故障诊断方法综述范文

前言：我们精心挑选了数篇优质故障诊断方法综述文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

摘要： 随着经济的发展，技术的进步，现代企业设备越来越大型化、复杂化、智能化，如果液压设备发生故障，生产就无法进行。本文首先介绍液压系统故障诊断的准备工作，然后详细介绍三种诊断方法。

关键词：液压系统故障 简易故障诊断法 人工智能故障诊断法

液压系统具有很多独特的优点，常见的如：大容量、结构紧凑、安装灵活、反应快、容易控制等等，在现代大型设备，特大型设备中具有广泛的应用的同时存在着问题，极易发生故障从而影响生产，造成故障的原因主要是系统中元辅件和工作液体性能不稳定，系统设备使用不当或者维护不到位。近几年液压系统故障诊断成为了一门专门的学科，受到高度的重视。

1、液压系统故障诊断的准备工作

第一拿到设备使用说明书时一定要认真仔细的阅读，详细了解该设备的功能、结构、工作原理，包括系统中元件的功能结构和原理；第二从网上查阅设备的档案资料，包括生产厂家、制造日期、调试验收，故障可能、处理方法等等。

2、简易故障诊断方法

2.1 主观诊断法

这是一种最传统的方法，凭借维修人员的主观判断（看、听、摸、闻、问）和实践经验，或者利用简单的仪器、仪表判断故障发生的部位并且给出发生的原因。常见到的主观诊断法有感官诊断、方框图分析、系统图分析，该方法简单快捷方便，这种方法对维修人员的要求极高需要有丰富的诊断经验，但是诊断结果具有局限性。

2.2直接性能测试法

这种方法通过测试液压元件和系统性能进而评价系统工作状态，适用于处于工作状态的系统，还能进行定量的分析，现代运用最多的是检测液压系统的状态。如果检测的液压系统元件或者性能超出了规定的正常范围，那么该系统就有发生故障的可能性。这种方法原理简单，相当直观，但是测试的精准度不是很高，一般早期的失效很难检测出来。

3、基于信号分析的故障诊断方法

3.1基于抽样分析法

反映系统内部信息的除了液压系统本身的信息，其内部的污染物也可以，也就是说测定和鉴别油液当中污染物的成分和含量，可以知道液压系统的污染情况和运行状况，也是一种故障诊断的方法。目前我们经常见到的有两种：一种是基于油液颗粒污染度的检测技术，包括：显微镜检测技术（设备投资小、方法简单、费时费力、误差大）、自动颗粒计数器（检测速度快、操作简便、准确度高但精度低）、称重法（设备简捷、检测方便、只测重）、铁谱分析法（可进行定性和定量的分析）、光谱法（成本高、精度高）；另一种是基于油液性能参数的检测技术，这种技术需要细致的分析油液的有关参数和金属的含量，历时的周期较长，无法实现在线检测，但是对重要液压系统的诊断很有效。

3.2基于振动噪声分析法

在液压系统的运行过程中，必然会伴随产生振动和噪声，尤其液压泵的振动声音十分大，实际上这些设备的振动和噪声就包含了许多故障的信息，分析信号，得到元件状态信息，进而进行故障诊断。这种方法的理论比较完善，应用也比较广泛，有多种信号处理方法如：时域特征参数法、时差域特征法、概率密度法、相关分析法、谱分析法、自功率谱分析法、倒频谱分析法、包络谱分析法、主分量自回归谱提取法、AR谱参数提取法、小波分析等。目前旋转机械设备也能用它分析诊断故障，纯机械设备的故障诊断效果相当明显。随着信号处理技术的发展，这种方法的应用前景十分可观。

3.3基于数学模型法

这种方法的指导是现代控制理论和优化方法，基础是系统的数学模型，残差产生法是观测器（组）、等价空间方程、Kalman滤波器、参数模型估计和辨识等，利用阀值或者准则评价决策残差。该方法和控制系统的关系相当密切，共同成为监控、容错控制、系统修复重构的基础。这种方法的数学模型的精确度直接决定诊断的精确性，一般最常建立的是线性和非线性的数学模型来诊断液压系统的故障。

4、基于人工智能的故障诊断方法

4.1基于专家系统的智能诊断法

这是智能诊断技术中受到多方关注的一个发展方向，研究最多，应用最广，主要是利用专家的知识和推理方法解决实际遇到的复杂问题。在这的专家系统并不是指人员而是指一种人工智能计算机程序，知识权威，学习功能强大。该系统的主要组成部分：知识库（系统知识和规则库）、数据库、推理机和解释机制。如果利用它检测在线的系统，数据库显示的是实时工况数据；如果利用它检测离线系统，则数据库显示的是实际故障时的数据或者人为故障的样本数据。该方法的运行过程是通过人机相互交换，专家系统获得所需信息，利用系统的知识库和数据库，推理机运用规则，调用应用程序，进行正确的推理，找到液压系统的故障。这种方法给自动化进行液压系统故障诊断代带来了光明和希望，但是也存在一定的不足和问题，不过未来的发展前景还是很广阔的。

4.2基于神经网络的智能诊断法

20世纪80年代人工神经网络迅速崛起，成为人工智能领域的一个分支，是一种计算模型（与人的认知过程相似），一种非线性动力学网络系统（模拟大脑神经元结构特性）。神经网络的非线性处理单元（类似神经元）相互关联，具有了学习、记忆、归纳总结等功能和数学模拟能力。这种方法的具有独特的优势，如：分布式处理能力、联想记忆、自学习能力等收到诊断领域的广泛关注和重视，未来发展前景十分宽广。

4.3基于模糊理论的智能诊断法

大量的模糊现象存在于液压系统故障诊断领域，如：系统油温过高、压力波动较重等等，过高、较重这些都是模糊的概念，并没有清晰的边界，故障发生会经历一个漫长的时间，同时故障发生的原因和症状也是模糊的，可能一对一，可能一对多，也可能多对一。利用模糊逻辑、模糊关系描述故障的原因和现象，建立隶属度函数和模糊方程，明确识别故障。这种方法的现象更为客观，结果更符合实际，速度快，容易实现。

5、结束语

随着21世纪科技的发展，人工智能技术更是突飞猛进，还有许多智能诊断的方法如：故障树诊断法、灰色理论智能诊断法、案例推理诊断法、多智能体的智能诊断法、信息融合技术智能诊断法等等。如何将新型科技、智能技术运用到故障诊断系统当中，实现自动化、智能化的故障系统诊断是我们亟待解决的问题。

参考文献：

[1]范士娟，杨超.液压系统故障诊断方法综述[J].机床与液压，2009，37（5）：188-192，195.

第2篇

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）.

第3篇

关键词：电机故障；诊断原理与技术；技术应用

电机作为机械设备的动力源电机故障；诊断原理与技术；技术应用头，主要作用是将电能转化为机械能，供机械设备运转。因此，电机是供电与用电系统的重要元件。但是电机运转时间长，工作负荷大，容易受到各种外界因素的影响，从而出现故障问题。如果工作人员不能及时诊断并处理电机故障，那么将影响电机的正常运转，严重时将导致电机的破损。所以说，电机故障的诊断技术是保证电机正常、有序运转的技术基础。笔者基于多年的电机故障诊断理论研究与实践经验，提出几种有效的电机故障诊断技术，希望能够与相关工作共同探讨、提高。

一、电机故障的诊断原理

一般来说，电机故障的诊断原理有以下几种。

首先，根据噪音、振动、温度等变化情况诊断电机故障。在电机出现故障时，工作人员会先用温度检测仪器对电机各个部位的温度进行检查，以初步确定电机故障的类型，再根据电机故障的噪音或者振动情况，大致确定电机故障的位置与原因，从而为进一步诊断提供条件与基础。这种诊断方法主要针对情况较轻的、能够通过工作人员的经验或者简单仪器等检查出来的机械故障。

其次，根据电流变化情况诊断电机故障。这种方法的诊断原理是工作人员利用频谱分析仪器等对电机内电流的波形进行分析与检测，再对比正常运转电机的电流波形图，从而判断电机故障的程度。最后，根据绝缘结构的检查结果诊断电机故障。

除了以上两种方法之外，工作人员还可以利用适宜的电气检查设备对电机内的绝缘结构进行检测与分析，得出电机绝缘结构的寿命以及电机工作性能等因数，从而对电机故障进行进一步的诊断。

二、电机故障的诊断技术

电机主要由电路、磁路两部分组成，两者共同转化能量。电机故障既有电气方面的原因，也有机械方面的因素，因此，电机质量或者安装质量不合格、电机在运转过程电压不稳、负载超出标准等等情况，都将可能引起电机故障，影响电机的正常运转。工作人员根据相关原理、选择适宜的故障诊断技术对电机故障进行诊断，以保证电机的可靠运转。

（一 ）在我国，基于数学模型的电机故障诊断技术的应用已经比较纯熟，最简单直接的方法是进行输入输出信号的处理，电机输出量如果超标，即为有故障可能，或者也可以通过数学方法研究波形的主要参数变化与故障源之间的联系，来分析判断故障原因和位置。而基于状态或过程参数估计的电机故障诊断技术也在不断完善，图1为这类方法的原理图。这种方法既有优势也有缺点，优点是可以根据系统动态性质实时诊断，缺陷是不适用于非线性电机模型。这种方法能够很大提高电机故障诊断的效率。但是随着经济、技术的发展，更多有效的诊断技术，尤其是人工智能诊断技术被应用与电机故障诊断中，为电机的正常、高效运转提供技保障。

（二）人工智能诊断技术

第一 人工神经网络诊断技术 此类诊断技术在当前应用效果较好，使用频率也较大，正在成为新兴主流诊断技术之一。它主要采用BP网络对电机故障的信号进行检测、分析与转换，同时根据相应的算法以得到输入、输出样本之间的映射关系，从而利用网络进行科学地分析与诊断。目前已有很多成功实例，如利用BP网络实现分箱式感应电机的匝间短路与轴承损耗两类故障的诊断，同时有文献记载 可将基于 BP 神经网络的方法用于电机转子断条的故障诊断 。B P 神经网络的算法通常 采用基于梯度下降原理的误差反向传播算法 ， 即 BP 算法 。但标准 BP 算法特点是收敛速度慢 ，可以加快训练收敛速度 ， 引入动量项的是权值修正快速算法 。这种方法提高了运算效率 ，更具实用价值。 人工神经网络诊断技术应用效果最好的是诊断转子断条故障，基本上可以达到零失误率。

第二 模糊逻辑诊断技术。有些电机故障不能很准确地被描述出来，显示一定模糊性，在此就需要利用模糊逻辑诊断技术对电机故障进行诊断。但是这种诊断技术需要模糊知识库的支持与辅助，并建立故障与故障征兆之间的关系或者规则库，从而通过推理判断、诊断电机故障。但是这种技术容易出现误诊，需谨慎使用。图4为模糊诊断技术原理图。故障诊断部分是一个典型的模糊逻辑系统，主要包括模糊化单元，参考电机，底层模糊规则，和解模糊单元。其中模糊推理和底层模糊规则是模糊逻辑系统的核心。文献指出，解决笼式感应电机转子断条故障，使用模糊逻辑不仅可以检测故障的发生，甚至可以给出断条数目。为了更为精确， 将转子条的状况分为5类：没有断条， 有断条初期征兆， 1个断条， 1-2个断条和2个断条。异步感应电机发生断条时， 就会在定子谐波电流中感应出频率（1±2s）f1的附加分量， 其中s 为转差率， f1为定子基频 [ 16]。谐波分量中这两个频率的幅值分别由A1和A2（单位：dB）表征， 因此断条故障可以通过对A1、A2检测获得。在模糊推理中，对于可能出现的故障， 只需用模糊隶属度函数进行描述，而不像基于神经网络的故障诊断方法那样用数值进行描述， 模糊输出隶属度函数如图5所示。实验结果表明：这一方法可成功应用于一台5.5kW两相感应电机的故障诊断。基于模糊逻辑的电机故障诊断方法的优点在于可嵌入语言化的知识和近似推理能力。从近年来的发展可以看出， 基于模糊逻辑的电机故障诊断方法无论在理论上

还是在应用方面都已取得了很大的进展， 但与传统的故障诊断理论和方法相比， 仍有不成熟之处，有待于进一步的完善。

第三，遗传算法诊断技术。这种诊断技术是根据故障信号的分析与推算，对电机进行全局地控制与检测，从而不断地优化诊断方法，以达到提高诊断效果的目的，它具有全局控制、快速便捷等特点。但是在遗传算法诊断技术应用过程中，工作人员需要注意参变量各项参数的准确性，需要反复试凑，以确定各项故障参数。因此可以说，遗传算法诊断技术是电机故障诊断技术中较为先进、高效的技术。

结语

综上所述，在电机应用过程中，相关工作人员必须提高对电机故障的认识，并根据电机应用的实际情况，科学地选择适宜的故障诊断技术，以提高电机故障诊断效率，从而为快速、有效地处理电机故障，促使电机恢复正常运转提供保证。目前，我国电机故障的诊断技术得到高速发展，但是由于电机故障各个类型之间的关系复杂，需要相关工作人员进一步研究，以促进电机故障诊断技术应用有效性的提高，从而保证电机的正常运转，为机械设备提供充足的电能。

参考文献

[1]王秋彦，鞠建波，宋振宇. 故障诊断技术研究现状及发展趋势[J].电子测量技术， 2009，12（04）：45-46 .

[2]刘冬生，赵辉，王红君，等. 基于小波分析和神经网络的电机故障诊断方法研究[J].天津理工大学学报， 2009，78（01）：21-23 .

[3]杨朋松，吕永健，逯国亮.基于小波神经网络的电机故障诊断研

究[J].大电机技术，2009，22（04）：78-79 .

[4]M.Y.Chow， R.N.Sharpe， J.C.Hung.Ontheapplication andde-signof artificialneural networks for motor fault detection（I）[ J ] .