关键词：往复式压缩机；故障诊断方法；振动诊断法；直观诊断法；热力诊断法 文献标识码：A
中图分类号：TH457 文章编号：1009-2374（2016）17-0073-02 DOI：10.13535/ki.11-4406/n.2016.17.035
1 往复式压缩机诊断方法研究现状分析
往复式压缩机是一种应用广泛的通用机械设备，在工作过程中经常由于高耗损引发故障的出现，进而难以维持工作的正常进行，对于故障诊断技术的研究一直以来受到国内外学者的广泛关注。在国内，有的学者通过对往复式压缩机缸盖振动信号进行分析，有的通过对缸内气体压力的影响方面进行分析，有的通过对压缩机常规性能参数的监测和控制方面进行研究，力求改变目前操作人员凭经验判断故障的局面；在国外，美国学者曾提出利用气缸内侧的压力信号图像判断气阀故障及活塞杆的磨损，捷克学者对各个不同类型的压缩机通过建立常规数据库，确定评定参数来判断压缩机的工作状态是否正常。然而，虽然引起各大学者的关注和寻求各种解决办法，但是对故障诊断技术到目前为止还没有一套成熟的得到认可的诊断系统来获取有效特征参数。
2 往复式压缩机常见故障及措施
2.1 排气温度过高
排气温度过高主要是由于使用过程中出现冷却情况或是排气阀泄露造成的。
措施：通过降低进口冷却水的温度或是增大冷却水流量，将冷却水温控制在规定范围内，对冷却器进行定期的零件检查与维修；通过测温装置对排气阀进行温度检测，如果过热，则需拆开气阀进行修理，更换气阀弹簧。
2.2 曲轴断裂
曲轴断裂轴颈与曲臂的圆角过渡处。曲轴断裂产生的原因比较多：曲轴过渡圆角太小，热处理时，圆角处理不到位；圆角有局部断面突变，加工不规则；油孔处出现裂缝，油渗入后使裂缝逐渐扩大，造成断裂；长期超负荷运转，减少使用寿命。
措施：适当增大曲轴的过渡圆角，热处理保持均匀；提高曲轴加工质量和精确度；提高曲轴油孔的加工质量；从压缩机使用情况来讲应充分考虑曲轴强度问题，禁止超负荷运转。
2.3 轴承过热
轴承过热主要是由轴承间隙过小，油形成不了油膜，起不到冷却的作用或是油泵出现故障造成断油及油路堵塞等问题，致使轴承产生热量引起的。轴承过热将加快摩擦，产生的热量不断积累烧毁摩擦面造成重大事故。
措施：及时对轴承间隙做调整，将间隙控制在合适的范围内；提高油黏度，定期对油泵进行检查，疏通油路，促使轴承得到良好的。
2.4 连杆螺栓断裂
连杆螺栓断裂的原因表现在安装或检修螺栓紧固时产生偏斜，承受不均匀的载荷；长期使用产生塑性变型；连杆螺帽松动或开口销折断，连杆螺栓因承受过大的冲击而被拉断。
措施：应使连杆螺帽的端面与连杆体上的接触面紧密配合，必要时用涂色法进行检查；定期检查连杆螺栓的受力和变型情况；安装或检修后，连杆螺栓一定要拧紧，必要时穿上新的开口销，以免松动。
2.5 气流脉冲引起的管路振动
气流脉冲引起的管路振动是由气流的脉动性和压缩机未被平衡的惯性力和力矩两方面引起的振动。
措施：注意弯管和异径管的正确设计，使设计的管路长度要避开共振管长；现场采取消振措施，可增设缓冲器，还可以加节流孔板，或适当增设管路支架来起到减振作用。
3 往复式压缩机故障诊断方法
3.1 振动诊断法
出现故障的往复式压缩机在振动及噪音上会出现差异性，通过对差异性的掌握可有效对往复式压缩机进行故障诊断。针对往复式压缩机在振动及噪音方面的不同表现研制出对其进行监测的振动监测仪，但在使用过程中振动频率过大，存在噪音不受控制、信号不平稳等因素，使得振动监测仪仍处于实验阶段，尚未全面普及。
3.2 直观诊断法
作为往复式压缩机故障诊断方法中最基础的一种诊断方法，主要是工作人员通过身体感官（眼睛看、耳朵听）及自身经验来诊断故障，这种诊断方法在准确度上存在瑕疵，适用于故障的初步诊断或是在没有检测装置情况下进行应急使用。目前压缩机机械设备逐渐向自动化方向发展，直观诊断法缺乏科学性，对诊断往复式压缩机故障起不到关键性的作用。
3.3 热力诊断法
热力诊断法是借助仪器对往复式压缩机各项数据进行测量和分析，以达到故障诊断的目的，包括对压缩机的油温、水温、排气量、冷却水量等数据信息的监测。在对往复式压缩机进行数据收集时，由于不同部件出现故障在数据上表现不同，采用热力诊断法在诊断和预测故障时容易缺乏准确性，目前主要应用于压缩机的运行状态和监测参数等方面。
3.4 油液诊断法
油液诊断法是一种比较特殊的故障诊断方法，包括油液中磨损信息分析和油液物理化学性能分析两方面。诊断过程中，有关人员对往复式压缩机中的油液进行取样，通过对油液自身属性的分析和油液磨损信息的了解，掌握往复式压缩机在运行中是否存有故障。在对油液进行分析时需引入大量现代的高新技术仪器，才可确保油液诊断的准确性。
3.5 人工智能诊断法
该诊断方法是往复式压缩机故障诊断过程中应用最频繁的一种方法，具有易于构造、预测简单、解释机制强等优势，同时也具有推理机制简单、专家知识不够精确等缺陷，人工智能诊断法是在专业知识和大量实践经验的基础上建立一套具有人工智能的计算机程序，主要用于解决难度较大且复杂的故障问题。但人工智能诊断系统主要收集的是专家的意见，不能对知识进行判断，容易产生错误的知识应用，造成故障诊断失败。
4 往复式压缩机故障诊断过程中的注意事项
4.1 完善诊断方法
从事往复式压缩机故障诊断的技术人员，具有一定的技术优势，但是对理论知识的掌握存在不足，不利于新技术的使用，导致系统诊断方法过于单一，应要求相关技术人员通过企业培训或是网络课程的学习来增强理论知识的学习与技术的创新，进而推动往复式压缩机故障诊断工作的提升，同时还应加强计算机辅助实验的开发工作。
4.2 强化全面诊断
通过对往复式压缩机诊断方法的研究发现，各种诊断方法在诊断过程中都存在一定的缺点，不能做到对故障的全面诊断，要求有关人员在进行往复式压缩机诊断过程中注重全面性，采取小波分析、人工智能理论等多种分析技术相结合的方法，通过多种技术交叉应用的方法弥补诊断上的片面性。
4.3 避免诊断失误
在往复式压缩机故障诊断的过程中，工作人员主要是对收集的信息进行确定分析，以达到准确的故障检测的目的。但是在日常工作过程中，由于设备的落后、人员的疏忽等，故障监测准确率不高，间接采集到的信息带有一定程度的不确定性，常常会出现误诊。因此，要想保障往复式压缩机故障的诊断，就要对往复式压缩机的故障信息进行准确的收集，提高信息的正确性。
同时，对于往复式压缩机的在线状态监测及故障诊断问题，还应加深识别理论的研究与定量关系的研究，包括对气阀的故障诊断、前期裂纹存在的预测、不同裂纹的类型长度等进行深入研究。加强对传感器与监测仪的研制，建立系统的数学模型，通过振动分析获得往复式压缩机故障诊断与参数之间的对应关系。
参考文献
[1] 程艳霞，铁占续，孙付伟，等.往复式压缩机故障诊断方法研究综述[J].仪器仪表用户，2006，（5）.
[2] 付希涛.往复式压缩机故障诊断研究与展望[J].技术与市场，2014，（7）.
[3] 黄敏.往复式压缩机状态监测与故障诊断分析[J].设备管理与维修，2016，（1）.
【关键词】极限学习机 故障诊断 神经网络
引言
随着设备复杂化程度的提高，对故障诊断的快速性和准确性提出了更高的要求。将神经网络应用于故障诊断中已成为一个非常活跃的研究领域。利用神经网络强大的分类能力，进行故障模式的分类与学习，诊断出故障。
Huang在前人研究的基础上提出了一种称为极限学习机（Extreme Learning Machine，ELM）的学习方法，在保留计算精度的同时可以大幅度的缩减训练的时间。将ELM运用到设备故障诊断中，极大提高了诊断的快速性和准确性。
一、极限学习机研究现状
ELM自2004年提出就一直受到学者的极大兴趣。我们从ELM的理论和应用两方面进行阐述。
1.1 ELM的理论
对于传统ELM算法，网络结构、激活函数类型以及隐层神经元的选择对其泛化性能都有重要的影响。为了提高计算效率，使得ELM适用于更多应用领域，研究者提出了许多ELM扩展算法。
1.2 ELM的应用
研究人员已尝试利用ELM方法解决现实中各种模式分类问题。随着ELM自身理论的进一步发展和完善，在人脸识别、文本分类、医疗诊断等领域中应用广泛。
二、故障诊断技术研究现状
故障诊断技术是由于建立监控系统的需要而发展起来的。其发展至今经历了3个阶段。新的诊断技术带来了领域内算法的革新，设备精密程度的提高也对诊断实时性提出了更高的要求。如何保证故障的快速准确诊断成了诊断技术发展重要内容。
基于神经网络的故障诊断运用广泛，然而传统的神经网络学习方法存在许多问题。与传统的神经网络相比，极限学习机方法通过随机选取输入权值及隐层单元的偏置值，可以产生唯一的最优解，并具有参数易于选择以及泛化能力好等特点，在众多领域有着广泛应用。
三、基于极限学习机的故障诊断方法研究
3.1基于ELM的故障诊断流程
（1）数据预处理。按照选取的特征向量和故障类型对故障样本进行预处理，并将处理后的样本按比例分为训练样本集和测试样本集。
（2）ELM的学习算法主要有以下3个步骤：确定隐含层神经元个数；随机设定输入层与隐含层间的连接权值和隐含层神经元的偏置；选择隐含层神经元激活函数，进而计算隐含层输出矩阵计算输出层权值。
（3）用训练好的ELM模型对测试样本集进行分类，并输出分类结果。
3.2基于改进ELM的故障诊断
针对极限学习机神经网络初始权阈值对算法性能的影响问题，提出融合遗传算法（GA）与粒子群算法（PSO）的GA-PSO算法，用于优化ELM神经网络初始权阈值。该算法将群组一分为二，分别采用GA和PSO算法，再将优秀个体进行合并，改善了PSO算法全局搜索能力，同时增强GA算法的局部搜索效能。
关键词：煤矿；电气控制线路；检修
中图分类号：X752 文献标识码：A
对于电气控制而言，其指的是使用电气自动控制的方式来对生产过程进行控制，而对于电气控制线路，则是将各有触点的继电器、接触器和按钮等电气元件通过导线按照特定的方式连接起来组成的控制线路。该类控制线路故障的诊断是一项技术性较强的工作，也是实际工作中一项十分重要的工作。
一、故障调查法
对于电气设备控制电路一旦有故障的发生，切忌不要出现盲目的乱动或者盲目的自己操作，在进行检修之前需要对该控制线路的故障情况进行详细的检查和询问，对于具体的方法而言，我们可以分为望、问和摸、听和闻、切。望：首先弄清电路的型号、组成及功能。例如输入信号是什么? 输出信号是什么? 什么元器件受命令? 什么元器件检测? 什么元件执行? 各部分在什么地方? 操作方法有哪些等。这样可以根据以往的经验，将系统按原理和结构分成几部分，再根据控制元件的型号如接触器、PLC、时间继电器，大概分析其工作原理。检查触头是否烧蚀、熔毁，线圈是否发热、烧焦，熔体是否熔断、脱扣器是否脱扣等; 其他电子元件是否烧坏、发热、断线，连接螺钉是否松动、电动机的转速是否正常。然后对系统故障进行初步检查。检查内容包括: 系统外观有无明显操作损伤，各部分连线是否正常，控制柜内元件有无损坏、烧焦，有无松脱等。问和摸: 询问操作人员故障发生前后电路和设备的运行状况，故障发生时的迹象，如有无烟、火花及异常振动; 故障发生前后有无频繁起动、制动、正反转、过载等现象，询问系统的主要功能、操作方法、故障现象、故障过程、内部结构，其它异常情况、有无故障先兆等，通过询问，往往能得到一些很有用的信息。刚切开电源后，尽快触摸检查线圈、触头等容易发热的部分、看温升是否正常。闻和听: 听一下电路工作时有无异常响动，如振动声、摩擦声、放电声以及其他声音。用嗅觉器官检查有无电气元件发热和烧焦的异味。这对确定电路故障范围十分有用。在电路和设备还能勉强运转而又不致于扩大故障的前提下，可通电起动运行，倾听有无异响，如有应尽快判断异响的部位后迅速关闭电源。切: 即检查电路。
二、结构、原理分析检查法
1、依照结构及原理查找故障
在进行故障的检修时，需要先从主电路处着手，看拖动该设备的几个电动机是否正常，然后逆着电流方向检查主电路的触头系统、热元件、熔断器、隔离开关及线路本身是否有故障，接着根据主电路与控制电路的控制关系，检查控制回路的线路接头、自锁或连锁触点、电磁线圈是否正常，检查制动装置、传动机构中工作不正常的范围，从而找出故障部位。如能通过直观检查发现故障点，如线圈脱落、触头( 点) 、线圈烧毁等，则检修速度更快。
2、从动作程序检查故障
通过调查、断电检查无法找到故障点时，可对电气设备进行通电检查。通电检查前要先切断主电路，让电动机停转，尽量使电动机和其所传动的机械部分脱开，将控制器和转换开关置于零位，行程开关还原到正常位置，然后用万用表检查电源电压是否正常，有没有缺相或严重不平衡。进行通电检查的顺序为先检查控制电路，后查主电路; 先检查辅助系统，后检查主传动系统; 先检查交流系统、后检查直流系统; 先检查开关电路，后检查调整系统。通电检查控制电路的动作顺序，观察各元件的动作情况，或断开所有开关，取下所有熔断器，然后按顺序逐一插入要检查部位的熔断器，合上开关，观察各电气元件是否按要求动作。
三、电气仪表检测法
此种方法主要指的是利用仪器仪表作为辅助工具，以此来对煤矿电气线路故障进行判断的检修方法。由于仪器仪表种类很多，且有日新月异之势，故检测法发展很快，准确率大大提高，手段也日益增多。但比较常用、比较实用的方法仍为利用欧姆表、电压表和电流表对电路进行测试。
1、电阻法
此类方法的原理是在被测线路两端加一特定电源，则在被测线路中有电流通过。被测线路的电阻越大，流过的电流就越小。反之，被测电阻越小，流过的电流就越大。这样在测量电路中，串接电流表，就可以根据电流表电流的指示换算出电阻的大小。由于换算中，电流和电阻是一一对应关系，故可直接在电流表的刻度盘上标出电阻的大小。
2、电压法
在进行电路的加电时，不同点之间的电压也不同。如果在电压不同的两点之间接入一个电阻不为无穷大的支路时，支路中就会有电流通过，通过串接在支路中的电流表的读数，就可推知此时的电压值。一般直接在刻度盘上标出电压值。
3、电流法
电路在正常工作时，导线中有电流流过，其大小反映了电路的工作状态。为了测量电路中的电流，常在电路中串接电流表，然后通过电流表读出电路的电流。工作中应充分发挥仪表检查故障的作用，仪表检测法具有速度快、判断准确、故障参数可量化等优点，例如判断电路是否通断，电动机绕组、电磁线圈的直流电阻，触头( 点) 的接触电阻等是否正常，可用万用表相应的电阻挡检查。对于电动机三相空载电流、负载电流是否平衡，大小是否正常，可用钳型电流表或其他电流表检查; 对于三相电压是否正常、是否一致，对于工作电压、线路部分电压等可用万用表检查; 对线路、绕阻的有关绝缘电阻，可用兆欧表检查等。
四、工作经验法
1、弹压活动部件法
主要用于活动部件，如接触器的衔铁、行程开关的滑轮、按钮、开关等。通过反复弹压活动部件，使活动部件灵活，同时也使一些接触不良的触头进行磨擦，达到接触导通的目的。
2、元件替换法
对于值得怀疑的元件，可采用替换的方法进行验证。如果故障依旧，说明故障点怀疑不准，可能该元件没有问题。但如果故障排除，则与该元件相关的电路部分存在故障，应加以确认。
结论
实际的煤矿电气控制线路进行维修时，我们会发现造成电气电路发生故障的原因多种多样，既有明显的、也有隐蔽的，有的简单、有的复杂。维修中应灵活使用上述诊断方法，仔细观察电路故障的特征和表现，探索故障发生的规律，找出故障点，从而顺利排出故障。
参考文献:
[1] 黄莹.浅谈煤矿电气控制电路检修的方法[J].科技信息.2010(30)
[2] 冯洁.试论煤矿电气控制电路常见问题及解决策略[J].黑龙江科技信息.2010(20)
[3] 陈孔明,王家旺,张明.矿用隔爆型真空电磁启动器的检修方法及技术[J].机电信息.2011(12)
[4] 韩艳娟,宋建成.基于信息融合技术的煤矿主通风机故障参数检测系统[J].工矿自动化.2009(07)
[5] 于秀娟.煤矿井下电气设备防爆探讨[J].价值工程.2010(33)
[6] 张保香.煤矿电气设备管理要点探析[J].行政事业资产与财务.2011(14)
关键词：故障诊断 维修体系
中图分类号：TH17 文献标识码：A 文章编号：1672-3791（2012）09（c）-0213-01
现代高技术局部战争表明，可靠性、维修性和保障性是提高武器装备战备完好性和快速出动能力的基础，也是武器装备形成战斗力的前提条件。综合故障诊断维修体系是实现武器装备可靠性、维修性和保障性的重要技术手段和发展方向。国外在新一代战机中广泛使用了综合故障诊断维修保障技术。
1 综合故障诊断维修体系在外军战机中的应用
美国B-1A飞机采用了机载中央综合测试系统（CITS），CITS是一个与飞机航空电子系统和非航空电子系统相连、但又完全独立的测试系统。它是通过一个机载数字计算机和一个存储的实时软件来对飞机实施测试，该系统具有下述能力：测试并检查飞机分系统在飞行中和地面上的性能；向机组人员显示故障分系统的使用模式；识别故障并将其隔离到故障的LRU（利用机载手段）；在尽可能不使用地面设备的情况下，为地面进行故障识别和隔离（LRU）提供测试数据和测试结果；记录故障及趋势数据并打印故障数据。为了完成上述功能，CITS可提供下述三种情况的信息：飞行中飞机的性能信息、地面时飞机的战备完好性信息和故障隔离信息[1]。
俄罗斯SU-37、SU-47飞机采用综合信息系统，使整个装备故障定位可达到单个的插件级。在飞行中发生故障时，综合信息系统的显示器将向飞行员提供有关故障和建议如何纠正的信息或指示下一步的操作，这些信息同时以语音形式给出。
“阵风”是21世纪法国海空军的主力战斗机，在可靠性、保障性、测试性、持续能力和机动部署能力等方面都进行了较大改进。“阵风”飞机上的所有系统都由集成在任务计算机中的状态监测系统（HMS）进行实时监控，可对故障进行精确的定位。该系统还对机体的部件进行单个跟踪，监控疲劳情况。这种独特而完全自动化的监控系统有助于缩短飞机的再次出动准备时间，便于排故和修理，大大减少对地面保障设备的需求。测试性目标要求可达到95%的故障检测率，并能检测所有安全关键的故障。
F-22是美国空军用以代替F-15的第四代战斗机，是美国21世纪空军的主战飞机。F-22采用机载综合诊断系统，具有广泛的机内检测（BIT）能力，如在发动机和机身上、航空电子系统中可分别产生15000个故障报告，诊断系统可以深入到外场可更换模块（单个的电路板）级确定故障。该系统还有各种机内检测传感器、故障过滤器和重要故障数据记录。通过故障过滤器，可以确定某个故障是否足够严重，需要向驾驶舱里的飞行员发出提示或警告。通过故障数据记录，使维修人员准确掌握部件何时失效。
F-35多用途联合攻击机（JSF）是美国国防部的最新战术飞机，和F-22一起构成21世纪的主战飞机。在JSF中全面引入飞机故障预测和完好状态管理系统，其基本思想就是采用先进的传感器技术、飞机实时故障监测和预测技术、多传感器数据融合技术等对飞机飞行过程中的故障和飞机状况进行实时监测和预报，对飞机剩余寿命进行预测；向地面实时传输记录的故障数据，实现地面的预测维修和后勤保障，即实现了故障诊断、维修和后勤保障的一体化。该系统可增加系统的安全性，减少寿命周期成本。在工业和武器装备领域，21世纪将是以先进的传感器技术和故障分析技术为基础的故障预测和完好状态管理系统的时代。JSF中综合诊断的目标是与现有攻击机相比，减少人力需求20%～40%，增加作战出动架次25%，减少后勤保障复杂度50%[2]。
2 外军战机综合故障诊断维修体系的发展趋势
综合外军作战飞机的故障诊断体系结构和技术，其发展趋势表现为以下几个方面。
（1）数字化。以计算机为中心的故障检测与诊断自动化，带来故障诊断和维修保障过程技术数据的数字化，可改善飞机装备的保障能力，缩短保障时间，提高新一代飞机装备的战备完好性，降低装备的使用和保障费用。如交互式电子技术手册（IETMS）的使用等。
（2）综合化。飞机设计、制造、故障诊断、维修和后勤保障过程信息的综合化，以及诊断、维修和后勤保障的综合化，可提高故障诊断的准确性和速度以及维修和后勤保障的效率，减少飞机的寿命周期成本。
（3）层次化。飞机故障诊断通过机载实时诊断、地面综合诊断相结合的层次结构来实现。机载实时诊断系统完成对飞机飞行过程中故障的实时检测、隔离和系统重构，为地面诊断提供初始诊断基础；地面诊断系统则根据各种信息对飞行中的可疑故障进行深层次的综合诊断，可提高故障诊断的准确度和速度，减少维修工作量和时间。
（4）网络化。利用当今快速发展的数字化通信、网络传输等信息技术来完善故障诊断、维护和后勤保障体系，已成为一条必由之路，如美国在JSF等新机中通过网络传输实现机载诊断和地面诊断、维修和后勤保障的综合，实现自治后勤系统等。
（5）仿真化。建模仿真与虚拟现实技术在故障诊断、维修保障领域的应用具有广阔的前景。它不仅可用于系统指标论证、方案权衡、分析与设计，还可用于系统的试验验证与评价，系统的使用培训等方面，从而大大提高设计与分析的精度、缩短研制周期、降低寿命周期费用。
（6）智能化。人工智能技术在各种武器装备的发展中得到了广泛应用，使各种系统具有在复杂状态下进行自动处理和推理以完成规定功能的能力，实现智能化。在新一代作战飞机的故障监测、诊断、容错与系统重构以及维修保障管理中大量使用包括模糊逻辑、神经网络、智能体、信息融合、数据挖掘等在内的人工智能技术，可提高故障诊断的速度和准确率以及维修保障的效率，其中智能传感器是重要基础[3]。
（7）小型化。美军在F-22以及JSF等新机中大量使用便携式诊断维修辅助设备（PMA），可进行诊断维修技术数据的存储、分析和显示，系统状态监测与预报，飞行计划数据的上传和飞行数据的下载，对故障隔离和维修过程进行指导，进行部件的查询和订购等。PMA是野战环境下飞机外场诊断维修的重要设备，在美国国防部的武器装备项目中得到广泛的应用。
参考文献
[1]杨君，等.装备智能故障诊断技术[M].国防工业出版社，2004，8.
【关键词】液压系统；现状；发展趋势；故障诊断技术
一、液压系统故障诊断技术发展现状
液压系统故障诊断技术是随着液压设备不断高度自动化和复杂化以及对液压系统工作可靠性要求越来越高而发展起来的，是针对现代液压设备需要及时排除液压故障而提出来的，是将医疗诊断中的基本思想推广到液压工程技术而形成的，是建立在液压控制理论，信息理论和电子技术、传感器技术、人工智能技术等基础上的一门综合性新技术。液压传动是三大传动技术之一，与机械传动、电力传动相比，液压传动系统具有其独特的优点，即广泛的工艺适应性、优良的控制性能和较低廉的成本，并且功率大、响应快、精度高，已经广泛应用于冶金、制造等领域。
二、液压系统的故障原因分析
（1）主观诊断法。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。这种方法要求诊断人员掌握丰富的故障机理知识和诊断经验，需利用系统或元件的结构、模型和功能等方面的知识，综合分析才能了解。（2）基于模型诊断法。基于模型的诊断法是先运用一定的数学手段描述系统某些可测量特征量，这些特征量在幅值、相位、频率及相关性上与故障源之间存在着联系，然后通过测量、分析、处理这些特征量信号，来判断故障源所在。这种方法实质上是以传感器技术和动态测试技术为手段，以信号处理和建模处理为基础的诊断技术。（3）智能诊断技术。液压系统故障智能诊断技术是人工智能技术在液压系统故障诊断领域中的应用，它是计算机技术和液压系统故障诊断技术相互结合与发展进步的结果。智能诊断的本质特点是模拟人脑的机能，又能比人脑更有效地获取、传递、处理、再生和利用故障信息，成功地识别和预测诊断对象的状态。因此，智能诊断技术是液压系统故障诊断的一个极具生命力的发展方向。目前的智能诊断研究主要从两个方面开展：基于专家系统的故障智能诊断技术和基于神经网络的液压系统故障智能诊断技术。
三、液压故障诊断技术发展趋势
（1）多种知识表示方法的结合。近几年来，在面向对象程序设计技术的基础上，发展起来了一种称为面向对象的知识表示方法，为这一问题提供了一条很有价值的途径。在面向对象的知识表示方法中，传统的知识表示方法如规则、框架、语义网络等可以被集中在统一的对象库中，而且这种表示方法可以对诊断对象的结构模型进行比较好的描述，在不强求知识分解成特定知识表示结构的前提下，以对象作为知识分割实体，明显要比按一定结构强求知识的分割来得自然、贴切。（2）经验知识与原理知识的紧密结合。关于深浅知识的结合问题，可以各自使用不同的表示方法，从而构成两种不同类型的知识库，每个知识库有各自的推理机，它们在各自的权利范围内构成子系统，两个子系统再通过一个执行器综合起来构成一个特定诊断问题的专家系统。这个执行器记录诊断过程的中间结果和数据，并且还负责经验与原理知识之间的“切换”。这样在诊断过程中，通过两种类型知识的相互作用，使得整个系统更加完善，功能更强。（3）多种智能故障诊断方法的混合。混合智能故障诊断系统的发展有如下趋势：由基于规则的系统到基于混合模型的系统、由领域专家提供知识到机器学习、由非实时诊断到实时诊断、由单一推理控制策略到混合推理控制策略等。（4）虚拟现实技术将得到重视和应用。虚拟现实技术是继多媒体技术以后另一个在计算机界引起广泛关注的研究热点，它有四个重要的特征，即多感知性、对存在感、交互性和自主性。从表面上看，它与多媒体技术有许多相似之处。（5）数据库技术与人工智能技术相互渗透。人工智能技术多年来曲折发展，虽然硕果累累，但比起数据库系统的发展却相形见绌。其主要原因在于缺乏像数据库系统那样较为成熟的理论基础和实用技术。人工智能技术的进一步应用和发展表明，结合数据库技术可以克服人工智能不可跨越的障碍，这也是智能系统成功的关键。对于故障诊断系统来说，知识库一般比较庞大，因此可以借鉴数据库关于信息存储、共享、并发控制和故障恢复技术，改善诊断系统性能。
关键词：电气设备 监测 故障 诊断
随着我国高压、超高压、大容量电网的不断发展，供电系统的稳定性和可靠性对电力设备的安全可靠运行提出了更高的要求，同时，由于电力用户对供电质量要求的不断提高，电气设备故障造成的损失和影响也越来越大。因此，采用现代化的电气设备运行状态实时监测技术，及时发现设备的异兆、对故障进行诊断分析，并采取相应措施，对保证电气设备的安全和整个供电系统的可靠稳定运行都具有十分重要的意义。
一、电气设备状态检测机理研究
1.电气设备状态监测的基本原则
（1）电气设备的维护需要统筹考虑。由于电气设备的特殊性，无论是全面的预防性试验还是拆装性检修，一般都要求设备退出运行。所以，在设备的监测维护过程中要考虑各种设备间的相互关联和影响，统筹安排电气设备的检修工作，将检修的周期和项目上升到管理策略的层面，尽可能的保证设备的可用性，减少电气系统的停电时间。
（2）采用综合的设备状态信息获取方法。反映设备的状态信息应来自于，在线监测获取信息，各项试验获取信息，设备家族缺陷事故记录信息，不良运行工况记录信息。这是一个综合的信息来源，各项信息依其对设备状态的准确反映以权重反映，信息也应考虑折旧，越新的设备折旧越小。
（3）建立数字化管理体系。状态检修主要包括设备信息获取、综合诊断、检修管理。建立数字化管理体系才能引入智能综合诊断和检修管理系统，才能适于未来发展的需要，前述的量化的设备状态评价体系就是为建立数字化管理体系奠定基础，实际上，建立数字化管理体系就是建立数字化综合诊断，数字化检修管理系统。
2.实施状态监测的基本策略
状态检修的基础是进行状态分析，在状态分析前首先要分析状态信息包含的内容。状态信息包括预防性试验、不良运行工况记录、缺陷记录、检修记录、家族质量记录、在线监测等几个方面。状态分析的目的就是基于上述状态信息包含的指标，对设备的状态做一个初步的评价，为是否检修提供依据，而设备存在缺陷的准确诊断结果需要在检修前后根据实际情况综合分析后给出。设备状态一般从状态试验数据、不良运行工况记录和家庭质量缺陷记录三个方面采用百分制综合评分的方式确定。综合评分≤30应立即安排检修，综合评分介于31～55之间应在三个月内安排检修，介于56～75之间的设备应按计划优先安排检修，介于86～100之间的可延期检修。
3.在线监测数据与状态检修的融合
对于单一设备的在线监测数据融合一般应将数据传送到电厂综合信息管理系统（MIS），通过电厂综合管理系统将在线监测数据与状态检修系统融合在一起；对于多设备、多系统的在线监测的数据融合应先建立内部设备状态监测中心，由监控中心实施对全部前端站的控制，同时由监控中心的监测工作站实施在线监测数据与状态检修的融合。
二、电气设备故障诊断方法
关键词： 旋转机械； 故障分析； 诊断； 局限性
中图分类号： th165 文献标识码： b 文章编号： 1009-8631（2013）01-0038-01
1 引言
旋转机械如：汽轮机、发电机、离心压缩机、风机等，是工业部门中应用最为广泛的一类机械设备，在电力、能源、交通、国防及石油化工等领域发挥着无可替代的作用。随着科学技术的发展，旋转机械正在向大型化、综合化（在同一台设备中多种技术的应用）、连续化（从投料到产品整个过程的连续化）、自动化（操作、检测等的非人工化）、严格化（如技术指标严格化）的方向发展，造成设备构造复杂，零部件之间的联系更加紧密。在设备复杂化的同时，发生故障的潜在可能性和方式也在相应增加，且故障一旦发生，就可能引起连锁反应，导致设备甚至整个生产过程不能正常运行乃至破坏，轻则造成巨大的经济损失，重则导致灾难性的人员伤亡和社会影响。近年来，国内外因设备故障而引起的灾难性事故仍时有发生，如2003年，国内某钢铁企业高线初轧机因一齿轮箱主输出轴轴承破碎，造成设备紧急停机68小时，直接经济损失1500万元以上。2001年阜新电厂2号机组断轴事故的发生，给电厂带巨大的经济损失。1988年我国秦岭电厂zoomw汽轮发电机组因振动引起的断轴毁机事件。灾难性事件的不断发生，使人们认识到对大型机械装备实施在线监测与故障诊断的必要性。
2 现行故障识别与诊断分析方法简介
当前，故障识别与诊断决策过程中采用的方法较多，按照它们隶属的学科体系，大体可分为三类：基于控制模型故障诊断、基于模式识别故障诊断及基于人工智能故障诊断。它们具体的诊断方式如下：
2.1基于控制模型的故障诊断。对于一个旋转机械系统，若通过理论或实验方法能够建立其模型，则系统参数或状态的变化可以直接反映该系统及其动态过程，从而为故障诊断提供依据。基于控制模型的故障诊断方法主要涉及到模型建立、参数与状态估计和观测器应用等技术。其中，参数与状态估计技术是该方法的关键"参数估计的参数包含两类：第一，系统参数，即描述系统动态特性的参数。基于系统参数估计的故障诊断方法与状态估计方法相比较，前者更有利于故障的分离，但是它也存在不足之处：求解物理元件参数很困难；系统故障引起系统模型结构和参数变化的形式是不确定的，目前还缺少有效的方法。第二，故障参数，即用于描述系统出现的故障时信号自身特性的参数。其基本思想是：对故障系统构造适当形式的包含有可调参数的状态观测器，并使其处于零状态"当系统发生故障时，用观测器中的可调部分来补偿故障对系统状态和输出的影响，使得观测器在系统处于故障状态下仍然保持零状态观测误差，此时观测器中可调部分的输出即为故障参数的估计结果。使用该方法的优点是可对故障信号进行在线建模，但是当系统出现强非线性时，目前仍无有效算法。
2.2基于模式识别的故障诊断。故障诊断实质上是利用被诊断系统运行的状态信息和系统的先验知识进行综合处理，最终得到关于系统运行状况和故障状况的综合评价过。如果事先对系统可能发生的故障模式进行分类，那么故障诊断问题就转化为模式识别问题。当系统的模型未知或者非常复杂时，模式识别则为解决故障诊断问题提供了一种简便有效的手段。基于模式识别的故障诊断方法主要分为统计模式识别和句法模式识别两大类，它们在旋转机械故障诊断领域中得到广泛应用。基于bayes分类器的统计模式识别法是旋转机械故障诊断中一种经典方法。
2.3基于人工智能的故障诊断。基于人工智能故障诊断的研究主要分为两类：基于知识（符号推理）的故障诊断和基于神经网络（数值计算）的故障诊断。首先，基于知识的故障诊断大致包含两种情况：基于浅知识的专家系统和基于深知识的专家系统。前者是以领域专家和操作者的经验知识为核心，通过演绎推理来获取诊断结果。其特点是利用领域专家的知识和经验为故障诊断服务，但是这种方法具有较大的局限性，如知识集不完备，过于依赖领域专家等。而后者则要求诊断对象的每一个环节具有明确的输入输出表达关系，诊断时首先通过诊断对象的实际输出与期望输出之间的不一致，生成引起这种不一致的原因集，然后根据诊断对象领域中
第一定律知识（具有明确科学依据知识）及其内部特定的约束关系，采用一定的算法，找出可能的故障源。它比前者具有更大的优越性，但其搜索空间大，推理速度慢。其次，基于神经网络的故障诊断作为一种自适应的模式识别技术，人工神经网络以其全新的信息表达方式、高度并行分布处理、联想、自学习及自组织等能力和极强的非线性映射能力使它渗透到科学技术的各个领域。人工神经网络在机械故障诊断中的应用主要集中在三个方面：一是从模式识别角度应用神经网络作为分类器进行故障诊断；二是从预测角度应用神经网络作为动态预测模型进行故障诊断；三是从知识处理角度建立基于神经网络的诊断专家系统。如采用径向基函数网络、概率神经网络和自适应特征映射网络作为分类器对旋转机械故障进行研究。
3 现行故障信号诊断分析方法的局限性
大型旋转机械在运行过程中易受到噪声、速度突变、结构变形及摩擦的变化等因素影响，尤其是在发生故障的情况下，从机械设备测得的振动信号往往表现出非线性非平稳特征，深入考虑目前用于旋转机械振动信号处理的前述方法，对于全面提取旋转机械振动特征信息而言仍然存在着一定的局限性：首先fft谱分析仅反映了振动信号整体的统计特性，频谱中无法体现非平稳时频细节，且频谱分辨率受到限制；其次、arma时序模型虽然可以推广应用于某些非线性、非平稳振动信号的特征提取，但应用中建模复杂、阶数选择和计算量之间矛盾等问题，制约了该方法的实用性，不宜在大型旋转机械状态监测和故障诊断中应用；对于短时傅里叶变换通过对信号的分段截取来处理时变信号，是基于对所截取的每一段信号认为是线性、平稳的。因此，严格地说，短时傅里叶变换是一种平稳信号分析法，只适用于对缓变信号的分析；最后，小波变换虽然在机械故障诊断领域得到了成功应用，但由于存在小波基等参数的选择敏感性、非自适应性等特点，制约了小波变换的应用性能。此外，小波变换本质上是窗口可调的傅立叶变换，其小波窗内的信号则视为平稳状态，因而没有摆脱傅立叶变换的局限。
参考文献：
关键词 信息;航空发动机;故障诊断;措施
1.前言
文章作者把信息融合技术应用在了航空发动机故障诊断过程中，并且提出了基于信息融合技术故障诊断系统，充分利用信息融合技术能够为航空发动机提供更多数据来予以融合，目的是为获得精度高的逼近值，以实现对航空发动机的故障诊断。希望本文的论述可以为今后航空发动机安全运行及控制系统设计提供更多有价值的参考和借鉴。
2.当前国内外对航空发动机故障诊断研究现状的分析
2.1国内研究现状
通过研究表明，显示气路部件故障占发动机整体故障的大部分。所以，当前国内外大部分发动机健康管理探究主要集中在监控发动机气路性研究上。根据系统结构划分可分为两类，即机载子系统与嵌入式地面子系统。其中，前一种系统的主要功能为搜集、实时数据，对飞行状态进行实时监控和诊断;而地面子系统的主要功能是参照实时飞行数据、历史飞行数据、维护数据做深入分析。我国在飞行器检测方面的研究起步相对较晚，自20世纪80年代，我国一些科研院校开始对其进行研究。如：在上世纪90年代初，我国国防科技大学提出了液体火箭发动机健康管理系统，即HMS，同时也是首个具有故障检测的功能。
2.2国外研究现状
在欧、美等多个国家，已在非航空与航空燃气涡轮发动机中引入了航空发动机故障诊断系统。例如：早在1969年，美国GE公司便把状态监视系统应用在了T-700-GE-700的涡轴发动机上;在经过十年的研究与发展，在F404-GE-400涡扇发动机上应用了监视系统与寿命跟踪系统;而到了1985年，GE公司又提出了ADEPT系统;自1994年开始由最初的6.1版本升级到了10.1版本。
3.信息融合技术
3.1原理
信息融合原理是一个信息综合处理的过程，是利用多个传感器，合理支配、使用这些传感器与观测信息，将这些传感器在时间或者是在空间上的冗余、互补信息按照一定的准则进行重新组合，目的是为获得被测对象的一致性解释与描述，这样信息系统便获得了比其它组成部分子集所构成系统有更优越的性能。
3.2模型
在经过对信息融合探究的时间里，人们提出了多个信息融合模型，而它们的相同点是在信息融合过程中要经过多级处理。信息融合分为两种处理方法，即低层处理与高层处理。其中，低层处理主要涉及到数据预处理、目标检测、分类、跟踪;而高层处理主要包含态势与威胁的预测和对融合过程的提取。
3.3算法
信息融合技术指的是数据综合处理技术与多学科相互交叉的一种具体体现，而且也是把全部的输入数据在同一个公共空间内予以描述，同时在此空间内对这些数据用恰当的数学法予以综合处理，再用相对应的形式输出。而当前信息融合的算法主要包含模型类识别方法、参数分析法以及知识模型类识别法三种算法。
4.信息融合技术在航空发动机故障诊断中的应用
4.1某发动机结构基本概况
选择某型号的涡扇发动机，简单的说它是一种由双转子轴向压气机的一种涡轮风扇发动机。其该结构主要由机件与工作系统两大部分构成。
4.2诊断模型
4.2.1信息融合功能模型
现阶段，有很多研究者站在不同的研究角度对信息融合模型进行了深入探究和分析，目的是为了能够从功能、结构上来描述多传感器融合技术。而最具有权威性的且有着较大影响力的功能模型是由美国的DPS公司的研究人员所提出的。因此本文采用这种信息融合功能模型来对该型号的涡扇发动机故障诊断构建相应的诊断模型。
4.2.2信息融合故障诊断一般框架
图1 信息融合故障诊断框架
在实践当中，故障诊断不可能会应用到所有的融合环节，而是参照具体的实际问题来选择最佳的信息融合框架。例如：（DEI+FEI）-DEO融合模型是一个将混合特征作为输入，决策作为输出的一个过程。可以说，此模型应用在故障诊断领域是十分合理、科学的。
故障征兆是故障诊断的灵魂所在。而故障征兆时通过各类型的传感器获得更多有用的信息的，再经过信息的融合处理，对故障位置及类型进行确定。而以上处理过程即为信息融合过程。因此本文采取图1所示的信息融合故障诊断框架来对故障进行诊断对诊断结果进行分析发现这种诊断框架是可行的。由此看来，信息融合技术在航空发动机故障诊断中应用的研究是切实可行的。
4.2.3分层信息融合诊断功能模型
有研究者提出，神经网络故障诊断系统具有多种功能，如：联想、推测以及记忆。能够用来处理各种复杂的模式。所以，站在信息融合角度分析，神经网络故障诊断是特征级融合征输入――决策输出的过程。另外，D-S证据理论为经过对某一识别框架的多个证据体进行融合推理，再进一步得到决策结果，因而，D-S理论也是决策级融合中决策输入――决策输出过程。若把两只相互结合，可将信息融合技术优势完全发挥出来，同时进一步提升诊断的精度。
4.3航空发动机故障诊断模型
事实上，信息融合的本质是在同一个辨识框架中，把不同证据提重新合成一个新证据体的过程。而此合并过程可按照D-S证据理论合并规则予以实现，这样可解决多信息融合中存在的各类不确定性问题。而为了把不同故障征兆所提供的证据予以合并，必须按照当前的证据构造基本概率来分配函数。最终找出航空发动机存在故障的位置与类型。
5.结论及展望
总体来说，通过本文的论述我们得到了以下几点结论：其一，在论述了信息融合技术具有大众特性的基础上，由信息论角度对信息融合技术故障诊断方法的可行性予以了论证，进而提出了信息融合技术故障诊断框架。其二，对在故障诊断中遇到的各种不确定性的问题以及多传感器判断结果利用D-S证据理论对信息融合结果进行了判定，经论证，D-S证据理论可提升故障诊断精度以及诊断的可靠性。尽管信息融合技术在航空发动机故障诊断中应用十分广泛，但在实践当中，需要解决的问题还很多，希望研究人员在今后研究中对实践应用中可能遇到的问题予以研究，并且提出合理的应对措施。
参考文献：
[1]吴娅辉，李新良，张大治等.基于D-S证据理论的航空发动机振动故障分析[J].计算机应用与软件，2012，29（6）：105-108.
购物车(0)