故障诊断方法综述范文

故障诊断方法综述篇1

关键词：汽车；变速器；故障诊断；解析；

自动变速器是一种汽车内部的封闭装置，只要产生故障，就会使维修的难度增大，在未确认故障区域时，不能随意开展解体维修，必须快速并正确地进行故障的诊断及排除，相关的维修人员必须全面掌握各种汽车故障的症状，还要仔细收集并分析来自于用户的情况说明，以便更好地开展故障诊断与排除。

一、汽车自动变速器中的故障诊断

（一）容易产生打滑 汽车运行过程中，在踩油门后车速无法提高，或汽车在上坡时缺乏行驶的动力，产生此类情况时，驾驶员应快速思考是否是自动变速器发生了故障。而导致这一故障的原因有很多：（1）汽车自动变速器的制动器内密封圈使用过久，未进行及时更换，致使零件过度磨损产生脱落，从而使自动变速器漏油；一旦油压与供油减少，就会使汽车缺乏运行动力；（2）汽车自动变速器内的油泵被损坏也会使汽车漏油、油压减少，让汽车缺乏运行动力且无法提速。

（二）容易产生漏油 汽车自动变速器产生漏油的关键因素是汽车自动变速器平面发生了变形，或者是由于自动变速器在进行加工时工作人员缺乏耐心，从而使汽车关键部件中的固定螺栓产生松动。一旦发生此类故障，须从集中漏油的地方着手，判断具体的故障原因，采用具有针对性的排除方法。

（三）无法升档 汽车在运行过程中自动变速器无法提升到高速档或超速档，产生此故障的原因有：节气门拉索的调整不正确；节气门的位置传感器与电路故障；调速阀及其油路故障；车速传感器故障；换档电磁阀故障；高档离合器与制动器故障；档位开关故障等。

二、主要的诊断方法

（一）磨损残余物分析诊断方法

对于汽车变速箱齿轮而言，其最为主要也是最为常见的失效形式就是磨损失效；汽车在运行过程中，若出现齿面磨损，则可以在油中找到这些磨损的残余物；对于磨损残余物分析诊断方法来讲，其对机器失效有关信息的快速获取，主要是基于对机械零部件磨损残余物在油中残余物含量的测定来完成的。当前进行测定的主要有两种方法：1对残余物进行直接检查，以及通过对油浑浊度变化、电感的变化以及油膜间隙内电容的测定来快速获得有关零件失效的重要信息；2收集残余物，例如，应用特殊的过滤器或者磁性探头等来把工作表面因疲劳而形成的大块剥落物收集起来。实践表明，应用磨损残余物故障这种分析方法来对变速器中的磨损类型故障进行检测诊断，是相当有效的；相比于其他故障诊断方法，诸如振动诊断方法，这种诊断方法在对磨损类型故障诊断方面，更具有优势，因而对汽车变速器磨损故障进行判断的有力手段就是磨损残余物分析诊断方法。

（二）振动检测技术诊断法 有关机械振动信号，这是当前诊断技术采用最多的一种信号，这主要是基于由振动所产生的机械损坏具有相当高的比率；根据相关资料可知，由机械振动而带来的机械故障超过三分之二；此外，最容易获得的振动信号，是来自机械运转中所产生的，而且在振动信号中，还具有数量众多的能对机械设备状态进行反映的信号，通过振动的异常可把许多机械故障反应出来。振动检测技术诊断法，主要是基于对设备振动参数及特征的检测，来对设备状态和故障进行分析的一种方法。

（三）声发射技术诊断法 这种诊断方法，就是应用仪器进行检测、对声发射信号进行分析和利用的一种故障诊断方法。对汽车变速箱齿轮而言，因其的高速旋转，致使运行中不可避免地产生热弯曲、不对称等现象，带来转子碰撞，故在金属以内的晶格，将出现重新排列或滑移，此过程因能量发生变化，变化的能量将通过弹性波这种形式来进行释放，这就形成了声发射信号；一定要应用专门技术，来把背景噪声的干扰排除掉。声发射监测这种检测方法，具有无损动态检测特点，但它又不同于其他无损检测方法，因声发射信号是产生于外部条件的作用下，故对于那些缺陷变化，相当敏感，对于那些微米数量级的显微裂纹的扩展和发生的相关信息，可以轻而易举地检测出来，故具有极高的灵敏度。

（四）光纤传感技术诊断法 这种故障诊断方法，主要是基于光纤对一些特定的物理量所具有的敏感性，来把外界物理量向可进行直接测量的信号进行转换的一种汽车变速器齿轮故障诊断方法。就光纤而言，不仅可直接作为光波的直接传播媒质，而且光纤传播中的光波，其特征参数会因外界因素的影响而产生变化，故可把光纤当作传感元件来对各种物理量进行探测。对于光纤传感器而言，因具有极高的灵敏度、超强的抗电磁干扰能力、超好的电绝缘性急耐腐蚀等等优点，故在汽车这个行业也受到了极为普遍的应用。当前，光纤传感技术已朝着智能化、功能化及集成化等方向快速发展着，可以预见，随着科技的不断发展，这种故障诊断方法将在汽车变速器齿轮故障诊断中将得到越来越广泛的应用。

参考文献：

[1]ThomasMerath，JoachimNaas，FranzJoachim等.基于有限元法的汽车变速器齿轮与轴承优化[J].传动技术，2015，29（2）：3-13，20.DOI：10.3969/j.issn.1006-8244.2015.02.001.

[2]高勇.微型汽车变速器传动效率的影响因素分析及试验研究[D].武汉理工大学，2013.

[3]王卫群.汽车变速器故障诊断专家系统研究[D].机械科学研究院，2006.

故障诊断方法综述篇2

关键词：故障诊断；知识模型库；神经网络；融合推理

水电机组状态监测系统通过对机组各种参量的实时检测和监视，综合设备历史状况，能对机组作出故障诊断和趋势预报，及时评估设备性能，利于水电厂制定合理的设备检修维护制度，从而达到延长检修周期，缩短检修时间的目的。

1水电机组故障诊断特点

水电机组故障诊断主要包括水轮机诊断和发电机诊断，二者互为关联。

水轮机诊断包括：轴系、叶轮、叶片、导轴承、系统、支撑系统、控制系统等部位故障的诊断。主要故障特征包括：油箱油位的升高和降低、油温的升高、轴瓦平均温度升高、轴瓦温度上升率、摆度升高、轴承振动升高、振动和摆度随转速、负荷变化的趋势、有无负荷的振动情况。

发电机诊断包括：定子线圈、定子磁心、转子、轴系等部位故障的诊断。定子线圈的诊断采用局部放电法（脉冲高频容量）用于检测线圈、线棒、线棒支撑的绝缘情况及线圈断路。定子铁芯和转子的诊断运用一组气隙测量传感器监测定子孔径和转子圆周、偏心所造成的动态气隙情况。

检测的参数一般有：机架振动、摆度、温度、电量、气隙、绝缘监测、气蚀、压力脉动等。

对于诊断导轴承、推力轴承以及其它一些复杂的故障，诊断系统要综合考虑分析各检测参数。

2故障诊断系统结构

机组故障诊断系统包括数据预处理和数据规范化、信息处理、故障诊断知识建模、故障检测、故障分离与估计、故障分类评价和决策、知识模型库、数据库、智能决策支持系统、人机对话界面、监控中心等。故障诊断系统构成见图1。

数据预处理和数据规范化模块对在线采样的可测变量先进行预处理以消除噪音，然后将其转化为规范数字信号输入数据库中。

信息处理、故障诊断知识建模模块将从机组录入的振摆、水压脉动等信号进行再处理并建成知识模型库。

知识模型库、数据库在故障检测、故障分离与估计、故障分类评价和决策模块实时起支撑性作用。智能决策支持系统模块负责对机组不同的运行状态选择哪种或哪几种诊断方法，以及各诊断方法之间的集成，给出相应的故障处理方案，和优化运行决策与检修计划决策，并对知识模型库中的知识进行协调调用。

人机对话界面、监控中心分别负责机组信息的输入与输出，包括深层和浅层知识的录入、故障信息的输出，以及在判定故障时启动保护措施，通过执行机构去完成。另外还有数据的报表输出及打印等功能。

3知识模型库

如何具体实现故障诊断知识建模的功能，进行诊断知识模型的获取，形成知识模型库，从而实施在线故障检测、故障分离与估计、故障分类评价和决策模块的功能是系统的难点。

在文献［1］中，杨杰等提出了一种基于综合模型的故障诊断建模与推理的方法，即人工神经网、案例、规则和对象模型，来有效地进行诊断知识模型的获取。

水电机组的知识模型可由机组模型、诊断经验规则、诊断神经网模型、诊断案例4种方式来表示。

诊断知识模型由一般到特殊分四层组织：第一层描述最一般的诊断知识，由水轮机、发电机的机组模型组成。运行模型描述了机组正常工作时的形态，故障模型描述了机组在故障时的形态，它们被用于基于模型的诊断、真值维护和解释。第二层描述一般的诊断知识，由根据水电机组的技术标准、规程和专家诊断经验归纳出的诊断规则组成，用于基于规则的诊断。第三层是根据类似诊断事例经训练构造的人工神经网模型，用于基于神经网模型的诊断。第四层由案例－子案例等级框架表示组成，它描述各电厂机组或电厂各机组间的特殊诊断案例知识，用于基于案例的诊断。

3．1第一层

机组定量信息描述一般包括参数描述和状态描述两种。

参数描述指由机组参数的显著变化来描述故障的发生如温度量、电量等的量值越阈或突变。状态描述指由机组开、停机过程及机组运行状态来描述所包含的故障信息。

由机组定量信息描述形成的运行模型和故障模型，构成机组模型子库，形成模型知识库的第一层。由该层支持的基于机组模型的故障诊断方法有：参数估计诊断法和状态估计诊断法。

参数估计诊断法在进行故障检测、故障分离与估计、故障分类评价和决策时，诊断的过程参数为机组模型模拟量与机组实际运行参数的比较值，所得残余偏差为二者之间的相对变化值。在系列残余偏差中包含有各种故障信息，结合机组模型库中相应模型对基本残差序列采用统计检验法，检测机组的故障部位和原因，并进一步分离、估计与决策。

状态估计诊断法由根据水电生产过程的控制逻辑来判断机组是否有故障状态，可由机组监控系统直接支持。

3．2第二层

基于标准和经验归纳出的诊断规则，故障可分为确定性故障和不确定性故障两种。

对于确定性故障，也就是一般的产生式故障，可建立用于逻辑推理的知识模型库。而对于非确定性故障，一般采用模糊产生式规则来表示故障诊断知识，即用模糊关系矩阵来表示前提条件与结论之间的因果关系。

此外，还可采用可信度方法、概率方法等来描述其不确定性。可对这些方法进行充分收集，整理优化后形成一个较完整的诊断推理机制。

3．3第三层

根据类似故障诊断事例训练构造的人工神经网模型，其实质是一个故障分类和识别过程。人工神经网络在此作为一个自适应的模式识别技术，利用自身的学习机制，通过对案例样本的学习，自动形成相对应的决策区域。而且样本变化时，如案例增加时，神经网络训练所获得的映射关系可以自适应，达到对准确诊断的进一步逼近。

3．4第四层

该层知识由案例－子案例等级框架表示组成，形成了最特殊知识的诊断案例子库。

对机组在线状态的信息诊断同案例子库中的案例描述进行匹配，得出解策略。

以上四层次知识模型子库既有其独立性又紧密关联。当机组的新类型故障被诊断出来后，可对其进行描述，添加到案例－子案例等级框架中。新类型故障同框架内的原有相似故障可用于构造和训练新的神经网模型，加入到第三层的人工神经网络模型子库中去。

新类型故障同原有相似类型故障的诊断方法规则，加入到第二层的规则子库中去。

而以上三层的知识表示如可以采用定量信息表示，又可建模加入到第一层的机组模型库中。

4融合诊断推理

对于复杂故障的诊断，不能简单地仅通过某一种方法诊断出来，有效的方法是将各检测信息有效结合判断的融合诊断法。

文献［2］中，彭涛等提出一种基于信号处理的人工神经网络诊断方法，即基于小波变换的特征提取、基于遗传算法的特征选择和基于神经网络的状态识别理论。

该方法可将机组多个传感器信号，如振摆、气蚀、水压脉动信号等，用加权法实现信息的初级融合，按给定的小波函数进行小波变换，提取其特征成分，用遗传算法搜索选择输入参数中最为重要的特征参数，与已知目标特征信息一起作为训练样本，送神经网络训练，实现状态识别和故障诊断。对某些复杂检测信息也采用小波变换法，如对于绝缘监测中所测局部放电数据的处理，针对其局放信号微弱、噪声大的特点，采用小波变换进行分析，可充分利用小波分析良好的时频分析特性。理的策略，直至给出最佳处理方案，得出最精确的预测控制和诊断结果。

5结束语

水电机组的设计、制造、安装和大修中，都对机组各状态参数提出规定和要求，但由于水电机组在运行过程中存在不规则的水力干扰，不仅不同机型不同容量不同结构的机组，实际运行参数量值及其变化规律不一样，而且同一电站同一机型的几台机组，运行参数实际也难一致。如一般机组瓦温带满负荷时比空载时高3～5℃，而有的机组带负荷后温度并没有上升，甚至略有下降。又如有些机组上机架振动达1mm而能长期运行，有的水导运行摆度达到0．8mm，瓦温却正常，运行也稳定。因此，要在故障诊断推理系统内制定一个统一的标准，难度很大，而且到目前为止，尚未有一个国际性的状态监测标准。

故障诊断方法综述篇3

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.

关键词： 输送机构；故障诊断；模糊；铁谱

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

中图分类号：TH165+.3 文献标识码：A 文章编号：1006-4311（2014）08-0076-02

0 引言

随战争发展起来的液压技术由于其独特的优势，在世界各国各行业的装备中得到了广泛的应用，当然在现代各型车辆中也不例外。但液压系统一旦出现故障，很难诊断。若车辆中液压系统的故障不能及时发现并排除，势必影响车辆正常的使用。为减少液压系统故障诊断的盲目性以及拆装工作量，本文结合某型车辆输送机构典型液压故障，提出了一种基于模糊控制理论的新型液压系统故障诊断方法。

1 某型车辆输送机构液压系统模糊故障诊断模型

1.1 典型故障现象及故障原因 输送机构是某型车辆的重要组成部分，其主要功能是将车载物品输送至车辆物品出口处，为物品的向外卸载做好准备。输送机构液压系统主要由液压泵、液压马达、电磁换向阀、储油罐、电机等组成，在工作过程中其典型故障现象为输送不到位或输送过程欠速，输送不到位故障原因主要有以下几种：电机故障；双联泵故障；液压马达故障；电磁换向阀故障；油液泄漏量较大；油液杂质较多；储液罐液位过低。输送过程欠速的故障原因主要有以下几种：电机故障；双联泵故障；液压马达故障；油液泄漏量较大；系统内进入空气；油液粘度较低。由于液压系统故障诊断存在着典型的模糊性，考虑利用模糊诊断评价方法简单的特点来进行故障诊断应收到良好的效果。

1.2 建立故障征兆集与故障源集 根据故障征兆是否出现情况，得到故障征兆向量■={x1，x2，…，xm}，其中xi=0或1，1代表故障征兆出现，否则为0。将上述输送机构在运行过程中的两种典型的故障现象作为故障诊断的故障征兆集，即■={x1，x2}，其中x1表示输送不到位；x2表示输送过程欠速。将故障征兆的自然语言描述用模糊语言变量值及评价从属度来描述，将其语义分为5档，输送不到位的语言变量为：完全不到位、很不到位、较不到位、稍不到位、完全到位，分别对应区间[1.0，0.8]，[0.8，0.6]，[0.6，0.4]，[0.4，0.2]，[0.2，0]；输送过程欠速的语言变量为：速度为零、速度很低、速度较低、速度稍低、速度正常，分别对应区间[1.0，0.8]，[0.8，0.6]，[0.6，0.4]，[0.4，0.2]，[0.2，0]。

输送机构液压系统故障由1种或几种原因引起的，将所有的故障原因作为故障诊断的故障源集，即f={f1，f2，…，fn}，若输送机构出现输送不到位和输送过程欠速两种故障征兆，其故障源集f={电机故障f1，双联泵故障f2，液压马达故障f3，电磁阀故障f4，油液泄漏量较大f5，油液杂质较多f6，储液罐液位过低f7，系统内进入空气f8，油液粘度较低f9}。模糊诊断矩阵■是表达输送机构液压系统故障征兆向量与故障源向量之间因果关系的，矩阵中每个元素rij即第i种征兆xi属于第j种故障原因fj的隶属度，因此隶属度函数的确定是模糊诊断中的重要环节。由于模糊规则的制定者在专业知识、实践经验等方面存在着差异，因此对于同一个现象，不同的人会使用不同的确定隶属度的方法。考虑到液压系统的不断运行，由于磨损和疲劳等因素的影响，隶属度在不同工作状况而有所不同，本文在基于多因素加权综合法构建模糊矩阵的基础上提出了一种以铁谱技术为基础的模糊关系动态变化的隶属度确定方法。

1.3 模糊诊断矩阵的构造

1.3.1 采用多因素加权综合评判 常用确定隶属度的方法有两种：模糊统计法和专家经验法。

模糊统计法是基于概率统计的基本原理，对于n次试验，u0对A的隶属频率=■。结合车辆管理部门对输送机构故障的维修记录，由记录数据统计确定隶属度aij：aij=■。

专家经验法是根据专家的实践经验给出相应权系数值来确定隶属函数的一种方法。为了提高专家经验的可信度，找到多位该领域的专家，每位专家根据经验将产生同一故障现象的各个原因按产生故障的概率从小到大进行排序，N位专家共作出N种排序数，将每个专家的排序数求和，进行归一化处理，可得到隶属度bij。这种方法要求专家具有丰富的液压系统维修经验，才能保证经验知识的准确性。

由于车辆管理部门对故障统计方面的数据记录有限，又由于专家主观判断难免出现纰漏，为了更为客观准确地确定隶属度值，本文综合模糊统计法和专家经验法，采用两种方法分别加权，综合得到隶属度的方法，即多因素加权综合评判法，为了反映各评判因素的相对重要程度，对每个因素按其重要程度赋予相应的权重：设模糊统计权重为A1，专家经验权重为A2，其中A1？叟0，A2？叟0，A1+A2=1。则由经验数据及专家经验的综合模糊隶属度为rij=A1aij+A2bij，（i=1，2，…，m；j=1，2，…，n），从而构造模糊诊断矩阵■=（rij）m×n。

1.3.2 建立动态模糊关系 动态模糊理论是为了适应实际的需要，各因素的相对权重和模糊关系矩阵在评判对象不同的发展阶段，做出相应的调整。液压系统发生故障的原因有80%～90%是由于油液污染造成的，其中固体颗粒的危害极大，它主要来源于液压元件在长期使用过程中零部件的不断磨损，磨损不仅破坏了液压元件的密封、增大了泄漏，磨损颗粒混入油液后还会导致磨损的恶性循环，使液压系统产生故障，因此液压系统故障诊断与定期监测液压油液中磨损颗粒的形态、数量等关系重大。

通过对磨损颗粒进行铁谱分析，可以准确地获得液压系统有关磨损方面的重要信息。它能够在不拆开系统的情况下报告其磨损状态，反映运行情况。因此，通过定期抽检输送机构液压油油样，进行磨粒浓度及形态分析，可实现输送机构液压系统磨损状态监测。通常按照铁谱监测的液压系统的磨损颗粒大小将系统运行分为正常运行阶段、异常磨损阶段、严重磨损阶段三个阶段，磨粒尺寸小于属正常磨损，当出现尺寸为的磨粒时，表明系统已处于严重磨损阶段，故障随时可能发生。元件磨损程度不同，说明系统运行时间不同，元件疲劳程度及油液质量也就不同，故障原因排序自然会发生变化，就以这三个阶段的分隔点作为模糊关系动态变化的分隔点，根据专家经验，将各个故障原因在不同阶段赋予不同的隶属度。

1.4 诊断原则 模糊推理的公式为■=■？莓■，公式中■为故障征兆的隶属度组成的向量，“？莓”为模糊算子，■为由模糊隶属度组成的模糊诊断矩阵，■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”有几种运算方法：模糊变换法、以“乘”代替“取小”、以“加”代替“取大”等，拟采用模糊变换法。对于计算出的故障原因模糊向量，利用最大隶属度原则来推断。即设yt=max{yj|j=1，2，3，…，n}，则由最大隶属度原则推断故障原因为yt，即为第t故障原因。

1.5 诊断流程（图1）

2 应用实例

某型车辆在使用过程中发现出现输送机构输送不到位且速度稍显不足的故障，采用模糊理论与铁谱分析相结合的方法对该液压系统故障进行诊断，主要步骤如下：

现场观测，确定故障征兆集：■={输送很不到位，速度稍低}，用模糊语言变量表述可得到征兆向量隶属度为■=（0.7，0.3）。

确定故障源集：f={电机故障f1，双联泵故障f2，液压马达故障f3，电磁阀故障f4，油液泄漏量较大f5，油液杂质较多f6，储液罐液位过低f7，系统内进入空气f8，油液粘度较低f9}。

由铁谱分析确定系统使用时间：油液抽样进行铁谱检测，磨粒尺寸小于15？滋m，属正常磨损阶段。现有三名专家根据铁谱分析结果，即在正常磨损阶段下，分别给出产生故障的各个原因的概率从小到大的排序数：

专家一给出排序数：■

专家二给出排序数：■

专家三给出排序数：■

求和归一化处理得专家经验隶属度：

■

将统计数据隶属度与专家经验隶属度进行综合加权，设专家经验权重为A1，经验数据权重为A2，其中A1？叟0，A2？叟0，A1+A2=1，则由统计数据和专家经验确定的综合模糊隶属度为rij=A1aij+A2bij。由车辆管理队长期积累经验确定A1=0.5，A2=0.5，则由

rij=0.5aij+0.5bij得综合模糊诊断矩阵为：

■

利用模糊变换法求解模糊方程■=■？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

最终得到诊断故障原因向量为■=（0.202，0.179，0.179，

0.226，0.254，0.036，0.071，0.238，0.222），由最大隶属度原则，y5=max{yj|j=1，2，3，…，9}，所以诊断的故障原因为第5原因，即系统油液泄漏量较大。

3 结论

液压系统由于其自身的特点，能快速准确地得到故障原因实在不是一件容易的事情。由于车辆液压系统在故障诊断过程中普遍存在着模糊的概念和方法，将模糊理论应用到某型车辆液压系统故障诊断中。考虑到液压系统由于磨损和疲劳等因素的影响，其故障隶属度在不同工作状况而有所不同，本文提出了一种基于先期的铁谱分析技术来确定系统磨损情况，进而由专家根据系统运行状况来给定模糊隶属度的方法，最后采用最大隶属原则进行故障诊断，为某型液压系统故障诊断提供了一种新的方法，提高了诊断的准确性和可靠性，为建立故障诊断专家系统提供了较有价值的设计思路。

参考文献：

[1]诸静.模糊控制理论与系统原理[M].北京：机械工业出版社，2005.

[2]陶务纯.铁谱分析在液压故障诊断中的应用[J].中国设备工程，2010：54-55.

故障诊断方法综述篇4

[论文摘要]从汽车诊断对汽车维修的重要性来探讨诊断过程中的思路问题，对于汽车维修人员来说，有一个好的诊断思路在诊断汽车障碍过程中会起到事半功倍的效果。

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。

（三）灵活运用维修案例。在汽车修理过程中，很多修理工喜欢看案例，但不能照搬案例，那样的话还不如不使用案例，所以要灵活地使用汽车修理案例。在使用案例过程中要遵循以下原则：一要看经典案例，目的是了解具有代表性的故障现象与 规律 ；二要看描述生动完整的案例，目的是了解故障诊断思路以及是如何归纳、推理、 总结 的；三要看典型案例，目的是了解某一车型的同一故障的易发性；四要学习案例的写作与表述，我们很多维修人员会干不会说，会说不会写。其实写作过程非常有利于思维的条理性锻炼。总之，对待案例千万不能生搬硬套，要举一反三。

故障诊断方法综述篇5

关键词：汽车故障诊断；维修技术人员故障原因；维修过程；排除故障

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原则。

一、汽车故障诊断时要注意的原则问题

(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。

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。

(三)灵活运用维修案例。在汽车修理过程中，很多修理工喜欢看案例，但不能照搬案例，那样的话还不如不使用案例，所以要灵活地使用汽车修理案例。在使用案例过程中要遵循以下原则：一要看经典案例，目的是了解具有代表性的故障现象与 规律 ；二要看描述生动完整的案例，目的是了解故障诊断思路以及是如何归纳、推理、 总结 的；三要看典型案例，目的是了解某一车型的同一故障的易发性；四要学习案例的写作与表述，我们很多维修人员会干不会说，会说不会写。其实写作过程非常有利于思维的条理性锻炼。总之，对待案例千万不能生搬硬套，要举一反三。

故障诊断方法综述篇6

关键词：人工智能；网络故障；诊断；相关问题

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）13-0169-02

本文根据网络系统出现故障的各种特点来分析了模糊逻辑、专家诊断系统、神经网络和各种智能体系统的常用网络故障诊断方法，并阐述了其特点、原理已经应用等方面的现状和问题。

1 人工智能在网络故障诊断应用中的现状

人们与网络的联系日渐紧密，一旦网络出现故障就会严重的影响人们工作、生活和学习，这就对我们网络故障检修工作提出了高要求，力求花最短的时间，精准的判断故障发生原因、位置和类型，及时对故障进行抢修。这种要求对于我们工作人员来说是人力难以完成的，那么我们就需要引进一个套能高效、高速、精准定位故障的检修判断系统。如何对网站故障进行排除、定位和修复使我们网络管理行业的最艰巨也是最迫切需要解决的问题，但是目前因为没有一个准确的数学模型和相应的算法，造成传统故障没办法进行有效的诊断和处理。人工智能技术是我们解决当前问题的一个重要解决方法，虽然目前国内还没有得到广泛的使用，但是苹果、微软等计算机软件公司都已经在重点研究此技术，技术也在逐渐成熟中。本人参阅国内外的相关文献，在分析故障特点的基础上，对于模糊逻辑、专家系统、智能系统、专家系统等各类计算及系统进行研究，深入了解其特点和缺陷，并研究其诊断方法原理，希望能出尽我国的网络故障诊断技术的发展。

2 网络故障基本特征分析

经过本人多年对于大型网络系统的研究，发现其故障的特点如下：

2.1 层次性

网络系统是有结构分层的，包括数据链路层、物理硬件层、应用层，这些不同分层会出现层次性的故障，其故障征兆是有层次性的。

2.2 传播性

故障传播包括横向传播和纵向传播两种。横向传播是在同一层次里，因为某一个元素发生故障导致同层次的其他元素发生故障。纵向传播是因为不同分层的某一层出现故障导致其他层次也出现问题，比如硬件损坏可能导致软件数据丢失，数据链路层里的数据链被打断，造成系统被破坏，应用层的应用自然无法使用。

2.3 相关性

网络故障的表现征兆和原因很多且非常复杂，一种故障可能会出现不同的表现征兆，一种表现征兆也可能是因为不同的原因造成的。

2.4 随机性

故障原因可能是随机出现的，没有固定的套路，其具有模糊性和随机性。这也造成网络系统故障诊断的难度大需要检测的对象非常复杂且数量庞大。所以以人工检测来看，这是一个浩大的工程，所以人力检测也难以满足高效检修的需求。

人工智能系统对网络故障进行诊断的方法是目前最有希望解决此问题的方法，下文对人工智能故障诊断方法及其在网络故障诊断当中的应用进行阐述。

3 人工智能技术在网络故障诊断中的应用

障诊断主要方法包括模糊逻辑、专家系统、多智能体系统 （Multi-agent system， MAS）和神经网络等方法。

3.1 基于模糊逻辑的网络故障诊断法

网络故障与征兆表现都有随机性，这就造成两者之间的关系是模糊的，很难将征兆表现与故障原因通过准确的数学模型来确定其关系，这也就是我们常说的不确定性故障。模糊逻辑的诊断方法是处理这种不确定却模糊状态故障用的一种机制，其能够将这些不确定性模糊故障信息进行搜集，集中整合，并通过函数等数学逻辑将其整合成一个模糊关系矩形阵，这个数学模型能将不确定性故障与征兆表现限制在一定范围内，能够为诊断提供一定的参考。此诊断原理主要先收集故障与征兆表现的数据，建立一个隶属度函数，随后将故障原因和征兆表现集合成一个模糊关系矩阵，使用模糊关系方程来缩小故障原因范围。这种诊断方法无法做到精准的诊断出故障原因，但是能缩小范围给检修人员一定的参考和启发，这就类似人类的思维方法，所以这个方法需要建立一个庞大的模糊关系数据库，智能升级学习能力比较差。

3.2 专家系统在网络故障诊断

这个诊断系统是模仿人类专家解决问题的方法过程的一种程序系统，此系统运用已有的相关理论和解决方法对故障原因进行分析和决策，这个系统的模拟功能非常的强大，是针对有规律规则但是牵扯原因多涉及范围广的复杂问题而设计出来的，将已有的人类知识、概念、模式、方案综合归纳出规律规则，给人力检测提供经验启发参考。这种强调规则性的专家系统对于知识选取，知识呈现的功能很强大，且结果显示非常直观，因为规则型强所以形式高度统一，对于检修人员来说比较容易理解。

但是鉴于我们网络系统故障的原因和征兆之间的关系非常复杂却随机性强，仅仅通过专家系统很难完成故障定位、原因分析的目标。专家系统强调归纳出规则，也导致知识只能是建立在数据库基础上，其灵活性很弱，因为系统故障随意性强，就会导致归纳出的规则之间发生冲突，造成规则组合爆炸，无法得出准确的结果。目前有一种设置了自然语言接口的网络故障诊断系统，主要采用了专家系统的设计原理和模型，将专家系统归纳出的规则与概念图进行组合，延伸出了生产型的规则知识表（即EPR技术），将网络上有关故障表述的语言转成了一幅幅概念图，利用专家系统的推理分析制定出一些规则，并将这些推理结果和推理规则转换成自然语言输出，直观的让检修人员看到分析报告和结果。此种方法一定程度上能帮助检修人员对故障进行预判。

3.3 基于神经网络故障诊断法

故障诊断模式识别是神经网络故障诊断的核心诊断方法，人工神经网络能够模拟出人类大脑组织结构，并建立一个类似人类大脑认知的过程，对故障进行分类处理。运行原理是将故障征兆通过神经网络输入到系统中，使用识别模式来将故障进行分类最终出具诊断结果。这种诊断系统可以通过对故障诊断实例数据收集，并对其进行一定的学习和训练，将分布于神经网络当中的那些表示连接权值数据经过计算翻译后表达故障诊断，最后将故障诊断的结果输出。

这种诊断方法适应性强，且能自动进行记忆联想，能将故障数据分类处理。这与以上2种诊断系统相比，其学习能力强，能自主收集资料，能很好地对知识数据库数据进行更新维护。但是其不足之处也很明显，那就是有学习能力但是学习速度还是较慢，需要长时间训练，且解释能力不如专家诊断系统。这些技术水平的原因也导致神经网络故障诊断系统目前没有推广使用。

3.4 多智能体技术在网络系统故障诊断中的应用

经过国外的广泛实践应用结果发现，仅仅依靠模糊逻辑、专家系统或神经网络等单一方法只能对一些简单的网络故障进行诊断，无法满足大型网络系统的故障诊断要求，所以单一的方法是满足不了人们对于解决复杂故障的需求。那么就出现了采用多种诊断系统共同合作的新诊断技术――多智能体技术。多智能体技术是人工智能领域内的新宠，站在了技术的最前端，且备受关注。由多种诊断方法的系统组合而成，利用不同的系统的特性将复杂的网络故障因素分解成单一、独立的小因素。各个子系统共同运作。目前多智能体系统的研究不断深入，对于如何协调各子系统有了一点的研究成果，其特性是自主性强，协调性强，组成形式为分布式，有一定的组织能力和学习能力，能将复杂的问题自主的分解成小问题，分发到子系统进行分析。

4 结束语

对于如何对网络系统进行精准定位找出故障原因，出具诊断结果，提出修护方案，仍然是我们业内人士要重点研究的，我们要因地制宜，针对不对的实际情况来进行研究，需要满足我们的用户需求，制定合适的诊断的方案，引进先进的诊断技术，力求能够快速、精准的判定故障原因，人工智能在网络故障诊断中已经大放光彩，我们要抓住技术的潮流走向，融合多种智能诊断方法，对各种智能诊断系统进行深入的分析和了解。通过引进并其学习现代数据挖掘技术，从而改进目前我国的智能诊断系统的推理能力和知识获取。让网络故障诊断能更快速、更精准。将网络故障导致人们生活、学习、工作的损失降到最低。

参考文献：

[1] 雷亚国. 混合智能技术及其在故障诊断中的应用研究[D]. 西安： 西安交通大学， 2007.

[2] 刘观良， 赵万能， 仝麦智. 基于人工智能的网络故障诊断研究综述[J]. 电脑编程技巧与维护， 2013（10）.

[3] 边莉， 边晨源. 电网故障诊断的智能方法综述[J]. 电力系统保护与控制， 2014（3）.

[4] 马骅， 张洪星， 宋海军. 人工智能在计算机网络系统故障诊断中的应用[J]. 邢台职业技术学院学报， 2004（1）.

[3] Francisco Javier Cantu-Ortiz.Advancing artificial intelligence research and dissemination through conference series： Benchmark， scientific impact and the MICAI experience[J]. Expert Systems with Application， 2014， 41（3）.

故障诊断方法综述篇7

关键词：汽车；故障诊断；专利

1 概述

汽车故障诊断技术是在不拆卸或仅拆卸下极少的零件的情况下，探究汽车状况、找出故障部位、故障原因的技术。随着现代汽车工业的发展，汽车故障诊断技术的发展日新月异，成为当代科技研究的焦点之一。

2 汽车故障诊断的发展概况

2.1 传统故障诊断技术[1-3]

（1）人工经验法。最初汽车诊断的依据主要是人工实践经验。这种诊断方法耗费很多工时人力，准确率不高，不能确保准确地命中故障原因和部位。（2）仪表检测法。把测试仪表应用于汽车诊断工作中，虽然技术性能先进的检测仪器和设备得到广泛应用，但其应用却通常是单项的、分散的。（3）专业综合法。其将单项、分散的检测设备连接成一个整体，通过仪表和设备得到较为精确的信息，和标准参数进行比对后，确定汽车零部件的状态。

2.2 现代汽车故障诊断技术

（1）ECU故障自诊断。当汽车出现故障时，仪表板上的相关指示灯会自动点亮，以此向车主提示汽车的某个部件可能出现问题，ECU的自诊断模块将数字代码形式的故障信息存储在专门区域中，车辆维修时读取故障信息对应的数字代码即可对症下药地解决汽车故障。（2）故障诊断的专家系统。故障诊断专家系统模型分为以下几类：规则诊断专家系统、实例诊断专家系统和模糊逻辑诊断专家系统。

上述几类诊断专家系统的特点如下：规则诊断专家系统：以专家诊断经验为依据，将其进行总结形成规则，利用启发式经验知识进行故障诊断，由领域专家获取经验知识，具有依赖性。

实例诊断专家系统：对于难以用规则表示定理的领域非常有效，在进行实例匹配时，表面特征的相似性、结构相似性、深层特征都是很关键的影响因素。而诊断实例如果不能覆盖所有解空间，诊断结果会漏掉最优解，造成误诊或漏诊。

模糊理论诊断专家系统：模糊诊断引入隶属函数、模糊逻辑，对具有不确定信息和不完整信息的诊断系统尤其适用。但模糊诊断技术存在模糊诊断知识获取困难，故障、征兆模糊关系难确定、学习能力差的缺陷。

3 汽车故障诊断技术的发展趋势与特点

基于故障诊断对数据、经验等信息资源的依赖性以及其任务复杂且精细的特点，能彻底打破信息传递时空上的限制、实现资源共享的网络化技术成为了汽车故障诊断技术的发展趋势，其可通过汽车检测维修专业网络传递诊断信息，系统构架如图1所示，具有远程支持、远程控制的特点。

4 国内外专利申请情况分析

随着汽车事业的蓬勃发展，国内关于汽车故障诊断的专利申请量也在逐年增加，从图2可以看出，有关汽车故障诊断技术的专利申请量呈现逐年递增的趋势，并且增长速度越来越快，由此看出该技术受到了广泛的关注和重视。我国的汽车故障诊断技术起步较晚，近些年来得到了迅速发展。外国一些发达国家的汽车故障诊断技术发展很早，国外汽车故障诊断设备发展的主要特点是采用“智能化、自动化”的诊断方式，在日新月异的汽车诊断专家系统和复杂的诊断项目中，综合利用各种自动化诊断技术，大大增强了诊断能力和预测能力。在诊断技术发展的过程中，诞生了许多里程碑式的故障诊断设备，如美国SNAP-ON公司的VANTAGEMT2400（红盒子）、奔驰公司的“STAR2000”等。图3示出了国外几个主要国家的专利申请量的比例图。

表1列出了在华申请的关于汽车故障诊断技术方面专利的主要申请人，通过分析在华主要申请人的分布，可以看出在华专利的申请人包括通用、丰田、本田等国外企业以及与国内企业合作的合资企业，同时，国内企业和高校在汽车诊断领域作为后起之秀也取得了迅速发展，在世界汽车诊断技术之列占据一定的优势和地位。

5 结束语

我国存在巨大的汽车消费市场，国内外企业在汽车故障诊断领域在我国的申请量每年均以较大的增幅增加，以专利为先导，抢占其在国内的市场。顺应网络化的发展趋势，实现高集成化、智能化和信息共享的通用型专家诊断系统，将是汽车故障诊断技术发展的新方向。而更优化的汽车故障诊断算法、对车辆信息进行综合管理的信息融合技术以及产品的可移植性，也正逐步成为汽车诊断技术的研究热点。值得关注的是，我国企业需在车辆故障领域进行更深入的技术研究和市场应用，才能在国内车辆故障诊断领域把握住发展的机会，同时企业还应与院校进行更加密切和广泛的合作，将高等院校的研究成果和专利技术应用于市场，使我国的汽车故障诊断技术水平得到较快的发展和提高。

参考文献

[1]卢士亮，等.汽车故障诊断技术的探讨[J].中国科技信息，2005（12）：44-45.

[2]，等.汽车故障诊断技术初探[J].科技传播，2011（3）：181.

[3]张丽莉，等.现代汽车故障诊断方法及其应用研究[J].机械研究与应用，2008（21）：8-16.

故障诊断方法综述篇8

关键词：汽轮机，故障，诊断技术，发展

伴随我国对工业发展的越来越高度重视，人们对工业设备的运行安全性、稳定性与可靠性等多方面提出了更高的要求。如何加强机械设备故障诊断，降低故障发生几率成为现代工业领域工作的首要任务。汽轮机作为电力生产中的重要设备之一，一旦其发生故障将会给整个电力系统带来巨大的不良影响，甚至引发人员伤亡事故。因此，非常有必要对汽轮机故障进行分析与诊断，这样才能有效提高汽轮机的安全性与可靠性。

一、汽轮机故障诊断现存问题

（一）材料性能诊断环节薄弱

材料性能检测是汽轮机检测工作中一个十分重要的环节。正常情况下，在检测汽轮机材料性能时，需要对汽轮机的使用期限进行预测。但就目前情况来看，汽轮机材料性能检测环节薄弱是我国大多数电力企业普遍存在的一个问题，即汽轮机材料性能诊断工作存在诸多地方需要改进，材料性能检测需要引起检查人员的高度重视，检测力度需要加强。

（二）检测方面问题

就现有汽轮机故障诊断系统而言，大多数系统均存在这样那样的弊端与缺陷，如许多汽轮机故障诊断系统采用推理算法，这在故障征兆的获取上是个不可忽视的弊端，长期以来都没有取得较有成效的突破。究其原因发现，汽轮机故障诊断系统检测问题是导致上述弊端产生的主要因素[1]。由于汽轮机故障诊断系统所用检测技术较为陈旧落后，难以适应与满足时展需求，难以实现对汽轮机故障的有效检测，导致诊断系统应有的效用无法正常发挥出来，这极大地阻碍了汽轮机故障诊断技术的发展与应用。

二、汽轮机故障诊断技术

（一）信号采集与分析

在信号采集方面，鉴于汽轮机工作环境较为恶劣，对故障诊断系统中传感器要求偏高，而传感器是系统信号采集的重要部件，所以当前对于汽轮机故障诊断技术的研究主要侧重于降低误诊率和漏诊率，提高传感器的工作性能与可靠性，以及积极开发新的传感器。

在信号分析与处理方面，目前使用最多的为振动信号分析与处理。而快速傅里叶变换（FFT）是汽轮机故障诊断系统中振动信号分析与处理采用最多的一种思想[2]。该思想的主要内容是将一般时域信号表示成不同频率的谐波函数，并以线性叠加的方式表示出来。同时，快速傅里叶变换思想认为信号是平稳的，因而分析出的频率具有统计不变性。从大量实践应用情况来看，FFT在汽轮机故障诊断信号分析过程中对于许多平稳信号都较为适用。然而，在实际诊断过程中许多信号都是不平稳的、非线性的。所以，提高信号分析精度与处理效率，是汽轮机故障诊断研究人员当前所迫切需要解决的一个问题。

（二）故障诊断

要想对汽轮机故障进行准确的诊断，首先就需要对故障发生的机理进行了解，这也是汽轮机故障诊断工作中一项不可缺少的基础性环节。目前对于汽轮机故障机理的研究主要包括故障类型与故障规律两方面。根据汽轮机故障发生机理，目前制定的故障诊断策略较为有效的主要有逻辑诊断、模糊诊断、人工神经网络，对比诊断、专家系统和模式识别等[3]。其中，人工神经网络和专家系统是当前研究较多的两种诊断方法。故障诊断的一般过程如图1。

图1汽轮机故障诊断一般过程

（三）应用人工智能

伴随互联网技术的不断进步与信息技术应用的日益广泛，人工智能已经成为当今时代的代名词，许多领域目前正致力于发展人工智能。作为我国重要支柱产业之一的电力产业，在汽轮机故障诊断方面也正朝着人工智能的方向发展。其中最具代表性的当属专家系统。专家系统作为人工智能在汽轮机故障诊断技术中的应用成果已取得了成功，但面对科技飞速发展的新时期，汽轮机故障诊断中的人工智能仍有许多问题丞待解决，如自学习、知识的获取、智能辨识、信息融合等等。

三、汽轮机故障诊断技术的未来展望

虽然现有汽轮机故障诊断技术已普遍应用于实际当中，但从上文对汽轮机故障诊断技术及各相关方面的深入研究与分析中发现，我国汽轮机故障诊断技术仍存在较多问题，诊断技术水平需要不断提高[4]。同时，为加快解决汽轮机故障问题，未来我国汽轮机故障诊断技术将朝着全方位检测技术，诊断技术与仿真技术有效融合、综合诊断与故障机理更深入研究等几个重点方向发展。

在故障机理更深入研究方面，需要电力企业相关工作人员加大对汽轮机故障机理的研究力度与深度，尤其是对渐发故障定量表征和整个故障系统状态指标的研究，并在此基础上对汽轮机故障机理进行详细、明确的区分。只有明确汽轮机故障机理，汽轮机故障诊断技术才能得到有效的改进与优化，才能得到快速稳定的发展。

在全方位检测技术方面，需要系统设计人员利用自动化技术、GPS定位技术、通信技术、计算机技术等多种现代化信息技术来积极开发新型汽轮机故障诊断系统，在不断提升系统功能的同时，实现对汽轮机故障的全方位检测，实现对汽轮机故障诊断效率的提升。

对于诊断技术与仿真技术的有效融合，主要是基于故障仿真思想来实现对汽轮机故障类型的辨别[5]。利用仿真技术可以实现对汽轮机组成零件故障的识别与诊断，而诊断技术与仿真技术的融合既能够为专家系统提供所需知识与学习样本，又能够在故障潜伏时期对汽轮机征兆进行充分研究，从而大大提高汽轮机故障诊断技术水平，促进汽轮机故障诊断技术快速发展。

综合诊断发展趋势主要表现在相关研究人员正逐步扩大对汽轮机故障诊断技术的研究宽度，这就为综合诊断技术的发展提供了有利的条件。目前，对于汽轮机性能诊断、油液诊断、机械振动及温度诊断等的综合性诊断已初步形成体系，并在继续发展着。

四、结语