前言：中文期刊网精心挑选了故障诊断方法范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
故障诊断方法范文1
凝汽器故障诊断的目的是预测凝汽器的早期故障，并安排运行人员及时排除。其基本方法是：收集凝汽器的各种故障集和征兆集，经过大量的真实数据训练形成一个网络，当监测凝汽器的运行参数出现征兆集中对应的某些征兆时，就可以判断为相应的故障[3]。基于模糊神经网络的故障诊断方法中有两个关键问题：一是专家知识库必须要非常完善，二是模糊隶属度函数的选取要合理。对于第一个问题，建立起合理的专家知识库结构，随着时间和经验的积累来不断进行扩充和完善。对于第二个关键问题，需要经过大量的试验和计算，来确定符合的模糊隶属度函数，因为模糊隶属度函数的确定目前尚未统一标准，其函数的选取会对最后的诊断结果精度造成一定的影响。模糊理论是建立在模糊集合论、模糊语言变量及模糊逻辑推理基础上的一种计算机数字控制理论，它因在设计系统时不需要建立被控对象精确的数学模型而得到了日益广泛的应用[4]。模糊语言变量的定量描述由它的隶属函数确定，正确地确定隶属函数，是运用模糊集合理论解决实际问题的基础，是能否用好模糊控制的关键之一。隶属度函数的确定过程，本质上说应该是客观的，但每个人对于同一个模糊概念的认识理解又有差异，因此，隶属度函数的确定又带有主观性。隶属度函数的确立目前还没有一套成熟有效的方法，大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念，不同的人会建立不完全相同的隶属度函数，尽管形式不完全相同，只要能反映同一模糊概念，在解决和处理实际模糊信息的问题中仍然殊途同归。其中常用的确定方法有：模糊统计法、例证法、专家经验法、二元对比排序法等[5]。
1.2隶属度函数的确定
根据电力行业标准《DL/T932-2005凝汽器与真空系统运行维护导则》，凝汽器真空系统的主要故障有：a）真空系统泄漏，b）冷却水系统故障，c）凝汽器水位升高，d）抽气设备工作失常，e）轴封系统故障，f）热负荷增加，g）循环冷却水进口温度高，h）凝汽器清洁系数降低，i）凝结水过冷度大，j）凝结水含氧量大。本文针对某电厂凝汽器的特性，确定了21个典型故障，22个典型征兆参数。在征兆参数中，取0.0为参数下降到下限故障报警值，即急剧下降，0.25为缓慢下降，0.5为正常运行值，0.75为缓慢上升，1.0为参数上升到上限故障报警值，即急剧上升。凝汽器的形式为单壳体、双流程、表面式凝汽器。根据现场考察，发现该凝汽器的汽侧分开，水侧相连。按照征兆集中确定的参量，从DCS上采得相关参量的实际数据，根据凝汽器设备运行的影响因素（及征兆参数）对凝汽器的影响程度来确定主要故障的自定义函数。
1.3故障征兆知识库
对故障征兆知识集中的训练样本，采用BP神经网络进行学习训练，确定BP网络结构为3层，输入层有22个节点，对应于22个征兆，经仿真训练，隐层节点定为24个，输出层节点为21个，对应21个典型故障。输入层到隐含层采用tansig函数，隐含层到输出层采用logsig函数，采用traingdx进行训练。训练样本的知识库如表2所示。表中列为征兆集：1-凝汽器真空；2-循环水泵电机电流；3-循环水进口压力（A侧）；4-循环水进口压力（B侧）；5-凝汽器水阻（A侧）；6-凝汽器水阻（B侧）；7-低压缸转子胀差；8-凝结水泵出口母管压力（凝泵有三台，读电流值不方便）；9-凝结水导电度；10-7号低加水位；11-8号低加水位；12-循环冷却水温升（A侧）；13-循环冷却水温升（B侧）；14-凝汽器传热端差（A侧）；15-凝汽器传热端差（B侧）；16-凝结水过冷度；17-真空泵抽出的空气温度与冷却水进口温度之差；18-凝汽器抽气口与真空泵入口之间的压差；19-凝汽器热水井水位；20-冷却塔出塔水温；21-真空泵电机电流；22-轴封蒸汽母管压力。表中行为故障集：1-循环水泵工作不正常，发生严重故障；2-凝汽器出口水室有空气进入或冷却管脏污（A侧）；3-凝汽器出口水室有空气进入或冷却管脏污（B）；4-凝汽器出口水室有空气进入或冷却管脏污（A、B侧）；5-低压缸供汽中断或供汽不足；6-凝汽器内水位很高淹没铜管，即凝汽器满水；7-凝汽器内非正常途径漏入空气，真空不严密；8-凝结水泵工作异常；9-凝汽器冷却管损坏致使循环冷却水内漏（A侧）；10-凝汽器冷却管损坏致使循环冷却水内漏（B侧）；11-凝汽器冷却管损坏致使循环冷却水内漏（A、B侧）；12-凝汽器低压加热器管路损坏；13-凝汽器冷却管路内部堵塞（A侧）；14-凝汽器冷却管路内部堵塞（B侧）；15-凝汽器冷却管路内部堵塞（A、B侧）；16-真空泵损坏；17-真空系统管路破裂或存在大的漏点；18-冷却水塔故障；19-抽气设备工作不正常；20-凝结水泵盘根漏水或取样器泄漏；21-循环水流量不足。
1.4故障诊断流程
故障诊断的大致步骤为先确定凝汽器故障征兆知识库的专家系统，然后通过训练得到一个网络，再把从DCS系统上采得的征兆实际值，通过模糊隶属度函数进行模糊化处理，代入到训练好的网络中即可显示出诊断的结果。见图1。把从电厂DCS中采集到的故障征兆参数经适当的隶属度函数模糊化，模糊化后的结果为[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结论
故障诊断方法范文2
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
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:
故障诊断方法范文3
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
故障诊断方法范文4
关键词：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: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。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。
(2)基于模糊逻辑的电机故障诊断方法
基于模糊逻辑的电机故障诊断方法,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。
(3)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。
故障诊断方法范文5
【关键词】煤矿；提升机轴承；故障诊断
1.概述
当前煤矿生产基本上都要依靠机械化设备来完成，生产效率的高低受设备正常运转程度的影响非常大。一旦生产过程中设备故障，将可能使生产受影响甚至于造成人员伤亡。因此在对生产设备进行及时的故障诊断将隐患及早消除对于保障安全生产和保护人员安全具有重要意义。要实现上述目标，主要的途径是探索出有效的故障诊断方法。这样既能够有效的避免出现安全事故，又可以提高社会经济效益。
在煤矿的各类生产机械中，提升机系统承担着繁重的人员和物料的搬运任务，是维持煤矿正常生产的重要组成部分，出现故障将直接影响煤矿的正常生产。而提升机系统又是一个容易出问题的系统，尤其是其中的轴承部分更是需要定期维护检修。但由于提升机轴承故障故障的易发性和诊断的复杂性，国内在这个方面的研究于起步较晚，但已经取得了部分的研究成果，如CMJ-10电脑冲击脉冲计、BTZ000智能轴承故障测试仪、BAZO10智能轴承故障分析仪等，可从不同的角度来完成对轴承的损失程度和程度的监测工作，但这些监测设备基本上都在便携性和可靠性方面存在不足，而从轴承监测和故障诊断的发展趋势来看，研究以计算机分析为基础的轴承监测与诊断是主要研究趋势和研究热点。采用计算机和嵌入式系统的轴承故障诊断方法具有较为成熟的工业应用背景，本文将在此基础上，以滚动轴承的故障诊断为研究对象，探讨一种基于DSP嵌入式系统的滚动轴承故障简易诊断方法和滚动轴承故障精密诊断方法来实现对煤矿提升机轴承的故障诊断方式。
2.轴承故障诊断的理论基础
对提升机滚动轴承的故障诊断需要建立在归故障类型的了解较为充分的基础上，并且还需要对滚动轴承运转过程中的故障信号进行分析。而对故障信号的提取和分析则是进行故障诊断正确性的前提和基础。因此要完成提升机滚动轴承故障的诊断，就需要完成三个方面的基础工作，一是对提升机滚动轴承的故障类型有较为充分的了解，二是完成对滚动轴承工作状态信号（故障信号）的提取和排除随机干扰，三是完成信号的分析，并确定故障类型。以上三个方面的工作中，故障类型的了解可前期完成，也相对容易。而对故障信号的正确提取和后期分析是工作的重点。现分别对故障信号的提取和后期分析方法分别展开讨论。
2.1 故障信号的提取分析方法
煤矿提升机的工作环境非常恶劣，工作现场存在大量的外界噪声干扰，因此要准确的获取故障信号就需要有效的排除背景噪声的干扰。对此本文中采用将轴承的纯故障信号从轴承故障振动信号中分离出来，通过对轴承纯故障信号进行分析来判断轴承是否存在故障及其故障类型的方法。这种方法对于排除背景噪声和提纯故障信号特征效果显著，其理论基础是用傅里叶变换及其逆变换。实施步骤大致如下：设滚动轴承在正常工作时的信号函数为，轴承在故障时的信号函数为，而轴承完全故障状态时的振动信号为，故有：，再使用傅立叶变换，可得，则。通过上述变换，可以有效的将部分外界噪声和干扰信号排除，再采用FFT和IFFT算法，在可计算机上利用较小波相关滤波算法和自适应滤波算法来实现信号的提纯操作。
2.2 轴承故障精密诊断算法
在对信号提纯的基础上，需进一步对滚动轴承的故障信号进行特诊分析，从而判断出具体的故障类型。本文中所采用的方法为小波变换，以二进制规律来确定信号的分解尺度，在每次信号的分解过程还在那个的低频和高频信号都具有相同的频带宽度。小波理论的表达式较为复杂，限于篇幅，不在此展开，可参照文献。这类只给出基于小波包分解的故障诊断一般步骤：
(1)对采集的滚动轴承振动信号进行3层小波包分解，分别获得从低频到高频涵盖所有频率成分的第3层小波包分解的细节信号；
(2)对小波包分解后的第3层各频带的小波包细节信号按照小波包重构算法进行重构；
(3)对重构后的各个频带的小波包细节信号进行Hilbert包络解调分析，获得各个频带重构后细节信号的包络谱；
(4)计算各个频带重构后包络细节信号功率谱；
(5)从各个频带的细节信号包络功率谱图中寻找是否包含根据滚动轴承参数计算出来的滚动轴承故障特征频率，以此来判断滚动轴承是否存在故障及其存在的轴承故障类型。
3.配套系统设计
从前文分析可见，要实现对提升机滚动轴承的故障检测，既需要有信号的采集，又涉及到信号的分析，因此对硬件和软件都有要求。硬件条件主要是完成滚动轴承的信号运转状态信息采集，而软件条件则是完成对信号的提纯和分析。相关硬件和软件的设计细节概述如下。
3.1 信号采集硬件系统
在进行硬件系统的设计时，采用DSP嵌入式系统，分别完成对信号的采集、预处理、出力和通讯等功能。其中，信号采集部分需要监测的信息类型包括提升机的提升速度、提升机天轮转速、天轮直径和转频、井筒深度等，量程和灵敏度。为平衡硬件投入和监测效果，在进行系统设计时采用适合长期监测的进口压电加速度传感器作为振动信号采集源头。除了振动信号外，温度同样是表征滚动轴承运行状况的重要指标。本系统中采用的温度传感器信号类型为PT100铂电阻温度变送器，并将其温度探头布置在提升机转轮的轴承外圈。
3.2 软件系统设计
软件系统的作用是完成滚动轴承振动信号和温度信号的分析处理。软件系统主要由三个部分组成：提升机天轮轴承故障诊断算法的设计、下位机与上位机通讯方法的设计、轴承故障监控平台的设计。各软件子系统的设计较为复杂，这里不予详述，仅给出软件系统中最关键的故障诊断FFT算法思路与步骤。FFT算法即快读傅立叶变换，其依据离散傅立叶算法的奇偶和虚实等特性，通过改进离散傅立叶算法来实现，其优势是可以提高信号的转换速度和系统的运算速度。在软件计算时先将离散傅立叶变换分解，将较长的序列分解为一系列较短的离散傅立叶变换，进而通过旋转因子的周期性和对称性特征，将分解后的较短离散傅立叶变换序列进行合并。系统按照时间序列抽取基-2FFT快速算法来实现滚动轴承时域到频域的转换。在进行信号的故障类型分析时，采用小波包算法。其步骤如下：①对输入的轴承振动离散信号序列进行处理；②选择db小波包基函数来进行小波包分析；③对采集的轴承振动信号进行三层小波包分解和重构；④利用Hilbert解调算法对小波包分解的各节点重构细节信号进行Hilbert包络解调分析；⑤计算小波包分解第三层各节点的Hilbert包络解调功率谱；⑥计算轴承各个故障特征频率权重，根据各个故障特征频率权重判断轴承故障类型。
4.结果分析
完成上述步骤后，可通过对比滚动轴承内圈故障频域波形和经过小波包分析后的波形对比来完成故障的诊断，图1和图2给出了计算的实例。结果表明利用本文中的方法可有效判断滚动轴承的工作状态。
参考文献
[1]唐秋杭,符丽娜,朱善安.基于DSP和ARM的滚动轴承自动监测和故障诊断系统[J].机电工程.2010,23(2):l-4.
故障诊断方法范文6
【关键词】主提升机 液压站 参数测量法 故障
由液压站、盘形制动器及电控系统等组成的主提升机制动系统使用广泛，控制性能优良，成本低廉。但其元器件质量参差不齐、使用维护不正确且系统中各元器件和工作介质都在封闭管路中工作，无法直观观察，也无法简单使用仪器测量参数，而在液压设备中，仅靠压力表、流量计等指示的部分参数而其它参数未知，无法排除一般故障的其他可能，这给诊断液压系统故障带来很多困难。
现场由于受各种生产和技术因素的制约，要求维修人员根据现场条件和实际情况，用最简捷方式，在尽可能短的时间内，准确地查找故障部位和辨别原因并予以处理，恢复系统正常。
1 诊断液压系统故障的原则
排除故障的前提是正确分析故障，根据概率学分析，系统故障发生并非偶然，总有预兆并且只有预兆发展到一定程度才会产生。故障的原因复杂多样，毫无固定规律。但根据概率统计约百分之九十的液压系统故障是由于介质污染和维护管理不善导致的，为了迅速、正确地诊断故障，必须充分掌握液压故障的特征和规律，这是故障诊断的基础。
（1）首先判断液压系统的工作条件和环境是否正常。首先判断是设备机械部分故障、电器控制部分故障或者液压系统本身的故障，同时检查液压系统的各种正常运行条件是否满足。（2）区域判断。根据故障现象和特征确定故障相关区域，并且逐步缩减发生故障的范围，检测区域内各元器件状况，分析发生原因，最终查找故障部位。（3）掌握故障种类进行综合分析，根据最终的故障现象，逐步深入查寻直接的或间接的多种可能原因，为避免盲目性，必须根据基本系统原理，综合进行分析、逻辑判断，逐步减少排除怀疑对象，最终查找故障位置。（4）故障诊断是建立在运行日志及某些系统参数基础之上的。系统运行日志的建立为预防、发现和处理故障提供了科学依据而设备运行故障分析表则是使用经验的高度概括总结，有助于对故障现象迅速做出判断；具备一定检测手段后方可对故障做出准确的定量分析。（5）可能故障原因的验证，一般从最可能的故障原因或最容易检查的地方开始，这样可减少拆卸量，提高诊断速度。
2 故障诊断方法
作为目前查找液压系统故障的传统方法，逻辑分析逐步逼近法的基本思路是综合分析、条件判断。首先维修人员通过望、闻、触和简单的测试以及对液压系统原理的理解，根据经验判断发生故障的原因。液压系统出现故障的根源有许多种可能性。采用逻辑代数方法，将所有可能故障原因列表，然后根据先易后难原则逐一进行逻辑判断，逐项逼近，最终找出故障原因和引起故障的具体条件。
在故障诊断过程中此法要求维修人员不仅具有液压系统基础知识还要有较强的分析能力，方可保证诊断的效率和准确性。并且诊断过程较繁琐，须经过大量的检查、验证，而且只能是定性地分析，诊断的故障原因不够准确。传统的故障诊断方法已远不能满足现代液压系统的要求，为减少系统故障检测的盲目性和经验性以及拆装工作量，急需采用现代故障诊断方法。
近年来，随着液压系统向大型化、连续生产、自动控制方向发展，又出现了多种现代故障诊断方法。如铁谱诊断，借助磁力从介质中分离出来的各种金属磨粒，分析其数量、特性、尺寸、材料以及分布规律等情况，及时、准确地判断出系统中元件的磨损状况等。而且可对介质进行定量的分析和评估，做到实时检测和故障预防。再如基于人工智能专家诊断系统，它通过计算机模仿有经验丰富的专家在这一领域的方法来解决这个问题。通过人机界面将故障现象输入计算机，计算机根据输入的现象以及知识库的知识，推算出可能的故障的原因，然后通过人机接口输出，并提出维护方案和预防措施。这些先进方法给液压系统故障诊断带来美好的远景，并为液压系统故障诊断自动化奠定了坚实的基础。但是这些方法需要昂贵的测试设备和精密的传感控制系统和计算机处理系统，有些方法研究起来有一定困难，目前并不适和现场使用。下面介绍一种简单、实用的液压系统故障诊断方法。
2.1基于参数测量的故障诊断系统
液压系统的工作是正常的，关键取决于两个主要工作参数即压力和流量是否在正常工作条件，以及系统参数如温度和速度的传动装置是否正常。液压系统故障现象是多方面的，问题的原因也是多种因素的结合。相同的因素可能会导致不同的故障现象，和相同的故障可能对应于不同的原因。例如：介质污染可能会导致液压系统压力、流量和方向等等的各个方面的故障，这给液压系统故障诊断带来了巨大困难。
参数测量法故障诊断的思维是任何液压系统正常工作，其系统参数均在设计和给定值附近，工作如果这些参数偏离目标值，然后系统会发生故障或可能会发生故障。液压系统故障的本质是系统工作参数的异常变化。因此，液压系统故障是一个特定的元件或系统中的一些元件有故障，进一步可以得出结论，系统一个或一些参数在电路偏离目标值。这表明如果液压回路的工作参数不正常，则系统可能发生故障或故障已发生，需维修人员立即进行处理。所以参数测量的基础上，然后与逻辑分析相结合，可以快速、准确地找到故障。参数测量方法不仅可以诊断系统故障，但也可以预测故障的可能性， 定量的预测和诊断，大大提高诊断的速度和准确性。直接测量检测，检测速度快，误差小，检测设备简单、易于现场生产的使用。适合任何液压系统。测量时，没有停机时间，没有损坏液压系统，可以检测几乎任何系统任何部分，不仅可以诊断已有故障，还可在线监测并预测潜在的故障。
2.2参数测量法原理
只要测得液压系统回路中所需任意点处工作参数，将其与系统工作的正常值相比较，即可判断出系统工作参数是否正常，是否发生了故障以及故障的所在部位。
液压系统中的工作参数，如压力、流量、温度等均非电参量，一般仪器采用间接测量法，首先，需要使用物理效应将这些非电量转换成电量，然后通过放大、转换和显示等处理，被测参数则可用转换后的电信号代表并显示。由此可判断液压系统是否有故障。但这种间接测量方法需各种传感器，检测装置较复杂，测量结果误差大、不直观，不便于现场使用。
下面介绍一种实用的液压系统故障检测回路，该液压系统为主提升机B159液压站。系统结构原理如图1a所示。检测回路通常和被检测系统并联连接，此连接需在被测点设置如图1a所示的双球阀T形接头，它主要用于对系统进行不拆卸检测。它对液压系统所需点的各种参数进行直接的快速检测，不需任何传感器，它可同时检测系统中的压力、流量和温度三个参数，而执行器的速度和转速则可通过测量出口流量的方法计算得到。
主提升机B159液压站液压系统中，叶片泵出口的压力、流量、流速来判断该检测原理如图1a所示。系统正常工作时，阀门1开启，2关闭，检测口罩上防尘罩，以防污染。通过调节阀门1和溢流阀7即可方便地测出压力、流量、温度、速度等参数。但要求系统配管时，将双球阀三通在需检测系统参数的部位当作接管（如图1连接）或弯管接头（如图1b连接，这样做既不会增加系统的复杂性，也不会对系统性能产生明显影响）来配置。
3 结语
参数测量法是一种实用、新型的液压系统故障诊断方法，它与逻辑分析法相结合，大大提高了故障诊断的快速性和准确性。
参考文献：
