柴油机厂家
免费服务热线

Free service

hotline

010-00000000
柴油机厂家
热门搜索:
行业资讯
当前位置:首页 > 行业资讯

当机电控制系统故障诊断的回顾与展望

发布时间:2021-09-10 14:26:47 阅读: 来源:柴油机厂家

机电控制系统故障诊断的回顾与展望

1 故障诊断技术的发展历史 故障诊断(FD)始于(机械)设备故障诊断,其全名是状态监测与故障诊断(CMFD)。它包含两方面内容:一是对设备的运行状态进行监测;二是在发现异常情况后对设备的故障进行分析、诊断。设备故障诊断是随设备管理和设备维修发展起来的。欧洲各国在思达高科气门弹簧疲劳实验机采取 单元化、模块化、标准化 开发理念欧洲维修团体联盟(FENMS)推动下,主要以英国倡导的设备综合工程学(Terotechnology)为指导;美国以后勤学(Logistics)为指导;日本吸收二者特点,提出了全员生产维修(TPM)的观点。美国自1961年开始执行阿波罗计划后,出现一系列因设备故障造成的事故,导致1967年在美国宇航局(NASA)倡导下,由美国海军研究室(ONR)主持成立了美国机械故障预防小组(MFPG),并积极从事技术诊断的开发。美国诊断技术在航空、航天、军事、核能等尖端部门仍处于世界领先地位。英国在60~70年代,以Collacott为首的英国机器保健和状态监测协会(MHMG CMA)最先开始研究故障诊断技术。英国在摩擦磨损、汽车和飞机发电机监测和诊断方面具领先地位。日本的新日铁自1971年开发诊断技术,1976年达到实用化。日本诊断技术在钢铁、化工和铁路等部门处领先地位。我国在故障诊断技术方面起步较晚,1979年才初步接触设备诊断技术。目前我国诊断技术在化工、冶金、电力等行业应用较好。故障诊断技术经过30多年的研究与发展,已应用于飞机自动驾驶、人造卫星、航天飞机、核反应堆、汽轮发电机组、大型电系统、石油化工过程和设备、飞机和船舶发动机、汽车、冶金设备、矿山设备和机床等领域。2 故障诊断的主要理论和方法 故障诊断技术已有30多年的发展历史,但作为一门综合性新学科——故障诊断学——还是近些年发展起来的。从不同的角度出发有多种故障诊断分类方法,这些方法各有特点。从学科整体可归纳以下理论和方法。 (1)基于机理研缓缓翻开送油阀究的诊断理论和方法 从动力学角度出发研究故障原因及其状态效应。针对不同机械设备进行的故障敏感参数及特征提取是重点。 (2)基于信号处理及特征提取的故障诊断方法 主要有时域特征参数及波形特征诊断法、时差域特征法、幅值域特征法、信息特征法、频谱分析及频谱特征再分析法、时间序列特征提取法、滤波及自适应除噪法等。今后应注重实时性、自动化性、故障凝聚性、相位信息和引入人工智能方法,并相互结合。 (3)模糊诊断理论和方法 模糊诊断是根据模糊集合论征兆空间与故障状态空间的某种映射关系,由征兆来诊断故障。由于模糊集合论尚未成熟,诸如模糊集合论中元素隶属度的确定和两模糊集合之间的映射关系规律的确定都还没有统一的方法可循,通常只能凭经验和大量试验来确定。另外因系统本身不确定的和模糊的信息(如相关性大且复杂),以及要对每一个征兆和特征参数确定其上下限和合适的隶属度函数,而使其应用有局限性。但随着模糊集合论的完善,相信该方法有较光明的前景。 (4)振动信号诊断方法 该方法研究较早,理论和方法较多且比较完善。它是依据设备运行或激振时的振动信息,通过某种信息处理和特征提取方法来进行故障诊断。在这方面应注重引入非线性理论(如Volterra级数)、新的信息处理理论和方法(如Wavelet理论、加窗FFT等)。 (5)故障树分析诊断方法 它是一种图形演绎法,把系统故障与导致该故障的各种因素形象地绘成故从糖类制取橡胶原材料障图表,能较直观地反映故障、元部件、系统及因素、原因之间的相互关系,也能定量计算故障程度、概率、原因等。今后研究应注重与多要求铝材有高的韧性值逻辑、神经元络及专家系统相结合。 (6)故障诊断灰色系统理论和方法 该方法是从系统的角度来研究信息的关系,即利用已知的诊断信息去揭示未知的诊断信息。它有自学习和预测功能。它利用灰色系统的建模(灰色模型)、预测和灰色关联分析等方法进行故障诊断。由于灰色系统理论本身还不完善,如何利用已知信息更有效地推断未知信息仍是一个难题。 (7)故障诊断专家系统理论和方法 该方法是近年来故障诊断领域最显著的成就之一。它的内容包括诊断知识的表达、诊断推理方法、不确定性推理以及诊断知识的获取等。目前存在的主要问题:缺乏有效的诊断知识表达方式,不确定性推理方法,知识获取和故障诊断困难等。今后研究应注重与模糊逻辑、多值逻辑、故障树、机器学习和人工神经络等理论和方法的结合、集成。 (8)故障模式识别方法 该方法是一种十分有用的静态故障诊断方法,它以已有30年发展历史的模式识别技术为基础。关键是故障模式特征量的选取和提取。现有许多模式分类器,如线性分类器、Bayes分类器、最近邻分类器等。该方法的诊断效果在很大程度上依赖于状态特征参数的提取、样本的数目、典型性和故障模式的类别、训练和分类算法等。未来研究应注重新聚类算法、自动学习识别方法及与ANN相结合。 (9)故障诊断神经络理论和方法

黄石西装设计
黄石西装制作
黄石制作西装
金州订制工作服