故障诊断精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的故障诊断主题范文，仅供参考，欢迎阅读并收藏。

第1篇：故障诊断范文

【关键词】汽车ABS；故障诊断；BP神经网络

1引言

随着汽车相关技术的快速发展，人们对车辆行驶速度的要求越来越高，交通事故也日益频繁，近年来，我国因制动方面的故障而发生的交通事故占60%以上。作为汽车的主动安全装置之一的汽车防抱死制动系统（Anti-lockBrakingSystem，ABS),通过调节车轮制动力来防止车轮抱死，因此对ABS系统故障诊断技术的研究具有重要意义。

2ABS系统的工作原理

目前，典型的ABS系统主要由车轮转速传感器、电子控制单元（ECU）和制动压力调节器三个部分组成，车轮转速传感器，电控单元计算分析车轮速度、滑移率、加减速等信息后，向压力调节器发出制动压力控制指令，控制制动压力增加、减小或不变，以调节制动力矩与地面附着状况相适应。

3ABS系统故障分析

通常根据故障指示灯的闪烁规律对ABS系统进行排查和维修。正常情况下，点火后指示灯闪后，发动机启动后，指示灯熄灭，进入正常工作状态；如果ABS系统以及其制动系统发生故障，则指示灯会间歇性闪亮不正常等现象。故障原因包括5种：①车轮转速传感器信号不良；②电控单元内部故障；③制动调节电磁阀故障；④指示灯故障；⑤液压电泵故障。其中车轮转速传感器和电磁阀（调节器）故障是故障发生的主要原因，对其进行诊断，分析故障模式和故障原因[1]。

4基于BP网络的故障诊断

BP神经网络是误差反向传播（ErrorBackPropagation）单向传播的多层前馈网络,包括输入层、隐含层和输出层，隐含层的数有多个，采用是三层神经网络。

4.1确定节点数

根据故障模式和原因分析确定BP网络的输入层和输出层节点数。以故障模式X=｛x1、x2、x3、x4、x5、x6｝输入，原因输出Y=｛y1、y2、y3、y4、y5｝；同理，对于调节器来说，以故障模式X=｛x7、x8、x9、x10、x11、x12｝输入，以故障原因Y=｛y6、y7、y8、y9、y10｝为样本输出，对应6个输入节点和5个输出节点。即输出结果中yi=0示无故障，yi=1示相应位置发生故障。选取10个样本数据分析研究，以多种故障原因的模式作为训练样本，建立故障模式与故障原因之间的映射关系。确定网络模型后，激活函数，一般BP采用S型函数，具有非线性放大系数功能，变换为（-1,1）间的输出。S型函数分:tansig函数（值域在（0,1））和logsig函数。

4.2网络的训练与仿真

值域在（-1,1）），将输出限制（0,1），S型作为输出函数，隐含层来说，将两种分别训练，对比结果，选择隐含层函数。结果表明隐含层采用tansig函数需1950步迭代网络收敛，而隐含层采用logsig函数预先步数2500，曲线趋于平行网络未能收敛，未能进行故障诊断。因此，对传感器的故障诊断采用隐含层为tansig的BP神经网络。选取2s时速度数据作为检验样本，因2s时相应车轮抱死代表与其对应的轮速传感器发生故障，得到仿真结果。对于调节器，隐含层采用tagsig函数的网络需1963步迭代后网络收敛，而隐含层采用logsig函数的网络迭代2727时，网络最小梯度达到下限，但性能目标未达到。因此，故障诊断采用隐含层为tansig函数的BP神经网络。结果得出传感器的最大误差,0.0051，最大误差为0.0035，两种BP神经网络训练后可满足故障诊断要求。但是仍存在以下不足：①迭代次数较多，训练时间较长；②易陷入局部极小值导致训练失败；③预测能力与训练能力出现“过拟合”现象。

5基于改进BP网络的故障诊断

针对BP网络改进方案主要分为:启发式改进和数值优化改进。启发式改进法是通过改进BP神经网络各项参数来克服网络学习中的各项缺陷，在解决复杂问题时，而数值优化方法在求解非目标函数时收敛快，受到专家学者的青睐。基于数值优化的改进方法包括牛顿法、共轭梯度法和Levenberg-Marquardt(L-M)法等,采用L-M法对BP神经网络优化，基本计算步骤如下：①对权值和阈值向量初始化，并给出训练误差精度ε，因子β，常数μ0，并令μ=μ0；②计算网络输出以及指标函数E[w（k）]：基于L-M算法的BP网络中，根据迭代结果自动调整比例系数μ，即动态调整迭代的收敛方向，使得每次的误差下降，收敛速度更快，训练精度也更高[2]。根据L-M算法进行训练仿真所示。选取2s时速度数据特征值作为传感器训练网络模型的检验样本，选取1.5s时的速度数据特征值作为调节器训练网络模型的检验样本，得到仿真结果。对比发现：采用基于L-M算法的网络训练方法迭代次数更小，收敛速度明显提高[3]。

6结论

本文根据ABS系统的工作原理，总结常见的故障实例以及诊断方法，从中找出问题，结合MATALAB仿真结果，对比发现后者有效克服了传统神经网络的问题，改善了训练效果，提高了诊断的效率和精度，为ABS故障诊断增加了一种可行途径。

【参考文献】

【1】丁舒平,余同进.道路交通事故的间接成因分析[J].公路交通科技:应用技术版,2009(3):170-171+182.

【2】王华中,钱晋,陈明福.汽车检测与诊断技术[M].湖南：中南大学出版社,2012.

第2篇：故障诊断范文

随着自动化立体仓库向全自动、高精度、高速度、智能化、网络化控制的方向发展，自动化立体仓库设备的远程故障诊断变得十分必要。堆垛机远程故障诊断是对机械系统、自动化控制系统运行状态及其变化规律进行监测，对运行过程中各参数变化所反映的状态信息特征进行分析，从而判断机械构件、自控系统是否存在故障，并进一步查出故障的类型、部位及严重程度。自控系统故障诊断还可进行远程自动修复。

远程故障诊断的必要性

传统的堆垛机故障诊断与维修存在如下弊端：

1、故障诊断与维修受维修人力、技术和地域的限制，时效性受到影响；

2、由于故障诊断和维修资源不能共享，制约了维修水平的提高；

3、用户无法快速、及时获得所需零配件的信息，维修单纯依靠一成不变的维修手册，缺乏针对性和灵活性；

4、维修服务响应速度的提高主要依赖于维修队伍和网点的扩大，由于受到成本的限制，无法得到不断的提升；

5、维修成本相对较高。

远程故障诊断技术是对设备运行状态及其变化规律进行测量与分析的技术，它借助于电子技术、信息技术、信号分析技术及计算机分析等先进手段，将设备运行过程中各参数的变化所反映的状态信息取出来，对其特征进行分析，判断设备是否存在故障，并进一步查出故障的类型、部位及严重程度。因此，它是一个多学科相互交叉渗透的综合性技术。

通常，堆垛机的某些故障关系到整个立体仓库是否能正常运行，如载货台升降导向机构的故障关系到堆垛机载货台的安全；运行机构的导向装置故障威胁到整个堆垛机的安全；货又轴承故障关系到存取货物的安全。

对于用户来说，当仓储系统或设备出现故障时，都希望能获得供货商及时良好的技术服务，对故障进行快速、正确的诊断并将其排除。因此，在市场竞争日益激烈的今天，供货商已把服务创新提高到企业生存的战略高度，以服务赢得用户已成为扩大市场份额的重要举措。

远程故障诊断的可行性

近年来，计算机网络技术、通讯技术的迅猛发展为异地诊断提供了技术手段。基于广域网的远程分布式工况监测与故障诊断系统，通过在设备上建立监测点，实时采集设备运行的状态数据。并传输到诊断中心；诊断中心应用系统的动力学分析理论模型、分析程序对机械设备的故障进行分析，最终得出量化数据，判断可能发生故障的机率及类型。为设备故障作出诊断；还能够将故障征兆及时通知设备现场，以采取紧急措施，实施预知维护，排除隐患，避免事故的发生。在故障发生之后，远离现场的专家没有必要亲临工作地点，完全通过信息交流来解决现场的故障问题。这样不仅提高了工作效率，而且降低了维修成本。

由于网络和通讯技术的支持，异地诊断技术克服了地域上的限制，诊断中信息的交流与传递有了更大的活动空间，现场操作与技术人员不仅可以获得本地故障诊断系统的支持，也可以通过信息高速公路获得世界上任何一个或几个专家的技术和知识方面的支持，实现资源共享，大大拓宽了故障诊断系统应用的广度和深度。

远程故障诊断系统的功能

机械故障诊断

具有预警功能，提示可能发生的故障，包括故障类型、部位及严重程度，对已发生的故障作出准确定义。

控制程序故障诊断

提示故障类型、路径，并且能够进行远程自动修复。

有轨巷道堆垛起重机故障分析

一般情况下，堆垛机的故障主要表现在如下几个方面：

堆垛机导向轮故障

堆垛机运行机构导向轮安装于下横梁的两端头，共两组四个，它的主要作用是水平限位，保证沿轨道运行。导向轮一旦发生故障，可能引起堆垛机脱轨，导向轮故障形式主要为松动、脱落。

载货台导向轮故障

载货成垂直运动，依靠安装在载货台吊架上的导向轮，它的作用主要是：一、当载货台垂直运动时，保证载货台沿着起升导轨垂直运动；二、当出叉时，可承载倾覆力矩，使货物保持水平运动。载货台导向轮发生故障，将使载货台运动失衡，造成载货台倾斜，甚至造成货物滑落的严重事故。导向轮故障形式主要为松动、脱落。

货叉轴承故障

堆垛机货叉承载货物重量，但支撑轴承受结构限制，只能选用轻型轴承。这些轴承虽然运行速度低，但载荷较大，如果密封不好，很容易造成轴承的磨损、疲劳和胶合等，而堆垛机货叉轴承一旦发生故障，将无法完成货物存取。

故障与监测机理分析

两连接件连接紧密时，可以简化为一个弹性体，当连接紧密时，响应是相关的，而连接松动时响应是不相关的。因此，使用相关系数作为故障特征之一，同时，提取振动时域波形、频域波形。采用主元分析实施数据压缩，最后和相关系数再作主元分析，得到最后故障特征，最终通过神经网络映像故障特征。另外，监测振动的有效值，可提高故障识别的准确率。

随着产品复杂性的增加、相关技术的高度融合，以上问题将表现得更加突出，较好的解决方法是通过某种有效手段使用户能方便正确地对自己的自动化仓储系统进行维护、维修。目前采用的方法包括三个方面：

1，采用工况监测与故障诊断方式，在线实时采集设备工作状态数据，根据数据判断设备的工作状态，可实现预先维修。

2，将专家系统、人工智能技术应用于系统的故障诊断和维修，提高故障诊断的正确性、有效性。

第3篇：故障诊断范文

关键词：电气设备；故障诊断

一、高压断路器机械故障诊断

(一)机械振动信号处理的常用方法

1．傅立叶变换

频域分析是设备故障诊断领域中应用最广泛的信号分析方法之一，故障的发生、发展通常将引起设备振动信号所包含频率成分的发生变化。频域分析的基础是频谱分析，而使用最普遍的方法是傅立叶变换，它将复杂信号分解为有限或无限个频谱的分量之和。

传统的傅立叶变换分析方法曾经为信号处理技术的发展做出了卓越的贡献，傅立叶分析是一种全局的变换，虽然能够将信号的时域和频域的特征联系起来，但仅仅是分别的从时域和频域观察，而不能将两者有机的结合起来，使得傅立叶分析方法仅适用于分析平稳信号，对时变的非平稳信号则不能进行充分描述，同时傅立叶分析只能获取信号f(t)的整体频谱，而不能获得信号的局部特征，即它不适合于信号的局部分析。这些缺陷限制了它在机械设备故障诊断中的应用。

2．短时傅立叶变换

短时傅立叶分析即为一种时频分析方法，通常它也被称为加窗傅立叶分析它的基本思想是在采用傅立叶变换的同时，在傅立叶变换的基函数之前乘上一个时间上有限的函数。通过时频双限制，进而对信号进行时域局部化分析。

虽然短时傅立叶变换在一定程度上克服了傅立叶变换不具有局部分析能力的缺陷，但是短时傅立叶变换所确定的时频窗口的大小和形状是固定不变的，而振动信号的频率与时间周期成反比，对于高频信号，时间分辨率相对高，时频窗口应该相对窄；对于低频信号，时间分辨率相对低，时域窗口应该相对宽。显然具有固定形状和大小的窗函数的短时傅立叶变换，不能很好的满足信号分析的这一要求。对于高频信号，固然可以通过缩小时域窗口宽度改进时域分辨率，但却降低了频域分辨率，对低频信号则不适合，同时缩小时域窗口宽度会使计算变得相当复杂。

3．小波分析

小波变换从基函数角度出发，吸取傅立叶变换中的三角基(进行频率分析)和短时傅立叶变换中的时移窗函数的特点，形成振荡、衰减的基函数。它的定义域有限，故称为小波。小波分析方法是一种窗口大小固定但其形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。小波变换以不同的尺度(分辨率)来观察信号，将信号分解到不同的频带中，既看到了信号的全貌，又看到信号的细节，具有多分辨能力，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，在高频部分具有较高的时间分辨率和较低的频率分辨率。

4．信号奇异性检测

信号中的奇异点及不规则的突变部分经常带有比较重要的信息，它是信号重要的特征之一，利用小波变换来分析信号的奇异性及奇异性位置和奇异度大小是比较有效的。一般情况下，信号奇异性分两种情况：一种是信号在某一时刻内，其幅值发生突变，引起信号的非连续，幅值的突变处是第一种类型的间断点；另一种是信号外观上很光滑，幅值没有突变，但是，信号的一阶微分有突变产生，且一阶微分是不连续的，称为第二种类型的间断点。

(二)高压断路器的机械振动信号处理

高压断路器每次的合闸或者分闸操作，都会引起若干次振动事件，每个振动事件都对应着特定的幅值、频率及衰减指数。当高压断路器发生故障时，在断路器的故障信号中，必然会引起意外的振动事件，这使得整个振动信号在特定频段内振动频率、幅值及衰减指数都可能发生变化，这些就可以作为判断的依据。

如果高压断路器运行正常，变化应在有限的幅度和范围之内，并且应在平均值的上下随机的波动。在操作中，如果在某些点上的变化大大超出平均值或者在某一方向上有规律的迁移，就可能检测出问题的端倪。

1．消噪处理

在高压断路器的振动信号中，包含许多尖峰和突变部分，而且噪声也不是平稳的白噪声，因此应当对信号进行预处理，将信号的噪声部分去除，提取有用信号。由于小波分析能同时在时频域中对信号进行分析(且在频率域内分辨率高时，时间域内分辨率则低，在频率域内分辨率低时，时间域内分辨率则高)所以能有效的区分信号中的突变部分和噪声，从而实现信号的消噪。小波分析用于降噪的过程，可以细分为如下几个阶段：分解过程：选定一种小波，对信号进行N层小波分解；作用阈值过程：对分解得到的各层系数选择一个阂值，并对细节系数作软阈值处理；

重建过程：降噪处理后的系数通过小波重建恢复原始信号。

2．信号趋势的检测

在组成信号的所有成分中，信号的总体趋势是构成信号的最慢的一个部分，也是频率最低的部分，在多尺度分析的概念里，对应着最大尺度的小波分解部分，随着尺度的增加，分辨率随着降低，也就提供了对信号缓慢变化成分的越来越好的近似结果。从频率的角度分析，随着分解层数的增加，分解结果中的近似系数也就包含越来越少的高频成分信息，随着高频成分逐层被滤掉，剩下的成分就越来越接近信号的整体发展趋势。高压断路器合闸信号本身包含有很陡的变化，在多尺度小波变换的低频部分中，显示的信号和原始信号相差较远，因为信号本身的陡峭变化被当作高频滤掉了。

二、用微机进行电气设备故障诊断

(一)故障信息的来源

电气设备故障时，要求调度员能迅速、准确地判明发生的故障，尽快恢复系统的正常运行。提高故障判断的正确率，实现电网故障的快速诊断和恢复，对故障前后的原始电气量和非电气量的快速准确获得提出了较高的要求。

目前己有的监测系统可向调度端提供开关变为信息；微机保护装置可判断出电网局部故障类型，给出相应的告警和出口动作，并可进行事故追忆、事故重演等。当发生复杂故障时，这些信息还不足以分析故障原因的和判断故障类型，也谈不上对故障作快速诊断恢复处理。微机录波器能反映出故障前、后电网电气量的瞬间变化及继电保护动作的状态，是对现代电网故障进行深入研究的基础，也是评价继电保护动作及分析设备故障性质、原因的重要依据。

(二)高压断路器的特征参数采集

保持微机保护装置现有的硬件平台基本不变(可多增加几路模拟／开关通道)，而软件中嵌入故障诊断信息库。将这些参数实时通过相应的传感器采集出来后，进行一些处理，然后传送到保护装置中，与其中的故障诊断信息库进行比对，预测可能发生故障的趋势或判断出相应的故障，进而发出预告或动作信号。

三、故障诊断与微机继电保护的集成化

在微机继电保护装置现有硬件平台基本不变的基础上，加入故障诊断的功能，重点在于在软件中嵌入故障诊断知识库。知识库中知识的来源有两种途径，一种是通过理论研究建立被研究对象的数学模型，通过数学模型对实际模型进行仿真。但由于这种方法很难建立实际对象的数学模型，以及所建立的数学模型求解困难，因此这种方法只能定性的分析出故障诊断的基本规则，另一种方法就是通过实验来获取各种故障波形，研究各种故障下的输出，总结判别这些故障的规则。比如说，利用小波变换和人工神经网络模型获取诊断这些故障的诊断规则。另外，知识库中还应有各种情况下，断路器开合负载／短路电流时的各个参数的正常波形。这样，实时的监测断路器每次开合的参数波形，并分别与正常波形和故障波形进行比对，从而判断断路器是否出现故障，以及故障的严重程度。例如，基座螺丝松动的情况。故障严重时，保护装置会发出跳闸信号，跳开断路器。当故障比较轻微，还不至于影响运行时，保护装置会发出预警信号，提示工作人员注意，工作人员视故障的程度

采取相应的措施。

首先应该建立故障诊断的硬件平台― ―高压断路器的硬件平台，创建高压断路器故障诊断的监测和诊断流程，组织好故障诊断知识库。

真空断路器状态监测与诊断系统数据库包括实时数据库(静态数据库、动态数据库)、历史数据库和专家知识库三大部分。专家知识库是诊断知识的存储场所，用于存储设备的原理性知识、专家经验等诊断知识，为诊断系统的诊断推理过程提供知识支持。实时数据库的数据记录是随着智能监测与诊断系统的运行而不断变化，用于存放断路器各种实时状态信息、诊断推理的初始报普信息、功能故障信息、诊断推理结论等。历史数据库与实时数据库具有相似的存储结构，数据记录通过实时

数据定时转储形成。

实时数据库主要存储当天的实时信息，历史数据库和实时数据库具有相同的格式，但是其保存的信息量更大，是历史所有数据的存储空间，但是其时标不是实时数据库的严格时标，因为为了节省空间，对其进行了数据挖掘和优化。专家知识库是所有与优化检修诊断决策相关专家知识的知识仓库，是系统智能程度的表现。所有数据的存储都严格按照知识描述框架的要求进行。为系统的智能性、开发性打下基础。

第4篇：故障诊断范文

1级联式变频器故障诊断原理

级联式变频器是由多个相互独立的低压功率单元串联实现高压输出。移相整流变压器采用的为多重化设计，它将网侧的高压转换为二次侧的多组低压，二次侧低压绕组均相互独立给功率单元供电，所以也没有串联均压的问题存在。功率单元是级联式变频器实现其功能的基本单元，它相当于一台交直交低压电压型变频器，结构如图1所示，相邻的功率单元的输出端成Y型连接，实现高压输出，给高压电动机供电。本文所研究的级联式变频器每相分别由五个功率单元相互串联组成，其中每个功率单元的逆变部分有四个功率器件(Q1～Q4)。由于所含的功率器件数量众多而且在运行时不停的导通和关断，因此极易发生开路故障。由于级联式变频器发生功率管开路故障时，对输出的电压、电流影响很小，不容易被发现，因此需要研究高效的级联式变频器故障诊断方法。级联式变频器每个功率器件发生故障的概率相同，而且是随机的，因此需要分析级联式变频器故障时的输出电压和电流信号，找到能够反映其故障特征的信号。本文通过对级联式变频器故障时输出的电压电流信号进行分析，发现在故障时输出的电压信号所含的信息量最大，因此将级联式变频器输出电压作为故障信号源来对级联式变频器进行故障分析。

2改进PSO－BP的级联式变频器故障诊断算法

2．1PSO算法PSO算法是通过模拟鸟群捕食行为来进行群体搜索的算法。PSO算法中的每个待优化问题的解都可以看作搜索空间中的一只鸟，称其为“粒子”。所有粒子都有一个适应度来决定它们的优劣，然后每个粒子就跟随其当前最优粒子在解空间中进行搜索。即粒子对以前速度的改变程度，当它取值较大时有利于使算法摆脱局部最优，当它取值较小时有利于算法收敛。所以，在算法的初期阶段，ω应该赋予较大的值以便于扩大粒子的搜索范围，从而提高全局搜索效率;在算法的收敛阶段，应该尽可能减小ω的取值，使其尽可能的搜索最优个体周边的范围，从而提高其准确率。

2．2PSO算法的改进思想在PSO算法中，ω大多设定为随进化而线性递减，由于惯性权重ω服从线性变化，难以在搜索范围和寻优精度之间取得较好的权衡，所以本文考虑将ω服从随机分布，如式(3)所示，易跳出局部最优值，且能有效搜索到全局最优值。学习因子c1、c2分别代表了粒子在进行速度更新时，个体最优和全局最优所占的比重大小。c1、c2的调整方式与粒子群此时位置的适应度有关，当适应度大于群体适应度的平均值时，可以通过增大c1、减小c2的方式来减小飞向全局极值的速度;反之，则减小c1、增大c2［12］。

2．3BP神经网络假设BP神经网络的输入层、隐含层、输出层神经元个数分别为n、m、q，输入层到隐含层的权值为vij，隐含层的阈值为b1，隐含层到输出层的权值为ωjk，输出层的阈值为b2，隐含层和输出层节点所用的传递函数分别。

2．4PSO－BP的级联式变频器故障诊断过程PSO－BP神经网络的算法诊断流程如图2所示，具体步骤如下:1)故障模拟及样本数据采集。首先根据级联式变频器的仿真模型模拟出功率管开路故障，获取其故障信息。然后，采用小波分解方法对级联式变频器故障状态和正常状态的输出电压信号进行分解，提取其频带能量值。将提取的特征频带能量值与输出电压歪度值一起构造故障特征向量，并对其进行归一化处理，进而作为神经网络的训练样本和测试样本。2)确定网络的结构。网络的输入层节点数n=5，根据多次实验结果隐含层节点数确定为m=7，网络的输出层节点数q=13。

3级联式变频器的故障诊断

本文以6kV级联式变频器功率管开路故障为例，在MATLAB下建立其故障仿真模型。级联式变频器每相由5个输出电压为690V的功率单元(即1号～5号功率单元)串联组成。每个功率单元的逆变部分有4个功率管，分别为Q1、Q2、Q3、Q4。以每相1号功率单元的功率管开路故障为例，级联式变频器的输出共有13种状态，规定为F1～F13，对应的故障编码分别为(1000000000000～0000000000001)。根据级联式变频器的故障特点，采集级联式变频器不同状态下每相的仿真输出电压信号，用于网络的训练和测试。仿真时的采样频率fs为2000Hz，采样点数为512个。本文总共采集了78组仿真数据，其中前65组数据用于网络的训练，后13组数据用于网络的测试。表1列举了每种状态的一组训练样本，其中A1Q1表示A相1号功率单元逆变桥的1号功率管故障，后面的依次类推;|γ|表示不同状态下输出电压的歪度值;E1，E2，E3，E4分别为四层小波分解后d1～d4细节频带所对应的频带能量值。为了验证改进的PSO－BP神经网络具有更好更快的学习能力和精度，分别用改进的PSO－BP神经网络与传统的BP神经网络对级联式变频器进行故障诊断，设定最大训练次数为2000，设定训练精度为0．0001。每一种算法运行100次，传统的BP神经网络在100次运行中有85次不能够达到设定的精度，并且陷入了局部极小值，只有15次能够达到设定的精度;而改进的PSO－BP神经网络在100次运行中都能够达到设定的精度，并且达到精度所需迭代的步数集中在20～69步之间。选取这两种算法在100次运行中的平均情况，得到样本的学习过程如图3所示。在改进的PSO－BP神经网络作用下所得到的测试数据的网络输出结果如表2所示。其中A1Q1、A1Q2、A1Q3、A1Q4、B1Q1、B1Q2、B1Q3、B1Q4、C1Q1、C1Q2、C1Q3、C1Q4分别代表这些功率管所对应的开路故障。改进的PSO－BP神经网络和传统BP神经网络在100次运行中的平均诊断结果参数对比如表3所示。由图3两种算法的对比，可以看出传统的BP神经网络收敛速度非常慢，且陷入了局部极值。改进的PSO－BP神经网络的收敛速度很快，由表3可以看出，传统的BP神经网络的均方误差很大，未达到设定精度，而只需要经过30次迭代就可以达到设定的训练误差，且均方误差为2．05353×10－5。由此可知，改进的PSO－BP神经网络不论是在学习速度还是精度方面都远远优于传统的BP神经网络。

4结论

第5篇：故障诊断范文

【关键词】减速机；结构；故障

1 减速机的结构

一单级直齿圆柱齿轮减速机主要由齿轮、轴及轴承组合、箱体和减速机附件等组成。箱体是减速机的重要组成部分，是传动零件的基座。箱体通常用灰铸铁制造，对于重载或有冲击载荷的减速机可以采用铸钢箱体。单件生产的减速机，可采用钢板焊接的箱体。为了便于安装和拆卸，箱体制成沿轴心线水平剖分式结构。上箱盖和下箱体用螺栓联接成一体。箱座与地基用地脚螺栓联接。箱盖上的视孔是为检查啮合情况及向箱内注入油而设置的，箱盖顶部还装有通气器，它能及时排出箱内废气。为了检查箱内油面的高低，在箱座侧面装有测油尺，箱座底部设有放油螺塞，用以放出箱内的油。

箱盖上的吊钩是为了吊装箱盖用的，而整个减速机的吊运，则用箱座上铸出的吊耳。为了便于打开箱盖，有些减速机上常设有起盖螺钉。为了保证在拆装箱盖时，保证箱盖与箱座的定位精确，而设置了两个定位销。

2 减速机的故障特征分析

2.1 轴不平衡

不平衡是旋转机械最常见的故障。引起转子不平衡的原因有结构设计不合理，制造和安装误差，材质不均匀，运行中转子的腐蚀、磨损、结垢、零部件的松动和脱落等。轴系不平衡的主要故障特征：（1）轴频或基频出现峰值，其他倍频振幅较小；（2）径向振动大；（3）轴心轨迹成为椭圆形；（4）振动强烈程度对工作转速的变化很敏感。

2.2 轴不对中

轴不对中通常是指相邻两转子的轴心线与轴承中心线的倾斜或偏移程度。轴不对中可分为联轴器不对中和轴承不对中，联轴器不对中又可分为平行不对中、偏角不对中和平行偏角不对中三种情况。轴不对中的主要故障特征：（1）平行不对中径向出现轴的一倍频、二倍频峰值，尤以二倍频显著。（2）偏角不对中轴向振动大，在基频、二倍频甚至三倍频处有稳定的高峰。（3）平行偏角不对中轴向和径向均发生振动。

2.3 滚动轴承故障

滚动轴承的主要故障形式有：

（1）疲劳剥落。滚动轴承工作时，滚道和滚动体表面既承受载荷又相对滚动，由于交变载荷的作用，首先在表面下一定深度处最大剪应力处形成裂纹，继而扩展到接触表面层生剥落坑，最后发展到大片剥落，这种现象就称为疲劳剥落。

（2）磨损。由于滚道和滚动体的相对运动包括滚动和滑动和尘埃异物的侵入等都会引起表面磨损，而当不良时更会加剧表面磨损。磨损的结果使轴承游隙增大，表面粗糙度增加，降低运转精度。

（3）塑性变形。在工作负荷过重的情况下，轴承受到过大的冲击载荷和静载荷，或者因为热变形引起的额外的载荷，或者当有高硬度的异物侵入时，都会在滚道表面上形成凹痕或划痕。

（4）断裂。当载荷超过轴承滚道或滚动体的强度极限时会引起轴承零件的断裂。此外，由于磨削加工、热处理或装配时引起的残余应力、工作时的热应力过大等也都有可能造成轴承零件的断裂。

2.4 齿轮故障

由于齿轮制造，操作，维护以及齿轮材料、热处理、运行状态等因素的不同，产生异常的形式也不同，常见的齿轮异常有以下几种形式。

（1）齿面磨损。油不足或油质不清洁，将造成齿面剧烈的磨粒磨损。

（2）齿面胶合和擦伤。重载和高速的齿轮传动，使齿面工作区温度很高。新齿轮未经跑合时，常在某一局部产生这种现象，使齿轮擦伤。

（3）齿面接触疲劳。齿轮在啮合过程中，既有相对滚动，又有相对滑动，而且相对滑动的摩擦力在节点两侧的方向相反，从而产生脉动载荷。这两种力的作用使齿轮表面层深处产生脉动循环变化的剪应力。当这种剪应力超过齿轮材料的剪切疲劳极限时，表面将产生疲劳裂纹。

（4）弯曲疲劳与断齿。轮齿承受载荷，如同悬臂梁，其根部受到脉冲循环的弯曲应力作用。当这种周期性应力超过齿轮材料的弯曲疲劳极限时，会在根部产生裂纹，并逐步扩展。

3 主要故障诊断方法分析

一般而言，对随机信号可从时域和频域这两个角度来进行分析。如果对所测得的时间历程信号直接实行各种运算且运算结果仍然属于时域范畴，则这样的分析运算即为时域分析，如统计特性参量分析、相关分析等；反之，如果首先将所测时域信号经过傅立叶变换为频域信号，然后再对其施行各种运算的分析方法称为频域分析。

3.1 时域分析

常用工程信号都是时间波形的形式。时间波形有直观、易于理解等特点，由于是最原始的信号，所以包含的信息量大。缺点是不太容易看出所包含信息与故障的联系。对于某些故障信号，其波形具有明显的特征，这时可以利用时间波形做出初步判断。时域分析方法包括自相关函数、互相关函数、概率密度，时域平均等。

3.1.1 自相关函数

信号或数据X（t）的自相关函数Rx（τ）用以描述一个时刻的取值与另一个时刻的取值之间的依赖关系。相关函数数学表达式为：

不同信号具有不同的相关函数，是利用自相关函数进行故障诊断依据。正常运动的机器，其平稳状态下的振动信号的自相关函数往往与宽带随机噪声的自相关函数相近，而当有故障，特别是周期性冲击故障时，自相关函数就会出现较大的峰值。

3.1.2 互相关函数

互相关函数是表示两组数据之间的依赖关系的相关统计量，互相关的函数表示为：

互相关函数在时间位移等于信号通道系统所需时间值时，将出现峰值。互相关分析不但可以利用互相延时和能量信息对传输通道进行识别，还可以检测外界噪声中的信号。

3.2 频域分析

3.2.1 自功率谱分析

自功率谱密度函数是在频域中对信号能量或功率分布情况的描述，它可由自相关函数的傅立叶变换求得，也可以直接用FFT求得。

自功率谱分析能够将实测的复杂工程信号分解成简单的谐波分量来研究，描述了信号的频率结构，因此对机器设备的动态信号作功率谱相当于给机器“透视”，从而了解机器设备各个部分的工作状况。功率谱分析在解决工程实际问题中获得了广泛的应用。

3.2.2 倒频谱分析

由于一般减速机中都有很多齿轮和转轴，因而有很多不同的转轴速度和齿轮啮合频率。每一个轴速度都有可能在每一个啮合频率周围调制出一个边带信号。因此，在减速机振动的功率谱中，就可能有很多调制频率不同的边带信号，即功率谱图中包含很多大小和周期都不同的成分，在功率谱图上都混在一起，很难分离，即很难直观看出其特点。如果对具有连带信号的功率谱本身再做一次谱分析，则能把连带信号分离出来，因为功率中的周期分量在第二次谱分析的谱图中是离散谱线，其高度就反映原功率谱中周期分量的大小。这就是倒谱分析法。

参考文献：

[1]陈仲生.机器状态监测与故障诊断综述[J].机电一体化，2001.

[2]马波.旋转机械故障诊断专家系统[J].机电工程技术，2005.

第6篇：故障诊断范文

关键词：汽车；故障诊断；专利

引言

随着汽车工业的发展，汽车的电子化程度越来越高，增强了汽车的安全性和舒适度。但这些复杂的系统同时也会导致汽车故障率的提高和故障维修更为复杂。在汽车发生故障以后，对故障的准确定位和快速排除变得尤为重要，利用汽车故障诊断技术，能够实现汽车故障准确快速地排除。

1 专利申请整体状况分析

1.1 全球专利申请分析

为了研究汽车故障诊断技术的发展状况，在专利数据库中进行了检索，并对专利申请量按照年份进行了统计，如图1所示。从图1中可以看出，在1986年以前，全球汽车故障诊断技术的专利申请量较少，几乎一直维持在10件以下；从1987年开始至1992年，专利申请量逐年略有增加，其中1991年的申请量达到了30件；1993年之后，专利申请量有了较大幅度提升，进入了快速发展期，典型地，2001年申请量达到了175件，2008年申请量达到了346件。从图1中也可以看到，最后两年的专利申请量大幅下降，这是由于近两年申请的专利大部分还没有公开，并非专利申请量急剧下降。

另外，对各国专利申请量占全球申请量的比例进行了统计，申请量较大的依次是日本（JP，23%）、美国（US，18%）、中国（CN，15%）、德国（DE，12%）、韩国（KR，9%）等。其中中国（CN）的申请量占全球的15%，而日本（JP）以23%的占有量位列第一。汽车故障诊断技术的发展状况也从一定程度上反映了该国汽车行业的发展状况。

图1 全球专利申请量

1.2 国内专利申请分析

图1中也对汽车故障诊断技术国内专利申请量的统计。从图中可以看出，在2000年之前，中国在汽车故障诊断技术领域的专利申请量较少，每年的申请量一直处于个位数；从2001年开始，申请量才有较快提升，到2008年达到了37件，2013年达到了104件。同样，最后两年的专利申请量大幅下降，也是由于近两年申请的专利大部分还没有公开造成的。

将我国在这一领域的专利申请量变化与全球申请量变化进行对比，不难发现，相比于全球专利申请量1993年开始由较大幅度提升，我国在2001年之后申请量才有较快提升，说明我国在这一技术领域起步相对较晚。而同时参考各国申请量的比例，我国现在在这以领域的专利申请量已达全球总量的15%，位列第三，说明我国在近些年在这一技术领域也有较快的发展。

2 主要的汽车故障诊断技术及其专利申请状况

汽车故障诊断技术主要有：经验诊断法、简单仪器故障诊断法、专用仪器故障诊断法、针对特定部件的故障诊断法和智能故障诊断法。

经验诊断法是早期的故障诊断方法，主要依赖人工的耳听、眼看、手模、鼻嗅、拆试等手段根据逻辑推理的方式对汽车故障进行诊断。针对该经验诊断法的专利申请几乎没有，以下主要分析另外四种故障诊断方法。

2.1 简单仪器故障诊断法

简单仪器故障诊断法是使用万用表、示波器、电感式电流探测针等仪器获取汽车的相关信息，与系统正常工作的标准值进行对比，从而判断是否存在故障以及故障可能的位置。典型的专利申请有：International Business Machines Corp.公司的申请号为US198608

69870的专利申请涉及了一种使用多功能测试探针的汽车故障隔离装置；专利申请GB8803397涉及了一种适用于不具备汽车专业知识的人员使用的汽车万用表。

2.2 专用仪器故障诊断法

专用仪器故障诊断法就是利用专门设备对汽车故障进行综合诊断，该方法在汽车总成不解体的情况下，使用仪器对汽车的状态进行监测，然后分析监测的数据，从而确定故障原因。在这一阶段专利的申请量较之前有明显增多。典型的专利申请有：专利申请CN201120553282公开了一种基于无线技术的汽车OBD故障诊断仪；专利申请KR20120135369公开了一种汽车故障诊断设备。

2.3 针对特定部件的故障诊断法

对于某些特定汽车部件，通过专门的故障检测设备进行故障诊断，可以提高故障诊断的效率和准确度。针对特定部件的故障诊断方法，可以分别针对汽车中的发动机、制动装置、变速箱、空调等部件进行有针对性的故障检测。典型的专利申请有：专利申请US2014

14525915公开了一种用于内燃机的故障诊断系统和故障诊断方法；专利申请CN01143927公开了一种变速器输出轴RPM传感器的故障诊断方法及系统。

2.4 智能故障诊断法

20世纪90年代开始，专家系统、计算机智能化等技术得到了快速的发展，这些技术也逐渐应用到汽车故障诊断领域中，把汽车故障诊断技术推向了智能化阶段。典型的专利申请有：专利申请US19950476077公开了一种基于模式识别的在板汽车故障诊断装置；专利申请CN201210499356公开了一种基于维修资料和专家系统的汽车故障诊断方法。

第7篇：故障诊断范文

[关键词]：变压器 状态监测 故障诊断

引言

随着电力负荷逐渐增大，电力系统稳定性要求日益增高，变压器类电气设备的状态监测和故障诊断技术日益受到普遍关注，越来越多的研究、生产部门正在积极开发和应用该技术，目前已有全面推广之势。在这种情况下，全面、客观、深入的认识该技术，了解其目前技术状态，比较、认识其和现行预防性检修体系的优劣性及关系，对于正确开发应用和推广这一新技术及更好保障电力生产的可靠安全性将具有一定意义。

1.状态监测和故障诊断技术的重要性

变压器是连接发、输、配电环节的重要电力设备。随着经济的发展，电力负荷和电压等级的增大，变压器的运行可靠与否对电力系统的稳定影响更加明显。变压器在运行时，受到电、热、机械、环境等各种因素的影响，其性能会逐渐劣化，运行状态变差，可能导致发生各类故障。

为了尽量减少和避免故障的发生，长期以来电力系统的传统做法是不断地研究、总结，实施各种有效的定期预防性试验、检修等方式。与遇到事故维修相比，这种预防性试验、检修方式有着本质的进步。但是，定期计划检修存在着盲目性，且预防性试验大多是离线进行的，试验时需停机、停电，造成经济损失。对于一些重要的设备，不能轻易停运，使得定期试验难以完成。即使能够停运待检设备，也往往因运行中与停运后变压器状态差异，试验结果会有偏差。另一方面，检查维修可能会造成维修过度，对变压器性能有所损伤。

2.变压器的状态监测和故障诊断

变压器的故障诊断技术从以时间为基准的方式转变到以状态为基准的方式，其内容包括状态监测与故障诊断两个方面：前者通过提取故障的特征信号为状态维修提供检修依据，后者则分析、处理所采集的状态信息。变压器的在线监测技术研究大致包括以下内容：（1）故障机理分析；（2）在线监测手段；（3）监测信息的传递、处理和存储；（4）故障特征量的提取；（5）故障诊断的方法和理论分析。

电力工业主要采用充油式变压器，在某些特殊场合也采用干式变压器或者六氟化硫变压器。目前国内外对于变压器的状态监测，多采用局部放电监测和超声定位技术、红外技术、微水分析技术。对于变压器的高压套管，通常采用介质损耗因数的数字化在线测量技术。对于故障较多的有载调压开关，采用有载故障诊断在线装置测量触点磨损及机械和电气回路等。除此之外，油温、线匝绕组温度、负载电流及电压、冷却泵风扇运行等参数也在监测之列变压器状态监测。涉及到的变压器主体部件为：磁路绕组及固定绝缘液体的绝缘，气体绝缘和冷却系统。拟诊断故障为：过热行故障、放电性故障、过热兼放电故障、机械故障和进水受潮等。常用的局部放电监测与诊断，多采用电脉冲信号发生法和超声法，对电信号和声信号联合检测去的理想的定量和定位效果，根据视在放电量、分布图谱和放电源的定位来判断故障。油中溶解气体组分含量的分析（DGA），首先依据溶解平衡原理采用各种不同原理脱气，方法如：真空、渗透膜、气体洗脱等，将油中气体脱出，再用分离柱进行分离，再经检测器监测（如TCD、FID等），或各种原理的传感器对不同组分气体进行监测，后依据国内外通用的组分比值法或多维图视法，结合电气试验和离线定期试验结果，综合分析诊断出潜伏性故障。近期还发展了复合渗透膜电化学/燃料电池红外监测等技术进行油中溶解气体组分含量的分析。由于DGA分析判断的准确性已被国内外所认可，该技术成为各国研究的热点。

3.在线监测与故障诊断技术研究存在的问题

状态监测、故障诊断技术虽然有其不可替代的优势，但在目前情况下，尚存在很多不足和问题需要解决。已经安装投运状态监测系统的单位，决不可高枕无忧，不再有安全忧患。由于变压器有复杂的结构系统，运行参数间并非全部有严格的逻辑和定量关系，其故障现象、故障原理之间具有很大的不确定性，一个故障可表现出多种征兆，监测到的几个故障起因，同时反应一个故障征兆，故障与征兆之间关系模糊复杂，完全用建立精确的数学模型来诊断是十分困难的。这种复杂的系统都是模糊的系统。而模糊系统的边界、结构等概念的外延是模糊的，内涵是灰色的。也就是说，此系统中，一些信息是确知的，另一些是非确知的，因此，需要采用将精确性向模糊性逼近的模糊集的数学方法来处理这些模糊现象，并将人工神经网络系统也注入，才能对变压器故障诊断这一复杂系统，找出合适的描述方法。同时还要模拟技术专家在进行故障诊断时的经验及将经验、规划模型化，以计算机替代专家，并以远程通信方式进行传输。除此之外，复杂的现场环境也给状态监测和故障诊断技术的应用带来困难。到目前，状态监测和故障诊断技术尚存在以下不足和问题：

（1）受技术条件限制，目前发展较成熟的仅有局放定位仪和部分组分含量的在线色谱仪，而其他反应设备状态的项目尚无成熟监测。因此，在故障诊断中，很多需采集的信息还必须依赖于离线监测。

（2）早期故障的监测信号极弱，设备运行现场均有较强的磁场和电场干扰，信噪比很低，给状态监测带来困难。

（3）现有的一些监测系统，只能反映设备故障的发展趋势，很难提供设备故障的类型及故障的危急程度。渗透膜存在渗透率衰减，软件不能适应个案的分析、判定。

（4）现行规程中没有状态监测的技术要求和指标，使故障诊断中缺乏科学的判据。

（5）现有的监测、诊断系统尚不能完全实现连续不断实时监测，所以对突发性故障不能准确、及时预报

4.结论

综上所述，变压器类的电气设备的状态监测和故障诊断技术，可以更迅速、连续反映设备的运行状态，预示运行设备存在的潜伏性故障，提出处理措施，不同程度地延长设备的服役期，减免不必要的维修干扰，大大降低运行成本，易实行自动化和科学化设备管理，是保障电力设备安全经济运行的有力措施，应大力推广，实施状态监视和故障诊断为不可逆转的发展趋势。

参考文献：

[1] 李常喜.电力设备诊断技术概论[M]. 北京： 水利电力出版社，1994

[2] 陈维荣， 宋永华， 孙锦鑫. 电力系统设备状态监测的概念机现状[J]. 电网技术， 2000， 24（11）： 12-17

[3] 陈卓， 刘念， 薄丽雅. 电力设备状态监测与故障诊断[J]. 高电压技术， 2005， 31（4）： 46-48.

第8篇：故障诊断范文

关键词：液压系统故障 主观诊断法 故障诊断

液压系统故障是一门综合技术，它需要基数较高的工作人员用比较先进的检测设备查找故障的原因、异常程度，以预防维修液压设备，提高设备运行的安全性和可靠性。液压系统在实际工作中，若降低或丧失了规定的功能，出现了不能满足其技术性能和运转品质要求的情况，即为液压系统故障。

一、液压系统故障的特点有：1.故障的隐蔽性；2.故障的多样性和复杂性；3.故障的难于判断性；4.故障的交错性；5.故障产生的随机性与必然性；6.故障的产生与使用条件的密切相关性；7.故障的可变性；8.故障的差异性。

液压系统具有广泛的工艺适应性、优良的控制性和较低廉的成本，因而在各个领域中，液压系统应用越来越广泛。液压系统的故障分析是受各方面正确分析故障的原因是排除故障的前提。

液压系统产生故障的原因可分为内因和外因。内在原因包括：①设计时确定的技术参数不合适；②系统结构设计不合理；③所选用的元件不符合要求；④系统安装未能达到技术规范要求；⑤零部件的加工制造质量不合格；⑥某些零件经长期使用后出现的正常磨损。外在原因包括：①设备运输或安装中引起的损坏；②使用环境恶劣；③调试、操作与维护不当；④电网电压异常。在液压系统故障诊断的工作过程中，需要判定故障的性质与严重程度；查找失效元件及失效位置；查找引起故障的初始原因；故障机理分析；预测故障发展趋向。

液压系统故障诊断与排除的步骤包括：1、熟悉性能和资料。在查找故障前要了解设备的性能,熟悉液压系统工作原理和运行要求,以及一些主要技术参数。 2、调查情况。要向操作者询间设询问该设备的特性及其功能持征;询问该设备出现故障时的基本现象,同时要了解怎样排除故障的经过。3、现场观察。核实操作者提供的现象并仔细检查，操纵有关控制部分,观察故障现象,查找故障部位,并观察系统压力变化和工作情况,听听噪声,查查漏油等。 4、查阅技术档案。根据了解、询问、核实、检查所得到的资料列出可能的故障原因表。对照本次故障现象是否与历史记载的故障现象相似,还是新出现的故障。 5、归纳分析。将现场观察到的情况,排出检查顺序。先选择那些一经简单检查核实或修理即可使设备恢复正常，以便在最短时间内完成检查工作。6.验证结论。找出原因，着手进行排除故障。排除故障包括用适当的试验装置检查压力和流量，拆开壳体盖板，检查泵、马达及其它元件.这些试验检查便是判定零件、液压元件更换的基础。在实际工作中往往没有适当的试验装置来进行检查，这时只好以换泵、马达、液压阀等元件总成来做为排除故障的有效手段。

二、故障诊断技术的层次

⑴简易诊断技术。①主观诊断法②分段检查试验法③浇油法④元件替换法⑤截堵法。

⑵精密诊断技术，即客观诊断法。它是在简易诊断法的基础上对有疑问的异常现象，采用各种监（检）测仪器对其进行定量分析，从而找出故障原因。

主观诊断法主要是依靠简单的诊断仪器, 凭借个人的实践经验, 判别故障发生的部位及其原因。要求诊断人员具有液压系统基础知识和较强的分析能力，方可保证诊断的效率和准确性。主观诊断法具有方便、快捷、实用的特点, 在现阶段仍有一些液压设备用户在延用。但是它也存在着局限性, 由于人们的感觉不同, 判断能力和实践经验有差异, 因而对所掌握的客观情况的分析结果也就不同。此诊断方法只能对故障进行简单的定性分析, 做不到定量分析。以下介绍其中两种方法，液压系统原理图分析方法和参数测量的故障诊断方法。

1、液压系统原理图分析法

根据液压系统原理图分析液压传动系统出现的故障，找出故障产生的部位及原因，并提出排除故障的方法。液压系统图分析法是目前工程技术人员应用最为普遍的方法，它要求人们对液压知识具有一定基础并能看懂液压系统图掌握各图形符号所代表元件的名称、功能、对元件的原理、结构及性能也应有一定的了解，有这样的基础，结合动作循环表对照分析、判断故障就很容易了。

2、参数测量的故障诊断方法

当液压系统发生故障时，实质是系统中某个元件或某些元件有故障，进一步可断定回路中某一点或某几点的参数已偏离了预定值。这说明如果液压回路中某点的工作参数不正常，则系统已发生了故障或可能发生了故障，需维修人员马上进行处理。这样在参数测量的基础上，再结合逻辑分析法，即可快速、准确地找出故障所在。参数测量法不仅可以诊断系统故障，而且还能预报可能发生的故障，并且这种预报和诊断都是定量的，大大提高了诊断的速度和准确性。

其它液压系统故障诊断方法：

1、浇油法

可采用浇油法找出进气部位。找进气部位时，可用油浇淋怀疑部位，如果油浇到某处时，故障现象消失，证明找到了故障的根源。浇油法对查找液压泵和系统吸油部位进气造成的故障特别有效。

2、人工智能故障诊断方法

专家领域是液压系统故障诊断领域研究最多的一类智能诊断技术，它是一种人工智能计算机程序，，运用专家知识推理，解决人们在通常条件下难以解决的问题，具有大量的权威性知识，具备较强的学习功能。专家系统在运行中通过人机交互获得必要信息，在知识库和数据库的支持下，进行一系列推理，从而找到最可能故障。

液压系统的正确使用对保障液压系统有重要意义。在液压系统使用过程中需要维护以下几点：1.控制液压系统污染；2.控制工作介质温升；3.控制液压系统泄漏；4.防止和排除液压系统的振动与噪声；5.严格执行日常点检和定期点检制度；6.严格执行定期紧固、清洗、过滤和更换制度；7.严格贯彻工艺纪律；8.建立液压设备技术档案；9.建立液压元件修理试验基地。

液压设备往往是结构复杂而且是高精度的机、电、液一体化的综合系统。引起液压故障的原因较多, 加大了故障诊断的难度。对于液压系统设备故障处理完毕后，应认真地进行定性、定量分析总结，从而提高处理故障的能力，防止以后同类故障的再次发生。根据液压系统故障有着自身的特点与规律, 正确把握液压系统故障诊断的方法, 深入研究液压系统的故障诊断技术, 有着重要的实际意义。

参考文献：

第9篇：故障诊断范文

关键词： 汽轮机；振动故障；诊断技术

中图分类号：F407文献标识码： A

汽轮机是一种高速旋转机械，其主要的构造部件包括转子、转子轴承、汽缸以及联轴器等。由于在加工或者安装过程中存在缺陷，将导致汽轮机在运行的过程中出现振动。根据振动的类型可以将振动分为横向振动、轴向振动以及扭转振动三种。而根据导致振动的激励方式，又可以将振动分为基频振动和二倍频振动。其中，导致汽轮机运行不稳定或者是破坏的主要原因是由横向振动或者是基频振动而导致的。

1 汽轮机故障分析方法

对于汽轮机而言，其故障普遍表现为机组振动过大。在现场故障诊断中，常用到的故障分析方法便是振动分析法。

波形分析法

时间波形是最初的振动信息源。由传感器进行输出的振动信息在普遍情况下均为时间波形。对一些有着明显特征的波形，可以直接用于设备故障的判断。波形分析简易直观，这也是波形分析法的优势之所在。

轨迹分析法

对于轴承座的运动轨迹而言，转子轴心直接性地对转子瞬时的运动状态反应出来，并且涵盖了很多关于机械运作情况的信息[2]。由此可见，对于设备故障的诊断，轨迹分析法的作用是非常明显的。基于正常状态，轴心轨迹具有稳定性，每一次转动循环一般情况下均保持在相同的位置上，且轨迹普遍上是相互重合的。在轴心轨迹的形状与大小呈现不断变化的势态时，便表现转子运行状态不具稳定性。面对此种情况，需进行及时有效的调整工序，不然极易致使机组失去稳定性，进而造成停车事故的发生。

频谱分析法

对于设备故障的分析，频谱分析法在应用方面极具广泛性。普遍应用到的频谱有两种：其一是功率谱；其二是幅值谱。其中，功率谱代表在振动功率随振动频率的分布状况，其物理含义较为清晰。幅值谱代表相对应的各个频率的谐波振动分量所具备的振幅，在应用过程中，幅值谱具有直观的特点。并且，幅值谱的谱线高度便是此频率分量的振幅大小。总之，对于频谱分析法而言，其目的便是把形成信号的每一种频率成分均进行分解，以此为振源的识别提供方便。

汽轮机振动故障诊断技术探究

汽轮机存在多方面的振动故障，笔者主要对启动过程中暖机或胀差过大等原因引起的振动、造成故障诊断准确率低的原因以及振动故障诊断步骤三大方面进行探究。

启动过程中暖机时间不够或胀差过大而引起的振动分析

启动过程中暖机或胀差过大而引起的振动极具明显性。汽轮机在启动及停止过程中，转子和气缸的热交换条件是有所区别的。所以，两者之间在轴向形成的膨胀也有所区别，即为出现相对膨胀现象。所谓的相对膨胀又可称之为长差。通过胀差的大小，能够反映出汽轮机轴向动静间隙的改变状况。为了让由轴向间隙改变进而引起的动静摩擦得到有效规避，不但需要对胀差进行严密监视，还需要充分认识到胀差对汽轮机运行所造成的严重影响。我们知道，机组从升速至定速过程中，时间短，蒸汽温度及流量基本上没有发生改变，因此对胀差造成的影响只能在定速之后才能够很好地反映出来。定速之后，胀差所增加的幅度比较大的，并且持续时间长。另外，基于低负荷暖机阶段，蒸汽对转子及气缸的加热程度较为激烈。大致上分析，造成机组暖机或者胀差的原因主要有：凝汽器真空的改变、暖机时间的长短、轴封供汽温度的高低以及供汽时长等。因此，在机组启动过程中，需要从三方面做好：1）在低速阶段进行听音；2）在高速阶段对机组的振动引起足够重视，尤为重要的是在过临界的状况下，如果振动超标，是不能够硬闯的；3）当机组并网之后，因为汽缸温度较低，额转子膨胀又比气缸要打，所以要以差胀的状况为基础，进而对进汽温度进行有效控制，并使低负荷暖机得到有效保证。

造成故障诊断准确率低的原因分析

在汽轮机中，振动诊断技术当前已经得到广泛的应用。造成故障诊断准确率低的原因表现在三个方面：1）对振动特征的掌握程度不够；2）在认识上对故障机理存在偏差；3）只重视直观的故障，对内部故障不深入了解。并且，在实际应用中，如果遇到振动故障，作业人员只是凭借自身的经验进行处理。然而振动诊断的实际价值之所在便是对振动状况进行有效规避。如果故障诊断的准确率大于50%，便说明消除振动的指导作用极具明显性。如果准确率只在20%至30%之间，那么说明消除振动的效果不具良好性，甚至可能是一种误导。对于汽轮机的振动故障诊断，常用的两种方法便是正向推理法与反向推理法。在对机组振动故障正确的认识之下，适宜采用正向推理法。但从实践情况上分析，对于振动故障诊断并不经常使用正向推理法。因此，便经常性采用反向推理法。该方法是根据振动的特征进行分析，并对故障的特点进行反推，以此获取多种结论，让振动故障在引导之下得到处理。此种方法会使故障诊断的准确率大大降低。

振动故障诊断步骤分析

对传统故障诊断的方法进行改善是使诊断故障诊断准确率得到提升的有效策略。若想要使诊断故障准确率大大提升，还需要进行充分做好以下步骤：1）首先对振动的种类进行确认。主要是对振动频谱及外在特征进行观察，进而将各类振动进行有序的分类。将所存在的故障的原因充分确认之后，再实施判断措施；2）先对轴承座刚度进行检查，看是不是正常，然后对激振力故障原因进行分析；3）对转子进行检查，检查是不是存在不平衡力、不平衡电磁力以及平直度偏差等故障，进而对基于稳定的普通强迫振动是否存在进行确认，最终使故障类型能够得到有效诊断。 3 汽轮机振动故障诊断实例分析

实例概况：以某热电厂4#汽轮发电机组为实例，它是由上海汽轮机厂所生产的50 MW汽轮发电机，其型号为C50-90/1.2-1，并且是单缸冲动一级调整抽汽凝汽式机组，在配装方面，配置了由上海电机厂生产的发电机，其型号为QFs-60-2。

振动情况：此机组在运作过程当中有3#瓦轴向振动偏大的现象存在，高达20 mm/s，经过反复检查后依旧没有找出其中的原因[3]。

诊断：3#瓦轴向振动的主频率为50 Hz，据分析可知为普通强迫振动。造成普通强迫振动存在两方面的原因：其一，轴承座动刚度偏低；其二，激振力偏大。

处理因素：通过对3#瓦轴承座检查发现轴承座存在多方面的问题，主要有球面垫铁接触性能不良、轴承紧力不够、地脚螺栓较为松动以及轴承座垫片不具合理性等。其中，在对压轴承紧力进行检修时发现，轴承体球面和球面座两者间有0.02毫米的间隙，轴承盖和轴承体两者间有0.15毫米的间隙。此机的检修标准在轴承体球面和球面座两者间为0.02毫米到0.04毫米时呈过盈状态；轴承盖和轴承体两者间在0.02毫米到0.05毫米时呈过盈状态。由此可见，整个轴瓦的紧力明显不够，且垂直方向没有办法对振动进行控制。

故障诊断结论：通过数据分析可知，在垂直振动的差异达到两倍的情况下，轴向振动可达到9 mm/s；在垂直振动的差异振动比较小的情况，轴向振动便偏小。振动故障出现后，不能仅靠现场动平衡进行解决，应该对问题的根源进行严谨分析，然后对问题进行有效解决。

结束语

通过本文的探究，充分认识到造成故障诊断准确率低的现象存在三方面的原因，分别为：对振动特征的掌握程度不够、在认识上对故障机理存在偏差、只重视直观的故障，对内部故障不深入了解。因此充分掌握汽轮机振动故障诊断技术便显得尤为重要。最后笔者通过实例进行深入分析，希望以此为今后关于汽轮机振动故障诊断技术的研究提供一些具有建设性的参考依据。

参考文献

[1]谢亮.汽轮机振动故障诊断技术探讨[J].科技传播，2011（07）.