故障诊断方法综述范文
故障诊断方法综述范文第1篇
关键词：故障诊断；小波分析；专家系统：数据融合
引言
故障诊断(fd)全名是状态监测与故障诊断(cmfd)。基于解析冗余的故障诊断技术被公认为是这一技术的起源。所谓解析冗余，是指被诊断对象的可测变量之间(如输入与输出间，输出与输出间，输入与输入间)存在的冗余的函数关系，故障诊断在过去的十几年里得到了迅速的 发展 ，一些新的理论和方法，如遗传算法、神经 网络 、小波分析、模糊理论、自适应理论、数据融合等均在这里得到了成功的应用。
1 基于小波分析的故障诊断方法
小波分析是20世纪80年代中期发展起来的新的数学理论和方法，它被认为是傅立叶分析方法的突破性进展。小波分析最初由法国学者daubeches和callet引入信号处理领域，它具有许多优良的特性。小波变换的基本思想类似于fourier变换，就是用信号在一簇基函数张成空间上的投影表征该信号。小波分析优于博立叶之处在于：小波分析在时域和频域同时具有良好的局部化性质。小波分析方法是一种窗口大小(即窗口面积)固定但其形状、时间窗和频率都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率。因此，小波变换被誉为分析信号的显微镜，小波分析在信号处理、图像处理、话音分析、模式识别、量子物理、生物医学工程、 计算 机视觉、故障诊断及众多非线性 科学 领域都有广泛的应用。
动态系统的故障通常会导致系统的观测信号发生变化。所以我们可以利用连续小波变换检测观测信号的奇异点来检测出系统的故障。其基本原理是利用信号在奇异点附近的lipschitz指数。lipschitz指数时，其连续小波变换的模极大值随尺度的增大而增大；当时，则随尺度的增大而减小。噪声对应的lipschitz指数远小于0，而信号边沿对应的lipschitz指数大于或等于0。因此，可以利用小波变换区分噪声和信号边沿，有效地检测出强噪声背景下的信号边沿(援变或突变)。
2 专家系统故障诊断方法
专家系统故障诊断方法，是指计算机在采集被诊断对象的信息后，综合运用各种规则(专家经验)，进行一系列的推理，必要时还可以随时调用各种应用程序，运行过程中向用户索取必要的信息后，就可快速地找到最终故障或最有可能的故障，再由用户来证实。此种方法国内外已有不少应用。专家系统的故障诊断方法可用图1的结构来说明：它由数据库，知识库，人机接口，推理机等组成。其各部分的功能为：
数据库：对于在线监视或诊断系统，数据库的内容是实时检测到的工作数据；对于离线诊断，可以是故障时检测数据的保存，也可是人为检测的一些特征数据。即存放推理过程中所需要和产生的各利，信息。
知识库：存放的知识可以是系统的工作环境，系统知识(反映系统的工作机理及结构知识)：规则库则存放一组组规则，反映系统的因果关系，用来故障推理。知识库是专家领域知识的集合。
人机接口：人与专家系统打交道的桥梁和窗口，是人机信息的交接点。
推理机：根据获取的信息综合运用各种规则进行故障诊断，输出诊断结果，是专家系统的组织控制结构。
3 基于数据融合的故障诊断方法
数据融合是针对一个系统中使用多个传感器这一问题而展开的一种信息处理的新的研究方向。数据融合将各种途径、任意时间和任意空间上获取的信息做为一个整体进行综合分析处理，为决策及控制奠定基础，产生比单一信息源、单一处理机制更精确、更完全的估计和判决。
数据融合模型一般可表为图2所示的三级结构。数据融合模型的每一级内部又可有相应子结构，其中，第一级为原始信息融合层，其输入是由信息源提供的各种原始数据，其输出是特征提取的结果或某种局部决策。第二级为特征融合层，它以原始信息融合层的输出做为输入。其输出为目标的局部标识。第三级是决策融合层，其输入为特征融合层的输出，并以全局决策做为本层的输出。全局决策一般既要有硬决策，如故障类别、部位、程度，也要给出软决策，如可信度。
故障诊断方法综述范文第2篇
关键词：电机故障；诊断原理与技术；技术应用
电机作为机械设备的动力源电机故障；诊断原理与技术；技术应用头，主要作用是将电能转化为机械能，供机械设备运转。因此，电机是供电与用电系统的重要元件。但是电机运转时间长，工作负荷大，容易受到各种外界因素的影响，从而出现故障问题。如果工作人员不能及时诊断并处理电机故障，那么将影响电机的正常运转，严重时将导致电机的破损。所以说，电机故障的诊断技术是保证电机正常、有序运转的技术基础。笔者基于多年的电机故障诊断理论研究与实践经验，提出几种有效的电机故障诊断技术，希望能够与相关工作共同探讨、提高。
一、电机故障的诊断原理
一般来说，电机故障的诊断原理有以下几种。
首先，根据噪音、振动、温度等变化情况诊断电机故障。在电机出现故障时，工作人员会先用温度检测仪器对电机各个部位的温度进行检查，以初步确定电机故障的类型，再根据电机故障的噪音或者振动情况，大致确定电机故障的位置与原因，从而为进一步诊断提供条件与基础。这种诊断方法主要针对情况较轻的、能够通过工作人员的经验或者简单仪器等检查出来的机械故障。
其次，根据电流变化情况诊断电机故障。这种方法的诊断原理是工作人员利用频谱分析仪器等对电机内电流的波形进行分析与检测，再对比正常运转电机的电流波形图，从而判断电机故障的程度。最后，根据绝缘结构的检查结果诊断电机故障。
除了以上两种方法之外，工作人员还可以利用适宜的电气检查设备对电机内的绝缘结构进行检测与分析，得出电机绝缘结构的寿命以及电机工作性能等因数，从而对电机故障进行进一步的诊断。
二、电机故障的诊断技术
电机主要由电路、磁路两部分组成，两者共同转化能量。电机故障既有电气方面的原因，也有机械方面的因素，因此，电机质量或者安装质量不合格、电机在运转过程电压不稳、负载超出标准等等情况，都将可能引起电机故障，影响电机的正常运转。工作人员根据相关原理、选择适宜的故障诊断技术对电机故障进行诊断，以保证电机的可靠运转。
（一 ）在我国，基于数学模型的电机故障诊断技术的应用已经比较纯熟，最简单直接的方法是进行输入输出信号的处理，电机输出量如果超标，即为有故障可能，或者也可以通过数学方法研究波形的主要参数变化与故障源之间的联系，来分析判断故障原因和位置。而基于状态或过程参数估计的电机故障诊断技术也在不断完善，图1为这类方法的原理图。这种方法既有优势也有缺点，优点是可以根据系统动态性质实时诊断，缺陷是不适用于非线性电机模型。这种方法能够很大提高电机故障诊断的效率。但是随着经济、技术的发展，更多有效的诊断技术，尤其是人工智能诊断技术被应用与电机故障诊断中，为电机的正常、高效运转提供技保障。
（二）人工智能诊断技术
第一 人工神经网络诊断技术 此类诊断技术在当前应用效果较好，使用频率也较大，正在成为新兴主流诊断技术之一。它主要采用BP网络对电机故障的信号进行检测、分析与转换，同时根据相应的算法以得到输入、输出样本之间的映射关系，从而利用网络进行科学地分析与诊断。目前已有很多成功实例，如利用BP网络实现分箱式感应电机的匝间短路与轴承损耗两类故障的诊断，同时有文献记载 可将基于 BP 神经网络的方法用于电机转子断条的故障诊断 。B P 神经网络的算法通常 采用基于梯度下降原理的误差反向传播算法 ， 即 BP 算法 。但标准 BP 算法特点是收敛速度慢 ，可以加快训练收敛速度 ， 引入动量项的是权值修正快速算法 。这种方法提高了运算效率 ，更具实用价值。 人工神经网络诊断技术应用效果最好的是诊断转子断条故障，基本上可以达到零失误率。
第二 模糊逻辑诊断技术。有些电机故障不能很准确地被描述出来，显示一定模糊性，在此就需要利用模糊逻辑诊断技术对电机故障进行诊断。但是这种诊断技术需要模糊知识库的支持与辅助，并建立故障与故障征兆之间的关系或者规则库，从而通过推理判断、诊断电机故障。但是这种技术容易出现误诊，需谨慎使用。图4为模糊诊断技术原理图。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。文献指出，解决笼式感应电机转子断条故障，使用模糊逻辑不仅可以检测故障的发生，甚至可以给出断条数目。为了更为精确， 将转子条的状况分为5类：没有断条， 有断条初期征兆， 1个断条， 1-2个断条和2个断条。异步感应电机发生断条时， 就会在定子谐波电流中感应出频率（1±2s）f1的附加分量， 其中s 为转差率， f1为定子基频 [ 16]。谐波分量中这两个频率的幅值分别由A1和A2（单位：dB）表征， 因此断条故障可以通过对A1、A2检测获得。在模糊推理中，对于可能出现的故障， 只需用模糊隶属度函数进行描述，而不像基于神经网络的故障诊断方法那样用数值进行描述， 模糊输出隶属度函数如图5所示。实验结果表明：这一方法可成功应用于一台5.5kW两相感应电机的故障诊断。基于模糊逻辑的电机故障诊断方法的优点在于可嵌入语言化的知识和近似推理能力。从近年来的发展可以看出， 基于模糊逻辑的电机故障诊断方法无论在理论上
还是在应用方面都已取得了很大的进展， 但与传统的故障诊断理论和方法相比， 仍有不成熟之处，有待于进一步的完善。
第三，遗传算法诊断技术。这种诊断技术是根据故障信号的分析与推算，对电机进行全局地控制与检测，从而不断地优化诊断方法，以达到提高诊断效果的目的，它具有全局控制、快速便捷等特点。但是在遗传算法诊断技术应用过程中，工作人员需要注意参变量各项参数的准确性，需要反复试凑，以确定各项故障参数。因此可以说，遗传算法诊断技术是电机故障诊断技术中较为先进、高效的技术。
结语
综上所述，在电机应用过程中，相关工作人员必须提高对电机故障的认识，并根据电机应用的实际情况，科学地选择适宜的故障诊断技术，以提高电机故障诊断效率，从而为快速、有效地处理电机故障，促使电机恢复正常运转提供保证。目前，我国电机故障的诊断技术得到高速发展，但是由于电机故障各个类型之间的关系复杂，需要相关工作人员进一步研究，以促进电机故障诊断技术应用有效性的提高，从而保证电机的正常运转，为机械设备提供充足的电能。
参考文献
[1]王秋彦，鞠建波，宋振宇. 故障诊断技术研究现状及发展趋势[J].电子测量技术， 2009，12（04）：45-46 .
[2]刘冬生，赵辉，王红君，等. 基于小波分析和神经网络的电机故障诊断方法研究[J].天津理工大学学报， 2009，78（01）：21-23 .
[3]杨朋松，吕永健，逯国亮.基于小波神经网络的电机故障诊断研
究[J].大电机技术，2009，22（04）：78-79 .
[4]M.Y.Chow， R.N.Sharpe， J.C.Hung.Ontheapplication andde-signof artificialneural networks for motor fault detection（I）[ J ] .
故障诊断方法综述范文第3篇
摘要： 随着经济的发展，技术的进步，现代企业设备越来越大型化、复杂化、智能化，如果液压设备发生故障，生产就无法进行。本文首先介绍液压系统故障诊断的准备工作，然后详细介绍三种诊断方法。
关键词：液压系统故障 简易故障诊断法 人工智能故障诊断法
液压系统具有很多独特的优点，常见的如：大容量、结构紧凑、安装灵活、反应快、容易控制等等，在现代大型设备，特大型设备中具有广泛的应用的同时存在着问题，极易发生故障从而影响生产，造成故障的原因主要是系统中元辅件和工作液体性能不稳定，系统设备使用不当或者维护不到位。近几年液压系统故障诊断成为了一门专门的学科，受到高度的重视。
1、液压系统故障诊断的准备工作
第一拿到设备使用说明书时一定要认真仔细的阅读，详细了解该设备的功能、结构、工作原理，包括系统中元件的功能结构和原理；第二从网上查阅设备的档案资料，包括生产厂家、制造日期、调试验收，故障可能、处理方法等等。
2、简易故障诊断方法
2.1 主观诊断法
这是一种最传统的方法，凭借维修人员的主观判断（看、听、摸、闻、问）和实践经验，或者利用简单的仪器、仪表判断故障发生的部位并且给出发生的原因。常见到的主观诊断法有感官诊断、方框图分析、系统图分析，该方法简单快捷方便，这种方法对维修人员的要求极高需要有丰富的诊断经验，但是诊断结果具有局限性。
2.2直接性能测试法
这种方法通过测试液压元件和系统性能进而评价系统工作状态，适用于处于工作状态的系统，还能进行定量的分析，现代运用最多的是检测液压系统的状态。如果检测的液压系统元件或者性能超出了规定的正常范围，那么该系统就有发生故障的可能性。这种方法原理简单，相当直观，但是测试的精准度不是很高，一般早期的失效很难检测出来。
3、基于信号分析的故障诊断方法
3.1基于抽样分析法
反映系统内部信息的除了液压系统本身的信息，其内部的污染物也可以，也就是说测定和鉴别油液当中污染物的成分和含量，可以知道液压系统的污染情况和运行状况，也是一种故障诊断的方法。目前我们经常见到的有两种：一种是基于油液颗粒污染度的检测技术，包括：显微镜检测技术（设备投资小、方法简单、费时费力、误差大）、自动颗粒计数器（检测速度快、操作简便、准确度高但精度低）、称重法（设备简捷、检测方便、只测重）、铁谱分析法（可进行定性和定量的分析）、光谱法（成本高、精度高）；另一种是基于油液性能参数的检测技术，这种技术需要细致的分析油液的有关参数和金属的含量，历时的周期较长，无法实现在线检测，但是对重要液压系统的诊断很有效。
3.2基于振动噪声分析法
在液压系统的运行过程中，必然会伴随产生振动和噪声，尤其液压泵的振动声音十分大，实际上这些设备的振动和噪声就包含了许多故障的信息，分析信号，得到元件状态信息，进而进行故障诊断。这种方法的理论比较完善，应用也比较广泛，有多种信号处理方法如：时域特征参数法、时差域特征法、概率密度法、相关分析法、谱分析法、自功率谱分析法、倒频谱分析法、包络谱分析法、主分量自回归谱提取法、AR谱参数提取法、小波分析等。目前旋转机械设备也能用它分析诊断故障，纯机械设备的故障诊断效果相当明显。随着信号处理技术的发展，这种方法的应用前景十分可观。
3.3基于数学模型法
这种方法的指导是现代控制理论和优化方法，基础是系统的数学模型，残差产生法是观测器（组）、等价空间方程、Kalman滤波器、参数模型估计和辨识等，利用阀值或者准则评价决策残差。该方法和控制系统的关系相当密切，共同成为监控、容错控制、系统修复重构的基础。这种方法的数学模型的精确度直接决定诊断的精确性，一般最常建立的是线性和非线性的数学模型来诊断液压系统的故障。
4、基于人工智能的故障诊断方法
4.1基于专家系统的智能诊断法
这是智能诊断技术中受到多方关注的一个发展方向，研究最多，应用最广，主要是利用专家的知识和推理方法解决实际遇到的复杂问题。在这的专家系统并不是指人员而是指一种人工智能计算机程序，知识权威，学习功能强大。该系统的主要组成部分：知识库（系统知识和规则库）、数据库、推理机和解释机制。如果利用它检测在线的系统，数据库显示的是实时工况数据；如果利用它检测离线系统，则数据库显示的是实际故障时的数据或者人为故障的样本数据。该方法的运行过程是通过人机相互交换，专家系统获得所需信息，利用系统的知识库和数据库，推理机运用规则，调用应用程序，进行正确的推理，找到液压系统的故障。这种方法给自动化进行液压系统故障诊断代带来了光明和希望，但是也存在一定的不足和问题，不过未来的发展前景还是很广阔的。
4.2基于神经网络的智能诊断法
20世纪80年代人工神经网络迅速崛起，成为人工智能领域的一个分支，是一种计算模型（与人的认知过程相似），一种非线性动力学网络系统（模拟大脑神经元结构特性）。神经网络的非线性处理单元（类似神经元）相互关联，具有了学习、记忆、归纳总结等功能和数学模拟能力。这种方法的具有独特的优势，如：分布式处理能力、联想记忆、自学习能力等收到诊断领域的广泛关注和重视，未来发展前景十分宽广。
4.3基于模糊理论的智能诊断法
大量的模糊现象存在于液压系统故障诊断领域，如：系统油温过高、压力波动较重等等，过高、较重这些都是模糊的概念，并没有清晰的边界，故障发生会经历一个漫长的时间，同时故障发生的原因和症状也是模糊的，可能一对一，可能一对多，也可能多对一。利用模糊逻辑、模糊关系描述故障的原因和现象，建立隶属度函数和模糊方程，明确识别故障。这种方法的现象更为客观，结果更符合实际，速度快，容易实现。
5、结束语
随着21世纪科技的发展，人工智能技术更是突飞猛进，还有许多智能诊断的方法如：故障树诊断法、灰色理论智能诊断法、案例推理诊断法、多智能体的智能诊断法、信息融合技术智能诊断法等等。如何将新型科技、智能技术运用到故障诊断系统当中，实现自动化、智能化的故障系统诊断是我们亟待解决的问题。
参考文献：
[1]范士娟，杨超.液压系统故障诊断方法综述[J].机床与液压，2009，37（5）：188-192，195.
故障诊断方法综述范文第4篇
【关键词】故障诊断；专家系统；电子装备
1.引言
目前，电子装备复杂程度越来越高，自动化程度越来越高，功能越来越复杂，从而对于故障诊断技术的要求越来越高。如何快速、准确地检测出故障是电子装备故障诊断技术的关键。
故障诊断（Fault Diagnosis， 缩写为FD），是指对设备运行状态和异常情况做出判断，换句话说，就是在设备没有发生故障之前，要对设备的运行状态进行预测和预报；在设备发生故障之后，对故障的原因、部位、类型、程度等做出判断，并进行维修决策。故障诊断的任务包括故障检测、故障识别、故障分离与估计以及故障评价与决策[1] 。
电子装备的故障诊断一直是装备保障领域的重点和难点，国内外已经对此问题进行了大量的研究工作。按照对知识的运用程度的不同，可将电子装备故障诊断技术分为传统故障诊断技术和智能故障诊断技术。传统故障诊断技术运用了相关领域的事理性、理论性知识，以及操作人员简单的逻辑判断。智能故障诊断技术则是模拟人类的逻辑思维和形象思维，将各种知识融入诊断过程。本文通过分析故障诊断的发展，重点论述了智能故障诊断技术的发展状况，并对故障诊断技术的发展趋势进行了预测。
2.故障诊断技术的发展
故障诊断技术的研究最早起源于美国，如西屋公司（WHEC）、Bently公司和IRD公司[2， 3] 。60年代开始在军事工业上开始研究，首先是在发生故障意味着重大事故的部门，如飞机、船、舰方面。故障诊断技术的发展主要经历了以下两个技术阶段。
2.1传统故障诊断技术
传统的故障诊断技术主要有以下几种。
单信号处理方法[4] ：电子技术发展早期，分离元件和集成元件并存，设备集成化程度不高。此时的技术特点是以单信号处理方法为主，较少考虑信号间的耦合，主要采用阈值模型。当系统的输入输出超出一定范围时，就认为故障已经发生或将要发生。信号主要通过各种仪器仪表人工采集。
随着技术的进步，基于单信号阈值模型的诊断技术已不能适应工程实践的要求。借助信息理论的发展，诊断技术出现了两个发展方向：（1）多信号模型诊断，考虑信号间的融合关系，通过定量或定性的分析方法实现诊断；（2）单信号滤波诊断，早期阈值模型诊断只考虑实时数据，没有考虑历史数据的变换信息，而滤波诊断的基本原理是对时间序列信号进行滤波变换，得到信号的特征信息，再对此特征信息进行阈值诊断，所用的方法主要有Kullback信息准则、小波变换、状态估计和参数估计等[5] 。
如果系统复杂也可以采用计算机仿真技术进行故障诊断。采用仿真技术主要是要建立系统的仿真模型，实时采集信号.模拟系统运行状态.通过分析仿真结果来判断故障[6] 。这种故障仿真方法具有诊断准确、快速的特点，但建立仿真模型时需要获得系统的物理结构和信号流程。
机内测试（build-in test， BIT）技术是为系统和设备内部提供检测、故障隔离的能力[7] 。自美国在20世纪70年代将其用于军用航空电子设备以来，现已广泛应用于各类大型电子产品。随着VLSI和计算机技术的发展，BIT技术结构日趋复杂、功能日益强大，正发展成为集状态监测、故障诊断为一体的综合系统。
2.2智能故障诊断技术
目前，智能诊断的理论与方法主要有：基于专家系统的方法、基于神经网络的方法、基于模糊逻辑的方法、基于遗传算法的方法、基于信息融合的方法。
2.2.1基于专家系统的故障诊断方法
专家系统故障诊断方法就是综合运用各种规则对计算机采集到的被诊断对象的信息进行一系列推理后，同时在必要时还可以随时调用各种应用程序并在运行过程中向用户索取必要的信息，然后能够快速的找到最终故障或最有可能的故障，由用户来确认的一种方法。专家系统获得巨大成功的原因在于，它将模仿人类思维规律的解题策略与大量的专业知识结合在一起。
专家系统主要由知识库、推理机、数据库、知识获取模块、解释程序和人机接口等部分组成[8] 。其内部具有某个领域专家的知识和经验，能够利用人类专家的知识和解决问题的方法来解决问题。专家系统解决的问题一般没有算法解，且往往在不完全信息的基础上进行推理、做出结论，故速度快、实时性强。该方法是人工智能理论在故障诊断领域中最成功的应用。也是目前故障诊断领域最常用的方法，其各部分的功能如图1所示。
图 1专家系统故障诊断结构示意图
2.2.2基于神经网络的故障诊断方法
神经网络用于设备故障诊断是近十几年来迅速发展起来的一个新的研究领域。神经网络具有并行分布处理、联想记忆、自组织及其子学习能力和极强的非线性映射特性，能对复杂的信息进行识别处理并给予准确的分类，因此可以用来对系统设备由于故障而引起的状态变化进行识别和判断，从而为故障诊断与状态监控提供了新的技术手段。
神经网络应用于故障诊断具有很多优点：
（1）并行结构和并行处理方式；
（2）具有高度的自适应性；
（3）具有很强的自学习能力；
（4）具有很强的容错性；
（5）实现了将知识表示、存储、推理三者融为一体。
然而，神经网络也存在固有的弱点。首先，系统性能受到所选择的训练样本集的限制；其次，神经网络没有能力解释自己的推理过程和推理依据及其存储知识的意义；再次，神经网络利用知识和表达知识的方式单一，通常的神经网络只能采用数值化的知识；最后，神经网络只能模拟人类感觉层次上的智能活动，在模拟人类复杂层次的思维方面，如基于目标的管理、综合判断与因果分析等方面还远远不及传统的基于符号的专家系统。模式识别的神经网络诊断过程如图2所示，主要包括学习训练与诊断匹配两个过程，其中每个过程都包括预处理和特征提取两部分[9] 。
图 2神经网络章诊断过程示意图
2.2.3基于模糊逻辑的故障诊断方法
设备运行过程本身的不确定性、不精确性以及噪声为处理复杂系统的时滞、时变及非线性等方面带来了许多困难，而模糊逻辑在此显示了优越性。目前用于故障智能诊断的思路主要有三种：
（1）基于模糊关系及合成算法的诊断，先建立征兆与故障类型之间的因果关系矩阵，再建立故障与征兆的模糊关系方程，最后进行模糊诊断；
（2）基于模糊知识处理技术的诊断，先建立故障与征兆的模糊规则库，再进行模糊逻辑推理的诊断过程；
图 3模糊故障诊断系统基本结构示意图
（3）基于模糊聚类算法的诊断，先对原始采样数据进行模糊C均值聚类处理，再通过模糊传递闭包法和绝对值指数法得到模糊C均值法的初始迭代矩阵，最后用划分系数、划分熵和分离系数等来评价聚类的结果是否最佳[10] 。
模糊故障诊断系统的基本结构图如图3 所示 ，主要包括模糊化接口、模糊规则库、模糊推理机和非模糊化接口等四部分[1] 。
2.2.4基于遗传算法的故障诊断方法[10]
基于遗传算法的智能故障诊断的主要思想是利用遗传算法的寻优特性，搜索故障判别的最佳特征参数的组合方式，采用树状结构对原始特征参数进行再组织，以产生最佳特征参数组合，利用特征参数的不同最佳组合进行设备故障的准确识别，其识别精度有了很大的提高。其基本点是将信号特征参数的公式转化为遗传算法的遗传子，采用树图来表示特征参数，得到优化的故障特征参数表达式。
2.2.5基于信息融合的故障诊断方法
目前，信息融合在大多数情况下采用多传感器融合的方式，其原理是通过有效利用不同时间、空间的多个传感器信息资源 ，最大限度地获得被测目标和环境的信息量，采用计算机技术对获得的信息在一定准则下加以自动处理，获得被测对象的一致性解释和描述，以完成所需的决策。
多传感器信息融合技术应用于故障诊断的主要原因是因为：（1）信息融合能够为故障诊断提供更多的信息；（2）故障诊断系统具有信息融合系统相类似的特征。
概括起来，多信息融合技术在故障诊断方面的应用主要包括以下几点[11] ：（1）对多传感器形成的不同信道的信号进行融合；（2）对同一信号的不同特征进行融合；（3）对不同诊断方法得出的结论进行融合。融合诊断的最终目标就是利用各种信息提高诊断的准确率。
3.故障诊断技术发展趋势
3.1综合智能故障诊断系统
发展集成多种不同智能技术的综合智能诊断系统是智能故障诊断领域的大势所趋。集成主要是以知识为基础，将多种知识表达方法和推理方法综合集成，融合多种信息，实现多角度、多层次的诊断集成，提高系统的灵活性，逼真模拟专家诊断思维过程。目前较多的集成智能诊断方法有专家系统和神经网络的集成、神经网络和模糊推理的集成以及上述三者的高度集成等。
3.2远程故障诊断
复杂电子装备故障涉及诸多技术领域相关知识，只靠单个部门人员很难在短时期内解决。网络技术的发展为远程故障诊断提供平台，以国防通信干线、国防数据网和我军其它信息系统为依托，军队各级单位自身建立的局域网和各战区、军兵种范围内的城域网为基础，可实现武器装备各保障单元和承制单位的信息互连互通，使远在千里之外的承制单位专家可直接参与装备故障会诊，指导部队修理人员排除故障，使装备及时恢复正常效能。
目前远程故障诊断所采用的方法主要有[12， 13] ：电话会议方式、Internet的C/S（客户机/服务器）模式或B/S（浏览器/服务器）模式等。智能故障诊断技术与Internet技术相结合是其发展的主要方向之一。
3.3分布式故障诊断
现在的大型装备或系统的功能和结构都是分布式和多层次的，这就决定着故障诊断系统也要向着分布式和多层次发展。
分布式故障诊断系统由全局（系统级）诊断系统和子诊断系统组成。全局诊断系统负责诊断任务管理，包括总体任务的分解、子任务的协调与控制、各子系统诊断结论的综合等。子诊断系统根据所分得的子任务，完成对所辖设备的故障诊断[14] 。分布式故障诊断的发展是以分布式数据库、计算机网络和通信技术、分布式检测技术的融合为基础的。
3.4虚拟现实故障诊断系统
虚拟现实技术是20世纪末才兴起的一门崭新的综合信息技术[15] ，可以为故障诊断的教学、远程故障诊断、分布式故障诊断提供逼真的虚拟仿真环境，增大了故障诊断的信息量。将虚拟现实技术应用于故障诊断系统将使一些故障诊断教学变得简单形象且易于操作，同时，能解决一般故障诊断系统无法解决的问题。
虚拟现实技术能够构造逼真的虚拟环境，可以使特定条件下才能实现的一些任务在一般条件下也能够实现，可以使受训者在远离操作可能带来的危险的情况下进行训练，可以节省使用真实样机所需的花销。凭借着以上的优越性，虚拟现实故障诊断系统必将成为故障诊断的一个主要发展方向。
4.结论
电子装备故障诊断在近几年发展迅猛，尤其是在智能故障诊断方面。同时，一些新的故障诊断研究方向也正处于发展阶段并取得了一定的成就。虚拟现实技术与故障诊断的结合，在电子装备故障诊断领域有着其独特的优越性。虚拟现实技术不仅有利于故障诊断的教学训练，还有利于分布式故障诊断系统的实现，这将使得智能故障诊断的实现更加完善，极大地带动了故障诊断的发展。
参考文献：
[1]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.
[2]Scheibel， John R， Iman， et al. Expert system-based， on-line rotor crack monitor for utility steam turbines[A]. Proceeding of the American Power Conference[C]. Publ by Illino is Inst of Technology， 1989： 369-380.
[3]Bosmans， Ronald F， Hewitt， et al. Expert system for machinery vibration diagnositics[J]. American Society of Mechanical Engineers， Inernational Gas Turbine Institute， 1992： 365-371.
[4]丁彩红，黄文虎，姜兴谓，等. 载人航天故障诊断技术的发展及其关键技术分析[J]. 强度与环境. 1999（2）.
[5]周东华，叶银忠. 现代故障诊断与容错控制[M]. 北京：清华大学出版社，2000.
[6]Chrissanthi Angeli， Derek Atherton. A Model-Based Method for an Online Diagnostic Knowledge-Based System[J]. Expert， 2001， 18（3）.
[7]温熙森，绦永成，易晓山. 智能理论在BIT设计与故障诊断中的应用[J]. 国防科技大学学报，1999，21（1）.
[8]Joseph C， Gary D. Expert Systems[M]. 北京：机械工业出版社，2010.
[9]安治永，李应红，苏长兵. 航空电子设备故障诊断技术研究综述[J]. 电光与控制，2006，13（3）：28-30.
[10]姜万录，程晓盛，陈东宁，等. 远程智能故障诊断技术的现状与展望[J]. 机床与液压，2003（4）：6-7.
[11]李云松，任艳君. 智能诊断技术发展综述[J]. 四川兵工学报，2010，31（4）.
[12]吴伟蔚，杨叔子. 远程协作故障诊断系统的设计及实现[J]. 计算机工程与应用，2000（1）.
[13]谢小轩，张浩，曾斌. 制造企业远程故障诊断服务系统的研究[J]. 组合机床与白动化加工技术，2000（12）.
故障诊断方法综述范文第5篇
[关键词]电力系统；故障诊断；算法；发展趋势
中图分类号：TM711 文献标识码：A 文章编号：1009-914X（2014）34-0024-02
1 引言
随着电力系统调度自动化水平的不断提高，各种自动装置的广泛应用，越来越丰富的故障报警信息（包括正确报警信息、误传信息、重复信息及不相关信息等）会在故障发生时通过故障信息系统传入调度端，尤其在发生复故障和保护配置多样化的情况下，要求调度运行人员在这种紧急情况下人为地提取有效的故障信息并快速正确判断出故障元件是非常困难的。因此非常有必要建立完善的电网故障诊断系统，以实现对电网故障的自动快速诊断。
电网故障诊断主要是对各级各类保护装置产生的报警信息、断路器的状态变化信息以及电压电流等电气量测量的特征进行分析，根据保护动作的逻辑、运行人员的经验和电气量的特征量来推断可能的故障位置和故障类型。近10多年来，电网故障诊断技术得到了深入广泛的研宄，国内外学者提出了众多可行的方法。目前在故障诊断领域应用较多的有专家系统、人工神经网络、优化技术、模糊集理论、多系统、贝叶斯网络、Petri网理论等。本文旨在对这些故障诊断方法进行总结归纳，分析各种方法的特点和不足，以便取长补短，发展出新的诊断方法。
2 电网故障诊断常用方法
2.1 专家系统
专家系统[1-2]（Expert System，ES）是一个具有大量专门知识与经验的程序系统，它能融合领域专家多年积累的经验与专门知识进行推理和判断，模拟人类专家的推理决策过程，具备解决专业领域问题的能力。专家系统主要由人机接口、知识库、推理机、数据知识库及解释器来组成。由于专家系统累积大量专门知识可以准确模拟调度员的思维过程，因此引入到故障诊断领域较早而且发展成熟。
专家系统一般可以分为以下三类：（1）基于规则系统：这类专家系统利用“IF-THEN”结构的规则来表示保护与断路器间的配合逻辑及专家在运行中积累的诊断经验，并形成完备的知识库，将故障产生的报警信息逐一与知识库中的规则进行比较、匹配，从而识别出故障元件。（2）基于模型系统：这类系统综合了一些运行方式与原理不同的模型，先根据实际保护系统的结构与功能来建立模型，再模拟实际电网故障行为并得出结果，最后通过与实际获得的报警信息进行匹配来验证故障假设。（3）基于逻辑系统：根据保护隔离故障的原理和逻辑进行诊断推理，对故障特征做出假设并逐一验证，最终给出评价并提供每条假设的可信度给用户。
专家系统在故障诊断领域内的应用开展较早，具备方案灵活、推理结果可解释、能实时诊断等优点，在大规模电网中有着成功的工程应用。但也存在缺陷和不足：不具备学习能力，难以获得完备的知识库；当电网新增保护配置或者拓扑结构变化较大时，知识库的维护工作量太大；它的推理能力限制在狭窄的专业领域内，无法处理新的情况。
2.2 人工神经网络
人工神经网络（Atificial Neural Network，ANN）是有大量的处理单元经过广泛互连而组成的人工网络，用来模拟人类神经系统传输和处理信息的过程。神经网络能够通过研究历史数据进行样本训练，从而具有归纳全部数据的能力，因此能够解决数学模型或规则难以处理的问题。人工神经网络具有特殊的并行结构和并行实现能力，使之具有较快的处理速度，适于应用在电网故障诊断领域。文献[1]提出基于新型径向基函数的神经网络方法，以保护信息、可能故障2作为ANN的输入和输出，选择合适的样本集训练ANN，其故障诊断能力优于传统的BP（误差反向传播）模型。
人工神经网络方法不存在专家系统完善知识库这样的难题，具有比较强的自我学习能力和容错能力。但是ANN的学习只针对特定的系统结构，外推能力差，工作过程是一个黑箱，因此只适应于中小型电网的故障诊断。
2.3 优化技术
采用优化技术（Optimization Methods）的诊断方法依据电网故障特征设定假想事故集的适应度函数或目标函数，采用不同优化算法来更新事故集，直至确定适应度最大的事故集来作为故障诊断结论。这种方法通过采用0-1整数规划的解析模型来描述电网故障诊断，经优化算法推导求得最优解。文献[2]设目标函数为故障元件数与误动开关（保护、断路器）数的最小和并简化为二次型，这样就转变为一个0-1整数规划问题，约束条件用来描述保护.和断路器的动作原理。文献[3]综合考虑了主、后备保护间的状态关系、二次系统配置特点和断路器失灵保护，对目标函数进行优化、改进使得模型更加合理、准确。
用优化技术的故障诊断方法适用于完备信息下的电网故障诊断，不需启发性知识的引入，能快速得到全局最优解或者多个可能的解。它的难点在于故障诊断数学函数的建立和算法的收敛速度。
2.4 模糊集理论
模糊集理论（Fuzzy Set Theory）用模糊隶属度的概念来描述不精确、不确定的事件和对象，并引入近似推理的模糊规则，可以有效地表达专家知识，具有很强的容错能力，因此模糊集理论比较适合用来处理保护和断路器间的不确定关联关系、报警信息的可信度问题。文献[4]假设诊断所需信息为准确，只有故障与保护之间、保护和断路器之间的关联关系不确定，用模糊隶属度来描述不确定量得出可能的元件故障率。文献[5]认为报警信息都是不确定的并赋予一定的可信度，根据电网拓扑和故障发生时的保护、断路器动作状态，再通过专家系统等方法给出模糊的故障诊断输出。
模糊集理论能够处理不确定的信息，进行诊断时不需要建立精确的数学模型，利用模糊规则可以实现诊断智能化。但模糊集理论需要结合其他方法来使用，而且只能有限地处理电网中的不确定因素。
2.5 多系统
多系统（Multi-Agent System，MAS）结合了计算机技术、网络技术和分布式人工智能，在逻辑上将一个问题分解为多个子问题求解实体，每个子实体仅拥有对应求解问题所需的数据和资源，不同子实体互相交互配合以解决最终问题。多系统具有数据分散化、无全局控制、计算异步和个体行为独立自制等特点。Agent间的协同与合作等特点为电网故障诊断建模提供了条件。文献[6]中提出了采用SCADA系统和数字录波系统、结合多技术、应用于电网故障诊断的体系结构，这种结构包括相互作用、合作与通信的多个Agent形成多系统，诊断中应用基于知识、模型推理的方法求得局部的最优解。
多系统在电网故障诊断方面具有很好的发展前景，它利用多种不同的方法并综合其优点，并行分布式处理问题保证了电网故障诊断的实时性，极大地提了诊断结果的正确性和容错性。如果电网规模较大，在故障诊断时可以先分区后进行分布式求解。作为软件系统的MAS需要依靠其它方法来共同完成故障诊断。目前MAS在诊断研究中的关键是如何与其它方法相结合、单个Agent的建模方式以及各个Agent之间的协调协作。
2.6贝叶斯网络
贝叶斯网络（Bayesian Network，BN）用于不确定推理和知识表达，有机结合了图论和严格概率理论，利用概率理论来处理各种知识间的不确定因果关系，再通过贝叶斯网络来进行表达，最后可以得出故障征兆下的各元件故障率。贝叶斯网络包括节点和有向弧，分别通过拓扑结构、节点条件来表达网络中的定性信息和定量信息。文献[7]根据元件故障、保护和断路器动作间的内在逻辑，分别针对线路、母线、变压器建立了故障诊断模型，不同的节点间关联关系通过“概率与”和“概率或”进行区分计算。文献[8]对故障信息进行了时序一致性识别和完备化预处理，建立了计及时序信息属性的改进型BN故障诊断模型。贝叶斯网络方法具有模型清晰直观、因果关系明显、诊断精度高等优点，适用于不确定信息下的故障诊断。但由于贝叶斯网络在电网故障诊断上的研宄起步较晚，其自动建模和知识更新能力还有待提高。
2.7 Petri网理论
Petri网（Petri Net，PN） 是由库所（Place）、变迁（Transition）、连接库所和变迁的有向弧及初始标识构成，能够描述系统中各元件间的关系，并用网络来表示系统中同时发生、次序发生或循环发生的各种活动来构造系统模型及动态特性分析。Petri网可以简单地描述为一个加权有向网，它的节点分割为库所和变迁两个非空有限集合，用加权的有向弧将节点连接起来。Petri网是对系统进行静态的结构分析，其动态性质由变迁和节点上的托肯（Token）数目体现出来，适用于描述离散事件动态行为。文献[9]针对输电网的设备，研究了故障切除过程的Petri网模型，然后建立了针对故障元件的Petri网诊断模型。文献[10]在此基础上引入了后备保护的模型，使Petri网的故障诊断模型得到了发展和完善。文献[11]利用Petri网建立了模拟故障正向发生和线路、母线的反向故障诊断模型，适于处理多重故障、存在开关拒动和误动的复杂故障。文献[12]结合实际SCADA系统提供的信息对故障设备进行Petri网的故障诊断建模，具有一定的实用性。此外，大量的国内外文献对原有Petri网模型进行了改进或发展出高级Petri网来应对不同情形下的电网故障诊断，其中涉及有基于保护时空参数的petri网、概率信息Petri网、模糊Petri网、编码Petri网等。
Petri网以形象直观的有向图建模，利用数学描述或推理进行求解，具有简洁、高效、实用的特点。但同时，由于Petri网建模法依赖网络结构，若电网规模较大、结构复杂则可能导致诊断模型中的状态组合爆炸，为此需要改进Petri网或引入高级Petri网。
3 电网故障诊断的发展趋势
在告警信息完备、正确的情况下，上述方法均能够准确地诊断出故障元件，识别出开关量的误动、拒动。实际在电网故障时，由于短时间内需要传输大量数据，报警信息畸变、丢顿和传送延迟的情况经常出现，因而传统方法具有一定的局限性。
目前对电网故障诊断的研究主要趋于两个方向，一个方向是引入新的信息源和故障诊断方法，如故障录波信息、广域测量系统信息、潮流分布。一方面可以提高信息源的完备性、故障信息的冗余度；另一方面，通过利用新故障信息源形成新的故障判据可以得出更加准确的诊断结果，也可以进行更加深入的故障诊断例如故障性质和故障相的判断。但当前一些区域的故障信息系统仍未完善，受制于电网通信技术、设备更新滞后等限制，调度中心无法实时获得故障录波数据和采集到全面的电网PMU数据，这些都在一定程度上限制了新故障诊断方法的推广。
另一个方向是改进和优化现有故障诊断算法，通过信息融合技术对多种方法的诊断结果进行融合，提高诊断方法的准确性。从各种诊断技术的概述可以看出，每种智能方法均具有一定的诊断能力且适用于部分电网故障情形，存在一定的局限性。如果综合多种方法进行混合故障诊断，可以综合不同方法的长处形成优势互补，消除单一诊断方法的局限性，大大提高了诊断性能。因此，采用混合故障诊断技术成为一个必然的研宄趋势，可以综合现有研宄成果进行扬长避短，多层次、多角度地进行电网故障诊断。
故障诊断方法综述范文第6篇
关键词:电气设备监测故障诊断
中图分类号:TM50文献标识码:A文章编号:1672-3791(2011)09(c)-0146-01
近年来,随着我国高压、超高压、大容量电网的不断发展,供电系统的稳定性和可靠性对电力设备的安全可靠运行提出了更高的要求,同时,由于电力用户对供电质量要求的不断提高,电气设备故障造成的损失和影响也越来越大。因此,采用现代化的电气设备运行状态实时监测技术,及时发现设备的异兆、对故障进行诊断分析,并采取相应措施,对保证电气设备的安全和整个供电系统的可靠稳定运行都具有十分重要的意义。
1电气设备状态检测机理研究
1.1 电气设备状态监测的基本原则
(1)电气设备的维护需要统筹考虑。由于电气设备的特殊性,无论是全面的预防性试验还是拆装性检修,一般都要求设备退出运行。所以,在设备的监测维护过程中要考虑各种设备间的相互关联和影响,统筹安排电气设备的检修工作,将检修的周期和项目上升到管理策略的层面,尽可能的保证设备的可用性,减少电气系统的停电时间。(2)采用综合的设备状态信息获取方法。反映设备的状态信息应来自于,在线监测获取信息,各项试验获取信息,设备家族缺陷事故记录信息,不良运行工况记录信息。这是一个综合的信息来源,各项信息依其对设备状态的准确反映以权重反映,信息也应考虑折旧,越新的设备折旧越小。(3)建立数字化管理体系。状态检修主要包括设备信息获取、综合诊断、检修管理。建立数字化管理体系才能引入智能综合诊断和检修管理系统,才能适于未来发展的需要,前述的量化的设备状态评价体系就是为建立数字化管理体系奠定基础,实际上,建立数字化管理体系就是建立数字化综合诊断,数字化检修管理系统。
1.2 实施状态监测的基本策略
状态检修的基础是进行状态分析,在状态分析前首先要分析状态信息包含的内容。状态信息包括预防性试验、不良运行工况记录、缺陷记录、检修记录、家族质量记录、在线监测等几个方面。状态分析的目的就是基于上述状态信息包含的指标,对设备的状态做一个初步的评价,为是否检修提供依据,而设备存在缺陷的准确诊断结果需要在检修前后根据实际情况综合分析后给出。设备状态一般从状态试验数据、不良运行工况记录和家庭质量缺陷记录三个方面采用百分制综合评分的方式确定。综合评分≤30应立即安排检修,综合评分介于31～55之间应在三个月内安排检修,介于56～75之间的设备应按计划优先安排检修,介于86～100之间的可延期检修。
1.3 在线监测数据与状态检修的融合
对于单一设备的在线监测数据融合一般应将数据传送到电厂综合信息管理系统(MIS),通过电厂综合管理系统将在线监测数据与状态检修系统融合在一起;对于多设备、多系统的在线监测的数据融合应先建立内部设备状态监测中心,由监控中心实施对全部前端站的控制,同时由监控中心的监测工作站实施在线监测数据与状态检修的融合。
2电气设备故障诊断方法
针对不同的电气设备,目前的故障诊断方法主要可分为两类:一类为传统的电气设备故障诊断方法,主要包括直观检查法、仪器仪表测量以及分段切割,逐段类推等;另一类是针对现代化的电气设备采用粗糙集理论、震动信号处理、时间序列分析方法等。传统电气设备诊断方法中直观检查法是电气设备故障诊断最基础的方法。主要是利用眼睛、鼻子、耳朵、手等感觉器官,来进行直接观察,观察温度、声音、颜色、气味有否异常,以判断电源装置的运行情况。通过这种直观,将一些明显的故障能立即诊断出来,或者分析和掌握故障发生的部位、危及范围、严重程度以及元器件损坏情况。就是对那些隐蔽而复杂的故障,通过我们所直接观察到的各种现象,也能为进行诊断和分析提供重要依据,因此,直观是诊断故障的十分重要的第一步;仪器仪表测量法就是利用电气仪表测量某些电参数的大小,经与正常的数值对比后,来确定故障部位和故障原因,主要有测量电压法、测量电流法、测量电阻法、测量绝缘电阻法等;其它的故障诊断方法包括对直观检查中发现的可疑对象、易损易碎元件进行重点检查法,采用相同规格元件对嫌疑、易坏设备进行替换测试,逐步缩小故障范围的方法,采用分段切割的方法诊断一些故障现象复杂、问题很多、涉及面很广,故障范围又不明的疑难故障,特别是闭环系统故障以及采用从输入或输出端开始逐级往前类推检查,直至暴露故障的逐段类推法等。针对现代化的电气设备主要采用时间序列分析、热红外方法、粗糙集理论、震动信号处理、小波理论等。时间序列分析方法就是将电力设备的历史状态参数结合当前测得的状态参数进行分析比较,根据设备状态参数的统计值、参数的变化值和变化速度,来描述设备状态参数的变化规律和发展趋势,推断设备状态未来发展、演变的过程,并进一步预测异常或故障可能发生的时间及部位、设备或元件的剩余寿命等。在电力系统设备中,由于设备出现故障而导致运行的温度状态发生异常,电气设备的绝缘部分出现性能劣化或绝缘故障,将会引起介质损耗增大,在运行电压下发热。具有磁回路的电气设备,由于磁回路漏磁、磁饱和或铁芯片间绝缘局部短路造成铁损增大,引起局部环流或涡流发热。还有些电气设备,因故障而改变电压分布状态或增大泄漏电流,同样会导致设备运行中出现温度分布异常,多以采用热红外的方法监测电气设备相关部位的温度或热状态变化,从而判断设备故障就是电气设备故障的热红外诊断。粗糙集理论是一种基于不完备不准确信息进行模糊分析的数学方法。电气设备通过线监测的数据在时间上、空间上以及设备类型上都积累了一定的数据。这些数据单个或是简单组合分析很难获得设备的运行状态信息。通过粗糙集理论结合专家系统、神经网络技术、模糊理论等在不需要人类专家参与的情况下,自动从历史数据中提取电力设备潜在的运行状态和故障规律、发展趋势等信息,并随着数据的不断积累和动态变更及时的更新对故障的预测和判断。
3结语
电气设备系统是一个复杂的、牵涉面广的综合性系统,电气设备的安全稳定直接关系到整个电力系统的有序运行。同时,电气设备的运行状态评估和预测以及电气设备的故障诊断十分复杂。因此,运用综合性的技术手段,掌握电力设备运行状态,预测设备故障发生、发展情况,并采用人工智能信息处理技术进行故障诊断,对提高我国电力设备的安全稳定性,保证电力系统高效有序运行都具有十分重要的意义。
参考文献
故障诊断方法综述范文第7篇
1前言
液压技术在一系列钻进及选矿等设备中已得到大力的推广与应用，但由于煤矿生产工作环境的局限，其工作范围大部分在矿井下，煤矿的机械在井下工作时，同样也会受到井下环境和作业空间等因素的影响，使得煤矿机械设备易于发生故障，甚至事故。而在煤矿企业的开采生产作业中，井下的空间有限，机械在井下的工作便会有一定局限，加之工作中粉尘较严重，湿度比较大，并且处在一定的高压下，当该类综采机电设备产生故障时，顺利及时地对该类故障进行诊断与排除难度很大。并且，随着煤矿业的发展壮大，综采机电设备在发展中更趋于大型复合化，因此其性能与结构的复杂度较高，对这类设备故障的诊断会更加复杂与艰巨。为了保证煤矿企业的正常生产发展，保障综采设备的良好运行工作，我们需要对综采设备的故障产生的状况进行分析总结，加之正确有效的技术管理制度，全方位处理机电设备故障，保证诊断技术的有效实施。
2故障诊断技术探讨及诊断流程
2.1综采机电故障诊断及维护技术探讨
在煤矿技术水平不断发展与完善下，综采机电设备故障诊断与检修水平不断提高与精进，科学理论与工艺水平不断完备。针对综采机电设备故障发生的条件、时间等因素总结其故障诊断的技术特点，笔者认为可作以下分析。首先要拥有明确的诊断目的，才能更直观地确认机电的运行情况，以便快速寻找到故障部位，同时可及时根据故障发生的原因制定出相应的解决措施与维修方案等。其次，综采故障的技术诊断需要有较强的实践性。根据前述可知，煤矿企业工作环境较为局限，在井下工作中，由于井下环境的特殊性与空间的局限性，在井下工作的煤矿设备更易产生故障，故障率也较高。因此需要有针对性地采取有效的故障诊断技术，这项技术也需要与实践结合，在实践中加以体现。
2.2综采机电故障诊断与维护流程
由于综采机电故障在煤矿生产过程中的类型多样，故障成因较为复杂，并且诊断技术策略的实施被依赖于理论技术知识。综采机电设备具有自身的特性，针对这一特点，在故障诊断中提出了一体化诊断设备。在诊断流程中，设备的自主传感十分重要，通过实时信息的有效传递，提高故障诊断的合理性，保障诊断策略制定的可靠。
3机电故障诊断与维修技术
3.1液压支架
在整个综采工作面中，液压支架的作用十分显著。它的操作正误与状态的好坏，直接影响着整个综采流程的顺利进行及煤矿生产的有效进行。液压支架系统的故障有许多种，影响因素也不尽相同，但就经验以及相关的实践结果得知，液压支架产生故障的因素90%都是由液压泄露而引起的，而因其他机械性问题导致的液压支架故障比例小于10%。井下一般依靠液泵运转声音来辨别工作面是否出现液管破损。通常工作面液管无破损时液泵泄压频率基本不变，当出现液管破裂时，液泵会出现长时间的不泄压状态，运转声音出现明显异常，泵站输出压力读数降低。此时由电气集控工告知工作面支架工进行查找破损部位。支架工可在工作面通过一听、二看、三感觉，查知受损部位。一听，支架液管破损后由于液管内留有高压液体，会产生较大的喷射噪声。支架工可通过噪声的声源地查找受损部位，及时更换受损管件。二看，支架管件受损后会有高压液体喷出工作面会产生明显液体流动痕迹，支架工可根据液体流动痕迹就近查找受损管件。三感觉，支架管件受损时，漏液会对支架拉移力产生明显的减弱，这时经验丰富的支架工会明显的感觉到支架拉移受阻，此时一般情况下都预示了支架管件系统出现破损现象，提示作业人员要及时查找破损部位，进行破损件更换。
3.2采煤机
采煤机对于整个综采设备来说十分重要，也是煤矿得以生产的动力所在。然而，由于在煤矿生产的过程中，复杂多样的因素的制约，如地质状况、自然条件等因素，使得采煤机在工作过程中出现各种问题与毛病。因此如何诊断采煤机的故障并且解决故障等问题便显得尤为重要。根据笔者的实践经验，对采煤机故障的判断常用的方式有听声音、观察、触摸、测量相关参数，根据这些对采煤机的运行状况进行综合判断。通过听采煤机的运转声响，可以判断采煤机的运行状态和故障征兆。在听的基础上，再用手触摸可能发生故障的部位的温度和振动状况，并注意观察液压系统高低压变化状况，观察液压系统有无渗漏。对采煤机运行时相关参数的测量非常重要，测量绝缘电阻、压力、流量以及温度变化状况，从而能够判断电气系统的运行情况，油质和主泵与马达的漏损情况等。
3.3转载机与破碎机
转载机的故障部位通常是其关键部件———减速器。因减速器对转载机的工作有影响，因此加强对转载机减速器故障的分析十分必要。转载机减速器故障主要分为下列三种情况：第一是由机械磨损引发的齿轮故障。表现在齿轮点蚀和磨蚀。第二是减速器漏油或串油现象。而漏油多为减速器I轴、Ⅳ轴。第三便是轴承故障。轴承故障的诊断可根据上述采煤机的轴承故障来进行诊断。破碎机的故障原因多种多样，但根据振动频率可分为下列几种：（1）转子不平衡；（2）轴系不对中；（3）滚动轴承损坏；（4）系统零部件松动；（5）摩擦引起的振动；（6）转子缺损；（7）电气方面；（8）滑动轴承油膜涡动和油膜振荡；（9）空气和水分等因素；（10）滑动轴承与轴颈偏心。了解了上诉破碎机的故障分类，可以结合破碎机的运动特点，在其工作过程中注意观察故障现象，对破碎机的故障做故障树分析，再依次进行故障排除。
3.4电气设备
电器设备的故障诊断需要结合经验及理论来对具体的问题做出具体的分析。但也有较为通用的故障诊断方法。其一是直观法。直观法是通过对设备"问、看、听、摸"等手来来确定设备故障。首先是要询问使用设备的人员设备的使用情况，是否在发生故障前有异常；其次便是通过仔细观察设备的内外部元件是否有损坏情况；再次是在故障发生后再听设备的声音与正常时有何差异；最后便是用手触摸导线是否有异常，或机器表面的温度是否过高等。第二种故障诊断方法便是状态分析法。因电器设备运行过程时分解成若干的连续状态，例如电动机就是运行就是分为：启动、正转、反转、高速、低速、制动等一连串的状态，所以了解电气设备故障之时是处于哪个状态，再在状态下细分，有助于判断是哪个部分出现了故障。对电气设备的故障诊断和维修必须要运用正确的诊断方法和步骤，辅以正确的理论知识才可快速找到故障点进而排除故障。长期以此便可积累丰富经验，有助于日后电气设备的故障排除。
故障诊断方法综述范文第8篇
【关键词】故障诊断；聚类分析；模糊聚类
0 引言
近年来，随着故障诊断技术理论研究的不断深入，各种方法相互渗透借鉴，目前该领域我国在大系统故障诊断、多元统计分析、基于信息融合方法、基于神经网络的方法、基于专家系统方法等方面取得了一系列的研究成果，其中部分领域处于国际领先地位[1-2]。尽管故障诊断技术的相关研究不断深入，取得了很多成果，但工业技术的整体进步迅猛，使得故障诊断技术理论及应用研究都急需加强。目前该领域的研究热点问题有[3]：复杂系统多故障检测；基于人工智能的故障推理机制；多信息融合故障诊断方法；强扰动系统故障诊断；实用化工程故障诊断软件的开发。
聚类分析是近二十年发展起来的一种新的数学方法，聚类就是将一个数据集划分为若干组或类的过程并使同一组内的对象具有较高相似度，而不同组的对象之间相似度较差，组内对象之间的相似度越高而不同组对象之间的差别程度越大，聚类的质量也就越高。故障诊断领域应用最多的是基于模糊理论衍化的各种模糊聚类分析方法[4]，因为对故障的识别问题往往伴有模糊性，即需要确定的不仅是定性的有或者无，更重要的是相识程度，这些问题用模糊语言来表达更为自然和符合实际。
1 模糊聚类故障诊断模型
5 结束语
利用G-K算法提出了一种在输入输出乘积空间中，通过模糊聚类获得基于知识的故障诊断模型的方法。该方法可以发现数据集中不同形状和方向的故障模式，同时该方法比传统的故障诊断模型更具柔性，具有更强的处理噪声数据的能力。
【参考文献】
[1]周东华.国内动态系统故障诊断技术的一些最新进展[J].自动化博览，2007（10）：16-18.
[2]于春梅，杨胜波，陈馨.多元统计方法在故障诊断中的应用综述[J].计算机工程与应用，2007，43（8）：205-208.
[3]BO-SUK YANG，XIAO DI，TIAN HAN，Random forests classifier for machine fault diagnosis[J].Journal of Mechanical Science and Technology，2013，22（9）：16-25.
[4]高新波.模糊聚类分析及其应用[M].西安：西安电子科技大学出版社，2004：2-40.
故障诊断方法综述范文第9篇
关键词： 旋转机械； 故障分析； 诊断； 局限性
中图分类号： TH165 文献标识码： B 文章编号： 1009-8631（2013）01-0038-01
1 引言
旋转机械如：汽轮机、发电机、离心压缩机、风机等，是工业部门中应用最为广泛的一类机械设备，在电力、能源、交通、国防及石油化工等领域发挥着无可替代的作用。随着科学技术的发展，旋转机械正在向大型化、综合化（在同一台设备中多种技术的应用）、连续化（从投料到产品整个过程的连续化）、自动化（操作、检测等的非人工化）、严格化（如技术指标严格化）的方向发展，造成设备构造复杂，零部件之间的联系更加紧密。在设备复杂化的同时，发生故障的潜在可能性和方式也在相应增加，且故障一旦发生，就可能引起连锁反应，导致设备甚至整个生产过程不能正常运行乃至破坏，轻则造成巨大的经济损失，重则导致灾难性的人员伤亡和社会影响。近年来，国内外因设备故障而引起的灾难性事故仍时有发生，如2003年，国内某钢铁企业高线初轧机因一齿轮箱主输出轴轴承破碎，造成设备紧急停机68小时，直接经济损失1500万元以上。2001年阜新电厂2号机组断轴事故的发生，给电厂带巨大的经济损失。1988年我国秦岭电厂ZooMW汽轮发电机组因振动引起的断轴毁机事件。灾难性事件的不断发生，使人们认识到对大型机械装备实施在线监测与故障诊断的必要性。
2 现行故障识别与诊断分析方法简介
当前，故障识别与诊断决策过程中采用的方法较多，按照它们隶属的学科体系，大体可分为三类：基于控制模型故障诊断、基于模式识别故障诊断及基于人工智能故障诊断。它们具体的诊断方式如下：
2.1基于控制模型的故障诊断。对于一个旋转机械系统，若通过理论或实验方法能够建立其模型，则系统参数或状态的变化可以直接反映该系统及其动态过程，从而为故障诊断提供依据。基于控制模型的故障诊断方法主要涉及到模型建立、参数与状态估计和观测器应用等技术。其中，参数与状态估计技术是该方法的关键"参数估计的参数包含两类：第一，系统参数，即描述系统动态特性的参数。基于系统参数估计的故障诊断方法与状态估计方法相比较，前者更有利于故障的分离，但是它也存在不足之处：求解物理元件参数很困难；系统故障引起系统模型结构和参数变化的形式是不确定的，目前还缺少有效的方法。第二，故障参数，即用于描述系统出现的故障时信号自身特性的参数。其基本思想是：对故障系统构造适当形式的包含有可调参数的状态观测器，并使其处于零状态"当系统发生故障时，用观测器中的可调部分来补偿故障对系统状态和输出的影响，使得观测器在系统处于故障状态下仍然保持零状态观测误差，此时观测器中可调部分的输出即为故障参数的估计结果。使用该方法的优点是可对故障信号进行在线建模，但是当系统出现强非线性时，目前仍无有效算法。
2.2基于模式识别的故障诊断。故障诊断实质上是利用被诊断系统运行的状态信息和系统的先验知识进行综合处理，最终得到关于系统运行状况和故障状况的综合评价过。如果事先对系统可能发生的故障模式进行分类，那么故障诊断问题就转化为模式识别问题。当系统的模型未知或者非常复杂时，模式识别则为解决故障诊断问题提供了一种简便有效的手段。基于模式识别的故障诊断方法主要分为统计模式识别和句法模式识别两大类，它们在旋转机械故障诊断领域中得到广泛应用。基于BayeS分类器的统计模式识别法是旋转机械故障诊断中一种经典方法。
2.3基于人工智能的故障诊断。基于人工智能故障诊断的研究主要分为两类：基于知识（符号推理）的故障诊断和基于神经网络（数值计算）的故障诊断。首先，基于知识的故障诊断大致包含两种情况：基于浅知识的专家系统和基于深知识的专家系统。前者是以领域专家和操作者的经验知识为核心，通过演绎推理来获取诊断结果。其特点是利用领域专家的知识和经验为故障诊断服务，但是这种方法具有较大的局限性，如知识集不完备，过于依赖领域专家等。而后者则要求诊断对象的每一个环节具有明确的输入输出表达关系，诊断时首先通过诊断对象的实际输出与期望输出之间的不一致，生成引起这种不一致的原因集，然后根据诊断对象领域中的第一定律知识（具有明确科学依据知识）及其内部特定的约束关系，采用一定的算法，找出可能的故障源。它比前者具有更大的优越性，但其搜索空间大，推理速度慢。其次，基于神经网络的故障诊断作为一种自适应的模式识别技术，人工神经网络以其全新的信息表达方式、高度并行分布处理、联想、自学习及自组织等能力和极强的非线性映射能力使它渗透到科学技术的各个领域。人工神经网络在机械故障诊断中的应用主要集中在三个方面：一是从模式识别角度应用神经网络作为分类器进行故障诊断；二是从预测角度应用神经网络作为动态预测模型进行故障诊断；三是从知识处理角度建立基于神经网络的诊断专家系统。如采用径向基函数网络、概率神经网络和自适应特征映射网络作为分类器对旋转机械故障进行研究。
3 现行故障信号诊断分析方法的局限性
大型旋转机械在运行过程中易受到噪声、速度突变、结构变形及摩擦的变化等因素影响，尤其是在发生故障的情况下，从机械设备测得的振动信号往往表现出非线性非平稳特征，深入考虑目前用于旋转机械振动信号处理的前述方法，对于全面提取旋转机械振动特征信息而言仍然存在着一定的局限性：首先FFT谱分析仅反映了振动信号整体的统计特性，频谱中无法体现非平稳时频细节，且频谱分辨率受到限制；其次、ARMA时序模型虽然可以推广应用于某些非线性、非平稳振动信号的特征提取，但应用中建模复杂、阶数选择和计算量之间矛盾等问题，制约了该方法的实用性，不宜在大型旋转机械状态监测和故障诊断中应用；对于短时傅里叶变换通过对信号的分段截取来处理时变信号，是基于对所截取的每一段信号认为是线性、平稳的。因此，严格地说，短时傅里叶变换是一种平稳信号分析法，只适用于对缓变信号的分析；最后，小波变换虽然在机械故障诊断领域得到了成功应用，但由于存在小波基等参数的选择敏感性、非自适应性等特点，制约了小波变换的应用性能。此外，小波变换本质上是窗口可调的傅立叶变换，其小波窗内的信号则视为平稳状态，因而没有摆脱傅立叶变换的局限。
参考文献：
故障诊断方法综述范文第10篇
摘要： 现代机械设备大都具备大型化、智能化、复杂化等特点，为了方便日常的诊断维修，能够熟练的指出机械故障的诊断方法是非常必要的。多传感器信息融合技术是机械故障诊断的热点，本文在充分介绍多传感器信息融合的方法与特点的基础上, 加深探讨了其在机械设备故障诊断中的应用前景, 并指明了机械设备故障诊断这一研究的方向。
关键词： 传感器；信息融合；机械；故障诊断
0引言
众所周知，机械设备在运行过程中一旦失效或出现事故通常都会造成重大经济损失，更甚者还可能伴随着一定的人员伤亡，从而在社会舆论等方面造成十分恶劣的社会影响。为减少或避免此类状况的产生，定期对设备状况进行检测，根据现行情况早期研究事故的发展趋势，采取有效手段将事故扼杀的萌芽阶段，以避免在运行中的设备突然损坏，使之安全的生产作业，在工业生产中是非常必要的。
1现状
1.1 机械故障检测诊断的主要内容机械故障检测诊断包含两方面内容: ①对设备运行状态的检测；②异常情况发现后对故障进行有效的分析和诊断。
1.2 主要技术方法现状根据系统采用的决策方法和特征描述,故障检测诊断的方法主要有基于系统数学模型的故障诊断方法和基于非模型的故障诊断方法两大类。
基于系统数学模型的故障检测诊断技术是通过构造观测器估计出系统输出，然后将它与输出的测量值比较从中取得故障信息。该方法能与控制系统紧密结合，是监控、容错控制、系统修复和重构的前提；是以现代控制理论和现代优化方法为指导，以系统的数学模型为基础，利用观测器（组）、等价空间方程、滤波器、参数模型估计和辨识等方法产生残差，然后基于某种准则或阈值对该残差进行评价和决策。
基于非模型的故障诊断方法包括基于可测信号处理的故障诊断方法；基于故障诊断专家系统的诊断方法；故障模式识别的故障诊断方法；基于故障树的故障诊断方法；基于模糊数学的故障诊断方法；基于人工神经网络的故障诊断方法。
1.3 技术研究现状目前，国内外主要的技术研究主要集中在传感技术，信号分析预处理技术，人工智能与专家系统，神经网络和诊断系统的开发与研究这几个方面。
近年来，人们对多传感器数据融合技术的关注度越来越高，也将此项技术应用的更加广泛，充分的发挥了其性能稳健，时空覆盖区域广阔，测量维数较多，目标空间分辨力较好等特点，使得多传感器数据融合技术的理论和方法成为智能信息研究的重要领域。
2多传感器信息融合技术
2.1 多传感器信息融合技术的定义为达到某一特定的目标，针对一个系统中使用多个传感器而进行的信息处理即信息融合。信息融合可解释将多传感器信息综合利用的同时，充分利用空间的多传感器数据资源和不同时间，对于按时间序列获得的多传感器观测数据运用计算机技术进行处理，并在一定的规律或准则约定下进行有效的分析、综合、支配和使用，通过它们之间的协调和性能互补的优势，克服单个传感器的不确定性和局限性，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，从而使得系统可以获取到更加充分的信息，使得整个传感器系统的有效性能得到全面的提高和完善，达到全面准确地描述被测对象的目的。多传感器的硬件基础是信息融合，信息融合的加工对象是多源信息，信息融合的核心是协调优化和综合处理。
2.2 多传感器信息融合技术的优点多传感器信息融合技术的优点有很多，其优点主要表现为信息的冗余性、互补性、实时性、和低成本性。
2.3 多传感器信息融合的主要方法多传感器信息融合技术自诞生起，就受到了科研学者及社会的普遍关注，各种不同的信息融合技术也不断诞生从而被人们所认识和接触，并被人们运用到实际的工作中。
2.4 多传感器信息融合的层次结构目前的多传感信息融合系统中由数据层融合、特征层融合和决策层融合组曾的三级融合系统是目前普遍被大家认同的并广泛应用的。
2.4.1 数据层融合是最低层次的融合，它主要是来自于同等量级别的传感器的原始数据进行最直接简单的融合，之后进行一定的特征提取和身份识别。卡尔曼滤波法和加权平均法是数据层融合的主要及常用方法。
2.4.2 中间层次的融合就是特征层融合,它先从传感器中对原始信息进行一定的特征提取然后将提取的特征信息进行综合的分析和有效的处理。其优点主要表现在它实现了信息的大量的客观的压缩，同时非常的有利于信息的实时处理，并且可以最大限度的给出所需要得特征信息以方便做出最后的决策分析。神经网络法和模糊推理法是目前人们最熟知和常用的特征融合方法。
2.4.3 决策层融合高层次的融合即决策层融合，其主要的作用就是为控制决策提供必要和必须的依据。从具体的决策问题的需求出发是决策层融合的前提和关键，其次要根据实际所面临的问题，充分的利用各方面所提供的信息，采用最适当的信息融合技术来实现解决问题。决策层的融合直接针对的是具体决策目标，它的融合结果直接的影响着最终的决策水平，是整个三级融合最终的产物。目前常用的决策层融合方法是D-S证据推理法和贝叶斯估计法。
3总结
作为一门新兴的技术，信息融合技术涉及到了很多其他技术方面，例如计算机技术，人工智能技术，模拟识别技术等等，同时它也是未来机械诊断所需要的必要技术，因此信息融合技术有着强大的实际应用价值和良好的发展前景。就目前情况来看，有很多基于信息融合技术的故障诊断方法，各种诊断方法相互组合应用相互融合，必然将达到更好的诊断效果。
参考文献：
[1]张斌，张微薇.机械设备故障诊断技术概述[J].建筑机械化，2005，（8）：14-36.
故障诊断方法综述范文第11篇
关键词：职业素养；六步法；专业课程；途径
一、基于“六步法”的职业素养融入专业课程实施路径研究背景
高职人才社会职能的实现及其专业技术的运用和发挥，要建立在两个最重要的基础之上：一是具有符合社会需求的专业技术；二是具有良好的个人职业素养。当前，大学生就业难的问题已备受社会的关注，而另一方面，用人单位却在慨叹招不到合适的人选。究其原因，除去一定的社会因素，大学生自身职业素养的缺失也是一个重要原因。
二、基于“六步法”的职业素养融入专业课程实施路径主要研究内容
为了使研究具有针对性，笔者选取汽检专业具有代表性的专业核心课程汽车综合故障诊断，进行素养教育融入专业课堂的实施路径的研究，主要研究内容有三个方面，具体如下：
1.汽车综合故障诊断课程培养的职业素养研究
本部分拟根据工作过程进行分析和研究，提炼出汽车综合故障诊断课程培养的职业素养。汽车综合故障诊断是汽检专业的一门核心课，涉及学生未来在企业、4S店进行车辆检测与诊断故障时必需用到的知识。在汽车故障的诊断和排除过程中，企业都有具体的操作规范，例如，遵守“5S”的工作要求，团队间有效交流协作，为客户提供专业并人性化服务等。这些过程都要求从业者拥有对应的职业素养。
2.基于“六步法”的职业素养融入专业课程的路径研究
针对汽车综合故障诊断专业课程，主要研究两方面内容：一方面要根据调研情况并结合“六步法”的实际应用，做到“六步法”与我院的课程内容、实际教学环境、教学主体相适应；另一方面，根据调研中确定的针对性的职业素养需求，对课程进行研究分析，做到整体为“六步教学法”，步骤与细节不同。在六个步骤中，研究每个步骤能够培养的职业素养，有针对性地设计具体的教学方法，并将职业素养融入进去。这样可以让学生轮流组织实施故障诊断，锻炼学生的组织协调能力等。这些融入过程要做到细化、具体，便于操作，并且能和课堂融为一体。
3.专业课程中职业素养的考核方法研究
职业素养在专业课程中的考核一直比较难实施，在本课题中拟采取细节评价，综合考量的方式：考量以学生记录学生学习活动的实训工作页为载体，教师根据每个步骤的记录情况，综合考量学生在实训、教学活动过程的表现，给予选择性和描述性评价，这将具体描述学生欠缺的职业能力和期望改进的地方。
三、基于“六步法”的职业素养融入专业课程实施路径研究成果
1.形成针对职业素养融入课程的教学模式和方法
以修改过的六步教学模式为载体，形成一套具有教学与考核相结合，专业素质和职业素养都得到保障，具有实际操作性的职业素养融入课程的教学模式和方法。实施方法的具体组织实施，主要分成三个部分，依次为：课程的前期准备，授课过程中职业素养的融入，后期的考核。
2.形成一定的成果便于以后的教学操作和推广
教学配套实施成果主要包括：课程标准、课程工作页和课程PPT。教学成果是课题研究实施后的宝贵资料，有效的教学成果体现将有利于后续操作的推广。
“汽车综合故障诊断课程工作页”是考核职业素养培养状况的重要载体，下面以此为例进行说明。学生根据发现的故障排除任务，进行接下来的实训操作。六步法的过程为：资讯计划决策实施评估总结。相对应工作页中，学生在接受任务（故障描述）后，进行理论分析（资讯），再进行准备采取的故障排除方案（计划、决策），接下来进行操作排故（实施），完成后评估自己的心得（评估、总结）。这根据实际情况将计划和决策阶段，评估和总结阶段进行了合并，根据实际实施经验，这样规划能够避免生硬套用“六步法”造成学生对相近任务的赘述，体现教学过程中的详略得当。
四、结语
在教师评价中，按照“六步法”从五个方面考查学生的学习状况。经过对“六步法”的具体实施，学生分析、解决实际问题能力得到提高；诚实守信、善于沟通与合作的良好品质得到培养。
参考文献：
故障诊断方法综述范文第12篇
关键词：汽车发动机 点火系统 故障诊断
中图分类号：U472.9 文献标识码：A 文章编号：1672-3791（2014）12（b）-0082-01
随着电子信息技术运用到汽车诊断中，汽车故障诊断的科技含量不断增加，也对故障诊断方法提出了很大挑战。发动机点火系统是汽车故障经常出现的地方，通过大量汽车故障调查表明，点火系统故障大约占据汽车总故障的50%以上，所以该文对发动机点火系统故障诊断的研究有着很大意义。
1 汽车诊断技术概述
汽车诊断技术最早出现在上世纪60年代，主要得益于汽车结构的逐渐精细化。为了提高汽车性能进一步稳定的要求，至今已有50多年的历史，其发展阶段可以分为四个环节。
（1）人工检验阶段。这一阶段是汽车故障诊断最早的阶段，诊断主要凭借技术人员丰富的经验，依靠他们的视觉、触觉、听觉来操作，并没太使用比较复杂的工具，这种方法既简单又经济，但是也存在着诊断不准确的现象，特别是对那些比较高精度的汽车来说更严重。
（2）简单仪器和仪表测量阶段。在这一阶段就开始使用正时灯、万用表等诊断工具，这是从人工检验向测量工具定量系统转变的重要因素，但是也存在一定的缺点，主要是在检验故障过程中都是定量操作的，而没有比较系统的分析，导致很多汽车故障不能检测出来。
（3）专门设备的综合诊断阶段。在这一阶段中使用了发动机的综合性能检测装置，这一装置可以检测出比较复杂的项目，而且技术含量比较高，往往要借助于计算机来操作，诊断故障的时间比较快，准确度高。
（4）人工智能诊断方法阶段。这一阶段主要得益于计算机技术、数据通讯技术、控制理论的发展，汽车故障诊断的复杂性也随着汽车结构的复杂而逐渐深入，在汽车故障维修过程中出现了数据统计，而且比较重视故障原因的分析。
2 发动机点火系统的常见故障分析
发动机点火系统是汽车电子控制中非常重要的组成部分，随着汽车制造大量引进科学技术，点火器也日趋向集成化、轻型化、小型化、低成本化的方向发展，目前点火系统存在的主要故障包括：
（1）火花塞故障。这一故障主要是因为火花塞的间隙太大或者太小，导致点火电压值在此过程中受到了影响，如图1所示，火花塞就是因为积碳导致的故障。
（2）高压线故障。这一故障主要是因为高压线受到长期磨损而破裂、老化的现象，导致电线绝缘体的性能受到影响，最终致使点火电压值出现了异常现象。
（3）分电器故障。这一故障主要是分电器的外壳受到破损或者分电器的触电间隙存在不合理。
（4）混合气体浓度故障。这一故障主要是受到混合气浓度的影响，如图2所示，由于混合气体浓度过高或者过低，次级点火电压的燃烧时间受到了严重影响，而次级点火的波形对这一现象进行了显示。
3 汽车发动机点火系统故障诊断方法
（1）数字万用表。目前很多汽车都是采用无触点电子点火，该文主要分析这种点火系统的车型，其组成部分主要包括：电器组成、高压线、火花塞、点火控制器以及火线圈，每个部分出现故障都会对整个点火系统造成很大影响，所以需要加大对其零部件故障的排查，可以先从甄别故障线路入手，判断点火系统是因为高压线路还是点火系统线路导致的问题。
（2）点火示波器。点火示波器是一种诊断结果更为精确的技术，主要利用电信号参数来描述汽车故障的特征，并且描述比较精确形象，主要波形包括：第一，多缸平列波，主要根据点火顺序首尾连接起来，可以对点火系统的各个零部件和线路进行诊断；第二，多缸并列波，主要是根据点火顺序按照上下的次序排列，可以实现对火花线长度和一次电路闭合区间的长度进行比较；第三，多缸重叠波，主要是将各缸点火过程的曲线在同一图形中重叠，可以区分各缸点火周期、闭合断开缺件之间的差异；第四，单缸点火波，主要是分析火花线和低频振荡阶段。
（3）人工智能诊断法。人工智能诊断法在使用时需要借助数学建模，主要操作原理在于人工神经网络具有自组织性、自学性、并行性以及联想记忆功能，并且可以处理其他方法无法诊断的地方，所以在诊断过程中有着很大作用。
随着现代汽车结构的日趋复杂化，发动机的构造也比较复杂，而人工智能诊断法依靠其特有的性能，在诊断中有着独特的优势，但是目前人工智能诊断法还缺乏对内部故障规律熟悉的功能，所以解决建模问题是这一方面研究的重点。
神经网络也是人工智能诊断法中经常使用的工具，主要原理在于将故障特征与故障起因进行线性匹配，并且按照一定的模式输出故障数据，从而判别故障。
4 结语
通过以上分析可以看出，汽车诊断技术主要经历了人工检验、简单仪器和仪表测量诊断、专门设备的综合诊断、人工智能诊断方法等四个阶段，而目前发动机点火系统的常见故障包括：火花塞故障、高压线故障、分电器故障、混合气体浓度故障，解决这些故障可以利用数字万用表、点火示波器、人工智能诊断法等方法解决。
参考文献
故障诊断方法综述范文第13篇
关键词：汽车 故障 诊断 思路
在汽车维修领域里，由于种种原因，很多维修人员在判断故障时失误较多，并不是因为他们技术欠缺，而是在诊断过程中过于急躁。遇到问题时不能冷静的思考，找到解决问题的方法。在确定维修思路前，千万不要忙于动手。首先要排除杂念，然后再遵循一定的诊断程序。
一、汽车故障诊断时要注意的问题
（一）查找合适的维修信息。对于装有自诊断系统的待检查的汽车来说，检查诊断的第一步就是查找合适的维修信息。必须拥有修汽车的说明书，不能用推测、猜想，如果实在找不到原车说明书，用同类车型作参考也可以，但要注意数据的差异。除此之外，最好拥有要维修汽车的服务通报。
同时，必须拥有汽车的电路图和结构图，没有相应的电路图对于诊断计算机系统的故障是很困难的，甚至是不可能的。制造商提供的维修手册、通用维修手册或电子数据系统中必须载有维修程序信息。诊断结果可以由专用的输出传感器表明是否有故障，但无法显示故障是出在传感器本身还是出在导线上，必须有合适的检查程序以确定出准确的故障原因。一本部件位置手册可以帮助找到汽车上的某一个部件，从而节省时间。
（二）积极的查找故障。有些汽车的间歇性故障是难于诊断的，除非是你检查汽车时正好故障显现。换句话说，当我们进行诊断测试时，故障症候不出现，故障就难以诊断。
当故障一出现，立即直接到现场去诊断故障。这一方法对无法启动的故障尤为适用。如果出现这种情况，应当告知顾客不要再试图启动汽车。这样做的费用可能偏高，但有时候，这可能是成功地诊断故障原因的唯一方法。一定要乐于多跑上几千米为顾客诊断，排除故障。
在汽车检修中，如果计算机装有可拆卸的“可编程只读存储器”，那么必须拥有最新的“可编程只读存储器”刷新的信息。假如不具备这类知识，而汽车制造商却推荐更换“可编程只读存储器”来修正一项特别的驾驶性能，那么将在检查、诊断上浪费时间。
再有一点需要注意的常识是，必须知道发动机的机械故障也能产生诊断故障代码，因此诊断故障代码并不一定是发动机计算机系统某一元件的故障。例如，如果是由于排气阀烧坏而使汽缸压缩性变差，而诊断故障代码显示的一直是氧传感器提供的缺氧信号。事实上，大量的油气混合气在这个汽缸内未燃烧，氧传感器能感应到排气气流中附加的氧气。这时必须能决定到底是传感器故障导致缺氧故障码还是有机械上的原因。
二、根据故障的性质不同进行不同的维修
汽车维修很重要的一点就是确定故障性质。根据汽车故障性质、状态的不同采用不同的维修方法。
（一）按工作状态可分为间歇性故障和永久性故障。间歇性故障就是有时发生、有时消失的故障。永久性故障是故障出现后，如果不经人工排除，它将一直存在。
（二）按故障程度可分为局部功能故障和整体功能故障。局部功能故障是指汽车某一部分存在故障，这一部分功能不能实现，而其它部分功能仍完好。整体功能故障虽然可能是汽车的某一部分出现了故障，但整个汽车的功能不能实现。
（三）按故障形成速度分，有急剧性故障和渐变性故障。急剧性故障是故障一经发生后，工作状况急剧恶化，不停机修理汽车就不能正常运行。渐变性故障发展较缓慢，故障出现后一般可以继续行驶一段时间后再修理。与急剧性故障相类似的一种故障叫突发性故障。在故障发生的前一刻没有明显的症状，故障发生往往导致汽车功能丧失，甚至危及人身、车辆安全。
（四）按故障产生的后果分，有危险性故障和非危险性故障。突发性故障和急剧性故障属于危险性故障，常引起汽车损坏，危及到车辆和人身安全，是汽车故障诊断与预防的重点。渐变性故障属非危险性故障，故障发生后一般可以修复。
三、汽车诊断时要注意以下三点
（一）要有详细的汽车诊断参数。汽车诊断参数是诊断技术的重要组成部分。在不解体的条件下直接测量结构参数十分困难，因此必须通过状态参数进行描述。此时用来描述系统、零件和过程性质的状态参数称为诊断参数。一个结构参数的变化可能引起很多状态参数的变化。究竟选择哪些状态参数作为诊断参数，应从技术上和经济上综合分析来确定。
（二）合理使用汽车诊断方法。汽车在工作过程中，各种零件和总成都处于装配状态，无法对其零件进行直接测试，例如汽缸的磨损量、曲轴轴承的间隙等，在发动机不解体的情况下是无法测量的。因此，对汽车进行诊断时都是采用间接测量，如通过振动、噪声、温度等物理量的测量，来间接诊断汽车的技术状况。由于采用间接测量方法进行判断，必然会带来一些“不准确性”，例如，发动机工作时，曲轴主轴承的工作状态可分为正常状态和不正常状态两种情况，如果采用机油温度作为判断轴承工作状态的特征，并将油温分为“正常”、“过高”两种情况，则可能会产生误判。因为机油温度过高，固然可能是由于轴承运转失常所致，但也可能是其它原因(如机油粘度不合适、机油量不足、机油散热器不良等)造成机油温度上升。
“故障树”分析法，是根据汽车的工作特征和技术状况之间的逻辑关系构成的树枝状图形，来对故障的发生原因进行定性分析，并能用逻辑代数运算对故障出现的条件和概率进行定量估计。这是一种可靠性分析技术，它普遍应用于汽车等复杂动态系统的分析。树枝图分析法用于汽车诊断，不仅可以分析由单一缺欠所导致的系统故障，而且还可以分析两个以上零件同时发生故障时才发生的系统故障，还能分析系统组成中除硬件以外的其它成份，例如可以考虑汽车维修质量或人员因素的影响。
汽车故障的发生带有随机性，属于偶然性事件，如若建立树枝图，并用它来分析故障，则有助于弄清楚故障发生的机理，除可进行定性分析外，还可以根据树枝图中影响故障发生因素的出现概率，定量地预测出故障发生的可能性(即故障发生的概率)。
除此之外，汽车诊断方法还有其它的一些方法，概括起来有：经验法、推理法、对比法、替换法、分析法、仪器辅助诊断方法等。对于汽车维修工来说，具体使用哪一种方法，就要看汽车的故障与原因了。
故障诊断方法综述范文第14篇
关键词：汽车故障；诊断思路；故障诊断
在汽车维修过程当中，我们往往会对汽车的故障不能作出明确的判断，不是因为技术欠缺，而是在诊断过程中过于急躁，遇到问题时不能冷静的思考，找不到解决问题的方法。在确定维修思路前，千万不要忙于动手，要排除杂念，然后再遵循一定的诊断程序。
1 在故障诊断过程中要注意的问题
1.1善于查找适用的维修信息 检查诊断的第一步就是查找合适的维修信息。必须拥有修汽车的说明书，不能用推测、猜想，如果实在找不到原车说明书，用同类车型作参考也可以，但要注意数据的差异。同时，必须拥有汽车的电路图和结构图，没有相应的电路图对于诊断计算机系统的故障是很困难的，甚至是不可能的。制造商提供的维修手册、通用维修手册或电子数据系统中必须载有维修程序信息。诊断结果可以由专用的输出传感器表明是否有故障，但无法显示故障是出在传感器本身还是出在导线上，必须有合适的检查程序以确定出准确的故障原因。一本部件位置手册可以帮助找到汽车上的某一个部件，从而节省时间。
1.2积极的查找故障 有些汽车的间歇性故障是难于诊断的，除非是你检查汽车时正好故障显现。换句话说，当我们进行诊断测试时，故障症候不出现，故障就难以诊断。当故障一出现，立即直接到现场去诊断故障。这一方法对无法启动的故障尤为适用。如果出现这种情况，应当告知顾客不要再试图启动汽车。这样做的费用可能偏高，但有时候，这可能是成功地诊断故障原因的唯一方法。一定要乐于多跑上几千米为顾客诊断，排除故障。
2 学会对故障的性质进行分类
汽车维修很重要的一点就是确定故障性质。根据汽车故障性质、状态的不同采用不同的维修方法。
2.1按工作状态可分为间歇性故障和永久性故障。间歇性故障就是有时发生、有时消失的故障。永久性故障是故障出现后，如果不经人工排除，它将一直存在。
2.2按故障程度可分为局部功能故障和整体功能故障。局部功能故障是指汽车某一部分存在故障，这一部分功能不能实现，而其它部分功能仍完好。整体功能故障虽然可能是汽车的某一部分出现了故障，但整个汽车的功能不能实现。
2.3按故障形成速度分为急剧性故障和渐变性故障。急剧性故障是故障一经发生后，工作状况急剧恶化，不停机修理汽车就不能正常运行。渐变性故障发展较缓慢，故障出现后一般可以继续行驶一段时间后再修理。与急剧性故障相类似的一种故障叫突发性故障。在故障发生的前一刻没有明显的症状，故障发生往往导致汽车功能丧失，甚至危及人身、车辆安全。
2.4按故障产生的后果分为危险性故障和非危险性故障。突发性故障和急剧性故障属于危险性故障，常引起汽车损坏，危及到车辆和人身安全，是汽车故障诊断与预防的重点。渐变性故障属非危险性故障，故障发生后一般可以修复。
3 汽车诊断三要素
3.1要有详细的汽车诊断参数 汽车诊断参数是诊断技术的重要组成部分。在不解体的条件下直接测量结构参数十分困难，因此必须通过状态参数进行描述。此时用来描述系统、零件和过程性质的状态参数称为诊断参数。一个结构参数的变化可能引起很多状态参数的变化。究竟选择哪些状态参数作为诊断参数，应从技术上和经济上综合分析来确定。
3.2合理使用汽车诊断方法 汽车在工作过程中，各种零件和总成都处于装配状态，无法对其零件进行直接测试，例如汽缸的磨损量、曲轴轴承的间隙等，在发动机不解体的情况下是无法测量的。因此，对汽车进行诊断时都是采用间接测量，如通过振动、噪声、温度等物理量的测量，来间接诊断汽车的技术状况。由于采用间接测量方法进行判断，必然会带来一些“不准确性”。例如，发动机工作时，曲轴主轴承的工作状态可分为正常状态和不正常状态两种情况，如果采用机油温度作为判断轴承工作状态的特征，并将油温分为“正常”、“过高”两种情况，则可能会产生误判。因为机油温度过高，固然可能是由于轴承运转失常所致，但也可能是其它原因（如机油粘度不合适、机油量不足、机油散热器不良等）造成机油温度上升。
汽车故障的发生带有随机性，属于偶然性事件，如若建立树枝图，并用它来分析故障，则有助于弄清楚故障发生的机理，除可进行定性分析外，还可以根据树枝图中影响故障发生因素的出现概率，定量地预测出故障发生的可能性（即故障发生的概率）。
除此之外，汽车诊断方法还有其它的一些方法，概括起来有：经验法、推理法、对比法、替换法、分析法、仪器辅助诊断方法等。对于汽车维修工来说，具体使用哪一种方法，就要看汽车的故障与原因了。
故障诊断方法综述范文第15篇
关键词：汽车故障诊断思路
在汽车维修领域里，由于种种原因，很多维修人员在判断故障时失误较多，并不是因为他们技术欠缺，而是在诊断过程中过于急躁。遇到问题时不能冷静的思考，找到解决问题的方法。在确定维修思路前，千万不要忙于动手。首先要排除杂念，然后再遵循一定的诊断程序。
一、汽车故障诊断时要注意的问题
（一）查找合适的维修信息。对于装有自诊断系统的待检查的汽车来说，检查诊断的第一步就是查找合适的维修信息。必须拥有修汽车的说明书，不能用推测、猜想，如果实在找不到原车说明书，用同类车型作参考也可以，但要注意数据的差异。除此之外，最好拥有要维修汽车的服务通报。
同时，必须拥有汽车的电路图和结构图，没有相应的电路图对于诊断计算机系统的故障是很困难的，甚至是不可能的。制造商提供的维修手册、通用维修手册或电子数据系统中必须载有维修程序信息。诊断结果可以由专用的输出传感器表明是否有故障，但无法显示故障是出在传感器本身还是出在导线上，必须有合适的检查程序以确定出准确的故障原因。一本部件位置手册可以帮助找到汽车上的某一个部件，从而节省时间。
（二）积极的查找故障。有些汽车的间歇性故障是难于诊断的，除非是你检查汽车时正好故障显现。换句话说，当我们进行诊断测试时，故障症候不出现，故障就难以诊断。
当故障一出现，立即直接到现场去诊断故障。这一方法对无法启动的故障尤为适用。如果出现这种情况，应当告知顾客不要再试图启动汽车。这样做的费用可能偏高，但有时候，这可能是成功地诊断故障原因的唯一方法。一定要乐于多跑上几千米为顾客诊断，排除故障。
在汽车检修中，如果计算机装有可拆卸的“可编程只读存储器”，那么必须拥有最新的“可编程只读存储器”刷新的信息。假如不具备这类知识，而汽车制造商却推荐更换“可编程只读存储器”来修正一项特别的驾驶性能，那么将在检查、诊断上浪费时间。
再有一点需要注意的常识是，必须知道发动机的机械故障也能产生诊断故障代码，因此诊断故障代码并不一定是发动机计算机系统某一元件的故障。例如，如果是由于排气阀烧坏而使汽缸压缩性变差，而诊断故障代码显示的一直是氧传感器提供的缺氧信号。事实上，大量的油气混合气在这个汽缸内未燃烧，氧传感器能感应到排气气流中附加的氧气。这时必须能决定到底是传感器故障导致缺氧故障码还是有机械上的原因。
二、根据故障的性质不同进行不同的维修
汽车维修很重要的一点就是确定故障性质。根据汽车故障性质、状态的不同采用不同的维修方法。
（一）按工作状态可分为间歇性故障和永久性故障。间歇性故障就是有时发生、有时消失的故障。永久性故障是故障出现后，如果不经人工排除，它将一直存在。
（二）按故障程度可分为局部功能故障和整体功能故障。局部功能故障是指汽车某一部分存在故障，这一部分功能不能实现，而其它部分功能仍完好。整体功能故障虽然可能是汽车的某一部分出现了故障，但整个汽车的功能不能实现。
（三）按故障形成速度分，有急剧性故障和渐变性故障。急剧性故障是故障一经发生后，工作状况急剧恶化，不停机修理汽车就不能正常运行。渐变性故障发展较缓慢，故障出现后一般可以继续行驶一段时间后再修理。与急剧性故障相类似的一种故障叫突发性故障。在故障发生的前一刻没有明显的症状，故障发生往往导致汽车功能丧失，甚至危及人身、车辆安全。
（四）按故障产生的后果分，有危险性故障和非危险性故障。突发性故障和急剧性故障属于危险性故障，常引起汽车损坏，危及到车辆和人身安全，是汽车故障诊断与预防的重点。渐变性故障属非危险性故障，故障发生后一般可以修复。
三、汽车诊断时要注意以下三点
（一）要有详细的汽车诊断参数。汽车诊断参数是诊断技术的重要组成部分。在不解体的条件下直接测量结构参数十分困难，因此必须通过状态参数进行描述。此时用来描述系统、零件和过程性质的状态参数称为诊断参数。一个结构参数的变化可能引起很多状态参数的变化。究竟选择哪些状态参数作为诊断参数，应从技术上和经济上综合分析来确定。
（二）合理使用汽车诊断方法。汽车在工作过程中，各种零件和总成都处于装配状态，无法对其零件进行直接测试，例如汽缸的磨损量、曲轴轴承的间隙等，在发动机不解体的情况下是无法测量的。因此，对汽车进行诊断时都是采用间接测量，如通过振动、噪声、温度等物理量的测量，来间接诊断汽车的技术状况。由于采用间接测量方法进行判断，必然会带来一些“不准确性”，例如，发动机工作时，曲轴主轴承的工作状态可分为正常状态和不正常状态两种情况，如果采用机油温度作为判断轴承工作状态的特征，并将油温分为“正常”、“过高”两种情况，则可能会产生误判。因为机油温度过高，固然可能是由于轴承运转失常所致，但也可能是其它原因(如机油粘度不合适、机油量不足、机油散热器不良等)造成机油温度上升。
“故障树”分析法，是根据汽车的工作特征和技术状况之间的逻辑关系构成的树枝状图形，来对故障的发生原因进行定性分析，并能用逻辑代数运算对故障出现的条件和概率进行定量估计。这是一种可靠性分析技术，它普遍应用于汽车等复杂动态系统的分析。树枝图分析法用于汽车诊断，不仅可以分析由单一缺欠所导致的系统故障，而且还可以分析两个以上零件同时发生故障时才发生的系统故障，还能分析系统组成中除硬件以外的其它成份，例如可以考虑汽车维修质量或人员因素的影响。超级秘书网
汽车故障的发生带有随机性，属于偶然性事件，如若建立树枝图，并用它来分析故障，则有助于弄清楚故障发生的机理，除可进行定性分析外，还可以根据树枝图中影响故障发生因素的出现概率，定量地预测出故障发生的可能性(即故障发生的概率)。
除此之外，汽车诊断方法还有其它的一些方法，概括起来有：经验法、推理法、对比法、替换法、分析法、仪器辅助诊断方法等。对于汽车维修工来说，具体使用哪一种方法，就要看汽车的故障与原因了。
