時間:2023-06-21 09:05:36
導(dǎo)語: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:TP39 文獻(xiàn)標(biāo)識碼:A 文章編號: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)測和控制,如何有效實現(xiàn)故障的檢測和診斷就變得至關(guān)重要,尤其是處于重要位置的變量出現(xiàn)故障時,所帶來的后果更加嚴(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)動的多元統(tǒng)計方法之一,該方法利用當(dāng)前過程信息來判斷系統(tǒng)運(yùn)行情況,文獻(xiàn)[2]研究得出當(dāng)系統(tǒng)故障幅值相對于臨界故障幅值較小時,傳統(tǒng)PCA方法檢測故障的能力會嚴(yán)重下降。為解決這類問題,文獻(xiàn)[3-4]中給出可通過不同的角度對傳統(tǒng)PCA進(jìn)行改進(jìn),以實現(xiàn)對微小故障的診斷。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待所有變量的,然而實際系統(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,以提高重要變量對微小故障的敏感度;當(dāng)檢測到系統(tǒng)出現(xiàn)故障時,再利用特征方向法實現(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;為主元個數(shù);為殘差矩陣;PCA方法通常采用統(tǒng)計量進(jìn)行過程檢測[6]。
假設(shè)系統(tǒng)的個變量單獨(dú)發(fā)生故障,運(yùn)用PCA方法提取種不同故障模式所對應(yīng)歷史數(shù)據(jù)的特征向量矩陣,再從各故障模式特征向量矩陣中取第一主元載荷向量,組成故障特征方向庫。
2 在線過程監(jiān)控
2.1 故障檢測
設(shè)為時刻傳感器所采樣的測量數(shù)據(jù)。
為實現(xiàn)重要變量對微小故障敏感,現(xiàn)根據(jù)傳感器所測變量的重要程度不同對在線數(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]計算加權(quán)數(shù)據(jù)的統(tǒng)計量如式(3):
(3)
然后,依據(jù)統(tǒng)計量是否超過統(tǒng)計量檢測閾值來判斷是否發(fā)生故障。
2.2 故障診斷
當(dāng)故障出現(xiàn)時,用PCA來處理當(dāng)前被檢測的過程數(shù)據(jù),提取當(dāng)前數(shù)據(jù)的第一載荷向量來代表該數(shù)據(jù)的變化方向,并用來表示;然后,根據(jù)式(4)計算與的相似度。
(4)
定義一個診斷閾值,當(dāng)≥時,則認(rèn)為出現(xiàn)了第類故障。由線性代數(shù)的基礎(chǔ)知識可知,實際上是與間角度的余弦。當(dāng)越接近于1時,則說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)信號的分析前后能量保持守恒的準(zhǔn)則,給出一個類似的方法,即根據(jù)系統(tǒng)先驗信息對各變量重要程度的認(rèn)識,可假定大致的比重因子,如式(5):
(5)
令:
(6)
其中:為根據(jù)先驗知識所確定的常數(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變量在系統(tǒng)中對整個系統(tǒng)的重要程度,一般根據(jù)下列原則來確定:
(1)加權(quán)后的重要變量對故障更具有敏感性;
(2)變量加權(quán)變換前后系統(tǒng)的能量保持守恒,即。
3 仿真實驗
利用Matlab生成系統(tǒng)正常運(yùn)行時的觀測數(shù)據(jù),同時確定關(guān)鍵主元個數(shù),求出相應(yīng)的統(tǒng)計閾值;然后在各個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;假設(shè)先驗系統(tǒng)經(jīng)驗權(quán)重因子比例系數(shù)為。
圖1、圖2為在801時刻當(dāng)變量3加1倍該變量方差恒值故障時,傳統(tǒng)統(tǒng)計量值大多都在檢測閾值以下,而加權(quán)統(tǒng)計量值幾乎都在檢測閾值以上,由此可見加權(quán)對重要變量3的微小故障檢測更敏感。
為體現(xiàn)該方法在非加權(quán)變量發(fā)生故障時,故障檢測的有效性,現(xiàn)在變量1加2倍該變量方差恒值故障,故障檢測圖如圖3、圖4所示。
根據(jù)圖1、圖2所檢測到的故障,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個變量所對應(yīng)的相似度超過了診斷閾值,由此可以判斷是第3個變量出現(xiàn)故障,這與所取的故障數(shù)據(jù)相吻合,因此在檢測到故障發(fā)生時,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,故障庫也是假定單變量發(fā)生故障而建立的)。
4 結(jié)語
針對變量所在位置不同,其重要程度也不相同這一問題,提出了基于變量加權(quán)的思想用于提高重要變量對微小故障的敏感度,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微小故障的敏感度;同時在次要變量出現(xiàn)偏大故障時,基于加權(quán)的統(tǒng)計量同樣可以實現(xiàn)故障的檢測;最后當(dāng)檢測到系統(tǒng)出現(xiàn)故障預(yù)警時,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。上述方法通過仿真實驗證明了具有較好的實用性。
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性研究[J].儀器儀表學(xué)報,2002,23(3):232-235.
[3] 尚駿,陳茂銀,周東華.基于變元統(tǒng)計分析的微小故障檢測[J].上海交通大學(xué)學(xué)報,2015(6):799-805.
[4] 文成林,呂菲亞,包哲靜,等.基于數(shù)據(jù)驅(qū)動的微小故障診斷方法綜述[J].自動化學(xué)報,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)備故障問題也越來越突出,當(dāng)故障嚴(yán)重時將導(dǎo)致整個系統(tǒng)的癱瘓,甚至?xí)斐扇藛T的傷亡,所引起的損失是無法估量的。
當(dāng)故障發(fā)生時,依靠維修人員查找故障的發(fā)生原因及解決故障問題是較為困難的,這完全依賴于維修人員的經(jīng)驗。如果缺少故障信息,要想快速準(zhǔn)確解決故障時非常困難的,有可能造成機(jī)器無法工作的嚴(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,解決故障問題,使停機(jī)時間大大縮短,能有效的提高工作效率。由此看對電力電子系統(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,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載能力小的特點,所以其器件損壞速度較快,故障信息僅存在時間也很短,這就需要進(jìn)行實時監(jiān)控,故障發(fā)生時要求在線診斷,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)檢測電路故障的信息:利用檢測設(shè)備和檢測技術(shù),檢測并獲取電路發(fā)生故障時的信息,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,故障的判斷離不開對故障特征的提取,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,下文僅對五種常用方法做一簡單介紹。
2.1 譜分析診斷法
由于電路故障信號中可能會含有噪聲,由此就會造成故障的時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處理方法。譜分析的目的在于提取信號中所包含的噪聲,在這里可以用傅里葉變換將時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,由于典型測量波形和故障波形之間會有所不同,故可以將典型測量波形提前存儲至診斷系統(tǒng)的數(shù)據(jù)庫。當(dāng)發(fā)生故障時,診斷系統(tǒng)就能將實際測量的波形與提前儲存至診斷系統(tǒng)的波形進(jìn)行比較,以判定進(jìn)行故障。
2.3 故障樹診斷法
故障樹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。用邏輯圖來表示故障間的相互關(guān)系, 當(dāng)故障發(fā)生時,在系統(tǒng)中從頂層開始,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。所以障樹診斷方法具有實用、通用、觀察靈活的優(yōu)點,也同時也有建樹工作量大、容易出錯的缺點,由此可見,故障樹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)估計方法和參數(shù)估計方法等。參數(shù)模型法是通過比較被診斷對象的可測信息與由數(shù)學(xué)模型表達(dá)的信息,產(chǎn)生殘差, 并對殘差進(jìn)行分析和處理從而實現(xiàn)故障診斷的技術(shù)。參數(shù)模型法的故障診斷分為3個步驟,第一步是通過對比產(chǎn)生殘差,即產(chǎn)生故障信息;第二步是故障模型的檢測,針對產(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、模式識別診斷法、人工神經(jīng)網(wǎng)絡(luò)診斷等方法。
模式識別故障診斷的過程有一個前提,就是首先對系統(tǒng)可能發(fā)生的故障模式進(jìn)行分類,這樣診斷過程就是把系統(tǒng)的現(xiàn)有工作狀態(tài)歸入哪一類故障模式的問題。模式識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,通過已建立的數(shù)學(xué)模型對故障進(jìn)行實時診斷。
專家系統(tǒng)診斷法是借助計算機(jī)等設(shè)備模擬專家的實踐經(jīng)驗,以實現(xiàn)故障診斷。一個專家診斷系統(tǒng)是通過實時監(jiān)測采集數(shù)據(jù),并對數(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)算實現(xiàn),可用較為簡單的數(shù)學(xué)模型來描述,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新興的研究領(lǐng)域, 經(jīng)過多年的發(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].電測與儀表,2008(05).
[3]范曉勇,賈曉靜.基于故障樹的電子系統(tǒng)故障診斷與預(yù)測[J].微計算機(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用價值[1]。目前,國內(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描述矩陣,隨后對描述矩陣進(jìn)行規(guī)格化處理,得到故障判斷矩陣,當(dāng)發(fā)生故障時,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)潮流的變化來判斷的,當(dāng)發(fā)生故障時,系統(tǒng)的結(jié)果和參數(shù)變化,使得潮流的計算和分析處理耗時較長,會影響診斷和恢復(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)是利用計算機(jī)技術(shù)將相關(guān)領(lǐng)域的理論知識和專家的經(jīng)驗知識融合在一起,通過數(shù)據(jù)庫、知識庫、推理機(jī)、人機(jī)接口、解釋程序和知識獲取程序的有機(jī)連接,達(dá)到具備解決專業(yè)領(lǐng)域問題的能力。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)、斷路器的動作邏輯以及運(yùn)行人員的診斷經(jīng)驗用規(guī)則表示出了,形成故障診斷專家系統(tǒng)的知識庫,通過查找知識庫對報警信息進(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,但是在實際應(yīng)用中存在知識庫建立困難、校核和維護(hù)困難、容錯能力差等局限性,容易造成診斷錯誤。
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)。它的最大特點是采用神經(jīng)元及它們之間的有向權(quán)重連接來隱含處理問題的知識,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能力,即使輸入信號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)點對于在配電網(wǎng)故障定位中的應(yīng)用具有重要的意義,主要用來進(jìn)行故障識別和故障定位。
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)或斷路器的誤動作、拒動,信道傳輸干擾,保護(hù)動作時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)不確定性問題,擅長模擬人類思維中的近似推理、語言變量來表述專家的經(jīng)驗,得到問題的多個可能的解決方案,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)計數(shù)據(jù)和經(jīng)驗知識。當(dāng)診斷對象的結(jié)構(gòu)發(fā)生變化時,如何對模糊知識庫進(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。其實質(zhì)是將故障診斷問題轉(zhuǎn)化為無約束的0-1整數(shù)規(guī)劃問題進(jìn)行尋優(yōu)處理。這類方法的基本思路是:根據(jù)保護(hù)動作原理,將故障診斷問題表示為0-1整數(shù)規(guī)劃問題,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?;趦?yōu)化技術(shù)的方法在信息發(fā)生畸變時,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)挖掘近年來研究比較活躍的研究領(lǐng)域,是人工智能與數(shù)據(jù)庫技術(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。近年來,已有研究者開始把數(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。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,解決如何把診斷對象與數(shù)據(jù)挖掘算法結(jié)合,確定出診斷對象的診斷模型,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)測系統(tǒng)得到的相關(guān)信息對配電網(wǎng)發(fā)生的故障進(jìn)行實時分析和判斷,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].中國電業(yè)(技術(shù)版).2013(12).
【關(guān)鍵詞】故障檢測;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)自動化程度越來越高,系統(tǒng)規(guī)模也越來越大,簡單控制系統(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)雜的自動化系統(tǒng)運(yùn)用越來越廣[1]。自動化設(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,社會影響及其惡劣。為了達(dá)到以人為本同時維護(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)備都不可能無限期使用,這就需要防患于未然,因此故障檢測技術(shù)應(yīng)運(yùn)而生。
二、故障檢測重要性
故障檢測技術(shù)是是一門多學(xué)科融合交叉性學(xué)科[1],如:信號提取則依賴于傳感器及檢測技術(shù);信號降噪離不開信號處理技術(shù);狀態(tài)估計和參數(shù)估計方法以系統(tǒng)辨識理論為基礎(chǔ);魯棒故障診斷涉及到魯棒控制理論知識;此外數(shù)值分析、概率與數(shù)理統(tǒng)計等基礎(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)的各個領(lǐng)域。
三、故障檢測技術(shù)經(jīng)濟(jì)效益
數(shù)據(jù)顯示[2],故障檢測技術(shù)與經(jīng)濟(jì)發(fā)展息息相關(guān),對故障檢測技術(shù)的研究與發(fā)展越來越多,在工業(yè)生產(chǎn)中也得到了應(yīng)用和推廣。通過故障診斷技術(shù)的推廣,大大降低了設(shè)備維修費(fèi)用,各國在故障診斷技術(shù)上的投入也逐漸增加。日本對故障檢測與診斷技術(shù)的投入占其生產(chǎn)成本的5.6%,德國和美國所占比例分別為 9.4%和7.2%。在冶金工業(yè)生產(chǎn)中,我國每年承擔(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)用故障檢測與診斷技術(shù),每年可以減少事故發(fā)生率同時也能節(jié)約 10%~30%的維修費(fèi)用。因此故障檢測能帶來經(jīng)濟(jì)效益,不容小覷。
四、故障檢測的分析方法
(一)狀態(tài)估計法
狀態(tài)估計法一般分為兩步:首先求取殘差,再從殘差數(shù)據(jù)中提取故障特征從而實現(xiàn)故障診斷。目前狀態(tài)估計法的故障檢測診斷方法方興未艾,如H2估計[3]、魯棒故障檢測與反饋控制的最優(yōu)集成設(shè)計方法[4]等。
(二)等價空間法
低階的等價向量在實現(xiàn)過程中較易實現(xiàn)但性能不佳,而高階的等價向量能夠得到較理想的性能參數(shù),但以較大的計算量和計算時間為代價。為了解決上述問題,文獻(xiàn)[5]采用窄帶IIR濾波器運(yùn)用于等價空間法中,在幾乎不改變計算量的前提下,提高系統(tǒng)檢測性能,但此方法會產(chǎn)生較高的漏報率。
(三)參數(shù)估計法
參數(shù)估計法是因為模型參數(shù)和相應(yīng)的物理參數(shù)的特點不同,分別統(tǒng)計這兩類參數(shù)的變化特性來分析和確定故障。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,如果異常可以確定故障位置。與狀態(tài)估計法比較,參數(shù)估計法能更有效的故障確定。參數(shù)估計法研究越來越豐富,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頻域局部化特性[7],可任意調(diào)節(jié)時間窗和頻率窗,因此突變信號能夠檢測出來。但是,小波基選取一直是在小波信號分析沒能解決的問題,也是研究的一個難點,針對同一信號采用不同的小波基進(jìn)行分析其分析結(jié)果往往不同。通過小波分析可以檢測信號的奇異點,在信號降噪和信號分析中應(yīng)用廣泛。小波變換是結(jié)合時域和頻域的分析方法,特征提取方便,在故障檢測中應(yīng)用較廣。小波分析對單一的故障源檢測效果明顯,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;神經(jīng)元網(wǎng)絡(luò)自學(xué)習(xí)過程進(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)動力學(xué)模型[9],再根據(jù)系統(tǒng)采集信號進(jìn)行小波包分解,建立基于小波包能量譜指標(biāo)。把信號指標(biāo)作為改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的輸入特征參數(shù),用分步識別方法進(jìn)行識別。
(五)展望
故障檢測技術(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. 動態(tài)系統(tǒng)的故障診斷技術(shù). 自動化學(xué)報. 2009, 35(6).
[2] 周福娜. 基于統(tǒng)計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.一種魯棒故障檢測與反饋控制的最優(yōu)集成設(shè)計方法[J].自動化學(xué)報, 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)小波在工程檢測數(shù)據(jù)處理中的應(yīng)用[J].中國礦業(yè)大學(xué)學(xué)報,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:TM712文獻(xiàn)標(biāo)識碼: A 文章編號:
1 引言
電力系統(tǒng)的不斷發(fā)展使電網(wǎng)覆蓋的區(qū)域越來越廣,系統(tǒng)組成也越來越復(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),正因為如此,所以一旦電力系統(tǒng)中的某個部位發(fā)生問題,將會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)具備對電網(wǎng)故障迅速定位、智能識別的功能。
2 電力系統(tǒng)故障診斷國內(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
對于故障診斷技術(shù),國內(nèi)的研究時間還很短,到目前為止僅僅是研究了一些理論知識,例如診斷技術(shù)的重要意義以及實際作用等等,技術(shù)基礎(chǔ)是譜分析、快速傅里葉變換等等??偨Y(jié)起來,國內(nèi)電力系統(tǒng)出現(xiàn)問題主要的原因有以下幾個方面:(1)系統(tǒng)設(shè)計存在缺陷,結(jié)構(gòu)混亂,不能及時的給系統(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)問題時,不能阻止故障蔓延。當(dāng)前,隨著我國電力系統(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)問題就會造成很大的損失。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。在其他國家和地區(qū),曾出現(xiàn)過很多比較嚴(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)是一個整體,有一個元件出現(xiàn)了問題,若不及時排除,那么都有可能會造成整個系統(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)實際情況中出現(xiàn)這些問題時,系統(tǒng)中的繼電保護(hù)裝置會跳閘切斷電路。之后,故障點將會恢復(fù)原有的絕緣平衡。當(dāng)出現(xiàn)這種問題時,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復(fù)雜很多。
3.2 變壓器故障
因為變壓器故障涉及到的問題有很多,所以以油浸式變壓器舉例說明。故障有兩種,即外部故障、內(nèi)部故障,我們所說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)部因為高電場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)部因為溫度太高所導(dǎo)致的故障,按照溫度可以劃分為四種故障,低于150℃的輕度過熱,150至300℃的低溫過熱,300至700℃的中溫過熱,大于700℃的高溫過熱。
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,電力用戶就會停電,這就會造成某些電網(wǎng)載荷過大,影響系統(tǒng)的安全運(yùn)行。母線故障有很多,比如誤動作、母線保護(hù)拒動、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),指的就是利用計算機(jī)技術(shù),建立適當(dāng)?shù)哪P桶凑諏<业倪壿媽收线M(jìn)行推演。事實證明,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庫是不同的,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)的各種邏輯動作、管理維護(hù)人員的實際經(jīng)驗為基礎(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對系統(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尋找有可能出現(xiàn)故障的區(qū)域,將繼電保護(hù)裝置的動作與故障發(fā)生時的工作進(jìn)行匹配來對故障進(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。因為這種系統(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,對于現(xiàn)實系統(tǒng)具有較好的適應(yīng)性。
診斷專家系統(tǒng)最鮮明的特點就是可以將保護(hù)裝置的動作以及系統(tǒng)維護(hù)人員積累的實際經(jīng)驗利用起來建立合適的模型以及判斷規(guī)則,而且系統(tǒng)的知識庫可以不斷的更新,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,相對于專家系統(tǒng)而言,其學(xué)習(xí)能力、容錯能力更好。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)造知識庫和推理機(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,通過模型的求解來完成系統(tǒng)的故障診斷。大致思想是把電力系統(tǒng)的故障簡化為0-1的規(guī)劃問題,然后利用相應(yīng)的數(shù)學(xué)模型來尋找最優(yōu)解。在文獻(xiàn)[6]當(dāng)中對這一問題進(jìn)行了詳細(xì)的介紹,并建立了一個數(shù)學(xué)函數(shù),將故障診斷問題變成了一個數(shù)學(xué)求解的問題。優(yōu)化技術(shù)診斷法從理論上看模型極為嚴(yán)密,不需要知識庫,可以使用現(xiàn)有的數(shù)學(xué)算法,對于各種信息和數(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。如果一個問題出現(xiàn)之后,可以被分成許多不同的小問題,解決這些小問題需要的數(shù)據(jù)很少,那么這些小問題之間必須形成一定的聯(lián)系才能最終解決實際的大問題。[4]對于規(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,對于上述提到的難點問題還有待進(jìn)一步的探討和研究,希望在未來多系統(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,這對于電力系統(tǒng)的數(shù)據(jù)管理具有十分重要的現(xiàn)實意義。電力系統(tǒng)通常存儲有海量的數(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,對電力線路的負(fù)荷做出預(yù)判,還能為電價制定提供數(shù)據(jù)參考。[5]當(dāng)電力系統(tǒng)發(fā)生故障的時候,故障診斷電力系統(tǒng)會發(fā)出很多的報警信息,繁雜的信息給故障定位帶來了不小的麻煩,所以利用數(shù)據(jù)挖掘技術(shù)來對這些報警信息進(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
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,國內(nèi)外的專家就對故障診斷進(jìn)行了很多研究,但是現(xiàn)實情況中的很多問題目前還是沒有得到很到的解決。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,這對于今后電力系統(tǒng)故障診斷系統(tǒng)在實際中發(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)械裝配知識發(fā)現(xiàn)方法[A].廣西計算機(jī)學(xué)會25周年紀(jì)念會暨2011年學(xué)術(shù)年會論文集[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.基于自動測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)勢在于:小波分析在頻域和時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的顯微鏡.小波分析在故障診斷、計算機(jī)視覺、生物醫(yī)學(xué)工程、量子物理、模式識別、話音分析、圖像處理、信號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,就可得到一個小波序列。
對于連續(xù)情況,小波序列為:
對于離散情況,小波序列為:
對于任意函數(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:小波變換是信號的線性描述,對于多分量信號的分析比較方便。
(3)分辨力特性:小波變換在頻率和時間上的分辨力是以如下給定的小波的頻率帶寬和時間間隔決定的:
式中,和為基本小波函數(shù)的頻率帶寬和時間間隔。
(4)協(xié)變性:當(dāng)信號平移時,則被轉(zhuǎn)換成 。
(5)頻域和時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
動態(tài)系統(tǒng)發(fā)生故障時,系統(tǒng)的觀測信號通常會發(fā)生變化。因此我們可以通過連續(xù)小波變換來檢測觀測信號的奇異點以檢測出系統(tǒng)故障。其核心技術(shù)是信號在奇異點附近的Lipschitz指數(shù)[2]。Lipschitz定義為:設(shè)有正整數(shù),如果存在常數(shù)以及次多項式 ,
對于成立,則稱在點是Lip的,Lip指數(shù)表明了函數(shù)與次多項式比較,光滑程度是多少。也就是說,當(dāng)Lipschitz指數(shù)時,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,則成正比。信號邊緣對應(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)分信號和噪聲邊沿。
振動系統(tǒng)的故障通常表現(xiàn)為觀測信號的頻率變化。可用離散正交小波變換分析檢測信號的頻率變化情況以檢測出系統(tǒng)的故障[3]。除此以外小波變換還可以看成帶通濾波器對信號進(jìn)行濾波。很多系統(tǒng)在發(fā)生故障時或故障前,系統(tǒng)的輸出噪聲都會增多,因而可用小波變換提取噪聲特征來進(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,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;同時可改變分辨率以及平移因子,對輸入空間上分布密集的數(shù)據(jù)使用高分辨率,對稀疏的數(shù)據(jù)則采用低分辨率來增強(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;(3)小波網(wǎng)絡(luò)主要用于信號的逼近和分類。
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)對信號可任意精度的逼近,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)每個輸出端分別輸出相應(yīng)的信號,從而使每個輸出端對應(yīng)一個特定的故障[3,4]。
除此以外,我們還可利用小波網(wǎng)絡(luò)來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)行故障診斷時不需要對診斷對象進(jìn)行數(shù)學(xué)建模,可實時地進(jìn)行故障診斷;對任意函數(shù)或信號小波網(wǎng)絡(luò)都具有優(yōu)良的逼近性能,從而能對系統(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,但同時還存在很多有待解決的問題,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題,為我們將來的研究提供了方向。
參考文獻(xiàn)
[1] 吳丹.DC/DC開關(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.2001,9(1):21-24.
[4] 李國爾,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.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。
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)械式自動變速器(Automatic Mechanical Transmission,AMT)是在原有手動變速器基本結(jié)構(gòu)不變的情況下,通過加裝微機(jī)控制的自動操縱機(jī)構(gòu),取代原來由駕駛員人工完成的離合器分離、接合和選換檔操作,以實現(xiàn)換檔自動化[1,2]。重型車輛使用環(huán)境相對惡劣,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),帶來了一系列問題。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,這種方式隱含著對人身安全的威脅和造成財產(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)測和健康管理(Prognostics and Health Management,PHM)技術(shù)是一個涵蓋基礎(chǔ)材料、機(jī)械結(jié)構(gòu)、能源、電子、自動測試、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)用價值和現(xiàn)實意義[4,5]。利用對設(shè)備狀態(tài)具有感知、預(yù)測和決策能力的PHM技術(shù)可以及時地發(fā)現(xiàn)AMT關(guān)鍵部件的故障并進(jìn)行更換,實現(xiàn)AMT保障由定期計劃維修向基于狀態(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,通過傳感器感知車輛運(yùn)行狀態(tài),應(yīng)用自動變速理論,驅(qū)動執(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)的動作,以實現(xiàn)自動換擋[6]。內(nèi)部的齒輪和滾動軸承磨損是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。其中斷齒和點蝕是齒輪故障的主要故障模式。軸承常見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)測和健康管理能力。通過研究AMT的故障特征,從功能劃分和模塊化設(shè)計的角度分析,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。齒輪和滾動軸承的故障是在振動方面體現(xiàn)出來的,因此采用振動信號檢測是齒輪和滾動軸承故障診斷的主要手段。同時,AMT的滾動軸承及齒輪出現(xiàn)故障會以碰撞、摩擦的形式表現(xiàn)出來,而碰撞、摩擦?xí)?dǎo)致聲信號、高頻振動、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的物理量如表1所示。
數(shù)據(jù)處理使用濾波、平均、統(tǒng)計分析、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AMT中齒輪和軸承的故障特征,為了提高檢測的準(zhǔn)確度,采用主分量分析、小波包、匹配跟蹤、時頻分析、包絡(luò)提取等先進(jìn)信號處理技術(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、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):主要用來檢測AMT中是否存在碰摩故障。
峰-峰值、均方值及方差:檢測AMT振動異?,F(xiàn)象。
裕度指標(biāo):用于檢測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,說明由于磨損導(dǎo)致間隙增大,因而振動的峰值比均方值增加快,其裕度指標(biāo)也增大。
偏度指標(biāo):反映振動信號的不對稱性。如果存在著某一方向的摩擦或碰撞,就會造成振動波形的不對稱,使偏度指標(biāo)增大。
2.3狀態(tài)監(jiān)測
狀態(tài)監(jiān)測層通過設(shè)定AMT穩(wěn)定工作時特征參數(shù)閾值來實現(xiàn),當(dāng)特征參數(shù)超過此閾值時既認(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)測的特征參數(shù)通過實驗進(jìn)行確定。
2.4故障診斷和預(yù)測
故障診斷和預(yù)測是根據(jù)AMT變速箱系統(tǒng)當(dāng)前的健康狀況,對AMT變速箱系統(tǒng)及其關(guān)鍵部件進(jìn)行故障診斷并估計剩余可用壽命,以及對任務(wù)執(zhí)行的影響。
在AMT故障診斷中,采用聲發(fā)射信號和振動信號進(jìn)行信息融合,能提供與AMT微觀(應(yīng)力波)和宏觀(振動)特性有關(guān)的信息,可為AMT的狀態(tài)監(jiān)測提供更多的互補(bǔ)信息。
隱馬爾可夫模型(Hidden Markov Model,HMM)是一種基于統(tǒng)計的時間序列模型[12],包含了一個雙隨機(jī)馬爾可夫過程,其中隱藏的狀態(tài)不能直接觀測到,僅能通過另一個可以被直接觀測到的隨機(jī)過程來進(jìn)行估計。HMM的雙隨機(jī)結(jié)構(gòu)非常適合于對實際系統(tǒng)的建模和描述。通過狀態(tài)監(jiān)測系統(tǒng),隨時間變化的軸承振動信號是能夠被觀測到的。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信號來估計系統(tǒng)的實際狀態(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),由它可以得出待識別目標(biāo)模式的基本可信度分配值[13]。多個傳感器就可以形成多個證據(jù)組。多傳感器信息融合通過 D-S聯(lián)合規(guī)則聯(lián)合多個證據(jù)組形成一個新的綜合的證據(jù)組。
AMT PHM系統(tǒng)結(jié)合HMM和D-S證據(jù)理論的優(yōu)點,采用多傳感器信息融合方法對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)測是一種對含有不確定因素的系統(tǒng)進(jìn)行預(yù)測的方法[14]。由于運(yùn)行過程中的AMT系統(tǒng)具有非平穩(wěn)性,強(qiáng)噪音的特點,具有很強(qiáng)的不確定性,AMT PHM系統(tǒng)采用灰色預(yù)測技術(shù)估計設(shè)備的剩余可用壽命。利用AMT系統(tǒng)的時頻及統(tǒng)計指標(biāo)作為齒輪和軸承故障評估指標(biāo),能夠全面有效的反映齒輪和軸承壽命的退化趨勢。為了實現(xiàn)工程應(yīng)用,采用應(yīng)用最廣泛、最簡單的GM(1,1)模型對齒輪和軸承故障進(jìn)行灰色預(yù)測,其是利用小樣本,貧信息建立預(yù)測模型并進(jìn)行相關(guān)預(yù)測的方法,該預(yù)測模型具有建模數(shù)據(jù)少、預(yù)測精度高,建模容易等優(yōu)點。
2.5健康驗證與評估
AMT PHM系統(tǒng)采用基于試驗的方法,建立AMT機(jī)械診斷測試臺,通過積累大量齒輪、軸承以及實際AMT的重要失效數(shù)據(jù),來對各種故障診斷與預(yù)測方法進(jìn)行驗證與評估。
采用電火花加工滾動軸承的內(nèi)圈故障、外圈故障和滾動體故障。加工斷齒、磨損、擦傷等人工齒輪故障,將故障滾動軸承和齒輪安裝在測試臺上并進(jìn)行測試,對滾動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)行評估。
3 結(jié)論
本文針對重型車輛AMT的故障特征,設(shè)計了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AMT進(jìn)行故障診斷,以及采用灰色預(yù)測的方法對AMT的壽命進(jìn)行預(yù)測,最終對AMT的健康進(jìn)行驗證和評估。該系統(tǒng)結(jié)構(gòu)將對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)械式自動變速系統(tǒng)開發(fā)及試驗[J].重慶大學(xué)學(xué)報,2004,27(9):6-9.
[2]汪偉華,時國平.車輛機(jī)械式自動變速器控制系統(tǒng)的研制[J].工業(yè)儀表與自動化裝置, 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)測與健康管理技術(shù)綜述[J].電子測量與儀器學(xué)報,2010,24 (1):1-9.
[5]彭宇,劉大同.數(shù)據(jù)驅(qū)動故障預(yù)測和健康管理綜述[J].儀器儀表學(xué)報,2014,35(3):481-495.
[6]顧佳鼎,趙治國.混合動力HEV轎車AMT控制器硬件開發(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)沖擊下變速箱滾動軸承故障診斷[J].廣西大學(xué)學(xué)報(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)射信號故障特征提取的小波函數(shù)[J] .機(jī)械工程學(xué)報,2008, 44(3): 177-181.
[10]馮志鵬,劉立,張文明等.基于小波時頻框架分解方法的滾動軸承故障診斷[J].振動與沖擊, 2008,27(2):
[11]林京.基于連續(xù)小波變換的信號檢測技術(shù)與故障診斷[J].機(jī)械工程學(xué)報,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TD4 文獻(xiàn)標(biāo)識碼A 文章編號 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)使用的時間越久對其機(jī)器的磨損就越大,整個機(jī)器就越容易老化,所以在機(jī)器的使用的過程中我們必須要不斷的對其進(jìn)行保養(yǎng),利用機(jī)器的保障診斷技術(shù)來對機(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)的時候會有比較多參數(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,只有通過對機(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)
對各種設(shè)備狀態(tài)進(jìn)行比較準(zhǔn)確的采集以及測量,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算機(jī)中進(jìn)行存儲的。
1.1.3 信息處理技術(shù)
在現(xiàn)場獲取機(jī)器設(shè)備的信息,它是不能夠直接拿來進(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,于是這樣可以對信息進(jìn)行采集了。
1.1.4 分析與識別技術(shù)
分析與識別技術(shù)主要是對信息進(jìn)行科學(xué)的分析并對其識別,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,并對機(jī)器故障產(chǎn)生的具體原因進(jìn)行判別。
1.1.5 預(yù)測技術(shù)
預(yù)測技術(shù)主要是通過分析與識別技術(shù)對信息進(jìn)行處理后,在對機(jī)器中的所有設(shè)備產(chǎn)生的原因進(jìn)行預(yù)測。
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。一般來說,故障樹分析法、直覺經(jīng)驗法等是較為常用的。
1.2.2 應(yīng)用裝置
通過應(yīng)用裝置來有效地測量機(jī)電設(shè)備中的液壓系統(tǒng)的綜合性能以及發(fā)現(xiàn)潛在的故障問題,同時有效地診斷處理后所展示出來的結(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。具體來說,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)備故障明顯的點入手,來排查局部設(shè)備的依賴性元器件是否出現(xiàn)故障,同時檢查所有系統(tǒng), 務(wù)必將故障的癥結(jié)找出。可以說,在機(jī)電設(shè)備維護(hù)手冊中,通過故障來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,實行對故障產(chǎn)生的過程進(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 通過溫度和壓力監(jiān)測診斷法
借助于摩擦副軸承、齒輪傳動箱以及其它部位的溫度和壓力傳感器,可以對于礦山作業(yè)機(jī)電設(shè)備相關(guān)部位的溫度以及壓力參數(shù)進(jìn)行定點在線監(jiān)測。通過這種監(jiān)測方式,采煤機(jī)的具體運(yùn)轉(zhuǎn)情況能夠得到真實、可靠的體現(xiàn)。與此同時,通過溫度和壓力監(jiān)測診斷法也能夠及時有效地檢測故障,并且采取有效的應(yīng)對措施來進(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)
因為神經(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)揮出良好的信號控制與處理的作用。與此同時,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。一般來說,在礦山作業(yè)機(jī)電設(shè)備的故障診斷的過程中,從故障的開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,對于采煤機(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
礦山作業(yè)機(jī)電設(shè)備的部分零部件會受到具體的工作環(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,在具體的工作的過程中,這些零部件經(jīng)常會直接影響到礦山作業(yè)機(jī)電設(shè)備的精確度。由此看來,研究礦山作業(yè)機(jī)電設(shè)備檢修維修中的注意事項是非常有必要的。必須想方設(shè)法來更好地維護(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。具體來說,該部分從以下幾個方面來詳細(xì)闡述礦山作業(yè)機(jī)電設(shè)備檢修維修中的注意事項。
[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:TD407 文獻(xiàn)標(biāo)識碼:A 文章編號: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。故障診斷分析技術(shù)是當(dāng)前解決電設(shè)備故障問題的有效途徑之一,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)的實質(zhì)是一項防護(hù)技術(shù),通過故障診斷技術(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)就是通過運(yùn)用相應(yīng)的精密檢測設(shè)備,收集所檢測到的信息,并將其與標(biāo)準(zhǔn)參數(shù)進(jìn)行對比,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,其第一步程序為構(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
采集信息的過程是通過準(zhǔn)確測量、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,采集信息是通過安裝在各種設(shè)備上的傳感器針對設(shè)備運(yùn)行發(fā)出的各種信號所進(jìn)行的采集,傳感器采集到的信息會被傳輸?shù)綌?shù)據(jù)儲存器。
1.2.3處理信息
機(jī)電設(shè)備運(yùn)行過程中所采集到的信息是無法直接用來判斷設(shè)備的情況,所以這就需要對信息進(jìn)行處理,從而辨別出有效的信息進(jìn)行轉(zhuǎn)換,從而形成夠用來直接判斷設(shè)備的信息。
1.2.4分析與識別信息
經(jīng)過處理后的信息要進(jìn)行對比分析,這就需要根據(jù)標(biāo)準(zhǔn)運(yùn)行參數(shù)來判斷設(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
經(jīng)過分析程序后,需要對設(shè)備故障的情況以及使用壽命周期等問題進(jìn)行預(yù)測,從而為維修與保養(yǎng)工作的開展奠定基礎(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)備故障檢測技術(shù)中相對比較簡單的技術(shù),其診斷的媒介是簡單的儀器或者直接憑借診斷人員此方面的工作經(jīng)驗,從而實現(xiàn)對機(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:直覺檢測、參數(shù)測量、邏輯分析等。其中以直覺檢測法來實現(xiàn)對故障的診斷,所憑借的是感官經(jīng)驗,也就是需要診斷工作人員要具備相對較高的經(jīng)驗技術(shù),其故障診斷的有效性完全依賴檢測人員的經(jīng)驗,因此,這種直接且簡單的檢測技術(shù)的可靠性相對較低。
2.2 儀器診斷技術(shù)
儀器診斷技術(shù)指的是通過使用相應(yīng)的檢測儀器,比如頻譜分析儀等對機(jī)電設(shè)備的運(yùn)行狀態(tài)進(jìn)行監(jiān)測,并實現(xiàn)數(shù)據(jù)采集工作,然后通過檢測儀所顯示的檢測結(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,就將上一次的檢測結(jié)果與當(dāng)次故障檢測結(jié)果進(jìn)行對比分析,根據(jù)故障所顯現(xiàn)出的特點,結(jié)合故障檢測知識與經(jīng)驗,對故障問題進(jìn)行判斷,并同樣做好相應(yīng)的檢測數(shù)據(jù)記錄。長此以往,就會形成故障診斷的數(shù)據(jù)庫庫,這樣就能夠及時且有效的應(yīng)對機(jī)電設(shè)備所出現(xiàn)的故障問題。
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。智能診斷技術(shù)是基于自動檢測技術(shù)和信號處理技術(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 無損檢測診斷技術(shù)
所謂的無損檢測技術(shù)指的是在不破壞機(jī)電設(shè)備的基礎(chǔ)上,實現(xiàn)對設(shè)備整體零部件構(gòu)造的檢測,如超聲波技術(shù)、射線照相檢測技術(shù)等。此種檢測技術(shù)的主要優(yōu)勢在有使用高科技含量的檢測手段,從而避免了對設(shè)備所造成的損害,但是其費(fèi)用也相對較高,且相對不夠成熟,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)備的故障檢測與診斷
3.1 采煤機(jī)故障檢測與診斷
3.1.1 變頻器通信單元
變頻器能偶檢測出二十七個工況的檢測參數(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、過壓以及過流等保護(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信號輸送到故障檢測中心,從而由故障檢測中心作出相應(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 工況檢測以及故障檢測單元
此單元是通過微型計算機(jī)的嵌入來實現(xiàn)計算機(jī)系統(tǒng)操作,其控制中心以接點通信的方式來實現(xiàn)對故障的檢測。當(dāng)故障發(fā)生在此單元時,其診斷的相應(yīng)結(jié)果會顯示出故障的類型,并向其控制中心發(fā)出相應(yīng)故障信號,由控制中心采取心音的控制措施,比如聲光報警。
3.1.3 檢測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)所有的工況檢測參數(shù)、運(yùn)行狀態(tài)報警提示以及故障診斷結(jié)果等,同時還包括了機(jī)身檢測單元、高壓控制箱單元等。
3.2 高壓異步電動機(jī)故障檢測與診斷
隨著現(xiàn)代信號處理相關(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,人工智能檢測技術(shù)又進(jìn)一步提高了設(shè)備故障檢測的進(jìn)度,并擴(kuò)大了故障檢測的范圍,與此同時,人工神經(jīng)網(wǎng)絡(luò)以及專家系統(tǒng)在高壓異步電動機(jī)故障診斷中的應(yīng)用,又進(jìn)一步提高了故障檢測的準(zhǔn)確性[3]。在高壓異步電動機(jī)故障檢測與診斷中,常用的方法如下:
3.2.1 局部放電檢測
局部放電檢測是利用檢測定子電流的CT與高頻檢測儀,或者通過射頻天線與帶通濾波器來檢測局部脈沖,從而實現(xiàn)對各種局放源的辨別,最終實現(xiàn)對定子不同故障的檢測。
3.2.2 電流高次諧波檢測
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,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)高壓異步電動機(jī)故障的不同的特征,能夠?qū)⑵渌a(chǎn)生的故障分為對稱故障與非對稱故障兩類,其中對稱故障包括過載、三相短路等,此類故障的最大特征為異步電動機(jī)電流顯著增加,所以這一故障的診斷可以根據(jù)異步電動機(jī)過流程度來判斷;非對稱故障包括斷相、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)象來檢測檢測其定子繞組故障。非對稱故障的最顯著特征為異步電動機(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稱故障的重要依據(jù)。在非對稱故障中汽油可以根據(jù)故障點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
高壓異步電動機(jī)的定子故障會致使其內(nèi)部的磁通在徑向與切向工的分量發(fā)生變化,所以,通過檢測徑向與分項的磁通變化情況,就能夠?qū)Χㄗ庸收线M(jìn)行診斷。當(dāng)前,磁通檢測在電動機(jī)的定子側(cè)的多種故障檢測中得到應(yīng)用,但是此中檢測的局限行為需要專門的磁通檢測儀器,在使用上不方便且對較弱的信號反應(yīng)效果差。
3.3 礦井提升機(jī)故障檢測與診斷
礦井提升機(jī)是礦山機(jī)電設(shè)備中最為常用的設(shè)備,其工作主要是實現(xiàn)對材料、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)每個天輪上安裝小磁鋼,同時將霍爾傳感器安裝于最合適的位置上,進(jìn)而就實現(xiàn)了對礦井提升機(jī)天輪運(yùn)轉(zhuǎn)速度的監(jiān)測[5]。當(dāng)?shù)V井提升機(jī)處于正常工作狀態(tài)時,提升機(jī)天輪的與轉(zhuǎn)速度是保持不變的,通過霍爾傳感器所監(jiān)測出的計數(shù)脈沖個數(shù)也是不存在差異的,此時單片機(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,其天輪形成會顯出出不同的差異,而此時的單片機(jī)就會迅速的計算出行程差,而當(dāng)行程差達(dá)到預(yù)警值后,就會觸發(fā)報警信號,并對提升機(jī)發(fā)出控制信號,能夠及時控制住提升機(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)備安全問題凸顯,而針對頻發(fā)的安全事故,就需要礦山企業(yè)極大對機(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,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,及時發(fā)現(xiàn)故障源并給與解決方案,以確保及時解決故障,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,2013,8(24):120-123.