采用其獨特的多維信息處理方式，來解決用常規的網絡撕裂法進行模擬電路故障診斷時由于電路前后元器件相互影響和由于容差、非線性因素而出現的診斷不確定性問題。
2.2模糊理論故障診斷法
依據專家經驗在故障征兆空間與故障原因空間之間建立模糊關系矩陣，再將各條模糊推理規則產生的模糊關系矩陣進行組合，根據一定的判定閾值來識別故障元件。隨著模糊理論的發展，它的一些優點逐步被重視，如其可適應不確定性問題；其模糊知識庫使用語言變量來表述專家的經驗，更接近人的表達習慣等。然而，由于復雜系統的模糊模型的建立、辨識，語言規則的獲取、遺忘、修改等理論和方法還不夠完善，使該方法的實際應用受到了限制。
2.3人工神經網絡
人工神經網絡（Artificial Neural Network，ANN）是用物理上可以實現的器件、系統或現有的計算機來模擬人腦的結構和功能的人工系統。它以其諸多優點，如I／O非線性映射特性、信息的分布存儲、并行處理、高度的自組織和自學習能力等，在智能故障診斷中受到越來越廣泛的重視，顯示出巨大的潛力。目前神經網絡模型已有數十種，常用于故障診斷的神經網絡模型主要有：誤差后向傳播（BP）網絡、Hopfield網絡、自組織特征映射（SOFM）網絡等。由此促成了以人工神經網絡技術為核心的新近模擬電路故障診斷方法，這些方法解決了經典方法面臨的問題：采用BP網絡可有效解決非線性問題；采用Hopfield網絡可用來診斷正常元器件容差條件下的多故障問題；采用SOFM網絡解決模擬電路故障診斷容差問題的方法，可以對單、多、軟、硬故障進行有效識別、迅速定位。
2.4小波變換故障診斷法
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，是一種時-頻分析方法。在模擬電路故障診斷中，小波變換被有效地用來提取故障特征信息，之后再將這些故障特征信息送入故障分類處理器進行故障診斷。不需要系統的數學模型，故障檢測靈敏準確，運算量也不大，對噪聲的抑制能力強，對輸入信號要求低。但其不足在于在大尺度下由于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。
2.5專家系統故障診斷法
專家系統是一種智能化的計算機軟件系統，運用知識和推理來解決只有專家才能解決的復雜問題。專家系統在模擬電路故障診斷中的典型應用是基于產生式規則的系統，能夠有效地模擬故障診斷專家完成故障診斷過程。但在實際應用中仍存在一定缺陷，其主要問題是知識獲取的瓶頸問題、知識難以維護、知識推理的"組合爆炸"和"無窮遞歸"問題以及不能有效解決故障診斷中許多不確定因素。
2.6其他方法
分形理論在模式識別中也有初步的應用，在故障診斷領域中的應用研究只是剛剛開始。設備故障診斷中用來反映設備運行狀態的特征信號在一定尺度范圍內部具有分形的特性，可通過計算分維數來進行診斷。可用于電力設備局部放電模式識別中，可大大減少特征提取數量，與小波變換、神經網絡結合，可提高模式識別的有效性和可靠性。遺傳算法是一種新發展起來的全局優化算法，已成為人們用來解決高度復雜問題的一個新思路和新方法。它應用于專家系統的故障診斷系統，仿真結果表明，可以加快推理速度，提高專家系統在缺乏先驗知識和樣本數據很少的情況下的實用性。
總之，這些新術對模擬電路故障診斷都有著重要意義，有著廣闊的發展前景，為解決故障診斷問題找到了新的突破口，促進了模擬電路故障診斷技術的發展。但是這些技術自身發展還不完善，在實際工作中還需要我們努力探索。
參考文獻：
[1]白建社.淺談模擬電路的故障診斷[J].大眾科技，2007，(04)
[2]陳曉娟，于華楠. 模擬電路故障診斷方法進展綜述[J].科技進步與對策，2003，(08)
關鍵字: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[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
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.
