故障診斷精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的故障診斷主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：故障診斷范文
【關鍵詞】汽車ABS；故障診斷；BP神經網絡
1引言
隨著汽車相關技術的快速發展，人們對車輛行駛速度的要求越來越高，交通事故也日益頻繁，近年來，我國因制動方面的故障而發生的交通事故占60%以上。作為汽車的主動安全裝置之一的汽車防抱死制動系統（Anti-lockBrakingSystem，ABS),通過調節車輪制動力來防止車輪抱死，因此對ABS系統故障診斷技術的研究具有重要意義。
2ABS系統的工作原理
目前，典型的ABS系統主要由車輪轉速傳感器、電子控制單元（ECU）和制動壓力調節器三個部分組成，車輪轉速傳感器，電控單元計算分析車輪速度、滑移率、加減速等信息后，向壓力調節器發出制動壓力控制指令，控制制動壓力增加、減小或不變，以調節制動力矩與地面附著狀況相適應。
3ABS系統故障分析
通常根據故障指示燈的閃爍規律對ABS系統進行排查和維修。正常情況下，點火后指示燈閃后，發動機啟動后，指示燈熄滅，進入正常工作狀態；如果ABS系統以及其制動系統發生故障，則指示燈會間歇性閃亮不正常等現象。故障原因包括5種：①車輪轉速傳感器信號不良；②電控單元內部故障；③制動調節電磁閥故障；④指示燈故障；⑤液壓電泵故障。其中車輪轉速傳感器和電磁閥（調節器）故障是故障發生的主要原因，對其進行診斷，分析故障模式和故障原因[1]。
4基于BP網絡的故障診斷
BP神經網絡是誤差反向傳播（ErrorBackPropagation）單向傳播的多層前饋網絡,包括輸入層、隱含層和輸出層，隱含層的數有多個，采用是三層神經網絡。
4.1確定節點數
根據故障模式和原因分析確定BP網絡的輸入層和輸出層節點數。以故障模式X=｛x1、x2、x3、x4、x5、x6｝輸入，原因輸出Y=｛y1、y2、y3、y4、y5｝；同理，對于調節器來說，以故障模式X=｛x7、x8、x9、x10、x11、x12｝輸入，以故障原因Y=｛y6、y7、y8、y9、y10｝為樣本輸出，對應6個輸入節點和5個輸出節點。即輸出結果中yi=0示無故障，yi=1示相應位置發生故障。選取10個樣本數據分析研究，以多種故障原因的模式作為訓練樣本，建立故障模式與故障原因之間的映射關系。確定網絡模型后，激活函數，一般BP采用S型函數，具有非線性放大系數功能，變換為（-1,1）間的輸出。S型函數分:tansig函數（值域在（0,1））和logsig函數。
4.2網絡的訓練與仿真
值域在（-1,1）），將輸出限制（0,1），S型作為輸出函數，隱含層來說，將兩種分別訓練，對比結果，選擇隱含層函數。結果表明隱含層采用tansig函數需1950步迭代網絡收斂，而隱含層采用logsig函數預先步數2500，曲線趨于平行網絡未能收斂，未能進行故障診斷。因此，對傳感器的故障診斷采用隱含層為tansig的BP神經網絡。選取2s時速度數據作為檢驗樣本，因2s時相應車輪抱死代表與其對應的輪速傳感器發生故障，得到仿真結果。對于調節器，隱含層采用tagsig函數的網絡需1963步迭代后網絡收斂，而隱含層采用logsig函數的網絡迭代2727時，網絡最小梯度達到下限，但性能目標未達到。因此，故障診斷采用隱含層為tansig函數的BP神經網絡。結果得出傳感器的最大誤差,0.0051，最大誤差為0.0035，兩種BP神經網絡訓練后可滿足故障診斷要求。但是仍存在以下不足：①迭代次數較多，訓練時間較長；②易陷入局部極小值導致訓練失敗；③預測能力與訓練能力出現“過擬合”現象。
5基于改進BP網絡的故障診斷
針對BP網絡改進方案主要分為:啟發式改進和數值優化改進。啟發式改進法是通過改進BP神經網絡各項參數來克服網絡學習中的各項缺陷，在解決復雜問題時，而數值優化方法在求解非目標函數時收斂快，受到專家學者的青睞。基于數值優化的改進方法包括牛頓法、共軛梯度法和Levenberg-Marquardt(L-M)法等,采用L-M法對BP神經網絡優化，基本計算步驟如下：①對權值和閾值向量初始化，并給出訓練誤差精度ε，因子β，常數μ0，并令μ=μ0；②計算網絡輸出以及指標函數E[w（k）]：基于L-M算法的BP網絡中，根據迭代結果自動調整比例系數μ，即動態調整迭代的收斂方向，使得每次的誤差下降，收斂速度更快，訓練精度也更高[2]。根據L-M算法進行訓練仿真所示。選取2s時速度數據特征值作為傳感器訓練網絡模型的檢驗樣本，選取1.5s時的速度數據特征值作為調節器訓練網絡模型的檢驗樣本，得到仿真結果。對比發現：采用基于L-M算法的網絡訓練方法迭代次數更小，收斂速度明顯提高[3]。
6結論
本文根據ABS系統的工作原理，總結常見的故障實例以及診斷方法，從中找出問題，結合MATALAB仿真結果，對比發現后者有效克服了傳統神經網絡的問題，改善了訓練效果，提高了診斷的效率和精度，為ABS故障診斷增加了一種可行途徑。
【參考文獻】
【1】丁舒平,余同進.道路交通事故的間接成因分析[J].公路交通科技:應用技術版,2009(3):170-171+182.
【2】王華中,錢晉,陳明福.汽車檢測與診斷技術[M].湖南：中南大學出版社,2012.
第2篇：故障診斷范文
隨著自動化立體倉庫向全自動、高精度、高速度、智能化、網絡化控制的方向發展，自動化立體倉庫設備的遠程故障診斷變得十分必要。堆垛機遠程故障診斷是對機械系統、自動化控制系統運行狀態及其變化規律進行監測，對運行過程中各參數變化所反映的狀態信息特征進行分析，從而判斷機械構件、自控系統是否存在故障，并進一步查出故障的類型、部位及嚴重程度。自控系統故障診斷還可進行遠程自動修復。
遠程故障診斷的必要性
傳統的堆垛機故障診斷與維修存在如下弊端：
1、故障診斷與維修受維修人力、技術和地域的限制，時效性受到影響；
2、由于故障診斷和維修資源不能共享，制約了維修水平的提高；
3、用戶無法快速、及時獲得所需零配件的信息，維修單純依靠一成不變的維修手冊，缺乏針對性和靈活性；
4、維修服務響應速度的提高主要依賴于維修隊伍和網點的擴大，由于受到成本的限制，無法得到不斷的提升；
5、維修成本相對較高。
遠程故障診斷技術是對設備運行狀態及其變化規律進行測量與分析的技術，它借助于電子技術、信息技術、信號分析技術及計算機分析等先進手段，將設備運行過程中各參數的變化所反映的狀態信息取出來，對其特征進行分析，判斷設備是否存在故障，并進一步查出故障的類型、部位及嚴重程度。因此，它是一個多學科相互交叉滲透的綜合性技術。
通常，堆垛機的某些故障關系到整個立體倉庫是否能正常運行，如載貨臺升降導向機構的故障關系到堆垛機載貨臺的安全；運行機構的導向裝置故障威脅到整個堆垛機的安全；貨又軸承故障關系到存取貨物的安全。
對于用戶來說，當倉儲系統或設備出現故障時，都希望能獲得供貨商及時良好的技術服務，對故障進行快速、正確的診斷并將其排除。因此，在市場競爭日益激烈的今天，供貨商已把服務創新提高到企業生存的戰略高度，以服務贏得用戶已成為擴大市場份額的重要舉措。
遠程故障診斷的可行性
近年來，計算機網絡技術、通訊技術的迅猛發展為異地診斷提供了技術手段。基于廣域網的遠程分布式工況監測與故障診斷系統，通過在設備上建立監測點，實時采集設備運行的狀態數據。并傳輸到診斷中心；診斷中心應用系統的動力學分析理論模型、分析程序對機械設備的故障進行分析，最終得出量化數據，判斷可能發生故障的機率及類型。為設備故障作出診斷；還能夠將故障征兆及時通知設備現場，以采取緊急措施，實施預知維護，排除隱患，避免事故的發生。在故障發生之后，遠離現場的專家沒有必要親臨工作地點，完全通過信息交流來解決現場的故障問題。這樣不僅提高了工作效率，而且降低了維修成本。
由于網絡和通訊技術的支持，異地診斷技術克服了地域上的限制，診斷中信息的交流與傳遞有了更大的活動空間，現場操作與技術人員不僅可以獲得本地故障診斷系統的支持，也可以通過信息高速公路獲得世界上任何一個或幾個專家的技術和知識方面的支持，實現資源共享，大大拓寬了故障診斷系統應用的廣度和深度。
遠程故障診斷系統的功能
機械故障診斷
具有預警功能，提示可能發生的故障，包括故障類型、部位及嚴重程度，對已發生的故障作出準確定義。
控制程序故障診斷
提示故障類型、路徑，并且能夠進行遠程自動修復。
有軌巷道堆垛起重機故障分析
一般情況下，堆垛機的故障主要表現在如下幾個方面：
堆垛機導向輪故障
堆垛機運行機構導向輪安裝于下橫梁的兩端頭，共兩組四個，它的主要作用是水平限位，保證沿軌道運行。導向輪一旦發生故障，可能引起堆垛機脫軌，導向輪故障形式主要為松動、脫落。
載貨臺導向輪故障
載貨成垂直運動，依靠安裝在載貨臺吊架上的導向輪，它的作用主要是：一、當載貨臺垂直運動時，保證載貨臺沿著起升導軌垂直運動；二、當出叉時，可承載傾覆力矩，使貨物保持水平運動。載貨臺導向輪發生故障，將使載貨臺運動失衡，造成載貨臺傾斜，甚至造成貨物滑落的嚴重事故。導向輪故障形式主要為松動、脫落。
貨叉軸承故障
堆垛機貨叉承載貨物重量，但支撐軸承受結構限制，只能選用輕型軸承。這些軸承雖然運行速度低，但載荷較大，如果密封不好，很容易造成軸承的磨損、疲勞和膠合等，而堆垛機貨叉軸承一旦發生故障，將無法完成貨物存取。
故障與監測機理分析
兩連接件連接緊密時，可以簡化為一個彈性體，當連接緊密時，響應是相關的，而連接松動時響應是不相關的。因此，使用相關系數作為故障特征之一，同時，提取振動時域波形、頻域波形。采用主元分析實施數據壓縮，最后和相關系數再作主元分析，得到最后故障特征，最終通過神經網絡映像故障特征。另外，監測振動的有效值，可提高故障識別的準確率。
隨著產品復雜性的增加、相關技術的高度融合，以上問題將表現得更加突出，較好的解決方法是通過某種有效手段使用戶能方便正確地對自己的自動化倉儲系統進行維護、維修。目前采用的方法包括三個方面：
1，采用工況監測與故障診斷方式，在線實時采集設備工作狀態數據，根據數據判斷設備的工作狀態，可實現預先維修。
2，將專家系統、人工智能技術應用于系統的故障診斷和維修，提高故障診斷的正確性、有效性。
第3篇：故障診斷范文
關鍵詞：電氣設備；故障診斷
一、高壓斷路器機械故障診斷
(一)機械振動信號處理的常用方法
1．傅立葉變換
頻域分析是設備故障診斷領域中應用最廣泛的信號分析方法之一，故障的發生、發展通常將引起設備振動信號所包含頻率成分的發生變化。頻域分析的基礎是頻譜分析，而使用最普遍的方法是傅立葉變換，它將復雜信號分解為有限或無限個頻譜的分量之和。
傳統的傅立葉變換分析方法曾經為信號處理技術的發展做出了卓越的貢獻，傅立葉分析是一種全局的變換，雖然能夠將信號的時域和頻域的特征聯系起來，但僅僅是分別的從時域和頻域觀察，而不能將兩者有機的結合起來，使得傅立葉分析方法僅適用于分析平穩信號，對時變的非平穩信號則不能進行充分描述，同時傅立葉分析只能獲取信號f(t)的整體頻譜，而不能獲得信號的局部特征，即它不適合于信號的局部分析。這些缺陷限制了它在機械設備故障診斷中的應用。
2．短時傅立葉變換
短時傅立葉分析即為一種時頻分析方法，通常它也被稱為加窗傅立葉分析它的基本思想是在采用傅立葉變換的同時，在傅立葉變換的基函數之前乘上一個時間上有限的函數。通過時頻雙限制，進而對信號進行時域局部化分析。
雖然短時傅立葉變換在一定程度上克服了傅立葉變換不具有局部分析能力的缺陷，但是短時傅立葉變換所確定的時頻窗口的大小和形狀是固定不變的，而振動信號的頻率與時間周期成反比，對于高頻信號，時間分辨率相對高，時頻窗口應該相對窄；對于低頻信號，時間分辨率相對低，時域窗口應該相對寬。顯然具有固定形狀和大小的窗函數的短時傅立葉變換，不能很好的滿足信號分析的這一要求。對于高頻信號，固然可以通過縮小時域窗口寬度改進時域分辨率，但卻降低了頻域分辨率，對低頻信號則不適合，同時縮小時域窗口寬度會使計算變得相當復雜。
3．小波分析
小波變換從基函數角度出發，吸取傅立葉變換中的三角基(進行頻率分析)和短時傅立葉變換中的時移窗函數的特點，形成振蕩、衰減的基函數。它的定義域有限，故稱為小波。小波分析方法是一種窗口大小固定但其形狀可改變，時間窗和頻率窗都可以改變的時頻局部化分析方法。小波變換以不同的尺度(分辨率)來觀察信號，將信號分解到不同的頻帶中，既看到了信號的全貌，又看到信號的細節，具有多分辨能力，即在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率。
4．信號奇異性檢測
信號中的奇異點及不規則的突變部分經常帶有比較重要的信息，它是信號重要的特征之一，利用小波變換來分析信號的奇異性及奇異性位置和奇異度大小是比較有效的。一般情況下，信號奇異性分兩種情況：一種是信號在某一時刻內，其幅值發生突變，引起信號的非連續，幅值的突變處是第一種類型的間斷點；另一種是信號外觀上很光滑，幅值沒有突變，但是，信號的一階微分有突變產生，且一階微分是不連續的，稱為第二種類型的間斷點。
(二)高壓斷路器的機械振動信號處理
高壓斷路器每次的合閘或者分閘操作，都會引起若干次振動事件，每個振動事件都對應著特定的幅值、頻率及衰減指數。當高壓斷路器發生故障時，在斷路器的故障信號中，必然會引起意外的振動事件，這使得整個振動信號在特定頻段內振動頻率、幅值及衰減指數都可能發生變化，這些就可以作為判斷的依據。
如果高壓斷路器運行正常，變化應在有限的幅度和范圍之內，并且應在平均值的上下隨機的波動。在操作中，如果在某些點上的變化大大超出平均值或者在某一方向上有規律的遷移，就可能檢測出問題的端倪。
1．消噪處理
在高壓斷路器的振動信號中，包含許多尖峰和突變部分，而且噪聲也不是平穩的白噪聲，因此應當對信號進行預處理，將信號的噪聲部分去除，提取有用信號。由于小波分析能同時在時頻域中對信號進行分析(且在頻率域內分辨率高時，時間域內分辨率則低，在頻率域內分辨率低時，時間域內分辨率則高)所以能有效的區分信號中的突變部分和噪聲，從而實現信號的消噪。小波分析用于降噪的過程，可以細分為如下幾個階段：分解過程：選定一種小波，對信號進行N層小波分解；作用閾值過程：對分解得到的各層系數選擇一個閡值，并對細節系數作軟閾值處理；
重建過程：降噪處理后的系數通過小波重建恢復原始信號。
2．信號趨勢的檢測
在組成信號的所有成分中，信號的總體趨勢是構成信號的最慢的一個部分，也是頻率最低的部分，在多尺度分析的概念里，對應著最大尺度的小波分解部分，隨著尺度的增加，分辨率隨著降低，也就提供了對信號緩慢變化成分的越來越好的近似結果。從頻率的角度分析，隨著分解層數的增加，分解結果中的近似系數也就包含越來越少的高頻成分信息，隨著高頻成分逐層被濾掉，剩下的成分就越來越接近信號的整體發展趨勢。高壓斷路器合閘信號本身包含有很陡的變化，在多尺度小波變換的低頻部分中，顯示的信號和原始信號相差較遠，因為信號本身的陡峭變化被當作高頻濾掉了。
二、用微機進行電氣設備故障診斷
(一)故障信息的來源
電氣設備故障時，要求調度員能迅速、準確地判明發生的故障，盡快恢復系統的正常運行。提高故障判斷的正確率，實現電網故障的快速診斷和恢復，對故障前后的原始電氣量和非電氣量的快速準確獲得提出了較高的要求。
目前己有的監測系統可向調度端提供開關變為信息；微機保護裝置可判斷出電網局部故障類型，給出相應的告警和出口動作，并可進行事故追憶、事故重演等。當發生復雜故障時，這些信息還不足以分析故障原因的和判斷故障類型，也談不上對故障作快速診斷恢復處理。微機錄波器能反映出故障前、后電網電氣量的瞬間變化及繼電保護動作的狀態，是對現代電網故障進行深入研究的基礎，也是評價繼電保護動作及分析設備故障性質、原因的重要依據。
(二)高壓斷路器的特征參數采集
保持微機保護裝置現有的硬件平臺基本不變(可多增加幾路模擬／開關通道)，而軟件中嵌入故障診斷信息庫。將這些參數實時通過相應的傳感器采集出來后，進行一些處理，然后傳送到保護裝置中，與其中的故障診斷信息庫進行比對，預測可能發生故障的趨勢或判斷出相應的故障，進而發出預告或動作信號。
三、故障診斷與微機繼電保護的集成化
在微機繼電保護裝置現有硬件平臺基本不變的基礎上，加入故障診斷的功能，重點在于在軟件中嵌入故障診斷知識庫。知識庫中知識的來源有兩種途徑，一種是通過理論研究建立被研究對象的數學模型，通過數學模型對實際模型進行仿真。但由于這種方法很難建立實際對象的數學模型，以及所建立的數學模型求解困難，因此這種方法只能定性的分析出故障診斷的基本規則，另一種方法就是通過實驗來獲取各種故障波形，研究各種故障下的輸出，總結判別這些故障的規則。比如說，利用小波變換和人工神經網絡模型獲取診斷這些故障的診斷規則。另外，知識庫中還應有各種情況下，斷路器開合負載／短路電流時的各個參數的正常波形。這樣，實時的監測斷路器每次開合的參數波形，并分別與正常波形和故障波形進行比對，從而判斷斷路器是否出現故障，以及故障的嚴重程度。例如，基座螺絲松動的情況。故障嚴重時，保護裝置會發出跳閘信號，跳開斷路器。當故障比較輕微，還不至于影響運行時，保護裝置會發出預警信號，提示工作人員注意，工作人員視故障的程度
采取相應的措施。
首先應該建立故障診斷的硬件平臺― ―高壓斷路器的硬件平臺，創建高壓斷路器故障診斷的監測和診斷流程，組織好故障診斷知識庫。
真空斷路器狀態監測與診斷系統數據庫包括實時數據庫(靜態數據庫、動態數據庫)、歷史數據庫和專家知識庫三大部分。專家知識庫是診斷知識的存儲場所，用于存儲設備的原理性知識、專家經驗等診斷知識，為診斷系統的診斷推理過程提供知識支持。實時數據庫的數據記錄是隨著智能監測與診斷系統的運行而不斷變化，用于存放斷路器各種實時狀態信息、診斷推理的初始報普信息、功能故障信息、診斷推理結論等。歷史數據庫與實時數據庫具有相似的存儲結構，數據記錄通過實時
數據定時轉儲形成。
實時數據庫主要存儲當天的實時信息，歷史數據庫和實時數據庫具有相同的格式，但是其保存的信息量更大，是歷史所有數據的存儲空間，但是其時標不是實時數據庫的嚴格時標，因為為了節省空間，對其進行了數據挖掘和優化。專家知識庫是所有與優化檢修診斷決策相關專家知識的知識倉庫，是系統智能程度的表現。所有數據的存儲都嚴格按照知識描述框架的要求進行。為系統的智能性、開發性打下基礎。
第4篇：故障診斷范文
1級聯式變頻器故障診斷原理
級聯式變頻器是由多個相互獨立的低壓功率單元串聯實現高壓輸出。移相整流變壓器采用的為多重化設計，它將網側的高壓轉換為二次側的多組低壓，二次側低壓繞組均相互獨立給功率單元供電，所以也沒有串聯均壓的問題存在。功率單元是級聯式變頻器實現其功能的基本單元，它相當于一臺交直交低壓電壓型變頻器，結構如圖1所示，相鄰的功率單元的輸出端成Y型連接，實現高壓輸出，給高壓電動機供電。本文所研究的級聯式變頻器每相分別由五個功率單元相互串聯組成，其中每個功率單元的逆變部分有四個功率器件(Q1～Q4)。由于所含的功率器件數量眾多而且在運行時不停的導通和關斷，因此極易發生開路故障。由于級聯式變頻器發生功率管開路故障時，對輸出的電壓、電流影響很小，不容易被發現，因此需要研究高效的級聯式變頻器故障診斷方法。級聯式變頻器每個功率器件發生故障的概率相同，而且是隨機的，因此需要分析級聯式變頻器故障時的輸出電壓和電流信號，找到能夠反映其故障特征的信號。本文通過對級聯式變頻器故障時輸出的電壓電流信號進行分析，發現在故障時輸出的電壓信號所含的信息量最大，因此將級聯式變頻器輸出電壓作為故障信號源來對級聯式變頻器進行故障分析。
2改進PSO－BP的級聯式變頻器故障診斷算法
2．1PSO算法PSO算法是通過模擬鳥群捕食行為來進行群體搜索的算法。PSO算法中的每個待優化問題的解都可以看作搜索空間中的一只鳥，稱其為“粒子”。所有粒子都有一個適應度來決定它們的優劣，然后每個粒子就跟隨其當前最優粒子在解空間中進行搜索。即粒子對以前速度的改變程度，當它取值較大時有利于使算法擺脫局部最優，當它取值較小時有利于算法收斂。所以，在算法的初期階段，ω應該賦予較大的值以便于擴大粒子的搜索范圍，從而提高全局搜索效率;在算法的收斂階段，應該盡可能減小ω的取值，使其盡可能的搜索最優個體周邊的范圍，從而提高其準確率。
2．2PSO算法的改進思想在PSO算法中，ω大多設定為隨進化而線性遞減，由于慣性權重ω服從線性變化，難以在搜索范圍和尋優精度之間取得較好的權衡，所以本文考慮將ω服從隨機分布，如式(3)所示，易跳出局部最優值，且能有效搜索到全局最優值。學習因子c1、c2分別代表了粒子在進行速度更新時，個體最優和全局最優所占的比重大小。c1、c2的調整方式與粒子群此時位置的適應度有關，當適應度大于群體適應度的平均值時，可以通過增大c1、減小c2的方式來減小飛向全局極值的速度;反之，則減小c1、增大c2［12］。
2．3BP神經網絡假設BP神經網絡的輸入層、隱含層、輸出層神經元個數分別為n、m、q，輸入層到隱含層的權值為vij，隱含層的閾值為b1，隱含層到輸出層的權值為ωjk，輸出層的閾值為b2，隱含層和輸出層節點所用的傳遞函數分別。
2．4PSO－BP的級聯式變頻器故障診斷過程PSO－BP神經網絡的算法診斷流程如圖2所示，具體步驟如下:1)故障模擬及樣本數據采集。首先根據級聯式變頻器的仿真模型模擬出功率管開路故障，獲取其故障信息。然后，采用小波分解方法對級聯式變頻器故障狀態和正常狀態的輸出電壓信號進行分解，提取其頻帶能量值。將提取的特征頻帶能量值與輸出電壓歪度值一起構造故障特征向量，并對其進行歸一化處理，進而作為神經網絡的訓練樣本和測試樣本。2)確定網絡的結構。網絡的輸入層節點數n=5，根據多次實驗結果隱含層節點數確定為m=7，網絡的輸出層節點數q=13。
3級聯式變頻器的故障診斷
本文以6kV級聯式變頻器功率管開路故障為例，在MATLAB下建立其故障仿真模型。級聯式變頻器每相由5個輸出電壓為690V的功率單元(即1號～5號功率單元)串聯組成。每個功率單元的逆變部分有4個功率管，分別為Q1、Q2、Q3、Q4。以每相1號功率單元的功率管開路故障為例，級聯式變頻器的輸出共有13種狀態，規定為F1～F13，對應的故障編碼分別為(1000000000000～0000000000001)。根據級聯式變頻器的故障特點，采集級聯式變頻器不同狀態下每相的仿真輸出電壓信號，用于網絡的訓練和測試。仿真時的采樣頻率fs為2000Hz，采樣點數為512個。本文總共采集了78組仿真數據，其中前65組數據用于網絡的訓練，后13組數據用于網絡的測試。表1列舉了每種狀態的一組訓練樣本，其中A1Q1表示A相1號功率單元逆變橋的1號功率管故障，后面的依次類推;|γ|表示不同狀態下輸出電壓的歪度值;E1，E2，E3，E4分別為四層小波分解后d1～d4細節頻帶所對應的頻帶能量值。為了驗證改進的PSO－BP神經網絡具有更好更快的學習能力和精度，分別用改進的PSO－BP神經網絡與傳統的BP神經網絡對級聯式變頻器進行故障診斷，設定最大訓練次數為2000，設定訓練精度為0．0001。每一種算法運行100次，傳統的BP神經網絡在100次運行中有85次不能夠達到設定的精度，并且陷入了局部極小值，只有15次能夠達到設定的精度;而改進的PSO－BP神經網絡在100次運行中都能夠達到設定的精度，并且達到精度所需迭代的步數集中在20～69步之間。選取這兩種算法在100次運行中的平均情況，得到樣本的學習過程如圖3所示。在改進的PSO－BP神經網絡作用下所得到的測試數據的網絡輸出結果如表2所示。其中A1Q1、A1Q2、A1Q3、A1Q4、B1Q1、B1Q2、B1Q3、B1Q4、C1Q1、C1Q2、C1Q3、C1Q4分別代表這些功率管所對應的開路故障。改進的PSO－BP神經網絡和傳統BP神經網絡在100次運行中的平均診斷結果參數對比如表3所示。由圖3兩種算法的對比，可以看出傳統的BP神經網絡收斂速度非常慢，且陷入了局部極值。改進的PSO－BP神經網絡的收斂速度很快，由表3可以看出，傳統的BP神經網絡的均方誤差很大，未達到設定精度，而只需要經過30次迭代就可以達到設定的訓練誤差，且均方誤差為2．05353×10－5。由此可知，改進的PSO－BP神經網絡不論是在學習速度還是精度方面都遠遠優于傳統的BP神經網絡。
4結論
第5篇：故障診斷范文
【關鍵詞】減速機；結構；故障
1 減速機的結構
一單級直齒圓柱齒輪減速機主要由齒輪、軸及軸承組合、箱體和減速機附件等組成。箱體是減速機的重要組成部分，是傳動零件的基座。箱體通常用灰鑄鐵制造，對于重載或有沖擊載荷的減速機可以采用鑄鋼箱體。單件生產的減速機，可采用鋼板焊接的箱體。為了便于安裝和拆卸，箱體制成沿軸心線水平剖分式結構。上箱蓋和下箱體用螺栓聯接成一體。箱座與地基用地腳螺栓聯接。箱蓋上的視孔是為檢查嚙合情況及向箱內注入油而設置的，箱蓋頂部還裝有通氣器，它能及時排出箱內廢氣。為了檢查箱內油面的高低，在箱座側面裝有測油尺，箱座底部設有放油螺塞，用以放出箱內的油。
箱蓋上的吊鉤是為了吊裝箱蓋用的，而整個減速機的吊運，則用箱座上鑄出的吊耳。為了便于打開箱蓋，有些減速機上常設有起蓋螺釘。為了保證在拆裝箱蓋時，保證箱蓋與箱座的定位精確，而設置了兩個定位銷。
2 減速機的故障特征分析
2.1 軸不平衡
不平衡是旋轉機械最常見的故障。引起轉子不平衡的原因有結構設計不合理，制造和安裝誤差，材質不均勻，運行中轉子的腐蝕、磨損、結垢、零部件的松動和脫落等。軸系不平衡的主要故障特征：（1）軸頻或基頻出現峰值，其他倍頻振幅較小；（2）徑向振動大；（3）軸心軌跡成為橢圓形；（4）振動強烈程度對工作轉速的變化很敏感。
2.2 軸不對中
軸不對中通常是指相鄰兩轉子的軸心線與軸承中心線的傾斜或偏移程度。軸不對中可分為聯軸器不對中和軸承不對中，聯軸器不對中又可分為平行不對中、偏角不對中和平行偏角不對中三種情況。軸不對中的主要故障特征：（1）平行不對中徑向出現軸的一倍頻、二倍頻峰值，尤以二倍頻顯著。（2）偏角不對中軸向振動大，在基頻、二倍頻甚至三倍頻處有穩定的高峰。（3）平行偏角不對中軸向和徑向均發生振動。
2.3 滾動軸承故障
滾動軸承的主要故障形式有：
（1）疲勞剝落。滾動軸承工作時，滾道和滾動體表面既承受載荷又相對滾動，由于交變載荷的作用，首先在表面下一定深度處最大剪應力處形成裂紋，繼而擴展到接觸表面層生剝落坑，最后發展到大片剝落，這種現象就稱為疲勞剝落。
（2）磨損。由于滾道和滾動體的相對運動包括滾動和滑動和塵埃異物的侵入等都會引起表面磨損，而當不良時更會加劇表面磨損。磨損的結果使軸承游隙增大，表面粗糙度增加，降低運轉精度。
（3）塑性變形。在工作負荷過重的情況下，軸承受到過大的沖擊載荷和靜載荷，或者因為熱變形引起的額外的載荷，或者當有高硬度的異物侵入時，都會在滾道表面上形成凹痕或劃痕。
（4）斷裂。當載荷超過軸承滾道或滾動體的強度極限時會引起軸承零件的斷裂。此外，由于磨削加工、熱處理或裝配時引起的殘余應力、工作時的熱應力過大等也都有可能造成軸承零件的斷裂。
2.4 齒輪故障
由于齒輪制造，操作，維護以及齒輪材料、熱處理、運行狀態等因素的不同，產生異常的形式也不同，常見的齒輪異常有以下幾種形式。
（1）齒面磨損。油不足或油質不清潔，將造成齒面劇烈的磨粒磨損。
（2）齒面膠合和擦傷。重載和高速的齒輪傳動，使齒面工作區溫度很高。新齒輪未經跑合時，常在某一局部產生這種現象，使齒輪擦傷。
（3）齒面接觸疲勞。齒輪在嚙合過程中，既有相對滾動，又有相對滑動，而且相對滑動的摩擦力在節點兩側的方向相反，從而產生脈動載荷。這兩種力的作用使齒輪表面層深處產生脈動循環變化的剪應力。當這種剪應力超過齒輪材料的剪切疲勞極限時，表面將產生疲勞裂紋。
（4）彎曲疲勞與斷齒。輪齒承受載荷，如同懸臂梁，其根部受到脈沖循環的彎曲應力作用。當這種周期性應力超過齒輪材料的彎曲疲勞極限時，會在根部產生裂紋，并逐步擴展。
3 主要故障診斷方法分析
一般而言，對隨機信號可從時域和頻域這兩個角度來進行分析。如果對所測得的時間歷程信號直接實行各種運算且運算結果仍然屬于時域范疇，則這樣的分析運算即為時域分析，如統計特性參量分析、相關分析等；反之，如果首先將所測時域信號經過傅立葉變換為頻域信號，然后再對其施行各種運算的分析方法稱為頻域分析。
3.1 時域分析
常用工程信號都是時間波形的形式。時間波形有直觀、易于理解等特點，由于是最原始的信號，所以包含的信息量大。缺點是不太容易看出所包含信息與故障的聯系。對于某些故障信號，其波形具有明顯的特征，這時可以利用時間波形做出初步判斷。時域分析方法包括自相關函數、互相關函數、概率密度，時域平均等。
3.1.1 自相關函數
信號或數據X（t）的自相關函數Rx（τ）用以描述一個時刻的取值與另一個時刻的取值之間的依賴關系。相關函數數學表達式為：
不同信號具有不同的相關函數，是利用自相關函數進行故障診斷依據。正常運動的機器，其平穩狀態下的振動信號的自相關函數往往與寬帶隨機噪聲的自相關函數相近，而當有故障，特別是周期性沖擊故障時，自相關函數就會出現較大的峰值。
3.1.2 互相關函數
互相關函數是表示兩組數據之間的依賴關系的相關統計量，互相關的函數表示為：
互相關函數在時間位移等于信號通道系統所需時間值時，將出現峰值。互相關分析不但可以利用互相延時和能量信息對傳輸通道進行識別，還可以檢測外界噪聲中的信號。
3.2 頻域分析
3.2.1 自功率譜分析
自功率譜密度函數是在頻域中對信號能量或功率分布情況的描述，它可由自相關函數的傅立葉變換求得，也可以直接用FFT求得。
自功率譜分析能夠將實測的復雜工程信號分解成簡單的諧波分量來研究，描述了信號的頻率結構，因此對機器設備的動態信號作功率譜相當于給機器“透視”，從而了解機器設備各個部分的工作狀況。功率譜分析在解決工程實際問題中獲得了廣泛的應用。
3.2.2 倒頻譜分析
由于一般減速機中都有很多齒輪和轉軸，因而有很多不同的轉軸速度和齒輪嚙合頻率。每一個軸速度都有可能在每一個嚙合頻率周圍調制出一個邊帶信號。因此，在減速機振動的功率譜中，就可能有很多調制頻率不同的邊帶信號，即功率譜圖中包含很多大小和周期都不同的成分，在功率譜圖上都混在一起，很難分離，即很難直觀看出其特點。如果對具有連帶信號的功率譜本身再做一次譜分析，則能把連帶信號分離出來，因為功率中的周期分量在第二次譜分析的譜圖中是離散譜線，其高度就反映原功率譜中周期分量的大小。這就是倒譜分析法。
參考文獻：
[1]陳仲生.機器狀態監測與故障診斷綜述[J].機電一體化，2001.
[2]馬波.旋轉機械故障診斷專家系統[J].機電工程技術，2005.
第6篇：故障診斷范文
關鍵詞：汽車；故障診斷；專利
引言
隨著汽車工業的發展，汽車的電子化程度越來越高，增強了汽車的安全性和舒適度。但這些復雜的系統同時也會導致汽車故障率的提高和故障維修更為復雜。在汽車發生故障以后，對故障的準確定位和快速排除變得尤為重要，利用汽車故障診斷技術，能夠實現汽車故障準確快速地排除。
1 專利申請整體狀況分析
1.1 全球專利申請分析
為了研究汽車故障診斷技術的發展狀況，在專利數據庫中進行了檢索，并對專利申請量按照年份進行了統計，如圖1所示。從圖1中可以看出，在1986年以前，全球汽車故障診斷技術的專利申請量較少，幾乎一直維持在10件以下；從1987年開始至1992年，專利申請量逐年略有增加，其中1991年的申請量達到了30件；1993年之后，專利申請量有了較大幅度提升，進入了快速發展期，典型地，2001年申請量達到了175件，2008年申請量達到了346件。從圖1中也可以看到，最后兩年的專利申請量大幅下降，這是由于近兩年申請的專利大部分還沒有公開，并非專利申請量急劇下降。
另外，對各國專利申請量占全球申請量的比例進行了統計，申請量較大的依次是日本（JP，23%）、美國（US，18%）、中國（CN，15%）、德國（DE，12%）、韓國（KR，9%）等。其中中國（CN）的申請量占全球的15%，而日本（JP）以23%的占有量位列第一。汽車故障診斷技術的發展狀況也從一定程度上反映了該國汽車行業的發展狀況。
圖1 全球專利申請量
1.2 國內專利申請分析
圖1中也對汽車故障診斷技術國內專利申請量的統計。從圖中可以看出，在2000年之前，中國在汽車故障診斷技術領域的專利申請量較少，每年的申請量一直處于個位數；從2001年開始，申請量才有較快提升，到2008年達到了37件，2013年達到了104件。同樣，最后兩年的專利申請量大幅下降，也是由于近兩年申請的專利大部分還沒有公開造成的。
將我國在這一領域的專利申請量變化與全球申請量變化進行對比，不難發現，相比于全球專利申請量1993年開始由較大幅度提升，我國在2001年之后申請量才有較快提升，說明我國在這一技術領域起步相對較晚。而同時參考各國申請量的比例，我國現在在這以領域的專利申請量已達全球總量的15%，位列第三，說明我國在近些年在這一技術領域也有較快的發展。
2 主要的汽車故障診斷技術及其專利申請狀況
汽車故障診斷技術主要有：經驗診斷法、簡單儀器故障診斷法、專用儀器故障診斷法、針對特定部件的故障診斷法和智能故障診斷法。
經驗診斷法是早期的故障診斷方法，主要依賴人工的耳聽、眼看、手模、鼻嗅、拆試等手段根據邏輯推理的方式對汽車故障進行診斷。針對該經驗診斷法的專利申請幾乎沒有，以下主要分析另外四種故障診斷方法。
2.1 簡單儀器故障診斷法
簡單儀器故障診斷法是使用萬用表、示波器、電感式電流探測針等儀器獲取汽車的相關信息，與系統正常工作的標準值進行對比，從而判斷是否存在故障以及故障可能的位置。典型的專利申請有：International Business Machines Corp.公司的申請號為US198608
69870的專利申請涉及了一種使用多功能測試探針的汽車故障隔離裝置；專利申請GB8803397涉及了一種適用于不具備汽車專業知識的人員使用的汽車萬用表。
2.2 專用儀器故障診斷法
專用儀器故障診斷法就是利用專門設備對汽車故障進行綜合診斷，該方法在汽車總成不解體的情況下，使用儀器對汽車的狀態進行監測，然后分析監測的數據，從而確定故障原因。在這一階段專利的申請量較之前有明顯增多。典型的專利申請有：專利申請CN201120553282公開了一種基于無線技術的汽車OBD故障診斷儀；專利申請KR20120135369公開了一種汽車故障診斷設備。
2.3 針對特定部件的故障診斷法
對于某些特定汽車部件，通過專門的故障檢測設備進行故障診斷，可以提高故障診斷的效率和準確度。針對特定部件的故障診斷方法，可以分別針對汽車中的發動機、制動裝置、變速箱、空調等部件進行有針對性的故障檢測。典型的專利申請有：專利申請US2014
14525915公開了一種用于內燃機的故障診斷系統和故障診斷方法；專利申請CN01143927公開了一種變速器輸出軸RPM傳感器的故障診斷方法及系統。
2.4 智能故障診斷法
20世紀90年代開始，專家系統、計算機智能化等技術得到了快速的發展，這些技術也逐漸應用到汽車故障診斷領域中，把汽車故障診斷技術推向了智能化階段。典型的專利申請有：專利申請US19950476077公開了一種基于模式識別的在板汽車故障診斷裝置；專利申請CN201210499356公開了一種基于維修資料和專家系統的汽車故障診斷方法。
第7篇：故障診斷范文
[關鍵詞]：變壓器 狀態監測 故障診斷
引言
隨著電力負荷逐漸增大，電力系統穩定性要求日益增高，變壓器類電氣設備的狀態監測和故障診斷技術日益受到普遍關注，越來越多的研究、生產部門正在積極開發和應用該技術，目前已有全面推廣之勢。在這種情況下，全面、客觀、深入的認識該技術，了解其目前技術狀態，比較、認識其和現行預防性檢修體系的優劣性及關系，對于正確開發應用和推廣這一新技術及更好保障電力生產的可靠安全性將具有一定意義。
1.狀態監測和故障診斷技術的重要性
變壓器是連接發、輸、配電環節的重要電力設備。隨著經濟的發展，電力負荷和電壓等級的增大，變壓器的運行可靠與否對電力系統的穩定影響更加明顯。變壓器在運行時，受到電、熱、機械、環境等各種因素的影響，其性能會逐漸劣化，運行狀態變差，可能導致發生各類故障。
為了盡量減少和避免故障的發生，長期以來電力系統的傳統做法是不斷地研究、總結，實施各種有效的定期預防性試驗、檢修等方式。與遇到事故維修相比，這種預防性試驗、檢修方式有著本質的進步。但是，定期計劃檢修存在著盲目性，且預防性試驗大多是離線進行的，試驗時需停機、停電，造成經濟損失。對于一些重要的設備，不能輕易停運，使得定期試驗難以完成。即使能夠停運待檢設備，也往往因運行中與停運后變壓器狀態差異，試驗結果會有偏差。另一方面，檢查維修可能會造成維修過度，對變壓器性能有所損傷。
2.變壓器的狀態監測和故障診斷
變壓器的故障診斷技術從以時間為基準的方式轉變到以狀態為基準的方式，其內容包括狀態監測與故障診斷兩個方面：前者通過提取故障的特征信號為狀態維修提供檢修依據，后者則分析、處理所采集的狀態信息。變壓器的在線監測技術研究大致包括以下內容：（1）故障機理分析；（2）在線監測手段；（3）監測信息的傳遞、處理和存儲；（4）故障特征量的提取；（5）故障診斷的方法和理論分析。
電力工業主要采用充油式變壓器，在某些特殊場合也采用干式變壓器或者六氟化硫變壓器。目前國內外對于變壓器的狀態監測，多采用局部放電監測和超聲定位技術、紅外技術、微水分析技術。對于變壓器的高壓套管，通常采用介質損耗因數的數字化在線測量技術。對于故障較多的有載調壓開關，采用有載故障診斷在線裝置測量觸點磨損及機械和電氣回路等。除此之外，油溫、線匝繞組溫度、負載電流及電壓、冷卻泵風扇運行等參數也在監測之列變壓器狀態監測。涉及到的變壓器主體部件為：磁路繞組及固定絕緣液體的絕緣，氣體絕緣和冷卻系統。擬診斷故障為：過熱行故障、放電性故障、過熱兼放電故障、機械故障和進水受潮等。常用的局部放電監測與診斷，多采用電脈沖信號發生法和超聲法，對電信號和聲信號聯合檢測去的理想的定量和定位效果，根據視在放電量、分布圖譜和放電源的定位來判斷故障。油中溶解氣體組分含量的分析（DGA），首先依據溶解平衡原理采用各種不同原理脫氣，方法如：真空、滲透膜、氣體洗脫等，將油中氣體脫出，再用分離柱進行分離，再經檢測器監測（如TCD、FID等），或各種原理的傳感器對不同組分氣體進行監測，后依據國內外通用的組分比值法或多維圖視法，結合電氣試驗和離線定期試驗結果，綜合分析診斷出潛伏性故障。近期還發展了復合滲透膜電化學/燃料電池紅外監測等技術進行油中溶解氣體組分含量的分析。由于DGA分析判斷的準確性已被國內外所認可，該技術成為各國研究的熱點。
3.在線監測與故障診斷技術研究存在的問題
狀態監測、故障診斷技術雖然有其不可替代的優勢，但在目前情況下，尚存在很多不足和問題需要解決。已經安裝投運狀態監測系統的單位，決不可高枕無憂，不再有安全憂患。由于變壓器有復雜的結構系統，運行參數間并非全部有嚴格的邏輯和定量關系，其故障現象、故障原理之間具有很大的不確定性，一個故障可表現出多種征兆，監測到的幾個故障起因，同時反應一個故障征兆，故障與征兆之間關系模糊復雜，完全用建立精確的數學模型來診斷是十分困難的。這種復雜的系統都是模糊的系統。而模糊系統的邊界、結構等概念的外延是模糊的，內涵是灰色的。也就是說，此系統中，一些信息是確知的，另一些是非確知的，因此，需要采用將精確性向模糊性逼近的模糊集的數學方法來處理這些模糊現象，并將人工神經網絡系統也注入，才能對變壓器故障診斷這一復雜系統，找出合適的描述方法。同時還要模擬技術專家在進行故障診斷時的經驗及將經驗、規劃模型化，以計算機替代專家，并以遠程通信方式進行傳輸。除此之外，復雜的現場環境也給狀態監測和故障診斷技術的應用帶來困難。到目前，狀態監測和故障診斷技術尚存在以下不足和問題：
（1）受技術條件限制，目前發展較成熟的僅有局放定位儀和部分組分含量的在線色譜儀，而其他反應設備狀態的項目尚無成熟監測。因此，在故障診斷中，很多需采集的信息還必須依賴于離線監測。
（2）早期故障的監測信號極弱，設備運行現場均有較強的磁場和電場干擾，信噪比很低，給狀態監測帶來困難。
（3）現有的一些監測系統，只能反映設備故障的發展趨勢，很難提供設備故障的類型及故障的危急程度。滲透膜存在滲透率衰減，軟件不能適應個案的分析、判定。
（4）現行規程中沒有狀態監測的技術要求和指標，使故障診斷中缺乏科學的判據。
（5）現有的監測、診斷系統尚不能完全實現連續不斷實時監測，所以對突發性故障不能準確、及時預報
4.結論
綜上所述，變壓器類的電氣設備的狀態監測和故障診斷技術，可以更迅速、連續反映設備的運行狀態，預示運行設備存在的潛伏性故障，提出處理措施，不同程度地延長設備的服役期，減免不必要的維修干擾，大大降低運行成本，易實行自動化和科學化設備管理，是保障電力設備安全經濟運行的有力措施，應大力推廣，實施狀態監視和故障診斷為不可逆轉的發展趨勢。
參考文獻：
[1] 李常喜.電力設備診斷技術概論[M]. 北京： 水利電力出版社，1994
[2] 陳維榮， 宋永華， 孫錦鑫. 電力系統設備狀態監測的概念機現狀[J]. 電網技術， 2000， 24（11）： 12-17
[3] 陳卓， 劉念， 薄麗雅. 電力設備狀態監測與故障診斷[J]. 高電壓技術， 2005， 31（4）： 46-48.
第8篇：故障診斷范文
關鍵詞：液壓系統故障 主觀診斷法 故障診斷
液壓系統故障是一門綜合技術，它需要基數較高的工作人員用比較先進的檢測設備查找故障的原因、異常程度，以預防維修液壓設備，提高設備運行的安全性和可靠性。液壓系統在實際工作中，若降低或喪失了規定的功能，出現了不能滿足其技術性能和運轉品質要求的情況，即為液壓系統故障。
一、液壓系統故障的特點有：1.故障的隱蔽性；2.故障的多樣性和復雜性；3.故障的難于判斷性；4.故障的交錯性；5.故障產生的隨機性與必然性；6.故障的產生與使用條件的密切相關性；7.故障的可變性；8.故障的差異性。
液壓系統具有廣泛的工藝適應性、優良的控制性和較低廉的成本，因而在各個領域中，液壓系統應用越來越廣泛。液壓系統的故障分析是受各方面正確分析故障的原因是排除故障的前提。
液壓系統產生故障的原因可分為內因和外因。內在原因包括：①設計時確定的技術參數不合適；②系統結構設計不合理；③所選用的元件不符合要求；④系統安裝未能達到技術規范要求；⑤零部件的加工制造質量不合格；⑥某些零件經長期使用后出現的正常磨損。外在原因包括：①設備運輸或安裝中引起的損壞；②使用環境惡劣；③調試、操作與維護不當；④電網電壓異常。在液壓系統故障診斷的工作過程中，需要判定故障的性質與嚴重程度；查找失效元件及失效位置；查找引起故障的初始原因；故障機理分析；預測故障發展趨向。
液壓系統故障診斷與排除的步驟包括：1、熟悉性能和資料。在查找故障前要了解設備的性能,熟悉液壓系統工作原理和運行要求,以及一些主要技術參數。 2、調查情況。要向操作者詢間設詢問該設備的特性及其功能持征;詢問該設備出現故障時的基本現象,同時要了解怎樣排除故障的經過。3、現場觀察。核實操作者提供的現象并仔細檢查，操縱有關控制部分,觀察故障現象,查找故障部位,并觀察系統壓力變化和工作情況,聽聽噪聲,查查漏油等。 4、查閱技術檔案。根據了解、詢問、核實、檢查所得到的資料列出可能的故障原因表。對照本次故障現象是否與歷史記載的故障現象相似,還是新出現的故障。 5、歸納分析。將現場觀察到的情況,排出檢查順序。先選擇那些一經簡單檢查核實或修理即可使設備恢復正常，以便在最短時間內完成檢查工作。6.驗證結論。找出原因，著手進行排除故障。排除故障包括用適當的試驗裝置檢查壓力和流量，拆開殼體蓋板，檢查泵、馬達及其它元件.這些試驗檢查便是判定零件、液壓元件更換的基礎。在實際工作中往往沒有適當的試驗裝置來進行檢查，這時只好以換泵、馬達、液壓閥等元件總成來做為排除故障的有效手段。
二、故障診斷技術的層次
⑴簡易診斷技術。①主觀診斷法②分段檢查試驗法③澆油法④元件替換法⑤截堵法。
⑵精密診斷技術，即客觀診斷法。它是在簡易診斷法的基礎上對有疑問的異常現象，采用各種監（檢）測儀器對其進行定量分析，從而找出故障原因。
主觀診斷法主要是依靠簡單的診斷儀器, 憑借個人的實踐經驗, 判別故障發生的部位及其原因。要求診斷人員具有液壓系統基礎知識和較強的分析能力，方可保證診斷的效率和準確性。主觀診斷法具有方便、快捷、實用的特點, 在現階段仍有一些液壓設備用戶在延用。但是它也存在著局限性, 由于人們的感覺不同, 判斷能力和實踐經驗有差異, 因而對所掌握的客觀情況的分析結果也就不同。此診斷方法只能對故障進行簡單的定性分析, 做不到定量分析。以下介紹其中兩種方法，液壓系統原理圖分析方法和參數測量的故障診斷方法。
1、液壓系統原理圖分析法
根據液壓系統原理圖分析液壓傳動系統出現的故障，找出故障產生的部位及原因，并提出排除故障的方法。液壓系統圖分析法是目前工程技術人員應用最為普遍的方法，它要求人們對液壓知識具有一定基礎并能看懂液壓系統圖掌握各圖形符號所代表元件的名稱、功能、對元件的原理、結構及性能也應有一定的了解，有這樣的基礎，結合動作循環表對照分析、判斷故障就很容易了。
2、參數測量的故障診斷方法
當液壓系統發生故障時，實質是系統中某個元件或某些元件有故障，進一步可斷定回路中某一點或某幾點的參數已偏離了預定值。這說明如果液壓回路中某點的工作參數不正常，則系統已發生了故障或可能發生了故障，需維修人員馬上進行處理。這樣在參數測量的基礎上，再結合邏輯分析法，即可快速、準確地找出故障所在。參數測量法不僅可以診斷系統故障，而且還能預報可能發生的故障，并且這種預報和診斷都是定量的，大大提高了診斷的速度和準確性。
其它液壓系統故障診斷方法：
1、澆油法
可采用澆油法找出進氣部位。找進氣部位時，可用油澆淋懷疑部位，如果油澆到某處時，故障現象消失，證明找到了故障的根源。澆油法對查找液壓泵和系統吸油部位進氣造成的故障特別有效。
2、人工智能故障診斷方法
專家領域是液壓系統故障診斷領域研究最多的一類智能診斷技術，它是一種人工智能計算機程序，，運用專家知識推理，解決人們在通常條件下難以解決的問題，具有大量的權威性知識，具備較強的學習功能。專家系統在運行中通過人機交互獲得必要信息，在知識庫和數據庫的支持下，進行一系列推理，從而找到最可能故障。
液壓系統的正確使用對保障液壓系統有重要意義。在液壓系統使用過程中需要維護以下幾點：1.控制液壓系統污染；2.控制工作介質溫升；3.控制液壓系統泄漏；4.防止和排除液壓系統的振動與噪聲；5.嚴格執行日常點檢和定期點檢制度；6.嚴格執行定期緊固、清洗、過濾和更換制度；7.嚴格貫徹工藝紀律；8.建立液壓設備技術檔案；9.建立液壓元件修理試驗基地。
液壓設備往往是結構復雜而且是高精度的機、電、液一體化的綜合系統。引起液壓故障的原因較多, 加大了故障診斷的難度。對于液壓系統設備故障處理完畢后，應認真地進行定性、定量分析總結，從而提高處理故障的能力，防止以后同類故障的再次發生。根據液壓系統故障有著自身的特點與規律, 正確把握液壓系統故障診斷的方法, 深入研究液壓系統的故障診斷技術, 有著重要的實際意義。
參考文獻：
第9篇：故障診斷范文
關鍵詞： 汽輪機；振動故障；診斷技術
中圖分類號：F407文獻標識碼： A
汽輪機是一種高速旋轉機械，其主要的構造部件包括轉子、轉子軸承、汽缸以及聯軸器等。由于在加工或者安裝過程中存在缺陷，將導致汽輪機在運行的過程中出現振動。根據振動的類型可以將振動分為橫向振動、軸向振動以及扭轉振動三種。而根據導致振動的激勵方式，又可以將振動分為基頻振動和二倍頻振動。其中，導致汽輪機運行不穩定或者是破壞的主要原因是由橫向振動或者是基頻振動而導致的。
1 汽輪機故障分析方法
對于汽輪機而言，其故障普遍表現為機組振動過大。在現場故障診斷中，常用到的故障分析方法便是振動分析法。
波形分析法
時間波形是最初的振動信息源。由傳感器進行輸出的振動信息在普遍情況下均為時間波形。對一些有著明顯特征的波形，可以直接用于設備故障的判斷。波形分析簡易直觀，這也是波形分析法的優勢之所在。
軌跡分析法
對于軸承座的運動軌跡而言，轉子軸心直接性地對轉子瞬時的運動狀態反應出來，并且涵蓋了很多關于機械運作情況的信息[2]。由此可見，對于設備故障的診斷，軌跡分析法的作用是非常明顯的。基于正常狀態，軸心軌跡具有穩定性，每一次轉動循環一般情況下均保持在相同的位置上，且軌跡普遍上是相互重合的。在軸心軌跡的形狀與大小呈現不斷變化的勢態時，便表現轉子運行狀態不具穩定性。面對此種情況，需進行及時有效的調整工序，不然極易致使機組失去穩定性，進而造成停車事故的發生。
頻譜分析法
對于設備故障的分析，頻譜分析法在應用方面極具廣泛性。普遍應用到的頻譜有兩種：其一是功率譜；其二是幅值譜。其中，功率譜代表在振動功率隨振動頻率的分布狀況，其物理含義較為清晰。幅值譜代表相對應的各個頻率的諧波振動分量所具備的振幅，在應用過程中，幅值譜具有直觀的特點。并且，幅值譜的譜線高度便是此頻率分量的振幅大小。總之，對于頻譜分析法而言，其目的便是把形成信號的每一種頻率成分均進行分解，以此為振源的識別提供方便。
汽輪機振動故障診斷技術探究
汽輪機存在多方面的振動故障，筆者主要對啟動過程中暖機或脹差過大等原因引起的振動、造成故障診斷準確率低的原因以及振動故障診斷步驟三大方面進行探究。
啟動過程中暖機時間不夠或脹差過大而引起的振動分析
啟動過程中暖機或脹差過大而引起的振動極具明顯性。汽輪機在啟動及停止過程中，轉子和氣缸的熱交換條件是有所區別的。所以，兩者之間在軸向形成的膨脹也有所區別，即為出現相對膨脹現象。所謂的相對膨脹又可稱之為長差。通過脹差的大小，能夠反映出汽輪機軸向動靜間隙的改變狀況。為了讓由軸向間隙改變進而引起的動靜摩擦得到有效規避，不但需要對脹差進行嚴密監視，還需要充分認識到脹差對汽輪機運行所造成的嚴重影響。我們知道，機組從升速至定速過程中，時間短，蒸汽溫度及流量基本上沒有發生改變，因此對脹差造成的影響只能在定速之后才能夠很好地反映出來。定速之后，脹差所增加的幅度比較大的，并且持續時間長。另外，基于低負荷暖機階段，蒸汽對轉子及氣缸的加熱程度較為激烈。大致上分析，造成機組暖機或者脹差的原因主要有：凝汽器真空的改變、暖機時間的長短、軸封供汽溫度的高低以及供汽時長等。因此，在機組啟動過程中，需要從三方面做好：1）在低速階段進行聽音；2）在高速階段對機組的振動引起足夠重視，尤為重要的是在過臨界的狀況下，如果振動超標，是不能夠硬闖的；3）當機組并網之后，因為汽缸溫度較低，額轉子膨脹又比氣缸要打，所以要以差脹的狀況為基礎，進而對進汽溫度進行有效控制，并使低負荷暖機得到有效保證。
造成故障診斷準確率低的原因分析
在汽輪機中，振動診斷技術當前已經得到廣泛的應用。造成故障診斷準確率低的原因表現在三個方面：1）對振動特征的掌握程度不夠；2）在認識上對故障機理存在偏差；3）只重視直觀的故障，對內部故障不深入了解。并且，在實際應用中，如果遇到振動故障，作業人員只是憑借自身的經驗進行處理。然而振動診斷的實際價值之所在便是對振動狀況進行有效規避。如果故障診斷的準確率大于50%，便說明消除振動的指導作用極具明顯性。如果準確率只在20%至30%之間，那么說明消除振動的效果不具良好性，甚至可能是一種誤導。對于汽輪機的振動故障診斷，常用的兩種方法便是正向推理法與反向推理法。在對機組振動故障正確的認識之下，適宜采用正向推理法。但從實踐情況上分析，對于振動故障診斷并不經常使用正向推理法。因此，便經常性采用反向推理法。該方法是根據振動的特征進行分析，并對故障的特點進行反推，以此獲取多種結論，讓振動故障在引導之下得到處理。此種方法會使故障診斷的準確率大大降低。
振動故障診斷步驟分析
對傳統故障診斷的方法進行改善是使診斷故障診斷準確率得到提升的有效策略。若想要使診斷故障準確率大大提升，還需要進行充分做好以下步驟：1）首先對振動的種類進行確認。主要是對振動頻譜及外在特征進行觀察，進而將各類振動進行有序的分類。將所存在的故障的原因充分確認之后，再實施判斷措施；2）先對軸承座剛度進行檢查，看是不是正常，然后對激振力故障原因進行分析；3）對轉子進行檢查，檢查是不是存在不平衡力、不平衡電磁力以及平直度偏差等故障，進而對基于穩定的普通強迫振動是否存在進行確認，最終使故障類型能夠得到有效診斷。 3 汽輪機振動故障診斷實例分析
實例概況：以某熱電廠4#汽輪發電機組為實例，它是由上海汽輪機廠所生產的50 MW汽輪發電機，其型號為C50-90/1.2-1，并且是單缸沖動一級調整抽汽凝汽式機組，在配裝方面，配置了由上海電機廠生產的發電機，其型號為QFs-60-2。
振動情況：此機組在運作過程當中有3#瓦軸向振動偏大的現象存在，高達20 mm/s，經過反復檢查后依舊沒有找出其中的原因[3]。
診斷：3#瓦軸向振動的主頻率為50 Hz，據分析可知為普通強迫振動。造成普通強迫振動存在兩方面的原因：其一，軸承座動剛度偏低；其二，激振力偏大。
處理因素：通過對3#瓦軸承座檢查發現軸承座存在多方面的問題，主要有球面墊鐵接觸性能不良、軸承緊力不夠、地腳螺栓較為松動以及軸承座墊片不具合理性等。其中，在對壓軸承緊力進行檢修時發現，軸承體球面和球面座兩者間有0.02毫米的間隙，軸承蓋和軸承體兩者間有0.15毫米的間隙。此機的檢修標準在軸承體球面和球面座兩者間為0.02毫米到0.04毫米時呈過盈狀態；軸承蓋和軸承體兩者間在0.02毫米到0.05毫米時呈過盈狀態。由此可見，整個軸瓦的緊力明顯不夠，且垂直方向沒有辦法對振動進行控制。
故障診斷結論：通過數據分析可知，在垂直振動的差異達到兩倍的情況下，軸向振動可達到9 mm/s；在垂直振動的差異振動比較小的情況，軸向振動便偏小。振動故障出現后，不能僅靠現場動平衡進行解決，應該對問題的根源進行嚴謹分析，然后對問題進行有效解決。
結束語
通過本文的探究，充分認識到造成故障診斷準確率低的現象存在三方面的原因，分別為：對振動特征的掌握程度不夠、在認識上對故障機理存在偏差、只重視直觀的故障，對內部故障不深入了解。因此充分掌握汽輪機振動故障診斷技術便顯得尤為重要。最后筆者通過實例進行深入分析，希望以此為今后關于汽輪機振動故障診斷技術的研究提供一些具有建設性的參考依據。
參考文獻
[1]謝亮.汽輪機振動故障診斷技術探討[J].科技傳播，2011（07）.
