故障诊断论文全文(5篇)

本文作者：赏吴俊、何正友、胡海涛、母秀清、林建辉 单位：西南交通大学

电压检测法主要是通过比较故障前后电机相电压、线电压、中性点电压或者逆变器功率管两端电压的不同来对故障进行识别和诊断。文献[9]中的电压检测法只能用于开环系统；文献[10]中的方法虽然诊断时间短，但需要增加一些额外的电子元器件；文献[11-13]中尝试采用智能算法对故障进行诊断，但也只针对单个IGBT开路故障进行诊断。上述功率管开路诊断方法一般只能对单管或者部分双管IGBT开路故障进行诊断，不利于对同时发生2只功率管开路故障情况下的正确诊断。根据某IGBT开路故障后将不能通过其输出正功率的情况，文章提出了通过检测各相电流正负半波部分对应的功率，进而反映各IGBT的工作状况的故障诊断方法。在Matlab/Simulink中搭建了异步电机供电的三相电压源逆变器的模型，通过模拟各种IGBT开路故障测试所提出方法的有效性。

IGBT开路故障诊断原理

单个IGBT发生开路故障的情形导致IGBT功率管开路故障的原因主要有器件破裂、绑定线断裂或焊接脱落、驱动信号丢失或电路失效[3]，或者任由IGBT短路也可导致IGBT烧毁而形成开路故障[14]。IGBT开路后将导致其不能正常导通，在IGBT不是因烧毁而开路的情况下，还可以通过其反并联的二极管向直流侧回流。列车上的辅助逆变器的主电路拓扑结构如图1所示。图1中：CT(currenttransformer)为电流互感器，PT(potentialtransformer)为电压互感器，共有6只IGBT功率管(T1—T6)，这里假定最多有2只功率管同时发生开路故障。在该假定下，我们可将IGBT开路故障大致分为单管故障和2管故障。下面就将对这2种故障后的电流流向和做功情况进行详细分析，以找出能够明确区分正常和故障的特征，实现对IGBT开路故障的识别和定位。A相上侧IGBT开路后电流途径如图2所示，i代表流过A相桥臂的电流。假如逆变器在正常运行情况下，A相刚好流过正半波的电流(简称正电流)，这时电流将通过T1和T2的反并联二极管流通。但当T1发生开路故障后，电流将只能通过T2上的反并联二极管向直流侧电源反送电流，如图2中的箭头线所示，此后，故障相的电流将会很快衰减为零。如果流过的是负半波电流，则在电流过零点之前故障对逆变器工作没有影响。此后，逆变器的A相将不能通过T1流出正半波电流，其对应的功率将为0。如果在另外两相的作用下有正半波电流出现的话，也将是通过下侧IGBT的反并联二极管从负极流出，形成向直流侧充电的情形，则此时正半波电流对应的功率将为负值。同理可以得出，当T2开路时，电流负半波部分(简称负电流)对应的功率也将为0或者为负。根据以上分析，可以得出：如果上侧IGBT发生故障，则正半波电流对应的功率将为0或者为负；如果下侧IGBT发生开路故障，负半波电流对应的功率将会为0或者为负。但对于正常的IGBT，反应其输出功率情况的正负半波电流功率都为正。

2个IGBT同时发生开路故障的情形2个IGBT开路故障的情形又可以分为3类：同一桥臂的上下2个IGBT故障(如T1、T2)、2个桥臂的异侧2个IGBT故障(如T1、T4)、2个桥臂的同侧2个IGBT故障(如T1、T3)。对于前2种故障类型，故障后每个IGBT的表现和单个IGBT故障后的表现类似，即发生开路的IGBT对应半波电流功率为0或者为负。而对于第3种情况，即其中2个桥臂的同侧2个IGBT发生故障，因为三相对称调制的缘故，第3相的2个IGBT即使是正常的，它们当中与故障IGBT对侧的IGBT也将不会流过电流。如功率管T1、T3同时发生开路故障，则功率管T6中将没有负半波的电流。因为如果有电流的话，此电流也将是通过T2和T4中的反并联二极管流通，这样将会造成A、B、C相同时和直流侧的负极接通，这样将无法继续形成电流，所以C相的负半波电流对应的功率也将为0。

通过以上的分析，可以得出以下结论：1）每相电流的正、负半波部分对应的功率分别反映了该相桥臂的上下侧IGBT的工作状况。当某相桥臂的上侧IGBT发生开路故障将会导致该相的正半波电流对应的功率为0或者为负，下侧IGBT开路故障将会造成负半波电流对应的功率为0或者为负。对于正常的IGBT，反映其输出功率情况的正负半波电流功率都为正。2）在2个IGBT发生开路故障的情形中有1个特例，即2个桥臂的同侧2个IGBT同时开路时，第3相中对侧的IGBT也将会表现出和开路功率管一样的特征，即其对应的半波电流的功率将为0。由以上分析可知，可以通过检测每相正负半波电流对应的功率来对IGBT开路故障进行诊断。若某相一个周期的正半波电流对应功率小于阀值S，则说明上管发生故障，一个周期负半波电流对应功率小于阀值S，就说明下管发生故障。对于上面提到的特例，可以明确地判断出同侧的2个IGBT发生了开路故障，第3相中也将会有1个IGBT被判为故障，应该将其剔除。因此，可以通过下面的步骤来对IGBT开路故障进行诊断和定位。1）选用6个变量Plm(la、b、c；m、)，用来分别记录当前周期三相6个正负半波电流对应的功率，这里可通过下面的数值方法计算得到Plm[15]。2）将步骤1）得出的6个功率值Plm与阀值S进行比较，如果Pl<S，则说明l相的上侧IGBT发生开路故障；如果Pl<S，则说明这一相的下侧IGBT发生开路故障。如果判断出有2个桥臂的同侧2个IGBT出现开路故障，第3个桥臂中也被判为故障的IGBT应该被剔除，因为这里假定最多只有2个IGBT同时发生开路故障。

利用以上方法对逆变器的IGBT开路故障进行诊断，将不受负荷波动和调制方式的影响，适合于各种恒压恒频(constantvoltageandconstantfrequency，CVCF)的逆变电源做功率管开路故障诊断；并且因为是利用功率作为判据来检测故障，所以需要在带有负荷的情况下发生故障才能进行诊断。如果在空载情况下发生故障，也能够反映并检测到故障；但该情况下故障特征不明显，容易造成正常功率管的误诊段，此后如果加入负载，待稳定后也能给出正确的诊断结果。因此本方法非常适合于列车辅助逆变器这类在工作时一直带有负荷的逆变器做开路诊断使用。另外，根据检测的原理可知，用该方法检测故障的时间在1个周期以内。

摘要：故障诊断技术对现代工业生产至关重要。《机械故障诊断》这门课程主要讲解故障诊断中所涉及的理论与方法。本文阐述了该门课程的主要特点，剖析了教学过程中存在的问题，对这些问题提出了一些探讨性的解决思路。

关键词：旋转机械；故障诊断；实践教学；研究生教学

一、前言

随着工业的快速发展，机械设备正朝着大型化、复杂化、精密化的方向发展，同时要求机械设备能够在比较恶劣的环境下长时间稳定地运行，比如大型风力发电机组。在工业实践中，一方面不容许这些机械设备出现故障，另一方面这些机械设备一旦出现故障，会导致巨大的经济损失。故障诊断就是寻找故障原因的过程，其实质是了解和掌握设备运行过程中的状态，评价、预测设备的可靠性，减少企业的运营成本。目前，故障诊断技术已被大量地应用于石油化工、水利发电、矿产开采等多个关系国民经济的重要领域。此外，故障诊断技术也是实现“中国制造2025计划”，完成以加工为主导的传统制造业向以服务为主导的现代制造业转型所必备的核心技术。在这样的背景下，将《机械故障诊断》这门课程作为研究生的基础理论课程。该门课程所涉及的内容比较广泛，包括信号分析与处理、机械动力学分析、人工智能方法等。同时，这门课程又是一门实践性很强的课程，理论和实践结合十分紧密。此外，该门课程所涉及的内容学术研究价值很高，可以作为学生在研究生学习阶段的研究方向。传统的教学模式极大地限制了该门课程的教学。

二、课程教学过程中存在的问题

1.教学内容多而泛。《机械故障诊断》是一门综合性很强的课程，课程中不仅涉及到大量的公式推理，如傅里叶变换的推理公式，还包括许多新理论和新方法，如：人工智能算法、专家系统等。而该门课程的授课学时一般都设置为32个学时，学时数比较少，难以对相关知识进行展开授课。同时该门课程各个章节之间的关联性也不够强，各知识点之间具有一定的独立性，造成学生学习和理解困难。2.教学与实践严重脱节。《机械故障诊断》这门课程与工业实践结合十分紧密，所涉及到的内容实用性极强。该门课程作为研究生的理论基础课，其教学目的是使学生全面、真实地掌握故障诊断的核心思想以及相关的理论方法，增加学生的创新思维能力和工程实践能力。然而，现有的教学模式大多以书本为主导进行展开，严重缺少实践教学环节。3.教学过程中“教”与“学”脱钩。传统教学模式采用“老师授课———学生听课”的方式展开，“教”与“学”缺少良性互动的环节，容易导致老师授课时不清楚学生对知识的实际掌握情况，学生对课程知识理解不透彻，进而丧失学习兴趣，使得教学过程形式化、教学结果低效化的问题。

三、探索性的教学改革

摘要：故障诊断技术对现代工业生产至关重要。《机械故障诊断》这门课程主要讲解故障诊断中所涉及的理论与方法。本文阐述了该门课程的主要特点，剖析了教学过程中存在的问题，对这些问题提出了一些探讨性的解决思路。

关键词：旋转机械；故障诊断；实践教学；研究生教学

一、前言

随着工业的快速发展，机械设备正朝着大型化、复杂化、精密化的方向发展，同时要求机械设备能够在比较恶劣的环境下长时间稳定地运行，比如大型风力发电机组。在工业实践中，一方面不容许这些机械设备出现故障，另一方面这些机械设备一旦出现故障，会导致巨大的经济损失。故障诊断就是寻找故障原因的过程，其实质是了解和掌握设备运行过程中的状态，评价、预测设备的可靠性，减少企业的运营成本。目前，故障诊断技术已被大量地应用于石油化工、水利发电、矿产开采等多个关系国民经济的重要领域。此外，故障诊断技术也是实现“中国制造2025计划”，完成以加工为主导的传统制造业向以服务为主导的现代制造业转型所必备的核心技术。在这样的背景下，将《机械故障诊断》这门课程作为研究生的基础理论课程。该门课程所涉及的内容比较广泛，包括信号分析与处理、机械动力学分析、人工智能方法等。同时，这门课程又是一门实践性很强的课程，理论和实践结合十分紧密。此外，该门课程所涉及的内容学术研究价值很高，可以作为学生在研究生学习阶段的研究方向。传统的教学模式极大地限制了该门课程的教学。

二、课程教学过程中存在的问题

1.教学内容多而泛。《机械故障诊断》是一门综合性很强的课程，课程中不仅涉及到大量的公式推理，如傅里叶变换的推理公式，还包括许多新理论和新方法，如：人工智能算法、专家系统等。而该门课程的授课学时一般都设置为32个学时，学时数比较少，难以对相关知识进行展开授课。同时该门课程各个章节之间的关联性也不够强，各知识点之间具有一定的独立性，造成学生学习和理解困难。2.教学与实践严重脱节。《机械故障诊断》这门课程与工业实践结合十分紧密，所涉及到的内容实用性极强。该门课程作为研究生的理论基础课，其教学目的是使学生全面、真实地掌握故障诊断的核心思想以及相关的理论方法，增加学生的创新思维能力和工程实践能力。然而，现有的教学模式大多以书本为主导进行展开，严重缺少实践教学环节。3.教学过程中“教”与“学”脱钩。传统教学模式采用“老师授课———学生听课”的方式展开，“教”与“学”缺少良性互动的环节，容易导致老师授课时不清楚学生对知识的实际掌握情况，学生对课程知识理解不透彻，进而丧失学习兴趣，使得教学过程形式化、教学结果低效化的问题。

三、探索性的教学改革

【摘要】在城市化进程不断推进的过程中，城市交通建设取得了很大的成就。得益于城市轨道和高铁的快速发展，高速动车得到了越来越广泛的使用。对于高速动安全性尤为重要，如何在高速运行的过程中减少故障，保证运行安全，是高速动车研究重点关注的问题。基于此，论文通过对高速动车组的故障诊断系统进行分析，提供其架构应用，希望给相关人员提供一定借鉴。

【关键词】高速动车；故障；诊断；系统

1引言

在高速动车组的发展过程中，如何及早发现动车组故障并解决问题是保障高速动车组安全运行的关键。很多高速动车组故障的产生，都是因为一种细小的问题没有及时发现，从而导致大故障的产生。而利用信息技术，通过故障诊断系统对高速动车组进行状态分析，确定高速动车组的可靠性，有重要的应用价值。

2高速动车组故障诊断系统意义分析

高速动车组整体技术性比较复杂，并且对维护人员有很高的专业需求。在工程应用中，机械设备有3种状态：正常状态、异常状态以及故障状态。对于故障状态，往往代表机械设备出现了问题，不能正常工作。故障状态往往有一个不断形成的过程，而故障诊断则主要是指通过检测、测量、监视以及分析判别等方法对设备的运行状态进行评估，从而确定故障是否存在或故障的具体位置。而这种故障诊断在高速动车组中的应用，能够及时发现问题并及时解决，有效预防高速动车组运行过程发生故障，保证行车安全，避免经济损失。而且这种高速动车组故障诊断系统还可以推动有关零件加工技术工艺的改进，对高速动车组的运行效率以及维修技术提高有积极意义。

3高速动车组故障诊断系统作用浅论

摘要：针对大型机械设备运行中存在的强扰动、多干扰噪声存在的问题，建立合理的故障混合智能诊断模型，确定不同模型的分界阈值，深入分析多噪声相关情况下噪声联合概率密度的数学分解表达式及噪声统计特性的分布函数，以高斯噪声为背景，推导最优建议分布函数的具体解析表达式，实现强扰动、多噪声干扰情况下故障诊断的精确、鲁棒滤波。

关键词：非线性；滤波；故障诊断

前言

2010年开始，随着大数据与人工智能技术的迅猛发展，研究人员将专家系统、模糊逻辑、神经网络、遗传算法等技术应用于大型复杂设备的故障诊断中，实现了设备的混合智能故障诊断，大大提高了设备故障诊断的精确度。随着研究的不断深入，研究者发现，由于系统运行的强扰动及应用环境中的复杂噪声影响，单一的检测模型无法满足复杂工程应用中精确性与鲁棒性的要求，急需一种新思路和新途径来解决这些问题。因此，综合运用多种人工智能技术和现代智能信息处理技术，结合复杂系统的非线性及故障的不确定性特点，基于智能演化的滤波推理技术受到了研究人员的青睐，用混合智能故障诊断与预测技术对大型复杂关键设备进行状态监测、故障诊断与智能预测处理，能够有效提高监测诊断系统的敏感性、鲁棒性、精确性，降低误诊率和漏诊率，在不用理解系统机理和分析数据的情况下，为一般的操作人员提供了准确的诊断决策，对于提升智能诊断系统的精确性和鲁棒性具有非常重要的理论价值和现实意义。

1基于滤波技术的智能故障诊断

随着大型复杂机械设备对故障诊断精度要求的不断提高，从20世纪80年代开始，基于非线性滤波技术的混合智能故障诊断与预测方法已经成为本领域的研究热点。其具体的应用原理框图如图1所示。大型运行设备在获取多个特征信息以后，如何通过有效的非线性滤波方法对系统的状态进行精确的滤波处理是混合智能诊断技术的关键一步。目前，在工程实际应用中的非线性滤波方法主要有：交互式多模型（interactingmultiplemodel,IMM）、序贯概率比检验（sequentialprobahilityratiotest,SPRT）、强跟踪滤波（strengthtrackingfilter，STF）等几种方法。其中，IMM是一种模型自适应滤波器,该方法缺少对于模型参数的自适应能力，容易使得IMM在模型转换时刻出现较大的估计误差；SPRT基于信息积累的假设检验思想,在丰富的专家知识和充分先验信息的前提下可行实现很好的效果,但故障修复后自适应处理能力比较差,工程应用中不好推广；STF是一种系统状态和参数自适应算法，采用强行残差白化策略实现偏差自适应校正,在一定程度上提升了EKF估计精度,但缺乏对于模型的自适应能力。

2研究现状