电子设备故障诊断技术综述
电子设备故障诊断技术综述
徐济仁
1,2
,刘敬芝3,牛纪海2,江从俊
3
(1.合肥工业大学,安徽 合肥 230001;2.电子工程学院,安徽 合肥 230037;
3.重庆通信学院,重庆 550030)
摘 要:随着电子技术的发展,电子设备组成的复杂化和智能化不断提高。I C 芯片制造工艺
的不断提高使得VLSI 电路的集成密度增加,亦加大了电子设备故障测试的复杂性和难度。结合当前电子设备故障诊断的最新成果与发展动态,综述了故障诊断与检测的三种主流方法:基于解析模型的方法、基于信号处理的方法和基于知识的方法。总结了目前电子设备故障诊断技术的发展概况和趋势。
关键词:电子设备;故障诊断;解析模型;信号处理中图分类号:T N 05 文献标识码:A 文章编号:1001-3474(2008)05-0294-05
Sum mari zati on of Fault D i a gnosis Techn i ques
of Electron i c Equi pment
XU J i -ren
1,2
,L I U J i n g -zh i 3,N I U J i -ha i 2,J IANG Cong -jun
3
(1.Hefe i Technology Un i versity,Hefe i 230001,Ch i n a;2.Eletr i c Eng i n eer i n g I n stitute,Hefe i 230037,Ch i n a;3.Chongq i n g comm un i ca ti on school,Chongq i n g 550030,Ch i n a)
Abstract:W ith the devel opment of electr onic technol ogy,the electr onic equi pment become more and more comp licated and intelligentized .And the high p r oducti on level of I C chi p increased the integrati on density of VLSI electric circuits,thus electric equi pment fault diagnosis becomes more and more comp lex and difficult .Su mmarize the three main methods and technol ogies according t o the latest achieve ment and devel opment of electric equi pment,include analyzing model,p r ocessing signal and using knowledge .A t last su mmarize devdel opment trend of fault diagnosis of electric equi pment .
Key words:Electric equi pment;Fault diagnosis;Analysis model;Sinal p r ocessing D ocu m en t Code:A Arti cle I D :1001-3474(2008)05-0294-05
现代社会对电子设备的可靠性、保障性和可维
修性有了更高的要求,而且随着现代工业及科学技术的迅速发展,特别是计算机技术的发展,电子设备设备的结构越来越复杂,自动化程度也越来越高,不仅同一设备的不同部分之间互相关联,紧密耦合,而且不同设备之间也存在着紧密的联系形成一个整体。因此,一处故障可能引起一系列连锁反应,导致整个设备甚至整个过程不能正常运行。
故障诊断为提高系统的可靠性开辟了一条新的途径,已成为控制领域的一个热点研究方向。故障可以定义为系统至少一个特性或参数偏离正常的范
围,难于完成系统预期的功能[1]
。故障诊断是指根据系统症候,判断系统是否发生了故障,确定故障的种类,故障发生的部位,并确定故障的大小以及故障发生的时间。
故障诊断技术包括故障检测、故障分离和故障
作者简介:徐济仁(1967-),男,毕业于国防科学技术大学,副教授,主要从事通信与信号处理的研究工作。
4
92
电子工艺技术Electr onics Pr ocess Technol ogy
第29卷第5期
2008年9月
辨识。故障诊断能够定位故障并判断故障的类型及发生时刻,进一步分析后可确定故障的程度。故障检测与诊断技术涉及多个学科,包括信号处理、模式识别、人工智能、神经网络、计算机工程、现代控制理论和模糊数学等,并应用了多种新的理论和算法。1 设备故障诊断方法的分类
故障诊断技术主要包含三方面的内容:故障检测、故障隔离、故障辨识。从本质上讲,故障诊断技术是一个模式分类与识别问题,即把系统的运行状态分为正常和异常两类,判别异常的信号样本究竟属于哪种故障,这又属于一个模式识别问题。现有的故障诊断方法,概括起来可分三大类。
1.1 基于信号处理的方法[2～5]
该方法是诊断领域应用较早的方法之一,主要采用阈值模型。信号分析采用较多的主要有时域、频域、幅值、时-频域特性分析等。信号处理方法主要有:峰值、均方根值、波峰系数、波形系数、偏斜度指标等参数分析、相关分析法、包络分析法、最大熵谱法、倒频谱法、同步信号平均法、自回归谱分析法、小波分析和分形分析等。信号分析方法是其它诊断方法的基础。
信号处理方法大致分为两类。
一类是稳态或者准稳态信号的各种处理方法。典型的有经典的离散频谱分析和校正理论、频率细化分析和解调分析等。这一类处理方法理论较为成熟,在实际应用中较为广泛。这些处理方法基础都是基于经典的傅里叶变换分析法,它是对分析对象进行一些理性化的处理和简化的基础上,例如假设被分析信号具有线性、平稳性和最小相位性等特征,采用全局性变换形式,将信号分解为不同的频率分量。但是,在工程实际应用中,这样的简化常常忽略了信号中的一些重要特征,特别是一些细微的信息,而这些细微的信息往往预示着设备状态的发展趋势,因此在一定的程度上不能完全满足机械设备故障信号特征提取的需要;第二类是非平稳信号的各种处理方法。典型的有参数跟踪法、短时傅立叶变换法、W igner-V ille分布、小波分析、盲信号分离和高阶统计量以及循环统计量分析也开始应用于机械设备信号特征提取中。其中短时傅里叶变换法[6],参数跟踪分析法等比较成熟,W igner-V ille分布[7],小波分析方法存在一定的不足之处,限制了这些方法在故障诊断领域中的应用。高阶谱、循环平稳和H il-bert-Huang变换等分析方法,这些方法的引入,使得在非线性、非稳态和非高斯信号处理方面有了长足的进步。尤其是循环平稳分析方法,近年来在理论研究上取得了很大的进展,并在工程实际应用中有了一些应用,带来了一定的社会经济效益,但还有许多问题需要解决,这正成为机械设备故障诊断中信号特征提取研究的一个比较热门课题。
1.2 基于解析模型的方法
基于解析模型诊断的主要思想是:根据组成系统的元件与元件之间的连接,建立待诊断系统模型(如结构、功能、行为),这种模型通常用一阶逻辑语句来描述。根据系统的逻辑模型以及系统的输入,能通过逻辑推理推导出系统在正常情况下预期行为。观测到的系统实际行为与系统预期行为有差异,说明系统存在故障,利用逻辑推理也能够确定引发故障的元件集合。
基于解析模型诊断的方法有:滤波器方法、最小二乘类方法[8]、观测器方法和等价空间方法。现在已经证明了基于观测器的状态估计方法与等价空间方法是等价的。
当前,在基于解析模型的诊断中有两个主要流派。一个是基于一致性的诊断,另一个是溯因诊断。前者把诊断概念建立在不正常工作的元件与观察结果的相容性上,后者把诊断概念建立在不正常工作的元件和诊断模型可以逻辑地推出观察结果。最近,人们开始研究如何将两种方法比较与融合,提出了一个统一的定义,使得不同的诊断逻辑定义都可以用这个统一的定义表示,并且可以把不同的定义加以比较。在这个统一定义下,基于一致性的诊断和溯因诊断仅仅是两个极端的情形。
1.3 基于知识的故障诊断方法[9～11]
基于知识的诊断推理的主要思想是:在知识的层次上,以知识处理技术为基础,实现辩证逻辑与数理逻辑的集成,符号处理与数值处理的统一,推理过程与算法过程的统一。通过在概念和处理方法上的知识化,实现设备故障诊断智能化。基于知识的故障诊断方法主要可以分为:专家系统故障诊断方法、模糊故障诊断方法、故障树故障诊断方法、神经网络故障诊断方法、信息融合故障诊断方法和基于Agent 故障诊断方法。
1.3.1 专家系统故障诊断方法[12]
专家系统方法一直是基于知识的故障诊断中的研究重点,经多年发展已比较成熟。它不需要一个人类问题求解的精确匹配,而能够通过计算机提供一个复制问题求解的合理模型。基于知识的专家系
592
2008年9月 徐济仁等:电子设备故障诊断技术综述
统的工作模型如图1所示。由知识库、全局数据库、推理机制、知识获取机制、解释机制和用户界面六个
部分组成。分为专家系统运行和知识库管理两个功能模块。专家系统运行模块用来实现基于知识的故障诊断和故障码的速查。知识库管理模块用来实现推理规则和故障码的录入、存储、校验以及知识库的转换
。
图1 基于知识的专家系统的工作模型1.3.2 模糊故障诊断方法
,故障与征兆之间的关系很难用精确的数学模型来表示,随着某些故障状态模糊性的出现,就不能用“是否有故障”的简易诊断结果来表示,而要求给出故障产生的可能性及故障位置和程度如何。此类问题用模糊逻辑能较好地解决,这就产生了模糊故障诊断方法。模糊故障诊断方法是利用集合论中的隶属函数和模糊关系矩阵的概念来解决故障与征兆之间的不确定关系,进而实现故障的检测与诊断。这种方法具有计算简单、应用方便、结论明确直观等特点。故障诊断是通过研究故障与征兆之间的关系来判断设备状态。其典型方法是模糊故障向量识别法。
鉴于模糊故障诊断方法的这种特点,结合电子设备的故障与征兆之间的关系难以使用精确的数学模型表述的实际情况,我们可以借助于这种方法,用隶属度的概念来描述电子设备的性能,然后运用模糊综合评判法找出电子设备故障的原因。有文献采用模糊故障诊断方法对电子设备的故障诊断进行了
尝试[13]
,为决策提供了依据,提高了整个电子设备的可靠性和经济性。使用这种方法存在的问题是:(1)构造隶属函数是实现模糊故障诊断的前提,但隶属函数是人为构造的,含有一定的主观因素;(2)对特征元素的选择有一定的要求,如选择得不合理,诊断精度会下降,甚至诊断失败。1.3.3 故障树故障诊断方法
故障树是一种体现故障传播关系的有向图,它以诊断对象最不希望发生的事件作为顶事件,按照
对象的结构和功能关系逐层展开,直到不可分事件
(底事件)为止。它的优点是能够实现快速诊断;知识库很容易动态修改,并能保持一致性;概率推理可在一定程度上被用于选择规则的搜寻通道,提高诊断效率;诊断技术与领域无关,只要相应的故障树给定,就可以实现诊断。缺点是由于故障树是建立在元件联系和故障模式分析的基础之上的,因此不能诊断不可预知的故障;诊断结果严重依赖故障树信息的完全程度。1.3.4 神经网络故障诊断方法
神经网络是模拟生物神经系统而建立起来的自适应非线性动力学系统,具有可学习性和并行计算能力,可以实现分类、自组织、联想记忆和非线性优化等功能。神经网络用于故障诊断领域,可以解决趋势预测和诊断推理问题。目前,在故障诊断中应用较多的有多层感知器(MLP )网络、自适应共振理论(ART )、自组织特征映射(F M )和双向联想记忆(BAM )等[14]。为了提高神经网络的工作性能,人们对网络的结构类型、学习算法和样本处理等问题进行了研究:应用模块化神经网络解决大规模复杂
问题[15];应用剪枝法优化网络连接方式[16]
;将遗
传算法[17]和混沌理论[18]
应用于网络的学习训练中,解决局部极小问题;为提高网络的泛化能力、加快网络学习速度,在训练样本中加入噪声,或者
对样本数据进行优化处理[19]
。基于神经网络的智能故障诊断具有很多优点:知识表达形式统一,知识库组织管理容易,通用性强,便于移植与扩展;知识获取容易实现自动化(如自组织自学习);可以实现并行联想和自适应推理,容错性强;能够表示事物之间的复杂关系(如模糊关系);可以避免传统专家系统的“组合爆炸”和“无穷递归”问题;推理过程简单,可以实现实时在线诊断。但是也存在着一些问题:训练样本获取困难;忽视了领域专家的经验知识;连接权重形式的知识表达方式难于理解等。1.3.5 信息融合故障诊断方法
在故障诊断领域,由于设备本身的复杂性和运行环境的不稳定性,单传感器反应的设备信息具有不确定性,如推理时的不确定性的存在,导致故障诊断准确率的降低,甚至出现漏检和误诊现象。
多传感器信息融合技术为解决复杂系统故障诊断的不确定性问题提供了一条崭新的途径,这是由信息融合独特的多维信息处理方式决定的。特别适合解决模拟电路故障诊断中常规的网络撕裂法面临
692 电子工艺技术 第29卷第5期
电路前后元件相互影响以至不能测准元件的故障以及由于容差、非线性及元件参数相互影响而出现的诊断不确定性问题。将信息融合技术引入电子设备故障搜寻中,通过测试电路工作时电子设备的温度和关键点电压两方面的信息,并尝试多种信息融合方法,从而准确搜寻出故障元件。其主要信息融合故障诊断方法有:Bayes概率推理法[20]、模糊信息融合法[21]、D-S(De mp ster-Shafer)证据推理法[22]及神经网络信息融合法等。
模糊信息融合法基本原理:首先利用探针测出各待诊断元件关键点的电压信号,利用热像仪测试出电路板待诊断元件的工作温度信号,对于每一传感器,可用一组隶属度值表示被测元件属于故障的可能性。应用模糊集合论对两组隶属度值进行融合处理,得到两传感器融合后各待诊断元件属于故障的隶属度值,再根据一定的判定准则进行故障元件的判定。这种方法计算简单,应用方便,结论明确直观,消除了由于单传感器提供信息量少而产生的误诊断现象。但构造隶属函数是人为设计的,在选择各传感器的影响权重时,也含有一定的主观因素。选择不当,必将影响诊断准确性。
神经网络信息融合法的基本原理:将神经网络引入信息融合之中,并将其与模糊集相结合,构成一模糊神经网络分类器,使模糊的概念结合于神经网络的各层中,利用所测电压、温度隶属度值作为神经网络的输人,而输出为两传感器融合后各待诊断元件属于故障的隶属度值,再根据一定的判定规则进行故障元件的判定。此法由于充分利用了大量测试数据,同时利用了训练样本中的先验知识,而使得故障识别的效果优于前者,不过训练样本获取常存在一定的困难,一旦无法获取训练样本,此种诊断方法将无法使用。
1.3.6 基于Agent故障诊断方法[23～25]
Agent是一个具有自主性、反应性、主动性和社会性特性的基于硬件或软件的计算机系统,通常还具有人类的智能特性,如知识、信念、意图和愿望等。故障诊断的Agent系统,是将多个Agent组合起来工作,设计出一组分工协作的多Agent系统,不仅使诊断系统准确率得以提高,而且增强环境的适应性。使系统在运行过程中发现和挖掘知识,提高学习能力,实现诊断系统性能的自我完善、发展和提高。
一般的Agent故障诊断系统需要解决的关键问题有:(1)故障信号的检测,特征信息的提取;(2)故障诊断Agent的刻画;(3)管理控制Agent及数据挖掘A-gent的设计;(4)各Agent之间的通信与协作。
1.3.7 粗糙集理论
粗糙集理论是一种处理不完整性和不确定性问题的新型数学工具,在模式识别等方面得到了成功的应用。它与传统的模糊集理论处理不精确数据和不确定性的方法不同,它无需提供问题所需处理的数据集合之外的任何先验信息,因此对问题的不确定的描述和处理是比较客观的。有文献已尝试将粗糙集理论应用于故障诊断研究领域,为在不完备征兆信息下的故障诊断提供了新思路[26]。
粗糙集理论是波兰学者Z.Pa wlak于1982年提出的一种用于处理不完整不精确知识的数学方法,该理论不需要关于数据的任何初始或附加信息,直接对不完整不精确数据进行分析处理。近年来,粗糙集理论发展迅速,已经在很多领域得到了应用。有文献利用粗糙集理论对离心泵的特征参数进行约简[27],并优选出最简决策表,形成标准特征库,提高了故障诊断的速度和精度。但当故障形式和特征参数较多时,则有可能会导致较大的决策表以及较多的规则数目。同时,由于许多实际应用中的数据经常是不断更新的,因此如何动态地修正现有模型结构和规则集,提高系统的自学习能力,还有待作进一步的研究。
2 结论与展望
电子设备故障诊断技术是一门新兴交叉的学科。目前它还没有形成完善、系统的理论体系。而且由于近年来计算机技术、信号处理、人工智能、模式识别技术的发展,促进了故障诊断技术的不断发展,特别是电子设备故障诊断的人工智能技术得到了广泛的重视。目前基于知识的电子设备故障诊断研究主要集中在以下几个方面。
(1)新的信号处理方法将不断发展。如将高阶统计量和循环统计相结合的高阶循环统计处理是目前分析非平稳信号强有力的工具,目前在齿轮分析方面用得还不是很多;不同的联合分布将从不同的角度揭示信号中更本质的联络;H ilbert-Huang变换的深入研究等。
(2)现有的实验中的分析手段将实用化。各种处理方法相结合导致遗传算法、神经网络、专家系统等更加完善,从更系统的角度来完成齿轮故障诊断;除了振动,声发射、红外成像、超声波技术、传感器冗余等技术将在某一方面占据领导地位。
(3)随着计算机技术、网络技术、数据库技术、
792
2008年9月 徐济仁等:电子设备故障诊断技术综述
通信技术、虚拟技术等信息技术的发展,将使齿轮故障诊断从点扩散到面,实现远程诊断技术,使诊断技术快速走上实用化道路。
设备故障诊断技术发展至今,基于信号处理的方法、基于解析模型的方法、基于知识的故障诊断方法均已取得了丰硕的成果[28],基于数学模型的诊断方法研究较早,对于线性系统的诊断也较完善;对于非线性系统的故障诊断仍是当前的研究热点和难点问题,采用非线性理论、自适应观测器及定性方法等可以对一些简单的非线性系统进行故障诊断。另一方面,故障诊断的鲁棒性研究也日益重要,它和故障诊断的灵敏性要求的合理折衷使用是一个难点;此外,故障检测的最优阀值的选取和故障的准确定位等诊断性能方面的问题也是研究方向之一。
参考文献:
[1] 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.
[2] Loux,Lopar o K A,D iscenzo F M.A wavelet-based tech2
nique f or bearing diagnosis[E B/OL].I nterner search en2
gine,2002.
[3] Lour C,Scher p r S.Dyna m ic multi-sens or data fusi on
syste m for intelligent r obots[J].I EEE J r obotics and Au
-t omati on,1998,4(4):386-396.
[4] 朱大奇.基于知识的故障诊断方法综述[J].安徽工业
大学学报,2002,19(3):197-204.
[5] 杨叔子.基于知识的故障诊断技术[M].北京:清华大
学出版社,1993.
[6] 周建钊.气门故障特征提取及诊断方法的分析与研究
[J].机械研究与应用,2007(6):67-68.
[7] 周宇.基于矢W igner分布的旋转机械故障诊断方法的
研究[J].矿山机械,2007(4):87-89.
[8] 田竞.基于最小二乘支持向量机的电力变压器故障诊
断[J].电子设备与分析监测,2008(1):65-67.
[9] E mad G,Ronik,M ichel S N et al.A circuit reduci on tech2
nique f or finding the steady-state s oluti on of nonlinear
circuits[J].I EEE trans m icr owave theory and tech2
niques,2000,48(12):2389-2394.
[10] Persic B,M edic https://www.wendangku.net/doc/c213222089.html,paris on of har monic balance t o
boundary constraint within aut onomous circuits[C]//
10th mediterranean electr otechnical conference Mele2
Con,2000.
[11] 刘宝赋.军用电子设备故障诊断专家系统知识库的
建立[J].弹箭与制导学报,2002,22(4):78-80. [12] 翟丽芳.电子设备故障诊断专家系统的设计[J].计
算机应用,2001,27(4):12-13.
[13] 连可.一种基于有向图模型的模糊多故障诊断算法
[J].系统工程与电子技术,2008(3):33-35.[14] Ti m o Sorsa,Heikki N Koivo.App licati on of artificial
neural net w orks in p r ocess fault diagnosis[J].Aut omat2
ica,1993,29(4):843-849.
[15] 虞和济,陈长征,张省.基于神经网络的智能诊断
[J].振动工程学报,2000,13(2):202-209.
[16] 陈长征.旋转机械故障智能诊断方法研究[D].徐州:
中国矿业大学,1998.
[17] W illiam D itt o.T oshinori munakata.Princi p les and app li2
cati ons of chaotic syste m s[J].Communicati ons of the
AC M,1995,38(11):96-102.
[18] 赵振宇,徐用懋.模糊理论和神经网络的基础与应用
[M].北京:清华大学出版社,1996.
[19] James J Buckley,Yoichi Hayashi.Fuzzy neural net2
works:ASurvey[J].Fuzzy sets and syste m s,1994,66:1
-13.
[20] 戴威.Bayes推理在液压系统故障诊断中的应用[J].
液压与气动,2007(7):98-99.
[21] 徐德明.模糊信息融合在电子电路故障诊断中的应
用[J].中国科技信息,2008(1):4-6.
[22] 孙雅囡.基于模糊神经网络和D-S证据理论的故障
诊断方法研究[J].中国舰船研究,2008(1):45-47.
[23] 蒋萍.基于多Agent的装备远程测试与故障诊断系统
建模研究[J].弹箭与制导学报,2007(5):.
[24] 李龙.基于Agent的抽油机井故障诊断智能分析系统
研究[J].齐齐哈尔大学学报,2007(5):111-112. [25] 于振波.多Agent在提升机远程故障诊断系统中的应
用[J].煤矿机械,2007(11):3-5.
[26] 曹长修,孙颖楷.基于粗糙集理论的内燃机故障诊断
专家系统[J].重庆大学学报(自然科学版),2001,24
(4):45-47.
[27] Peng CHE N.D iagnosis method of centrifugal pu mp s by2
sets and partially-linearized neural net w ork[C]//I n2
terna-ti onal conference on intelligent p r ocessing sys2
te m s,1997:1490-1494.
[28] Nagle H.Design for testability and built-in self-test:
arevie w[J].I EEE trans on industrial electr onics,1989,
36(2):129-140.
收稿日期:2008-07-
23
892 电子工艺技术 第29卷第5期
故障诊断技术发展现状
安全检测与故障诊断 题目：故障诊断技术发展现状 导师：魏秀琨 学生姓名：刘典 学号：14114263
目录 1 引言 (3) 2 故障诊断的研究现状 (3) 1.1基于物理和化学分析的诊断方法 (3) 1.2基于信号处理的诊断方法对 (3) 1.3基于模型的诊断方法 (3) 1.4基于人工智能的诊断方法 (4) 2故障诊断研究存在的问题 (6) 2.1故障分辨率不高 (7) 2.2信息来源不充分 (7) 2.3自动获取知识能力差 (7) 2.4知识结合能力差 (7) 2.5对不确定知识的处理能力差 (7) 3发展方向 (8) 3.1多源信息的融合 (8) 3.2经验知识与原理知识紧密结合 (8) 3.3混合智能故障诊断技术研究 (9) 3.4基于物联网的远程协作诊断技术研究 (9) 4发展方向 (9)
1 引言 故障可以定义为系统至少有一个特性或参数偏离正常的范围，难于完成系统预期功能的行为。故障诊断技术是一种通过监测设备的状态参数，发现设备的异常情况，分析设备的故障原因，并预测预报设备未来状态的技术，其宗旨是运用当代一切科技的新成就发现设备的隐患，以达到对设备事故防患于未然的目的，是控制领域的一个热点研究方向。它包括故障检测、故障分离和故障辨识。故障诊断能够定位故障并判断故障的类型及发生时刻，进一步分析后可确定故障的程度。故障检测与诊断技术涉及多个学科，包括信号处理、模式识别、人工智能、神经网络、计算机工程、现代控制理论和模糊数学等，并应用了多种新的理论和算法。 2 故障诊断的研究现状 1.1基于物理和化学分析的诊断方法 通过观察故障设备运行过程中的物理、化学状态来进行故障诊断，分析其声、光、气味及温度的变化，再与正常状态进行比较，凭借经验来判断设备是否故障。如对柴油机常见的诊断方法有油液分析法，运用铁谱、光谱等分析方法，分析油液中金属磨粒的大小、组成及含量来判断发动机磨损情况。对柴油机排出的尾气(包含有NOX，COX 等气体) 进行化学成分分析，即可判断出柴油机的工作状态。 1.2基于信号处理的诊断方法对 故障设备工作状态下的信号进行诊断，当超出一定的范围即判断出现了故障。信号处理的对象主要包括时域、频域以及峰值等指标。运用相关分析、频域及小波分析等信号分析方法，提取方差、幅值和频率等特征值，从而检测出故障。如在发动机故障领域中常用的检测信号是振动信号和转速波动信号。如以现代检测技术、信号处理及模式识别为基础，在频域范围内，进行快速傅里叶变换分析等方法，描述故障特征的特征值，通过采集到的发动机振动信号，确定了试验测量位置，利用加速传感器、高速采集卡等采集了发动机的振动信号，并根据小波包技术，提取了发动机故障信号的特征值。该诊断方法的缺点在于只能对单个或者少数的振动部件进行分析和诊断。而发动机振动源很多，用这种方法有一定的局限性。 1.3基于模型的诊断方法 基于模型的诊断方法，是在建立诊断对象数学模型的基础上，根据模型获得的预测形态和所测量的形态之间的差异，计算出最小冲突集即为诊断系统的最小诊断。其中，最小诊断就是关于故障元件的假设，基于模型的诊断方法具有不依赖于被诊断系统的诊断实例和经验。将系统的模型和实际系统冗余运行，通过对比产生残差信号，可有效的剔除控制信号对
电力系统故障的智能诊断综述
智能电网技术及装备专刊·2010年第8期 21 电力系统故障的智能诊断综述 李再华1 刘明昆2 （1.中国电力科学研究院，北京 100192；2.北京供电公司海淀供电分公司，北京 100086） 摘要 电力系统是人类制造的最复杂的系统，故障诊断是现代复杂工程技术系统中保障其可靠运行的非常重要的手段，故障的智能诊断是该领域的热点和难点。本文综述了电力系统故障的智能诊断技术的发展现状，总结了几种常用的智能技术在故障诊断应用中存在的若干问题以及解决这些问题的相关新技术。最后，展望了智能诊断技术的发展趋势：以专家系统为基础，融合其他先进的智能技术，以提高诊断的速度和准确度，及其对电力系统发展的适应性，逐步实现在线诊断。 关键词：电力系统；智能故障诊断；专家系统；发展趋势 Review of Intelligence Fault Diagnosis in Power System Li Zaihua 1 Liu Mingkun 2 （1.China Electric Power Research Institute ，Beijing 100192； 2. Haidian branch Company, Beijing Power Supply Company, Beijing 100086） Abstract Power system is the most complex system by man-made in the world, fault diagnosis is a kind of very important methods to ensure the reliable operation of modern complex engineering system. Intelligence fault diagnosis (IFD) is the hot and difficult subject in this field. The paper reviews the actual state of development of IFD in power system, and then summarizes some existing problems in application and new relation technology to resolve these problems. IFD technologies include expert system (ES), artificial neural network (ANN), decision-making tree (DT), data mining (DM), fuzzy theory (FT), Petri network (PN), support vector machine(SVM), bionic theory (BT), etc. To adopt these kinds of methods synthetically is very helpful to improve the intelligence of ES. At last, development trends of IFD are expected: based on ES, integrates with other advanced intelligence technologies, to heighten the speed and accuracy of fault diagnosis, and the adaptability to the development of power system, so as to realize online IFD gradually. Key words ：power system ；intelligence fault diagnosis ；expert system ；development trend 1 引言 电网的发展和社会的进步都对电网的运行提出了更高的要求，加强对电网故障的诊断处理显得尤为重要。随着计算机技术、通信技术、网络技术等的发展，采用更为先进的智能技术来改善故障诊断系统的性能，具有重要的研究价值和实际意义。 故障的智能诊断技术也被称为智能故障诊断技 术，包括专家系统（Expert System ，ES ）、人工神 经网络（Artificial Neural Network ，ANN ）、决策树（Decision Tree ，DT ）、数据挖掘（Data Mining ， DM ）、模糊论（Fuzzy Theory ，FT ）、Petri 网理论（Petri Network Theory ，PNT ）、支持向量机（Support Vector Machine ，SVM ）、仿生学理论（Bionics Theory ，BT ）的应用等，其中前四种技术得到了较多的研究，相对比较成熟和常用。本文对电力系统故障诊断领域的智能诊断技术的发展现状以及存在的问题进行综述，并对解决相关问题的方法进行了总结。 2 智能故障诊断技术发展现状 美国是对故障诊断技术进行系统研究最早的国家之一，1961年美国开始执行阿波罗计划后，出现了一系列设备故障，促使美国航天局和美国海军积
500kV输电线路故障诊断方法综述_魏智娟
2012年第2期 1 500kV 输电线路故障诊断方法综述 魏智娟1 李春明2 付学文1 （1.内蒙古工业大学电力学院，呼和浩特 010080；2.内蒙古工业大学信息学院，呼和浩特 010080） 摘要 对近几年国内外具有代表的中外文献进行了学习研究，重点论述了输电线路故障诊断的四种方法：阻抗法，神经网络和模糊理论等智能算法，小波理论，行波法。综合输电线路的四种故障诊断方法，建议采用小波熵原理对输电线路故障模型进行故障类型识别，运用基于小波熵的单端行波测距方法实现故障定位。 关键词：故障诊断；阻抗法；智能算法；小波理论；行波法 The Survey on Fault Diagnosis in the 500kV Power Transmission Lines Wei Zhijuan 1 Li Chunming 2 Fu Xuewen 1 （1.The Power College of Inner Mongolia University of Technological, Inner Mongolia, Hohhot 010080; 2.The Information College of Inner Mongolia University of Technological, Inner Mongolia, Hohhot 010080） Abstract Based on the overview of typical literatures at home and abroad, this research focused on the four methods of failure diagnosis of transmission lines, namely, Impedance method, Intelligent method such as Neural Network Theory and Fuzzy Theory, Wavelet Theory and Traveling Wave method. And based on the synthesis of the four methods, this research suggested that simulation should be conducted to the failure models of transmission line by applying Wavelet Entropy Principle and the results of the simulation should be analyzed in order to identify the failure types; and the failure simulation should be conducted by the single traveling wave distance-testing method of wavelet entropy, and the results of the simulation should be analyzed in order to realize failure location. Key words ：failure diagnosis ；impedance method ；intelligent algorithm ；the Wavelet Theory ；the traveling wave method 超高压输电线路是电力系统的命脉，它担负着传送电能的重任，其安全可靠运行是电网安全的根本保证。输电线路在实际运行中经常发生各种故障，如输电线路的鸟害故障[1]、输电线路的风偏故障等[2]，及时准确地对输电线路进行故障诊断就显得非常重 要。国家电网公司架空送电线路运行规程明确规定 “220kV 及以上架空送电线路必须装设线路故障测 距装置”[3-4]。由于我国幅员辽阔，地形地貌的多样 性致使输电线路工作环境极为恶劣，输电线路发生 故障导致线路跳闸、电网停电，对电力系统安全运 行造成了很大威胁，所以，在线路发生故障后迅速 准确地进行故障诊断，减少因故障引起的停电损失， 降低寻找故障点的劳动强度，尽最大可能降低对整 个电力系统的扰动程度，确保电力系统的安全可靠稳定运行具有十分重要的意义。本文在总结前人的基础上，重点论述了超高压输电线路的4种故障诊断方法，建议采用小波熵原理对输电线路故障类型 进行故障识别，利用基于小波熵的单端行波测距方法实现故障定位。 1 输电线路故障诊断 当输电线路发生故障时，早先的故障定位通常是由经验丰富的运行人员在阅读故障录波图的基础上，综合电力用户提供的信息，进行预测、判断可能出现的故障位置，然后派巡线人员通过查线确认故障位置并及时排除故障。在电力市场竞争日渐激
机械故障诊断技术课后复习资料
机械故障诊断技术 （第二版张建）课后答案 第一章 1、故障诊断的基础是建立在能量耗散的原理上的。 2、机械故障诊断的基本方法课按不同观点来分类，目前流行的分类方法有两种：一是按机械故障诊断方法的难易程度分类，可分为简易诊断法和精密诊断法；二是按机械故障诊断的测试手段来分类，主要分为直接观察法、振动噪声测定法、无损检测法、磨损残余物测定法、机器性能参数测定法。 3、设备运行过程中的盆浴曲线是指什么？ 答：指设备维修工程中根据统计得出一般机械设备劣化进程的规律曲线（曲线的形状类似浴盆的剖面线） 4、机械故障诊断包括哪几个方面内容？ 答：（1）运行状态的检测根据机械设备在运行时产生的信息判断设备是否运行正常，其目的是为了早期发现设备故障的苗头。 （2）设备运行状态的趋势预报在状态检测的基础上进一步对设备 运行状态的发展趋势进行预测，其目的是为了预知设备劣化的速度，以便生 产安排和维修计划提前做好准备。 （3）故障类型、程度、部位、原因的确定最重要的是设备类型的确定，它是在状态检测的基础上，确定当机器已经处于异常状态时所需进一步解决的问题，其目的是为了最后诊断决策提供依据。 5、请叙述机械设备的故障诊断技术的意义？ 答：设备诊断技术是一种了解和掌握设备在使用过程中的状态，确定其整体或局部是正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术。机械设备的故障诊断可以保证整个企业的生产系统设备的运行，减少经济损失，还可以减少某些关键机床设备因故障存在而导致加工质量降低，保证整个机器产品质量。 6、劣化曲线沿横、纵轴分别分成的三个区间分别是什么，代表什么意义？ 答：横轴包括1、磨合期 2、正常使用期 3、耗损期纵轴包括1、绿区（故障率最低，表示机器处于良好状态）2、黄区（故障率有抬高的趋势，表示机器
故障诊断理论方法综述
故障诊断理论方法综述 故障诊断的主要任务有：故障检测、故障类型判断、故障定位及故障恢复等。其中：故障检测是指与系统建立连接后，周期性地向下位机发送检测信号，通过接收的响应数据帧，判断系统是否产生故障；故障类型判断就是系统在检测出故障之后，通过分析原因，判断出系统故障的类型；故障定位是在前两部的基础之上，细化故障种类，诊断出系统具体故障部位和故障原因，为故障恢复做准备；故障恢复是整个故障诊断过程中最后也是最重要的一个环节，需要根据故障原因，采取不同的措施，对系统故障进行恢复一、基于解析模型的方法 基于解析模型的故障诊断方法主要是通过构造观测器估计系统输出，然后将它与输出的测量值作比较从中取得故障信息。它还可进一步分为基于状态估计的方法和基于参数估计的方法，前者从真实系统的输出与状态观测器或者卡尔曼滤波器的输出比较形成残差，然后从残差中提取故障特征进而实行故障诊断；后者由机理分析确定系统的模型参数和物理元器件之间的关系方程，由实时辨识求得系统的实际模型参数，然后求解实际的物理元器件参数，与标称值比较而确定系统是否发生故障及故障的程度。基于解析模型的故障诊断方法都要求建立系统精确的数学模型，但随着现代设备的不断大型化、复杂化和非线性化，往往很难或者无法建立系统精确的数学模型，从而大大限制了基于解析模型的故障诊断方法的推广和应用。 二、基于信号处理的方法 当可以得到被控测对象的输入输出信号，但很难建立被控对象的解析数学模型时，可采用基于信号处理的方法。基于信号处理的方法是一种传统的故障诊断技术，通常利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，识别和评价机械设备所处的状态。基于信号处理的方法又分为基于可测值或其变化趋势值检查的方法和基于可测信号处理的故障诊断方法等。基于可测值或其变化趋势值检查的方法根据系统的直接可测的输入输出信号及其变化趋势来进行故障诊断，当系统的输入输出信号或者变化超出允许的范围时，即认为系统发生了故障，根据异常的信号来判定故障的性质和发生的部位。基于可测信号处理的故障诊断方法利用系统的输出信号状态与一定故障源之间的相关性来判定和定位故障，具体有频谱分析方法等。 三、基于知识的方法 在解决实际的故障诊断问题时，经验丰富的专家进行故障诊断并不都是采用严格的数学算法从一串串计算结果中来查找问题。对于一个结构复杂的系统，当其运行过程发生故障时，人们容易获得的往往是一些涉及故障征兆的描述性知识以及各故障源与故障征兆之间关联性的知识。尽管这些知识大多是定性的而非定量的，但对准确分析故障能起到重要的作用。经验丰富的专家就是使用长期积累起来的这类经验知识，快速直接实现对系统故障的诊断。利用知识，通过符号推理的方法进行故障诊断，这是故障诊断技术的又一个分支——基于知识的故障诊断。基于知识的故障诊断是目前研究和应用的热点，国内外学者提出了很多方法。由于领域专家在基于知识的故障诊断中扮演重要角色，因此基于知识的故障诊断系统又称为故障诊断专家系统。如图1.1
机械类英文参考文献
Int J Interact Des Manuf(2011)5:103–117 DOI10.1007/s12008-011-0119-7 ORIGINAL PAPER Benchmarking of virtual reality performance in mechanics education Maura Mengoni·Michele Germani· Margherita Peruzzini Received:27April2011/Accepted:29April2011/Published online:27May2011 ?Springer-Verlag2011 Abstract The paper explores the potentialities of virtual reality(VR)to improve the learning process of mechanical product design.It is focused on the definition of a proper experimental VR-based set-up whose performance matches mechanical design learning purposes,such as assemblability and tolerances prescription.The method consists of two main activities:VR technologies benchmarking based on sensory feedback and evaluation of how VR tools impact on learning curves.In order to quantify the performance of the technol-ogy,an experimental protocol is de?ned and an testing plan is set.Evaluation parameters are divided into performance and usability metrics to distinguish between the cognitive and technical aspects of the learning process.The experi-mental VR-based set up is tested on students in mechanical engineering through the application of the protocol. Keywords Mechanical product design·Virtual reality·Experimental protocol·Learning curve· Mechanics education 1Introduction Modern society is dominated by continuous scienti?c and technical developments.Specialization has become one of the most important enablers for industrial improvement.As a result,nowadays education is more and more job-oriented and technical education is assuming greater importance.In this context both university and industry are collaborating to create high professional competencies.The?rst disseminates M.Mengoni(B)·M.Germani·M.Peruzzini Department of Mechanical Engineering, Polytechnic University of Marche, Via Brecce Bianche,60131Ancona,Italy e-mail:m.mengoni@univpm.it knowledge and innovative methods while the second pro-vides a practical background for general principles training. The main problem deals with the effort and time required to improve technical learning,while market competitiveness forces companies to demand young and high-quali?ed engi-neers in short time.Therefore,the entire educational process needs to be fast and ef?cient.Novel information technolo-gies(IT)and emerging virtual reality(VR)systems provide a possible answer to the above-mentioned questions.Some of the most important issues,in mechanical design?eld,are the investigation of such technologies potentialities and the evaluation of achievable bene?ts in terms of product design learning effectiveness and quality.While IT has been deeply explored in distance education,i.e.e-learning,VR still rep-resents a novelty. VR refers to an immersive environment that allows pow-erful visualization and direct manipulation of virtual objects. It is widely used for several engineering applications as it provides novel human computer interfaces to interact with digital mock-ups.The close connection between industry and education represents the starting point of this research. Instead of traditional teaching methods,virtual technolo-gies can simultaneously stimulate the senses of vision by providing stereoscopic imaging views and complex spatial effects,of touch,hearing and motion by respectively adopt-ing haptic,sound and motion devices.These can improve the learning process in respect with traditional teaching meth-ods and tools.The observation of students interpreting two-dimensional drawings highlighted several dif?culties:the impact evaluation of geometric and dimensional tolerances chains,the detection of functional and assembly errors,the recognition of right design solutions and the choice of the proper manufacturing operations.These limitations force tutors to seek for innovative technologies able to improve students’perception.
机械故障诊断考试题目
机械故障诊断考试--题库 （部分内容可变为填空题） 第一章： 1、试分析一般机械设备的劣化进程。 答：1）早期故障期 阶段特点：开始故障率高，随着运转时间的增加，故障率很快减小，且恒定。 早期故障率高的原因在于：设计疏忽，制造、安装的缺陷，操作使用差错。 2）偶发故障期 阶段特点：故障率恒定且最低，为产品的最佳工作期。 故障原因：主要是使用不当、操作失误或其它意外原因。 3）耗损故障期 阶段特点：故障率再度快速上升。 故障原因：零件的正常磨损、化学腐蚀、物理性质变化以及材料的疲劳等老化过程。 2、根据机械故障诊断测试手段的不同，机械故障诊断的方法有哪些？ 答：1′直接观察法－传统的直接观察法如“听、摸、看、闻”是最早的诊断方法，并一直沿用到现在，在一些情况下仍然十分有效。 2′振动噪声测定法－机械设备在动态下(包括正常和异常状态)都会产生振动和噪声。进一步的研究还表明，振动和噪声的强弱及其包含的主要频率成分和故障的类型、程度、部位和原因等有着密切的联系。 3′无损检验－无损检验是一种从材料和产品的无损检验技术中发展起来的方法 4′磨损残余物测定法（污染诊断法 5′机器性能参数测定法－机器的性能参数主要包括显示机器主要功能的一些数据 3、设备维修制度有哪几种？试对各种制度进行简要说明。 答：1o事后维修 特点是“不坏不修，坏了才修”，现仍用于大批量的非重要设备。 2o预防维修（定期维修） 在规定时间基础上执行的周期性维修 3o预知维修 在状态监测的基础上，根据设备运行实际劣化的程度决定维修时间和规 模。预知维修既避免了“过剩维修”，又防止了“维修不足”；既减少了 材料消耗和维修工作量，又避免了因修理不当而引起的人为故障，从而 保证了设备的可靠性和使用有效性。 第二章： 1、什么是故障机理？ 答：机械故障的内因，即导致故障的物理、化学或机械过程，称为故障机理。 2、什么是机械的可靠性？机械可靠性的数量指标有哪两个？他们之间互为什么关系？
电力系统故障的智能诊断综述
电力系统故障的智能诊断综述 发表时间：2016-06-30T14:34:41.580Z 来源：《电力设备》2016年第9期作者：李艳君蒋杰李玉玲李飞翔 [导读] 在电力系统中，设备故障诊断和厂站级的故障诊断经过了几十年的发展和改革，现今已经较为成熟，而电力系统层面的故障才刚刚开始。 李艳君蒋杰李玉玲李飞翔 （国网新疆检修公司新疆乌鲁木齐 830000） 摘要：常用的智能故障诊断技术有专家系统、人工神经网络、决策树、数据挖掘等，专家系统技术应用最广，最为成熟，但是也需要结合使用其他智能技术来克服专家系统技术自身的缺点。智能故障诊断技术的发展趋势主要有多信息融合、多智能体协同、多种算法结合等，并向提高智能性、快速性、全局性、协同性的方向发展。基于此，本文就针对电力系统故障的智能诊断进行分析。 关键词：电力系统；故障；智能诊断 引言 文章对电力系统故障的智能诊断进行了详细的阐述，通过对电力系统的简介，和对故障诊断的发展阶段进行了简要的分析，并阐述了电力系统故障的智能诊断实际应用存在的问题及对策，文章最后指出了电力系统故障的智能诊断的发展趋势。望文章的阐述推动电力系统故障的智能诊断的发展。 1电力系统概述 电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统。电力系统的主要功能是将自然界中的能源，通过先进的发电动力装置，将能源转换为电能。在通过输电线路和变压系统，将电能传送到各个用户。为了实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、优质的电能。 2电力系统故障智能诊断技术及发展现状 2.1智能故障诊断技术 传统的故障诊断方法分为基于信号处理和基于数据模型，均需要人工进行信息的处理和分析，缺乏自主学习能力。随着人工智能技术这一新方法的产生及发展，为故障诊断提供了初步的自动分析和学习的途径。人工智能技术能够存储和利用故障诊断长期积累的专家经验，通过模拟人大脑的逻辑思维进行推理，从而解决复杂的诊断问题。 目前在电网故障诊断领域出现了包括专家系统、人工神经网络、决策树理论、数据挖掘、模糊理论、粗糙集理论、贝叶斯网络、支持向量机及多智能体系统等技术以及上述方法的综合应用。 目前，在对电网故障智能诊断领域的研究中，依靠单一智能技术的系统多，信息的综合利用研究较少，协同技术的研究应用更少；投入运行的诊断系统多为专家系统，但是离线运行的多，在线运行的很少。即使广泛投入使用的专家系统也同样存在着：（1）知识的获取和管理问题，难以获取较高适应度和准确度的知识。（2）推理的效率问题。（3）故障诊断的在线应用问题，目前仅限于离线故障诊断，该结论不能指导对电网的实际控制。（4）故障诊断的动态分析问题，缺乏故障的动态分析，从而屏蔽了很多有用的细节，尤其是各元件之间的相互关联关系等。基于以上问题，采用决策树方法可以对系统信息进行归类梳理，可以提高专家系统的速度；通过粗糙集方法建立清晰的数学模型；采用数据挖掘和关联性规则可以提高故障诊断分析的准确度。这几种方法的结合应用有助于提高故障诊断的智能水平、效率和准确度。 2.2电力系统故障智能诊断发展现状 电力系统连锁故障分析理论与应用中提到，电力系统故障智能诊断是相对传统的故障诊断而言的。在传统的故障诊断方法可划分为两类。其一是关于信号出路的方法。其二是数学模型的方法。这些都需要人为地区判断和分析，这些方法应用是没有自动化的处理能力。故障的智能诊断是将传统的方法，与当下先进的计算机技术有效的结合，形成的人工智能技术的新方法，对电力系统的故障进行智能的诊断，这是故障诊断技术发展的新时期。 3智能故障诊断面临的问题和对策 3.1智能故障诊断面临的问题 知识的获取和管理问题，也可以说是规则的表达和维护问题。知识是专家系统行为的核心，如何根据系统的变化，获取具有较高适应度和准确度的知识（规则）。对知识的一致性、冗余性、矛盾性和完备性进行检验、维护和管理，是专家系统亟需解决的首要问题。 推理的效率问题，也可以说是如何解决规则组合爆炸的问题。规则库的规模增大以后，搜索的运算量迅速增长，尽管人们提出了许多算法，规则组合爆炸的问题还是没有得到满意的解决。 故障诊断的在线应用问题。以往的故障诊断离线运行，只能告诉调度员已有故障是如何发展的，因为运行方式的多变性，离线故障诊断结论不一定能够指导调度员对电网的实际控制；只有做到在线运行，才能及时帮助调度员进行控制决策。 故障诊断的动态分析问题。以往的故障诊断只能进行静态分析，忽略了故障动态过程的大量有用的细节，尤其是采用了高速保护的大型电网，更加需要分析动态过程，例如快速相继开断过程中的顺序和相互关系、复杂故障中各元件之间的相互影响、电压崩溃的动态过程、运行方式切换或调度控制过程对电网的影响等。 3.2智能故障诊断面临问题的解决对策 对于知识的获取和管理问题，可以采用提高故障诊断系统的学习能力的方法，如 ANN、数据挖掘、仿生学方法等。这些智能方法都有其优点和局限性，需要有针对性地应用。 对于推理的效率问题，可以采用计算速度更快的计算机硬件和软件算法，通信速度更快的数据采集和传输手段；数据挖掘是从各种复杂故障中发现最常见的故障或分解出简单故障的有力手段；建立系统的故障案例库，可以降低决策分析的计算量，提高诊断推理的效率。 对于故障诊断的在线应用和动态分析问题，可以采用更能够反映电网实时运行状态的信息，如广域量测系统、高速保护信息系统和故障录波信息系统、稳定控制系统等提供的动态数据；实时进行电网的灵敏度分析，动态分析电网的健康状况；增量挖掘技术只处理实时的
工程机械故障诊断方法综述
工程机械故障诊断方法综述 谢祺 机0801-1 20080534 【摘要】：机械设备的检测诊断技术在现代工业生产中的作用不可忽视,从设备诊断的基本方法、内容和技术手段等多方面对我国机械设备诊断技术的现状进行了综述,并在此基础上分析并提出了该技术在今后的发展趋势。 【关键字】：机械设备诊断技术发展趋势 引言 随着科学技术的发展,机械设备越来越复杂,自动化水平越来越高,机械设备在现代工业生产中的作用和影响越来越大,与其有关的费用越来越高,机器运行中发生的任何故障或失效不仅会造成重大的经济损失,甚至还可能导致人员伤亡。通过对设备工况进行检测,对故障发展趋势进行早期诊断,找出故障原因,采取措施避免设备的突然损坏,使之安全经济地运转,在现代工业生产中起着重要的作用。开展机械设备故障检测与诊断技术的研究具有重要的现实意义。本文试图对机械设备故障监测诊断的内容、方法的现状及发展趋势进行探讨。 1机械故障诊断技术的历史 早在60年代末，美国国家宇航局(NASA)就创立美国机械故障预防MFPG(Machinery Fault Prevention Group)，英国成立了机械保健中心(UK，Machineral Health Monitoring Center)。由于诊断技术所产生的巨大的经济效益，从而得到迅速发展。但各个工程领域对故障诊断的敏感程度和需求迫切性并不相同。例如一台机械设备因故障停机检修并不导致全厂生产过程停顿，或对产品质量产生严重的影响，它对故障诊断的需求性就不那么迫切。反之，就非要有故障诊断技术不可。目前监视诊断技术主要用于连续生产系统或与产品质量有直接关系的关键设备。 机械故障诊断技术发展几十年来，产生了巨大的经济效益，成为各国研究的热点。从诊断技术的各分支技术来看，美国占有领先地位。美国的一些公司，如 Bently，HP等，他们的监测产品基本上代表了当今诊断技术的最高水平，不仅具有完善的监测功能，而且具有较强的诊断功能，在宇宙、军事、化工等方面具有广泛的应用。美国西屋公司的三套人工智能诊断软件（汽轮机TurbinAID，发电机GenAID，水化学ChemAID）对其所产机组的安全运行发挥了巨大的作用。还有美国通用电器公司研究的用于内燃电力机车故障排除的专家系统DELTA；美国NASA研制的用于动力系统诊断的专家系统；Delio Products公司研制的用于汽车发动机冷却系统噪声原因诊断的专家系统ENGING COOLING ADCISOR等。近年来，由于微机特别是便携机的迅速发展，基于便携机的在线、离线监测与诊断系统日益普及，如美国生产的M6000系列产品，得到了广泛的应用[2]。 英国于70年代初成立了机器保健与状态监测协会，到了80年代初在发展和推广设备诊断技术方面作了大量的工作，起到了积极的促进作用。英国曼彻斯特大学创立的沃森工业维修公司和斯旺西大学的摩擦磨损研究中心在诊断技术研究方面都有很高的声誉。英国原子能研究机构在核发电方面，利用噪声分析对炉体进行监测，以及对锅炉、压力容器、管道得无损检测等，起到了英国故障
机械设计文献综述最终版
1课题的背景和意义 扫描式三维形貌检测系统即为三坐标测量机，是经过40多年发展起来的一种高效率的新型精密测量仪器，有着非常广泛的用途。 20世纪60年代以来，工业生产有了很大的发展，特别是机床、机械、汽车、航空航天和电子工业兴起后，各种复杂零件的研制和生产需要先进的检测技术与仪器，因而体现三维测量技术的三坐标测量机应运而生，并迅速发展和日趋完善。作为近40年发展起来的一种高效率的新型精密测量仪器，三坐标测量机已广泛地用于机械制造、电子、汽车和航空航天等工业中。它可以进行零件和部件的尺寸、形状及相互位置的检测，例如箱体、导轨、涡轮和叶片、缸体、凸轮、齿轮、形体等空间型面的测量。此外，还可用于划线、定中心孔、光刻集成线路等，并可对连续曲面进行扫描及制备数控机床的加工程序等。由于它的通用性强、测量范围大、精度高、效率高、性能好、能与柔性制造系统相连接，已成为一类大型精密仪器，故有“测量中心”之称。 三坐标测量机主要由四大部分组成：主机机械系统（X、Y、Z三轴或其它）、测头系统、电气控制硬件系统、数据处理软件系统（测量软件）。 三坐标测量机的出现是标志计量仪器从古典的手动方式向现代化自动测试技术过渡的一个里程碑。三坐标测量机在下述方而对三维测量技术有重要作用: （1）解决了复杂形状表面轮廓尺寸的测量，例如箱体零件的孔径与孔位、叶片与齿轮、汽车与飞机等的外廓尺寸检测； （2）提高了三维测量的精度，目前高精度的坐标测量机的单轴精度，每米长度内可达1μm以内，三维空间精度可达1μm一2μm。对于车间检测用的三坐标测量机，每米测量精度单轴也可达3μm一4μm； （3）由于三坐标测量机可与数控机床和加工中心配套组成生产加工线或柔性制造系统，从而促进了自动化生产线的发展； （4）随着三坐标测量机的精度不断提高，自动化程度不断发展，促进了三维测量技术的进步，大大地提高了测量效率。尤其是电子计算机的引入，不但便于数据处理，而且可以完成CNC的控制功能，可缩短测量时间达95%以上。 2本课题相关技术的国内外发展概况 2.1三坐标测量机的发展历程 三坐标测量机是集机械、光学、控制技术、计算机技术为一体的大型的精密测量仪器，由于它的通用性强，测量范围大、精度高、效率高、性能好，因此自1959年
机械故障诊断技术的现状及发展趋势
机械故障诊断技术的现状及发展趋势 摘要：随着机械行业的不断发展，机械故障诊断的研究也不断提出新的要求，进20年来，国内外的故障诊断技术得到了突飞猛进的发展，对机械故障诊断的发展现状进行了详细的论述，并对其发展趋势进行了展望。 关键词：故障诊断；现状；发展趋势 引言 机械故障诊断技术作为一门新兴的科学，自二十世纪六七十年代以来已经取得了突飞猛进的发展，尤其是计算机技术的应用，使其达到了智能化阶段，现在，机械故障诊断技术在工业生产中起着越来越重要的作用，生产实践已经证明开展故障诊断与状态预测技术研究其重要的现实意义。 我国的故障诊断技术在理论研究方面，紧跟国外发展的脚步，在实践应用上还是基本锣鼓后语国外的发展。在我国，故障诊断的研究与生产实际联系不是很紧密，研究人员往往缺乏现场故障诊断的经验，研究的系统与实际情况相差甚远，往往是从高等院校或者科研部门开始，在进行到个别企业，而国外的发展则是从现场发现问题进而反应到高等院校或者科研单位，是的研究有的放矢。 记过近二十年的努力，我国自己开发的故障诊断系统已趋于成熟，在工业生产中得到了广泛应用。但一些新的方法和原理的出现，使得故障诊断技术的研究不断向前发展，正逐步走向准确、方便、及时的轨道上来。 1.故障诊断的含义及其现状 故障诊断技术是一门了解和掌握设备运行过程中的状态，进而确定其整体或者局部是否正常，以便早期发现故障、查明原因，并掌握故障发展趋势的技术。其目的是避免故障的发生，最大限度的提高机械地使用效率。 1.1设备诊断技术的研究内容主要包括以下三个环节： （1）特征信号的采集：这一过程属于准备阶段，主要用一些仪器测取被测仪器的有关特征值，如速度、湿度、噪音、压力、流量等。 现在信号的采集主要用传感器，在这一阶段的主要研究基于各种原理的传感技术，目标是能在各种环境中得到高可靠、高稳定的传感测试信号。国内传感器类型：电涡流传感器、速度传感器、加速度传感器和湿度传感器等；最近开发的传感技术有光导纤维、激光、声发射等。（2）信号的提取与处理：从采集到的信号中提取与设备故障有关的特征信息，与正常信息只进行对比，这一步就可以称之为状态检测。目前，小波分析在这方面得到广泛应用，尤其是在旋转机械的轴承故障诊断中。基于相空间重构的GMD数据处理方法也刚刚开始研究，此方法对处理一些复杂机械的非线性振动，从而进一步预测故障的发展趋势非常有效。（3）判断故障种类：从上一步的结果中运用各种经验和知识，对设备的状态进行识别，进而做出维修决策。这一步关键是研究系统参数识别和诊断中相关的实用技术，探讨多传感器优化配置问题，发展信息融合技术、模糊诊断、神经网络、小波变换、专家系统等在设备故障诊断中的应用。 1.2故障诊断及时的发展历程· 故障诊断技术的大致三个阶段： （1）事后维修阶段；（2）预防维修阶段；（3）预知维修阶段。现在基本处于预知维修阶段，预知维修的关键在于对设备运行状态进行连续监测或周期检测，提取特征信号，通过对历史数据的分析来预测设备的发展趋势。 1.3故障诊断的发展现状 目前，国内检测技术的研究主要集中在以下几个方面：