故障诊断方法综述篇1
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。
故障诊断方法综述篇2
【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（FaultDiagnosis，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-intest，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，JohnR，iman，etal.expertsystem-based，on-linerotorcrackmonitorforutilitysteamturbines[a].proceedingoftheamericanpowerConference[C].publbyillinoisinstoftechnology，1989：369-380.
[3]Bosmans，RonaldF，Hewitt，etal.expertsystemformachineryvibrationdiagnositics[J].americanSocietyofmechanicalengineers，inernationalGasturbineinstitute，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]Chrissanthiangeli，Derekatherton.amodel-BasedmethodforanonlineDiagnosticKnowledge-BasedSystem[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]JosephC，GaryD.expertSystems[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）.
故障诊断方法综述篇3
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。
故障诊断方法综述篇4
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.
故障诊断方法综述篇5
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。
故障诊断方法综述篇6
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。
关键词：汽车故障诊断思路
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。
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。
故障诊断方法综述篇7
[关键词]综采机电；故障诊断技术；维修；监测；维护流程
中图分类号：F407文献标识码：a文章编号：
1、前言
在煤矿生产的机电系统在使用过程中，由于煤矿机电系统是一项系统工程，所以必须要煤矿企业的各个部门和单位联合起来，对各个环节和细节进行配合和支持，这样才能真正的做到实现煤矿机电系统安全性。在目前企业发展的情况下，煤矿机电系统的可靠性也存在着许多许多的困难和问题，这些问题和困难都需我们每一个采矿人努力去实践和探讨，从而得到解决，这些问题能否得到解决，其关键就是我们要充分的认识和理解煤矿供电安全性的必要性和重要性。综合来说，我们应该充分利用现有的一些先进的技术和手段，以此来减少煤矿综采供电事故的发生率，在煤矿生产过程中，其机电系统是所有系统的发动机，并且与每一系统都有着密切的关系。
与此同时，从工程学的角度来考，机电系统也是一项系统工程，其规模和复杂程度不言而喻。机电系统它也是煤矿生产循环系统的重要组成部分。它的好坏直接关系到煤矿安全生产，减低和防治煤矿机电系统设备事故的关键所在。机电系统的重要性还体现在，它能够为煤矿实现安全高效生产提供动力来源。随着采矿业规模日益增大，我们结合自身的工作实践，主要从煤矿综采机电系统在运行中所存在的一些问题和不稳定性因素进行了分析和阐述，同时，针对这些问题提出了一些自己的看法和想法，鉴于此，能够为煤矿今后实现安全生产提供一点意见和建议，供同行进行参考。
2、故障诊断技术
设备故障诊断技术包括故障检测与故障诊断.通常合在一体统称为故障检测和诊断（FDD）。
2.1故障的定义和故障诊断的机理
设备工作正常是指在煤矿机械设备不出现任何问题，不影响煤矿正常安全生产时，并发挥了其应有的作用、不会造成一些损失等；设备出现异常是煤矿机械设备在运行的过程中，由于机械设备的内部某个部分出现了问题，直接影响到了煤矿机械设备的正常工作，使得机械设备的缺陷进一步被放大，使得机械设备的性能不能发挥，情况恶化，但是机械设备仍然能够进行工作。故障则是指当技术设备的某个部分的缺陷发展到使得机械设备不能正常工作，使得其设备的性能和功能基本丧失的程度。正是因为监测与故障是在设备不停机的情况下进行的，所以，最终这些故障都是通过以状态信号为依据。监测与诊断就是要快速、准确地提取设备运行时二次效应所反映的特征。
2.2故障诊断过程
故障诊断的过程主要有以下四个步骤：首先状态监测，这个主要是对设备运行时的状态信号进行监测；其次，特征提取；再次，故障诊断，根据获取的信息，并通告一些确定的信息，确定其位置；最后，决策；利用检测仪器，做出正确的分析和诊断，可以及时预测机器设备可能发生的故障。
3、综采机电故障诊断及维护技术的特点
在煤矿生产的机电系统在使用过程中，由于煤矿机电系统是一项系统工程，所以必须要煤矿企业的各个部门和单位联合起来，对各个环节和细节进行配合和支持，这样才能真正的做到实现煤矿机电系统安全性。根据煤矿机械设备故障的发生时间、位置等总结了综采机电故障诊断及维护技术的特点。主要分为：第一，目的明确；第二，实践性强，使用故障诊断技术，使得处理结果能够很快得到实践验证。
4、综采机电故障诊断及维护流程
在煤矿生产过程中，由于煤矿综采机电设备的故障具有不可预测性，种类各种各样，成因复杂繁琐，并且对于需要诊断策略的极强的依赖性。煤矿行业是一个存在着高度危险的行业，而且工作的环境也相当差，由煤矿安全监督总局调查的相关资料显示，有很多煤矿都已经开采几十年，甚至上百年了，出现设备老化，那是很正常的事情。加之在本世纪初时，煤炭形势不很乐观，出现产出来的煤卖不出去，煤矿经济效益一直不好，虽然在近几年形势有所转变，但是在很多煤矿的供电系统的设备老化问题仍然存在，这就给安全隐患埋下了伏笔。因此，对于综采机电设备的自身特点，它具有其独特的优越性，并且针对其具体的问题提出了提出了机电一体化产品的综采机电远程故障诊断。所以，传感信息融合的自适应能力对于煤矿机电设备自身而言是极其重要的，这样将有利于提高诊断策略的可靠性。
5、结束语
综上所述，在目前企业发展的情况下，煤矿机电系统的可靠性也存在着许多许多的困难和问题，这些问题和困难都需我们每一个采矿人努力去实践和探讨，从而得到解决，这些问题能否得到解决，其关键就是我们要充分的认识和理解煤矿供电安全性的必要性和重要性。综合来说，我们应该充分利用现有的一些先进的技术和手段，以此来减少煤矿综采供电事故的发生率，在煤矿生产过程中，其机电系统是所有系统的发动机，并且与每一系统都有着密切的关系。但是，无论是从经济现点出发，还是从整个作业来考虑。准确及时、有效地实现综采机电远程故障诊断的方法都值得关注和研究。
参考文献：
【l】须章遂，房立清，王希武，等.故障信息诊断原理及应用【m】.北京：国防工业出版社.2000.
【2】王琳.机械设备故障诊断与监测的常用方法及其发展趋势【J】.武汉工业大学学报，2000（3）：62―64.
【3】马小平，肖兴明.基于专家系统的提升机故障诊断系统【J】.中国矿业大学学报，1999（5）499―501.
【4】张建文，丁恩杰，谭得健.国产电牵引采煤机工况监测和故障诊断技术的发展现状与前景【J】.煤矿机电，2000（5）：111一114.
【5】苏文叔，胡菊.机械面防突措施及配套装备的研究【R】.重庆分院研究报告，1995.
故障诊断方法综述篇8
【关键词】火电厂；锅炉常见故障；数据挖掘诊断技术
一、引言
近年火电厂的生产规模在随着电力的需求不断扩大，但是受到技术的限制，火电厂在生产设备方面的设计、安装、运行管理、维修经验等都受到一定的影响，导致火电厂运行的大型设备会经常出现故障，而且出现故障的情况有增加的趋势。大型设备是火电厂正常运行的重要基础，一系列的故障事件会给火电厂的经济效益带来很大的损失，造成严重的后果。因此为了有效解决故障事件，人们采用了智能化的数据挖掘故障诊断技术，也就是数据采集与监控（SCaDa）系统。经过实践的多次证明，该项诊断技术在处理火电厂的设备故障事件时，效果明显，还能够监控设备的运行状况，防患于未然，从而保障设备的正常运行。因此数据采集与监控系统在火电厂中越来越受到重视，发挥越来越重要的作用。
二、采用数据挖掘诊断技术的必要性
火电厂主要的任务就是为社会提供源源不断的电力能源，因此火电厂主要的两大核心设备就是汽机和锅炉，这两大设备都是属于火电厂的热力系统。这两大设备运行中出现的故障比较复杂，而且都是经常会出现的。例如我们常见的锅炉的过热管泄漏、汽机的转子碰磨、大轴弯曲、油膜振荡等故障。针对这些常见的设备故障，一般情况下要想解决，首先就必须对出现故障的设备搜集实时的大量数据，作为故障的信息源，怎样获取大量的信息来源呢？以往的主要做法就是采取相关的检验试验或者是附加的检测设备进行数据的获取，然后再由工作经验比较丰富的故障诊断人员根据数据进行综合分析，然后做出诊断结果的判断，进行维修。如果仅仅靠故障报警系统进行故障的监控，是远远不行的。因为一般情况下，当报警系统启动时，大型设备的故障已经到了耐受的极限，这样对设备的使用寿命来说是极为不利的，因此做好运行中的监控工作是不可忽视的。另外，由于火电厂的锅炉等一系列的大型设备出现故障的几率较大，每一次的故障诊断都会影响到生产的进度，但是火电厂现场的操作人员是有限的，面对每一次海量的历史数据库未免有点力不从心，又加上长时间积累下来的锅炉运行中的历史数据也要占据很大的存储空间，不可以直接使用，进行分析时单凭经验是无法正确有效地理解数据之间的关系，但丢弃了又会使得诊断结果失去科学性。另外锅炉设备的诊断还需要有附加的检测试验和设备，对数据进行检验。但检验数据也需要花费大量的时间和精力，费用也比较大，有的时候还会对锅炉等设备和操作人员造成一定的危害。
由以上我们可以看出，采用先进的数据挖掘诊断技术是非常实用和有效的，它主要是针对锅炉和汽机两大设备进行监控和管理，可以对其出现的故障进行有效的技术诊断。利用智能化的数据挖掘技术可以有效的直接从大量的历史数据中提取出与锅炉故障有关的信息，并对数据之间的关系进行定量分析，有效避免了附加的锅炉检测或者是测试实验，可以减轻操作人员的很多负担，该项技术将系统中的历史数据库中的故障信息源进行详细综合分析，从中找出故障点所对应的设备状态量的一系列变化规律，进而得故障的诊断方法，既有效又方便快捷。因此数据挖掘技术已经在社会中的多个领域被使用，例如商业、天文、地理、医药等，而且都具有多项成功的实例。将其应用在火电厂的锅炉故障处理，有效提高火电厂的经济效益。
三、火电厂锅炉常见故障采用数据挖掘诊断技术的步骤
在实际的工作过程中，具体的数据挖掘诊断技术主要包括以下四个步骤：（1）数据挖掘的目标描述和数据准备；（2）数据的预处理；（3）数据挖掘；（4）数据挖掘目标的评估。以上这四个步骤之间是相互联系、相互影响的。其中第三个步骤即数据挖掘，可以采用的数据挖掘方法很多。在这一步骤中，首先应该是基于第二个步骤，根据数据的预处理结果，主要采用粗糙集的方法建立一个决策表，紧接着就要对决策表进行属性约简，最终将会得到锅炉故障的诊断规律，对于第四步的处理，加入目标处理的结果很不理想，没有达到预期的效果，那就需要重新操作前面的四个步骤，直到目标的评价达到相关的要求。数据挖掘技术的核心部分是基于粗糙集理论的属性简约算法，运用这一理论能够使得锅炉故障与历史数据库中的数据点之间的对应关系进一步明确化，这样就会有利于得到与锅炉故障一一对应的关键数据点集，有了这些数据点集，处理故障问题就有效的多了。下面就针对具体的步骤进行简单的分析。
（一）数据挖掘目标的描述和数据准备
数据挖掘之前的目标描述和数据的准备工作之间关系后期的工作质量，因此应该首先确定好进行诊断的故障目标，并能够对目标进行简单的描述，以此来准备数据。在进行目标的描述时，主要的描述内容包括故障的状态点集合、故障诊断的数据源集合以及所使用的数据挖掘算法，切实保障产生的关键数据点集能够完全与故障状态点集一一描述与对应。但这是理想状态下的目标描述状况，受到技术的限制，百分百的描述是不可能达到的，一般情况下只需要达到95%即可。
（二）数据的预处理
经过第一个步骤所产生大量数据点集，其中有些点集是不需要的，并且与锅炉故障的状态量也不相符合，如果不加处理就直接用于数据的挖掘，就会使得数据算法运行效率减慢，影响综合生产。因此数据的预处理会是必要的。为了降低数据的点击量，通常的做法是：首先进行先关分析，主要是计算准备数据的所有集合点，并利用去除多余属性从而得到简单的决策表，获得领域专家经验点；然后是主成分分析，利用主成分分析最终得到所有数据点的主要成分，从而组成一个主成分的点集合；最后就是将相关的数据点集合、领域专家的经验点集合以及主成分点集合进行并集的处理，从而得到数据挖掘的预备集合。
（三）数据挖掘
数据挖掘主要还是针对数据中的冗余点集，采用粗糙集理论中的属性约减算法，将预备集中的数据点看做条件属性，故障状态点看作是决策属性，从而获取与故障状态相符合的最小数量的数据点集，而不改变其表征程度。
（四）目标评估
目标评估主要有两种做法。一种是将现场得到的数据一般用于数据挖掘，而另一半则用于目标的评估，另一种方法就是现场的操作专家根据工作经验对数据的统计分析结果进行评估。
四、结语
综上所述，采用数据挖掘诊断技术对于火电厂的锅炉故障处理来说是非常实用和有效的，有助于提高火电厂的经济效益。
参考文献
[1]朱贵森，李喜玲.赵丽华解析火电厂锅炉常见故障的数据挖掘诊断方法[J].科技传播，2012（23）
故障诊断方法综述篇9
关键词电力；电气设备；故障诊断；研究
中图分类号：tm77文献标识码：a文章编号：1671-7597（2014）12-0145-01
随着我国社会经济的不断发展和进步，我国的电力、电气设备故障诊断工作也越来越被人们所重视。电力、电气设备故障诊断工作主要包括元件故障诊断和系统故障两个方向，其中的系统故障诊断主要是指通过分析电网中的各级报警装置所提供的信息以及断路器的状态变位信息以及电流电压等电气量的测量的特征，然后根据断路器、保护器的动作逻辑和运行人员的工作经验来推断可能出现的故障类型和故障元件的过程。
1国内外关于电力、电气设备故障诊断现状
1.1以专家系统为依据的诊断方法
专家系统是利用一种由专家推理方法支撑的一种计算机模型来解决电力、电气设备故障的诊断方法，目前这种方法已经在国内外广泛的使用。目前专家系统诊断电力、电气设备故障这种方式的效率较高。有故障诊断所用推理方法以及诊断知识的表示方法不同，专家系统主要分为以下两类。
1）结合正、反推理的系统。结合正、反推理的系统是结合了正反两向的一种混合推理方法，可以根据继电保护和路由器与被保护设备之间的逻辑关系来建立电力、电气设备故障的推理规则，同时这种推理系统也结合了反向的推理方法，可以有效的缩短故障出现的范围，通过故障假设与动作继电保护的符合程度来计算推理所得结果的可信程度。
2）以启发式规则为基础的推理系统。以启发式规则为基础的推力系统主要是把断路器和保护的动作逻辑和运行人员对于故障诊断所有的经验使用规则来表示出来，最终形成一个有诊断专家系统的知识库，在电力、电气设备中存在故障时，就采用正向推理的方式将故障出现后所观察到的情况与知识库中所设置的规则相结合，进而推断出电力、电气设备故障的一个结论。目前使用的专家系统主要是采用启发式规则为基础的推理系统[1]。
以专家系统为基础的诊断方法的主要特点就是可以系统的、细致的将保护以及断路器的动作逻辑和运行人员多年的工作经验采用规则的方法表示出来，同时建立一个知识库，知识库在使用的过程中可以根据需要进行适当的添加和删减，这样可以保证知识库在使用的过程中可以满足电力、电气设备故障诊断工作的需求。但是目前以专家为基础的这种诊断方法还存在一些缺点和不足：①建立知识库的过程较为困难，无法验证知识库的完备性；②无法分析知识库中信息的正确性；③对于大型的专家系统知识库的维护工作困难；④复杂的故障诊断过程中专家系统推理速度慢。正是专家系统中存在的这些问题，使得专家系统无法满足大规模电力、电气设备的故障诊断工作，目前专家系统主要使用在离线的故障分析上。
1.2以人工神经网络为基础的诊断方法
这种诊断方法与专家系统相比较，其诊断方法具有学习能力强、容错能力的特点。目前使用在电力、电气设备故障诊断工作中的人工神经网络有：基于Bp算法的基于径向基函数的神经网络以及前向神经网络等。但是因为人工神经网络训练完备的样本集获取也是较为困难，所以目前人工神经网络为基础的诊断方法还主要是应用在中小型的电力、电气设备的故障诊断工作中。而人工神经网络为基础的诊断方法目前存在的问题是：①性能与受到样本完备性很大的影响，且大型的电力、电气设备样本获取极度困难；②不擅长处理启发性的知识；③和符号数据库的数据交互能力差；④缺乏解释自己行为以及最终输出结果的能力。上述的这些人工神经网络为基础的这种诊断方法的缺点使得其无法被应用与大型的电力、电气设备故障诊断工作中去。
1.3以粗糙集理论为基础的诊断方法
1982年波兰的Z.pawlak教授提出了一种处理不确定性以及不完整性问题的新型的数学工具―粗糙集理论。粗糙集理论的主要思想在于保证分类能力不变的前提下，通过简化知识，导出分类规则或者是问题的决策[2]。这种诊断方法不需要提供处理数据之外的任何有关的信息，同时还能够有效的处理和分析出不一致、不精确以及不完整的各种不够完备的数据，以及从中挖掘出隐含的知识，揭露出其中存在的一些潜在的规则。鉴于粗糙集理论相比其余两种诊断方法的优越性，目前已经有越来越多的研究人员开始使用粗糙集理论进行电力、电气设备的故障诊断。
2电力、电气设备故障诊断发展趋势
随着科学技术的不断发展和进步，从对电力、电气设备故障诊断的方法研究与理论以及应用的广度、深度中可以看出，电力、电气设备故障诊断工作还停留在探索阶段，目前还没有成功的成型实用系统。由于过去的设施以及技术上的问题，导致信息的资源有限。从相关文献中来看电力、电气设备的故障诊断大都依靠变电站内或者是调度端，分别利用调度SCaDa系统的站内综合百动化系统以及实时信息收集来的信息来实现。而对着计算机、系统以及网络建设技术的发展和故障录波专用网络的建设使用，后来又出现了以故障录波为基础的故障诊断系统。例如：录波器信息、保护装置信息、监控装置信息以及雷电定位信息等，进行了数据的采集、数据的传输、存储，最后进行了数据的处理，这些都为电网故障的处理工作提供了大量的信息支持。同时这些信息的提供也为电力、电气设备故障诊断方法的使用提供了基础，也拓宽了电力、电气设备故障诊断方法的研究方向。因此在进行电力、电气设备故障诊断工作时，要重视信息的采集与整理的工作，同时也包括数据仓库的构建以及故障综合信息的提取等。
电力、电气设备的故障诊断是保证电力、电气设备正常运行的基础工作，虽然国内外对电力、电气设备故障诊断做了大量的研究，同时也提出了很多的诊断手段，但是实际系统中存在的问题还是没有得到很好的解决。本文论述了电力、电气设备故障的智能诊断的研究方法，也提出了这些诊断方法需要改进的地方，指明了电力、电气设备故障诊断的发展趋势。希望可以为电力、电气设备故障诊断工作的研究提供一定的依据。
参考文献
[1]杜一，张沛超，郁惟墉.基于事例和规则棍合推理的变电站故障诊断系统[J].电网技术，2004，28（l）.
故障诊断方法综述篇10
【关键词】轴承；故障检测；智能化
一.轴承故障检测技术的发展现状
机械故障诊断学可以对及其或者机组的运行状态进行有效识别。随着科学技术的日益发展，工业水平也不断提高，机械设备的自动化程度也不断提升，要想凭借个人感觉来对机械设备进行故障诊断已经不切实际了。在第二次世界大战时期，由于军事设备的诊断维修技术落后，导致大量军事设备发生非战斗引起的破坏，由此可见设备故障检测技术是如此重要。在20世纪60年代以来，半导体技术快速发展，使越来越多的集成电路出现在机械设备中，随着电子技术和计算机技术的更新换代，逐渐出现了数字信号处理和分析技术的分支，为机械设备的故障检测技术打下了良好的基础。而轴承是在各种旋转式机械中最常用的一种零配件，它的正常与否能够直接影响设备的综合性能，例如精度、寿命、稳定性等。根据可靠数据显示，在旋转机械常见故障中，百分之三十都是由于轴承故障所导致的。轴承故障诊断技术最初起源于国外20世纪60年代初，现阶段，该领域相关研究人员对于轴承故障诊断技术的研究主要体现在以下几个方面。
1.时域分析法
时域分析法是轴承故障诊断技术发展的起源方法，这种诊断方式主要是依靠相关分析和时序分析等信号提取特征，同时使用振动信号中常见的基本数字特征及概率分布特征实现机械设备的诊断工作。其中包括均值、有效值、峰值等判定依据。时域同步平均法在轴承故障诊断中极其常见，它主要依靠信号增强原则，并通过对轴承振动信号的取样，实现对多周期信号的同步平局，以此来得到时域同步平均信号。该方式的主要优点在于能够有效减少其他零部件或振动源对于信号的干扰，增强信噪比。
2.频域分析法
频域分析法主要是通过将时域波形在FFt的变换下转换为频谱图，并利用振动信号的频谱特征实现轴承故障诊断，例如特征频率、无量纲判别因子等，对轴承故障进行深入的检测。在频谱分析技术中，细化技术和倒谱技术是最常用的诊断手段，在对轴承振动信号的频谱进行分析时必须达到一定程度的频率分辨率，细化谱分析技术可以有效提高频率分辨率。另外，在不另外增加采样点数的条件下，FFt-FS频谱细化方式可以选择性地对感兴趣的频带进行细化处理，以此得到较为精确的频率值。
3.时频分析法
利用普通的频谱分析技术很难与视频技术同时进行，探测到信号的时域特点。若采用时频分析技术，既可以体现出时域特征又能够体现出频域特征，可以对轴承故障的特征进行全面描述。在1946年，GaBoR提出了一种基于窗口傅立叶的转换概念，通过一个可在时间上进行滑动的时窗来实现傅立叶的变换，从而研究出一种在时域和频域方面都拥有良好局部性的分析方式。其中，小波分析方式中的多尺度特性及其对突变信号的发现能力，对于稳定信号的处理具有极大的优势，它成功破解了短时傅立叶变换分辨率中无法改变的缺陷，使时域和频域同时具有较好的局部性，并成为轴承诊断发展过程中的研究重点。
4.智能化诊断分析法
计算机人工智能和诊断理论的有效融合形成了具有信息时代特征的智能化诊断方法。现阶段中，轴承诊断领域中出现频率较高的两类人工智能诊断系统主要是在知识专家系统和网络智能诊断系统的基础上建立的。其中，基于知识的专家系统具有以下特征：以知识为技术基础，通过串行运行模式对人类大脑逻辑思维能力进行模拟，以此实现精密的人工故障诊断技术。而基于神经网络的智能诊断系统具有以下特征：以神经网络结构为技术基础，通过大规模并行运算模式实现人脑物理结构的模拟。通常情况下，智能诊断系统会和各种现论基础进行相结合，例如模糊集理论基础与转矩系统结合之后会形成具有模糊性质的专家系统，而将小波和神经网络相结合可以形成具有小波特性的神经网络。这种结合方式可以充分发挥各种系统的优势，扬长避短，对更加复杂的轴承故障进行诊断分析，得到更加准确的诊断结果。相关研究人员根据该模型的特征提出了一种新算法来取代传统的Bp算法，这种算法可以提高学习速度，并避免陷入局部极小的状况发生。改善后的新算法能够很好地运用在轴承故障诊断中，根据大量实验表表明，该算法可以有效降低网络在训练过程中停留在局部极小区域的时间，极大地提高了网络学习速度。
二.轴承故障诊断技术的前景展望
随着信息技术和通信技术的高速发展，轴承故障诊断技术也逐渐实现电子化和智能化。根据现阶段的研究资料来看，轴承故障诊断的未来发展趋势主要集中在以下几个方面：
1.混合故障诊断技术
智能诊断技术为轴承故障诊断工作提供了一个重要的发展方向。而将各种不同类型的智能技术进行有效结合而形成的混合式故障诊断系统，将是智能故障诊断研究道路上的突破点。这些智能技术之间的结合方式多种多样，主要有根据规则进行的专家系统神经网络系统的结合、实例推理与神经网络系统的结合、模糊逻辑和神经网络之间的结合。
2.多层次诊断融合
集成知识库中各类诊断经验，与数据库中存档的各类故障数据，根据故障的特征进行综合性分析，确定故障的具体发生场所。该技术主要是对状态监测过程中所监测到的数据信息进行相结合，再与层次诊断模型进行相结合，按照层次性推理方式作出由浅至深的诊断。除此之外，它还可以进一步讲状态监测过程中所监测到的信号汇总到诊断系统中，实现在线数据分析处理和在线故障诊断，无论是在实时性还是智能化方面都有较大的提升。