故障检测与诊断模板(10篇)

导言：作为写作爱好者，不可错过为您精心挑选的10篇故障检测与诊断，它们将为您的写作提供全新的视角，我们衷心期待您的阅读，并希望这些内容能为您提供灵感和参考。

篇1

一、暖通空调系统故障类型

暖通空调系统的故障大体可分成两大类：硬故障和软故障，既有局部性也有全面性，对整个HVAC系统的影响大小也不尽相同。硬故障是指机械设备和运转部件完全丧失功能所产生的故障，例如皮带断裂、传感器失效、阀门不受控制和风机停止运行等故障。从故障产生时间的角度分析，这些故障应当归为突发故障，且故障影响效果比较严重，所以检测和诊断的难度系数不大。软故障的实质是说设备和部件的机械功能降低或局部失效等，比如部件或管道结垢、堵塞，局部泄露、仪表稳定性降低等等。软故障基本都是循序渐进的，在产生的最初时期所表现的特征不太明显，因此在初级阶段很难被发现，实际上，这类故障的产生是因为系统参数渐渐恶化，从某方面或者某种角度来讲，软故障的危害性要远远大于硬故障的危害性，所以，软故障的监测力度要适当加强，并且要做好预防工作，其对空调系统的意义和作用是不言而喻的。

暖通空调在运行一段时间之后，系统故障的产生一般都是偶然且不确定的，所以，故障的属性具有任意性，且发展情况与平衡过程具有随机性。从HVAC系统整个结构入手分析，所涉及的设备都是由子设备和基础构件按照一系列的标准组合而成的，层次性和系统性极强，所以故障产生时就会因为层次深度的不一样而造成不一样的影响。除此之外，考虑到系统是由多个相关的子设备综合而成的，一些子设备发生故障也可能是因为其相关环节或者设备产生故障而引发的，这种现象称为故障的传导性。根据系统故障产生的位置不一样，既可以说是设备故障也可以说是传感器故障，既可以说是硬故障也可以说是软故障，因为这些故障参杂在一起很难分辨，所以空调系统的诊断和检测就十分的复杂。

二、暖通空调系统故障检测与诊断分析

1、暖通空调系统诊断方法

暖通空调故障诊断方式主要有两种：一种是在线方式，即故障诊断系统实时地监测设备的工作状态，基于适时的在线故障检测与诊断算法，给出系统的故障信息，包括故障程度、故障所属模块、故障位置、故障报警等。另一种是离线方式，即构建计算机辅助决策支持系统，帮助系统迅速发现故障，制定合理有效的系统维修方案。

（1）基于知识的专家系统

建立专家系统诊断模块，包括专家系统知识故障诊断库，并可根据经验和知识的积累以及在获得了新的、可靠的故障诊断规则时或发现原有某条规则不足甚至错误时，能自动进行添加、修改和更新。 专家系统诊断模块由知识获取系统、知识库、推理机和输人、输出系统构成。

（2）基于规则的故障树

利用专家知识、工程师的经验和知识库建立基本故障诊断树，并可生成新的故障诊断树，用户则选择相适应的故障诊断树来执行故障诊断。

故障树分析是在复杂系统中作故障诊断的一种有力工具。用这种方法诊断的效率较高且不容易漏检，例如该模块能根据系统故障现象，逐次向下展开，查询有关的节点和树枝，直到找出故障的发生原因及处理对策。

（3）基于人工神经网 B P改进算法的模式识别

该模块由 B P改进算法的网络、网络结构参数及推理诊断等组成，主要用于完成模式识别和故障诊断。专家系统诊断与故障树诊断两种方法的相互结合，可以有效地解决过去已发生过的各种故障的诊断；但对于以前没有发生过的故障，不具备处理能力，因为知识库中缺乏相应的诊断知识。采用人工神经网络（ A N N） 模式识别技术是一种较好的方案。它根据新的样本进行自动学习和训练以更新故障诊断知识，并可添加到专家系统知识库中。A N N的故障初始样本来自已有的故障实例，这些实例可通过故障机理分析或专家经验获得，此外还可在应用中逐步添加、删除和更新。

2、故障检测与诊断的应用

随着科技的进步，现在的故障检测和诊断手段嵌入了动态的控制系统体系，完善了检测和诊断的技术。制定一些模型数值或者一些经验数据，当传感器测量得到的实际运行过程中的参数和由模型得到的计算值在诊断软件中进行对比和评估，它们之间的差值作为传送的数据，送到故障诊断分析其中的问题，如果这个差值逐渐的增大时，就说明了这个系统发生故障的可能性就会增加。根据检测系统的分析，就会将故障的诊断结果及时传送出去进行显示。这些故障诊断由输入的数据类型、复杂程度、性质等进行分区，较难的诊断就会需要长时间来完成，或者由更高层次的诊断设备来完成。

暖通空调系统故障的检测方法。在以前，我们所用的方法就是用直接、解析和时序三种冗余法来进行检测。基于定量模型法在相同的情况下可以通过比较实际系统或者仿真的模型运行状态来进行检测和诊断系统故障，但是在执行的时候需要具体的、精确的数据模型来进行检测。还有一些基于定型模型法、基于统计学法、人工神经网络法和模式识别法等可以对暖通空调系统的故障来进行检测。

按照故障的级别和故障的优先级不同，不同故障在不同的诊断层次上来诊断。在分布式控体系（DCS）中，驻留在不同层级上的故障诊断工主要由输入数据的类型、性质、复杂程度和诊断具使用的频率来区分，复杂的、需要更多知识和能的故障诊断（如诊断周期需要一天或一个月的将由更高层次的诊断工具（或计算机）来完成，由现在传感器性能的提高，大量的、低端的故障诊倾向于在传感器中就地解决。

三、结束语

综上所述，通过故障预测与诊断，使暖通空调设备按优化程序运行，是降低建筑能耗和提高经济的途径之一。因此，加强对故障的预测与监控，能够减少故障的发生，延长设备的使用寿命，同时也能够给业主提供持续的、舒适的室内环境，这对提高用户的舒适性、提高建筑的能源效率、增加HVAC系统的可靠性、减少经济损失将有重要的意义。

参考文献：

篇2

中图分类号：TP399文献标识码：A文章编号：1007-9599 (2011) 24-0000-03

Fault Detection and Diagnosis of Networked Control System

Zhuo Min

(Zhenjiang Electrical and Mechanical Branch of Jiangsu Union Technical Institute,Zhenjiang212016,China)

Abstract:A great deal of attention has been focused on a class of networked control systems (NCS) wherein the control loops are closed through communication networks.This family of systems is an integration of plants, sensors,controllers,actuators and communication networks of certain local field.In this paper,based on the condition of data packet dropout,firstly,a modeling approach of the system is presented,and the fault observer is modeled as a stochastic switching discrete-time linear system with delay.When a fault occurs,the observer residual can change rapidly and detect the occurrence of the fault.Finally,an illustrative example shows the effectiveness of the proposed method.

Keywords:Data packet dropout;Networked control system (NCS);Fault detection;Observer;Residual

与传统的点对点控制系统相比，网络控制系统具有可实现资源共享、远程控制，具有较高的诊断能力和交互性好、增加系统柔性和可靠性、安装维护方便、减少系统的布线等优点。但由于网络的介入，使得传统的控制系统面临着新的挑战，如网络传输诱导时延、数据包丢失、时钟异步等，因此在利用网络作为信息的传输通道时，数据包丢失和时延等故障检测问题受到了广泛的关注[1-3]。

在故障诊断与容错控制方面，网络控制系统和传统控制系统有所不同。在数据传输中存在信息碰撞和网络带宽限制等问题，使得延迟和丢包问题在信息传输中发生，以致网络化控制系统的故障诊断与容错控制变的复杂[4]。网络控制系统的故障诊断与容错控制是具有现实和理论意义的研究课题，关系到国家经济命脉和国防安全的战略性需求，也是提升国家工业基础水平、综合实力和自主创新能力的重要举措[5]。

NCS的数据包丢失和时延是NCS中的重要研究课题。鉴于此，文献[6]针对一类具有数据包丢失和时延的NCS设计了保证闭环系统稳定的控制器。考虑到NCS中同时存在数据包丢失和时延的情况，以建立NCS模型来构建故障检测器；最后通过数据仿真验证了本文所描述问题的可行性。

一、网络控制系统

网络化控制系统NCS(Networked Control Systems)，即将控制系统中至少一个或多个回路经过计算机网络实现闭环的控制[7]。

如图1所示的，网络只存在于控制器和执行器之间[8]，所以系统只具有控制时延 ，为上界已知的时变时延。假定NCS的被控对象模型为

(1)

其中， 是状态向量； 是输出向量； 是输入向量； 是故障向量，正常情况下 是非零向量； ， ， 是适维常系数矩阵。

图1 网络控制系统

Fig.1 Networked control systems

在网络控制系统中，通讯网络并非是一个非常可靠的数据传输通道，会产生传输错误、网络堵塞、节点竞争发送权失败、连接中断和时序错乱等现象。虽然多数的网络协议具有多次重发送数据机制，由于此机制受到时间的限制，所以在超过了设定的时间范围时，便会导致数据包丢失。

正常情况下，实时反馈控制系统能够接受一定数量的数据包丢失。但是对数据包丢失寻求正确的解决方法的研究以及对在数据包丢失时系统是否稳定的探索是很有价值的。

二、状态预测器的设计

网络控制系统的状态可以直接反映系统的运行状况，所以在NCS系统中基于状态估计的故障诊断与容错控制方法显得特别突出。此方法可以归纳为以下两种：一种基于观测器的方法，另一种基于滤波器的方法。本文的研究是基于预测器的方法。

不考虑噪声等外部扰动时，被控对象的离散模型可以表示为：

(2)

令 = ，表示不确定时延 引起的不确定项。式(2)写为：

(3)

假设 非奇异和( ， )能观测，被控对象的状态观测器就可以采用下列模型：

(4)

由于系统存在网络诱导时延[0， ]， 时刻传输到观测器的信号为：

。 (5)

由式(3)可得

(6)

由式(5)和(6)，得到观测方程为

(7)

定义估计误差

(8)

则估计误差方程为

(9)

由于 和 均已知，则式(9)可以表示为

(10)

其中，

由于 由不确定时延 引起，因此误差方程含有不确定项 ，且 有界。

三、存在数据丢包的故障检测

数据包丢失能够影响到闭环NCS状态矩阵的结构和NCS的控制性能，特别是其稳定性。因此，关于在NCS中数据包丢失对系统稳定性的影响成为关注的热点。

在NCS中，一是由于通信机制和网络带宽的限制造成的数据包，另一种是为达到某种目的而采取的主动丢包。本文是基于前者提出的故障检测方法。

当在传感器与控制器之间发生数据包丢失时，NCS结构可以用图2表示

图2 具有数据包丢失和时延的NCS

Fig.2 NCS with network-induced delay and packet dropout

图2中随机变量 表示第 个周期是否有传感器数据到达控制器，即

是独立的Bemoulli随机变量。在传感器与控制器之间，由于数据时延能够被看作在本周期未接收到有效数据，便可判断发生了数据包丢失。

若原系统的控制率为 ，则由式(2)可得

(11)

假设事件1和事件2发生的概率分别为 和 ，亦即

(12)

事件1 时刻传感器数据没有到达控制器端，在控制器端建立观测器

(13)

定义观测器状态估计误差 ，无故障时，其状态估计误差方程为

(14)

对于式(14)，引入增广向量 ，可得

(15)

式(15)中含有 的两个滞后项，引入 ，可得

(16)

事件2 时刻控制器收到来自传感器的数据，建立观测器

(17)

则无故障时，观测器状态估计误差方程为

(18)

按照事件1中同样的方法，可得

(19)

有式(12)，(16)和(19)，可得如下的随机切换系统

(20)

其中，

， ，

四、故障检测设计

定理1：基于如下的观测器，残差系统（10）渐进稳定，

其中 ， ， 定义省略。 为卡尔曼滤波增益，误差协方差矩阵为 ，且

。

下面，我们将通过数值例子说明所得到结果的有效性。

五、数字示例和仿真结果

本文通过第2和3部分对状态观测器和存在数据丢包的故障检测进行了研究和描述，我们假定以下系统

(21)

其中 ， ， ， 。假设Markov链的转移概率矩阵已知为 ，干扰信号 为任意的随机数。使用Matlab仿真工具，可得如下结果。图3显示为网络控制系统的状态响应。

图3 系统状态响应

Fig.3 State response of system

图4 传感器故障时的仿真结果

Fig.4 Simulation result with sensor fault.

注：1-系统的实际输出；2-观察期输出；3-残余量

Note：1system actual；2observer output；3residual

当传感器故障发生在8.8秒时，系统的实际输出、观测器输出和残余量如图4所示。从中我们可以观察到，残差量在8.8秒迅速增加，并且无延迟，表明了该传感器在此时出现了故障。

六、结论与展望

本文针对长时延的NCS，假定传感器和控制器之间存在数据包丢失，执行器与控制器之间存在时变控制时延等现象。针对此类NCS，本课题研究了有无故障两种情况下可能出现的结果，并且设计了故障观测器。

本文概述了近年来常用的网络控制系统基于模型的故障诊断方法，建立恰当的数学模型，将数据网络简化为对控制系统产生的若干影响因素，并将一般的故障诊断与容错控制方法与理论推广应用到网络控制系统中来。

对一般的控制系统来说，网络控制系统的故障诊断与容错控制并不完善。首先多数的研究主要针对某一特定性能的设计，缺少对系统整体与总体性能的研究；其次现有模型对网络时滞具有严重的依赖性，而且在非线性系统中难以实现。NCS的故障诊断与容错控制方法有很多，本文仅总结和归纳了一部分。

参考文献：

[1]方华京,方翌炜,杨方.网络化控制系统的故障诊断[J].系统工程与电子技术,2006,28(12):1858-1862

[2]Hao Y,Ding S X,Fault detection of networked control systems with networked-induced delay[C].The 8th Int Conf on Control,Automation,Robotics and vision.Kunming:IEEE Press,2004:294-297

[3]Bao Y,Dai Q Q,Cui Y L,et al.Fault detection based on robust states observer on networked control systems[C].Int Conf on Control and Automation.Budapest:IEEE Press, 2005:1237-1241

[4]霍志红,方华京.一类随机时延网络控制系统的容错控制研究[J].信息与控制,2006,35(5):584-587

[5]邱占芝,张庆灵,杨春雨.网络控制系统分析与控制[M].科学出版社,2009

[6]Turner J R.Towards a theory of project management:The nature of the project goverance and project management[J].Int J of Project Management,2006,24(2):93-95

篇3

高压开关柜是配网的重要设施，对电网安全可靠的运行起着重要作用，随着经济的发展，电网也在飞速的发展，加之变电站无人值班管理模式和综合自动化的普及，高压开关柜的安全运行越来越重要，因此迫切需要高压开关柜具有高可靠性,并能在线检测故障,避免局部放电事故发生。局部放电分为内部、表面和电晕放电，并主要以电磁、声波和气体形式释放能量，这些是绝缘性能检测的主要信号。

1.检测方法

1.1 超声波检测

局部放电是一种快速的电荷释放或迁移过程，当发生局部放电时，放电点周围的电场应力、机械应力与粒子力失去平衡状态而产生振变化，机械应力与粒子力的快速振荡，导致放电点周围介质的振动，从而产生声波信号。放电产生的声波频谱很宽，可以从几十赫到几兆赫，放电强度的大小决定了电场应力、机械应力和粒子力的振荡幅度，直接决定了振动的程度和声波的相度。

声能与放电释放的能量成比例，虽然在实际中各种因素的影响会使这个比例不确定，但从统计角度看，二者之间的比例关系是确定的。从局部放电的机理可知，局部放电初期是微弱的辉光放电，释放的能量很小，后期出现强烈的电弧放电，此时释放的能量很大，局部放电的发展过程中释放的能量是从小到大变化的，所以声能也从小到大变化。

根据球面波的声能量式可知，在不考虑空气密度和声速的变化时，声能量与声压的平方成正比。根据放电释放的能量与声能之间的关系，用超声波信号声压的变化代表局部放电所释放能量的变化，通过测量超声波信号的声压，就可以推测出放电的强弱。

1.2 TEV检测

当高压电气设备发生局部放电时，放电电量先聚集在与放电点相邻的接地金属部分，形成电流脉冲并向各个方向传播。

脉冲电流的透入深度与频率的平方根成反比。高频局放电流只在导体表面传输。对于内部放电，放电电量聚集在接地屏蔽内表面，因此如果屏蔽层是连续的，则无法在外部检测到放电信号。但实际上，屏蔽层通常在绝缘部位、垫圈连接处、电缆绝缘终端等部位因破损而导致不连续，高频信号因此传输到设备外层而被检测出来。

因放电产生的电磁波通过金属箱体的接缝处或气体绝缘开关的衬垫传播出去，同时产生一个暂态电压，这个电压脉冲称为暂态对地电压（TransientEarthVoltage，TEV）。

TEV的检测原理见图1，高压电气设备的对地绝缘部分发生局部放电时，导电系统对接地金属壳之间有少量电容性放电电量，通常只有几兆分之一库仑，放电持续时间一般只有几纳秒。因为电量等于电流乘以时间，一次放电1000pC，持续10ns，就产生100mA的电流。对于持续时间那么短的放电脉冲，被测设备就不能看作是个整体，而应看作是传输线，其电气特性由分布电容和电感决定。此时，可以将地看成一个金属板，缝隙所处的位置看成另一个金属板，缝隙与地之间的距离为传输线。

当发生局部放电时，电磁波从放电点向外传播，电流大小与这些电磁波产生的电压有关。电压等于电流与路径阻抗的乘积。在不考虑损耗的传输线上，阻抗满足下式：

式中的L和C是传输线单位长度的自感和电容，ZO的数值变化很大。通过研究可知，单芯10kV电缆约为10Ω，35kV金属外壳的母线室大约70Ω。因此，1000pC的放电可产生对地1-7V持续10ns的电压。电压脉冲在金属壳的内表面传播，最终从开口、接头、盖板等的缝隙处传出，然后沿着金属壳外表传到大地。这样，使用电容耦合式传感器就可检测到放电信号。

研究发现，局部放电产生的TEV信号的大小与局部放电的激烈程度及放电点的远近有直接关系，可以利用专门的探测器进行检测。通过检测局部放电产生的TEV信号，不仅可以对运行中开关柜内设备局部放电状况进行定量测试，而且可以通过同一放电源到不同探测器的时间差，对局部放电点进行定位。

2.开关柜绝缘性能故障检测诊断系统

这一系统的检测技术在原理上是一种比较性的检测技术。某个开关柜上的检测结果应与其以前的检测数据或其它同类型的开关柜所检测的数据进行比较，如果检测数据大于其它同型号开关柜或以前的结果，说明该开关柜存在放电活动，进而推断故障的可能性。因此，需要有相当的设备运行经验，才能根据技术检测结果分析设备绝缘材料还能维持运行的时间。

记录每次设备故障的详细情况有助于分析判断放电活动对设备的影响。整个系统可分成3个子系统：

（1）被检测设备和传感器，处于开关室现场。

（2）信号预处理和数据采集子系统，一般集成在主机中，也处于现场。

（3）数据处理和诊断系统，实际为1台PC和数据存储分析软件，处于主控室。

3.检测数值的动态判据

3.1统计分析与趋势分析

统计分析法是在同一开关室内开关柜局部放电检测时，对相关条件下的TEV检测数值和超声波检测数值进行分类统计，从而得出初步判断依据。现场影响局部放电测量结果的因素有很多，如工作电压、放电种类、绝缘材料、负载、机械运动、环境条件、干扰、开关柜制造厂家及类型等，所有因素都可能造成检测结果的误判，在现场测试时必须加以考虑。

趋势分析是对同一开关柜不同时间的测试结果进行分析，按月、季、年从统计分析中得出开关柜局部放电的趋势。在分析过程中，还应分析影响局部放电的细微波动对TEV检测数值和超声波检测数值的变化，主要分析内容有负载的变化、环境因素波动、干扰波动、时间变化等。

3.2 动态判断依据

结合统计分析、趋势分析和初步判断依据，可以对开关柜局部放电进行动态的判断分析，具体步骤如下：

（1）初始判据的判断。对当地所有N面开关柜的故障情况进行统计，按照统计结果计算出故障率为a％。

（2）统计分析。对当地所有N面开关柜局部放电情况进行普测，取其中检测数值最大的N×a％面开关柜，然后再取这N×a％面开关柜中数值最小的作为比较值A。

（3）趋势分析。在一段时间间隔（一个月、一个季度或一年），再次对所有N面开关柜进行普测，取其中检测数值最大的N×a％面开关柜，然后再取这N×a％面开关柜中数值最小的作为比较值B，将B与A进行比较。

（4）比较分析。对于B与A的比较，可分为以下几种情况：

若B

若B>A，有以下几种因素可以考虑：开关柜负荷可能有所增加；背景干扰严重程度进一步加重；温度、湿度状况进一步恶化；开关柜的污秽情况进一步恶化。

若B=A，主要是开关柜负荷、背景干扰、温度、湿度状况、开关柜的污秽情况大体相同，开关柜运行状况比较平稳。

（5）确定判据值。最终根据开关柜常年运行的情况确定A或B值为判断依据，由于开关柜周围环境等因素对局部放电都有影响，因此，在确定判断值时要考虑±2dB的误差。继续按照步骤一到步骤五的顺序进行判断数据的确定，最后经过长时间的比较，建立起本地区开关柜检测的数据库，最终确定一个作为指导性的判断数值。

综上所述，动态判据诊断是一个长期的过程，需要根据实际情况进行纵向和横向的对比分析，以做出正确的判断。

4.结论

基于超声波和TEV技术的高压开关柜局部放电检测定位技术，改变了电气设备传统的局部放电测试方式，为电力系统的电力设备状态检修提供了可靠的技术数据，是一种实用、有效的检测技术。检测装置具有以下优点：

（1）装置的投入使用不改变和影响电力设备的正常运行。

（2）能自动连续进行检测、数据处理。

（3）具有自检和报警功能。

篇4

1. 机械设备电气系统概述

机械设备电气系统主要由两部分组成，其一是电气设备，主要包括启动系统、蓄电池、发电机以及用电设备等。总结来说电气设备具有以下特征：电器设备上的电路都是模拟电路，因此诊断起来具有多样性的特征。故障诊断过程中会受到很多因素的影响，包括信号的传播和接收能力、噪声以及容差等，因此诊断过程中容易出现失误，一方面是重要故障不容易被诊断出来，另一方面是即使诊断出来，结果的精度也比较低，不能明确故障原因。因此，目前对模拟电路的诊断并没有形成一个标准的体系，仍旧需要将技术人员的经验作为重要依据。

其二是电子系统，包括电子检测系统、电子控制系统、功率控制系统以及传感系统等。电子系统最大的特征就是使用低压直流单线制，采用数字电路对系统整体进行控制。数字电路的状态有两个，分别是0和1，只要将真值表列出来，就能够将原因与结果一一对应。因此，数字电路的诊断具有较强的规范性，且可以实现对检测过程的实时监控，人们对诊断原理的研究也越来越深入，诊断技术之间成熟，一些诊断程序以及先进的诊断设备已经投入使用，并取得了不错的效果[1]。

2. 机械设备电气系统的故障检测与诊断

2.1依靠技术人员的感官进行诊断

电气系统发生故障时，经常出现资冒烟、震动以及火花等易于观察的现象，因此感官诊断是一种重要的故障诊断方法。首先是眼观，主要是“烟”的颜色进行判断，如果看到设备中冒出白烟，可以判断出电气设备过渡受热，是水分蒸发产生大量水蒸气导致的，可以说其并不属于真正的“烟”，只要对其进行烘干处理就可以解决。如果看到设备中冒出黄烟，可以判断出电源过电流导致设备过热，设备上的胶布以及油漆在高温的烘烤下冒出黄烟，需要进一步检测过电流产生的原因并及时处理，防止设备被烧坏。如果看到设备中冒出黑烟，可以判断出系统中的某个电气设备已经被损坏，绝缘系统失去作用，需要马上断开设备，对受损设备以及损坏原因进行检查，并及时更换。

其次是耳听，如果设备铁芯中含有线圈，通电后就会发出声音。如果发出嗡嗡声，声音比较柔和均匀，就可以判断出设备处于正常工作状态下；声音比较急躁，大小不均匀，可以判断出设备通电电流发生急剧变化，有可能是机械故障，也有可能是电气故障。如果发出滋滋声，可以判断出设备出现不正常放电问题，有可能是设备发生短路，也有可能是导体连接处发生电弧。如果发出“啪啪”声，声音比较响亮，类似放枪，可以判断出设备中的元件可能已经被烧熔。如果声音比较沉闷，可以判断出故障点不在外侧，而是在深处。

最后是触摸，技术人员将手放在设备外壳上，如果感觉非常烫，说明表明温度达到了50度，而电器设备的内部温度一般比外壳要高出10度到20度，说明设备内部温度很有可能已经超过了电动机的工作的极限温度。如果不采取降温措施，电动机就会加速老化，降低使用寿命。

2.2短路与断路检测法

首先是试灯检测法，就是将发动机用夹子夹住，接通开关以后，用测试棒逐段检测，如果试灯亮了，说明电路正常接通。如果试灯不亮，说明发生断路故障，故障点就处于亮灯和不亮灯之间。

其次是利用电压表对断路情况进行检测，需要在发动机上连接直流电压表的一个接线柱，将测试棒从另一个接线柱上引出，之后接通开关，对设备进行逐段检查。如果电压表存在指示电压，说明电路正常接通。如果电压表中没有指示电压，说明发生断路故障，故障点位置就处于有无指示电压的两点之间。

最后是电源短接检测法，这种方法主要用来判断设备是否发生短路故障。按照检测要求连接好电路后通电，如果保险丝熔断，说明存在短路故障，检测短路具体部位时，可以采用电源短接法。将火线从蓄电池上引出，从用电设备向着开关方向逐段接触检测，根据设备反应判断出故障位置。

2.3综合诊断法

电气系统的检测有很多种方法，这些方法虽然在维护机械设备稳定运行中发挥重要作用，但是仍旧不能满足实际需要。首先，检测功能比较单一，每次检测大多数都是针对一种或者是几种电气设备，综合性不强；其次，检测过程中的自动化程度不高，检测效率还有待提升；最后，故障诊断结束以后，经常出现误报或者是漏报问题，为后续维修工作带来麻烦。为了解决上述问题，人们提出了综合诊断方法，就是在计算机系统的支持下，将各种诊断方式综合起来使用，取长补短。该种诊断方式的应用范围较广，自动化程度高，可以对输出电压以及激磁电流等重要设备信息进行时时采集，系统自动将收集到的数据进行处理，根据处理结果判断出故障位置，并在系统中直接显示出来。技术人员可以根据系统显示的故障位置以及故障类型直接对设备进行检查，针对性较强，用最短的时间修复故障，保证机械设备的正常运行。

篇5

一、自动故障检测与诊断的常用方法

（1）直接方法指的是在空调系统中，将各个输入与输出的参数作为故障检测的症状，将这些症状输入到分类器中，根据事先制定好的分类策略进行详细分类，以此实现正确的故障分类，然后再给出故障诊断结果。直接方法在实际应用中主要是利用分类器的设计，常用的分类方法包括专家规则、贝叶斯分类法、故障树与神经网络等，这些分类方法都为设备自动故障检测与诊断提供了极大的便利，确保了诊断数据的准确无误。（2）间接方法指的是利用系统模型进行预测的方式，这种方式在施行过程中必须先建立正常的系统运行条件，同时更需要对已知故障条件进行系统建模，利用这些标准化的模型对系统进行详细预测，通过将预测得出的实际参数与测量数据进行比较，利用比较后得出的偏差作为分类器的输入参数，以此实现故障分类。其中的分类方法与直接方法相同，其中建立模型的方法包括回归法。模糊逻辑法、神经网络法与物理原理法等。在建立模型的过程中需要对模型的误差大小与准确性有一个明确的控制，以此提高故障诊断与检测的可靠性。

二、自动故障检测与诊断在暖通空调中的应用

通过对相关文献进行探究，结合我国自动故障检测与诊断实际应用于暖通空调的相关经验，有效对自动故障检测与诊断在暖通空调中的发展原因及应用情况进行评述。早期的自动故障检测与诊断往往只是通过一些手提式的诊断器进行设备检测，维修人员在实际工作中利用这些维修设备对空调进行故障检查与问题诊断，这种工具的优点是可以通过一台仪器实现多个系统的检测与故障诊断，在仪器中还可以配置精度较高的传感器进行辅助检测，实现高效化的暖通空调设备故障诊断[2]。但是，利用检测设备进行检测与诊断的过程中，往往不能实现在线检测与诊断，检测出来的数据结果并不能反映出系统的动态特征，这些数据资料只是检测设备中的静态检测结果，还需要经过一系列的处理以后才能发挥出实际效用。

近年来，大多数检测设备生产厂家，在设备的安全性与实用性上进行了相应的改善与创新，在检测产品中加入了一些保护系统与故障诊断系统。保护系统是通过设备的启停操作来实现故障检测。这种方法可以有效提高制冷系统的使用寿命，确保操作人员的安全，但是这种去安全系统只能对一些故障情况较为严重的设备进行故障诊断，对系统的运行状态与特性恶化情况却无法起到有效的监测作用，致使设备在出现问题以后无法得到及时的维修，导致能源被大量损耗。

随着我国经济的不断发展与社会产业结构的完善，国内市场对暖通空调自动故障检测与诊断的需求将会变得越来越大，将来一定会出现更加完善的故障检测与诊断产品，这些产品将为我国空调设备发展指明一条新的方向。

三、自动故障检测与诊断在暖通空调中的发展方向

（1）加强经济性研究。自动故障检测与诊断在今后的实际发展过程中需要加强自身的经济效益，让人们能够更加直观的认识到自动故障检测与诊断系统带给人们的便捷与保障。吸引更多的人来研究如何将自动故障检测与诊断系统更好地与暖通空调技术相结合。同时，在设计与研发的过程中，需要不断降低自动故障检测与诊断系统的投资费用，在提出诊断与检测方法时，需要尽可能的利用暖通空调系统本身的元器件，避免过多对自动故障检测与诊断系统进行篡改。（2）加强可靠性研究。自动故障检测与诊断系统在实际运行过程中，往往会受到外界因素的干扰，进而出现一系列不可预见的问题状况，因此，提高自动故障检测与诊断系统运行的可靠性，是设备改善与创新过程中尤为重要的问题。通过加强自动故障检测与诊断系统的可靠性，可以极大地减少设备的错误警报，减少警报噪声对用户的干扰，避免操作者关掉自动故障检测与诊断系统，为暖通空调安全稳定的运行提供了有效保障。（3）加强理论研究。暖通空调是一整套较为复杂的服务性制冷设备，在实际运转过程中往往极易受到外界因素的干扰，自动故障检测与诊断设备在实际应用于暖通空调中时，应使用更为简单、易于理解、适用面广的故障诊断方法，这样才能更好的维持暖通空调的稳定运转，加强理论知识的研究证实满足这一要求的必要性保障，通过加强对整个空调系统故障诊断方法的研究，可以切实有效地为暖通空调今后的运转提供理论知识保障。

结语：综上所述，通过研发人员的不断努力，未来的自动故障检测与诊断设备与暖通空调系统一定会呈现出更加合理、高效的融合发展趋势，为我国第三产业的发展提供有力的保障。

篇6

一、暖通空调系统故障原因分析

暖通空调系统是由多种设备组合而成的，其中系统设计时应用到了多个学科的技术，如热力学、流体力学等。暖通空调系统在运行时，各种设备的参数相互配合，共同完成对建筑物的采暖、调节空气的作用。暖通系统的复杂性增强了故障发生的机率，同时各种故障的相互影响，也会造成新的故障。暖通空调系统应用到多种空调设备，这些设备之间互相用管道进行间接，关联性特别强，如果某种设备出现故障，也会影响其他设备的运行，从而影响整个暖通空调系统性能和功能发挥。

暖通空调系统发生故障后，可能会造成整个系统故障的连锁反应，影响其他设备正常运行，这样也会造成故障检测和诊断带来困难。大范围的参数变化让维修人员不容易找到故障原因，难以分清数据和参数的变化因素，因此很难做出准确的诊断结果判断，给系统为诊断维修造成了较大的困难。由于暖通空调设备中传感器设置较少，很多故障发生却不能够用准确的数据和图片表达出来，会给系统管理者的故障检测带来较大的困难，很多故障只有在发生后通过各种手段检测出来，不能够做好故障预防，不利于暖通空调系统正常运行。

二、常用的故障检测和诊断方法

（一）通过案例进行故障检测和诊断。暖通空调系统的故障主要分为硬件故障和软件故障，在故障发生时要根据实际情况进行处理。在故障发生时，如果不能立即得出诊断结果，可以根据故障发生的细节，在暖通空调故障知识库和相似的文件和资料中找到故障的原因，从而根据提示做好故障检测和诊断工作。暖通空调数据库内包括很多故障案例，检测者可以通过检索找到自己需要的内容，但是由于实际上的故障可能会有很多交叉故障产生，因此出现的现象与案例分析中的结果会有一定的差异，因此不能够对故障检测的结果立即确定，因此造成了故障诊断不迅速，这个方式还是有一定的局限性。

（二）通过推理而得出诊断方法。每一种故障发生时都会表现出不同的征兆，如硬件故障则会使机械停止运行或发生一定的声音提示等;有经验的诊断者就会根据系统故障的现象，推理出故障的具体地方及原因，从而做出相应的诊断措施。暖通空调系统故障时，也会有一定的数据紊乱的提示，这也能作为故障检测的评判标准，通过数据推理，将不清晰的提示内容加以整合，从而获得较准确的结论。通过推理，虽然也能够实现故障检测与诊断，但模糊的信息有时候也会产生错误的偏差，因此也会造成错误推理，因此要综合实践进行分析，从而使故障检测与诊断更加准确[1]。

（三）建立故障树诊断。暖通空调系统会因运行目的不同而造成的故障不同，在系统故障设计时，可以利用计算机的树形模型进行故障的排序和分类。在设置中，采用汉字提示，具有相应的菜单提示和编辑方式，方便故障的监视和诊断。在故障系统设置时，根据故障结果进行分类，在每个系列中各自按照相应的故障原因，对每一个故障进行相应的编号处理。在暖通空调系统出现故障时，将根据每一个编号的所处的故障系列，进行相应监视和诊断，在数据库中对应具体的位置，从而找到故障的源头。故障树诊断通过检索找到故障源头，从而对故障做出诊断，但当暖通空调系统较大时，故障模型也会相应复杂，因此给系统设计者带来了困难[2]。

（四）通过神经网络进行故障诊断。由于机械运行时可能会同时引起多个故障，造成暖通空调系统故障复杂化，因此采取神经网络故障可以实现部分故障的检测和诊断。神经网络故障是利用神经元的作用，将大量的神经元应用于系统设计中，并对神经元进行设置，使神经元之间相互联系，建立成网络系统实现故障诊断。神经元是数据传递的纽带，通过大量的数据样本不断完善神经网络的功能，使每个故障在神经网络系统中都能够有显示，最终实现故障检测和诊断的功能。神经网络设计过程中不需要建立物理模型，而且对非线性的问题有着较大的优势，因此被应用于故障检测和诊断中。

（五）传感器和软件诊断。随着科学技术不断发展，对暖通空调系统的诊断方式更加科学化。传感器诊断是自动化诊断的一种方式，主要利用传感器实现机械运行时各个参数的变化，以达到正常运行的目的。暖通空调系统故障检测利用到传感器，可以实现故障自动检测，提高了检测效率和诊断速度。在暖通空调系统诊断中，软件诊断也发挥了重要作用，通过对系统的全面检测和修复，维护系统安全。

结语：暖通空调系统在运行时出现的故障会对整个系统的稳定造成较大的影响，因此要加强系统检测和诊断的能力。随着科学技术不断发展，各种故障检测和诊断方式应运而生，让故障维修更加简单，也促进了整个系统的安全和稳定。

篇7

中图分类号：TP277 文献标识码：A

1 故障检测与诊断领域研究现状

1.1 模型误差和系统不确定度的研究。基于数学模型的FDD系统的研究已日趋完善，但其诊断性能（如灵敏度，鲁棒性，实时）仍有待提高。

在该方法中，模型的不确定性的鲁棒性差，系统模型的准确性是高的，特别是对非结构化的不确定性。系统的鲁棒故障诊断是急需解决的问题。

1.2 目前，对于时滞系统故障检测与诊断研究成果还很少，还有许多问题有待进一步研究系统故障检测与故障诊断的研究成果未见报道。

1.3 对线性参数变化系统故障检测与诊断问题的研究刚刚起步，还有许多问题有待于深入研究。

1.4 混合动态系统的故障检测与诊断。混合动态系统（HDS）是指从共存的物品的新连续特性协助一个复杂系统的相互作用，由于混合动力系统的研究是一个刚刚起步的新领域。因此，对该类系统的故障检测与诊断有许多研究。

1.5 非线性系统的故障检测与诊断问题非常有限。线性模型不能用于非线性系统，它是基于小偏差理论进行局部线性化得到的线性化模型不能用于PDD，由于系统的工作点在实践中发生了变化，利用人工神经网络有效地融合了动态趋势的信息，并在一定程度上避免了传统故障诊断方法的不足，减少了故障检测与诊断的延迟。

2 车道设备及工作原理

2.1 线圈检测器及车道线圈

车道环形线圈由专用电缆绕几匝及其馈线构成，它通过一个变压器接到被恒流源支持的调谐回路，有源环形线圈构成LC调谐回路的电感部分，并在线圈周围的空间产生电磁场。当含有乌铁金属的车体进入线圈磁场范围，车辆铁构件内产生自成闭合回路的感应电涡流；此涡流又产生与原有磁场方向相反的新磁场，导致线圈的总电感变小，引起调谐频率偏离原有数值；偏离的频率被送到相位比较器，与压控振荡器频率相比较，确认其偏离值，从而发出车辆通过或存在的信号。常用的线圈检测器如图1所示。

车道地感线圈布设有两组：一组安装在收费亭窗口下方的路面上，其功能是车辆驶入车道后，触发地感线圈的电感变化，使车道计算机得到车辆驶入信号，对车辆进行计数；通过计算机的多媒体抓拍采集驶入车道的车辆图像，上传到监控室图像管理机。另一组安装在栏杆下方，其功能是车辆驶离车道后，触发地感线圈的电感变化，车道线圈检测器发出车辆离开信号，收费系统自动发出落杆指令。车道线圈的埋设布置如图2所示。

2.2 ETC入口车道工作流程

车辆进入通讯范围，首先压到路侧天线的前触发线圈，启动读写天线。判断车辆是否携带OBU，若携带，则读写天线与OBU进行通讯，判断其是否为浙江省内发行的OBU，编号和使用期限是否有效，若有效，则读取OBU内包含的车辆参数信息。接下来，判断OBU携带的CPU卡的发行方、卡编号、卡类型、卡的使用期限是否有效，卡是否与OBU对应，若有效，入口信息写入CPU卡中，自动栏杆打开，通行信号灯变绿。车辆压到路侧天线的后触发线圈，天线关闭。车辆向前行驶，触发到抓拍线圈，系统进行图像抓拍，字符叠加器将过车信息叠加到抓拍图像中。车辆通过落杆线圈后，栏杆自动回落，通行信号灯变红。系统保存交易记录，并将其上传至收费站服务器中，等待下一辆车进入。如果上述有效性判断未通过，则系统报警提示工作人员将该车辆引入附近的人工收费车道处理。

2.3 ETC出口车道工作流程

车辆进入通讯范围，首先压到路侧天线的前触发线圈，启动读写天线。判断车辆是否携带OBU，若携带，则读写天线与OBU进行通讯，判断其是否为浙江境内发行的OBU，编号和使用期限是否有效，若有效，则读取OBU内包含的车辆参数信息。接下来，判断OBU携带的CPU卡的发行方、卡编号、卡类型、卡的使用期限是否有效，卡是否与OBU对应，若有效，读取CPU卡中携带的入口信息，判断入口站编码是否有效、入口时间是否超时，若信息有效，系统自动计算收费额，并将出口信息回写入CPU卡中，自动栏杆打开，通行信号灯变绿，车辆压到路侧天线的后触发线圈，天线关闭。车辆向前行驶，触发到抓拍线圈，系统进行图像抓拍，字符叠加器将过车信息叠加到抓拍图像中。车辆通过落杆线圈后，栏杆自动回落，通行信号灯变红。系统保存交易记录，并将其上传至收费站服务器中，等待下一辆车进入。与入口ETC车道相同，以上任意有效性判断未通过，则系统报警提示工作人员将该车辆引入附近的人工收费车道处理。

3 收费系统安全管理

3.1 数据库安全管理

（1）及时升级数据库系统安全补丁，堵塞系统安全漏洞。

（2）设置必要的帐户密码，特别是超级用户的密码。

（3）制定数据管理制度。对数据实施严格的安全与保密管理，防止系统数据的非法生成、变更、泄露、丢失及破坏。

（4）制定数据库备份策略，定期备份数据库数据。

（5）外来数据输入收费系统或收费数据向外，均严格按规定流程操作，并保证这一过程不使收费系统感染病毒或与公网建立直接的连接。

3.2 系统登录控制和安全策略

（1）制定恰当的操作系统登陆策略，收费系统除管理员外禁止无关人员登陆。系统登陆口令定期更换。

（2）对系统补丁更新、软件安装等操作前进行系统备份，确保操作系统能及时恢复。

（3）防止收费网络被非法侵入，通过防火墙、路由器的设置使收费网只允许已授权的IP地址或地址段进行访问。

（4）安装必要的检测软件或硬件设施，检查和报告网络流量异常。

（5）建立机房管理制度，对进出机房人员及其操作进行详细登记。防止强磁、强电、危险性液体等危及系统安全运行的物体带入机房。

3.3 系统应急预案制定和实施

（1）针对本地实际，制定雷击、电源损坏、洪水地震等突发灾害的应急预案。应急预案应包括应急人员组成、临时措施实施步骤、设备恢复次序、设施调配方式等内容。

（2）收费系统在特殊情况下，可降低服务水平，提供基本通行收费服务，如车道系统暂时停用自动栏杆、信号灯；计重系统临时改为按车型收费或标准质量收费；ETC车道暂时改为人工车道等。待系统设备恢复后再逐步启用原有服务。

（3）应急预案应定期演练，使各级参与人员都熟练掌握处理过程，防止在紧急情况出现时惊慌失措。通常一年应演练1～2次。

结语

本文所述了工业自动控制系统的故障检测与诊断方法，但由于现代传感器技术和专家系统技术的结合，该系统的故障检测与诊断已成为一种非常强大的生命力，将为企业提高生产效率和稳定性提供越来越有力的支持。

参考文献

篇8

中图分类号：G712 文献标识码：A 文章编号：1671-0568（2013）20-0102-03

随着国民经济的飞速发展，汽车逐渐进入寻常百姓家，这给汽车维修行业带来了机遇，也使得汽修专业在近几年成为了各大院校的热门专业。《汽车故障检测与诊断》是汽修专业必修的一门实践性较强的专业课，也是汽修专业的重点和难点课程之一。受传统教育观念的影响，《汽车故障检测与诊断》课程教学仍存在较多问题。例如，在教学体系上，仍存在重理论轻实践的倾向；在教学方法上，仍是灌输式教学，忽视了学生独立思考能力的培养，忽视了学生动手能力、创造和开拓能力的培养。因此，这种教学模式急需进行改革。

一、《汽车故障检测与诊断》采用任务驱动教学法的适应性与优点

1.任务驱动教学法的含义。“任务驱动教学法”是一种建立在建构主义教学理论上的教学方法，教师将学生所要学习的新知识点隐含在一个或多个“任务”当中，通过创建真实的教学情境激发学生的学习兴趣，学生在完成“任务”的过程中掌握知识和技能。

2.采用任务驱动教学法的适应性。任务驱动教学法最根本的特点就是“以任务为主线、教师为主导、学生为主体”，这就很适合实践性较强的汽车类课程，如《汽车故障检测与诊断》课程的教学。它是一门理论与实践结合性很强、极富创造性的课程，不仅需要学生牢固掌握以往各个教学模块的知识，还要求能将知识融会贯通，通过故障现象分析原因，并逐步排除故障。

3.《汽车故障检测与诊断》采用任务驱动教学法的优点。在以前的《汽车故障检测与诊断》教学中，由于分析故障原因需要大量分散的知识点，学生可能短时间内无法想起而导致听不懂，教学效果不理想。如果改用任务驱动教学学法，每节课教师都会布置一个任务，通过某个故障现象，让学生自己分析。在分析过程中，学生可能会遇到很多问题，有的可以通过翻阅教材解决，有的可以通过学生的交流探讨解决，有的可能需要教师的点拨才能解决。不管解决过程如何复杂，学生都由过去被动接受知识转变为现在主动寻求知识。同时，学生在完成“任务”的过程中能不断获得成就感，从而增强学习的自信心，激发学习热情和兴趣。

二、任务驱动教学法在《汽车故障检测与诊断》课程中的实施

1.根据教学内容合理设计任务。任务驱动教学法首先就是任务的设计，能否结合教学内容合理设计任务决定了该教学模式的成败。以笔者讲授的《汽车故障检测与诊断》课程中机油消耗过多为例，设置如下故障现象：发动机运转时，机油消耗量超过正常值，或排气冒蓝烟，气缸内积碳增多。作为汽车检测维修专业的学生，不难知道故障可能出现的原因，但并不能准确而快速地设计诊断流程、准确辨别故障部位，可为学生设计这样的任务。

2.围绕下达任务联想相关知识。通过故障现象，可以很清楚地知道是发动机烧机油了。因此，笔者启发学生回忆学过的相关知识，分析出可能出现此种故障的主要原因：①活塞、活塞环与汽缸壁的间隙过大或活塞环与环槽的侧隙过大；②活塞环开口方向一致或错开过小；③气门与气门导管间隙过大或气门油封失效；④发动机各部件密封表面漏油；⑤曲轴箱通风不良；⑥大修后扭曲环或锥面环装反；⑦若发动机安装废气涡轮增压器，增压器轴磨损严重；⑧机油过多。

3.以学生为主、教师为辅，完成任务。对于这些可能出现的原因，笔者提出诊断故障时，尽可能遵循汽修故障诊断的4大原则：①先简后繁，先易后难；②先思后行，先熟后生；③先上后下，先外后里；④先备后用，代码优先。让学生自己合理设计故障诊断方法，绘出诊断流程图。最后给出优化的故障诊断方法，画出如下的诊断流程图，并实际操作加以验证。

教师讲解完后，指导学生通过自主研究分析，完成诊断流程图。虽然教师分析故障原因时讲得比较详细，但学生在完成诊断流程图的过程中还会提出各种问题，需要教师及时给予指导。这样既能增强学生的学习兴趣，消除学生学习中自我创新的恐惧心理，还能使学生又快又好地掌握新知识。

4.评价检查。每个学生的学习基础不一样，理解能力也有高低，接受能力也有不同，这就要求教师在检查学生绘出的故障流程图时，应对学生的学习情况作出评价和反馈。对于完成得好的学生，应该加以表扬和鼓励，这样有利于提高学生的学习积极性，树立学习的自信心。同时，对学生出现较多错误的地方应重点提出来，并解释清楚，防止学生以后犯同样的错误。让学生在良好的心理状态下不断总结，不断进步。

三、运用任务驱动教学法需要注意的问题

从实施过程中不难看出，任务驱动教学法紧紧围绕“任务”这个中心进行教学活动，因而“任务”设计是任务驱动教学法成败的关键所在。

1.“任务”设计要结合教材和学校的软硬件环境。目前，在《汽车故障检测与诊断》课程中运用任务驱动教学法的教材很多，但部分教材换汤不换药，仅将原来的章节换成现在的项目任务；还有部分教材虽然体现了任务驱动教学法，但所需器材与学校的硬件不配套。这就需要教师根据学校实际设计“任务”，否则很可能出现“任务”设计不合理，导致教学效果不好或无法进行任务驱动教学。

2.任务设计要难易适度，先易后难。在设计“任务”的时候，要充分考虑学生的特点和接受能力，充分了解学生现有的水平之后，教师才能设计好“任务”的难易程度。难易程度要适中，难度较小容易使学生产生骄傲情绪，难度较大容易使学生产生畏学心理。例如，在《汽车故障检测与诊断》课程的教学中，只要学生找出故障原因，然后按照故障诊断的基本原则进行排序和优化组合，那么基本上可以接近正确的答案，但要完全正确还需要学生吃透故障原因和故障部位。

3.任务设计要前后衔接，体现课程的递进性和完整性。由于任务驱动教学法中的项目任务并非按传统教材安排教学内容，相对原来教材中的章节来说会缺乏系统性、递进性和完整性，但各个任务之间还是有一定的联系。如果教师在设计任务的时候不加以注意，很可能造成各个任务很独立，让学生感觉到头脑发懵。例如，《汽车故障检测与诊断》课程中的发动机故障诊断就有很多种任务，如果从发动机的结构顺序来设计，就会出现很多针对零部件的小任务，并且各个任务之间很可能相对独立。如果从发动机工作原理来设计任务，就可以通过气路、油路、电路、水路等系统性的任务，让学生了解各个任务之间相互作用的关系，更有利于学生完整地掌握知识。

在《汽车故障检测与诊断》的课程教学中，根据教学内容的需要，采用任务驱动教学法授课，不仅能改变学生的学习方法，还可激发学生的学习兴趣，提升综合应用能力。

参考文献：

篇9

空调系统中保证各类传感器的读数正确，及时发现传感器故障，是空调系统最估运行的重要保证。我们已经给出了空调系统的传感器故障类型[1]，本文将用主成分分析法对空调系统中传感器的这些类型的故障进行诊断，以便及时辨别出故障类型，做出正确决策，及时恢复测量，使系统可靠正常运行。

1 主成分分析法（PCA）及故障检测、识别方法

某一系统或过程传感器测量值之间并不是孤立的，它们之间具有高度的相关性，在正常情况下，这种相关性是由物理、化学等基本规律所控制的，如：质量守恒、能量守恒等。而当某些传感器出现故障时，就会打破这种测量值之间的相关性。主成分分析法能充分反映这种相关性，因此，我们采用PCA方法进行故障检测与诊断。

1.1 PCA建模

设某测量矩阵， ，其中m是测量变量数，n是测量样本数。X的每一列都进行了零平均化，X可以分解为：

（1）

其中 ----测量的可模部分， ----测量的残差部分，在正常情况下，主要是自由噪声。

根据PCA的方法， 和 可分别表示为：

（2）

（3）

式中：T----得分矩阵， ；

P----荷载矩阵， 。

其中，l为PCA模型所包含的主成分数，后面将介绍如何确定它。P的列向量分别是X的协方差阵P的前l个最大特征值λi所对应的特征向量。 的例则分别是剩下的m-l个特征微量。根据统计学原理，X的协方差阵可以用下式进行估计：

（4）

对于每一个测量样本x，其可表示成为：

（5）

（6）

式中，

（7）

是x是在主成分子空间PCS（Principal Component Subspace）内的投影，而 是x在残差子空间RS（Residual Subspace）内的投影。

1．2 故障检测

在正常情况下，测量样本向量在残差子空间内的投影应当很小，主要是自由噪声。当某一故障发生时，这个投影就会显著地增加。因此，可以通过检测测量数据在RS内的投影大小 来检测故障是否发生。通常使用的统计量是：平方预测误差SPE（Squared Prediction Error），如式（8）所示：

（8）

当 时，认为系统运行正常，而当 时，就认为系统出现故障。δ2为SPE的置信限。δ2可用下式计算[2]。

（9）

（10）

（11）

式中：l----模型的主成分数；

ca----置信度为a的标准正态分布置信限；

λ----协方差阵R的特征值。

1．3 故障重构

利用式（6），可以对故障向量x进行估计，也就是说， 可以看在是x的一个估计值。但是， 并不是x的最佳估计，因为在估计 时所使用的x是包含有故障的数据。因此，为了消除故障的影响，利用前一次获得的估计值xnew去代替x，通过多次近迭代，就会使得xnew逼近于x的正常值x*。

假设样本x中的第I个分量发生了故障（假设只有一个故障），即xi是一个故障值，可以利用下式进行迭代：

（12）

式中， 为矩阵的C的第I列用0代替cii值之后的向量。可以证明，该迭代总是收敛于[3]：

（13）

式中，cii≠1，说明该变量不能被重构。

1.4　故障鉴别

为了进行故障鉴别，文献[4]提出了一种针对各种可能的故障方向，利用逐个重构的方法进行故障鉴别。对于测量值x，由于故障的存在，其SPE（x）必定会显著增加，若故障重构的方向正好是故障发生的方向，其重构后的SPE（）必定会显著地减少，若重构的方向不是故障发生的方向，则SPE（）不会发生显著地变化。因此，可以用鉴别指数SVI进行鉴别：

（14）

其中（）----是测量向量x沿第j个方向重构后的数据向量。

显然，SVI∈[0 1]，若SVIj接近1，说明第j个重构方向不是故障发生的方向；相反，若SVIj接近0，说明第j个重构方向正好是故障发生的方向。

1．5 最优主成分数的确定

前面在建立模型时已经用到了主成分数的概念。主成分数对模型的好坏影响很大，如果主成分数选得过小，不利于小故障的检测；而若主成分数选得太大，又会不利于大故障的检测。因此，存在一个确定最优的主成分数的问题。可以根据不可重构的方差来选择最优主成分数[4]。

不可重构方差是指重构前后测量变量之间的方差：

（15）

式中：Var（.）----表示方差算子；

E（.）----表示数学期望算子；

----xj的重构值；

xj----的第j个分量；

ξj----为故障方向向量。

用保证最小总的不可重构方差来确定最优的主成分数，即：

（16）

这样，通过选择不同的主成分数l，分别计算出∑uj，最后选取最小的∑uj所对应的主成分数为最优的主成分数。

2 传感器故障的检测与诊断的空调监测系统

图1是一空调系统冷冻机房系统示意图。该系统包含两台同样的制冷机，每台制冷机配备有各自的一级水泵，为保证每台制冷机蒸发器冷冻水的流速基本不变，一级泵为定速泵。两台二级泵为建筑供水，二级泵根据建筑负荷大小变频调节水泵的供水量，多余的水量由旁通管流回制冷机。当旁通流量大于一台一级泵的流量时，停止一台制冷机及相应水泵；而当旁通流量出现负值且大于一定的时间时，开启一台制冷机及相应的一级泵。为保证制冷机的工作时间大致相等，实行先停先开、先开先停的控制策略。

系统的传感器的安装位置与类型如图1所示。共有四个流量传感器：制冷机1、制冷机2出口各有一台流量计，建筑供水流量计，旁通流量计。共有五个温度传感器：制冷机1、制冷机2供水温度传感器，建筑供水温度传感器，建筑回水温度传感器，制冷机回水温度传感器。

图1 空调系统冷冻机房系统示意图

根据给定的负荷，在HVAC专用仿真软件TRNSYS上对系统进行仿真。传感器的采样时间间隔为1min，仿真时间为4d。从采样的数据中选取稳定条件下的正常操作数据共5000组，进行平均化后，且前述方法建立模型。

转贴于 3 故障诊断

首先确定主成分数。计算不同的主成分数时总的不可重构方差，选取决的不可重构方差最小时的主成分数为最优主成分

数。此时的最优的主成分数是3，因此用3个主成分建立模型。

为了比较四种类型故障，选用同一个传感器----建筑供水温度传感器进行故障检测和诊断，随机误差 。无任何故障时的测量信号见图2（a），正常条件下的故障检测情况见图2（b）。从图中可以看出，SPE（x）没有超出极限值δ2，说明数据正常。

图2 正常数据的检测

（a）正常建筑供水温度数据信号；（b）正常数据的检测结果

3.1 偏差故障

选ft=1.5℃，由文献[1]式（3）计算了出这时的故障测量值。图3（a）是这时的正常数据与故障数据的比较。图3（b）是这时的故障数据检测结果，SPE值超过了δ2限，检测出故障。SVI指数监测结果见图3（c）。

3．2 漂移故障

选取d=0.05，由文献[1]式（5）计算出这时的故障测量值。图4（a）是这时的正常数据与故障数据的比较。图4（b）是这时的故障数据检测结果，在故障发生一段时间后，SPE值超过了δ2限，检测出故障。SVI指数监测结果见图4（c）。由图可以看出，由于故障大小是逐渐增加的，在刚开始，故障很小，不能被检测出。随着时间的推移，故障不断增大，SPE指数也不断在增加，故障被检测出来。

图3 偏差故障检测与诊断

图4 漂移故障检测与诊断

（c）正常数据与故障数据比较；（b）故障检测；（c）故障鉴别

图5 精度等级下降的检测与诊断

图6 完全故障检测与诊断

（c）正常数据与故障数据比较；（b）故障检测；（c）故障鉴别

3．3 精度等级下降

选取ft∽N（0，2），由文献[1]式（7）计算出这时的故障测量值。图5（a）是这时的正常数据与故障数据的比较。图5（b）是这时的故障数据检测结果，图5（c）是SVI指数监控结果。从图中可以看出，SPE指数的波动很大，有时很大，而有时又很小，甚至不能被检测到，但多数情况超过了极限。这主要是由于故障类似于噪声的原因造成的。SVI指数也是如此。因此，对于这类故障，如果 较小时，很容易被人认为是自由噪声而难于被检测出.

3.4 完全故障

选取xt=0℃，图6（a）是这时的正常数据与故障数据的比较。图6（b）是这时的故障数据检测结果，SPE值远远超过了δ2限，指数很大，说明这时的故障较大。完全故障与偏差故障表现很相似，但完全故障的SPE远偏差故障大。

4 结语

本文利用主成分分析法对空调系统传感器四种故障进行诊断。SPE指数和SVI指数分别用来进行故障检测和鉴别。通过最小化总体不可重构方差来确定模型的最优主成分数。对空调冷水机组监测系统传感器的四种类型故障检测与诊断特性进行了比较，主成分分析法是一种很好的传感器故障检测方法，对传感器的各类故障均有很好的检测、诊断特性。

参考文献

1 陈友明，郝小礼，空调系统中传感器故障检测与诊断方法的研究----传感器的故障类型及数学描述，全国暖通空调制冷2002年学术年会论文集，2002，11

篇10

关键词： 煤矿机电设备；状态监测与故障诊断；应用

Key words: electrical and mechanical equipments of coal mine；monitoring and fault diagnosis of the conditions；application

中图分类号：TD4文献标识码：A文章编号：1006-4311（2012）15-0039-01

1煤矿机电设备作业的特点

众所周知，煤炭储备位于地下深处，这就制约了煤炭机电设备的作业环境，使得其工作环境恶劣、苛刻。并且煤炭开采多是日夜兼程，要求煤炭机电设备也是马不停蹄的运转生产。具体说来，煤矿采集环境潮湿阴暗，且空池中充斥着大量有害液体、气体、固体颗粒、粉尘，再加上煤炭设备长年累月的高压重载、震动、冲击的力量，导致了煤矿设备故障和事故的频繁发生，增加了维修成本，也耽误了作业进度。

2机械设备维修或维护的种类

事后维修、预防性维修和预知性维修是机械设备主要的维修方式。此是那种方式各有利弊，可互相交叉使用。

顾名思义，事后维修指设备发生故障或者损坏后实施的应急维修。此类维修具有无准备性、盲目性、维修时间长、经济耗损大的特点。预防性维修是针对故障发生频率高的部件采取的一种有计划、有时间准备的维修方法。此类方法注重部件保养过程，定期对指定部位和零件采取不同程度的保养维修方式，避免了蝼蚁溃堤似的大型故障及事故。

预知性维修就是在设备工作时，检测设备的工作状态信息，判断设备的工作是否正常，其监测对象一般为材料磨损和性能下降的早期失效征兆，如振动、噪声等。若设备工作出现异常，则判断设备的故障点所在，并指导维护人员进行及时的维修，以减少不必要的停机时间，降低维修费用。预知性维修的形式多种多样，状态监测与故障诊断就是常见的两种形式，被广泛应用到了煤炭开采行业中。

3对煤炭机电设备进行状态监测及故障诊断的意义

对煤炭机电设备进行状态监测及故障诊断可以防患于未然，意义非凡。设备工作状态执行跟踪、记录、监测，第一时间发现故障的早期征兆，将事故的恶式发展状态埋没在摇篮中，从而以减缓、减少、避免、大型事故的发生。如果故障无可避免的发生了，那么设备监测仪器可以自动记录故障生成过程中的全部数据、信息，这就为揭示事故产生的原因、程度、部位，及后期的维修、同类错误的产生提供了最直接依据基础。此外，对设备状态监测及故障诊断还可充分的了解设备性能，为改进设计、制造与维修水平提供有力证据，也为设备的在线调理、停机检修提供科学依据，可延长运行周期，降低维修费用。

4故障诊断技术在煤矿机电设备中的应用

4.1 矿井提升机检测与故障诊断提升机是矿井中不可缺少的设备工具之一，参与了煤矿的生产及运输材料、设备、原煤的环节。因此，提升机工装状态及效率的高低，可以影响到整个矿井的工作进度及安全。但是，提升机故障也是在所难免的，一般而言，可分为硬故障和软故障两类。当设备的一些特定参数超出其正常范围之内时引起的重大故障，我们称之为硬故障。软故障则指设备许多工况参数的故障。提升机硬故障可以通过保护装置解决，而软故障的解决由于牵涉到众多的工况参数的测量、数据的分析，其解决办法变数大、难度高，同时软故障还是硬故障发生的基础，因此通过安装传感器、采集振动值等参数并经仪器分析，对提升机软故障的及时监测、诊断及预报很有必要。

4.2 采煤机工况检测和故障诊断目前，交流电牵引采煤机是采煤机中最常见的一种类型，其应用历史已有几十年。但是与西方发达国家相比，其设备配置低，基本上无故障诊断功能，且故障检测局限、参数少，严重制约了采煤机的工作效率。而通过工况监测及故障诊断单元，左右摇臂检测、机身、、高压控制箱检测单元，检测显示单元等途径可以检测采煤机工况以及监测其故障，来增强机械故障预警的能力。

4.3 通风机的检测诊断技术通风机的检测诊断技术已日渐成熟，只需简单的操作便可诊断出其祸害所在。具体流程为先安装传感器采集信号，处理信号后则通过传感器内的类专家系统来对通风机进行故障诊断。故障诊断需借助灰色理论来快速定位其故障所在。而灰色理论的工作原理是利用高精度加速度传感器测出通风机敏感部位的振动加速度，并计算其烈度值和功率谱；再根据功率谱的分布和存入类专家系统中的设备标准故障模式灰色关联度分析，依据关联度的大小，诊断通风机的机械故障类型。

4.4 矿用高压异步电动机的检测及诊断技术像人类的心脏一样，高压异步电动机是矿井的动力所在，其高达6千伏的高压可以带动水泵、提升机等多个设备的运转。同样，高压异步电动机也存在众多故障，比如绝缘老化、机械损伤、电机烧损等。对高压异步电动机故障检测及诊断的作用不言而喻。现如今，高科技含量的信号处理技术、人工智能技术都大大提高了检测机诊断技术的深度、广度及精确度。其流程为，通过信号处理、参数识别等途径来提取故障，再通过局部放电测试、磁通测试、电流高次谐波测试等办法来诊断其故障所在。

5结语

设备故障诊断是一门综合技术，一方面要求技术人员要有一定的技术技能还要求其具备一定的实战经验；另一方面要求故障诊断设备装置不仅要在原理上可行，还要有高强度的可靠性，能够经得起时间及困难的考验。经过几十年的发展，煤矿机电设备检测与故障监测得到了很大的发展，其前景也是光明广阔。我们也有理由相信，煤矿机电设备状态监测与故障诊断技术，也会越来越成熟，其带来的成就也会越来越辉煌。

参考文献：