故障检测诊断技术综述

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

故障检测与诊断技术综述

【摘要】本文对故障检测与诊断技术进行了综述,主要介绍了故障诊断的重要性及经济效益,介绍了故障诊断的基本分析方法,结合学科交叉融合性,介绍了多学科相结合的故障诊断分析方法。【关键词】故障检测;故障诊断;小波分析

一、概述

现代化工业技术发展突飞猛进,现代工业自动化程度越来越高,系统规模也越来越大,简单控制系统已经不能达到工业生成的需求,大规模、综合性、复杂的自动化系统运用越来越广[1]。自动化设备和系统结构的日益复杂和集成化,使得系统发生故障的机率也增加,故障的产生会毁坏设备,影响系统正常运转,甚至造成人员伤亡。国内外由于设备故障所引起的设备损坏、锅炉爆炸、道路塌陷,不仅造成经济损失也造成人员伤亡,社会影响及其恶劣。为了达到以人为本同时维护经济的目的,可以加强系统的稳定性、可靠性、鲁棒性和安全性,但任何设备都不可能无限期使用,这就需要防患于未然,因此故障检测技术应运而生。

二、故障检测重要性

故障检测技术是是一门多学科融合交叉性学科[1],如:信号提取则依赖于传感器及检测技术;信号降噪离不开信号处理技术;状态估计和参数估计方法以系统辨识理论为基础;鲁棒故障诊断涉及到鲁棒控制理论知识;此外数值分析、概率与数理统计等基础学科也是故障检查和诊断不可缺少的方法。多门学科知识的支撑确保了

故障诊断技术的迅速发展,在工业领域也应用广泛,如化工生产、冶金工业、电力系统、航空航天、机器人等生产的各个领域。三、故障检测技术经济效益

数据显示[2],故障检测技术与经济发展息息相关,对故障检测技术的研究与发展越来越多,在工业生产中也得到了应用和推广。通过故障诊断技术的推广,大大降低了设备维修费用,各国在故障诊断技术上的投入也逐渐增加。日本对故障检测与诊断技术的投入占其生产成本的5.6%,德国和美国所占比例分别为 9.4%和7.2%。在冶金工业生产中,我国每年承担的设备维修的费用就高达 250 亿元,金额庞大,然而如果应用故障检测与诊断技术,每年可以减少事故发生率同时也能节约 10%~30%的维修费用。因此故障检测能带来经济效益,不容小觑。

四、故障检测的分析方法

(一)状态估计法

状态估计法一般分为两步:首先求取残差,再从残差数据中提取故障特征从而实现故障诊断。目前状态估计法的故障检测诊断方法方兴未艾,如h2估计[3]、鲁棒故障检测与反馈控制的最优集成设计方法[4]等。

(二)等价空间法

低阶的等价向量在实现过程中较易实现但性能不佳,而高阶的等价向量能够得到较理想的性能参数,但以较大的计算量和计算时间为代价。为了解决上述问题,文献[5]采用窄带iir滤波器运用于

等价空间法中,在几乎不改变计算量的前提下,提高系统检测性能,但此方法会产生较高的漏报率。

(三)参数估计法

参数估计法是因为模型参数和相应的物理参数的特点不同,分别统计这两类参数的变化特性来分析和确定故障。物理参数携带重要的信息,具有物理含义,因此,可以分析物理参数的特点,如果异常可以确定故障位置。与状态估计法比较,参数估计法能更有效的故障确定。参数估计法研究越来越丰富,故障诊断方法新成果倍出[6]。

(四)热门的分析方法

(1)小波分析技术

小波分析由于具有时频域局部化特性[7],可任意调节时间窗和频率窗,因此突变信号能够检测出来。但是,小波基选取一直是在小波信号分析没能解决的问题,也是研究的一个难点,针对同一信号采用不同的小波基进行分析其分析结果往往不同。通过小波分析可以检测信号的奇异点,在信号降噪和信号分析中应用广泛。小波变换是结合时域和频域的分析方法,特征提取方便,在故障检测中应用较广。小波分析对单一的故障源检测效果明显,但较复杂情况,如多故障源效果不佳。

(2)神经网络技术

神经网络技术是根据模式识别理论,采用分类器理论,用神经网络进行故障分析和诊断。采用人工神经元网络进行故障诊断一般有

四种方式[8]:神经元网络计算残差;神经元网络分析残差;神经元网络进一步分析确定故障点;神经元网络自学习过程进行自适应误差补偿。

(3)小波包分析和神经网络结合技术

用有限元法建立系统动力学模型[9],再根据系统采集信号进行小波包分解,建立基于小波包能量谱指标。把信号指标作为改进bp 神经网络的输入特征参数,用分步识别方法进行识别。

(五)展望

故障检测技术运用广泛,用单一方法进行处理存在准确度和精确度的问题,因此可以考虑多学科技术结合的方法,进一步提高准确度和精确度。

参考文献:

[1] 周东华,胡艳艳. 动态系统的故障诊断技术. 自动化学报. 2009, 35(6).

[2] 周福娜. 基于统计特征提取的多故障诊断方法及应用.[博

士学位论文].上海:上海海事大学, 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]钟麦英,张承慧, ding s x.一种鲁棒故障检测与反馈控制的最优集成设计方法[j].自动化学报, 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]李青锋,缪协兴,徐余海.连续复小波在工程检测数据处理中的应用[j].中国矿业大学学报,2007,36(1):22-26.

[8] koppen s b, frank p m. neural networks in mode-l based fault diagnosis[c]mproc.1996 ifac world congress, san francisco,1996: 67-72.

[9] 孟范孔,邱志成. 梁损伤小波包分析和神经网络识别.噪声与振动控制.2013年2月第1期

相关文档
最新文档