前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇故障診斷新技術(shù)范文，相信會(huì)為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

故障診斷新技術(shù)范文第1篇

[關(guān)鍵詞]高新技術(shù)；變壓器；專家系統(tǒng)；人工神經(jīng)網(wǎng)絡(luò)法；故障診斷

中圖分類號(hào)：TM407 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-914X（2015）26-0297-02

前言

電力變壓器是電力系統(tǒng)中的重要組成部分，是保障電力系統(tǒng)正常運(yùn)行的基礎(chǔ)設(shè)備。因此，做好電力變壓器中的故障診斷工作尤為重要，不僅能夠保證電力系統(tǒng)的正常運(yùn)行，還能提升電力系統(tǒng)的運(yùn)行效率?，F(xiàn)階段，隨著高新技術(shù)的飛速發(fā)展，這一技術(shù)已經(jīng)得到了廣泛的推廣并應(yīng)用，在變壓器的故障診斷過程中，高新技術(shù)能夠解決很多傳統(tǒng)方法無(wú)法解決的難題。因此，高新技術(shù)應(yīng)用于變壓器故障診斷中得到人們的廣泛關(guān)注與重視，尤其是專家系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò)法。

一、專家系統(tǒng)法

（一）專家系統(tǒng)的知識(shí)庫(kù)結(jié)構(gòu)

專家系統(tǒng)法在變壓器故障診斷中由多個(gè)方面造成，主要有知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、解釋機(jī)制、推理機(jī)以及人工借口。其中專家系統(tǒng)的核心內(nèi)容就是知識(shí)庫(kù)。如下圖1所示：

TFDES的工作重心是以氣體色譜為主體，結(jié)合油中的溶解氣體色譜的數(shù)據(jù)進(jìn)行分析研究，在研究過程中分析變壓器運(yùn)行狀況時(shí)主要采用三比值法和特征氣體法，從而診斷變壓器運(yùn)行是否正常，在運(yùn)行過程中，變壓器是否有老化、放電、過熱等故障。此外，還需結(jié)合變壓器外部檢修情況進(jìn)行分析，主要進(jìn)行絕緣油特性、絕緣預(yù)防性等檢修項(xiàng)目，從而構(gòu)建專家系統(tǒng)的知識(shí)庫(kù)結(jié)構(gòu)。

綜合分析這一模塊主要是結(jié)合氣體色譜分析、外部檢查、絕緣油特性、絕緣預(yù)防性進(jìn)行綜合分析，保證變壓器故障診斷的準(zhǔn)確性、真實(shí)性、科學(xué)性，并向工作人員傳遞“繼續(xù)運(yùn)行”或“關(guān)機(jī)”等指示信息。此外，TFDES中的協(xié)調(diào)器是最重要的一個(gè)模塊，起到控制、與其他模塊進(jìn)行協(xié)調(diào)工作的作用。

（二）專家系統(tǒng)的特點(diǎn)

1、專家系統(tǒng)的知識(shí)表達(dá)系統(tǒng)是采用了國(guó)內(nèi)最先進(jìn)的產(chǎn)生式系統(tǒng)，其知識(shí)庫(kù)是模塊式的結(jié)構(gòu)，模塊與模塊之間都是獨(dú)立工作，方便日后知識(shí)庫(kù)的二次更新與升級(jí)，對(duì)知識(shí)庫(kù)的維護(hù)工作帶來了便利性。

2、專家系統(tǒng)運(yùn)用TURBO-PROLOG語(yǔ)言的優(yōu)勢(shì)，進(jìn)一步反向推理目標(biāo)驅(qū)動(dòng)，與此同時(shí)，引入模糊控制理論，故而能夠成功的解決變壓器故障中的模糊問題。

3、專家系統(tǒng)中的數(shù)據(jù)庫(kù)主要由兩部分組成，主要是絕緣預(yù)防數(shù)據(jù)庫(kù)、動(dòng)態(tài)數(shù)據(jù)庫(kù)。其中絕緣預(yù)防數(shù)據(jù)庫(kù)能夠?qū)⒏鞣N氣體信息與絕緣預(yù)防數(shù)據(jù)輸入到計(jì)算機(jī)中去，便于用戶實(shí)時(shí)查詢或管理。此外，專家系統(tǒng)根據(jù)數(shù)據(jù)分析得出結(jié)論，研究出變壓器運(yùn)行的變化趨勢(shì)。動(dòng)態(tài)數(shù)據(jù)庫(kù)主要起到承上啟下的作用，將上文中的推理結(jié)果與數(shù)據(jù)存儲(chǔ)在系統(tǒng)中，當(dāng)用戶需要解釋時(shí)，給用戶提供相應(yīng)的數(shù)據(jù)，以供解釋機(jī)制取用。

二、人工神經(jīng)網(wǎng)絡(luò)

（一）人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

人工網(wǎng)絡(luò)神經(jīng)是指模擬人腦進(jìn)行信息處理。這一方法具備較強(qiáng)的自主組織、自主學(xué)習(xí)的能力，能反映非線性的工作關(guān)系。如圖2所示：

TFDANN的工作流程主要有兩個(gè)時(shí)期：

1、學(xué)習(xí)期

一般情況而言，在學(xué)習(xí)過程中，變壓器中的氣體分析數(shù)據(jù)與其他測(cè)量數(shù)據(jù)是早多種歷史計(jì)算數(shù)據(jù)的基礎(chǔ)上運(yùn)算出來的，同時(shí)將數(shù)據(jù)輸入到網(wǎng)絡(luò)中，采用反向推理法，計(jì)算出權(quán)值和閾值。

2、工作期

在診斷變壓器的故障過程中，計(jì)算的數(shù)據(jù)是經(jīng)過多次變壓器測(cè)量是結(jié)果，最后總結(jié)出網(wǎng)絡(luò)的實(shí)際輸出數(shù)據(jù)，并將之與預(yù)期中的數(shù)據(jù)進(jìn)行比較分析。

在圖2中，TFDANN主要采用神經(jīng)網(wǎng)絡(luò)的模塊化結(jié)構(gòu)，模塊與模塊之間都是相互獨(dú)立的，單獨(dú)進(jìn)行工作。其中BP1是特征氣體模塊，其輸入特征元素X1～X6分別為H2、CH4、C2H4、C2H2、C2H6、CO6種氣體在TCG中的含量；其輸出Y1～Y4分別對(duì)應(yīng)于變壓器故障診斷中的正常、過熱、電暈、電弧4種情況。如圖3所示：

在圖2中，BP2屬于三比值模塊結(jié)構(gòu)，其中X7～X9這一階段分表表示了C2H2、（C2H4、CH4）、（H2、C2H4）、C2H6的比值特征化學(xué)元素，輸出Y5～Y12分別表示變壓器的故障性質(zhì)。此外，BP3表示絕緣油特性試驗(yàn)?zāi)K，它的輸入特征元素X10～X15分別表示酸值、電阻率、含水量、表面張力、介損、擊穿電壓等6種情況，輸出Y13～Y15分別表示絕緣油良好、要注意、不良等3種情況。BP4表示變壓器外部檢查模塊，輸入特征元素X16～X20分表表示變壓器運(yùn)行中的油溫、油位及其他相關(guān)數(shù)據(jù)，輸出Y16～Y17分別表示變壓器外部或內(nèi)部的運(yùn)行情況。

TFDANN結(jié)構(gòu)中的核心模塊工作原理是：結(jié)合其他模塊的輸出結(jié)果進(jìn)行多方面、多角度、多層次的比較分析，通過故障診斷經(jīng)驗(yàn)與先進(jìn)的技術(shù)有機(jī)結(jié)合分析，從而做出正確的故障判斷。

（二）人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)

1、人工神經(jīng)網(wǎng)絡(luò)采用反向傳播計(jì)算法，能夠進(jìn)行科學(xué)的分類，將故障信息分為模糊一類與非模糊一類，與此同時(shí)，引進(jìn)模糊控制理論，就能解決一些模糊故障的數(shù)據(jù)處理問題。

2、人工神經(jīng)網(wǎng)絡(luò)中的輸入與輸出分別表示變壓器故障的癥狀與故障的性質(zhì)，從而構(gòu)建神經(jīng)網(wǎng)絡(luò)模塊化結(jié)構(gòu)，有效的將傳統(tǒng)復(fù)雜的結(jié)構(gòu)簡(jiǎn)化了，縮小了用戶的檢索信息范圍，提升了信息處理速度，改善了變壓器故障診斷工作效果。同時(shí)，各網(wǎng)絡(luò)節(jié)點(diǎn)之間的工作流程變得簡(jiǎn)單化，提升了診斷速度，便于日后軟件的升級(jí)與更新。

3、人工神經(jīng)網(wǎng)絡(luò)法具有較好的人機(jī)借口，不僅可以在屏幕上顯示變壓器的運(yùn)行動(dòng)態(tài)圖，還具備打印輸出的功能，這一方法具有較高的實(shí)用性、可操作性。

三、變壓器故障診斷實(shí)例分析

例如，發(fā)電廠變壓器的額定容量設(shè)定為65MVA，額定電壓設(shè)定為110、35、10.5KV，根據(jù)采樣數(shù)據(jù)制作出表1，絕緣油特性的試驗(yàn)數(shù)據(jù)制作出表2，絕緣預(yù)防性試驗(yàn)數(shù)據(jù)制作出表3，如表1，2，3所示：

根據(jù)以上數(shù)據(jù)顯示，通過專家系統(tǒng)法（TFDES）與人工神經(jīng)網(wǎng)絡(luò)法（TFDANN）診斷得出以下結(jié)果：

（一）專家系統(tǒng)法診斷

結(jié)合氣體色譜數(shù)據(jù)比較分析發(fā)現(xiàn)：H2、C2H2和總烴都大于三比值（102）的正常范圍，變壓器的內(nèi)部運(yùn)行正常。因此，診斷結(jié)果為高能量放電癥狀。

（二）人工神經(jīng)網(wǎng)絡(luò)法診斷

BP1這一模塊的輸出Y4值為0.9835，其余模塊的輸出值為0，這一現(xiàn)象說明變壓器中的電弧放電；BP2這一模塊的輸出Y9值為0.9998，這一現(xiàn)象說明變壓器高能量放電；BP3和BP4輸出數(shù)據(jù)顯示變壓器中的內(nèi)部運(yùn)行不良。因此，綜合以上數(shù)據(jù)顯示發(fā)現(xiàn)：變壓器內(nèi)部運(yùn)行不良，診斷結(jié)果為高能量放電癥狀，故障部位在變壓器中的定壓繞組處。

（三）指導(dǎo)意見

立刻通知工作人員停機(jī)，取芯檢查，著重檢查定壓繞組部位。

結(jié)語(yǔ)

綜上所述，電力變壓器故障診斷過程中引入專家系統(tǒng)法、人工神經(jīng)網(wǎng)絡(luò)法起到重要作用，有效的診斷出變壓器的故障原因。近年來，DGA數(shù)據(jù)庫(kù)系統(tǒng)逐步受到各電力企業(yè)、變電站的重視，紛紛建立了DGA數(shù)據(jù)庫(kù)系統(tǒng)，并將其系統(tǒng)中的信息數(shù)據(jù)輸入到計(jì)算機(jī)數(shù)據(jù)庫(kù)中進(jìn)行備份。這些信息數(shù)據(jù)資源給故障診斷技術(shù)趨向數(shù)字化、智能化、一體化提供了可能。人工智能技術(shù)不是一朝一夕能夠?qū)崿F(xiàn)的，它是一項(xiàng)系統(tǒng)性的工程，需要技術(shù)人員不斷的分析、改進(jìn)、歸納、總結(jié)、創(chuàng)新，有效的將理論知識(shí)與實(shí)踐活動(dòng)聯(lián)系起來。此外，人工智能型系統(tǒng)發(fā)展空間較大，前景無(wú)限。

參考文獻(xiàn)

[1] 田振寧.案例推理技術(shù)在大型電力變壓器故障診斷中的應(yīng)用[D].上海電力學(xué)院，2010.

故障診斷新技術(shù)范文第2篇

[關(guān)鍵詞]機(jī)械；信息技術(shù)；故障

中圖分類號(hào)：TP306 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-914X（2014）35-0277-01

信息融合是利用計(jì)算機(jī)技術(shù)將來自多個(gè)傳感器或多源的觀測(cè)信息進(jìn)行分析、綜合處理，從而得出決策和估計(jì)任務(wù)所需的信息的處理過程。在一定的程度上，這不僅僅是單純的數(shù)據(jù)融合，它所包含的內(nèi)涵非常廣泛，所探測(cè)的信息、信號(hào)也更加確切，并具有很強(qiáng)的概括性。目前，我國(guó)機(jī)械故障診斷方法大多采用傳統(tǒng)的診斷方式，這種方式往往只能對(duì)一種信息或幾種信息進(jìn)行觀察和分析，而不能對(duì)多種信息進(jìn)行多層次、多角度的觀察和分析，給故障診斷的有效性帶來很大的局限，也令人質(zhì)疑故障診斷的結(jié)果是否可靠。因此，信息融合技術(shù)的應(yīng)用，既保證了多傳感器獲得信息的準(zhǔn)確性，也提高了機(jī)械故障診斷結(jié)果的可信度。

一、傳統(tǒng)機(jī)械故障診斷技術(shù)的現(xiàn)狀

（一）傳統(tǒng)機(jī)械故障診斷的局限性

傳統(tǒng)的機(jī)械故障診斷技術(shù)，在進(jìn)行機(jī)械故障診斷的過程中，只能對(duì)機(jī)械信息中的一種或幾種進(jìn)行觀察和分析，并不能對(duì)機(jī)械故障的信息進(jìn)行全面的集合，從而使機(jī)械故障診斷的結(jié)果是局域性的。例如，通過振動(dòng)加速度信號(hào)對(duì)軸承狀態(tài)進(jìn)行診斷時(shí)，就是因?yàn)樾盘?hào)類型太過單一，能獲得的軸承狀態(tài)信息太少，而導(dǎo)致很難對(duì)軸承狀態(tài)特征得出準(zhǔn)確的評(píng)價(jià)。如果能對(duì)軸承狀態(tài)的多種信息，例如軸承油的溫度信息、油樣信息等進(jìn)行多層次、多角度的觀察和分析，將會(huì)對(duì)軸承狀態(tài)做出更加準(zhǔn)確的評(píng)價(jià)。

（二）傳統(tǒng)機(jī)械故障診斷結(jié)果的不確定性

我們并不否認(rèn)通過一種或者幾種信息可以對(duì)機(jī)械故障做出判斷，但是在很多的情況下，這種判斷的結(jié)果并不可靠。在機(jī)械故障診斷的過程中，利用多種信息得出的判斷，相對(duì)于只利用一種信息得出的判斷而言，結(jié)論會(huì)更加令人信服。例如，在診斷齒輪裂紋時(shí)，只利用箱體振動(dòng)加速度信號(hào)進(jìn)行分析得出的結(jié)論，顯然不具有很強(qiáng)的說服力，令人質(zhì)疑結(jié)果的可靠性。

二、機(jī)械故障診斷引進(jìn)信息融合技術(shù)的必然性

（一）多傳感器的應(yīng)用提供了不同通道的信息

傳統(tǒng)機(jī)械故障診斷的方式只能利用一種或者幾種信息來提取機(jī)械的狀態(tài)特征，隨著機(jī)械故障系統(tǒng)越來越復(fù)雜，越來越多的傳感器被用來探測(cè)和感受信息，并且類型多種多樣。并且不同類型的多個(gè)傳感器，能夠探測(cè)和感受到機(jī)械不同類型、不同部位的大量信息。因此，對(duì)機(jī)械故障診斷技術(shù)提出了更高的要求。

（二）多種多樣故障的表現(xiàn)形式增加了診斷的難度

由于機(jī)械故障系統(tǒng)的龐大化，故障產(chǎn)生的原因也更加復(fù)雜，不同的故障原因也可以是同一特征的故障表現(xiàn)形式，這就對(duì)機(jī)械故障診斷技術(shù)提出了更高的要求。例如，引起旋轉(zhuǎn)機(jī)械轉(zhuǎn)子異常震動(dòng)的原因可以是機(jī)械軸承座松動(dòng)也可以是轉(zhuǎn)子相互碰撞以及其他原因。盡管使旋轉(zhuǎn)機(jī)械轉(zhuǎn)子發(fā)生異常震動(dòng)的原因不同，但是它的結(jié)果表現(xiàn)出來都是一樣的。因此，在這種情況下是很難通過同一種信號(hào)觀察和分析出故障產(chǎn)生的原因。

（三）信息的不完整提高了診斷對(duì)象的不確定性

在機(jī)械故障診斷的過程中，很多因素可能導(dǎo)致傳感器探測(cè)和感受到的信息不完整或是不精確，提高了診斷對(duì)象的不確定性，使得故障診斷技術(shù)很難確定具體的診斷對(duì)象是什么。

三、機(jī)械故障診斷過程中信息融合技術(shù)

（一）以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的信息融合方法

簡(jiǎn)單地說，它是一種以人腦神經(jīng)系統(tǒng)為基礎(chǔ)，由大量處理單元組成的非線性大規(guī)模自適應(yīng)動(dòng)力系統(tǒng)。它不但模仿人腦神經(jīng)系統(tǒng)具有學(xué)習(xí)、記憶、計(jì)算等能力，還在一定的程度上具有了智能信息處理、檢索等功能，有效地將信息管理與系統(tǒng)結(jié)構(gòu)結(jié)合為一體，沒有任何的局限性和不確定性。具體講，它能夠從各種類型的多個(gè)傳感器探測(cè)的信息中提取出各種狀態(tài)特征，并使各種狀態(tài)特征精確地對(duì)應(yīng)著機(jī)械的各種故障和運(yùn)行狀態(tài)，準(zhǔn)確地找出機(jī)械故障的原因。

（二）以貝葉斯理論為基礎(chǔ)的信息融合方法

在機(jī)械故障診斷的過程中，往往因?yàn)樵\斷對(duì)象的不確定性，或是機(jī)械運(yùn)動(dòng)的聲音太過嘈雜等原因，使得傳感器獲得的信息大多是不全面或不精確的。這樣不確定的信息，就使的傳統(tǒng)診斷技術(shù)很難從中提取出機(jī)械的狀態(tài)特征，精確地診斷出機(jī)械故障的原因，而貝葉斯理論就是針對(duì)這種情況提出的。貝葉斯理論是在概率密度函數(shù)基礎(chǔ)上發(fā)展和建立的推理方法。在機(jī)械運(yùn)動(dòng)的過程中，可能會(huì)隨機(jī)地出現(xiàn)很多問題。問題出現(xiàn)的時(shí)機(jī)看似非常隨便，但是卻有一定的規(guī)律，而概率密度函數(shù)就是對(duì)這種規(guī)律最嚴(yán)密的計(jì)算方式。因此貝葉斯方法以概率密度學(xué)為基礎(chǔ)，可以對(duì)傳感器的各種類型、各個(gè)部位的信息，進(jìn)行綜合觀察和分析，得出準(zhǔn)確的機(jī)械狀態(tài)特征，進(jìn)而對(duì)故障進(jìn)行分類。

（三）以D-S理論為基礎(chǔ)的信息融合方法

貝葉斯方法和傳統(tǒng)的故障診斷方法相比，的確實(shí)現(xiàn)了重大突破而取得了很大的成效，但是這種方法在某些方面存在著一定的缺陷。尤其是它不能在所有傳感器抽象級(jí)上給出精確的可信度表示。而D-S理論就是基于這點(diǎn)產(chǎn)生的。D-S理論將每一種可能產(chǎn)生的故障稱之為假設(shè)，各種可能故障的集合又叫做識(shí)別框，而可能故障的各種狀態(tài)特征就是證據(jù)。

在故障診斷的過程中，它先是計(jì)算各個(gè)證據(jù)的基本概率分配函數(shù)、信任函數(shù)和似然函數(shù)，再計(jì)算所有證據(jù)聯(lián)合作用下的基本概率分配數(shù)、信任函數(shù)和似然函數(shù)，最后選擇聯(lián)合作用下支持率最大的假設(shè)，從而找到機(jī)械的故障。同時(shí)D-S理論作為貝葉斯的推理理論，兩種方法的結(jié)合才是故障診斷的最佳方選擇。

四、機(jī)械故障中信息融入技術(shù)的應(yīng)用

多傳感器數(shù)據(jù)融合技術(shù)在進(jìn)行故障診斷過程中，構(gòu)建了三大融合模塊，即數(shù)據(jù)級(jí)融合模塊、特征極并行多神經(jīng)網(wǎng)絡(luò)局部診斷模塊和決策級(jí)D-S證據(jù)理論的融合診斷模塊。它可以從不同類型的多傳感器的信息中，提取出精確的狀態(tài)特征，把其進(jìn)行分類整理，判斷出正確的故障原因。下面就以液壓設(shè)備的故障為例，簡(jiǎn)單講解信息融合技術(shù)是如何發(fā)揮效果的。

信息自動(dòng)化的發(fā)展，使得液壓設(shè)備的故障系統(tǒng)復(fù)雜化和龐大化。液壓設(shè)備不僅有泄漏、腐蝕、液壓卡死等各種各樣的故障表現(xiàn)形式，而且需要監(jiān)測(cè)的設(shè)備工作參數(shù)內(nèi)容也是紛繁復(fù)雜?？梢哉f，故障產(chǎn)生的因果關(guān)系非常復(fù)雜，故障發(fā)生的隨機(jī)性也相對(duì)分散，這給正確地診斷故障帶來很大的難度。顯然，用傳統(tǒng)單一信號(hào)的診斷方法已經(jīng)得不到正確的故障原因。而多傳感器的信息融合技術(shù)的使用，可以對(duì)液壓設(shè)備的各個(gè)工作參數(shù)進(jìn)行合理地融合，有效地獲得設(shè)備運(yùn)行的狀態(tài)特征，從而對(duì)故障進(jìn)行正確的判斷。

參考文獻(xiàn)

[1]陳昌斌.機(jī)械設(shè)備故障檢測(cè)診斷技術(shù)概述[J].中國(guó)水運(yùn)（下半月），2012，（02）.

故障診斷新技術(shù)范文第3篇

Abstract： In order to solve the difficult of fault diagnosis on hydraulic system of a certain type of vehicle transport machine， a new fault diagnosis method of hydraulic system has been proposed based on the fuzzy theory. Application examples have shown that this method can provide effective ideas for fault diagnosis on hydraulic system of a certain type of vehicle transport machine.

關(guān)鍵詞： 輸送機(jī)構(gòu)；故障診斷；模糊；鐵譜

Key words： transport machine；fault diagnosis；fuzzy；iron spectrum

中圖分類號(hào)：TH165+.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2014）08-0076-02

0 引言

隨戰(zhàn)爭(zhēng)發(fā)展起來的液壓技術(shù)由于其獨(dú)特的優(yōu)勢(shì)，在世界各國(guó)各行業(yè)的裝備中得到了廣泛的應(yīng)用，當(dāng)然在現(xiàn)代各型車輛中也不例外。但液壓系統(tǒng)一旦出現(xiàn)故障，很難診斷。若車輛中液壓系統(tǒng)的故障不能及時(shí)發(fā)現(xiàn)并排除，勢(shì)必影響車輛正常的使用。為減少液壓系統(tǒng)故障診斷的盲目性以及拆裝工作量，本文結(jié)合某型車輛輸送機(jī)構(gòu)典型液壓故障，提出了一種基于模糊控制理論的新型液壓系統(tǒng)故障診斷方法。

1 某型車輛輸送機(jī)構(gòu)液壓系統(tǒng)模糊故障診斷模型

1.1 典型故障現(xiàn)象及故障原因 輸送機(jī)構(gòu)是某型車輛的重要組成部分，其主要功能是將車載物品輸送至車輛物品出口處，為物品的向外卸載做好準(zhǔn)備。輸送機(jī)構(gòu)液壓系統(tǒng)主要由液壓泵、液壓馬達(dá)、電磁換向閥、儲(chǔ)油罐、電機(jī)等組成，在工作過程中其典型故障現(xiàn)象為輸送不到位或輸送過程欠速，輸送不到位故障原因主要有以下幾種：電機(jī)故障；雙聯(lián)泵故障；液壓馬達(dá)故障；電磁換向閥故障；油液泄漏量較大；油液雜質(zhì)較多；儲(chǔ)液罐液位過低。輸送過程欠速的故障原因主要有以下幾種：電機(jī)故障；雙聯(lián)泵故障；液壓馬達(dá)故障；油液泄漏量較大；系統(tǒng)內(nèi)進(jìn)入空氣；油液粘度較低。由于液壓系統(tǒng)故障診斷存在著典型的模糊性，考慮利用模糊診斷評(píng)價(jià)方法簡(jiǎn)單的特點(diǎn)來進(jìn)行故障診斷應(yīng)收到良好的效果。

1.2 建立故障征兆集與故障源集 根據(jù)故障征兆是否出現(xiàn)情況，得到故障征兆向量■={x1，x2，…，xm}，其中xi=0或1，1代表故障征兆出現(xiàn)，否則為0。將上述輸送機(jī)構(gòu)在運(yùn)行過程中的兩種典型的故障現(xiàn)象作為故障診斷的故障征兆集，即■={x1，x2}，其中x1表示輸送不到位；x2表示輸送過程欠速。將故障征兆的自然語(yǔ)言描述用模糊語(yǔ)言變量值及評(píng)價(jià)從屬度來描述，將其語(yǔ)義分為5檔，輸送不到位的語(yǔ)言變量為：完全不到位、很不到位、較不到位、稍不到位、完全到位，分別對(duì)應(yīng)區(qū)間[1.0，0.8]，[0.8，0.6]，[0.6，0.4]，[0.4，0.2]，[0.2，0]；輸送過程欠速的語(yǔ)言變量為：速度為零、速度很低、速度較低、速度稍低、速度正常，分別對(duì)應(yīng)區(qū)間[1.0，0.8]，[0.8，0.6]，[0.6，0.4]，[0.4，0.2]，[0.2，0]。

輸送機(jī)構(gòu)液壓系統(tǒng)故障由1種或幾種原因引起的，將所有的故障原因作為故障診斷的故障源集，即f={f1，f2，…，fn}，若輸送機(jī)構(gòu)出現(xiàn)輸送不到位和輸送過程欠速兩種故障征兆，其故障源集f={電機(jī)故障f1，雙聯(lián)泵故障f2，液壓馬達(dá)故障f3，電磁閥故障f4，油液泄漏量較大f5，油液雜質(zhì)較多f6，儲(chǔ)液罐液位過低f7，系統(tǒng)內(nèi)進(jìn)入空氣f8，油液粘度較低f9}。模糊診斷矩陣■是表達(dá)輸送機(jī)構(gòu)液壓系統(tǒng)故障征兆向量與故障源向量之間因果關(guān)系的，矩陣中每個(gè)元素rij即第i種征兆xi屬于第j種故障原因fj的隸屬度，因此隸屬度函數(shù)的確定是模糊診斷中的重要環(huán)節(jié)。由于模糊規(guī)則的制定者在專業(yè)知識(shí)、實(shí)踐經(jīng)驗(yàn)等方面存在著差異，因此對(duì)于同一個(gè)現(xiàn)象，不同的人會(huì)使用不同的確定隸屬度的方法?？紤]到液壓系統(tǒng)的不斷運(yùn)行，由于磨損和疲勞等因素的影響，隸屬度在不同工作狀況而有所不同，本文在基于多因素加權(quán)綜合法構(gòu)建模糊矩陣的基礎(chǔ)上提出了一種以鐵譜技術(shù)為基礎(chǔ)的模糊關(guān)系動(dòng)態(tài)變化的隸屬度確定方法。

1.3 模糊診斷矩陣的構(gòu)造

1.3.1 采用多因素加權(quán)綜合評(píng)判 常用確定隸屬度的方法有兩種：模糊統(tǒng)計(jì)法和專家經(jīng)驗(yàn)法。

模糊統(tǒng)計(jì)法是基于概率統(tǒng)計(jì)的基本原理，對(duì)于n次試驗(yàn)，u0對(duì)A的隸屬頻率=■。結(jié)合車輛管理部門對(duì)輸送機(jī)構(gòu)故障的維修記錄，由記錄數(shù)據(jù)統(tǒng)計(jì)確定隸屬度aij：aij=■。

專家經(jīng)驗(yàn)法是根據(jù)專家的實(shí)踐經(jīng)驗(yàn)給出相應(yīng)權(quán)系數(shù)值來確定隸屬函數(shù)的一種方法。為了提高專家經(jīng)驗(yàn)的可信度，找到多位該領(lǐng)域的專家，每位專家根據(jù)經(jīng)驗(yàn)將產(chǎn)生同一故障現(xiàn)象的各個(gè)原因按產(chǎn)生故障的概率從小到大進(jìn)行排序，N位專家共作出N種排序數(shù)，將每個(gè)專家的排序數(shù)求和，進(jìn)行歸一化處理，可得到隸屬度bij。這種方法要求專家具有豐富的液壓系統(tǒng)維修經(jīng)驗(yàn)，才能保證經(jīng)驗(yàn)知識(shí)的準(zhǔn)確性。

由于車輛管理部門對(duì)故障統(tǒng)計(jì)方面的數(shù)據(jù)記錄有限，又由于專家主觀判斷難免出現(xiàn)紕漏，為了更為客觀準(zhǔn)確地確定隸屬度值，本文綜合模糊統(tǒng)計(jì)法和專家經(jīng)驗(yàn)法，采用兩種方法分別加權(quán)，綜合得到隸屬度的方法，即多因素加權(quán)綜合評(píng)判法，為了反映各評(píng)判因素的相對(duì)重要程度，對(duì)每個(gè)因素按其重要程度賦予相應(yīng)的權(quán)重：設(shè)模糊統(tǒng)計(jì)權(quán)重為A1，專家經(jīng)驗(yàn)權(quán)重為A2，其中A1？叟0，A2？叟0，A1+A2=1。則由經(jīng)驗(yàn)數(shù)據(jù)及專家經(jīng)驗(yàn)的綜合模糊隸屬度為rij=A1aij+A2bij，（i=1，2，…，m；j=1，2，…，n），從而構(gòu)造模糊診斷矩陣■=（rij）m×n。

1.3.2 建立動(dòng)態(tài)模糊關(guān)系 動(dòng)態(tài)模糊理論是為了適應(yīng)實(shí)際的需要，各因素的相對(duì)權(quán)重和模糊關(guān)系矩陣在評(píng)判對(duì)象不同的發(fā)展階段，做出相應(yīng)的調(diào)整。液壓系統(tǒng)發(fā)生故障的原因有80%～90%是由于油液污染造成的，其中固體顆粒的危害極大，它主要來源于液壓元件在長(zhǎng)期使用過程中零部件的不斷磨損，磨損不僅破壞了液壓元件的密封、增大了泄漏，磨損顆?；烊胗鸵汉筮€會(huì)導(dǎo)致磨損的惡性循環(huán)，使液壓系統(tǒng)產(chǎn)生故障，因此液壓系統(tǒng)故障診斷與定期監(jiān)測(cè)液壓油液中磨損顆粒的形態(tài)、數(shù)量等關(guān)系重大。

通過對(duì)磨損顆粒進(jìn)行鐵譜分析，可以準(zhǔn)確地獲得液壓系統(tǒng)有關(guān)磨損方面的重要信息。它能夠在不拆開系統(tǒng)的情況下報(bào)告其磨損狀態(tài)，反映運(yùn)行情況。因此，通過定期抽檢輸送機(jī)構(gòu)液壓油油樣，進(jìn)行磨粒濃度及形態(tài)分析，可實(shí)現(xiàn)輸送機(jī)構(gòu)液壓系統(tǒng)磨損狀態(tài)監(jiān)測(cè)。通常按照鐵譜監(jiān)測(cè)的液壓系統(tǒng)的磨損顆粒大小將系統(tǒng)運(yùn)行分為正常運(yùn)行階段、異常磨損階段、嚴(yán)重磨損階段三個(gè)階段，磨粒尺寸小于屬正常磨損，當(dāng)出現(xiàn)尺寸為的磨粒時(shí)，表明系統(tǒng)已處于嚴(yán)重磨損階段，故障隨時(shí)可能發(fā)生。元件磨損程度不同，說明系統(tǒng)運(yùn)行時(shí)間不同，元件疲勞程度及油液質(zhì)量也就不同，故障原因排序自然會(huì)發(fā)生變化，就以這三個(gè)階段的分隔點(diǎn)作為模糊關(guān)系動(dòng)態(tài)變化的分隔點(diǎn)，根據(jù)專家經(jīng)驗(yàn)，將各個(gè)故障原因在不同階段賦予不同的隸屬度。

1.4 診斷原則 模糊推理的公式為■=■？莓■，公式中■為故障征兆的隸屬度組成的向量，“？莓”為模糊算子，■為由模糊隸屬度組成的模糊診斷矩陣，■是由推理公式得到的故障原因模糊向量。公式中模糊算子“？莓”有幾種運(yùn)算方法：模糊變換法、以“乘”代替“取小”、以“加”代替“取大”等，擬采用模糊變換法。對(duì)于計(jì)算出的故障原因模糊向量，利用最大隸屬度原則來推斷。即設(shè)yt=max{yj|j=1，2，3，…，n}，則由最大隸屬度原則推斷故障原因?yàn)閥t，即為第t故障原因。

1.5 診斷流程（圖1）

2 應(yīng)用實(shí)例

某型車輛在使用過程中發(fā)現(xiàn)出現(xiàn)輸送機(jī)構(gòu)輸送不到位且速度稍顯不足的故障，采用模糊理論與鐵譜分析相結(jié)合的方法對(duì)該液壓系統(tǒng)故障進(jìn)行診斷，主要步驟如下：

現(xiàn)場(chǎng)觀測(cè)，確定故障征兆集：■={輸送很不到位，速度稍低}，用模糊語(yǔ)言變量表述可得到征兆向量隸屬度為■=（0.7，0.3）。

確定故障源集：f={電機(jī)故障f1，雙聯(lián)泵故障f2，液壓馬達(dá)故障f3，電磁閥故障f4，油液泄漏量較大f5，油液雜質(zhì)較多f6，儲(chǔ)液罐液位過低f7，系統(tǒng)內(nèi)進(jìn)入空氣f8，油液粘度較低f9}。

由鐵譜分析確定系統(tǒng)使用時(shí)間：油液抽樣進(jìn)行鐵譜檢測(cè)，磨粒尺寸小于15？滋m，屬正常磨損階段。現(xiàn)有三名專家根據(jù)鐵譜分析結(jié)果，即在正常磨損階段下，分別給出產(chǎn)生故障的各個(gè)原因的概率從小到大的排序數(shù)：

專家一給出排序數(shù)：■

專家二給出排序數(shù)：■

專家三給出排序數(shù)：■

求和歸一化處理得專家經(jīng)驗(yàn)隸屬度：

■

將統(tǒng)計(jì)數(shù)據(jù)隸屬度與專家經(jīng)驗(yàn)隸屬度進(jìn)行綜合加權(quán)，設(shè)專家經(jīng)驗(yàn)權(quán)重為A1，經(jīng)驗(yàn)數(shù)據(jù)權(quán)重為A2，其中A1？叟0，A2？叟0，A1+A2=1，則由統(tǒng)計(jì)數(shù)據(jù)和專家經(jīng)驗(yàn)確定的綜合模糊隸屬度為rij=A1aij+A2bij。由車輛管理隊(duì)長(zhǎng)期積累經(jīng)驗(yàn)確定A1=0.5，A2=0.5，則由

rij=0.5aij+0.5bij得綜合模糊診斷矩陣為：

■

利用模糊變換法求解模糊方程■=■？莓■，

y1=（0.7∧0.202）∨（0.3∧0.111）=0.202

y2=（0.7∧0.179）∨（0.3∧0.048）=0.179

y3=（0.7∧0.179）∨（0.3∧0.127）=0.179

y4=（0.7∧0.226）∨（0.3∧0.000）=0.226

y5=（0.7∧0.107）∨（0.3∧0.254）=0.254

y6=（0.7∧0.036）∨（0.3∧0.000）=0.036

y7=（0.7∧0.071）∨（0.3∧0.000）=0.071

y8=（0.7∧0.000）∨（0.3∧0.238）=0.238

y9=（0.7∧0.000）∨（0.3∧0.222）=0.222

最終得到診斷故障原因向量為■=（0.202，0.179，0.179，

0.226，0.254，0.036，0.071，0.238，0.222），由最大隸屬度原則，y5=max{yj|j=1，2，3，…，9}，所以診斷的故障原因?yàn)榈?原因，即系統(tǒng)油液泄漏量較大。

3 結(jié)論

液壓系統(tǒng)由于其自身的特點(diǎn)，能快速準(zhǔn)確地得到故障原因?qū)嵲诓皇且患菀椎氖虑?。由于車輛液壓系統(tǒng)在故障診斷過程中普遍存在著模糊的概念和方法，將模糊理論應(yīng)用到某型車輛液壓系統(tǒng)故障診斷中。考慮到液壓系統(tǒng)由于磨損和疲勞等因素的影響，其故障隸屬度在不同工作狀況而有所不同，本文提出了一種基于先期的鐵譜分析技術(shù)來確定系統(tǒng)磨損情況，進(jìn)而由專家根據(jù)系統(tǒng)運(yùn)行狀況來給定模糊隸屬度的方法，最后采用最大隸屬原則進(jìn)行故障診斷，為某型液壓系統(tǒng)故障診斷提供了一種新的方法，提高了診斷的準(zhǔn)確性和可靠性，為建立故障診斷專家系統(tǒng)提供了較有價(jià)值的設(shè)計(jì)思路。

參考文獻(xiàn)：

[1]諸靜.模糊控制理論與系統(tǒng)原理[M].北京：機(jī)械工業(yè)出版社，2005.

故障診斷新技術(shù)范文第4篇

關(guān)鍵詞：故障樹分析 貝葉斯網(wǎng)絡(luò) 故障診斷

中圖分類號(hào)：TP183 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2014）05-0109-01

由于網(wǎng)絡(luò)信息化的快速發(fā)展，使得車載網(wǎng)絡(luò)信息系統(tǒng)組成更加復(fù)雜，人們對(duì)于車載網(wǎng)絡(luò)信息系統(tǒng)的故障診斷日益重視。建立準(zhǔn)確、可靠、快速的故障診斷是完善車載網(wǎng)絡(luò)信息系統(tǒng)性能的客觀需求，也是技術(shù)發(fā)展的必然趨勢(shì)。因此，故障診斷成為了車載網(wǎng)絡(luò)信息系統(tǒng)研制工作中一個(gè)重要內(nèi)容。

1 傳統(tǒng)的故障樹分析方法在故障診斷中的應(yīng)用情況

故障現(xiàn)象與故障原因之間必然存在相應(yīng)的因果關(guān)系，故障診斷就是根據(jù)該因果關(guān)系來進(jìn)行推理與決策。

各種網(wǎng)絡(luò)設(shè)備及網(wǎng)絡(luò)系統(tǒng)的傳統(tǒng)故障診斷大多采用故障樹分析（Fault Tree Analysis，F(xiàn)TA）方法來進(jìn)行故障診斷因果推理。故障樹分析方法是一種從系統(tǒng)到分系統(tǒng)（部件），再到零件，按照逐層下降形式分析的方法。它從系統(tǒng)開始，通過邏輯運(yùn)算符號(hào)繪制成一個(gè)逐漸展開的樹形的分枝圖，來分析故障事件（頂端事件）的概率，同時(shí)也可用來分析零件、分系統(tǒng)（部件）或子系統(tǒng)故障對(duì)于系統(tǒng)故障影響。

采用故障樹分析方法來進(jìn)行故障診斷推理時(shí)具備直接、明了、邏輯性強(qiáng)、基層維修人員易掌握的特點(diǎn)。但是故障樹分析方法存在故障原因處理沒有區(qū)分，斷程序固化，沒有突出各故障原因發(fā)生概率差異，無(wú)法體現(xiàn)其對(duì)系統(tǒng)故障的貢獻(xiàn)大小，不能反映診斷成本、診斷時(shí)間等因素對(duì)系統(tǒng)故障產(chǎn)生的實(shí)際影響等不足。在診斷過程中，容易產(chǎn)生故障信息不確定性，而造成大型系統(tǒng)的故障搜索時(shí)間和空間顯著增加。

2 基于故障樹的貝葉斯網(wǎng)絡(luò)進(jìn)行故障推理原理

貝葉斯網(wǎng)絡(luò)（Bayesian Networks，BN）是一種概率網(wǎng)絡(luò)，貝葉斯網(wǎng)絡(luò)是基于概率推理的數(shù)學(xué)模型，所謂概率推理就是通過一些變量的信息來獲取其他的概率信息的過程，基于概率推理的貝葉斯網(wǎng)絡(luò)是為了解決不定性和不完整性問題而提出的，它對(duì)于解決復(fù)雜系統(tǒng)的不確定性和關(guān)聯(lián)性引起的故障有很大優(yōu)勢(shì)，在多個(gè)領(lǐng)域獲得了廣泛的應(yīng)用。

建立貝葉斯網(wǎng)絡(luò)模型是用它進(jìn)行故障診斷的首要問題，它需要解決的問題包括網(wǎng)絡(luò)節(jié)點(diǎn)的確定、節(jié)點(diǎn)間的有向弧連接關(guān)系、各節(jié)點(diǎn)的先驗(yàn)概率以及條件概率表的確定。文獻(xiàn)給出了建立貝葉斯網(wǎng)絡(luò)模型的一般步驟。

這種方法建立在模型建立者對(duì)系統(tǒng)比較了解的基礎(chǔ)上，實(shí)施難度較大，限制了它的應(yīng)用。在網(wǎng)絡(luò)系統(tǒng)的故障診斷中，故障樹分析和故障模式、影響及危害性分析是常用的方法。

貝葉斯網(wǎng)絡(luò)和故障樹具有很大的相似性。只是前者不僅承繼了故障樹的狀態(tài)描述及推理方式，而且還具備描述事件多態(tài)性和故障邏輯關(guān)系非確定性的能力。

3 基于貝葉斯網(wǎng)絡(luò)的故障診斷示例

某車載網(wǎng)絡(luò)信息系統(tǒng)的無(wú)線通信系統(tǒng)故障樹結(jié)構(gòu)如圖1所示。

與故障樹中基本事件對(duì)應(yīng)，以根節(jié)點(diǎn)X1代表電臺(tái)天線，其狀態(tài)分別為正常（0），信號(hào)不能發(fā)送等為故障（1）；X2代表中頻板，其狀態(tài)分別為正常（0），無(wú)輸出等為故障（1）；其余以此類推。與故障樹中頂端事件對(duì)應(yīng)，以S1代表無(wú)線電臺(tái)無(wú)法數(shù)據(jù)通信；S2代表X1與S3取或的邏輯結(jié)果；其余以此類推。建立的車載網(wǎng)絡(luò)信息系統(tǒng)的無(wú)線通信系統(tǒng)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

4 結(jié)語(yǔ)

本文在分析故障樹分析方法的特點(diǎn)和貝葉斯網(wǎng)絡(luò)在處理不確定性問題優(yōu)點(diǎn)的基礎(chǔ)上，提出了利用貝葉斯網(wǎng)絡(luò)進(jìn)行車載網(wǎng)絡(luò)信息系統(tǒng)的故障推理應(yīng)用。研究了基于故障樹和故障模式、影響及危害性分析信息的貝葉斯網(wǎng)絡(luò)模型建立方法，分析了貝葉斯網(wǎng)絡(luò)的故障預(yù)測(cè)和推理原理，最后通過對(duì)于某型車載網(wǎng)絡(luò)信息系統(tǒng)故障實(shí)例驗(yàn)證了上述方法的可行性和有效性。

參考文獻(xiàn)

故障診斷新技術(shù)范文第5篇

【關(guān)鍵字】煤礦；機(jī)電設(shè)備；故障；檢測(cè)診斷

故障檢測(cè)診斷技術(shù)是一項(xiàng)集合了信息技術(shù)、傳導(dǎo)技術(shù)和電腦技術(shù)等多個(gè)領(lǐng)域?yàn)橐惑w的先進(jìn)技術(shù)手段，近年來在煤礦行業(yè)中得到了廣泛應(yīng)用與普及。當(dāng)前現(xiàn)代化礦井，已然形成了一礦一面和一條生產(chǎn)線的強(qiáng)化集中生產(chǎn)模式，機(jī)電設(shè)備的自動(dòng)化、大型化和重載化程度也不斷提高。為提高煤礦企業(yè)的設(shè)備管理水平，并更好的確保礦山設(shè)備的安全運(yùn)行，迫切需要加強(qiáng)故障診斷技術(shù)的研究與應(yīng)用。本文結(jié)合工作實(shí)際，從故障檢測(cè)診斷技術(shù)的特點(diǎn)出發(fā)，并就故障檢測(cè)診斷技術(shù)在煤礦機(jī)電設(shè)備安全中的應(yīng)用進(jìn)行了分析與探討。

一、故障檢測(cè)診斷技術(shù)的特點(diǎn)

隨著現(xiàn)代化的維修理論、工藝?yán)碚?、基礎(chǔ)學(xué)科理論和檢查技術(shù)的發(fā)展，故障檢測(cè)診斷技術(shù)也不斷得以完善。它最主要有以下幾方面的特點(diǎn)：

1、技術(shù)的復(fù)合性

機(jī)電設(shè)備的診斷和維修，涉及到了動(dòng)力學(xué)、摩擦學(xué)、物理學(xué)等多種學(xué)科領(lǐng)域，并包含了自動(dòng)化應(yīng)用、機(jī)械制造、液壓機(jī)器應(yīng)用等多方面知識(shí)體系，因此故障診斷技術(shù)是一門綜合性的學(xué)科，在實(shí)際應(yīng)用中需要經(jīng)驗(yàn)豐富，而且知識(shí)面廣。

2、明確的目的性

故障檢測(cè)診斷技術(shù)具有明確的目的性，就是及時(shí)發(fā)現(xiàn)設(shè)備運(yùn)行過程中的故障，并運(yùn)用相關(guān)的技術(shù)，對(duì)故障進(jìn)行準(zhǔn)確的定位與分析，進(jìn)而制定出相應(yīng)合理的維修方案，以確保生產(chǎn)的安全與順利。

3、實(shí)踐性與理論并重

故障檢測(cè)診斷技術(shù)，不僅具有廣泛的理論基礎(chǔ)，而且能切實(shí)應(yīng)用于生產(chǎn)實(shí)踐當(dāng)中，在診斷和處理結(jié)果出來后，能迅速完成由理論向?qū)嵺`的轉(zhuǎn)化。

二、煤礦機(jī)電設(shè)備安全中故障檢測(cè)診斷技術(shù)的應(yīng)用

1、礦井提升機(jī)檢測(cè)和故障診斷

礦井提升設(shè)備是煤礦生產(chǎn)中用于升降人員、提升物料和下放材料的大型機(jī)械設(shè)備，也是礦山井下生產(chǎn)系統(tǒng)和地面工作相連接的紐帶。礦井提升機(jī)能否安全運(yùn)行，將對(duì)礦山生產(chǎn)和建設(shè)的正常造成直接影響，甚至有可能威脅到工作人員的生命安全，其重要性不容忽視。

礦井提升機(jī)的故障可分為硬故障和軟故障這兩類。硬故障主要指提升機(jī)中一些特定的參數(shù)出現(xiàn)了超限的表現(xiàn)，這一類故障可通過對(duì)保護(hù)裝置的設(shè)置來進(jìn)行解決；軟故障則要通過多種工況參數(shù)的測(cè)試，并經(jīng)過對(duì)相關(guān)數(shù)據(jù)的分析和處理才能得以診斷，而且因?yàn)檐浌收蠈?duì)工況參數(shù)的變量牽涉較多，往往導(dǎo)致對(duì)其無(wú)法進(jìn)行準(zhǔn)確判斷。但是軟故障卻通常是硬故障發(fā)生的前提與預(yù)兆，因此加強(qiáng)對(duì)提升機(jī)軟故障的及時(shí)預(yù)報(bào)和診斷是非常重要的。

目前，為了保證提升機(jī)的安全、正常的運(yùn)行，我國(guó)開展了大量的研究工作，取得了一定的成績(jī)，并針對(duì)性的開發(fā)出了相應(yīng)提升機(jī)的檢測(cè)和故障診斷裝置。例如ASCC型全數(shù)字提升機(jī)控制系統(tǒng)、KJ46性礦井提升機(jī)檢測(cè)診斷裝置等等，都具備了對(duì)礦井提升機(jī)運(yùn)行參數(shù)的檢測(cè)和故障診斷的功能，并同時(shí)包含了超速保護(hù)、制動(dòng)失靈保護(hù)和過卷保護(hù)等方面的作用，在實(shí)際工作中取得了較好的效果。

2、采煤機(jī)檢測(cè)和故障診斷

采煤機(jī)是一個(gè)集機(jī)械、電氣和液壓為一體的大型復(fù)雜系統(tǒng)。因煤礦井下工作環(huán)境惡劣而且復(fù)雜，如果采煤機(jī)出現(xiàn)故障將容易導(dǎo)致整個(gè)采煤工作的中斷，造成巨大的經(jīng)濟(jì)損失。隨著當(dāng)前煤礦工業(yè)的發(fā)展，采煤機(jī)功能越來越多，且自身的結(jié)構(gòu)和組成愈發(fā)復(fù)雜，導(dǎo)致故障發(fā)生的原因也隨之復(fù)雜化。同國(guó)外先進(jìn)的采煤機(jī)比較，國(guó)產(chǎn)的采煤機(jī)在故障檢測(cè)診斷技術(shù)方面還相對(duì)落后，主要表現(xiàn)在檢測(cè)參數(shù)的缺少和檢測(cè)范圍的不全面，并且無(wú)故障診斷功能。

為徹底改變國(guó)產(chǎn)采煤機(jī)無(wú)故障診斷功能和檢測(cè)水平低的現(xiàn)狀，原煤炭部將“采煤機(jī)工況檢測(cè)及故障診斷系統(tǒng)”的研制列入了“九五”重點(diǎn)科技攻關(guān)計(jì)劃當(dāng)中。該故障檢測(cè)診斷系統(tǒng)主要包括了機(jī)身檢測(cè)單元、左右搖臂檢測(cè)單元、變頻器通信單元、工況檢測(cè)及故障診斷單元、高壓控制箱檢測(cè)單元、檢測(cè)顯示單元這六個(gè)單元，在當(dāng)前已取得了較為顯著的成效。

3、通風(fēng)機(jī)檢測(cè)和故障診斷

當(dāng)前應(yīng)用于礦井通風(fēng)機(jī)的故障檢測(cè)診斷的裝置較少，主要包括了FJZ型礦井主風(fēng)機(jī)監(jiān)測(cè)與故障診斷儀、KFC—A型通風(fēng)機(jī)集中檢測(cè)儀等裝置。FJZ型礦井主風(fēng)機(jī)監(jiān)測(cè)與故障診斷儀是以8098單片機(jī)作為核心的通風(fēng)機(jī)檢測(cè)與故障診斷系統(tǒng)，并實(shí)現(xiàn)了主風(fēng)機(jī)的機(jī)械故障診斷和在線監(jiān)測(cè)的一體化。該系統(tǒng)的主要功能包括了：

（1）實(shí)時(shí)檢測(cè)功能。包括了對(duì)風(fēng)量、負(fù)壓、風(fēng)機(jī)振動(dòng)烈度、軸溫、通風(fēng)機(jī)電流、軸心規(guī)矩等的檢測(cè)。

（2）智能診斷功能。指利用了主機(jī)內(nèi)自帶的專家系統(tǒng)，對(duì)通風(fēng)機(jī)常見機(jī)械故障進(jìn)行診斷。

（3）報(bào)警和打印功能。根據(jù)工作實(shí)際，對(duì)通風(fēng)機(jī)的各種參數(shù)值進(jìn)行報(bào)警設(shè)置，超過設(shè)計(jì)限制即會(huì)進(jìn)行自動(dòng)報(bào)警并進(jìn)行打印記錄。

4、高壓異步電動(dòng)機(jī)檢測(cè)和故障診斷

高壓異步電動(dòng)機(jī)在礦山生產(chǎn)與建設(shè)中，起著非常重要的作用。其故障的發(fā)生，不僅會(huì)給礦山企業(yè)帶來極大的經(jīng)濟(jì)損失，還會(huì)影響到正常的生產(chǎn)與運(yùn)營(yíng)。隨著當(dāng)前信號(hào)處理技術(shù)和人工智能技術(shù)的發(fā)展與應(yīng)用，異步電動(dòng)機(jī)的故障檢測(cè)診斷技術(shù)也得到了極大的突破，并已取得了良好的效果。當(dāng)前高壓異步電動(dòng)機(jī)故障常見的檢測(cè)與診斷方法包括了局部放電檢測(cè)、電流高次諧波檢測(cè)和磁通檢測(cè)這三種。

局部放電檢測(cè)是利用檢測(cè)定子電流的高頻檢測(cè)儀和電流互感器，或者通過帶通濾波器和射頻天線檢測(cè)局放脈沖，以辨別各種局放源來對(duì)定子的不同故障進(jìn)行診斷；電流高次諧波檢測(cè)則是利用定子電流的不平衡現(xiàn)象，檢測(cè)異步電動(dòng)機(jī)的定子繞組故障；磁通檢測(cè)是檢測(cè)電機(jī)內(nèi)部磁通在切向和徑向上分量的變化，進(jìn)而判定定子故障的方法，這種方法在當(dāng)前高壓電機(jī)的多種故障檢測(cè)中得到了較為廣泛應(yīng)用，但由于需要磁通檢測(cè)儀器，不方便使用，對(duì)弱信號(hào)也不易被檢測(cè)。

總 結(jié)

我國(guó)煤礦行業(yè)因?yàn)楦鞣N因素，機(jī)電設(shè)備故障檢測(cè)診斷技術(shù)仍處于較為簡(jiǎn)單的階段，推廣應(yīng)用都并不廣泛，在技術(shù)開發(fā)和研究工作的投入力度上還有待加強(qiáng)。同時(shí)，還應(yīng)加強(qiáng)與各個(gè)行業(yè)間故障檢測(cè)診斷技術(shù)的交流與合作，并進(jìn)行新技術(shù)的推廣與應(yīng)用，使煤礦機(jī)電設(shè)備的安全性、可靠性得到進(jìn)一步提高。

參考文獻(xiàn)：

[1]黃書雷.故障診斷技術(shù)在煤礦設(shè)備維修中的應(yīng)用[J].工會(huì)博覽:理論研究，2011（1）.