故障诊断范文

故障诊断范文第1篇

2.4.13加热试验

加热模拟试验是为了发现热车及气候炎热时发生的间歇故障，如果有些故障只是在热车时才出现。可能是有关元器件或传感器受热而引起的。此时应该针对某些怀疑的元器件进行加热试验(图214)，加热可采用电吹风对元器件、导线束、插接件、传感器、机电器、执行器等进行局部加热。加热是不能对电脑控制模块中的集成电路直接加热，加热温度也不宜超过80℃。电子元器件对温度非常敏感，有许多与温度相联系的故障大多与电子元器件的温度特性有关，采用加热模拟试验是最好的发现由温度引起的软故障的方法。对于半导体元件出现的二次击穿故障，最明显的特征为温度升高到极限时发生，待温度降低后又恢复正常。对于在炎热季节才发生的间歇故障的检查，可以采用汽车烤房加热的方式进行加热模拟试验。

2.4.14加湿试验

加湿模拟试验(图215)是为了发现在雨天或湿度较大时才会出现的间歇故障。加湿试验可以采用喷雾器局部加湿，也可以采用喷淋器或高压水枪对整车进行淋水或喷雾试验，并且通过试验查找发现故障所在部位。加湿试验前应该对电子设备进行必要的保护。以免积水锈蚀电子器件，喷水角度应尽量喷向空中，让水滴自由下落，千万不可将水直接喷淋在相关零部件上。

2.4.15加载试验

通过改变负载的试验，使得间歇故障再现出来是故障征兆模拟试验的一种形式，它包括电气载荷试验和机械载荷试验两种。

2.4.15.1电气载荷模拟试验

电气载荷模拟试验是为了发现可能由于电气负荷改变导致的间歇故障部位，它采用接通汽车所有电气设备，例如：刮水器、空调、冷却风扇、加热器和前照灯等电器设备等方式来进行试验，从而发现由于电气负荷改变导致的间歇故障(图216)。

2.4.15.2机械载荷模拟试验

机械载荷模拟试验是为了发现可能由于机械负载改变导致的间歇故障部位，它可以采用施加制动力矩或者是在底盘测功机上进行道路模拟试验的方式来进行，通过汽车在加载后的行驶状态试验来发现汽车的故障部位。

2.4.16加振试验

通过施加振动的方式，使得间歇故障再现出来是故障征兆模拟试验的最后一种形式，它包括电气元件振动试验和机械装置振动试验两种(图217)。

2.4.16.1电气元件模拟振动试验

针对某些怀疑导致间歇故障发生的元器件、导线、插接件、传感器、机电器、执行器等采用敲击(用手锤敲打、用手拍打)和伸拉摇摆(上下左右前后拉动)的方法检查是否存在虚焊、松动、接触不良和导线断裂等故障。操作时注意不可用力过大，以免损坏电子器件，尤其在拍打继电器部件时。千万不可用力过度，否则将会引起继电器触点开路。利用振动法进行模拟检测时，应随时注意被检元件的工作反应，以确定故障部位。

2.4.16.2机械部件模拟振动试验

针对机械部件在行驶中产生的间歇故障，如间隙过大导致的异响、摆动等现象，可以在试车中再现，也可以利用拉动和振动的方式进行试验。底盘振动试验台和底盘间隙检测仪可以在汽车静止停放时对汽车进行上下、左右以及前后等多个方向的振动、摆动试验，用以检查汽车底盘各个部分的间隙和振动响应情况。

2.4.17互换替换对比试验

互换替换对比试验是采用机械零部件或电气元器件互换和替换的方法进行的工作状况对比试验。当怀疑某一部件可能存在故障时，如果汽车上存在多个相同部件(例如：火花塞、高压线、各缸独立式点火线圈、喷油器、轮胎、轮鼓、、车轮轮速传感器、左右氧传感器等)时，可以采用互相对换试验的方法判断是否存在故障，例如互换某两汽缸的火花塞或喷油器，检查有故障现象的汽缸是否发生了相互转移现象。当通过直观检查从外观直接可以发现电气元器件(例如烧蚀、损坏等)或机械零部件(例如变形、断裂等)的损坏时，可以采用替换元器件、零部件的方法来判断外观损坏的零部件和元器件是否导致故障症状发生的故障点。这也就是汽车维修中经常采用的换件修理的正确应用方法，对于无法通过直观检查发现损坏部位的故障，不能盲目采用替换元器件、零部件的方法进行故障诊断。另外，对用于替换的元器件、零部件，首先应该进行工作性能试验证明其自身的完好性。

2.4.18分离隔离对比试验

分离隔离对比试验是采用拆除或阻断元器件、零部件以及系统装置的方法进行的工作状况对比试验。当怀疑某一个部件或系统可能存在故障时，采取拆除的方法进行判断就是分离试验，例如拆除机械部件(拆除节温器、拆除滤清器等)。

采用隔离的方法进行对比试验，例如电路的断路短路(断路喷油器、断路点火初级电路、短路高压线、断路步进式怠速马达、短路开关和继电器等)，直接给电器元件通电也是短路试验的一种方法。还有堵塞油气路(掐住真空管路、掐住回油管路等)。

直接喷涂油液也是一种分离隔离试验的方法，例如对进气管喷油(隔离燃油喷射系统)、给汽缸内加注机油等。

使用诊断仪进行断缸动力平衡试验也是隔离分离对比试验的典型应用，图218为日产汽车公司CONSULT诊断仪动力平衡试验显示屏幕(资料源自日产汽车公司CONSULT诊断仪使用说明书)。

图218(1)进入断缸试验显示界面，选择3#作为对象，但此时还没有真正开始断缸，此刻发动机各缸均处于正常工作状态，工作参数如下：发动机转速为1378rpm(r／min)；空气流量计输出为1.37V；怠速控制阀开度20％。

图218(2)按下测试开始键后，3#开始断缸，发动机处于单缸不工作状态，工作参数如下：发动机转速为1250rpm，空气流量计输出为1.36V，怠速控制阀开度20％。

故障诊断范文第2篇

关键词：汽车；故障诊断；发展

现代汽车的技术性能已变得越来越好，结构也变得越来越复杂，同时，故障诊断的难度也有了相应的增加，人们迫切需要提高系统的可靠性、可维修性和安全性，因而有必要建立一个监控系统来监控整个系统的运行状态，不断检测系统的变化和故障信息，进而采取必要的措施，防止事故的发生。因此，汽车故障诊断技术得到迅速发展，已成为科技研究的热点之一。汽车故障诊断技术是一门综合性的技术，它涉及多门学科，如现代控制理论、信号处理、模式识别、计算机工程、人工智能、电子技术、应用数学、数理统计以及相关的应用学科。

1传统的汽车故障诊断技术

1．1万用表诊断

汽车故障一般分为持续性故障和间歇性故障，万用表诊断主要针对持续性故障，比如电路的断路、短路、电子元件的损坏等。

1．2汽车示波器

汽车示波器的诞生为汽车修理技术人员快速判断汽车电子设备故障提供了有力的工具无需任何设定和调整就可以直接观察波形了，它的设定调整是全自动的。

1．3专业综合诊断

专业综合诊断以将单项、分散的检测设备联线建站为特征，使诊断工作成为汽车维修工作中一项新的专门任务。诊断工作是依靠仪表和设备，在不解体或不拆卸零件的情况下，得到一系列准确数据，并与规定的标准技术参数相比较，以确定汽车零部件是否需要维修或更换。

2现代汽车故障诊断技术

随着汽车电子技术的应用和发展，汽车电控系统日趋复杂。传统的诊断方法和诊断设备无论是精确度和使用方便性，还是对汽车技术发展的适应性，均不能满足用户的需要。为了提高故障诊断技术，不断完善诊断理论和方法，必须广泛应用各学科的最新发展成果，并且借助于数学工具和计算机。目前应用的主要方法有：

2．1人工经验诊断法

人工经验诊断即直观诊断，其特点是不需很多设备，在任何场合都可进行，诊断的准确率在很大程度上取决于诊断人员的技术水平。

2．2故障树法

故障树(FTA)法是把故障作为一种事件，按其故障原因进行逻辑分析，绘出树枝图。树枝图中，每下一级事件都是上一级事件的原因，而上一级事件是下一级事件引起的结果。

2．3故障症状关联表

故障症状关联表描述故障症状和故障部位之间的关系，通常用关联表表示。表中的行标明故障症状，列标明相关部件或子系统。当相互关联时，在对应的交叉点作标记；如果资料完整，也可以用1、2、3、4、⋯⋯标出其检查顺序，其中1表示可能性最大的原因，2表示次之，以此类推。

2．4普通仪器设备诊断

普通仪器设备诊断是采用专用测量仪器、设备对汽车的某一部位进行技术检测，将测量结果与标准数据进行比较，从而诊断汽车的技术状况，确定故障原因。

2．5汽车电脑专用诊断设备

汽车电脑专用诊断设备主要用于本公司生产的车系。如大众公司的V．A．G1551及V．A．G1552、通用公司的Tech一2、本田公司的PGM、雪铁龙公司的FLIT等。它们不但能读取各系统的故障代码，而且还具备执行元件诊断、部件基本设定与匹配及阅读测量运行数据、清除故障代码等功能。

2．6汽车电脑通用诊断设备

汽车电脑通用诊断设备(如元征X431、车博士、修车王等)把故障诊断的逻辑步骤及判断数据编成程序，由计算机执行各车系的诊断过程。

2．7汽车电脑自诊断系统

一般汽车电脑含有自诊断系统，用于检测信号网的故障。如有故障，仪表板上的发动机警告灯“CHECK”亮，通知驾驶员汽车存在故障。系统进入自诊断后，即可通过故障指示灯的闪烁次数读取故障代码。自2001年以来，美国的安然、世界通信、默克制药、施乐和法国的威旺迪等国际大公司相继曝出假账丑闻，而且愈演愈烈。这些国际大公司的丑闻不仅引起人们的震惊和愤怒，同时严重打击了投资者的信心，欧美两地的股市频频刷新历史低点，给刚刚复苏的美国经济蒙上了一层阴影，

2．8汽车检测站

在由外观检测、尾气检测、前轮定位检测、制动性能检测、底盘测功、灯光检测等工位和相应检测设备组成的检测流水线上，在标准测试条件和方法下对汽车进行室内检测，将检测数据与标准数据相比较，检查车辆的运行状况。

3汽车故障诊断技术的发展趋势

近年来，一些新的科学分支的出现和发展及其在设备故障诊断中的成功应用，为汽车故障诊断技术的发展开拓了新的途径。如基于信号处理的小波分析法；基于人工智能的神经网络法；分形几何在汽车故障诊断中的应用等。

随着计算机、电子、汽车等高新技术的发展，汽车故障诊断技术发展会非常迅速，将朝着网络化、多功能化、智能化和专家系统化发展的方向迈进，以微机及其网络为平台组织并综合集成各种专用分析仪器，资源共享。现代汽车故障诊断技术的研究和生产应用，今后必将得到更加深入和迅速的发展，在生产力发展中发挥更大作用。

参考文献：

［1］江冰．现代汽车故障诊断技术的探讨［J］．山西交通科技，2002，(4).

［2］韩大明．汽车故障诊断技术及其应用［J］．林业机械与木工设备，2002，(6).

故障诊断范文第3篇

【关键词】汽车ABS；故障诊断；BP神经网络

1引言

随着汽车相关技术的快速发展，人们对车辆行驶速度的要求越来越高，交通事故也日益频繁，近年来，我国因制动方面的故障而发生的交通事故占60%以上。作为汽车的主动安全装置之一的汽车防抱死制动系统（Anti-lockBrakingSystem，ABS),通过调节车轮制动力来防止车轮抱死，因此对ABS系统故障诊断技术的研究具有重要意义。

2ABS系统的工作原理

目前，典型的ABS系统主要由车轮转速传感器、电子控制单元（ECU）和制动压力调节器三个部分组成，车轮转速传感器，电控单元计算分析车轮速度、滑移率、加减速等信息后，向压力调节器发出制动压力控制指令，控制制动压力增加、减小或不变，以调节制动力矩与地面附着状况相适应。

3ABS系统故障分析

通常根据故障指示灯的闪烁规律对ABS系统进行排查和维修。正常情况下，点火后指示灯闪后，发动机启动后，指示灯熄灭，进入正常工作状态；如果ABS系统以及其制动系统发生故障，则指示灯会间歇性闪亮不正常等现象。故障原因包括5种：①车轮转速传感器信号不良；②电控单元内部故障；③制动调节电磁阀故障；④指示灯故障；⑤液压电泵故障。其中车轮转速传感器和电磁阀（调节器）故障是故障发生的主要原因，对其进行诊断，分析故障模式和故障原因[1]。

4基于BP网络的故障诊断

BP神经网络是误差反向传播（ErrorBackPropagation）单向传播的多层前馈网络,包括输入层、隐含层和输出层，隐含层的数有多个，采用是三层神经网络。

4.1确定节点数

根据故障模式和原因分析确定BP网络的输入层和输出层节点数。以故障模式X=｛x1、x2、x3、x4、x5、x6｝输入，原因输出Y=｛y1、y2、y3、y4、y5｝；同理，对于调节器来说，以故障模式X=｛x7、x8、x9、x10、x11、x12｝输入，以故障原因Y=｛y6、y7、y8、y9、y10｝为样本输出，对应6个输入节点和5个输出节点。即输出结果中yi=0示无故障，yi=1示相应位置发生故障。选取10个样本数据分析研究，以多种故障原因的模式作为训练样本，建立故障模式与故障原因之间的映射关系。确定网络模型后，激活函数，一般BP采用S型函数，具有非线性放大系数功能，变换为（-1,1）间的输出。S型函数分:tansig函数（值域在（0,1））和logsig函数。

4.2网络的训练与仿真

值域在（-1,1）），将输出限制（0,1），S型作为输出函数，隐含层来说，将两种分别训练，对比结果，选择隐含层函数。结果表明隐含层采用tansig函数需1950步迭代网络收敛，而隐含层采用logsig函数预先步数2500，曲线趋于平行网络未能收敛，未能进行故障诊断。因此，对传感器的故障诊断采用隐含层为tansig的BP神经网络。选取2s时速度数据作为检验样本，因2s时相应车轮抱死代表与其对应的轮速传感器发生故障，得到仿真结果。对于调节器，隐含层采用tagsig函数的网络需1963步迭代后网络收敛，而隐含层采用logsig函数的网络迭代2727时，网络最小梯度达到下限，但性能目标未达到。因此，故障诊断采用隐含层为tansig函数的BP神经网络。结果得出传感器的最大误差,0.0051，最大误差为0.0035，两种BP神经网络训练后可满足故障诊断要求。但是仍存在以下不足：①迭代次数较多，训练时间较长；②易陷入局部极小值导致训练失败；③预测能力与训练能力出现“过拟合”现象。

5基于改进BP网络的故障诊断

针对BP网络改进方案主要分为:启发式改进和数值优化改进。启发式改进法是通过改进BP神经网络各项参数来克服网络学习中的各项缺陷，在解决复杂问题时，而数值优化方法在求解非目标函数时收敛快，受到专家学者的青睐。基于数值优化的改进方法包括牛顿法、共轭梯度法和Levenberg-Marquardt(L-M)法等,采用L-M法对BP神经网络优化，基本计算步骤如下：①对权值和阈值向量初始化，并给出训练误差精度ε，因子β，常数μ0，并令μ=μ0；②计算网络输出以及指标函数E[w（k）]：基于L-M算法的BP网络中，根据迭代结果自动调整比例系数μ，即动态调整迭代的收敛方向，使得每次的误差下降，收敛速度更快，训练精度也更高[2]。根据L-M算法进行训练仿真所示。选取2s时速度数据特征值作为传感器训练网络模型的检验样本，选取1.5s时的速度数据特征值作为调节器训练网络模型的检验样本，得到仿真结果。对比发现：采用基于L-M算法的网络训练方法迭代次数更小，收敛速度明显提高[3]。

6结论

本文根据ABS系统的工作原理，总结常见的故障实例以及诊断方法，从中找出问题，结合MATALAB仿真结果，对比发现后者有效克服了传统神经网络的问题，改善了训练效果，提高了诊断的效率和精度，为ABS故障诊断增加了一种可行途径。

【参考文献】

【1】丁舒平,余同进.道路交通事故的间接成因分析[J].公路交通科技:应用技术版,2009(3):170-171+182.

【2】王华中,钱晋,陈明福.汽车检测与诊断技术[M].湖南：中南大学出版社,2012.

【3】李巍.汽车ABS/ASR/BAS/DSC/ESP系统维修实例精选及剖析[M].北京：机械工业出版社,2010.

故障诊断范文第4篇

[关键词]时滞系统 故障诊断 状态观测器 无时滞变换

[中图分类号]TP273 [文献标识码]A

引言

在现代实际的工业生产过程中，由于受信息传输技术和测量技术的影响，时滞现象普遍存在。时滞通常会导致系统不稳定、性能恶化，甚至可能造成整个系统的瘫痪。因此，对于时滞系统的研究已引起人们的广泛关注。同时，随着科学技术的快速发展，工程设备变得越来越复杂，这样使得故障诊断和容错控制问题的研究显得尤为重要。所以，研究时滞系统的故障诊断和容错控制问题，提高系统的可靠性及稳定性，具有十分重要的理论和现实意义。近些年来，有关时滞系统的故障诊断和容错控制问题的研究已成为控制领域的研究热点，并取得了一定的成果[1-8]，但相对于无时滞系统[9-11]来说还是较少。文[3]针对状态时滞系统，设计了一种故障检测的未知输入观测器，依据Razumikhin定理，给出了该观测器的存在条件及稳定性和收敛性的证明；文[7]针对状态时滞线性系统提出了一种基于观测器的故障诊断器以及自修复容错控制律的设计方法；文[8]研究了同时含有状态时滞和测量时滞的线性时滞系统的故障诊断器的设计问题。以上文献大都利用残差诊断时滞系统的故障，残差的存在会导致由于阈值选择不当而产生的漏报和误报的情况。为了避免此类不利情况的发生，本文综合考虑了系统发生执行器故障和/或传感器故障的情况，针对含有状态时滞的线性系统，研究了其基于观测器而不利用残差体现故障的故障诊断方法及其基于观测器的故障诊断方法的故障可诊断性问题，从而避免了故障误报和漏报情况的发生，同时具有响应速度快的优点。

二、系统描述和无时滞转换

（一）系统描述

考虑如下带有故障的线性时滞控制系统：

其中，x（t）∈Rn，u（t）∈Rp，y（t）∈Rq分别为系统的状态向量，控制输入向量和输出向量；f（t）∈Rm为故障信号向量且可以是不可测量的。A0，A1，B，C，D1和D2是具有适当维数的常量矩阵。d>0为状态滞后时间常数。

假定故障f（t）的动态特性是已知的且可由下列外系统来描述

为外系统（2）的状态向量，故障的初始时刻t0和初始状态 是未知的。G∈Rr×r和F∈Rm×r为常量矩阵。 和 fa∈Rm1分别代表执行器故障状态向量和执行器故障向量，执行器故障的初始时刻为ta； 和fs∈Rm2分别代表传感器故障状态向量和传感器故障向量，传感器故障的初始时刻为ts。当t

注1外系统（2）是阶跃故障、周期故障、衰减故障、发散故障等常见的连续变化故障的通用表达式。

（二）无时滞转换

时滞项的存在使系统的故障诊断和容错控制律的设计变得较为困难，为此，我们引入线性变换把时滞系统转化成无时滞系统。考虑依赖于矩阵 的线性变换

三、故障的可诊断性

为了能利用成熟的观测器理论进行故障诊断，我们把原系统和故障构成一个不显含故障的增广系统。令

众所周知，如果能观测出故障的状态，也就诊断出了故障，故对故障的诊断就转化为对系统中故障状态进行观测。

至此，我们已将含状态时滞系统的故障诊断问题转变为无时滞系统（9）的可观测性问题，只要观测出系统（9）的状态即可诊断出系统中的故障。

记S（*）为*的特征值集合，λ∈S（A2）为A2的任意的特征值；λA∈S（A）为A的任意的特征值；λG∈S（G）为G的任意的特征值。

定理1 （C2，A2）完全能观测，即故障可诊断的充分条件是：（（C（λI-A）-1D1F+D2F），G）、（DF，G）和（C，A）都是完全能观测的。其中D=[D1T D2T]T，λ∈（S（G）-S（A）∩S（G））为S（G）-S（A）∩S（G）的任意特征值。

下面我们根据特征值的不同，分三种情况讨论。

由能观性的PBH特征向量判据知，（C2，A2）是能观的。即当λ=λA≠λG时，若（C，A）是完全能观测的，则（C2，A2）是完全能观测的。

（Ⅱ） λ=λG∈（S（G）-S（A）∩S（G））即λ=λA≠λG时，

由能观性的PBH特征向量判据知（C2，A2）是能观的。即当λ=λA≠λG时，若（（C（λI-A）-1D1F+D2F），G）是完全能观测的，则（C2，A2）是完全能观测的。

由能观性的PBH特征向量判据知（C2，A2）是能观测的。即当λ=λA≠λG时，若（C，A）和（DF，G）都是完全能观测的，则（C2，A2）是完全能观测的。

证毕。

注2 当A和G没有相同的特征值时，（C2，A2）完全能观的充分条件就简化为：（C，A）和（（C（λI-A）-1D1F+D2F），G），λ∈S（G）都是完全能观测的。

四、故障诊断

构造一个非奇异矩阵

其中，H1∈R（n+r）×（n+r-q），H2∈R（n+r）×q；H11，H12，H21和H22都是适当维数的矩阵。则关于由（1）和（2）描述的线性时滞系统的故障诊断器的设计，我们给出如下定理：

定理2考虑由（1）和（2）描述的线性时滞系统，在满足定理2的条件下，其故障诊断器可由下式描述

注3上述诊断器的优点是响应速度快，如果响应速度要求不是太高，则可以构造下列简单的基于全维观测器的故障诊断器，因此关于故障的可诊断性的讨论具有普遍性。

五、仿真例子

考虑由（1）式描述的系统，其中

考虑由（2）描述的故障，其中

其中传感器故障发生在ts=20s，执行器故障发生在ta=30s，所以t0=20s。

取故障诊断器的极点为-3、-3±j1、-1±j1。依照Ackermann公式，可得到故障诊断器的反馈增益矩阵L如下

采用式（25）所设计的故障诊断器，用MATLAB进行仿真。图1为系统的实际输出，图2为故障诊断器输出的执行器故障的诊断值和真实值的对比曲线图，图3为故障诊断器输出的传感器故障的诊断值和真实值的对比曲线图。

由图1可看出，在t=20s和t=30s时，系统中分别有故障发生.由图2和图3可看出，该故障诊断器诊断出的执行器故障值和传感器故障值均渐近趋近于它们各自的真实值，说明本文所提出的故障诊断方法及故障可诊断性判据是有效的和可靠的。

六、结论

本文针对含状态时滞的线性系统，研究了其故障诊断方法，给出并证明了基于观测器的故障可诊断性的充分条件，进而设计了无需残差体现故障即可实时诊断故障的故障诊断器。仿真结果证实了本文提出的故障诊断方法及故障可诊断性判据的可行性和有效性。

[参考文献]

[1]Koenig D，Bedjaoui N，Litrico X.Unknown Input Observers Design for Time-Delay Systems Application to an Open-Channel[A].Proceedings of the 44th IEEE Conference on Decision and Control，and the European Control Conference [C].Piscataway，United States：Institute of Electrical and Electronics Engineers Computer Society，2005：5794-5799.

[2]Yang H L，Saif M.Observer Design and Fault Diagnosis for State-Retarded Dynamical Systems[J].Automatica，1998，34（2）：217-227.

[3]马传峰，钟麦英，何宁.线性时滞系统故障检测滤波器设计 优化方法 [J].控制与决策，2006，21（5）：550-554.

[4]Mao Z H，Jiang B.Fault Estimation and Accommodation for Networked Control Systems with Transfer Delay [J].Acta Automatica Sinica，2007，33（7）：738-743.

[5]Tang G.Y，Li J.Optimal fault diagnosis for systems with delayed measurements[J].IET Control Theory and Applications，2008，2（11）：990-998.

[6] Lv X，Li J.Fault Diagnosis and Self-Restore Fault-Tolerant Control for Systems with State Delays[A].Proceedings of the 21st Chinese Control and Decision Conference[C].Guilin，China，2009：914-918.

[7]李娟，吕新丽.含两类时滞的线性系统的故障诊断及故障可诊断性[J]. 计算机应用研究，2009，20（1）：151-155.

[8]Wu L，Yao X，Zheng W X.Generalized H2 fault detection for two-dimensional Markovian jump systems[J].Automatica，2012，48（8）： 1741-1750.

[9] Zhu Y，Jin X，Du Z.Fault diagnosis for senors in air handling unit based on neural network pre-processed by wavelet and fractal[J].Energy and Building，2012，44：7-16.

[10]Paoli A，Sartini M，Lafortune S.Active fault tolerant control of discrete event systems using online diagnostics[J].Automatica，2011，47（4）：639-649.

作者代表性论文及研究项目和成果：

[1]Lv X，Li J.Fault Diagnosis and Self-Restore Fault-Tolerant Control for Systems with State Delays[A].Proceedings of the 21st Chinese Control and Decision Conference[C].Guilin，China，2009：914-918.

[2]李娟，吕新丽.含两类时滞的线性系统的故障诊断及故障可诊断性 [J]. 计算机应用研究，2009，20（1）：151-155.

[3]时滞非线性系统的故障诊断方法研究.2010年山东高等学校优秀科研成果三等奖（自然科学）.2010年.

故障诊断范文第5篇

西门子PROFIBUSDP总线出现故障时，通讯就会时好时坏甚至完全中断，而时好时坏是最难排查的。PROFIBUSDP总线故障主要体现在三方面，一是总线受外部干扰，二是DP插头损坏，三是DP总线接地。

2PROFIBUSDP总线通讯网络组成

PLC是控制核心，它要通过PROFIBUSDP总线收集现场各个ET站的信号，然后对这些信号进行处理，同时又向现场ET站发送指令。但DP总线的通讯又受到距离的限制，波特率在9.6到187.5kbit/s时，整个网络的总线长度不能超过1000m，波特率在500kbit/s时，整个网络的总线长度不能超过400m，波特率在1.5Mbit/s时，整个网络的总线长度不能超过200m，波特率在3到12Mbit/s时，整个网络的总线长度不能超过100m。

3DP总线布置要点

防干扰是DP总线布置的首要任务，因此，布置DP总线要注意以下几点：（1）若现场有多层电缆桥架时，DP总线放在最上面一层，且这一层中不能有超过24VDC的电缆。（2）DP总线与其它动力电缆发生交叉时，一定不能缠绕在其它电缆上。（3）DP总线的敷设长度应尽量缩短，如有必要，在网段中间增加一个中继放大器。

4故障分析

4.1总线受外部干扰若机组通讯时好时坏，我们首先要检查PROFIBUSDP总线的屏蔽层是否与动力电缆连接在一起了，或者PROFIBUSDP总线环绕在动力电缆上了。（1）当DP总线的屏蔽层和动力电缆连接在一起时，DP总线的屏蔽层就会有和动力电缆上一样的交流电压，甚至还有交流电流从屏蔽层上流过。只要有交流电流，就一定会产生磁场，磁场又会在DP总线上产生电动势，这样就严重影响了DP总线的正常通讯。（2）当DP总线环绕在动力电缆上时，动力电缆周围会有漏磁。比如单股的220V交流动力电缆，当零线和火线不在一起时，其周围会产生磁场，这个磁场同样会在DP总线上产生一定的电动势，影响DP总线。

4.2DP插头损坏判断DP插头是否损坏，就要依据总线通讯原理来查。现场所有连接好的DP插头都要拔掉，不能插在各个从站上。PROFIBUSDP总线必须按照如图1的顺序连接各个DP插头：①每个DP插头的内部电阻都是220Ω，且每个DP插头都有一个拨码开关，其中DP1、DP4的拨码开关打到ON，其余三个都是打到OFF，则R处的电阻应为110Ω，即R处的电阻相当于DP1和DP4的2个220Ω的电阻并联，而DP3、编码器DP、DP2相当于A1、A2短接，B1、B2短接。相当于图2示意图。这就是一个完整的、正确的PROFIBUSDP网络图。②若把DP2打到ON，DP1、DP4为ON，编码器DP、DP3为OFF，则相当于DP2的A1、B1之间串接了一个220Ω的电阻,且A1、A2之间完全断开，B1、B2之间完全断开。这样，DP2就与其后的编码器DP、DP3、DP4完全断开了。则R处的电阻应为110Ω，即R处的电阻相当于DP1和DP2的2个220Ω的电阻并联。相当于图3示意图。

4.3DP总线接地任何一段DP总线都会有破损而接地的时候。比如一节穿过移动拖链的DP总线，当拖链来回移动时，DP总线也随之发生弯曲、延伸等。久而久之，DP总线的绝缘层就会老化、破皮，导致DP总线的铜丝和金属拖链直接接触。这时，虽然DP总线还是能够通讯，但偶尔会中断一下。DP总线接地如图4所示。由于DP总线在正常通讯时，总线上是有一定电压和电流的，一旦某一根网线接地，就会改变两根总线之间的电压。通过总线传输的数据信号就会发生波动，PLC就会报警。

5故障诊断注意事项

（1）PROFIBUSDP总线的两端DP插头必须打到ON，中间的都要打到OFF。（2）连接DP插头的总线顺序不能出错，每个DP插头都是A1、B1进，A2、B2出。（3）总线屏蔽层要有效接地，总线不能和任何动力电缆缠绕在一起。

6现场故障及处理

在马钢硅钢连退线正常生产的过程中，操作工反映通讯丢失，HMI画面报“PROFIBUSERROR”故障；维护人员到达现场后，发现S7-400CPU报故障并自动将PLC状态从运行切换为停止，将CPU状态进行切换为运行后,PLC又可以重新使用。可是过了一段时间以后，再次发生相同故障。于是维护人员对西门子S7程序相关模块程序进行检查。首先，通过S7确定了可能发生故障的几个站点，然后到现场逐一排查这几个站点的PROFIBUS总线接口。经检查发现，其中几个站点9针插头完好，并没有氧化的情况，检测接头也是拧紧的状态，与线缆连接牢固，接口正常。只有一处站点的PROFIBUS总线有破皮现象，维护人员对该段电缆进行了更换，故障随后消除，系统恢复正常。从而判断是因为破皮电缆导致该段总线接地，造成通讯偶尔发生中断。

7结束语

在目前各个工厂的生产现场，都普遍使用DP总线替代普通电缆，尤其是带DP接口的编码器和其它传感器。DP总线连接方便、简洁，并且能够大量的减少普通电缆的浪费。

故障诊断范文第6篇

1RS优化的信息融合故障诊断模型

基于粗糙集(RoughSet，RS)优化的信息融合故障诊断方法是依据粗糙集理论本身具有严谨的内在逻辑关系，无需对预处理信息进行经验或知识积累，是处理模糊性和不精确性问题的较为理想的数学工具。因而利用粗糙集理论对电力变压器故障系统大量数据进行前期处理，能够在保留关键信息的前提下对故障数据进行最大限度的约简，既去除了大量冗余信息，缩减了故障信息的规模，又保证了变压器故障诊断数据的客观性和精确性。再将粗糙集约简后的变压器故障数据用于信息融合技术中，通过Dempster-Shafer证据理论(D-S证据理论)方法进行数据融合，利用证据理论实现对非精确信息的正确推理，解决了信息融合数据的组合爆炸问题，从而得到精确的诊断结果。其故障诊断系统框图如图1所示。通过仿真验证了以粗糙集为工具、以信息融合理论为基础，可以有效地实现对油浸式电力变压器故障信息的检测与隔离。因此，粗糙集和信息融合相结合的电力变压器故障诊断方法相比于其他的故障诊断方法具有非常明显的优势。

2粗糙集理论的决策表约简法

2.1样本数据的选取依据样本数据的选取原则，通过收集华北电网虹桥220kV变电站多台油浸式电力变压器的历史故障数据，共得到近百个样本，选择其中比较有代表性的6个样本整理成原始样本决策表，如表1所示，诊断结果对应的实际故障类型为：1、无故障；2、低能放电；3、高能放电；4、中低温过热；5、高温过热。

2.2决策表的约简粗糙集理论的核心思想实质上是在保持其分类能力不变的情况下，通过知识约简，导出问题的分类或决策规则。若用粗糙集理论处理决策表时，则要求决策表中的各值均用离散值表示。本文先利用等频率划分离散法对原始决策数据进行离散化，再由粗糙集约简法进行故障数据的约简，等频率划分离散法是根据给定的参数将这个属性的取值从小到大进行排列，最后平均划分为k段，即得到断点集。其中以C2H2/C2H4为例，经等频离散化后的结果如表2所示。然后再进行样本数据的约简，其结果见表3。表3中，0表示C2H2/C2H4的属性值落在区间{[0.000，0.002]}中，1表示其属性值落在区间{[0.002，0.005]、[0.005，0.007]、[0.007，0.008]、[0.008，0.051]、[0.051，0.211]}中，2表示其属性值落在区间{[0.211，1.131]，[1.131，1.165]、[1.165，1.210]、[1.210，1.343]}中。其他的输入特征矢量的离散化和约简形式同上，在此不一一列出。其中在对12种故障样本气体含量的比值各自实现条件属性的约简后，若删除第K个条件属性时的决策属性与未删除前的决策属性没有什么不同，则说明该条件属性可以省略；反之，该条件属性则不可省略。以此方法对这12个条件属性再进行约简，其形成的最终决策表如表4所示，约简后的故障特征属性由原始决策表中的12个减少为现在的5个，决策表规模大大减小，为下一步的PNN网络训练作好了优化工作。

3信息融合的故障诊断

D-S证据理论可以用来融合来自多信息源的相容命题，并对这些相容命题的交集(合取)命题所对应的基本信任分配函数赋值。相容命题是指命题之间有非空交集存在[7]。

4诊断结果判定

本实验将收集到的油浸式电力变压器的100组数据作为原始样本，运用以下两种方法进行故障诊断：(1)直接采用D-S证据理论算法进行信息融合；(2)采用经RS优化后的信息融合技术进行故障诊断。先以低能放电故障类型为例，对比两种方法的融合诊断结果，如表5所示，m1(f1)与m1(f2)值相近，仅从D-S证据理论融合结果不能分离出故障传类型，这是由于直接采集到的变压器原始故障数据中存在大量信息，易造成信息融合爆炸问题。而经RS优化后的D-S融合结果中，m(f2)最大，即该测量数据偏离正常值的程度也是最大的，充分利用粗糙集理论约简大量冗余和互补信息，并且保证关键信息不丢失，因而可以正确分离出变压器故障类型。另外，单一D-S证据理论融合结果经3次融合仍不能诊断出故障类型，RS优化后D-S融合结果一次融合后即可正确诊断出故障类型，可大大提高故障诊断系统的快速性。将上述的100组样本数据通过这两种方法进行故障诊断的结果整理成如下的直观的状态图。（1）单一信息融合技术的故障诊断结果信息融合故障诊断结果如图2所示，圆圈所对应的数值表示该样本经诊断后的故障类型序号，星号所对应的数值表示该样本的实际故障类型序号。诊断误差图中的误差值0表示诊断后的故障类型序号与实际故障类型序号相同，诊断结果正确；误差值2、-3表示诊断后的故障序号与实际故障序号的差值，诊断结果不正确。最后经过仿真发现诊断结果中有21个故障类型与样本实际故障类型不一样，其故障诊断准确率为79%。（2）RS优化的信息融合故障诊断结果粗糙集优化的信息融合诊断结果如图3所示，最后经过仿真发现诊断结果中只有3个故障类型与样本实际故障类型不一样，其故障诊断准确率为97%。可见，基于粗糙集优化的信息融合的电力变压器故障诊断准确率比单一信息融合技术的准确率要高，其方法应用于变压器故障诊断中，可以去除大量冗余信息，简化故障诊断系统的规模，且大大提高了故障诊断的准确性和快速性。

5结束语

该研究成果在油浸式电力变压器故障诊断方面具有广阔的应用前景，将粗糙集理论与信息融合技术结合，利用粗糙集在处理模糊性和不确定性问题上的优势对原始故障数据进行约简，既不受样本分布的影响，又对不完备信息具有较强的适用性，可在保证关键信息不丢失的情况下简化诊断网络规模，增强诊断系统的抗干扰性。进而利用信息融合进行故障类型分类，令故障特征与故障类别一一对应，且可区分多重故障类型，使诊断网络有较高的准确性和快速性。另外，将电力变压器在线监测技术与故障诊断技术相结合，把在线监测得到的数据整合到变压器故障分析中，能够更及时、更精确地诊断出变压器故障类型。

故障诊断范文第7篇

汽车故障诊断技术

一、汽车故障诊断的基本原则

由于汽车故障的种类比较繁多，所以在进行故障诊断时必须遵循一定的基本原因，这样可以使故障诊断的效率更高、质量更好。汽车故障诊断的基本原则大致上可归纳为以下几个方面：

（一）紧抓故障现象特征

当汽车发生故障后，大部分故障都会带有明显的特征，为了使故障诊断更加准确，应当全面搜集引起故障的现象，搞清楚故障是在使用中慢慢形成的还是突然之间发生的，又或是保养维修后出现的，在何种条件下故障现象最为明显，并在条件允许的前提下，通过改变汽车的运行状况来掌握故障现象的变化情况，从而搞清楚故障现象的具体特征，做出准确诊断。

（二）认真分析引起故障原因的本质

由于汽车本身具有精密性、复杂性和关联性等特点，从而使得大部分故障的发生都并非单一原因造成的，所以应当对引发故障的原因进行具体分析后再进行查找，这样可以节省故障诊断时间，有利于提高工作效率。如排气管冒黑烟，此类故障现象的本质是燃烧不完全，导致燃烧不完全的关键是油、气及其混合。

（三）切忌盲目拆卸

在进行汽车故障诊断的过程中，要避免盲目大拆大卸，这样不仅费时费力，而且还很容易在拆卸的过程中造成一些新的故障。

二、汽车故障诊断技术的具体应用

（一）汽车的常见故障

1.性能异常。此类故障问题的表现形式如下：动力性和经济性变差，如车辆高速行驶的速度明显降低、油耗增大等；舒适性变差，如振动和噪声过大等；稳定性变差，如车辆容易出现跑偏、车头摆振等现象。

2.异响。车辆的正常使用过程中，很多故障都会以异响的形式表现出来，若是响声较为沉闷且伴有振颤时，则表明车辆故障问题比较严重。

3.尾气异常。车辆的排气管冒黑烟多数是混合气浓度过大，主要是因为燃烧不充分导致的；若是排气管冒蓝烟，则表明车辆开始烧机油；如果排气管冒出大量白色烟雾，通常是燃料中含有一定的水分，也有可能是气缸含有水分或是室外温度偏低。

4.气味异常。汽车的刹车片以及离合器片上的非金属材质发出烧焦味；电气系统导线烧损发出的焦糊味；蓄电池的电解液发出异常难闻的臭味等等。

5.过热与渗漏。过热主要是指车辆某些部位的温度超过正常范围，如水箱过热、制动器过热等；渗漏则是指漏液、漏电和漏气，如机油、电解液、制冷剂渗漏等等。

（二）故障诊断技术的具体应用

下面通过几组故障诊断实例，对汽车故障诊断技术的具体应用进行介绍。

实例1：车型为一汽大众捷达，故障现象为车辆正常行驶过程中动力不足、加速缓慢，并且排气管常常会发出突突声，偶尔还会自动熄火。对于该车型可以采用诊断设备进行故障诊断，具体过程如下：先利用诊断设备对车辆发动机的电控系统进行检测，读取出来的故障码为16486，该故障码表示空气流量计信号过弱，随后对空气流量计进行分析结果表明进气量小于常规值，这说明可能是因为进气管存在漏气点造成的。通常情况下，导致空气流量计信号过弱的主要原因有流量计自身损坏、线路故障、进气管漏气以及空气滤芯堵塞等，此时可对进气管的各个接头部分和空气滤芯进行认真检查，如无异常便可判断是流量计出现问题，这样便可将流量计拆开进行检查，结果发现有一小块塑料挡住了格栅，将塑料拿掉后重新装好流量计试车，上述故障全部消除。

实例2：车型为上海大众桑塔纳2000，故障现象为发动机正常运转状态下，踩离合器有明显的沙沙声，并且随着发动机转速的升高响声也随之增大。故障诊断如下：按照上述的故障现象，首先对离合器的分离轴承进行检查，随后对曲轴后端支撑变速器一轴的小轴承加注了脂，并对轴承滚针的进行检查，结果均为发现异常，装好变速箱后响声仍旧存在；通过进一步听发现，离合器分泵活塞杆位置响声较大，并更换了相应的配件，但效果并不明显；经再次试车发现，刚踩下离合器踏板时，响声会瞬间消失，而后声响会逐渐增大，经过仔细分析发现，因为在刚踩下踏板时，一轴的转速与飞轮的转速非常接近，并且一轴的前轴承处于相对静止的状态，因而此时响声不明显，当一轴完全静止后，轴承随发动机转速不断上升，故此响声越来越大。根据分析结果将此处轴承进行更换后，异响消失。在对车辆的异响类故障进行诊断时，听是非常重要的手段之一，在听的过程中，应先搞清故障的部位，并分清异响的类型，这样可以少走弯路，有利于节省时间和成本。

实例3：车型为上海大众帕萨特B5，故障现象为不易起动。经故障诊断人员对车主进行询问后发现，该故障是在更换火花塞后开始出现的，随后对火花塞进行检查，结果发现，新更换的火花塞间隙与原有的火花塞间隙不同，进行校正后故障消除。通常情况下，驾驶员对自己的车辆情况都有一定的了解，在进行故障诊断时，通过询问能够掌握第一手资料，这样便可以为故障诊断提供可靠的依据，不但能够少走弯路，而且还有利于提高工作效率、节约成本。

三、结论

综上所述，本文通过几组实例，对汽车故障诊断技术的具体应用进行了介绍。文中的故障诊断技术多为传统方法，这并不是排斥先进仪器设备的诊断，而是借此提醒汽车维修人员，不要仅重视仪器诊断，却忽视了传统方法的作用。传统故障诊断技术应用的合理，不但能够提高工作效率，而且还能降低维修成本，其作用绝对是不容忽视的。

参考文献：

[1]张晶.王云龙.现代汽车维修中应用传统诊断技术浅析[J].中国科技财富，2011，（4）.

[2]马英.基于CAN的汽车电控系统故障诊断技术[A].中国汽车工程学会年会论文集[C].2008.11.

[3]唐黎标.传统诊断技术在现代汽车维修中的应用[J].汽车工程师，2009，（1）.

故障诊断范文第8篇

Abstract： Characteristics of the neural network and expert system are analyzed. Fault diagnosis for equipment base on neural network is constructed. A weak of the traditional method of fault diagnose is overcome. And availability of the method based on neutral network system is verified by experimental results of one equipment fault.

关键词： 神经网络；故障诊断；装备

Key words： neural network；fault diagnose；equipment

中图分类号：E911 文献标识码：A 文章编号：1006-4311（2012）32-0316-02

0 引言

随着武器装备复杂性不断增加，对武器装备维护和故障诊断提出了更高的要求。近年来，一些逐渐兴起的智能故障诊断方法，比传统方法能够更加快速，有效的诊断装备故障。

目前，人工智能技术的发展，特别是基于知识的专家系统技术在故障诊断中的应用，使得设备故障诊断技术进入了一个新的智能公发展阶段。传统的故障诊断专家系统虽然在某些领域取得了成功，但这种系统在实际应用中存在着一定的局限性，而人工神经网络技术为解决传统的专家系统中的知识获取，知识学习等问题提供了一条崭新的途径[1][2][3]。

1 神经网络模型原理

人工神经网络简称神经网络（Neural Network），具备并行性、自学习、自组织性、容错性和联想记忆功能等信息处理特点而广泛用于故障诊断领域，它通过对故障实例及诊断经验的训练和学习，用分布在神经网络中的连接权值来表达所学习的故障诊断知识，具有对故障联想记忆、模糊匹配和相似归纳等能力。人工神经网络在故障诊断中的应用研究主要有三个方面：一是从预测角度应用神经网络作为动态预测模型进行故障预测；二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；三是从知识处理角度建立基于神经网络的专家系统[4][5]。

1.1 神经网络基本模型 基于神经细胞的这种理论知识，在1943年McCulloch和Pitts提出的第一个人工神经元模型以来，人们相继提出了多种人工神经元模型，其中被人们广泛接受并普遍应用的是图1所示的模型[6]。

图1中的x0，x1，…，xn-1为实连续变量，是神经元的输入， θ称为阈值（也称为门限），w0，w1，…，wn-1是本神经元与上级神经元的连接权值。

神经元对输入信号的处理包括两个过程：第一个过程是对输入信号求加权和，然后减去阈值变量θ，得到神经元的净输入net，即

net=■w■x■-θ

从上式可以看出，连接权大于0的输入对求和起着增强的作用，因而这种连接又称为兴奋连接，相反连接权小于0的连接称为抑制连接。

下一步是对净输入net进行函数运算，得出神经元的输出y，即y=f（net）

f通常被称为变换函数（或特征函数），简单的变换函数有线性函数、阈值函数、Sigmiod函数和双曲正切函数。

根据本文的研究特点，变换函数f取为Sigmoid函数，即f（x）=■

1.2 神经网络知识表示 传统的知识表示都可以看作是知识的一种显示表示，而在ANN中知识的表示可看作是一种隐式表示。在ANN中知识并不像传统方法那样表示为一系列规则等形式，而是将某一问题的若干知识在同一网络中表示，表示为网络的权值分布。如下所示阈值型BP网络表示了四条“异或”逻辑产生式规则[7]：

IF x1=0 AND x2=0 THEN y=0

IF x1=0 AND x2=1 THEN y=1

IF x1=1 AND x2=0 THEN y=1

IF x1=1 AND x2=1 THEN y=0

基于这种网络知识表示结构，其BP网络结构如图2所示。

网络通常由输入层、隐层和输出层组成。网络第一层为输入层，由信号源节点组成，传递信号到隐层；第二层为隐层，隐层节点的变换函数是中心点对称且衰减的非负线性函数；第三层为输出层，一般是简单的线性函数，对输入模式做出响应。理论上已证实，在网络隐含层节点根据需要庙宇的前提下，三层前向神经网络可以实现以任意精度逼近任意连续函数的功能。

对于三层神经网络，其隐层节点和输出层节点输出为：

Hj=f[■wijxi-θj]，i=1，2，…，N；j=1，2，…，L

yk=g[■TjkHj-λk]，j=1，2，…，L；k=1，2，…，M

1.3 隐层神经元数 神经网络输入和输出神经元个数的确定可以根据实际需求而定，隐层神经元个数的确定对网络的能力也有直接的影响，个数太少，则神经网络的认知能力较差，影响其收敛程度和泛化能力，个数太多，则增加了计算量，降慢了网络的收敛速度，通常用以下几个公式来确定隐层神经元数：

l=■+a，a∈[1，10]，p

式中：l为隐层神经元数；n为输入层神经元数；m为输出层神经元数；p为样本总数。

2 故障诊断实例

以某型装备导弹测试车为例，说明神经网络在装备故障诊断过程中的学习和自适应过程。该装备故障知识表示如表1所示。左侧为装备故障征兆，右侧为装备故障原因。图中所示故障征兆与故障原因为对应关系，左侧故障征兆必然由右侧某一或多个故障原因引起。因此，故障征兆为神经网络的输入，由x1、x2…x9表示，如表2 所示。神经网络接收故障原因后，通过运算、诊断、判别，最终输出引起某一故障征兆的原因，由y1、y2…y8来表示。

2.1 故障诊断流程 故障诊断流程如图3所示。根据专家整理的故障征兆、故障原因知识，对知识进行区别、分类，形成神经网络知识库。并通过已知的学习样本对神经网络进行训练。故障诊断时，对故障现象进行知识表示，输入诊断系统，经过神经网络运算得出相应故障原因结果，由系统解释机制最终解释出来，到达输出端，提供给用户。如果系统诊断不到故障原因（即，无解），得出相应的结论，把该结论反馈至知识库存储，并更新网络知识库。

针对该型装备，我们选择8个样本进行网络系统训练，其中，xi=0表示无故障现象，xi=1表示故障现象；yj=0表示无故障原因，yj=1表示故障原因。神经网络训练知识表示样本，如表3。神经网络训练过程中，通过误差反向传播，不断自动学习，修改各个节点的连接权值和相应节点的阈值，一旦误差小于规定的ξ时，网络就会停止训练。网络训练完成后，就可得到固定的连接权值和相应节点的阈值。

2.2 故障诊断结果 根据网络训练结果进行诊断，把故障征兆输入系统，系统调用已经训练好的各层的连接权值和相应节点的阀值进行向前计算，最终得出训练结果，由输出端提供给用户。在实际输出与理想输出之间有差别，实际输出值可以无限接近理想输出值，但往往不能完全相同。如表4所示。

3 结论

本文研究了模糊神经网络的原理和实现形式，提出了基于神经网络的故障诊断系统构建原则，并以某型装备故障为例，进行了实验。实验结果表明：人工神经网络故障诊断可以克服以往传统装备故障诊断不足，提高装备故障诊断效率，体现出了重要的意义和价值，代表着一个新的发展方向。

参考文献：

[1]杨迎化，唐大全，卢建华.神经网络在智能故障诊断技术中的应用及其发展趋势[J].测控技术学报，2003，22（9）：1-5.

[2]陈维，陈永革，赵强.基于BP神经网络的装备故障诊断专家系统研究[J].指挥控制与仿真，2008，30（4）103-106.

[3]王改良，武妍.用入侵的自适应遗传算法训练人工神经网络[J].红外与毫米波学报，2010，29（2）136-139.

[4]汪振兴，刘臣宇，李丽等.基于改进BP神经网络的某型装备故障诊断专家系统[J].计算机与现代化，2010，174（2）200-206.

[5]王凡重.基于小波神经网络和支持向量机的电机故障诊断与研究[D].太原理工大学硕士学位论文，2011.

[6]王晓垠.基于神经网络和专家系统的智能故障诊断系统研究[D].东南大学硕士学位论文，2005.

故障诊断范文第9篇

【关键词】煤矿设备；故障诊断；维修

煤炭资源作为国家发展的主要能源，煤炭生产过程也逐渐走向机械化，进而煤矿设备的种类不断增加，而煤矿设备在正常运行的过程中，很容易受到内部或外部因素的影响而出现设备故障，给煤炭开采效率带来极大的影响，对此，本文主要对煤矿设备的故障诊断和维修进行分析。

1煤矿设备的故障诊断技术分析

1.1振动检测诊断技术

众所周知，煤矿设备在运行的过程中，极易受到内部或外部因素的影响而出现故障，而煤矿设备的故障将会给煤矿生产造成极大的安全威胁，因此，需要做好平时的故障诊断工作，及时发现设备的故障并对其采取相应的维修[1]。一般情况下，煤矿设备在正常运行中都会发出振动信号，可以对发出的振动信号进行诊断，来分析煤矿设备运行时的各项参数，这样不仅可以实现对煤矿设备运行的监测，同时也便于发现煤矿设备的故障现象，以便于及时对其采取有效的维修措施。通过大量的实践证明，煤矿设备的振动检测诊断技术在应用的过程中具有方便、快捷、准确等特点，尤其适合应用于发出振动频率较高的煤矿设备诊断中，而且，该技术也被广泛的应用到煤矿设备的检测中，及时规避煤矿设备故障风险，能够显著的提高煤矿设备的运行效率。

1.2油液磨屑检测诊断技术

油液磨屑检测诊断技术是煤矿设备故障诊断的重要技术之一，并被广泛的应用到煤矿设备的故障检测工作中[2]。在正常情况下，煤矿设备在运行的过程中，会应用到各种油，与此同时，煤矿开采的过程中也会产生一定的废水、废气、废渣，而油液磨屑检测诊断技术主要就是提取设备使用的油、液压系统用油等相应的油样样品，再利用现代化油液分析技术来对油液成分进行全面的分析，将得出的物理参数、化学参数等进行综合性的对比，以此来判断煤矿设备的故障原因，从而有效的提升煤矿设备的故障诊断效率。

1.3无损状态检测诊断技术

在进行煤炭开采的过程中，会应用到大量的煤矿设备，而各类煤矿设备在运行的过程中极有可能发生故障，对于一些外在的故障来说，采用一般的故障诊断方法即可确定其故障原因[3]。然而，在这些煤矿设备中还存在着一些故障并不会在设备的外观表现出来，而受到影响的主要是设备的运行性质、状态等，不仅会降低煤矿设备的生产效率，同时也会给煤矿设备的安全运行埋下安全隐患。而通过无损状态检测诊断技术，可以有效的探测到煤矿设备内部的运行情况，及时发现煤矿设备内的缺陷，并及时对其采取有效的处理措施，避免故障继续发展对煤矿设备的运行效率造成影响。现阶段对煤矿设备采取的无损状态检测诊断技术主要有声全息检测、渗透检测、中子检测、超声波检测、射线检测等相关技术，每项检测技术都有着它的优势，当然，由于检测特征的不同，因此在对煤矿设备进行无损状态检测诊断的过程中，应根据实际的环境以及煤矿设备的实际情况来采用相应的检测技术，这样才能将其作用充分的发挥出来，当然，为了确保检测的安全性、全面性等，可以对其采取两种或两种以上的无损状态检测诊断技术。该检测诊断技术主要对煤矿设备的缺陷以及缺陷位置、材质等进行全面的分析，可以很准确的对煤矿设备运行故障进行定位，同时，可以有效的提升煤矿设备的运行性能，不仅确保设备在最佳状态下运行，同时对延长煤矿设备的使用寿命也有着一定的作用。

2煤矿设备的维修方式分析

2.1周期性维修

所谓周期性维修方式，主要就是结合煤矿设备的运行特点，对其进行定期的维修，确保煤矿设备运行的安全性、可靠性[4]。在周期性维修的过程中需要注意的是，由于各类煤矿设备的运行特点不同、所处的运行环境不同，对不同煤矿设备的维修周期也不同，因此，应结合这些运行因素进行全面的分析，再结合设备的实际情况制定合理的维修周期，并且，为了确保每次维修工作的质量，相关管理人员应对周期性维修时间以及维修的程度等进行相应的管理，同时，管理制度也应根据实际情况进行相应的调整，从而确保煤矿设备安全运行。从某种意义上来讲，周期性维修方式主要是以预防设备故障发生为主，也可以将其称之为预防性维修方式，可以有效的减少煤矿设备故障的发生率，而且，在每次对设备进行维修的过程中，可以对其进行风险评估，通过每次的评估数据来对下一次的维修时间以及维修周期进行调整，将煤矿设备运行故障的潜在安全隐患消除，全面提高煤矿设备的运行性能，从而有效的提升煤矿开采效率。

2.2设备故障事后维修

在煤矿开采过程中会应用到大量的机械设备，而且，每种设备的运行特点以及运行环境也有着一定的差异，虽然周期性维修方式是为了防止煤矿设备故障的发生，然而，在煤矿设备实际的运行中，受到内部或外部因素的影响，会导致设备出现突发性故障，而对这些故障的处理称之为设备故障事后维修[5]。相对来说事后维修的目标更加明确，也比较容易进行维修，当然，事后故障维修也存在一些特殊性的故障，会给故障维修工作造成较大的困难，尤其是在利用检测设备无法准确判断故障发生的情况下，可能会延长故障维修时间，对煤矿的开采效率造成极大的影响。在科学技术快速发展的过程中，对设备故障事后的维修虽然无法更好的满足当前煤矿设备的运行要求，但是，在设备故障发生的情况下则必须应用这种故障处理方式。

3结语

综上所述，在社会经济快速发展的过程中，煤矿企业的发展也极为迅速，而煤矿企业的生产效率与煤矿设备运行的安全性、可靠性有着密不可分的关系，也就是说，一旦煤矿设备运行过程中出现故障，也将会给煤矿企业的生产造成一定的影响，甚至会引发安全事故，因此，必须做好煤矿设备的故障诊断和维修工作。作者结合自身多年的工作经验，主要对煤矿设备的振动检测诊断技术、油液磨屑检测诊断技术、无损状态检测诊断技术以及周期性维修方式、设备故障事后维修等方面内容进行分析，希望可以引起相关部门的重视，同时也希望能够进一步提高煤矿设备的故障诊断和维修效率，确保煤矿企业的稳定发展。

参考文献：

[1]黄伟力,黄伟建.机械设备故障诊断技术及其发展趋势[J].矿山机械,2012,14(01):130-131.

[2]王智萍.煤矿机械设备的故障诊断及维修技术探析[J].煤炭技术,2013,03(08):125-126.

[3]袁润,汪建业,李亚洲,胡丽琴,王家群,吴宜灿,FDS团队.基于故障树的复杂系统故障诊断软件设计研究[J].核科学与工程,2012,11(01):149-150.

故障诊断范文第10篇

关键词：地铁信号；联锁设备；故障

中图分类号：U226.8+1 文献标识码：A 文章编号：

0引言

地铁信号设备是保障地铁运输安全的关键设施，同时也是在列车安全运营的前提下使运输效率提高和地铁员工劳动条件得以改善的重要设备，为了使地铁车站信号设备无故障工作得到保障，很有必要采取一定的措施对地铁的安全运营及故障进行监测和诊断。

1地铁信号联锁设备故障的诊断技术概述

人为操作故障、产品质量故障以及设备失修故障等问题都有可能导致地铁信号设备出现故障，从地铁信号设备故障处理技术发展的角度出发，主要阐述下列4类地铁信号联锁设备故障的诊断方法：（1）依据设备故障机理，信号设备维修人员根据经验分析、判断现场，并对故障进行处理的传统故障诊断技术；（2）通过利用信号模型对可测信号进行分析，从而检测出故障的信号处理法，这种方法虽然简单但是容易出现错判和漏判故障；（3）以精确数学模型为基础，运用数学分析方法，处理诊断被测信息的方法是解析模型法，这种方法由于非线性的特征，使用范围和效果被很大的限制；（4）在目前信息和计算机技术技术的带动下，利用遗传算法、专家系统、模糊逻辑和神经网络进行故障辨识、状态识别和状态预测的人工智能故障诊断法，这种方法能够很大的提高故障预防和状态维修水平。故障诊断方法示意图如图1所示。

图1地铁信号联锁设备故障诊断方法

2故障诊断技术的典型应用

2.1故障树分析法及故障诊断专家系统

对造成地铁信号联锁设备系统故障的诸多原因进行分析，并对系统特定事件与其各个子系统或各个部件故障事件之间的逻辑关系，用树枝状逐级细化即故障树的方法进行表示，称为FTA（故障树分析）法。通过对地铁信号联锁设备系统故障原因发生的概率和各种可能的组合方式进行确定，从而为故障分析和诊断提供辅助决策工具。

故障诊断专家系统主要是由以下几个方面组成的：数据库、解释机构、知识库、用户界面和知识获取机构。用来存放有关领域问题的数据和推理过程中得到的各种中间状态及目标功能的是数据库；通过回答用户提出的问题，使系统用户对推理过程更透明，是解释机构的主要作用；知识库是用来存放求解问题的专家系统的知识存储器；用户界面的主要作用是交换系统和外界之间的信息与通信；知识获取机构通过把知识输入到知识库中, 建立性能良好的知识库来达到功能的实现。为了查出系统是否发生故障以及故障发生部位，需要利用知识库所存储的知识，并用推理机对实时数据推理分析，然后评价和决策故障诊断结果，排除故障后，继续重复以上过程。由于具有成熟的系统结构，专家系统是目前应用最多的设备故障诊断系统。

2.2故障诊断与容错控制

提高系统的安全性和可靠性是故障诊断技术的目的。容错计算机联锁控制系统是故障诊断较为典型的应用，它是利用硬件冗余技术和容错计算机来达到提高联锁系统可靠性的目的。它的代表系统有以下3种：TYJL-TR2000型容错计算机联锁主机，是由铁科研开发的；由TRICON容错控制器构成的容错联锁主机是国内开发的；总线紧密结合型容错联锁主机系统是由日本地铁系统研发的。

2.3联锁系统的应用

联锁系统不仅可以进行设备故障的诊断和报警，又可以扩大工作人员对列车的控制范围，联锁系统的主要应用有：(1)计算机联锁系统故障报警，主要有较强的自我发现及记录再现的作用；(2)区间自动控制系统故障报警的主要功能是能够通过对地铁的运行状态进行监督，检测故障并及时报警；(3)地铁信号微机监测，通过在线监测联锁电路动作过程中模拟量、开关量和等其他数据，并对数据进行分析、判断，从而达到提高地铁信号设备的可靠性与安全性，实现故障预防的目的；(4)调度监督，检测信号设备的重复参数，报警可能的设备故障和潜在的行车事故，为电务维修提供可靠依据；(5)CTC(调度集中)具有一定的自检能力，使地面工作人员对列车的控制与监督范围不断扩大。

3地铁信号联锁设备存在的问题和未来的发展

3.1地铁信号联锁设备存在的问题

近年来随着新的学科发展成果在地铁信号联锁设备故障诊断中不断应用，故障诊断技术发展迅速，但是，由于联锁关系不是简单的与或非逻辑控制关系，而且具有较高的可靠性和安全性方面的要求，因此道岔和信号机与计算机联锁系统、电气集中设备以及区间自动控制系统之间的联锁控制联系，必须保证故障-安全导向原则，这就使许多新的故障诊断理论在实际中的应用被制约。

3.2 地铁信号联锁设备未来的发展

由于学科本身的特点和上面提出的问题，地铁信号联锁设备未来的发展有以下几个方面：

（1）故障诊断专家系统将趋于成熟，虽然目前联锁设备故障诊断专家系统应用在一些领域，但是存在范围窄、规模小的问题。为了实现资源共享、在线故障监测、诊断以及对故障进行快速处理，可以将计算机联锁系统中的维修机或者信号微机监测系统与专家系统结合起来。

（2）基于故障诊断技术融合的方法，这种方法不仅能处理不确定知识又能克服专家系统获取知识的难题，由于故障诊断知识的模糊性，它能够利用神经网络自学习能力强和模糊逻辑的长处，从而达到实现故障模糊诊断的目的。

（3）BIT（机内测试）技术，根据其发展过程，机内测试可分为智能技术和常规技术。为了提高机内测试的综合能力以及设备效能，使维修费用降到最低，智能技术通过在在设计、检测、诊断、决策等阶段，采用智能技术与理论来实现；常规技术主要包括模拟电路技术、通用的BIT技术以及数字电路技术3个方面。

（4）检测诊断智能化技术，通过利用基于VXI总线的“虚拟仪器”技术、信号处理技术、传感器技术和计算机技术等构成智能化检测诊断技术。为了实现实时检测联锁设备各个组成部分、提高检测效率以及减少人为操作带来的不稳定性，智能化、数字化和可视化贯穿于从激励的产生到测试及诊断结果输出的过程之中。

（5）远程故障诊断技术，对于个站来说，远程故障诊断能够实现强化自监测,自诊断以及储存记录的功能。依据实现区域性计算机联锁控制的方式，对以机车信号为主的行车指挥系统或者区域计算机联锁系统来说，进行及时的故障处理，从而使行车安全得到保障，运输效率得到提高。

（6）故障诊断与容错控制技术，故障诊断与容错控制技术随着地铁技术的不断发展，系统的故障自诊断能力不断增强逐渐在地铁信号设备广泛应用。容错控制和信号联锁系统故障诊断二者相辅相成，密不可分，随着故障诊断技术的发展，容错控制技术不断提高，为故障诊断技术的发展提供新的研究领域。

4总结

随着地铁运输量的不断增大, 运行速度的不断提高，对地铁信号设备的安全性和可靠性的要求也要随之提高。这就促使工作人员对地铁信号联锁设备故障的诊断进行研究，目前信号设备故障可以通过计算机联锁系统、区间自动控制系统以及电气设备达到故障报警和自检的功能，在故障报警、数据逻辑判断以及地铁信号状态监测中微机监测作用巨大。而且，为了解决信号联锁设备进行故障诊断的问题，在地铁所处环境和自身系统复杂的条件下，在地铁信号联锁设备中应用智能诊断技术和容错控制技术较好的解决了这一问题。

参考文献

[1] 刘伯鸿,董昱. 地铁信号联锁设备的故障诊断[J]. 信息技术, 2007（5）,61-64.

[2] 郎福. 铁道信号联锁设备的故障诊断[J]. 科技风, 2011（5）,276.

[3] 闻新, 张洪钺, 周露. 控制系统的故障诊断和容错控制[M].北京:机械工业出版社, 1998 :152 - 213.

[4] 韩臻. 地铁信号联锁设备的故障诊断[J]. 科技论坛, 92-94.

[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, 2000:1-18.

[6] 胡昌华,徐化龙. 控制系统的故障诊断和容错控制分析和设计[M]. 北京:国防工业出版社,2001:1-13.