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篇故障診斷新技術范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

故障診斷新技術范文第1篇

[關鍵詞]高新技術；變壓器；專家系統；人工神經網絡法；故障診斷

中圖分類號：TM407 文獻標識碼：A 文章編號：1009-914X（2015）26-0297-02

前言

電力變壓器是電力系統中的重要組成部分，是保障電力系統正常運行的基礎設備。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的正常運行，還能提升電力系統的運行效率。現階段，隨著高新技術的飛速發展，這一技術已經得到了廣泛的推廣并應用，在變壓器的故障診斷過程中，高新技術能夠解決很多傳統方法無法解決的難題。因此，高新技術應用于變壓器故障診斷中得到人們的廣泛關注與重視，尤其是專家系統與人工神經網絡法。

一、專家系統法

（一）專家系統的知識庫結構

專家系統法在變壓器故障診斷中由多個方面造成，主要有知識庫、數據庫、解釋機制、推理機以及人工借口。其中專家系統的核心內容就是知識庫。如下圖1所示：

TFDES的工作重心是以氣體色譜為主體，結合油中的溶解氣體色譜的數據進行分析研究，在研究過程中分析變壓器運行狀況時主要采用三比值法和特征氣體法，從而診斷變壓器運行是否正常，在運行過程中，變壓器是否有老化、放電、過熱等故障。此外，還需結合變壓器外部檢修情況進行分析，主要進行絕緣油特性、絕緣預防性等檢修項目，從而構建專家系統的知識庫結構。

綜合分析這一模塊主要是結合氣體色譜分析、外部檢查、絕緣油特性、絕緣預防性進行綜合分析，保證變壓器故障診斷的準確性、真實性、科學性，并向工作人員傳遞“繼續運行”或“關機”等指示信息。此外，TFDES中的協調器是最重要的一個模塊，起到控制、與其他模塊進行協調工作的作用。

（二）專家系統的特點

1、專家系統的知識表達系統是采用了國內最先進的產生式系統，其知識庫是模塊式的結構，模塊與模塊之間都是獨立工作，方便日后知識庫的二次更新與升級，對知識庫的維護工作帶來了便利性。

2、專家系統運用TURBO-PROLOG語言的優勢，進一步反向推理目標驅動，與此同時，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、專家系統中的數據庫主要由兩部分組成，主要是絕緣預防數據庫、動態數據庫。其中絕緣預防數據庫能夠將各種氣體信息與絕緣預防數據輸入到計算機中去，便于用戶實時查詢或管理。此外，專家系統根據數據分析得出結論，研究出變壓器運行的變化趨勢。動態數據庫主要起到承上啟下的作用，將上文中的推理結果與數據存儲在系統中，當用戶需要解釋時，給用戶提供相應的數據，以供解釋機制取用。

二、人工神經網絡

（一）人工神經網絡的結構

人工網絡神經是指模擬人腦進行信息處理。這一方法具備較強的自主組織、自主學習的能力，能反映非線性的工作關系。如圖2所示：

TFDANN的工作流程主要有兩個時期：

1、學習期

一般情況而言，在學習過程中，變壓器中的氣體分析數據與其他測量數據是早多種歷史計算數據的基礎上運算出來的，同時將數據輸入到網絡中，采用反向推理法，計算出權值和閾值。

2、工作期

在診斷變壓器的故障過程中，計算的數據是經過多次變壓器測量是結果，最后總結出網絡的實際輸出數據，并將之與預期中的數據進行比較分析。

在圖2中，TFDANN主要采用神經網絡的模塊化結構，模塊與模塊之間都是相互獨立的，單獨進行工作。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分別對應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屬于三比值模塊結構，其中X7～X9這一階段分表表示了C2H2、（C2H4、CH4）、（H2、C2H4）、C2H6的比值特征化學元素，輸出Y5～Y12分別表示變壓器的故障性質。此外，BP3表示絕緣油特性試驗模塊，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分表表示變壓器運行中的油溫、油位及其他相關數據，輸出Y16～Y17分別表示變壓器外部或內部的運行情況。

TFDANN結構中的核心模塊工作原理是：結合其他模塊的輸出結果進行多方面、多角度、多層次的比較分析，通過故障診斷經驗與先進的技術有機結合分析，從而做出正確的故障判斷。

（二）人工神經網絡的特點

1、人工神經網絡采用反向傳播計算法，能夠進行科學的分類，將故障信息分為模糊一類與非模糊一類，與此同時，引進模糊控制理論，就能解決一些模糊故障的數據處理問題。

2、人工神經網絡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，從而構建神經網絡模塊化結構，有效的將傳統復雜的結構簡化了，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，各網絡節點之間的工作流程變得簡單化，提升了診斷速度，便于日后軟件的升級與更新。

3、人工神經網絡法具有較好的人機借口，不僅可以在屏幕上顯示變壓器的運行動態圖，還具備打印輸出的功能，這一方法具有較高的實用性、可操作性。

三、變壓器故障診斷實例分析

例如，發電廠變壓器的額定容量設定為65MVA，額定電壓設定為110、35、10.5KV，根據采樣數據制作出表1，絕緣油特性的試驗數據制作出表2，絕緣預防性試驗數據制作出表3，如表1，2，3所示：

根據以上數據顯示，通過專家系統法（TFDES）與人工神經網絡法（TFDANN）診斷得出以下結果：

（一）專家系統法診斷

結合氣體色譜數據比較分析發現：H2、C2H2和總烴都大于三比值（102）的正常范圍，變壓器的內部運行正常。因此，診斷結果為高能量放電癥狀。

（二）人工神經網絡法診斷

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，這一現象說明變壓器高能量放電；BP3和BP4輸出數據顯示變壓器中的內部運行不良。因此，綜合以上數據顯示發現：變壓器內部運行不良，診斷結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）指導意見

立刻通知工作人員停機，取芯檢查，著重檢查定壓繞組部位。

結語

綜上所述，電力變壓器故障診斷過程中引入專家系統法、人工神經網絡法起到重要作用，有效的診斷出變壓器的故障原因。近年來，DGA數據庫系統逐步受到各電力企業、變電站的重視，紛紛建立了DGA數據庫系統，并將其系統中的信息數據輸入到計算機數據庫中進行備份。這些信息數據資源給故障診斷技術趨向數字化、智能化、一體化提供了可能。人工智能技術不是一朝一夕能夠實現的，它是一項系統性的工程，需要技術人員不斷的分析、改進、歸納、總結、創新，有效的將理論知識與實踐活動聯系起來。此外，人工智能型系統發展空間較大，前景無限。

參考文獻

[1] 田振寧.案例推理技術在大型電力變壓器故障診斷中的應用[D].上海電力學院，2010.

故障診斷新技術范文第2篇

[關鍵詞]機械；信息技術；故障

中圖分類號：TP306 文獻標識碼：A 文章編號：1009-914X（2014）35-0277-01

信息融合是利用計算機技術將來自多個傳感器或多源的觀測信息進行分析、綜合處理，從而得出決策和估計任務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據融合，它所包含的內涵非常廣泛，所探測的信息、信號也更加確切，并具有很強的概括性。目前，我國機械故障診斷方法大多采用傳統的診斷方式，這種方式往往只能對一種信息或幾種信息進行觀察和分析，而不能對多種信息進行多層次、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，也令人質疑故障診斷的結果是否可靠。因此，信息融合技術的應用，既保證了多傳感器獲得信息的準確性，也提高了機械故障診斷結果的可信度。

一、傳統機械故障診斷技術的現狀

（一）傳統機械故障診斷的局限性

傳統的機械故障診斷技術，在進行機械故障診斷的過程中，只能對機械信息中的一種或幾種進行觀察和分析，并不能對機械故障的信息進行全面的集合，從而使機械故障診斷的結果是局域性的。例如，通過振動加速度信號對軸承狀態進行診斷時，就是因為信號類型太過單一，能獲得的軸承狀態信息太少，而導致很難對軸承狀態特征得出準確的評價。如果能對軸承狀態的多種信息，例如軸承油的溫度信息、油樣信息等進行多層次、多角度的觀察和分析，將會對軸承狀態做出更加準確的評價。

（二）傳統機械故障診斷結果的不確定性

我們并不否認通過一種或者幾種信息可以對機械故障做出判斷，但是在很多的情況下，這種判斷的結果并不可靠。在機械故障診斷的過程中，利用多種信息得出的判斷，相對于只利用一種信息得出的判斷而言，結論會更加令人信服。例如，在診斷齒輪裂紋時，只利用箱體振動加速度信號進行分析得出的結論，顯然不具有很強的說服力，令人質疑結果的可靠性。

二、機械故障診斷引進信息融合技術的必然性

（一）多傳感器的應用提供了不同通道的信息

傳統機械故障診斷的方式只能利用一種或者幾種信息來提取機械的狀態特征，隨著機械故障系統越來越復雜，越來越多的傳感器被用來探測和感受信息，并且類型多種多樣。并且不同類型的多個傳感器，能夠探測和感受到機械不同類型、不同部位的大量信息。因此，對機械故障診斷技術提出了更高的要求。

（二）多種多樣故障的表現形式增加了診斷的難度

由于機械故障系統的龐大化，故障產生的原因也更加復雜，不同的故障原因也可以是同一特征的故障表現形式，這就對機械故障診斷技術提出了更高的要求。例如，引起旋轉機械轉子異常震動的原因可以是機械軸承座松動也可以是轉子相互碰撞以及其他原因。盡管使旋轉機械轉子發生異常震動的原因不同，但是它的結果表現出來都是一樣的。因此，在這種情況下是很難通過同一種信號觀察和分析出故障產生的原因。

（三）信息的不完整提高了診斷對象的不確定性

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

三、機械故障診斷過程中信息融合技術

（一）以神經網絡為基礎的信息融合方法

簡單地說，它是一種以人腦神經系統為基礎，由大量處理單元組成的非線性大規模自適應動力系統。它不但模仿人腦神經系統具有學習、記憶、計算等能力，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結構結合為一體，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傳感器探測的信息中提取出各種狀態特征，并使各種狀態特征精確地對應著機械的各種故障和運行狀態，準確地找出機械故障的原因。

（二）以貝葉斯理論為基礎的信息融合方法

在機械故障診斷的過程中，往往因為診斷對象的不確定性，或是機械運動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，就使的傳統診斷技術很難從中提取出機械的狀態特征，精確地診斷出機械故障的原因，而貝葉斯理論就是針對這種情況提出的。貝葉斯理論是在概率密度函數基礎上發展和建立的推理方法。在機械運動的過程中，可能會隨機地出現很多問題。問題出現的時機看似非常隨便，但是卻有一定的規律，而概率密度函數就是對這種規律最嚴密的計算方式。因此貝葉斯方法以概率密度學為基礎，可以對傳感器的各種類型、各個部位的信息，進行綜合觀察和分析，得出準確的機械狀態特征，進而對故障進行分類。

（三）以D-S理論為基礎的信息融合方法

貝葉斯方法和傳統的故障診斷方法相比，的確實現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上給出精確的可信度表示。而D-S理論就是基于這點產生的。D-S理論將每一種可能產生的故障稱之為假設，各種可能故障的集合又叫做識別框，而可能故障的各種狀態特征就是證據。

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

四、機械故障中信息融入技術的應用

多傳感器數據融合技術在進行故障診斷過程中，構建了三大融合模塊，即數據級融合模塊、特征極并行多神經網絡局部診斷模塊和決策級D-S證據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，提取出精確的狀態特征，把其進行分類整理，判斷出正確的故障原因。下面就以液壓設備的故障為例，簡單講解信息融合技術是如何發揮效果的。

信息自動化的發展，使得液壓設備的故障系統復雜化和龐大化。液壓設備不僅有泄漏、腐蝕、液壓卡死等各種各樣的故障表現形式，而且需要監測的設備工作參數內容也是紛繁復雜。可以說，故障產生的因果關系非常復雜，故障發生的隨機性也相對分散，這給正確地診斷故障帶來很大的難度。顯然，用傳統單一信號的診斷方法已經得不到正確的故障原因。而多傳感器的信息融合技術的使用，可以對液壓設備的各個工作參數進行合理地融合，有效地獲得設備運行的狀態特征，從而對故障進行正確的判斷。

參考文獻

[1]陳昌斌.機械設備故障檢測診斷技術概述[J].中國水運（下半月），2012，（02）.

故障診斷新技術范文第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.

關鍵詞： 輸送機構；故障診斷；模糊；鐵譜

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

中圖分類號：TH165+.3 文獻標識碼：A 文章編號：1006-4311（2014）08-0076-02

0 引言

隨戰爭發展起來的液壓技術由于其獨特的優勢，在世界各國各行業的裝備中得到了廣泛的應用，當然在現代各型車輛中也不例外。但液壓系統一旦出現故障，很難診斷。若車輛中液壓系統的故障不能及時發現并排除，勢必影響車輛正常的使用。為減少液壓系統故障診斷的盲目性以及拆裝工作量，本文結合某型車輛輸送機構典型液壓故障，提出了一種基于模糊控制理論的新型液壓系統故障診斷方法。

1 某型車輛輸送機構液壓系統模糊故障診斷模型

1.1 典型故障現象及故障原因 輸送機構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備。輸送機構液壓系統主要由液壓泵、液壓馬達、電磁換向閥、儲油罐、電機等組成，在工作過程中其典型故障現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：電機故障；雙聯泵故障；液壓馬達故障；電磁換向閥故障；油液泄漏量較大；油液雜質較多；儲液罐液位過低。輸送過程欠速的故障原因主要有以下幾種：電機故障；雙聯泵故障；液壓馬達故障；油液泄漏量較大；系統內進入空氣；油液粘度較低。由于液壓系統故障診斷存在著典型的模糊性，考慮利用模糊診斷評價方法簡單的特點來進行故障診斷應收到良好的效果。

1.2 建立故障征兆集與故障源集 根據故障征兆是否出現情況，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，否則為0。將上述輸送機構在運行過程中的兩種典型的故障現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言描述用模糊語言變量值及評價從屬度來描述，將其語義分為5檔，輸送不到位的語言變量為：完全不到位、很不到位、較不到位、稍不到位、完全到位，分別對應區間[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，分別對應區間[1.0，0.8]，[0.8，0.6]，[0.6，0.4]，[0.4，0.2]，[0.2，0]。

輸送機構液壓系統故障由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}，若輸送機構出現輸送不到位和輸送過程欠速兩種故障征兆，其故障源集f={電機故障f1，雙聯泵故障f2，液壓馬達故障f3，電磁閥故障f4，油液泄漏量較大f5，油液雜質較多f6，儲液罐液位過低f7，系統內進入空氣f8，油液粘度較低f9}。模糊診斷矩陣■是表達輸送機構液壓系統故障征兆向量與故障源向量之間因果關系的，矩陣中每個元素rij即第i種征兆xi屬于第j種故障原因fj的隸屬度，因此隸屬度函數的確定是模糊診斷中的重要環節。由于模糊規則的制定者在專業知識、實踐經驗等方面存在著差異，因此對于同一個現象，不同的人會使用不同的確定隸屬度的方法。考慮到液壓系統的不斷運行，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綜合法構建模糊矩陣的基礎上提出了一種以鐵譜技術為基礎的模糊關系動態變化的隸屬度確定方法。

1.3 模糊診斷矩陣的構造

1.3.1 采用多因素加權綜合評判 常用確定隸屬度的方法有兩種：模糊統計法和專家經驗法。

模糊統計法是基于概率統計的基本原理，對于n次試驗，u0對A的隸屬頻率=■。結合車輛管理部門對輸送機構故障的維修記錄，由記錄數據統計確定隸屬度aij：aij=■。

專家經驗法是根據專家的實踐經驗給出相應權系數值來確定隸屬函數的一種方法。為了提高專家經驗的可信度，找到多位該領域的專家，每位專家根據經驗將產生同一故障現象的各個原因按產生故障的概率從小到大進行排序，N位專家共作出N種排序數，將每個專家的排序數求和，進行歸一化處理，可得到隸屬度bij。這種方法要求專家具有豐富的液壓系統維修經驗，才能保證經驗知識的準確性。

由于車輛管理部門對故障統計方面的數據記錄有限，又由于專家主觀判斷難免出現紕漏，為了更為客觀準確地確定隸屬度值，本文綜合模糊統計法和專家經驗法，采用兩種方法分別加權，綜合得到隸屬度的方法，即多因素加權綜合評判法，為了反映各評判因素的相對重要程度，對每個因素按其重要程度賦予相應的權重：設模糊統計權重為A1，專家經驗權重為A2，其中A1？叟0，A2？叟0，A1+A2=1。則由經驗數據及專家經驗的綜合模糊隸屬度為rij=A1aij+A2bij，（i=1，2，…，m；j=1，2，…，n），從而構造模糊診斷矩陣■=（rij）m×n。

1.3.2 建立動態模糊關系 動態模糊理論是為了適應實際的需要，各因素的相對權重和模糊關系矩陣在評判對象不同的發展階段，做出相應的調整。液壓系統發生故障的原因有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，磨損顆粒混入油液后還會導致磨損的惡性循環，使液壓系統產生故障，因此液壓系統故障診斷與定期監測液壓油液中磨損顆粒的形態、數量等關系重大。

通過對磨損顆粒進行鐵譜分析，可以準確地獲得液壓系統有關磨損方面的重要信息。它能夠在不拆開系統的情況下報告其磨損狀態，反映運行情況。因此，通過定期抽檢輸送機構液壓油油樣，進行磨粒濃度及形態分析，可實現輸送機構液壓系統磨損狀態監測。通常按照鐵譜監測的液壓系統的磨損顆粒大小將系統運行分為正常運行階段、異常磨損階段、嚴重磨損階段三個階段，磨粒尺寸小于屬正常磨損，當出現尺寸為的磨粒時，表明系統已處于嚴重磨損階段，故障隨時可能發生。元件磨損程度不同，說明系統運行時間不同，元件疲勞程度及油液質量也就不同，故障原因排序自然會發生變化，就以這三個階段的分隔點作為模糊關系動態變化的分隔點，根據專家經驗，將各個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。對于計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yt=max{yj|j=1，2，3，…，n}，則由最大隸屬度原則推斷故障原因為yt，即為第t故障原因。

1.5 診斷流程（圖1）

2 應用實例

某型車輛在使用過程中發現出現輸送機構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合的方法對該液壓系統故障進行診斷，主要步驟如下：

現場觀測，確定故障征兆集：■={輸送很不到位，速度稍低}，用模糊語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={電機故障f1，雙聯泵故障f2，液壓馬達故障f3，電磁閥故障f4，油液泄漏量較大f5，油液雜質較多f6，儲液罐液位過低f7，系統內進入空氣f8，油液粘度較低f9}。

由鐵譜分析確定系統使用時間：油液抽樣進行鐵譜檢測，磨粒尺寸小于15？滋m，屬正常磨損階段。現有三名專家根據鐵譜分析結果，即在正常磨損階段下，分別給出產生故障的各個原因的概率從小到大的排序數：

專家一給出排序數：■

專家二給出排序數：■

專家三給出排序數：■

求和歸一化處理得專家經驗隸屬度：

■

將統計數據隸屬度與專家經驗隸屬度進行綜合加權，設專家經驗權重為A1，經驗數據權重為A2，其中A1？叟0，A2？叟0，A1+A2=1，則由統計數據和專家經驗確定的綜合模糊隸屬度為rij=A1aij+A2bij。由車輛管理隊長期積累經驗確定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為第5原因，即系統油液泄漏量較大。

3 結論

液壓系統由于其自身的特點，能快速準確地得到故障原因實在不是一件容易的事情。由于車輛液壓系統在故障診斷過程中普遍存在著模糊的概念和方法，將模糊理論應用到某型車輛液壓系統故障診斷中。考慮到液壓系統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來確定系統磨損情況，進而由專家根據系統運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行故障診斷，為某型液壓系統故障診斷提供了一種新的方法，提高了診斷的準確性和可靠性，為建立故障診斷專家系統提供了較有價值的設計思路。

參考文獻：

[1]諸靜.模糊控制理論與系統原理[M].北京：機械工業出版社，2005.

故障診斷新技術范文第4篇

關鍵詞：故障樹分析 貝葉斯網絡 故障診斷

中圖分類號：TP183 文獻標識碼：A 文章編號：1007-9416（2014）05-0109-01

由于網絡信息化的快速發展，使得車載網絡信息系統組成更加復雜，人們對于車載網絡信息系統的故障診斷日益重視。建立準確、可靠、快速的故障診斷是完善車載網絡信息系統性能的客觀需求，也是技術發展的必然趨勢。因此，故障診斷成為了車載網絡信息系統研制工作中一個重要內容。

1 傳統的故障樹分析方法在故障診斷中的應用情況

故障現象與故障原因之間必然存在相應的因果關系，故障診斷就是根據該因果關系來進行推理與決策。

各種網絡設備及網絡系統的傳統故障診斷大多采用故障樹分析（Fault Tree Analysis，FTA）方法來進行故障診斷因果推理。故障樹分析方法是一種從系統到分系統（部件），再到零件，按照逐層下降形式分析的方法。它從系統開始，通過邏輯運算符號繪制成一個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，同時也可用來分析零件、分系統（部件）或子系統故障對于系統故障影響。

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

2 基于故障樹的貝葉斯網絡進行故障推理原理

貝葉斯網絡（Bayesian Networks，BN）是一種概率網絡，貝葉斯網絡是基于概率推理的數學模型，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絡是為了解決不定性和不完整性問題而提出的，它對于解決復雜系統的不確定性和關聯性引起的故障有很大優勢，在多個領域獲得了廣泛的應用。

建立貝葉斯網絡模型是用它進行故障診斷的首要問題，它需要解決的問題包括網絡節點的確定、節點間的有向弧連接關系、各節點的先驗概率以及條件概率表的確定。文獻給出了建立貝葉斯網絡模型的一般步驟。

這種方法建立在模型建立者對系統比較了解的基礎上，實施難度較大，限制了它的應用。在網絡系統的故障診斷中，故障樹分析和故障模式、影響及危害性分析是常用的方法。

貝葉斯網絡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描述及推理方式，而且還具備描述事件多態性和故障邏輯關系非確定性的能力。

3 基于貝葉斯網絡的故障診斷示例

某車載網絡信息系統的無線通信系統故障樹結構如圖1所示。

與故障樹中基本事件對應，以根節點X1代表電臺天線，其狀態分別為正常（0），信號不能發送等為故障（1）；X2代表中頻板，其狀態分別為正常（0），無輸出等為故障（1）；其余以此類推。與故障樹中頂端事件對應，以S1代表無線電臺無法數據通信；S2代表X1與S3取或的邏輯結果；其余以此類推。建立的車載網絡信息系統的無線通信系統貝葉斯網絡結構如圖2所示。

4 結語

本文在分析故障樹分析方法的特點和貝葉斯網絡在處理不確定性問題優點的基礎上，提出了利用貝葉斯網絡進行車載網絡信息系統的故障推理應用。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絡模型建立方法，分析了貝葉斯網絡的故障預測和推理原理，最后通過對于某型車載網絡信息系統故障實例驗證了上述方法的可行性和有效性。

參考文獻

故障診斷新技術范文第5篇

【關鍵字】煤礦；機電設備；故障；檢測診斷

故障檢測診斷技術是一項集合了信息技術、傳導技術和電腦技術等多個領域為一體的先進技術手段，近年來在煤礦行業中得到了廣泛應用與普及。當前現代化礦井，已然形成了一礦一面和一條生產線的強化集中生產模式，機電設備的自動化、大型化和重載化程度也不斷提高。為提高煤礦企業的設備管理水平，并更好的確保礦山設備的安全運行，迫切需要加強故障診斷技術的研究與應用。本文結合工作實際，從故障檢測診斷技術的特點出發，并就故障檢測診斷技術在煤礦機電設備安全中的應用進行了分析與探討。

一、故障檢測診斷技術的特點

隨著現代化的維修理論、工藝理論、基礎學科理論和檢查技術的發展，故障檢測診斷技術也不斷得以完善。它最主要有以下幾方面的特點：

1、技術的復合性

機電設備的診斷和維修，涉及到了動力學、摩擦學、物理學等多種學科領域，并包含了自動化應用、機械制造、液壓機器應用等多方面知識體系，因此故障診斷技術是一門綜合性的學科，在實際應用中需要經驗豐富，而且知識面廣。

2、明確的目的性

故障檢測診斷技術具有明確的目的性，就是及時發現設備運行過程中的故障，并運用相關的技術，對故障進行準確的定位與分析，進而制定出相應合理的維修方案，以確保生產的安全與順利。

3、實踐性與理論并重

故障檢測診斷技術，不僅具有廣泛的理論基礎，而且能切實應用于生產實踐當中，在診斷和處理結果出來后，能迅速完成由理論向實踐的轉化。

二、煤礦機電設備安全中故障檢測診斷技術的應用

1、礦井提升機檢測和故障診斷

礦井提升設備是煤礦生產中用于升降人員、提升物料和下放材料的大型機械設備，也是礦山井下生產系統和地面工作相連接的紐帶。礦井提升機能否安全運行，將對礦山生產和建設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中一些特定的參數出現了超限的表現，這一類故障可通過對保護裝置的設置來進行解決；軟故障則要通過多種工況參數的測試，并經過對相關數據的分析和處理才能得以診斷，而且因為軟故障對工況參數的變量牽涉較多，往往導致對其無法進行準確判斷。但是軟故障卻通常是硬故障發生的前提與預兆，因此加強對提升機軟故障的及時預報和診斷是非常重要的。

目前，為了保證提升機的安全、正常的運行，我國開展了大量的研究工作，取得了一定的成績，并針對性的開發出了相應提升機的檢測和故障診斷裝置。例如ASCC型全數字提升機控制系統、KJ46性礦井提升機檢測診斷裝置等等，都具備了對礦井提升機運行參數的檢測和故障診斷的功能，并同時包含了超速保護、制動失靈保護和過卷保護等方面的作用，在實際工作中取得了較好的效果。

2、采煤機檢測和故障診斷

采煤機是一個集機械、電氣和液壓為一體的大型復雜系統。因煤礦井下工作環境惡劣而且復雜，如果采煤機出現故障將容易導致整個采煤工作的中斷，造成巨大的經濟損失。隨著當前煤礦工業的發展，采煤機功能越來越多，且自身的結構和組成愈發復雜，導致故障發生的原因也隨之復雜化。同國外先進的采煤機比較，國產的采煤機在故障檢測診斷技術方面還相對落后，主要表現在檢測參數的缺少和檢測范圍的不全面，并且無故障診斷功能。

為徹底改變國產采煤機無故障診斷功能和檢測水平低的現狀，原煤炭部將“采煤機工況檢測及故障診斷系統”的研制列入了“九五”重點科技攻關計劃當中。該故障檢測診斷系統主要包括了機身檢測單元、左右搖臂檢測單元、變頻器通信單元、工況檢測及故障診斷單元、高壓控制箱檢測單元、檢測顯示單元這六個單元，在當前已取得了較為顯著的成效。

3、通風機檢測和故障診斷

當前應用于礦井通風機的故障檢測診斷的裝置較少，主要包括了FJZ型礦井主風機監測與故障診斷儀、KFC—A型通風機集中檢測儀等裝置。FJZ型礦井主風機監測與故障診斷儀是以8098單片機作為核心的通風機檢測與故障診斷系統，并實現了主風機的機械故障診斷和在線監測的一體化。該系統的主要功能包括了：

（1）實時檢測功能。包括了對風量、負壓、風機振動烈度、軸溫、通風機電流、軸心規矩等的檢測。

（2）智能診斷功能。指利用了主機內自帶的專家系統，對通風機常見機械故障進行診斷。

（3）報警和打印功能。根據工作實際，對通風機的各種參數值進行報警設置，超過設計限制即會進行自動報警并進行打印記錄。

4、高壓異步電動機檢測和故障診斷

高壓異步電動機在礦山生產與建設中，起著非常重要的作用。其故障的發生，不僅會給礦山企業帶來極大的經濟損失，還會影響到正常的生產與運營。隨著當前信號處理技術和人工智能技術的發展與應用，異步電動機的故障檢測診斷技術也得到了極大的突破，并已取得了良好的效果。當前高壓異步電動機故障常見的檢測與診斷方法包括了局部放電檢測、電流高次諧波檢測和磁通檢測這三種。

局部放電檢測是利用檢測定子電流的高頻檢測儀和電流互感器，或者通過帶通濾波器和射頻天線檢測局放脈沖，以辨別各種局放源來對定子的不同故障進行診斷；電流高次諧波檢測則是利用定子電流的不平衡現象，檢測異步電動機的定子繞組故障；磁通檢測是檢測電機內部磁通在切向和徑向上分量的變化，進而判定定子故障的方法，這種方法在當前高壓電機的多種故障檢測中得到了較為廣泛應用，但由于需要磁通檢測儀器，不方便使用，對弱信號也不易被檢測。

總 結

我國煤礦行業因為各種因素，機電設備故障檢測診斷技術仍處于較為簡單的階段，推廣應用都并不廣泛，在技術開發和研究工作的投入力度上還有待加強。同時，還應加強與各個行業間故障檢測診斷技術的交流與合作，并進行新技術的推廣與應用，使煤礦機電設備的安全性、可靠性得到進一步提高。

參考文獻：

[1]黃書雷.故障診斷技術在煤礦設備維修中的應用[J].工會博覽:理論研究，2011（1）.