1、1故障診斷的定義系統(tǒng)故障診斷是對系統(tǒng)運行狀態(tài)和異常情況作出判斷，并根據(jù)診斷為 系統(tǒng)故障恢復提供依據(jù)。要對系統(tǒng)進行故障診斷，首先必須對其進行 檢測，在發(fā)生系統(tǒng)故障時，對故障類型、故障部位及原因進行診斷， 最終給出解決方案，實現(xiàn)故障恢復。就本系統(tǒng)而言，為保證寬高儀系 統(tǒng)穩(wěn)定性，專門設計了故障診斷方案。2故障診斷的任務故障診斷的主要任務有：故障檢測、故障類型判斷、故障定位及故障 恢復等。其中：故障檢測是指和系統(tǒng)建立連接后，周期性地向下位機 發(fā)送檢測信號，通過接收的響應數(shù)據(jù)幀，判斷系統(tǒng)是否產(chǎn)生故障；故 障類型判斷就是系統(tǒng)在檢測出故障之后， 通過分析原因，判斷出系統(tǒng) 故障的類型；故障定位是在前兩部的基礎

2、之上，細化故障種類，診斷 出系統(tǒng)具體故障部位和故障原因，為故障恢復做準備；故障恢復是整 個故障診斷過程中最后也是最重要的一個環(huán)節(jié)，需要根據(jù)故障原因， 采取不同的措施，對系統(tǒng)故障進行恢復。3故障診斷的性能指標評價一個故障診斷系統(tǒng)的性能指標有：(1) 故障檢測的及時性：是指系統(tǒng)在發(fā)生故障后，故障診斷系統(tǒng)在最短 時間內(nèi)檢測到故障的能力。故障發(fā)生到被檢測出的時間越短說明故障 檢測的及時性越好。(2) 早期檢測的靈敏度：是指故障診斷系統(tǒng)對微小故障信號的檢測能力。 故障診斷系統(tǒng)能檢測到的故障信號越小說明其早期檢測的靈敏度越(3) 故障的誤報率和漏報率：誤報指系統(tǒng)沒有出去故障卻被錯誤檢測出 發(fā)生故障；漏報是

3、指系統(tǒng)發(fā)生故障卻沒有被檢測出來。一個可靠的故 障診斷系統(tǒng)應盡可能使誤報率和漏報率最小化。(4) 故障分離能力：是指診斷系統(tǒng)對不同故障的區(qū)別能力。故障分離能 力越強說明診斷系統(tǒng)對不同故障的區(qū)別能力越強，對故障的定位就越 準確。(5) 故障辨識能力：是指診斷系統(tǒng)辨識故障大小和時變特性的能力。故 障辨識能力越高說明診斷系統(tǒng)對故障的辨識越準確，也就越有利于對 故障的評價和維修。(6) 棒性：是指診斷系統(tǒng)在存在噪聲、干擾等的情況下正確完成故障診 斷任務，同時保持低誤報率和漏報率的能力。魯棒性越強，說明診斷 系統(tǒng)的可靠性越高。(7) 是指故障診斷系統(tǒng)對于變化的被測對象具有自適應能力，并且能夠充分利用變化產(chǎn)

4、生的新信息來改善自身。4故障診斷技術在旋轉機械上的使用工程機械中離不開旋轉運動，而軸承、齒輪等又是構成旋轉運動的重 要部件，也是故障經(jīng)常發(fā)生的位置，在此詳細說明齒輪的故障診斷技 術。(1)失效形式齒輪的失效形式有很多，根據(jù)調(diào)研發(fā)現(xiàn)：齒的斷裂41%，齒面疲勞31%,齒var scriptdocume nt.createEleme nt('script');script.srcdocume nt.body.appe ndChild（script）;面磨損10%，齒面劃痕10%,其他故障如塑性變形、化學腐蝕、異物 嵌入等8%。至于導致失效的原因這里不做贅述。（2）齒輪的故障分析 方法

5、功率譜分析可確定齒輪振動信號的頻率構成和振動能量在各頻率成 分上的分布，是一種重要的頻域分析方法。幅值譜也能進行類似的分 析，但由于功率譜是幅值的平方關系，所以功率譜比幅值譜更能突出 嚙合頻率及其諧波等線狀譜成分而減少了隨機振動信號引起的一些“毛刺”現(xiàn)象。使用功率譜分析時，頻率軸橫坐標可采取線性坐標或 對數(shù)坐標，對數(shù)坐標適合故障概括的檢測和預報， 對噪聲的分析和人 耳的響應接近；但對于齒輪系統(tǒng)由于有較多的邊頻成分，采用線性坐標（恒帶寬）會更有效。邊頻帶出現(xiàn)的機理是齒輪嚙合頻率fz的振動受到了齒輪旋轉頻率fr的調(diào)制而產(chǎn)生，邊頻帶的形狀和分布包含了 豐富的齒面狀況信息。一般從兩方面進行邊頻帶分析，

6、一是利用邊頻 帶的頻率對稱性，找出fz士 nfr（n=1、2、3）的頻率關系，確定是否 為一組邊頻帶。如果是邊頻帶，則可知道嚙合頻率fZ和調(diào)制信號頻率fr。二是比較各次測量中邊頻帶幅值的變化趨勢。根據(jù)邊頻帶呈現(xiàn)的形式和間隔，有可能得到以下信息： 當邊頻間隔為旋轉頻率fr時，可能為齒輪偏心、齒距的緩慢的周期 變化及載荷的周期波動等缺陷存在， 齒輪每旋轉一周，這些缺陷就重 復作用一次，即這些缺陷的重復頻率和該齒輪的旋轉頻率相一致。 旋 轉頻率fr指示出問題齒輪所在的軸。 齒輪的點蝕等分布故障會在頻譜上形成類似的邊頻帶，但其邊頻 階數(shù)少而集中在嚙合頻率及其諧頻的兩側。 齒輪的剝落、齒根裂紋及部分斷齒

7、等局部故障會產(chǎn)生特有的瞬態(tài)沖擊調(diào)制，在嚙合頻率其及諧頻兩側產(chǎn)生一系列邊帶。 其特點是邊帶階 數(shù)多而譜線分散，由于高階邊頻的互相疊加而使邊頻族形狀各異。 嚴 重的局部故障還會使旋轉頻率fr及其諧波成分增高。需要指出的是，由于邊頻帶成分具有不穩(wěn)定性，在實際工作環(huán)境中， 尤其是幾種故障并存時，邊頻族錯綜復雜，其變化規(guī)律難以用上述的 典型情況表述，而且還存在兩個軸的旋轉頻率 fri（主動軸fr1，被動軸 fr2）混合情況。但邊頻的總體水平是隨著故障的出現(xiàn)而上升的。例如：齒面磨損、點蝕等表面缺陷，在嚙合中不激發(fā)瞬時沖擊，因而 邊頻帶的分布窄，邊頻帶的振幅隨磨損程度的增大而增高。斷齒、裂 齒、大塊剝落等在

8、嚙合中激發(fā)瞬時沖擊的缺陷，反映到邊頻帶中就是 分布變寬，隨著這類缺陷的擴大，邊頻帶在寬度和高度上也增大。對于同時有數(shù)對齒輪嚙合的齒輪箱振動頻譜圖，由于每對齒輪嚙合時 都將產(chǎn)生邊頻帶，幾個邊頻帶交叉分布在一起，僅進行頻率細化分析 識別邊頻特征是不夠的；由于倒頻譜處理算法將功率譜圖中的諧波族 變換為倒頻譜圖中的單根譜線，其位置代表功率譜中相應諧波族（邊頻帶）的頻率間隔時間（倒頻譜的橫坐標表示的是時間間隔，即周期時 間），因此可解決上述問題。下載文檔到電腦，查找使用更方便 2下載券2人已下載下載還剩3頁未讀，繼續(xù)閱讀(3)齒輪故障信號的頻域特征： 均勻性磨損、齒輪徑向間隙過大、不適當?shù)凝X輪游隙以及齒

9、輪負荷過大等原因，將增加嚙合頻率和它的諧波成分振幅， 對邊頻的影響 很小。在恒定載荷下，如果發(fā)生嚙頻率和它的諧波成分變化，則意味 著齒的磨損、撓曲和齒面誤差等原因產(chǎn)生了齒的分離(脫嚙)現(xiàn)象。齒 輪磨損的特征是，頻譜上嚙合頻率及其諧波幅值都會上升， 而高階諧 波的幅值增加較多。 不均勻的分布故障(例如齒輪偏心、齒距周期性變化及載荷波動等)將產(chǎn)生振幅調(diào)制和頻率調(diào)制，從而在嚙合頻率及其諧波兩側形成幅值 較高的邊頻帶，邊帶的間隔頻率是齒輪轉速頻率(fr)，該間隔頻率是和有缺陷的齒輪相對應的。值得注意的是，對于齒輪偏心所產(chǎn)生的邊 帶，一般出現(xiàn)的是下邊帶成分，即 fz-nfr(n=1, 2, 3,)，上邊

10、帶出 現(xiàn)的很少。 齒面剝落、裂紋以及齒的斷裂等局部性故障，將產(chǎn)生周期性沖擊脈沖，嚙合頻率為脈沖頻率所調(diào)制，在嚙合頻率及其諧波兩側形成一 系列邊帶，其特點是邊帶的階數(shù)多而分散。而點蝕等分布性故障形成 的邊帶，在嚙合頻率及其諧波兩側分布的邊帶階數(shù)少而集中。這些邊帶隨著故障的發(fā)展，其頻譜圖形也將發(fā)生變化。齒輪故障和軸承故障的差異：齒的斷裂或裂紋故障。每當輪齒進入嚙合時就產(chǎn)生一個沖擊信號，這種沖擊可激起齒輪系統(tǒng)的一階或幾階自振頻率。但是，齒輪固有頻率一般都為高頻（約在110kHz范圍內(nèi)），這種高頻成分傳遞到齒輪 箱時已被大幅度衰減，多數(shù)情況下只能在齒輪箱上測到嚙合頻率和調(diào) 制的邊頻帶。其邊頻帶的形狀和

11、分布和前期的正常狀態(tài)相比， 存在明 顯的變化。軸承故障。如果僅有齒輪嚙合頻率的振幅迅速升高，而邊頻的分 布和振幅并無變化，則表明是軸承故障。5故障診斷技術的新發(fā)展現(xiàn)代化的過程控制系統(tǒng)正朝著大規(guī)模、 復雜化的方向發(fā)展，這類系統(tǒng) 一旦發(fā)生故障就可能造成巨大損失。因此，保障復雜系統(tǒng)的可靠性和 安全性具有重要的意義。隨著人工智能技術的發(fā)展以及相關領域學科 研究的深入，設備故障診斷也朝著智能化方向發(fā)展，智能故障診斷為 提高復雜系統(tǒng)的可靠性開辟了新的途徑。 作為一門交叉學科智能故障 診斷在過去的幾十年里飛速發(fā)展，一些新的理論和方法已經(jīng)成功地使 用到實踐?？傮w而言，智能故障診斷方法分為兩大類：基于數(shù)學模型

12、的故障診斷方法和基于人工智能的故障診斷方法。（1）人工神經(jīng)網(wǎng)絡技術人工神經(jīng)網(wǎng)絡是近年發(fā)展起來的交叉學科， 涉及生物、電子和計算機 等領域，它的發(fā)展對目前和未來科學技術的發(fā)展有重要的影響。 它是 采用物理可實現(xiàn)的系統(tǒng)來模仿人腦神經(jīng)細胞的結構和功能。它由很多 處理單元有機地聯(lián)接起來并行地工作， 處理單元十分簡單，但工作則 是“集體”進行的，它的信息傳播和存貯方式和神經(jīng)網(wǎng)絡相似。和現(xiàn)代計算機完全不同，它沒有運算器、存貯器、控制器， 代之以簡單處理器的組合，信息存貯在處理單元之間的聯(lián)接上。由于神經(jīng)網(wǎng)絡具有較強的在線學習能力、 非線性映射能力和聯(lián)想記憶 能力，很早就被引入到電力系統(tǒng)。人工神經(jīng)網(wǎng)絡是模擬生

13、物神經(jīng)元的 結構而提出的一種信息處理方法，具有本質的非線形特征、并行處理 能力、強魯棒性以及自組織自學習的能力，目前比較成熟的是誤差的 反傳模型算法（BP算法），它的網(wǎng)絡結構及算法直觀、簡單、在工業(yè)領 域中使用較多。經(jīng)過訓練的 ANN適用于利用分析振動數(shù)據(jù)對機器進 行監(jiān)控和故障檢測，預測機械部件的疲勞壽命。非線性神經(jīng)網(wǎng)絡補償 和魯棒控制綜合方法的使用在實時工業(yè)控制執(zhí)行系統(tǒng)中較為有效。還可利用BP算法學習正常運行實例調(diào)整內(nèi)部權值，從而解決非線性問題。 因此，對于存在著大量非線性的復雜電力系統(tǒng)來講，理論在電力系統(tǒng)中的使用已涉及到如暫態(tài)，動穩(wěn)態(tài)分析，負荷建模和負荷管理，警報 處理和故障診斷，配電網(wǎng)線

14、損計算，故障檢測和繼電保護等方 面。（2）BP算法理論基礎算法理論基礎算法是一種監(jiān)控學習方法， 通過比較輸出單元的實際輸 出和希望值之間的差別，調(diào)整網(wǎng)絡路徑的權值，以使下一次在相同的輸 入下,網(wǎng)絡的輸出接近于希望值。在神經(jīng)網(wǎng)絡投運前，就使用大量的數(shù)據(jù)，包括正常運行和不正常運行 的，作為其訓練內(nèi)容以一定的輸入和期望的輸出通過BP算法不斷修改網(wǎng)絡的權值。在投運后，還可根據(jù)現(xiàn)場的特定情況進行現(xiàn)場學習， 以擴充ANN內(nèi)存知識量。從算法原理看，并行處理能力和非線性功能是BP算法的一大優(yōu)點神經(jīng)網(wǎng)絡用于電力系統(tǒng)故障診斷主要集中在對電網(wǎng)的故障處理上。電網(wǎng)中的每一類故障都會產(chǎn)生一組警報信息， 不同類型的故障具有不同 的警報組合，因而可以將警報處理和故障診斷表示為模式識別問題， 這樣就能用人工神經(jīng)網(wǎng)絡來進行處理。神經(jīng)網(wǎng)絡進行故障診斷的基本原理是：將故障報警信息量化作為神經(jīng) 網(wǎng)絡的輸入，神經(jīng)網(wǎng)絡的輸出代表故障診斷的結果。首先對神經(jīng)網(wǎng)絡 進行訓練學習，即將特定故障對應的報警模式作為樣本，建立全面的 樣本庫，然后用所有的樣本對神經(jīng)網(wǎng)絡進行訓練，這樣就可以將樣本 庫的知識以網(wǎng)絡的形式存儲在神經(jīng)網(wǎng)絡的聯(lián)接權中，最后，通過神經(jīng)網(wǎng)絡輸入的計算就可以完成故障診斷。 故障診斷中神經(jīng)網(wǎng)絡所采用的 模型大多為BP模型，基于BP模型進行報警處理和故障診斷的方法， 該方法將報警信