時(shí)間：2023-06-21 09:05:36
導(dǎo)語(yǔ)：在故障診斷方法綜述的撰寫旅程中，學(xué)習(xí)并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優(yōu)秀范文，愿這些內(nèi)容能夠啟發(fā)您的創(chuàng)作靈感，引領(lǐng)您探索更多的創(chuàng)作可能。
關(guān)鍵詞：主元分析 微小故障 變量加權(quán) 故障診斷
中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2017）03（b）-0122-03
隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)代大型復(fù)雜系統(tǒng)更加依賴于數(shù)字智能化的監(jiān)測(cè)和控制，如何有效實(shí)現(xiàn)故障的檢測(cè)和診斷就變得至關(guān)重要，尤其是處于重要位置的變量出現(xiàn)故障時(shí)，所帶來(lái)的后果更加嚴(yán)重。文獻(xiàn)[1]中給出常用的故障診斷方法面對(duì)征兆顯著的故障效果較佳，然而微小故障由于其幅值小、征兆弱從而診斷較困難，有關(guān)研究成果還較少。
主元分析（Principal Component Analysis， PCA）是基于數(shù)據(jù)驅(qū)動(dòng)的多元統(tǒng)計(jì)方法之一，該方法利用當(dāng)前過(guò)程信息來(lái)判斷系統(tǒng)運(yùn)行情況，文獻(xiàn)[2]研究得出當(dāng)系統(tǒng)故障幅值相對(duì)于臨界故障幅值較小時(shí)，傳統(tǒng)PCA方法檢測(cè)故障的能力會(huì)嚴(yán)重下降。為解決這類問(wèn)題，文獻(xiàn)[3-4]中給出可通過(guò)不同的角度對(duì)傳統(tǒng)PCA進(jìn)行改進(jìn)，以實(shí)現(xiàn)對(duì)微小故障的診斷。但現(xiàn)有的關(guān)于PCA的微小故障診斷方法，在量綱相同的情況下，大多研究成果都是平等對(duì)待所有變量的，然而實(shí)際系統(tǒng)中傳感器所在位置不同，其所采樣變量的重要程度也不相同。
為此，該文依據(jù)傳感器所在位置的重要程度不同賦予相應(yīng)的權(quán)值，以提高重要變量對(duì)微小故障的敏感度；當(dāng)檢測(cè)到系統(tǒng)出現(xiàn)故障時(shí)，再利用特征方向法實(shí)現(xiàn)故障診斷[5]（注：量綱不同的情況留于以后研究）。
1 離線建模
主元分析方法構(gòu)建的主元模型為：
（1）
其中，為數(shù)據(jù)矩陣；、分別為載荷矩陣、得分矩陣；為主元個(gè)數(shù)；為殘差矩陣；PCA方法通常采用統(tǒng)計(jì)量進(jìn)行過(guò)程檢測(cè)[6]。
假設(shè)系統(tǒng)的個(gè)變量單獨(dú)發(fā)生故障，運(yùn)用PCA方法提取種不同故障模式所對(duì)應(yīng)歷史數(shù)據(jù)的特征向量矩陣，再?gòu)母鞴收夏Ｊ教卣飨蛄烤仃囍腥〉谝恢髟d荷向量，組成故障特征方向庫(kù)。
2 在線過(guò)程監(jiān)控
2.1 故障檢測(cè)
設(shè)為時(shí)刻傳感器所采樣的測(cè)量數(shù)據(jù)。
為實(shí)現(xiàn)重要變量對(duì)微小故障敏感，現(xiàn)根據(jù)傳感器所測(cè)變量的重要程度不同對(duì)在線數(shù)據(jù)的各變量屬于不同的權(quán)值，加權(quán)后的數(shù)據(jù)矩陣如式（2）所示：
（2）
根據(jù)文獻(xiàn)[6]計(jì)算加權(quán)數(shù)據(jù)的統(tǒng)計(jì)量如式（3）：
（3）
然后，依據(jù)統(tǒng)計(jì)量是否超過(guò)統(tǒng)計(jì)量檢測(cè)閾值來(lái)判斷是否發(fā)生故障。
2.2 故障診斷
當(dāng)故障出現(xiàn)時(shí)，用PCA來(lái)處理當(dāng)前被檢測(cè)的過(guò)程數(shù)據(jù)，提取當(dāng)前數(shù)據(jù)的第一載荷向量來(lái)代表該數(shù)據(jù)的變化方向，并用來(lái)表示；然后，根據(jù)式（4）計(jì)算與的相似度。
（4）
定義一個(gè)診斷閾值，當(dāng)≥時(shí)，則認(rèn)為出現(xiàn)了第類故障。由線性代數(shù)的基礎(chǔ)知識(shí)可知，實(shí)際上是與間角度的余弦。當(dāng)越接近于1時(shí)，則說(shuō)明的方向與的方向越接近。因此通常是接近于1但又小于1的數(shù)[5]。
2.3 權(quán)值的選取
根據(jù)文獻(xiàn)[7]在強(qiáng)跟蹤濾波中所確定次優(yōu)漸消因子的方法，結(jié)合系統(tǒng)信號(hào)的分析前后能量保持守恒的準(zhǔn)則，給出一個(gè)類似的方法，即根據(jù)系統(tǒng)先驗(yàn)信息對(duì)各變量重要程度的認(rèn)識(shí)，可假定大致的比重因子，如式（5）：
（5）
令：
（6）
其中：為根據(jù)先驗(yàn)知識(shí)所確定的常數(shù)，也稱為權(quán)重因子的比例系數(shù)，為待定因子。
2.3.1 性質(zhì)
2.3.2 條件
對(duì)系統(tǒng)進(jìn)行有效分析的提前條件是系統(tǒng)經(jīng)加權(quán)變換前后的能量需保持守恒或是一定比例關(guān)系，即。
因此，可根據(jù)式（7）所遵守的能量守恒得出待定因子。
（7）
從而：
（8）
由上述算法可得加權(quán)矩陣：
（9）
權(quán)重因子反映著原處于平等地位的第個(gè)變量在系統(tǒng)中對(duì)整個(gè)系統(tǒng)的重要程度，一般根據(jù)下列原則來(lái)確定：
（1）加權(quán)后的重要變量對(duì)故障更具有敏感性；
（2）變量加權(quán)變換前后系統(tǒng)的能量保持守恒，即。
3 仿真實(shí)驗(yàn)
利用Matlab生成系統(tǒng)正常運(yùn)行時(shí)的觀測(cè)數(shù)據(jù)，同時(shí)確定關(guān)鍵主元個(gè)數(shù)，求出相應(yīng)的統(tǒng)計(jì)閾值；然后在各個(gè)變量上加不同的故障構(gòu)成故障數(shù)據(jù)，再運(yùn)用PCA建立故障特征方向庫(kù)；假設(shè)先驗(yàn)系統(tǒng)經(jīng)驗(yàn)權(quán)重因子比例系數(shù)為。
圖1、圖2為在801時(shí)刻當(dāng)變量3加1倍該變量方差恒值故障時(shí)，傳統(tǒng)統(tǒng)計(jì)量值大多都在檢測(cè)閾值以下，而加權(quán)統(tǒng)計(jì)量值幾乎都在檢測(cè)閾值以上，由此可見(jiàn)加權(quán)對(duì)重要變量3的微小故障檢測(cè)更敏感。
為體現(xiàn)該方法在非加權(quán)變量發(fā)生故障時(shí)，故障檢測(cè)的有效性，現(xiàn)在變量1加2倍該變量方差恒值故障，故障檢測(cè)圖如圖3、圖4所示。
根據(jù)圖1、圖2所檢測(cè)到的故障，可根據(jù)文獻(xiàn)[5]中的故障特征方向法進(jìn)行故障診斷，故障診斷結(jié)果如表1所示，其中診斷閾值0.957 5。
由表1可以看出，只有第3個(gè)變量所對(duì)應(yīng)的相似度超過(guò)了診斷閾值，由此可以判斷是第3個(gè)變量出現(xiàn)故障，這與所取的故障數(shù)據(jù)相吻合，因此在檢測(cè)到故障發(fā)生時(shí)，可根據(jù)特征向量法進(jìn)行故障診斷。（注：表1中的故障變量為單變量故障，故障庫(kù)也是假定單變量發(fā)生故障而建立的）。
4 結(jié)語(yǔ)
針對(duì)變量所在位置不同，其重要程度也不相同這一問(wèn)題，提出了基于變量加權(quán)的思想用于提高重要變量對(duì)微小故障的敏感度，雖然弱化了其他次要變量的重要性，但是提高了重要變量對(duì)微小故障的敏感度；同時(shí)在次要變量出現(xiàn)偏大故障時(shí)，基于加權(quán)的統(tǒng)計(jì)量同樣可以實(shí)現(xiàn)故障的檢測(cè)；最后當(dāng)檢測(cè)到系統(tǒng)出現(xiàn)故障預(yù)警時(shí)，根據(jù)在線數(shù)據(jù)第一特征方向與故障模式特征方向的相似性進(jìn)行故障類型的診斷。上述方法通過(guò)仿真實(shí)驗(yàn)證明了具有較好的實(shí)用性。
參考文獻(xiàn)
[1] 李娟，周東華，司小勝，等.微小故障診斷方法綜述[J].控制理論與應(yīng)用，2012，29（12）：1517-1529.
[2] 王海清，宋執(zhí)環(huán)，李平.主元分析方法的故障可檢測(cè)性研究[J].儀器儀表學(xué)報(bào)，2002，23（3）：232-235.
[3] 尚駿，陳茂銀，周東華.基于變?cè)y(tǒng)計(jì)分析的微小故障檢測(cè)[J].上海交通大學(xué)學(xué)報(bào)，2015（6）：799-805.
[4] 文成林，呂菲亞，包哲靜，等.基于數(shù)據(jù)驅(qū)動(dòng)的微小故障診斷方法綜述[J].自動(dòng)化學(xué)報(bào)，2016（9）：1285-1299.
[5] Zhang J，Martin EB，Morris AJ.Fault Detection and Diagnosis Using Multivariate Statistical Techniques： Process operations and control[J].Chemical Engineering Research & Design， 1996，74（1）：89-96.
【關(guān)鍵詞】電力電子 故障診斷 人工智能 參數(shù)模型
1 研究的意義
隨著電力電子技術(shù)在大氣污染治理、節(jié)能環(huán)保、銀行系統(tǒng)、現(xiàn)代化農(nóng)業(yè)、發(fā)電系統(tǒng)等領(lǐng)域的廣泛應(yīng)用，其設(shè)備故障問(wèn)題也越來(lái)越突出，當(dāng)故障嚴(yán)重時(shí)將導(dǎo)致整個(gè)系統(tǒng)的癱瘓，甚至?xí)斐扇藛T的傷亡，所引起的損失是無(wú)法估量的。
當(dāng)故障發(fā)生時(shí)，依靠維修人員查找故障的發(fā)生原因及解決故障問(wèn)題是較為困難的，這完全依賴于維修人員的經(jīng)驗(yàn)。如果缺少故障信息，要想快速準(zhǔn)確解決故障時(shí)非常困難的，有可能造成機(jī)器無(wú)法工作的嚴(yán)重后果。在故障發(fā)生后，如果能夠根據(jù)診斷系統(tǒng)提供的故障信息，就可以很快定位故障點(diǎn)，解決故障問(wèn)題，使停機(jī)時(shí)間大大縮短，能有效的提高工作效率。由此看對(duì)電力電子系統(tǒng)故障診斷方法進(jìn)行研究具有很重要的現(xiàn)實(shí)意義。
2 研究現(xiàn)狀
由于電力電子電路的故障發(fā)生有其自身的特點(diǎn)，所以其障診斷模式與模擬電路、數(shù)字電路的故障診斷有所不同。由于電力電子器件具有過(guò)載能力小的特點(diǎn)，所以其器件損壞速度較快，故障信息僅存在時(shí)間也很短，這就需要進(jìn)行實(shí)時(shí)監(jiān)控，故障發(fā)生時(shí)要求在線診斷，另外電力電子電路的功率很大，一般電路診斷中采用的傳統(tǒng)的診斷方法不再適用。
目前，常見(jiàn)的電力電子電路故障診斷技術(shù)包括兩方面的內(nèi)容：（1）檢測(cè)電路故障的信息：利用檢測(cè)設(shè)備和檢測(cè)技術(shù)，檢測(cè)并獲取電路發(fā)生故障時(shí)的信息，利用所獲得的信息進(jìn)行推理分析；（2）診斷電路故障發(fā)生部位：根據(jù)系統(tǒng)提供的故障信息，綜合運(yùn)用故障診斷方法，對(duì)故障信息進(jìn)行綜合分析，推斷故障可能發(fā)生的原因及部位，從而對(duì)故障發(fā)生部位進(jìn)行定位。由以上可知，故障的判斷離不開(kāi)對(duì)故障特征的提取，基于此，電路故障診斷方法按提取特征的方法的不同可分為譜分析診斷法、波形分析診斷法、參數(shù)模型診斷法、專家系統(tǒng)和人工智能診斷法等多種方法，下文僅對(duì)五種常用方法做一簡(jiǎn)單介紹。
2.1 譜分析診斷法
由于電路故障信號(hào)中可能會(huì)含有噪聲，由此就會(huì)造成故障的時(shí)域波形不能清楚地反映故障的特征。因此，在故障診斷中，經(jīng)常使用譜分析的信號(hào)處理方法。譜分析的目的在于提取信號(hào)中所包含的噪聲，在這里可以用傅里葉變換將時(shí)域中的故障波形變換到頻域，這樣就突出了故障特征，能夠快速實(shí)現(xiàn)故障診斷。
2.2 波形分析診斷法
利用示波器能直觀清楚的顯示電子器件擊穿或損壞的波形，波形分析故障診斷方法就是基于這一點(diǎn)，由于典型測(cè)量波形和故障波形之間會(huì)有所不同，故可以將典型測(cè)量波形提前存儲(chǔ)至診斷系統(tǒng)的數(shù)據(jù)庫(kù)。當(dāng)發(fā)生故障時(shí)，診斷系統(tǒng)就能將實(shí)際測(cè)量的波形與提前儲(chǔ)存至診斷系統(tǒng)的波形進(jìn)行比較，以判定進(jìn)行故障。
2.3 故障樹(shù)診斷法
故障樹(shù)診斷法的原理就是把電力電子系統(tǒng)中最有可能發(fā)生的故障作為故障分析的目標(biāo)， 加以分析，畫出邏輯框圖，即故障樹(shù)。用邏輯圖來(lái)表示故障間的相互關(guān)系， 當(dāng)故障發(fā)生時(shí)，在系統(tǒng)中從頂層開(kāi)始，逐層查找導(dǎo)致這一故障發(fā)生的原由， 依此類推， 直至查到故障點(diǎn)。所以障樹(shù)診斷方法具有實(shí)用、通用、觀察靈活的優(yōu)點(diǎn)，也同時(shí)也有建樹(shù)工作量大、容易出錯(cuò)的缺點(diǎn)，由此可見(jiàn)，故障樹(shù)診斷法診斷故障的范圍較小。
2.4 參數(shù)模型診斷法
參數(shù)模型診斷法是基于一種解析模型的故障診斷法，包含有狀態(tài)估計(jì)方法和參數(shù)估計(jì)方法等。參數(shù)模型法是通過(guò)比較被診斷對(duì)象的可測(cè)信息與由數(shù)學(xué)模型表達(dá)的信息，產(chǎn)生殘差， 并對(duì)殘差進(jìn)行分析和處理從而實(shí)現(xiàn)故障診斷的技術(shù)。參數(shù)模型法的故障診斷分為3個(gè)步驟，第一步是通過(guò)對(duì)比產(chǎn)生殘差，即產(chǎn)生故障信息；第二步是故障模型的檢測(cè)，針對(duì)產(chǎn)生故障的信息生進(jìn)行邏輯決策；第三步是分析故障的類型、大小和原因。
2.5 人工智能法
人工智能診斷方法主要包括包括專家系統(tǒng)診斷法、模式識(shí)別診斷法、人工神經(jīng)網(wǎng)絡(luò)診斷等方法。
模式識(shí)別故障診斷的過(guò)程有一個(gè)前提，就是首先對(duì)系統(tǒng)可能發(fā)生的故障模式進(jìn)行分類，這樣診斷過(guò)程就是把系統(tǒng)的現(xiàn)有工作狀態(tài)歸入哪一類故障模式的問(wèn)題。模式識(shí)別診斷法分兩步完成，第一步完成故障特征的提取，根據(jù)故障特征的屬性不同進(jìn)行分類；第二步是故障診斷，根據(jù)已提取的特征，通過(guò)已建立的數(shù)學(xué)模型對(duì)故障進(jìn)行實(shí)時(shí)診斷。
專家系統(tǒng)診斷法是借助計(jì)算機(jī)等設(shè)備模擬專家的實(shí)踐經(jīng)驗(yàn)，以實(shí)現(xiàn)故障診斷。一個(gè)專家診斷系統(tǒng)是通過(guò)實(shí)時(shí)監(jiān)測(cè)采集數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行處理然后傳送到診斷中心，由專家診斷系統(tǒng)進(jìn)行數(shù)據(jù)分析，完成診斷，然后將最終結(jié)果反饋回用戶。
近幾年，神經(jīng)網(wǎng)絡(luò)診斷法在故障診斷中應(yīng)用越來(lái)越廣泛，神經(jīng)網(wǎng)絡(luò)是模擬人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的一種數(shù)學(xué)模型，其信息處理由神經(jīng)元之間運(yùn)算實(shí)現(xiàn)，可用較為簡(jiǎn)單的數(shù)學(xué)模型來(lái)描述，因此在于故障診斷領(lǐng)域有較為廣泛的應(yīng)用。
以上介紹了幾種常用的診斷方法，當(dāng)前，電力電子電路故障診斷是一個(gè)新興的研究領(lǐng)域， 經(jīng)過(guò)多年的發(fā)展， 已經(jīng)取得了很大進(jìn)步，但是仍有很大的空間等著大家去探究。
參考文獻(xiàn)
[1]樊馨月，王杰.電力電子系統(tǒng)故障診斷技術(shù)淺談[J].電氣自動(dòng)化，2006（05）.
[2]蔡濤，段善旭，康勇.電力電子系統(tǒng)故障診斷技術(shù)研究綜述[J].電測(cè)與儀表，2008（05）.
[3]范曉勇，賈曉靜.基于故障樹(shù)的電子系統(tǒng)故障診斷與預(yù)測(cè)[J].微計(jì)算機(jī)信息，2009（12）.
關(guān)鍵字：配電網(wǎng)，故障診斷，數(shù)據(jù)挖掘
配電網(wǎng)故障診斷是從技術(shù)上提高配電網(wǎng)安全可靠運(yùn)行的重要手段，準(zhǔn)確的故障定位、分析故障原因，提出故障恢復(fù)方案能夠減少停電時(shí)間，加快線路的恢復(fù)，減少因停電造成的經(jīng)濟(jì)損失。因此，配電網(wǎng)故障診斷技術(shù)的研究有著十分重要的理論和實(shí)用價(jià)值[1]。目前，國(guó)內(nèi)外比較典型的配電網(wǎng)故障診斷方法有故障電流法、專家系統(tǒng)法、人工神經(jīng)網(wǎng)絡(luò)法、基于模糊理論的方法、基于優(yōu)化技術(shù)的方法和基于數(shù)據(jù)挖掘的方法。
1 故障電流法
故障電流法是以圖論為基礎(chǔ)，根據(jù)配電網(wǎng)的拓?fù)淠Ｐ瓦M(jìn)行故障診斷。其基本原理是根據(jù)配電網(wǎng)絡(luò)的結(jié)構(gòu)寫出網(wǎng)絡(luò)描述矩陣和根據(jù)故障信號(hào)寫出配電網(wǎng)絡(luò)故障信息矩陣，進(jìn)而由網(wǎng)絡(luò)描述矩陣和故障信息矩陣相乘后得到一個(gè)描述矩陣，隨后對(duì)描述矩陣進(jìn)行規(guī)格化處理，得到故障判斷矩陣，當(dāng)發(fā)生故障時(shí)，依據(jù)故障判斷矩陣進(jìn)行故障判別和定位[2]。該方法依據(jù)系統(tǒng)潮流的變化來(lái)判斷的，當(dāng)發(fā)生故障時(shí)，系統(tǒng)的結(jié)果和參數(shù)變化，使得潮流的計(jì)算和分析處理耗時(shí)較長(zhǎng)，會(huì)影響診斷和恢復(fù)處理速度，難以達(dá)到理想的效果。
2 專家系統(tǒng)法
專家系統(tǒng)是利用計(jì)算機(jī)技術(shù)將相關(guān)領(lǐng)域的理論知識(shí)和專家的經(jīng)驗(yàn)知識(shí)融合在一起，通過(guò)數(shù)據(jù)庫(kù)、知識(shí)庫(kù)、推理機(jī)、人機(jī)接口、解釋程序和知識(shí)獲取程序的有機(jī)連接，達(dá)到具備解決專業(yè)領(lǐng)域問(wèn)題的能力。專家系統(tǒng)在配電網(wǎng)故障診斷中的典型應(yīng)用是基于生產(chǎn)式規(guī)則的系統(tǒng)，它把保護(hù)、斷路器的動(dòng)作邏輯以及運(yùn)行人員的診斷經(jīng)驗(yàn)用規(guī)則表示出了，形成故障診斷專家系統(tǒng)的知識(shí)庫(kù)，通過(guò)查找知識(shí)庫(kù)對(duì)報(bào)警信息進(jìn)行推理，獲得診斷結(jié)論。專家系統(tǒng)雖然能夠有效模擬故障診斷專家完成故障診斷，但是在實(shí)際應(yīng)用中存在知識(shí)庫(kù)建立困難、校核和維護(hù)困難、容錯(cuò)能力差等局限性，容易造成診斷錯(cuò)誤。
3 人工神經(jīng)網(wǎng)絡(luò)法
人工神經(jīng)網(wǎng)絡(luò)是模擬人類神經(jīng)系統(tǒng)傳輸、處理信息過(guò)程的理論化數(shù)學(xué)模型，是一種大規(guī)模并行分布處理系統(tǒng)。它的最大特點(diǎn)是采用神經(jīng)元及它們之間的有向權(quán)重連接來(lái)隱含處理問(wèn)題的知識(shí)，具有很強(qiáng)的自學(xué)習(xí)能力，在學(xué)習(xí)完成之后，還具有一定的泛化能力和容錯(cuò)能力，即使輸入信號(hào)帶有一定的干擾噪聲，仍能給出正確的輸出結(jié)果[3]。它的這些優(yōu)點(diǎn)對(duì)于在配電網(wǎng)故障定位中的應(yīng)用具有重要的意義，主要用來(lái)進(jìn)行故障識(shí)別和故障定位。
4 基于模糊理論的方法
模糊理論是將經(jīng)典集合理論模糊化，并引入語(yǔ)言變量和近似推理的模糊邏輯，具有完整的推理體系的智能技術(shù)。在電力系統(tǒng)中，由于保護(hù)或斷路器的誤動(dòng)作、拒動(dòng)，信道傳輸干擾，保護(hù)動(dòng)作時(shí)間偏差等因素的影響，輸、配電網(wǎng)絡(luò)故障診斷存在不確定性，而模糊理論可以適應(yīng)不確定性問(wèn)題，擅長(zhǎng)模擬人類思維中的近似推理、語(yǔ)言變量來(lái)表述專家的經(jīng)驗(yàn)，得到問(wèn)題的多個(gè)可能的解決方案，并根據(jù)其模糊度的高低進(jìn)行排序，進(jìn)而得出問(wèn)題的最佳解決方案。因此，基于模糊理論的方法比較適用于故障診斷，目前已經(jīng)在配電網(wǎng)故障定位中得到了應(yīng)用。
基于模糊理論的故障診斷系統(tǒng)，雖然可以增強(qiáng)處理不確定性的能力，但是采用模糊理論進(jìn)行電網(wǎng)故障診斷，需尋求有效的手段對(duì)電網(wǎng)中的各種不確定性進(jìn)行客觀地模糊表達(dá)，需要充分利用歷史統(tǒng)計(jì)數(shù)據(jù)和經(jīng)驗(yàn)知識(shí)。當(dāng)診斷對(duì)象的結(jié)構(gòu)發(fā)生變化時(shí)，如何對(duì)模糊知識(shí)庫(kù)進(jìn)行快速、有效的更新維護(hù)也需要更進(jìn)一步的研究[4]。
5 基于優(yōu)化技術(shù)的方法
基于優(yōu)化技術(shù)算法是國(guó)內(nèi)外學(xué)者提出的進(jìn)行電網(wǎng)故障定位的一種新思路，根據(jù)電網(wǎng)故障的特點(diǎn)設(shè)定假想事故集的目標(biāo)函數(shù)，利用各種優(yōu)化算法根據(jù)適應(yīng)度值對(duì)假想事故集進(jìn)行更新，直至搜索到適應(yīng)度最大的假想事故集，作為最終故障診斷結(jié)果。其實(shí)質(zhì)是將故障診斷問(wèn)題轉(zhuǎn)化為無(wú)約束的0-1整數(shù)規(guī)劃問(wèn)題進(jìn)行尋優(yōu)處理。這類方法的基本思路是：根據(jù)保護(hù)動(dòng)作原理，將故障診斷問(wèn)題表示為0-1整數(shù)規(guī)劃問(wèn)題，然后用優(yōu)化算法求解。配電網(wǎng)故障診斷中使用的優(yōu)化算法主要有遺傳算法、模擬退火算法和基于覆蓋集理論的算法。基于優(yōu)化技術(shù)的方法在信息發(fā)生畸變時(shí)，出現(xiàn)復(fù)雜的故障模式的r候，難以保證診斷結(jié)果的可靠性。
6 基于數(shù)據(jù)挖掘的方法
數(shù)據(jù)挖掘近年來(lái)研究比較活躍的研究領(lǐng)域，是人工智能與數(shù)據(jù)庫(kù)技術(shù)相結(jié)合的產(chǎn)物。它是利用數(shù)據(jù)挖掘的各種算法從大量數(shù)據(jù)中挖掘出隱含其中的知識(shí)。近年來(lái)，已有研究者開(kāi)始把數(shù)據(jù)挖掘技術(shù)引入到電力系統(tǒng)的診斷故障中，并取得了一些成功的經(jīng)驗(yàn)。數(shù)據(jù)挖掘技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用目前正處于起步階段，解決如何把診斷對(duì)象與數(shù)據(jù)挖掘算法結(jié)合，確定出診斷對(duì)象的診斷模型，以及如何把數(shù)據(jù)挖掘和傳統(tǒng)的人工智能技術(shù)相結(jié)合是進(jìn)一步深入研究的課題。
電力系統(tǒng)的故障大部分發(fā)生在配電網(wǎng)，配電網(wǎng)發(fā)生故障后，故障診斷系統(tǒng)根據(jù)監(jiān)測(cè)系統(tǒng)得到的相關(guān)信息對(duì)配電網(wǎng)發(fā)生的故障進(jìn)行實(shí)時(shí)分析和判斷，提出正確有效的健全區(qū)域停電恢復(fù)策略，幫助調(diào)度員準(zhǔn)確的確定故障位置，隔離故障區(qū)域，快速恢復(fù)非故障區(qū)域供電。隨著技術(shù)的日趨成熟，配電網(wǎng)故障診斷技術(shù)必將在提高配電網(wǎng)安全可靠運(yùn)行方面發(fā)揮巨大的作用。
參考文獻(xiàn)：
[1]馬士聰，高厚磊，徐丙垠，薛永端.配電網(wǎng)故障定位技術(shù)綜述[J].電力系統(tǒng)保護(hù)與控制.2009（11）.
[2]艾闖.配電網(wǎng)故障快速診斷方法分析[J].中國(guó)電業(yè)（技術(shù)版）.2013（12）.
【關(guān)鍵詞】故障檢測(cè)；故障診斷；小波分析
一、概述
現(xiàn)代化工業(yè)技術(shù)發(fā)展突飛猛進(jìn)，現(xiàn)代工業(yè)自動(dòng)化程度越來(lái)越高，系統(tǒng)規(guī)模也越來(lái)越大，簡(jiǎn)單控制系統(tǒng)已經(jīng)不能達(dá)到工業(yè)生成的需求，大規(guī)模、綜合性、復(fù)雜的自動(dòng)化系統(tǒng)運(yùn)用越來(lái)越廣[1]。自動(dòng)化設(shè)備和系統(tǒng)結(jié)構(gòu)的日益復(fù)雜和集成化，使得系統(tǒng)發(fā)生故障的機(jī)率也增加，故障的產(chǎn)生會(huì)毀壞設(shè)備，影響系統(tǒng)正常運(yùn)轉(zhuǎn)，甚至造成人員傷亡。國(guó)內(nèi)外由于設(shè)備故障所引起的設(shè)備損壞、鍋爐爆炸、道路塌陷，不僅造成經(jīng)濟(jì)損失也造成人員傷亡，社會(huì)影響及其惡劣。為了達(dá)到以人為本同時(shí)維護(hù)經(jīng)濟(jì)的目的，可以加強(qiáng)系統(tǒng)的穩(wěn)定性、可靠性、魯棒性和安全性，但任何設(shè)備都不可能無(wú)限期使用，這就需要防患于未然，因此故障檢測(cè)技術(shù)應(yīng)運(yùn)而生。
二、故障檢測(cè)重要性
故障檢測(cè)技術(shù)是是一門多學(xué)科融合交叉性學(xué)科[1]，如：信號(hào)提取則依賴于傳感器及檢測(cè)技術(shù)；信號(hào)降噪離不開(kāi)信號(hào)處理技術(shù)；狀態(tài)估計(jì)和參數(shù)估計(jì)方法以系統(tǒng)辨識(shí)理論為基礎(chǔ)；魯棒故障診斷涉及到魯棒控制理論知識(shí)；此外數(shù)值分析、概率與數(shù)理統(tǒng)計(jì)等基礎(chǔ)學(xué)科也是故障檢查和診斷不可缺少的方法。多門學(xué)科知識(shí)的支撐確保了故障診斷技術(shù)的迅速發(fā)展，在工業(yè)領(lǐng)域也應(yīng)用廣泛，如化工生產(chǎn)、冶金工業(yè)、電力系統(tǒng)、航空航天、機(jī)器人等生產(chǎn)的各個(gè)領(lǐng)域。
三、故障檢測(cè)技術(shù)經(jīng)濟(jì)效益
數(shù)據(jù)顯示[2]，故障檢測(cè)技術(shù)與經(jīng)濟(jì)發(fā)展息息相關(guān)，對(duì)故障檢測(cè)技術(shù)的研究與發(fā)展越來(lái)越多，在工業(yè)生產(chǎn)中也得到了應(yīng)用和推廣。通過(guò)故障診斷技術(shù)的推廣，大大降低了設(shè)備維修費(fèi)用，各國(guó)在故障診斷技術(shù)上的投入也逐漸增加。日本對(duì)故障檢測(cè)與診斷技術(shù)的投入占其生產(chǎn)成本的5.6%，德國(guó)和美國(guó)所占比例分別為 9.4%和7.2%。在冶金工業(yè)生產(chǎn)中，我國(guó)每年承擔(dān)的設(shè)備維修的費(fèi)用就高達(dá) 250 億元，金額龐大，然而如果應(yīng)用故障檢測(cè)與診斷技術(shù)，每年可以減少事故發(fā)生率同時(shí)也能節(jié)約 10%～30%的維修費(fèi)用。因此故障檢測(cè)能帶來(lái)經(jīng)濟(jì)效益，不容小覷。
四、故障檢測(cè)的分析方法
（一）狀態(tài)估計(jì)法
狀態(tài)估計(jì)法一般分為兩步：首先求取殘差，再?gòu)臍埐顢?shù)據(jù)中提取故障特征從而實(shí)現(xiàn)故障診斷。目前狀態(tài)估計(jì)法的故障檢測(cè)診斷方法方興未艾，如H2估計(jì)[3]、魯棒故障檢測(cè)與反饋控制的最優(yōu)集成設(shè)計(jì)方法[4]等。
（二）等價(jià)空間法
低階的等價(jià)向量在實(shí)現(xiàn)過(guò)程中較易實(shí)現(xiàn)但性能不佳，而高階的等價(jià)向量能夠得到較理想的性能參數(shù)，但以較大的計(jì)算量和計(jì)算時(shí)間為代價(jià)。為了解決上述問(wèn)題，文獻(xiàn)[5]采用窄帶IIR濾波器運(yùn)用于等價(jià)空間法中，在幾乎不改變計(jì)算量的前提下，提高系統(tǒng)檢測(cè)性能，但此方法會(huì)產(chǎn)生較高的漏報(bào)率。
（三）參數(shù)估計(jì)法
參數(shù)估計(jì)法是因?yàn)槟Ｐ蛥?shù)和相應(yīng)的物理參數(shù)的特點(diǎn)不同，分別統(tǒng)計(jì)這兩類參數(shù)的變化特性來(lái)分析和確定故障。物理參數(shù)攜帶重要的信息，具有物理含義，因此，可以分析物理參數(shù)的特點(diǎn)，如果異?？梢源_定故障位置。與狀態(tài)估計(jì)法比較，參數(shù)估計(jì)法能更有效的故障確定。參數(shù)估計(jì)法研究越來(lái)越豐富，故障診斷方法新成果倍出[6]。
（四）熱門的分析方法
（1）小波分析技術(shù)
小波分析由于具有時(shí)頻域局部化特性[7]，可任意調(diào)節(jié)時(shí)間窗和頻率窗，因此突變信號(hào)能夠檢測(cè)出來(lái)。但是，小波基選取一直是在小波信號(hào)分析沒(méi)能解決的問(wèn)題，也是研究的一個(gè)難點(diǎn)，針對(duì)同一信號(hào)采用不同的小波基進(jìn)行分析其分析結(jié)果往往不同。通過(guò)小波分析可以檢測(cè)信號(hào)的奇異點(diǎn)，在信號(hào)降噪和信號(hào)分析中應(yīng)用廣泛。小波變換是結(jié)合時(shí)域和頻域的分析方法，特征提取方便，在故障檢測(cè)中應(yīng)用較廣。小波分析對(duì)單一的故障源檢測(cè)效果明顯，但較復(fù)雜情況，如多故障源效果不佳。
（2）神經(jīng)網(wǎng)絡(luò)技術(shù)
神經(jīng)網(wǎng)絡(luò)技術(shù)是根據(jù)模式識(shí)別理論，采用分類器理論，用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障分析和診斷。采用人工神經(jīng)元網(wǎng)絡(luò)進(jìn)行故障診斷一般有四種方式[8]：神經(jīng)元網(wǎng)絡(luò)計(jì)算殘差；神經(jīng)元網(wǎng)絡(luò)分析殘差；神經(jīng)元網(wǎng)絡(luò)進(jìn)一步分析確定故障點(diǎn)；神經(jīng)元網(wǎng)絡(luò)自學(xué)習(xí)過(guò)程進(jìn)行自適應(yīng)誤差補(bǔ)償。
（3）小波包分析和神經(jīng)網(wǎng)絡(luò)結(jié)合技術(shù)
用有限元法建立系統(tǒng)動(dòng)力學(xué)模型[9]，再根據(jù)系統(tǒng)采集信號(hào)進(jìn)行小波包分解，建立基于小波包能量譜指標(biāo)。把信號(hào)指標(biāo)作為改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的輸入特征參數(shù)，用分步識(shí)別方法進(jìn)行識(shí)別。
（五）展望
故障檢測(cè)技術(shù)運(yùn)用廣泛，用單一方法進(jìn)行處理存在準(zhǔn)確度和精確度的問(wèn)題，因此可以考慮多學(xué)科技術(shù)結(jié)合的方法，進(jìn)一步提高準(zhǔn)確度和精確度。
參考文獻(xiàn)：
[1] 周東華， 胡艷艷. 動(dòng)態(tài)系統(tǒng)的故障診斷技術(shù). 自動(dòng)化學(xué)報(bào). 2009， 35（6）.
[2] 周福娜. 基于統(tǒng)計(jì)特征提取的多故障診斷方法及應(yīng)用.[博士學(xué)位論文].上海：上海海事大學(xué)， 2009.
[3] Fadali M S， Colaneri P， Nel M. H2robust fault estimation for periodic systems[C]MProc. American Control Conference，Denver， Colorado，2003： 2973-2978.
[4]鐘麥英，張承慧， Ding S X.一種魯棒故障檢測(cè)與反饋控制的最優(yōu)集成設(shè)計(jì)方法[J].自動(dòng)化學(xué)報(bào)， 2004， 30（2）： 294-299.
[5] Ye H， Wang G Z， Ding S X. An IIR filter based parity space approach for fault detection[C] Proc. the15th IFAC World Congress， Barcelona，2002.
[6] Abidin M S Z， Yusof R， Kahlid M， et al. Application of a model based fault detection and diagnosis using parameter estimation and fuzzy inference to a DC-servomotor[C] Proc.2002 IEEE International Symposium on Intelligent Control， Vancouver， Canada，2002：783-788.
[7]李青鋒，繆協(xié)興，徐余海.連續(xù)復(fù)小波在工程檢測(cè)數(shù)據(jù)處理中的應(yīng)用[J].中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2007，36（1）：22-26.
關(guān)鍵詞：電力系統(tǒng)、系統(tǒng)故障、故障診斷
中圖分類號(hào)：TM712文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：
1 引言
電力系統(tǒng)的不斷發(fā)展使電網(wǎng)覆蓋的區(qū)域越來(lái)越廣，系統(tǒng)組成也越來(lái)越復(fù)雜，電網(wǎng)系統(tǒng)往往涉及到很多區(qū)域之間的電力調(diào)配和管理工作，因此在電網(wǎng)建設(shè)中使用了數(shù)據(jù)采集監(jiān)控系統(tǒng)、能量管理系統(tǒng)，正因?yàn)槿绱耍砸坏╇娏ο到y(tǒng)中的某個(gè)部位發(fā)生問(wèn)題，將會(huì)波及到很多的電力線路，在這種情況下，電力系統(tǒng)故障診斷顯得極為重要。電力系統(tǒng)故障診斷系統(tǒng)還應(yīng)具備對(duì)電網(wǎng)故障迅速定位、智能識(shí)別的功能。
2 電力系統(tǒng)故障診斷國(guó)內(nèi)外研究發(fā)展?fàn)顩r及意義
2.1 電力系統(tǒng)故障診斷的發(fā)展現(xiàn)狀
對(duì)于故障診斷技術(shù)，國(guó)內(nèi)的研究時(shí)間還很短，到目前為止僅僅是研究了一些理論知識(shí)，例如診斷技術(shù)的重要意義以及實(shí)際作用等等，技術(shù)基礎(chǔ)是譜分析、快速傅里葉變換等等?？偨Y(jié)起來(lái)，國(guó)內(nèi)電力系統(tǒng)出現(xiàn)問(wèn)題主要的原因有以下幾個(gè)方面：(1)系統(tǒng)設(shè)計(jì)存在缺陷，結(jié)構(gòu)混亂，不能及時(shí)的給系統(tǒng)故障定位。(2)某些地區(qū)的設(shè)備老化。(3)泥石流、雨雪等自然災(zāi)害引起的系統(tǒng)故障。(4)系統(tǒng)保護(hù)不力，當(dāng)出現(xiàn)問(wèn)題時(shí)，不能阻止故障蔓延。當(dāng)前，隨著我國(guó)電力系統(tǒng)建設(shè)工作的進(jìn)行，急需以現(xiàn)代化的管理方法來(lái)增強(qiáng)電力系統(tǒng)的安全性和可維護(hù)性，這就催生了診斷技術(shù)的迅速發(fā)展，并形成了能夠適應(yīng)國(guó)內(nèi)電力系統(tǒng)特征的一整套診斷理論，具有世界領(lǐng)先水平。[1]
2.2 電力系統(tǒng)故障的危害及其診斷意義
由于當(dāng)前電力網(wǎng)絡(luò)之間是相互連通的，所以一旦出現(xiàn)問(wèn)題就會(huì)造成很大的損失。系統(tǒng)故障是不可避免的，受到人為因素以及自然因素等的影響。在其他國(guó)家和地區(qū)，曾出現(xiàn)過(guò)很多比較嚴(yán)重的電力事故，造成了不可挽回的損失。在這樣的背景下，尋找電力系統(tǒng)故障快速診斷的方法顯得極為重要。
3 電力系統(tǒng)常見(jiàn)故障
所謂的電力系統(tǒng)故障，指的是電力設(shè)備出現(xiàn)了問(wèn)題，不能正常工作，預(yù)期的生產(chǎn)任務(wù)不能完成。電力系統(tǒng)的故障有很多種，短路故障是最常出現(xiàn)的一種故障。所謂的短路故障，指的就是線路或者是設(shè)備短接。電力系統(tǒng)是一個(gè)整體，有一個(gè)元件出現(xiàn)了問(wèn)題，若不及時(shí)排除，那么都有可能會(huì)造成整個(gè)系統(tǒng)的癱瘓。按照系統(tǒng)故障的狀態(tài)劃分，電力故障可以分為變壓器故障、輸電線路故障、母線故障、停電故障等等。[2]
3.1 輸電線路故障
輸電線路故障有輸電線路由于雷電造成絕緣子表面閃絡(luò)；物體造成的線路短路等等，當(dāng)實(shí)際情況中出現(xiàn)這些問(wèn)題時(shí)，系統(tǒng)中的繼電保護(hù)裝置會(huì)跳閘切斷電路。之后，故障點(diǎn)將會(huì)恢復(fù)原有的絕緣平衡。當(dāng)出現(xiàn)這種問(wèn)題時(shí)，將斷路器閉合系統(tǒng)即可恢復(fù)正常。其他的輸電線路故障還有絕緣子損害、斷線、電桿損壞等等，這一類故障的處理就會(huì)復(fù)雜很多。
3.2 變壓器故障
因?yàn)樽儔浩鞴收仙婕暗降膯?wèn)題有很多，所以以油浸式變壓器舉例說(shuō)明。故障有兩種，即外部故障、內(nèi)部故障，我們所說(shuō)的故障診斷指的就是內(nèi)部故障診斷。內(nèi)部故障又可分為兩種類型，即熱故障、電故障。所謂的電故障，[3]指的就是變壓器內(nèi)部因?yàn)楦唠妶?chǎng)的存在使得絕緣性能下降所導(dǎo)致的變壓器故障。所謂的熱故障，指的就是變壓器內(nèi)部因?yàn)闇囟忍咚鶎?dǎo)致的故障，按照溫度可以劃分為四種故障，低于150℃的輕度過(guò)熱，150至300℃的低溫過(guò)熱，300至700℃的中溫過(guò)熱，大于700℃的高溫過(guò)熱。
3.3 母線故障及全廠、全所停電
如果樞紐變電站發(fā)生母線故障，電力用戶就會(huì)停電，這就會(huì)造成某些電網(wǎng)載荷過(guò)大，影響系統(tǒng)的安全運(yùn)行。母線故障有很多，比如誤動(dòng)作、母線保護(hù)拒動(dòng)、母線短路等等，這些故障有可能使得系統(tǒng)跳閘、發(fā)電廠停電、其他輸電線路出現(xiàn)線路故障、越級(jí)跳閘等等。
4 電力系統(tǒng)故障診斷方法
4.1 基于專家系統(tǒng)原理的電力系統(tǒng)故障診斷
所謂的專家系統(tǒng)，指的就是利用計(jì)算機(jī)技術(shù)，建立適當(dāng)?shù)哪Ｐ桶凑諏＜业倪壿媽?duì)故障進(jìn)行推演。事實(shí)證明，電力故障診斷系統(tǒng)中使用的專家系統(tǒng)是很有成效的。專家系統(tǒng)的推理邏輯以及知識(shí)庫(kù)是不同的，據(jù)此可將專家系統(tǒng)劃分成兩種類型：
1)基于啟發(fā)式規(guī)則推理的系統(tǒng)
這種專家系統(tǒng)以系統(tǒng)的各種邏輯動(dòng)作、管理維護(hù)人員的實(shí)際經(jīng)驗(yàn)為基礎(chǔ)，以此建立模型，形成專家系統(tǒng)的各種判斷條件，利用正向推理的方式來(lái)對(duì)系統(tǒng)故障進(jìn)行診斷。當(dāng)前很多電力系統(tǒng)使用的就是這種形式的系統(tǒng)。
2)結(jié)合正、反推理的系統(tǒng)
這類系統(tǒng)較為復(fù)雜，使用了正向推理以及反向推理的方法，以繼電保護(hù)裝置以及被保護(hù)設(shè)備間的關(guān)系建立模型，利用反向推理的方法來(lái)尋找有可能出現(xiàn)故障的區(qū)域，將繼電保護(hù)裝置的動(dòng)作與故障發(fā)生時(shí)的工作進(jìn)行匹配來(lái)對(duì)故障進(jìn)行判斷。以RBR與CBR為基礎(chǔ)的故障診斷專家系統(tǒng)進(jìn)行了詳細(xì)的介紹。因?yàn)檫@種系統(tǒng)的推理是正向與反向相結(jié)合的，所以具備自主學(xué)習(xí)的功能，對(duì)于現(xiàn)實(shí)系統(tǒng)具有較好的適應(yīng)性。
診斷專家系統(tǒng)最鮮明的特點(diǎn)就是可以將保護(hù)裝置的動(dòng)作以及系統(tǒng)維護(hù)人員積累的實(shí)際經(jīng)驗(yàn)利用起來(lái)建立合適的模型以及判斷規(guī)則，而且系統(tǒng)的知識(shí)庫(kù)可以不斷的更新，使得專家系統(tǒng)能夠?qū)Ω鞣N故障做出及時(shí)的反應(yīng)，做出合理的判斷。在一些規(guī)模比較小的電力系統(tǒng)中比較適合使用這一類診斷系統(tǒng)。
4.2 基于人工神經(jīng)網(wǎng)絡(luò)的診斷方法
ANN，即基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷法，相對(duì)于專家系統(tǒng)而言，其學(xué)習(xí)能力、容錯(cuò)能力更好。當(dāng)前使用的ANN有基于徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)等等。ANN不需要構(gòu)造知識(shí)庫(kù)和推理機(jī)。但是ANN的訓(xùn)練樣本的獲取極為不易，所以一般在規(guī)模比較小的電力系統(tǒng)中使用。
4.3 基于優(yōu)化技術(shù)的診斷方法
Optimization methods，即基于優(yōu)化技術(shù)的故障診斷法，這種方法的基礎(chǔ)是各種數(shù)學(xué)模型，通過(guò)模型的求解來(lái)完成系統(tǒng)的故障診斷。大致思想是把電力系統(tǒng)的故障簡(jiǎn)化為0-1的規(guī)劃問(wèn)題，然后利用相應(yīng)的數(shù)學(xué)模型來(lái)尋找最優(yōu)解。在文獻(xiàn)[6]當(dāng)中對(duì)這一問(wèn)題進(jìn)行了詳細(xì)的介紹，并建立了一個(gè)數(shù)學(xué)函數(shù)，將故障診斷問(wèn)題變成了一個(gè)數(shù)學(xué)求解的問(wèn)題。優(yōu)化技術(shù)診斷法從理論上看模型極為嚴(yán)密，不需要知識(shí)庫(kù)，可以使用現(xiàn)有的數(shù)學(xué)算法，對(duì)于各種信息和數(shù)據(jù)較為完備的電力系統(tǒng)，比較適合使用這種方法。
4.4 基于多系統(tǒng)的診斷方法
MAS，即多系統(tǒng)，通常被理解為分布式人工智能的一部分。如果一個(gè)問(wèn)題出現(xiàn)之后，可以被分成許多不同的小問(wèn)題，解決這些小問(wèn)題需要的數(shù)據(jù)很少，那么這些小問(wèn)題之間必須形成一定的聯(lián)系才能最終解決實(shí)際的大問(wèn)題。[4]對(duì)于規(guī)模比較大、結(jié)構(gòu)比較復(fù)雜的電力系統(tǒng)，多系統(tǒng)可以發(fā)揮重要的作用。不過(guò)，對(duì)于上述提到的難點(diǎn)問(wèn)題還有待進(jìn)一步的探討和研究，希望在未來(lái)多系統(tǒng)能夠在電力系統(tǒng)的故障診斷領(lǐng)域?qū)崿F(xiàn)大規(guī)模的應(yīng)用。
4.5 基于粗糙集的數(shù)據(jù)挖掘技術(shù)的診斷方法
粗糙集理論是一種數(shù)學(xué)工具，對(duì)于某些不完整的數(shù)據(jù)或者是帶有不確定因素的數(shù)據(jù)，較為復(fù)雜的系統(tǒng)，粗糙集理論可以發(fā)揮重要作用。在電力系統(tǒng)中利用粗糙集理論可以提高數(shù)據(jù)挖掘的效率，這對(duì)于電力系統(tǒng)的數(shù)據(jù)管理具有十分重要的現(xiàn)實(shí)意義。電力系統(tǒng)通常存儲(chǔ)有海量的數(shù)據(jù)，數(shù)據(jù)挖掘能夠發(fā)現(xiàn)這些數(shù)據(jù)存在的規(guī)律，對(duì)電力線路的負(fù)荷做出預(yù)判，還能為電價(jià)制定提供數(shù)據(jù)參考。[5]當(dāng)電力系統(tǒng)發(fā)生故障的時(shí)候，故障診斷電力系統(tǒng)會(huì)發(fā)出很多的報(bào)警信息，繁雜的信息給故障定位帶來(lái)了不小的麻煩，所以利用數(shù)據(jù)挖掘技術(shù)來(lái)對(duì)這些報(bào)警信息進(jìn)行分析以幫助快速定位系統(tǒng)故障顯得意義重大。有專家指出，將數(shù)據(jù)挖掘技術(shù)和粗糙集理論相結(jié)合，可以增強(qiáng)復(fù)雜系統(tǒng)中故障診斷的水平和準(zhǔn)確率。
5 結(jié)束語(yǔ)
為了保證電力系統(tǒng)安全正常的運(yùn)轉(zhuǎn)，保護(hù)人民群眾的財(cái)產(chǎn)的安全，電力系統(tǒng)故障診斷系統(tǒng)顯得責(zé)任重大。雖然從上世紀(jì)八十年代以來(lái)，國(guó)內(nèi)外的專家就對(duì)故障診斷進(jìn)行了很多研究，但是現(xiàn)實(shí)情況中的很多問(wèn)題目前還是沒(méi)有得到很到的解決。當(dāng)前，隨著電力系統(tǒng)規(guī)模的逐漸擴(kuò)大，精確有效的故障診斷系統(tǒng)的需求顯得更為迫切。本文對(duì)電力系統(tǒng)故障診斷做了詳細(xì)分析并提出了一些常用的診斷方法，這對(duì)于今后電力系統(tǒng)故障診斷系統(tǒng)在實(shí)際中發(fā)揮更加重要的作用有一定的指導(dǎo)意義。
參考文獻(xiàn)：
[1]危前進(jìn).董榮勝.孟瑜.崔更申.基于粗糙集的機(jī)械裝配知識(shí)發(fā)現(xiàn)方法[A].廣西計(jì)算機(jī)學(xué)會(huì)25周年紀(jì)念會(huì)暨2011年學(xué)術(shù)年會(huì)論文集[C].2011年.
[2]胡澤江.張海濤.可拓關(guān)聯(lián)函數(shù)與屬性約簡(jiǎn)相結(jié)合的變壓器故障診斷方法[A].2011年云南電力技術(shù)論壇論文集(入選部分)[C].2011年.
[3]宋平.王超.霍偉華.基于自動(dòng)測(cè)試的故障診斷專家系統(tǒng)[J].信息與電腦(理論版).2011年02期.
1.小波分析
小波分析（Wavelate Analysis）即小波變換是近期發(fā)展起來(lái)的新的方法和數(shù)學(xué)理論，被認(rèn)為是傅立葉分析方法的進(jìn)展。小波變換的基本思想與傅立葉變換有相似之處，小波分析相比較傅立葉的優(yōu)勢(shì)在于：小波分析在頻域和時(shí)域都具有良好的局部化特性。因此，小波變換被稱為分析信號(hào)的顯微鏡.小波分析在故障診斷、計(jì)算機(jī)視覺(jué)、生物醫(yī)學(xué)工程、量子物理、模式識(shí)別、話音分析、圖像處理、信號(hào)處理及眾多非線性領(lǐng)域里都有廣泛的應(yīng)用[2]。
1.1小波分析的定義及特性
設(shè) （即能量有限的信號(hào)空間），其傅立葉變換為 。當(dāng) 滿足允許條件：
為一基本小波或母小波（Mother wavelet）。將 經(jīng)伸縮和平移后，就可得到一個(gè)小波序列。
對(duì)于連續(xù)情況，小波序列為：
對(duì)于離散情況，小波序列為：
對(duì)于任意函數(shù)，則的小波變換為：
其逆變換為：
小波變化的特性[3]：
（1）能量守恒：根據(jù)小波變換，信號(hào)總能量可以表示為：
這就允許把變換的模方解釋為在平面（，）中的能量分布密。
（2）線性特性：小波變換是信號(hào)的線性描述，對(duì)于多分量信號(hào)的分析比較方便。
（3）分辨力特性：小波變換在頻率和時(shí)間上的分辨力是以如下給定的小波的頻率帶寬和時(shí)間間隔決定的：
式中，和為基本小波函數(shù)的頻率帶寬和時(shí)間間隔。
（4）協(xié)變性：當(dāng)信號(hào)平移時(shí)，則被轉(zhuǎn)換成 。
（5）頻域和時(shí)域中的局部定位特性。[3]
1.2小波分析在故障診斷中的應(yīng)用
動(dòng)態(tài)系統(tǒng)發(fā)生故障時(shí)，系統(tǒng)的觀測(cè)信號(hào)通常會(huì)發(fā)生變化。因此我們可以通過(guò)連續(xù)小波變換來(lái)檢測(cè)觀測(cè)信號(hào)的奇異點(diǎn)以檢測(cè)出系統(tǒng)故障。其核心技術(shù)是信號(hào)在奇異點(diǎn)附近的Lipschitz指數(shù)[2]。Lipschitz定義為：設(shè)有正整數(shù)，如果存在常數(shù)以及次多項(xiàng)式 ，
對(duì)于成立，則稱在點(diǎn)是Lip的，Lip指數(shù)表明了函數(shù)與次多項(xiàng)式比較，光滑程度是多少。也就是說(shuō)，當(dāng)Lipschitz指數(shù)時(shí)，其連續(xù)小波變換的模極大值與尺度的變化成反比；當(dāng)時(shí)，則成正比。信號(hào)邊緣對(duì)應(yīng)的Lipschitz指數(shù)大于或等于0，而噪聲的Lipschitz指數(shù)遠(yuǎn)小于0。因此，可以利用小波變換區(qū)分信號(hào)和噪聲邊沿。
振動(dòng)系統(tǒng)的故障通常表現(xiàn)為觀測(cè)信號(hào)的頻率變化。可用離散正交小波變換分析檢測(cè)信號(hào)的頻率變化情況以檢測(cè)出系統(tǒng)的故障[3]。除此以外小波變換還可以看成帶通濾波器對(duì)信號(hào)進(jìn)行濾波。很多系統(tǒng)在發(fā)生故障時(shí)或故障前，系統(tǒng)的輸出噪聲都會(huì)增多，因而可用小波變換提取噪聲特征來(lái)進(jìn)行故障診斷?；蛘呃眯〔ㄗ儞Q去除噪聲，提取系統(tǒng)波形特征。
2.小波網(wǎng)絡(luò)
小波網(wǎng)絡(luò)是小波分析理論與神經(jīng)網(wǎng)絡(luò)理論結(jié)合的產(chǎn)物。小波網(wǎng)絡(luò)與BP網(wǎng)絡(luò)相比較存在著一些優(yōu)點(diǎn)，譬如：（1）小波函數(shù)的表現(xiàn)形式比sigmoid函數(shù)更為復(fù)雜。多小波函數(shù)可以形成超橢球分割并形成更復(fù)雜的分割曲面；同時(shí)可改變分辨率以及平移因子，對(duì)輸入空間上分布密集的數(shù)據(jù)使用高分辨率，對(duì)稀疏的數(shù)據(jù)則采用低分辨率來(lái)增強(qiáng)分類能力；（2）由于小波函數(shù)具有較好的局部化特性，所以有可能避免BP網(wǎng)絡(luò)的任意分類的缺點(diǎn)；（3）小波網(wǎng)絡(luò)主要用于信號(hào)的逼近和分類。
2.1小波網(wǎng)絡(luò)結(jié)構(gòu)
從結(jié)構(gòu)上看，可把小波網(wǎng)絡(luò)分成兩大類[3]：
（1）與前饋神經(jīng)網(wǎng)絡(luò)融合，即用小波函數(shù)代替常規(guī)單隱層神經(jīng)網(wǎng)絡(luò)的隱節(jié)點(diǎn)函數(shù)，由小波函數(shù)尺度代替相應(yīng)的輸入層到隱層的權(quán)值，由平移參數(shù)代替隱層閥值；
（2）與常規(guī)神經(jīng)網(wǎng)絡(luò)結(jié)合，即信號(hào)小波變換后，作為常規(guī)神經(jīng)網(wǎng)絡(luò)的輸入。
其中第一種結(jié)構(gòu)使用較多，結(jié)構(gòu)如圖1所示。
圖中、為輸入和輸出，為小波函數(shù)。
小波網(wǎng)絡(luò)的核心思想為：可用小波函數(shù)表示任意信號(hào)或函數(shù)：
其中， 為小波系數(shù)， 為小波函數(shù)。
2.2小波網(wǎng)絡(luò)在故障診斷中的應(yīng)用
小波網(wǎng)絡(luò)對(duì)信號(hào)可任意精度的逼近，這就為故障診斷提供了可能性。可將系統(tǒng)已知的輸入、輸出和故障結(jié)論一起當(dāng)成小波網(wǎng)絡(luò)的訓(xùn)練樣本訓(xùn)練小波網(wǎng)絡(luò)，使小波網(wǎng)絡(luò)每個(gè)輸出端分別輸出相應(yīng)的信號(hào)，從而使每個(gè)輸出端對(duì)應(yīng)一個(gè)特定的故障[3，4]。
除此以外，我們還可利用小波網(wǎng)絡(luò)來(lái)最大限度地逼近系統(tǒng)正常輸出[5，6]。利用系統(tǒng)輸入和輸出對(duì)小波網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使小波網(wǎng)絡(luò)的輸出最接近實(shí)際輸出，訓(xùn)練完畢后將需診斷的輸入作為小波網(wǎng)絡(luò)的輸入，將系統(tǒng)的輸出與小波網(wǎng)絡(luò)的輸出比較得到差值進(jìn)行診斷。
3.小結(jié)
本文對(duì)小波分析、小波網(wǎng)絡(luò)在故障診斷中的應(yīng)用進(jìn)行了介紹。由于小波變換具有較好的時(shí)域和頻域局部化特性，所以使用小波變換進(jìn)行故障診斷時(shí)不需要對(duì)診斷對(duì)象進(jìn)行數(shù)學(xué)建模，可實(shí)時(shí)地進(jìn)行故障診斷；對(duì)任意函數(shù)或信號(hào)小波網(wǎng)絡(luò)都具有優(yōu)良的逼近性能，從而能對(duì)系統(tǒng)進(jìn)行精確的故障診斷[3]。小波分析和小波網(wǎng)絡(luò)在故障診斷的應(yīng)用中有很多優(yōu)點(diǎn)，但同時(shí)還存在很多有待解決的問(wèn)題，例如魯棒性、小波網(wǎng)絡(luò)的收斂性、在不同的情況下應(yīng)選用何種小波、小波變換中的基波如何選擇等問(wèn)題，為我們將來(lái)的研究提供了方向。
參考文獻(xiàn)
[1] 吳丹.DC/DC開(kāi)關(guān)電源的故障診斷研究[D].中南大學(xué)碩士論文.2007.
[2] 陳佳.故障診斷方法綜述[J].今日科苑.2009，12：12-13.
[3] 周小勇，葉銀忠.小波分析技術(shù)在故障診斷中的應(yīng)用[J].上海海運(yùn)學(xué)院學(xué)報(bào).2001，9（1）：21-24.
[4] 李國(guó)爾，俞金壽.一種基于RBF神經(jīng)網(wǎng)絡(luò)的傳感器故障診斷方法[J].華東理工大學(xué)學(xué)報(bào).2012，3（2）：3-5.
關(guān)鍵詞：AMT；PHM；特征提??；多傳感器融合；D-S證據(jù)；灰色預(yù)測(cè)。
The research on AMT Prognostics and Health Management system of heavy vehicle
Hu Yu1，Liang Wei2
（1Spaceon T&C Techonlogy Co.，Ltd，Chengdu ，611731，China；2University of Electronic Science and Technology，Chendu， 610054，China）
Abstract：AMT is the key part to influence the performance of the transmission system and ensure the effective operation of the vehicle.Aim at the main fault features of heavy vehicle's AMT，the structure of AMT Prognostics and Health Management system of heavy vehicle was designed and function of different parts was introduced in this article，which has a certain brand of reference and guidance on the rearsh of AMT PHM system.
Key words：AMT；PHM；feature extraction；Multy-sensor fusion；D-S envidence；grey prediction
電控機(jī)械式自動(dòng)變速器（Automatic Mechanical Transmission，AMT）是在原有手動(dòng)變速器基本結(jié)構(gòu)不變的情況下，通過(guò)加裝微機(jī)控制的自動(dòng)操縱機(jī)構(gòu)，取代原來(lái)由駕駛員人工完成的離合器分離、接合和選換檔操作，以實(shí)現(xiàn)換檔自動(dòng)化[1，2]。重型車輛使用環(huán)境相對(duì)惡劣，條件復(fù)雜，造成AMT負(fù)載大，容易發(fā)生故障。
目前AMT的維修方式主要采用“事后維修”和定期強(qiáng)制保養(yǎng)，帶來(lái)了一系列問(wèn)題。事后維修，不壞不修，維修只是在出現(xiàn)了故障后進(jìn)行的修理，這種方式隱含著對(duì)人身安全的威脅和造成財(cái)產(chǎn)重大損失的危機(jī)。定期強(qiáng)制保養(yǎng)往往造成盲目修理或失修現(xiàn)象[3]。
故障預(yù)測(cè)和健康管理（Prognostics and Health Management，PHM）技術(shù)是一個(gè)涵蓋基礎(chǔ)材料、機(jī)械結(jié)構(gòu)、能源、電子、自動(dòng)測(cè)試、可靠性、信息等多領(lǐng)域的交叉學(xué)科和研究熱門方向，具有重要的應(yīng)用價(jià)值和現(xiàn)實(shí)意義[4，5]。利用對(duì)設(shè)備狀態(tài)具有感知、預(yù)測(cè)和決策能力的PHM技術(shù)可以及時(shí)地發(fā)現(xiàn)AMT關(guān)鍵部件的故障并進(jìn)行更換，實(shí)現(xiàn)AMT保障由定期計(jì)劃維修向基于狀態(tài)的維修轉(zhuǎn)變，保證車輛有效運(yùn)轉(zhuǎn)具有重要意義。
1 AMT故障特征
AMT系統(tǒng)保持了車輛原有的發(fā)動(dòng)機(jī)、離合器和變速箱的總成結(jié)構(gòu)，僅少量改變了換擋操縱系統(tǒng)，取消了變速箱和換擋手柄之間的機(jī)械連接以及離合器踏板，由自動(dòng)變速箱控制單元 （Transmission Control Unit，TCU）、傳感器和執(zhí)行機(jī)構(gòu)等組成，以TCU為核心，通過(guò)傳感器感知車輛運(yùn)行狀態(tài)，應(yīng)用自動(dòng)變速理論，驅(qū)動(dòng)執(zhí)行機(jī)構(gòu)控制離合器的結(jié)合與分離以及選換擋機(jī)構(gòu)的動(dòng)作，以實(shí)現(xiàn)自動(dòng)換擋[6]。內(nèi)部的齒輪和滾動(dòng)軸承磨損是AMT的主要機(jī)械故障。齒輪故障主要分為齒面的磨損、齒面的膠合和擦傷、齒面的接觸疲勞、彎曲疲勞與斷齒。其中斷齒和點(diǎn)蝕是齒輪故障的主要故障模式。軸承常見(jiàn)故障形式有疲勞剝落、磨損、塑性變形、腐蝕、斷裂、膠合和保持架損壞等[7]。
2 AMT PHM系統(tǒng)
PHM的關(guān)鍵特性是預(yù)測(cè)和健康管理能力。通過(guò)研究AMT的故障特征，從功能劃分和模塊化設(shè)計(jì)的角度分析，AMT PHM系統(tǒng)結(jié)構(gòu)如圖1所示。AMT PHM系統(tǒng)各部分的主要功能如下：
2.1數(shù)據(jù)采集與處理
數(shù)據(jù)采集是PHM系統(tǒng)基礎(chǔ)信息獲取的源頭。齒輪和滾動(dòng)軸承的故障是在振動(dòng)方面體現(xiàn)出來(lái)的，因此采用振動(dòng)信號(hào)檢測(cè)是齒輪和滾動(dòng)軸承故障診斷的主要手段。同時(shí)，AMT的滾動(dòng)軸承及齒輪出現(xiàn)故障會(huì)以碰撞、摩擦的形式表現(xiàn)出來(lái)，而碰撞、摩擦?xí)?dǎo)致聲信號(hào)、高頻振動(dòng)、發(fā)熱、脈沖聲發(fā)射及摩擦連續(xù)聲發(fā)射等物理現(xiàn)象[8]。因此，采用加速度傳感器、聲發(fā)射傳感器及溫度傳感器進(jìn)行數(shù)據(jù)采集。傳感器的選擇及其檢測(cè)的物理量如表1所示。
數(shù)據(jù)處理使用濾波、平均、統(tǒng)計(jì)分析、譜分析等方法處理數(shù)據(jù)采集的數(shù)據(jù)，把數(shù)據(jù)轉(zhuǎn)換成數(shù)據(jù)庫(kù)或健康管理系統(tǒng)所規(guī)范要求的格式。
2.2特征量提取
針對(duì)AMT中齒輪和軸承的故障特征，為了提高檢測(cè)的準(zhǔn)確度，采用主分量分析、小波包、匹配跟蹤、時(shí)頻分析、包絡(luò)提取等先進(jìn)信號(hào)處理技術(shù)提取故障特征[8-11]。提取的主要特征量包括峰-峰值、均方值、方差、裕度指標(biāo)、偏度指標(biāo)、峭度指標(biāo)、分頻信號(hào)、基頻、嚙合頻率及其諧波成分、幅值調(diào)制和頻率調(diào)制所形成的邊頻帶、由齒輪轉(zhuǎn)速頻率的低次諧波。
各參數(shù)的主要功能如下：
峭度指標(biāo)：主要用來(lái)檢測(cè)AMT中是否存在碰摩故障。
峰-峰值、均方值及方差：檢測(cè)AMT振動(dòng)異?，F(xiàn)象。
裕度指標(biāo)：用于檢測(cè)AMT的磨損情況。若偏度指標(biāo)變化不大，峰值與均方值的比值增大，說(shuō)明由于磨損導(dǎo)致間隙增大，因而振動(dòng)的峰值比均方值增加快，其裕度指標(biāo)也增大。
偏度指標(biāo)：反映振動(dòng)信號(hào)的不對(duì)稱性。如果存在著某一方向的摩擦或碰撞，就會(huì)造成振動(dòng)波形的不對(duì)稱，使偏度指標(biāo)增大。
2.3狀態(tài)監(jiān)測(cè)
狀態(tài)監(jiān)測(cè)層通過(guò)設(shè)定AMT穩(wěn)定工作時(shí)特征參數(shù)閾值來(lái)實(shí)現(xiàn)，當(dāng)特征參數(shù)超過(guò)此閾值時(shí)既認(rèn)為AMT發(fā)生異常，進(jìn)而診斷是否發(fā)生了故障。用作狀態(tài)監(jiān)測(cè)的特征參數(shù)通過(guò)實(shí)驗(yàn)進(jìn)行確定。
2.4故障診斷和預(yù)測(cè)
故障診斷和預(yù)測(cè)是根據(jù)AMT變速箱系統(tǒng)當(dāng)前的健康狀況，對(duì)AMT變速箱系統(tǒng)及其關(guān)鍵部件進(jìn)行故障診斷并估計(jì)剩余可用壽命，以及對(duì)任務(wù)執(zhí)行的影響。
在AMT故障診斷中，采用聲發(fā)射信號(hào)和振動(dòng)信號(hào)進(jìn)行信息融合，能提供與AMT微觀（應(yīng)力波）和宏觀（振動(dòng)）特性有關(guān)的信息，可為AMT的狀態(tài)監(jiān)測(cè)提供更多的互補(bǔ)信息。
隱馬爾可夫模型（Hidden Markov Model，HMM）是一種基于統(tǒng)計(jì)的時(shí)間序列模型[12]，包含了一個(gè)雙隨機(jī)馬爾可夫過(guò)程，其中隱藏的狀態(tài)不能直接觀測(cè)到，僅能通過(guò)另一個(gè)可以被直接觀測(cè)到的隨機(jī)過(guò)程來(lái)進(jìn)行估計(jì)。HMM的雙隨機(jī)結(jié)構(gòu)非常適合于對(duì)實(shí)際系統(tǒng)的建模和描述。通過(guò)狀態(tài)監(jiān)測(cè)系統(tǒng)，隨時(shí)間變化的軸承振動(dòng)信號(hào)是能夠被觀測(cè)到的。這種特性與HMM的結(jié)構(gòu)非常一致，因此，HMM非常適合于工程中利用觀測(cè)信號(hào)來(lái)估計(jì)系統(tǒng)的實(shí)際狀態(tài)。
D-S證據(jù)理論從傳感器獲得相關(guān)數(shù)值就是該理論的證據(jù)，由它可以得出待識(shí)別目標(biāo)模式的基本可信度分配值[13]。多個(gè)傳感器就可以形成多個(gè)證據(jù)組。多傳感器信息融合通過(guò) D-S聯(lián)合規(guī)則聯(lián)合多個(gè)證據(jù)組形成一個(gè)新的綜合的證據(jù)組。
AMT PHM系統(tǒng)結(jié)合HMM和D-S證據(jù)理論的優(yōu)點(diǎn)，采用多傳感器信息融合方法對(duì)AMT進(jìn)故障診斷，為AMT故障模式的決策提供準(zhǔn)確的信息。基于HMM和D-S證據(jù)理論的多通道信息融合方法如圖2所示。
灰色預(yù)測(cè)是一種對(duì)含有不確定因素的系統(tǒng)進(jìn)行預(yù)測(cè)的方法[14]。由于運(yùn)行過(guò)程中的AMT系統(tǒng)具有非平穩(wěn)性，強(qiáng)噪音的特點(diǎn)，具有很強(qiáng)的不確定性，AMT PHM系統(tǒng)采用灰色預(yù)測(cè)技術(shù)估計(jì)設(shè)備的剩余可用壽命。利用AMT系統(tǒng)的時(shí)頻及統(tǒng)計(jì)指標(biāo)作為齒輪和軸承故障評(píng)估指標(biāo)，能夠全面有效的反映齒輪和軸承壽命的退化趨勢(shì)。為了實(shí)現(xiàn)工程應(yīng)用，采用應(yīng)用最廣泛、最簡(jiǎn)單的GM（1，1）模型對(duì)齒輪和軸承故障進(jìn)行灰色預(yù)測(cè)，其是利用小樣本，貧信息建立預(yù)測(cè)模型并進(jìn)行相關(guān)預(yù)測(cè)的方法，該預(yù)測(cè)模型具有建模數(shù)據(jù)少、預(yù)測(cè)精度高，建模容易等優(yōu)點(diǎn)。
2.5健康驗(yàn)證與評(píng)估
AMT PHM系統(tǒng)采用基于試驗(yàn)的方法，建立AMT機(jī)械診斷測(cè)試臺(tái)，通過(guò)積累大量齒輪、軸承以及實(shí)際AMT的重要失效數(shù)據(jù)，來(lái)對(duì)各種故障診斷與預(yù)測(cè)方法進(jìn)行驗(yàn)證與評(píng)估。
采用電火花加工滾動(dòng)軸承的內(nèi)圈故障、外圈故障和滾動(dòng)體故障。加工斷齒、磨損、擦傷等人工齒輪故障，將故障滾動(dòng)軸承和齒輪安裝在測(cè)試臺(tái)上并進(jìn)行測(cè)試，對(duì)滾動(dòng)軸承和齒輪的正常階段，故障發(fā)生階段，加重階段及最終失效階段進(jìn)行評(píng)估。
3 結(jié)論
本文針對(duì)重型車輛AMT的故障特征，設(shè)計(jì)了AMT PHM系統(tǒng)結(jié)構(gòu)。利用聲發(fā)射傳感器、加速度傳感器和溫度傳感器采集的數(shù)據(jù)作為AMT PHM系統(tǒng)的源頭，通過(guò)提取相關(guān)參數(shù)的特征量，采用HMM和D-S證據(jù)理論相結(jié)合的方法對(duì)AMT進(jìn)行故障診斷，以及采用灰色預(yù)測(cè)的方法對(duì)AMT的壽命進(jìn)行預(yù)測(cè)，最終對(duì)AMT的健康進(jìn)行驗(yàn)證和評(píng)估。該系統(tǒng)結(jié)構(gòu)將對(duì)AMT PHM系統(tǒng)的研制具有一定的指導(dǎo)和借鑒意義。
參考文獻(xiàn)
[1]胡敏，劉振軍.電控機(jī)械式自動(dòng)變速系統(tǒng)開(kāi)發(fā)及試驗(yàn)[J].重慶大學(xué)學(xué)報(bào)，2004，27（9）：6-9.
[2]汪偉華，時(shí)國(guó)平.車輛機(jī)械式自動(dòng)變速器控制系統(tǒng)的研制[J].工業(yè)儀表與自動(dòng)化裝置， 2009，（4）：34-37.
[3]肖云魁.汽車故障診斷學(xué)[M].北京：北京理工大學(xué)出版社.2001
[4]彭宇，劉大同，彭喜元.故障預(yù)測(cè)與健康管理技術(shù)綜述[J].電子測(cè)量與儀器學(xué)報(bào)，2010，24 （1）：1-9.
[5]彭宇，劉大同.數(shù)據(jù)驅(qū)動(dòng)故障預(yù)測(cè)和健康管理綜述[J].儀器儀表學(xué)報(bào)，2014，35（3）：481-495.
[6]顧佳鼎，趙治國(guó).混合動(dòng)力HEV轎車AMT控制器硬件開(kāi)發(fā)[J].上海汽車，2009，（1）：3-8.
[7]崔立明，王奉濤，徐勇.齒輪箱故障診斷實(shí)例分析.裝備制造技術(shù)，2015（6）：48-50.
[8]尹芳莉，譚建平，何搖雷.強(qiáng)沖擊下變速箱滾動(dòng)軸承故障診斷[J].廣西大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2014， 39（3）：620-624.
[9]李學(xué)軍，廖傳軍，褚福磊.適于聲發(fā)射信號(hào)故障特征提取的小波函數(shù)[J] .機(jī)械工程學(xué)報(bào)，2008， 44（3）： 177-181.
[10]馮志鵬，劉立，張文明等.基于小波時(shí)頻框架分解方法的滾動(dòng)軸承故障診斷[J].振動(dòng)與沖擊， 2008，27（2）：
[11]林京.基于連續(xù)小波變換的信號(hào)檢測(cè)技術(shù)與故障診斷[J].機(jī)械工程學(xué)報(bào)，2000，36（12）：95-100
[12]BAUM L E， PETRIE T. Statistical inference for probabilistic functions of finite state Markov chains [J]. The Annals of Mathematical Statistics， 1966， 37（6）： 1554-1563.
關(guān)鍵詞 礦山；故障；維修
中圖分類號(hào)TD4 文獻(xiàn)標(biāo)識(shí)碼A 文章編號(hào) 1674-6708（2012）73-0164-02
1 礦山作業(yè)機(jī)電設(shè)備故障診斷技術(shù)綜述
1.1 故障診斷技術(shù)
機(jī)電使用設(shè)備一般都是根據(jù)使用的時(shí)間越久對(duì)其機(jī)器的磨損就越大，整個(gè)機(jī)器就越容易老化，所以在機(jī)器的使用的過(guò)程中我們必須要不斷的對(duì)其進(jìn)行保養(yǎng)，利用機(jī)器的保障診斷技術(shù)來(lái)對(duì)機(jī)電的基礎(chǔ)設(shè)備的利用率進(jìn)行提升。而采集設(shè)備信息、分析信息等都是解決方案的幾個(gè)重要部分。
1.1.1 建立數(shù)學(xué)模型
機(jī)電設(shè)備在進(jìn)行運(yùn)轉(zhuǎn)的時(shí)候會(huì)有比較多參數(shù)與數(shù)據(jù)，這些機(jī)電的數(shù)值基本上都是檢測(cè)設(shè)備是否正常的標(biāo)志，也可以作為機(jī)器故障診斷的依據(jù)。而我們進(jìn)行這些診斷都是建立在數(shù)學(xué)模型上的，只有通過(guò)對(duì)機(jī)電設(shè)備運(yùn)行進(jìn)行數(shù)學(xué)建模才能夠更好的掌握機(jī)器設(shè)備運(yùn)行的情況。
1.1.2 信息采集技術(shù)
對(duì)各種設(shè)備狀態(tài)進(jìn)行比較準(zhǔn)確的采集以及測(cè)量，通常情況下都是利用機(jī)電設(shè)備中的傳感器得到的，該機(jī)器所產(chǎn)生的一切數(shù)據(jù)信息都必須傳入到計(jì)算機(jī)中進(jìn)行存儲(chǔ)的。
1.1.3 信息處理技術(shù)
在現(xiàn)場(chǎng)獲取機(jī)器設(shè)備的信息，它是不能夠直接拿來(lái)進(jìn)行判別的，它存在不同的兩種信息，因此我們需要將這些信息進(jìn)行一種轉(zhuǎn)換，使其能夠被機(jī)器讀懂，于是這樣可以對(duì)信息進(jìn)行采集了。
1.1.4 分析與識(shí)別技術(shù)
分析與識(shí)別技術(shù)主要是對(duì)信息進(jìn)行科學(xué)的分析并對(duì)其識(shí)別，之后再把機(jī)器設(shè)備正常運(yùn)行的標(biāo)準(zhǔn)化參數(shù)進(jìn)行比較，并對(duì)機(jī)器故障產(chǎn)生的具體原因進(jìn)行判別。
1.1.5 預(yù)測(cè)技術(shù)
預(yù)測(cè)技術(shù)主要是通過(guò)分析與識(shí)別技術(shù)對(duì)信息進(jìn)行處理后，在對(duì)機(jī)器中的所有設(shè)備產(chǎn)生的原因進(jìn)行預(yù)測(cè)。
1.2 故障診斷技術(shù)的分類
1.2.1 主觀診斷
所謂主觀診斷，就是對(duì)機(jī)器修理人員按照他們自身的工作習(xí)慣而選擇較為簡(jiǎn)易的裝置進(jìn)行診斷。主觀診斷技術(shù)要考慮到人的因素，然而，主觀診斷技術(shù)很難處理復(fù)雜的故障。一般來(lái)說(shuō)，故障樹(shù)分析法、直覺(jué)經(jīng)驗(yàn)法等是較為常用的。
1.2.2 應(yīng)用裝置
通過(guò)應(yīng)用裝置來(lái)有效地測(cè)量機(jī)電設(shè)備中的液壓系統(tǒng)的綜合性能以及發(fā)現(xiàn)潛在的故障問(wèn)題，同時(shí)有效地診斷處理后所展示出來(lái)的結(jié)果。
1.2.3 智能型系統(tǒng)
智能型系統(tǒng)的核心就是智能診斷技術(shù)，這種技術(shù)能夠模擬人類的大腦的行為，以便能夠獲知診斷故障的有利信息。具體來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)法就是一種良好的智能型系統(tǒng)技術(shù)，能夠非常有效地進(jìn)行故障診斷。
2 機(jī)電設(shè)備維修可采用故障診斷技術(shù)
2.1 以故障歷史記錄為參考診斷法
以機(jī)電設(shè)備故障明顯的點(diǎn)入手，來(lái)排查局部設(shè)備的依賴性元器件是否出現(xiàn)故障，同時(shí)檢查所有系統(tǒng)， 務(wù)必將故障的癥結(jié)找出?？梢哉f(shuō)，在機(jī)電設(shè)備維護(hù)手冊(cè)中，通過(guò)故障來(lái)診斷的方法也是的主要使用的方法。在機(jī)電設(shè)備發(fā)生故障后，實(shí)行對(duì)故障產(chǎn)生的過(guò)程進(jìn)行細(xì)致排查便可以得出最終診斷結(jié)果，將這些結(jié)論有效地整理歸納， 便可形成一個(gè)系統(tǒng)的故障診斷集。因此，可以將礦山作業(yè)機(jī)電設(shè)備的系統(tǒng)組成原理作為這種方法的基本依據(jù)。
2.2 通過(guò)溫度和壓力監(jiān)測(cè)診斷法
借助于摩擦副軸承、齒輪傳動(dòng)箱以及其它部位的溫度和壓力傳感器，可以對(duì)于礦山作業(yè)機(jī)電設(shè)備相關(guān)部位的溫度以及壓力參數(shù)進(jìn)行定點(diǎn)在線監(jiān)測(cè)。通過(guò)這種監(jiān)測(cè)方式，采煤機(jī)的具體運(yùn)轉(zhuǎn)情況能夠得到真實(shí)、可靠的體現(xiàn)。與此同時(shí)，通過(guò)溫度和壓力監(jiān)測(cè)診斷法也能夠及時(shí)有效地檢測(cè)故障，并且采取有效的應(yīng)對(duì)措施來(lái)進(jìn)行處理，將故障的發(fā)生扼殺在萌芽狀態(tài)。
2.3 應(yīng)用小波神經(jīng)網(wǎng)絡(luò)
因?yàn)樯窠?jīng)網(wǎng)絡(luò)的組成結(jié)構(gòu)是非常特殊的，因此，神經(jīng)網(wǎng)絡(luò)具備非常良好的處理數(shù)據(jù)的功能，能夠發(fā)揮出良好的信號(hào)控制與處理的作用。與此同時(shí)，神經(jīng)網(wǎng)絡(luò)又能夠?qū)崿F(xiàn)自學(xué)習(xí)和自適應(yīng)的功能。一般來(lái)說(shuō)，在礦山作業(yè)機(jī)電設(shè)備的故障診斷的過(guò)程中，從故障的開(kāi)始階段到故障源的映射都存在著非常密切的非線性映射關(guān)系。由此看來(lái)，對(duì)于采煤機(jī)某些系統(tǒng)的診斷，充分運(yùn)用人工神經(jīng)網(wǎng)絡(luò)（ANN）能夠取得非常良好的效果。
3 礦山作業(yè)機(jī)電設(shè)備檢修維修中的注意事項(xiàng)
礦山作業(yè)機(jī)電設(shè)備的部分零部件會(huì)受到具體的工作環(huán)境的影響而出現(xiàn)一系列的變化，導(dǎo)致這些零部件不能夠正常發(fā)揮出它們的功能，在具體的工作的過(guò)程中，這些零部件經(jīng)常會(huì)直接影響到礦山作業(yè)機(jī)電設(shè)備的精確度。由此看來(lái)，研究礦山作業(yè)機(jī)電設(shè)備檢修維修中的注意事項(xiàng)是非常有必要的。必須想方設(shè)法來(lái)更好地維護(hù)礦山作業(yè)機(jī)電設(shè)備，更加合理地操作礦山作業(yè)機(jī)電設(shè)備，最大限度地避免礦山作業(yè)機(jī)電設(shè)備受到任何的工作環(huán)境的影響而被損壞，切實(shí)最大限度地增加礦山作業(yè)機(jī)電設(shè)備的使用壽命。具體來(lái)說(shuō)，該部分從以下幾個(gè)方面來(lái)詳細(xì)闡述礦山作業(yè)機(jī)電設(shè)備檢修維修中的注意事項(xiàng)。
[關(guān)鍵詞]礦山；機(jī)電設(shè)備；故障檢修；技術(shù)分析
中圖分類號(hào)：TD407 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-914X（2015）13-0069-01
前言
當(dāng)前，在礦山企業(yè)中，隨著機(jī)電設(shè)備故障所造成的經(jīng)濟(jì)損失與人員傷亡問(wèn)題的日益突出，如何確保機(jī)電設(shè)備安全且穩(wěn)定的運(yùn)行，成為當(dāng)前礦山企業(yè)所面臨的一大挑戰(zhàn)，在此背景下，故障診斷技術(shù)分析逐漸成為了當(dāng)前礦山企業(yè)所關(guān)注的焦點(diǎn)。故障診斷分析技術(shù)是當(dāng)前解決電設(shè)備故障問(wèn)題的有效途徑之一，其融合了電腦技術(shù)以及信息處理技術(shù)等多個(gè)領(lǐng)域的先進(jìn)技術(shù)。
1、故障診斷技術(shù)綜述
1.1故障診斷技術(shù)的內(nèi)涵
故障診斷技術(shù)的實(shí)質(zhì)是一項(xiàng)防護(hù)技術(shù)，通過(guò)故障診斷技術(shù)的應(yīng)用能夠確保機(jī)械設(shè)備參數(shù)保持在最佳的使用狀態(tài)。具體而言，故障診斷技術(shù)就是通過(guò)運(yùn)用相應(yīng)的精密檢測(cè)設(shè)備，收集所檢測(cè)到的信息，并將其與標(biāo)準(zhǔn)參數(shù)進(jìn)行對(duì)比，以分析出設(shè)備參數(shù)是否存在異?，F(xiàn)象，機(jī)電設(shè)備是否存在老化現(xiàn)象等，如果發(fā)現(xiàn)問(wèn)題就需要進(jìn)一步診斷故障出現(xiàn)的原因，并根據(jù)其原因提出下一步維修方案。因此，故障檢測(cè)技術(shù)是集發(fā)現(xiàn)設(shè)備故障、診斷設(shè)備故障以及維修設(shè)備故障為一體的一種技術(shù)手段。
1.2 故障診斷技術(shù)的程序
1.2.1構(gòu)建數(shù)據(jù)模型
在機(jī)電設(shè)備運(yùn)行過(guò)程中存在著大量的數(shù)據(jù)與參數(shù)，這些數(shù)據(jù)與參數(shù)所反映的是機(jī)電設(shè)備的運(yùn)行狀況，是故障診斷的主要依據(jù)。因此，在運(yùn)用故障診斷技術(shù)時(shí)，其第一步程序?yàn)闃?gòu)建數(shù)據(jù)模型，以反應(yīng)出機(jī)電設(shè)備正常運(yùn)行與故障運(yùn)行時(shí)參數(shù)的關(guān)系，從而掌握機(jī)電設(shè)備運(yùn)行的狀態(tài)與故障情況。
1.2.2采集信息
采集信息的過(guò)程是通過(guò)準(zhǔn)確測(cè)量、采集設(shè)備運(yùn)行的各種參數(shù)與數(shù)據(jù)，因而其是機(jī)電設(shè)備故障診斷技術(shù)獲得準(zhǔn)確信號(hào)狀態(tài)與參數(shù)的基礎(chǔ)保障。通常情況下，采集信息是通過(guò)安裝在各種設(shè)備上的傳感器針對(duì)設(shè)備運(yùn)行發(fā)出的各種信號(hào)所進(jìn)行的采集，傳感器采集到的信息會(huì)被傳輸?shù)綌?shù)據(jù)儲(chǔ)存器。
1.2.3處理信息
機(jī)電設(shè)備運(yùn)行過(guò)程中所采集到的信息是無(wú)法直接用來(lái)判斷設(shè)備的情況，所以這就需要對(duì)信息進(jìn)行處理，從而辨別出有效的信息進(jìn)行轉(zhuǎn)換，從而形成夠用來(lái)直接判斷設(shè)備的信息。
1.2.4分析與識(shí)別信息
經(jīng)過(guò)處理后的信息要進(jìn)行對(duì)比分析，這就需要根據(jù)標(biāo)準(zhǔn)運(yùn)行參數(shù)來(lái)判斷設(shè)備的運(yùn)行狀態(tài)，從而找出設(shè)備所存的故障以及產(chǎn)生故障的原因。
1.2.5故障預(yù)測(cè)
經(jīng)過(guò)分析程序后，需要對(duì)設(shè)備故障的情況以及使用壽命周期等問(wèn)題進(jìn)行預(yù)測(cè)，從而為維修與保養(yǎng)工作的開(kāi)展奠定基礎(chǔ)。
2、故障診斷技術(shù)的分類
2.1 主觀診斷技術(shù)
主觀診斷技術(shù)是機(jī)電設(shè)備故障檢測(cè)技術(shù)中相對(duì)比較簡(jiǎn)單的技術(shù)，其診斷的媒介是簡(jiǎn)單的儀器或者直接憑借診斷人員此方面的工作經(jīng)驗(yàn)，從而實(shí)現(xiàn)對(duì)機(jī)電設(shè)備的診斷與檢修。通常情況下，主觀診斷技術(shù)可分為如下幾類方式：直覺(jué)檢測(cè)、參數(shù)測(cè)量、邏輯分析等。其中以直覺(jué)檢測(cè)法來(lái)實(shí)現(xiàn)對(duì)故障的診斷，所憑借的是感官經(jīng)驗(yàn)，也就是需要診斷工作人員要具備相對(duì)較高的經(jīng)驗(yàn)技術(shù)，其故障診斷的有效性完全依賴檢測(cè)人員的經(jīng)驗(yàn)，因此，這種直接且簡(jiǎn)單的檢測(cè)技術(shù)的可靠性相對(duì)較低。
2.2 儀器診斷技術(shù)
儀器診斷技術(shù)指的是通過(guò)使用相應(yīng)的檢測(cè)儀器，比如頻譜分析儀等對(duì)機(jī)電設(shè)備的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)，并實(shí)現(xiàn)數(shù)據(jù)采集工作，然后通過(guò)檢測(cè)儀所顯示的檢測(cè)結(jié)果或者分析結(jié)果，進(jìn)行故障分析與判斷。如果機(jī)電設(shè)備再出現(xiàn)故障，就將上一次的檢測(cè)結(jié)果與當(dāng)次故障檢測(cè)結(jié)果進(jìn)行對(duì)比分析，根據(jù)故障所顯現(xiàn)出的特點(diǎn)，結(jié)合故障檢測(cè)知識(shí)與經(jīng)驗(yàn)，對(duì)故障問(wèn)題進(jìn)行判斷，并同樣做好相應(yīng)的檢測(cè)數(shù)據(jù)記錄。長(zhǎng)此以往，就會(huì)形成故障診斷的數(shù)據(jù)庫(kù)庫(kù)，這樣就能夠及時(shí)且有效的應(yīng)對(duì)機(jī)電設(shè)備所出現(xiàn)的故障問(wèn)題。
2.3 智能診斷技術(shù)
隨著科學(xué)技術(shù)的發(fā)展，人工智能技術(shù)逐漸被應(yīng)用于機(jī)電設(shè)備故障診斷技術(shù)中，并成為了當(dāng)前設(shè)備故障診斷技術(shù)的一大發(fā)展趨勢(shì)。智能診斷技術(shù)是基于自動(dòng)檢測(cè)技術(shù)和信號(hào)處理技術(shù)基礎(chǔ)上的、將人工智能核心技術(shù)應(yīng)用于故障檢測(cè)技術(shù)中的技術(shù)手段，從而使機(jī)電設(shè)備故障診斷技術(shù)實(shí)現(xiàn)了智能化。當(dāng)前機(jī)電設(shè)備人工智能化診斷技術(shù)主要有兩種：神經(jīng)網(wǎng)絡(luò)系統(tǒng)、專家系統(tǒng)[1]。
2.4 無(wú)損檢測(cè)診斷技術(shù)
所謂的無(wú)損檢測(cè)技術(shù)指的是在不破壞機(jī)電設(shè)備的基礎(chǔ)上，實(shí)現(xiàn)對(duì)設(shè)備整體零部件構(gòu)造的檢測(cè)，如超聲波技術(shù)、射線照相檢測(cè)技術(shù)等。此種檢測(cè)技術(shù)的主要優(yōu)勢(shì)在有使用高科技含量的檢測(cè)手段，從而避免了對(duì)設(shè)備所造成的損害，但是其費(fèi)用也相對(duì)較高，且相對(duì)不夠成熟，但卻引領(lǐng)著機(jī)電設(shè)備診斷技術(shù)的新發(fā)展方向。
3、礦山主要機(jī)電設(shè)備的故障檢測(cè)與診斷
3.1 采煤機(jī)故障檢測(cè)與診斷
3.1.1 變頻器通信單元
變頻器能偶檢測(cè)出二十七個(gè)工況的檢測(cè)參數(shù)，且具備獨(dú)立的顯示屏，能夠顯示出采煤機(jī)的牽引速度、牽引電流以及輸入電流等相應(yīng)的參數(shù)，且具備良好的保溫、過(guò)壓以及過(guò)流等保護(hù)功能[2]。變頻器通信單元的主要功能是將變頻器工述檢測(cè)信號(hào)輸送到故障檢測(cè)中心，從而由故障檢測(cè)中心作出相應(yīng)的故障診斷處理工作，并將其進(jìn)行集中式的顯示。
3.1.2 工況檢測(cè)以及故障檢測(cè)單元
此單元是通過(guò)微型計(jì)算機(jī)的嵌入來(lái)實(shí)現(xiàn)計(jì)算機(jī)系統(tǒng)操作，其控制中心以接點(diǎn)通信的方式來(lái)實(shí)現(xiàn)對(duì)故障的檢測(cè)。當(dāng)故障發(fā)生在此單元時(shí)，其診斷的相應(yīng)結(jié)果會(huì)顯示出故障的類型，并向其控制中心發(fā)出相應(yīng)故障信號(hào)，由控制中心采取心音的控制措施，比如聲光報(bào)警。
3.1.3 檢測(cè)152.4mm顯示單元
此單元的構(gòu)成為：480×640線的彩色液晶顯示屏一塊、相關(guān)電路。其所顯示的內(nèi)容包括了采煤機(jī)所有的工況檢測(cè)參數(shù)、運(yùn)行狀態(tài)報(bào)警提示以及故障診斷結(jié)果等，同時(shí)還包括了機(jī)身檢測(cè)單元、高壓控制箱單元等。
3.2 高壓異步電動(dòng)機(jī)故障檢測(cè)與診斷
隨著現(xiàn)代信號(hào)處理相關(guān)技術(shù)的發(fā)展，機(jī)電設(shè)備故障診斷的技術(shù)手段逐漸豐富化，人工智能檢測(cè)技術(shù)又進(jìn)一步提高了設(shè)備故障檢測(cè)的進(jìn)度，并擴(kuò)大了故障檢測(cè)的范圍，與此同時(shí)，人工神經(jīng)網(wǎng)絡(luò)以及專家系統(tǒng)在高壓異步電動(dòng)機(jī)故障診斷中的應(yīng)用，又進(jìn)一步提高了故障檢測(cè)的準(zhǔn)確性[3]。在高壓異步電動(dòng)機(jī)故障檢測(cè)與診斷中，常用的方法如下：
3.2.1 局部放電檢測(cè)
局部放電檢測(cè)是利用檢測(cè)定子電流的CT與高頻檢測(cè)儀，或者通過(guò)射頻天線與帶通濾波器來(lái)檢測(cè)局部脈沖，從而實(shí)現(xiàn)對(duì)各種局放源的辨別，最終實(shí)現(xiàn)對(duì)定子不同故障的檢測(cè)。
3.2.2 電流高次諧波檢測(cè)
定子繞組故障，特別是定子繞組匝間短路這一故障，能夠引起定子電流的高次諧波增加，相關(guān)數(shù)據(jù)表明，當(dāng)匝間短路時(shí)，定子電流的5、11、17次諧波明顯增加，特別是5次諧波增加最為明顯[4]。根據(jù)高壓異步電動(dòng)機(jī)故障的不同的特征，能夠?qū)⑵渌a(chǎn)生的故障分為對(duì)稱故障與非對(duì)稱故障兩類，其中對(duì)稱故障包括過(guò)載、三相短路等，此類故障的最大特征為異步電動(dòng)機(jī)電流顯著增加，所以這一故障的診斷可以根據(jù)異步電動(dòng)機(jī)過(guò)流程度來(lái)判斷；非對(duì)稱故障包括斷相、匝間短路、單相接地以及雙向接地等，其故障診斷的最有效方式為利用電子電流的不平衡現(xiàn)象來(lái)檢測(cè)檢測(cè)其定子繞組故障。非對(duì)稱故障的最顯著特征為異步電動(dòng)機(jī)的電流中出現(xiàn)負(fù)序電流或者零序電流，所以此二者也是鑒別非對(duì)稱故障的重要依據(jù)。在非對(duì)稱故障中汽油可以根據(jù)故障點(diǎn)的不同分為接地故障與非接地故障，而故障類型的不同決定了其所采取的故障診斷技術(shù)也是不同的。
3.2.3 磁通檢測(cè)
高壓異步電動(dòng)機(jī)的定子故障會(huì)致使其內(nèi)部的磁通在徑向與切向工的分量發(fā)生變化，所以，通過(guò)檢測(cè)徑向與分項(xiàng)的磁通變化情況，就能夠?qū)Χㄗ庸收线M(jìn)行診斷。當(dāng)前，磁通檢測(cè)在電動(dòng)機(jī)的定子側(cè)的多種故障檢測(cè)中得到應(yīng)用，但是此中檢測(cè)的局限行為需要專門的磁通檢測(cè)儀器，在使用上不方便且對(duì)較弱的信號(hào)反應(yīng)效果差。
3.3 礦井提升機(jī)故障檢測(cè)與診斷
礦井提升機(jī)是礦山機(jī)電設(shè)備中最為常用的設(shè)備，其工作主要是實(shí)現(xiàn)對(duì)材料、工人等的升降搬運(yùn)，所以礦井升降機(jī)不僅關(guān)系到了礦山的生產(chǎn)，也關(guān)系到了礦山工作人員的生命安全。在礦井提升機(jī)故障中，最為常發(fā)的故障為松繩故障，這一故障也是最為嚴(yán)重的。針對(duì)礦山礦井提升機(jī)的松繩故障，當(dāng)前較為先進(jìn)且高效的松繩監(jiān)測(cè)裝置是應(yīng)用最為廣泛的，此裝置的構(gòu)成為：霍爾傳感器、單片機(jī)兩部分；其工作原理為：在礦井的提升機(jī)每個(gè)天輪上安裝小磁鋼，同時(shí)將霍爾傳感器安裝于最合適的位置上，進(jìn)而就實(shí)現(xiàn)了對(duì)礦井提升機(jī)天輪運(yùn)轉(zhuǎn)速度的監(jiān)測(cè)[5]。當(dāng)?shù)V井提升機(jī)處于正常工作狀態(tài)時(shí)，提升機(jī)天輪的與轉(zhuǎn)速度是保持不變的，通過(guò)霍爾傳感器所監(jiān)測(cè)出的計(jì)數(shù)脈沖個(gè)數(shù)也是不存在差異的，此時(shí)單片機(jī)所顯示的天輪運(yùn)轉(zhuǎn)行程差為零。當(dāng)提升機(jī)出現(xiàn)松繩隱患時(shí)，其天輪形成會(huì)顯出出不同的差異，而此時(shí)的單片機(jī)就會(huì)迅速的計(jì)算出行程差，而當(dāng)行程差達(dá)到預(yù)警值后，就會(huì)觸發(fā)報(bào)警信號(hào)，并對(duì)提升機(jī)發(fā)出控制信號(hào)，能夠及時(shí)控制住提升機(jī)的運(yùn)行，使其停在相應(yīng)的位置。
總結(jié)
綜上所述，隨著近年來(lái)礦山機(jī)電設(shè)備故障所引發(fā)的安全事故逐年上升，致使礦山機(jī)電設(shè)備安全問(wèn)題凸顯，而針對(duì)頻發(fā)的安全事故，就需要礦山企業(yè)極大對(duì)機(jī)電設(shè)備故障的診斷力度，并采用相應(yīng)的故障診斷技術(shù)，從而建立起完善的機(jī)電設(shè)備故障診斷防御體系，進(jìn)而在提高機(jī)電設(shè)備安全的基礎(chǔ)上，將礦山機(jī)電設(shè)備安全隱患扼殺在萌芽中。本文針對(duì)當(dāng)前礦山機(jī)電設(shè)備故障診斷技術(shù)進(jìn)行了分析，以為相關(guān)診斷人員與管理人員提供參考性的建議，與此同時(shí)，這也要求了礦山機(jī)電設(shè)備診斷工作人員要根據(jù)故障診斷的程序，及時(shí)發(fā)現(xiàn)故障源并給與解決方案，以確保及時(shí)解決故障，確保礦山企業(yè)生產(chǎn)的安全性，從而在確保生產(chǎn)人員安全的基礎(chǔ)上，提高礦山企業(yè)的經(jīng)濟(jì)效益與社會(huì)效益。
參考文獻(xiàn)
[1]楊帆.關(guān)于礦機(jī)提升機(jī)故障診斷技術(shù)的研究[J].中小企業(yè)管理與科技，2011，8（05）：45-46.
[2]鄧奎.運(yùn)用故障診斷技術(shù)進(jìn)行礦山機(jī)電設(shè)備維修[J].中國(guó)科技博覽，2011，24（07）：56-60.
[3]王推才.智能故障診斷技術(shù)的現(xiàn)狀與展望[J].徐州建筑職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2013，8（24）：120-123.