智能故障诊断技术知识总结（最终版）

第一篇：智能故障诊断技术知识总结（最终版）

智能故障诊断技术知识总结

一、绪论 □ 智能：

■ 智能的概念

智能是指能随内、外部条件的变化，具有运用知识解决问题和确定正确行为的能力。■ 低级智能和高级智能的概念

低级智能——感知环境、做出决策和控制行为

高级智能——不仅具有感知能力，更重要的是具有学习、分析、比较和推理能力，能根据复杂环境变化做出正确决策和适应环境变化

■ 智能的三要素及其含义

三个基本要素：推理、学习、联想

推理——从一个或几个已知的判断（前提），逻辑地推断出一个新判断（结论）的思维形式 学习——根据环境变化，动态地改变知识结构

联想——通过与其它知识的联系，能正确地认识客观事物和解决实际问题

□ 故障：

■ 故障的概念

故障是指设备在规定条件下不能完成其规定功能的一种状态。可分为以下几种情况： 1.设备在规定的条件下丧失功能；

2.设备的某些性能参数达不到设计要求，超出允许范围；

3.设备的某些零部件发生磨损、断裂、损坏等，致使设备不能正常工作； 4.设备工作失灵，或发生结构性破坏，导致严重事故甚至灾难性事故。■ 故障的性质及其理解

1层次性——系统是有层次的，故障的产生对应于系统的不同层次表现出层次性。一般可分为系统级、子系统级、部件级、元件级等多个层次；高层故障可由低层故障引起，而低层故障必定引起高层故障。诊断时可采用层次诊断模型和诊断策略。

2相关性——故障一般不会孤立存在，它们之间通常相互依存和相互影响，如系统故障常常由相关联的子系统传播所致。表现为，一种故障可能对应多种征兆，而一种征兆可能对应多种故障。这种故障与征兆间的复杂关系导致了故障诊断的困难。

3随机性——故障的发生常常是一个与时间相关的随机过程，突发性故障的出现通常都没有规律性，再加上某些信息的模糊性和不确定性，就构成了故障的随机性。

4可预测性——设备大部分故障在出现之前通常有一定先兆，只要及时捕捉这些征

兆信息，就可以对故障进行预测和防范。

□ 故障诊断：

■ 故障诊断的概念

故障诊断就是对设备运行状态和异常情况做出判断。具体说来，就是在设备没有发生故障之前，要对设备的运行状态进行预测和预报；在设备发生故障之后，要对故障的原因、部位、类型、程度等做出判断；并进行维修决策。■ 故障诊断的实质及其理解

故障诊断的实质——模式识别（分类）问题 ■ 故障诊断的任务及其含义

故障检测：采用合适的观测方式、在合适部位测取特征信号，即信号测取；采用合适的方法，从特征信号中提取状态征兆，即征兆提取

故障识别：采用合适的状态识别方法与装置，依据征兆而推理识别出设备的有关状态，即状态识别 故障分离与估计：采用合适的状态趋势分析法，依据征兆与状态推理出状态的发展

趋势，即状态预测 故障评价与决策：采用合适的决策形成方法，依据有关的状态和趋势作出调整、控

制、维修等，即干预决策

□ 智能故障诊断：

■ 智能故障诊断的概念

智能故障诊断是人工智能和故障诊断相结合的产物，主要体现在诊断过程中领域专家知识和人工智能技术的运用。它是一个由人（尤其是领域专家）、能模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。

□ 智能故障诊断的研究方法：

■ 基于知识的研究方法

基于知识的研究方法：不需要对象的精确数学模型，而是根据人们长期的实践经验和大量的故障信息设计出一套智能计算机程序，以此来解决复杂故障诊断问题。模糊故障诊断

专家系统故障诊断 神经网络故障诊断 信息融合故障诊断 智能体故障诊断 集成化故障诊断 网络化故障诊断

二、智能故障诊断的构成 □ 基本结构：

■ 智能故障诊断系统的基本结构

两大部分：故障检测与诊断、故障容错控制

输入控制执行器监控对象输出数据库故障检测与诊断知识库故障容错控制智能故障诊断与容错控制的基本结构

■ 智能故障检测与诊断模块的主要任务和基本要求

知识获取

故障检测与诊断：就是从监控对象中适时准确地检测出故障信息，并对故障产生的原因、部位、类型、程度及其发展做出判断。

其主要任务通常包含以下几个方面的内容： 1.获取故障信息；

2.寻找故障源，确定故障的位置、大小、类型及原因； 3.评价故障的影响程度，预测故障的发展趋势； 4.对检测诊断结果做出处理和决策。基本要求包括以下几方面：

1）对故障具有强检测能力

故障检测能力的强弱，一方面反映了检测诊断模块对故障的检测能力，另一方面也直接影响故障诊断的效果

对弱故障信号和早期故障信号，故障检测能力尤为重要 2）对故障具有强诊断能力

能综合运用多种信息和多种诊断方法，以灵活的诊断策略来解决诊断问题； 能通过使用专家的经验，而尽量避开信号处理方面复杂的实时计算；

能处理带有错误的信息和不确定性信息，从而相对降低对测试仪器和工作环境的要求。

3）尽量采用模块化结构

结构应当模块化，使之可以方便地调用其他应用程序

如维修咨询子模块、模拟故障诊断子模块等 4）具有人机交互诊断功能

现代设备的复杂性，要求综合运用多种知识源（浅、深知识）来求解复杂问题 用户适当地实时参与，将使诊断速度更快、准确性更高

用户参与有主动和被动两种方式：主动参与可干预和引导推理过程；被动参与只回答提问，而不干预推理过程 5）具有多种诊断信息获取的途径

获取的诊断信息越丰富，则诊断效果越好

首先，应具有自动获取状态信息（当前、历史）的功能 其次，应能通过人机交互获取状态信息 6）对问题求解应当实时和准确

实时：一旦发现故障迹象，应立即开始诊断工作

准确：输出结果应当细致明了，对于并发故障允许输出多个诊断解，对于同一故障则只有一个诊断解，对于征兆不完备情况应输出按权值排序的多个候选故障解

7）具有学习功能

现代设备的复杂性以及新知识的不断涌现，导致专家现有知识的不足 要求系统具有被动和主动（自学习）获取新知识的能力

8）具有预测能力

应能预测故障的发生和发展，以便在故障没有发生之前采取措施，将故障消灭在萌芽状态，使损失减为最小 9）具有决策能力

故障出现前，应能提前预测故障

故障出现后，应能对故障做出决策并提供维护方案

□ 构成原理：

■ 故障检测与诊断的常用方法

1）基于数学模型的故障检测与诊断方法

特点是必须将故障数学模型化，有时建立模型很困难 不依赖实例和经验，适用于新的没有成熟经验的诊断

2）基于参数估计的故障检测与诊断方法

特点是须先确定一个信任域，当参数超出域时认为故障 适用于故障能由参数的显著变化来描述的诊断

3）基于信号处理的故障检测与诊断方法

通过对检测信号的分析处理，利用特征信号对故障进行识别和诊断。典型方法：小波变换、模态分解等

4）基于知识的故障检测与诊断方法

不需精确的数学模型，能模拟人的思维过程，具有自学习、自组织、自推理能力

5）基于实例的故障检测与诊断方法

是一种使用过去的经验实例指导解决新问题的方法

优点是不需从实例中提取规则，求解快；不足是能搜集的实例是有限的，求解时可能出现误诊或漏诊

6）基于模糊理论的故障检测与诊断方法

征兆的描述、故障与征兆的关系往往具有模糊特性，模糊语言变量能更准确地表示这种模糊性的征兆和故障

问题在于知识获取困难：如何确定故障与征兆间的模糊规则；如何实现模糊语言变量与隶属度间的推理转换

7）基于神经网络的故障检测与诊断方法

利用神经网络的联想、推理和记忆能力进行知识处理

适用于复杂多模式的诊断，有离线和在线诊断两种方式

■ 智能故障诊断中的机器学习策略及其理解

简单学习：

文献、专家和资料所描述的关于诊断对象的结构、功能、运行约束条件等知识，机械学习机制为主；

主要用于元知识学习阶段

交互学习：

知识工程师或诊断对象处理过的知识，讲授学习机制为主； 主要用于领域知识学习和知识库丰富阶段 独立学习：

推理策略面对的新知识，归纳学习机制为主； 主要用于诊断能力改善阶段 文献、专家知识工程师诊断对象简单学习交互学习知识检验与评价知识库独立学习

□ 构成方法：

■ 智能故障诊断系统的设计要求

智能故障诊断系统的设计，一般应满足以下要求：

1）满足故障诊断的实际需要；

主要指标有故障诊断率、诊断结果准确率、系统可靠性和投资效益比等，一般需分阶段实现系统目标。

2）建立适应不同诊断对象的知识库；

智能故障诊断系统是基于知识的，以知识处理为研究内容，知识库的建立是保证诊断结果正确性的前提。

3）能自动获取征兆；

征兆的自动获取是实现故障诊断智能化的重要环节。将征兆获取从用户交给计算机，既可减少人为差错、提高诊断准确率，又可减轻操作要求、提高系统可接受性。4）诊断和推理方法应符合故障诊断要求；

应从征兆出发去诊断故障，征兆对故障的肯定和否定程度，是故障诊断的根本依据。因此，知识表示和不精确推理应当充分反映故障诊断的特点。

5）能实现计算机自动诊断；

完成系统的方案设计后，用计算机进行系统的实际开发，可以使故障诊断易于实现，并获得最佳效果。

6）系统要经过严格的测试和考核。

一方面，开发进度的加快导致测试时间减少；另一方面，系统一般是由缺少现场经验的人员研制的。

经实验室模拟测试、现场测试后，才能投入实际应用。

三、智能故障诊断的控制方案 □ 几种控制方案的基本原理

■ 基于状态反馈、基于多模冗余、基于功能模块、基于神经网络、基于专家系统的控制方案 □基于专家系统的控制方案 ■ 结构、原理

控制方案：知识库存放领域专家知识；数据库存放监控对象原始数据、故障特征数据等；推理机按一定的推理规则，对监控对象进行故障识别、估计和决策，根据故障性质采取相应策略进行容错控制。X执行机构监控对象故障检测与分离推理机知识库Y数据库知识获取 ■ 推理过程和推理机的概念，推理策略及其理解

推理：就是对故障进行识别和容错控制

推理过程：就是将数据库中的事实与知识库中的规则进行匹配的过程 推理机：实际上就是实现推理过程的一种智能程序 推理方法：正向推理、反向推理、正反向混合推理

基于数据驱动的正向推理策略：推理过程较慢，适用于搜索空间较小的知识库；

基于目标驱动的反向推理策略、正反向混合的双向推理策略：推理效率较高，适用于搜索空间较大的知识库或在线故障诊断。

■ 知识的分类及其理解

1）原型知识：

原型知识是领域专家指出的故障集和征兆集这两个集合之间存在的确定的映射关系“征兆族故障”

生成的诊断知识可由规则或框架表示 它是故障诊断必备的知识，也是推理机工作的基础

2）关联知识：

关联知识是描述故障传播特性的知识 生成的诊断知识一般由规则来表示

它表征了诊断系统内部的状态联系，构成了诊断问题的求解路径，引导诊断向纵深推进直到故障的位置和原因

3）权重知识：

权重知识是领域专家对故障间关系及证据可靠度的认识 它可以有目的地引导诊断过程的进行，提高诊断效率

■ 对象的分解及其理解

1）结构分解：从结构上对系统进行分解，把系统的总体结构分解为下一层的子结构，直到最低层次的零部件

最终可确定系统故障的物理位置，但难以表达子系统间的相互关系，难以反映由联系劣化所引起的故障

2）功能分解：从功能上对监控对象进行分解，把系统的总体功能分解为下一层次的子功能，直到最低层次的基本功能

无论子系统或与其相联系的故障都能在功能层次中反映出来，但最终确定的诊断结果是系统劣化的功能模块

3）故障分解：从故障类型上对监控对象进行分解，下层总是上层的特例、而上层则是下层的概括，直到最具体的故障

可反映出所有类型的故障，但难以确定故障的物理位置

综合分解原则：在高层采用结构和功能分解，减少分类过程的搜索量；在中间和低

层采用故障分解，与诊断目的一致

四、智能故障诊断的控制策略 □ 瞬时故障的消除：

■ 几种常见的瞬时故障消除策略

1）循环采样技术：将信号的一次采样改为循环采样，通过对采集数据的类比分析，消除瞬时故障

2）自动补偿技术：采用特殊结构和特殊装置组成补偿器，抵消瞬时故障影响，如温度补偿器

3）自动切换技术：设备运行中出现瞬时过载等不安全情况时，使设备有关部分或全部停止运行，消除瞬时故障影响和保护设备，如切换开关、熔断器

4）阻尼技术：设备运行中出现过载物理量时，对其加以限制或衰减，消除瞬时故障影响，如电感器抑制过电压、减震器吸收振动冲击等

5）旁路技术：把瞬时过载能量或不需要的物理量从旁路泄走，如低阻通路将瞬时过载电能旁路到大地、过流阀旁路掉液压或气动系统能量等

6）屏蔽技术：把瞬时故障的效应屏蔽起来，以消除瞬时故障的影响，如碳纤维或形状记忆合金等

7）隔离技术：通过设计瞬时故障隔离器来消除瞬时故障的影响，如电磁隔离等

□ 多模块并行诊断策略：

■ 概念或原理

即对同一种故障信息，用不同的诊断模块进行识别，若结果相同或基本相同，则认为诊断成功，并根据故障性质和故障特征，调用相应的容错模块对故障进行容错控制；若诊断结果差异较大，则可采用表决方法对结果做出判断。

■ 单输出对象：模型区域划分、模型切换、避免切换震荡

模型区域划分：

仅根据控制器输出所在的一维区域，划分为有代表性的不同工作区段。

模型切换：

根据期望控制器输出判断下一时刻系统处在哪个子模型控制器的控制域内，以此切换模型。

避免切换振荡：

扩大训练域冗余，使相邻训练域相互重叠；

在总的工作范围内离线训练一个网络模型，作为过渡过程使用。

■ 多输出对象：模型区域划分、模型切换

模型区域划分：

不能仅根据控制器输出所在的一维区域进行划分，可以通过聚类方法划分样本空间进行子模型训练。

模型切换：

选择包括当前系统状态的子模型作为控制器；

将当前输入与各子模型工作空间的隶属度作为权值，各子模型都对输出进行加权贡献。

五、智能故障诊断的实现方法 □ 故障信号检测： ■ 可预测故障和不可预测故障的概念

1）可预测故障：是指那些可预先知道的故障。故障发生前通常都有一定征兆，只要及时捕捉这些征兆信息并采取相应措施，就可预防故障。渐发性故障是一种最常见的可预测故障。

2）不可预测故障：是指那些不可预先知道，但会影响设备正常工作的故障。突发性故障是其中最典型的一种。

可预测故障通常有一定规律性，易于检测和防范；不可预测故障具有随机性，且常对设备造成严重危害，是故障诊断研究的主要对象。

■ 故障的判断标准

1）绝对标准：在设备的同一部位、按一定要求测得的表现设备状态的值，与某种相应判断标准相比较，以评定设备的状态。

2）相对标准：对设备的同一部位、同一工况、同一测量值，用相同方法进行定期测取，按时间先后将实测值与正常状态下的初始值进行比较来判断。

3）类比标准：若有多台机型相同、规格相同的设备，在相同条件下用相同方法进行测定，通过相互比较来评定设备的状态。

■ 微弱信号检测的概念

微弱信号检测：分析噪声产生的原因和规律，研究被测信号的特点和相关性，检测被噪声淹没的微弱有用信号、或从强噪声中提取有用信号、或采用其他新技术和新方法来提高检测系统输出信号的信噪比。

■ 早期故障的主要特点及其理解

1）早期故障信号很微弱：早期故障属于轻微故障，其故障信号分量通常很小，不易察觉；

2）早期故障信号表征不明显：早期故障信号的幅值、相位、时频特性等变化很小，表征很不明显；

3）早期故障信号容易被噪声信号淹没：由于噪声信号通常会夹杂在故障信号中，当故障信号很弱时噪声信号就相对较强，早期故障信号常被噪声信号所淹没，具有很大的隐蔽性。

□ 故障特征识别： ■ 故障识别的内容

1）正确选择与设备状态有关的特征信号

特征信号是指与设备功能紧密相关的、最有用的、能代表设备运行状态的信号

应根据不同监控对象，选取最能反映其运行状态的那部分信息作为特征信号 选择特征信号依据：经济性好、信息量大、敏感度高

2）正确地从特征信号中提取征兆

对特征信号进行处理，提取出与设备状态相关的、能直接用于诊断的征兆信息

3）正确地根据征兆对设备进行状态识别

征兆是故障诊断的基本信息

采用合适的故障诊断理论与方法对征兆加以处理，对不同的设备状态进行模式识别

4）正确地根据识别结果对设备进行状态诊断

有故障时，分析故障的位置、类型、性质、原因与趋势——故障定位 无故障时，分析状态趋势，预计未来情况——故障预测 5）正确地根据状态诊断对设备进行干预决策

干预设备及其工作进程，保证设备安全可靠高效运行

■ 故障识别的内容

故障识别过程可分为以下四步进行：

1）特征信号检测

2）征兆信息提取 3）设备状态识别 4）故障维修决策

原始信号特征信号征兆信号设备维修决策信号检测特征提取状态预测状态诊断状态识别 ■ 组合思维的概念、基于组合思维的识别方法

专家系统知识处理模拟的是人的逻辑思维，神经网络知识处理模拟的是人的经验思维，将逻辑思维、经验思维和创造性思维集成在一起，就形成组合思维

首先用经验思维进行识别；当经验思维无法解决问题时，转向高一层的逻辑思维；当逻辑思维也无法解决复杂问题时，转向更高一层的创造性思维，即通过提出新的假设，经过检验后再发现新理论和解决问题的新方法

矛盾新假设检验新知识创造性思维知识库x故障特征提取逻辑思维规则匹配模式匹配逻辑推理经验思维报警y

考试说明

□ 考试方式：

■ 闭卷，试卷成绩60%，平时成绩40% □ 考试题型：

■

一、名次解释：6题，5分/题，共30分

■

二、简答：8题，3题10分、5题8分，共70分 □ 考试时间：

■ 第10周周四（5月2日）下午14:30-16:30 □ 考试要求：

■ 严禁一切作弊行为

第二篇：智能故障诊断报告

智能：是指能随内、外部条件的变化，具有运用知识解决问题和确定正确行为的能力。表现形式：观察、记忆、想像、思考、判断 智能可分为低级智能和高级智能：

低级智能——感知环境、做出决策和控制行为

高级智能——不仅具有感知能力，更重要的是具有学习、分析、比较和推理能力，能根据复杂环境变化做出正确决策和适应环境变化

智能的基本要素

三个基本要素：推理、学习、联想

推理——从一个或几个已知的判断（前提），逻辑地推断出一个新判断（结论）的思维形式 学习——根据环境变化，动态地改变知识结构

联想——通过与其它知识的联系，能正确地认识客观事物和解决实际问题

智能应具备的条件（能力）

三个基本能力：感知、思维、行为

感知能力——就是能感知外界变化和获取感性知识的能力

思维能力——就是具有记忆、联想、推理、分析、比较、判断、决策、学习等能力

行为能力——就是对外界刺激（输入信号）做出反应（输出信息）并采取相应动作的能力

故障：是指设备在规定条件下不能完成其规定功能的一种状态。可分为以下几种情况： 1）设备在规定的条件下丧失功能；

2）设备的某些性能参数达不到设计要求，超出允许范围；

3）设备的某些零部件发生磨损、断裂、损坏等，致使设备不能正常工作； 4）设备工作失灵，或发生结构性破坏，导致严重事故甚至灾难性事故。

故障的性质

1）层次性——系统是有层次的，故障的产生对应于系统的不同层次表现出层次性。一般可分为系统级、子系统级、部件级、元件级等多个层次；高层故障可由低层故障引起，而低层故障必定引起高层故障。诊断时可采用层次诊断模型和诊断策略。

2）相关性——故障一般不会孤立存在，它们之间通常相互依存和相互影响，如系统故障常常由相关联的子系统传播所致。表现为，一种故障可能对应多种征兆，而一种征兆可能对应多种故障。这种故障与征兆间的复杂关系导致了故障诊断的困难。

3）随机性——故障的发生常常是一个与时间相关的随机过程，突发性故障的出现通常都没有规律性；再加上某些信息的模糊性和不确定性，就构成了故障的随机性。4）可预测性——设备大部分故障在出现之前通常有一定先兆，只要及时捕捉这些征兆信息，就可以对故障进行预测和防范。

故障诊断：就是对设备运行状态和异常情况做出判断。具体说来，就是 在设备没有发生故障之前，要对设备的运行状态进行预测和预报；

在设备发生故障之后，要对故障的原因、部位、类型、程度等做出判断； 并进行维修决策。故障诊断的基本思想：

设被检测对象全部可能状态（正常和故障）组成状态空间S，它的可观测量特征的取值范围全体构成特征空间Y 若系统处于某一状态s时具有确定的特征y，即存在映射

；反之，一定的特征y也对应确定的状态s，即存在映射

。状态与特征空间这一关系可表述为：

因此，故障诊断的目的就是：根据可测量的特征向量来判断系统处于何种状态，也就是找出映射关系 f

故障诊断的实质

对于有限状态的系统，令正常状态为s0，n种故障对应的系统状态为s1, s2, …, sn；其中，处于状态si时，对应的可测量特征向量为yi =(yi1, yi2, …, yim)；故障诊断就是由特征向量y =(y1, y2, …, yk)，求出它所对应的状态s的过程

在这种情况下，故障诊断就成为：根据特征向量对被测系统的状态进行分类的问题，或者说对特征向量进行模式识别的问题

结论：故障诊断的实质——模式识别（分类）问题

故障诊断的过程有三个主要步骤：

第一步是检测设备状态的特征信号，即信号测取；

第二步是从检测到的特征信号中提取征兆，即征兆提取；

第三步是根据征兆和其它诊断信息来识别设备的状态，从而完成故障诊断，即状态识别。

——这是整个诊断过程的核心。

故障诊断的任务 故障检测：采用合适的观测方式、在合适部位测取特征信号，即信号测取；采用合适的方法，从特征信号中提取状态征兆，即征兆提取

故障识别：采用合适的状态识别方法与装置，依据征兆而推理识别出设备的有关状态，即状态识别

故障分离与估计（预测）：采用合适的状态趋势分析法，依据征兆与状态推理出状态的发展趋势，即状态预测

故障评价与决策：采用合适的决策形成方法，依据有关的状态和趋势作出调整、控制、维修等，即干预决策

什么是智能故障诊断？ 智能故障诊断：是人工智能和故障诊断相结合的产物，主要体现在诊断过程中领域专家知识和人工智能技术的运用。它是一个由人（尤其是领域专家）、能模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。

从传统故障诊断到智能故障诊断 故障诊断技术经历的三个阶段：

第一阶段对诊断信息只作简单的数据处理

第二阶段将信号处理和建模处理应用于数据处理

以上两个阶段，完全基于检测数据处理，没有利用领域专家知识——传统故障诊断阶段 第三阶段以知识处理为核心，信号处理、建模处理与知识处理相融合——智能故障诊断阶段

传统故障诊断的局限性： 未引入人工智能技术前，直接由领域专家完成状态识别任务，不能有效利用专家的知识和经验；

缺乏推理能力，不具备学习机制；

对诊断结果缺乏解释，诊断程序的修改和维护性差。智能故障诊断的优越性：

引入人工智能技术后，能模拟领域专家完成状态识别任务（最大差别），人-机联合诊断，达到甚至超过专家；

发展出基于知识的诊断推理机制，能模拟人类的逻辑思维和形象思维的推理过程； 能解释自己的推理过程，并能解释结论是如何获得的。

智能故障诊断的研究意义：

研究如何及时发现故障和预测故障并保证设备在工作期间始终安全、高效、可靠地运行

——故障诊断技术为提高设备运行的安全性和可靠性提供了一条有效途径

故障的随机性、模糊性和不确定性，导致一个故障的形成往往是众多因素造成的结果，且各因素之间的联系又十分复杂

——传统故障诊断方法已不能满足现代设备的要求，必须采用智能故障诊断方法

智能故障诊断的研究目的 及时发现故障，给出故障信息，并确定故障的部位、类型和严重程度，同时自动地隔离故障； 预测设备运行状态、使用寿命、故障发生和发展；

针对故障的不同部位、类型和程度，给出相应的控制和处理方案，并进行技术实现；

自动对故障进行削弱、补偿、切换、消除和修复，以保证设备出现故障时的性能尽可能地接近原来正常工作时的性能，或以牺牲部分性能指标为代价来保证设备继续完成其规定功能； 进行维修决策，减少维修费用，提高设备利用率。

智能故障诊断的国内外研究概况

20世纪60年代末开始，已历经三个阶段：

美国从1967年开始，NASA、ONR率先在故障机理研究和故障检测、诊断和预测等方面取得实用性研究成果；此后，在水泵、空压机、轴承、润滑油、内燃机、汽车发电机组、大型客机等方面都取得了许多研究成果

英国和日本相继在20世纪70年代初开始故障诊断的研究，并在锅炉、压力容器、核发电站、核反应堆、铁路机车等方面取得了许多研究成果

国外，设备维修费平均降低15～20%，技术投入占生产成本的比例，美国7.2%、日本5.6%、德国9.4% 我国从20世纪80年代初开始这方面研究，在石化、冶金、电力等行业得到应用；90年代后在各行业快速发展

目前智能故障诊断的几个重要研究方向 1）集成化智能故障诊断研究：

现代设备复杂性和故障不确定性，单一方法不能满足要求；集成多种方法进行诊断，取长补短，提高诊断智能化水平。2）网络化智能故障诊断研究：

现有诊断大都面向单台或单类设备，可扩充性、灵活性、通用性差，信息不能有效交互和共享；分布式智能诊断能充分发挥各专家的特点，做到资源共享、协调诊断。3）适应型智能故障诊断研究：

利用智能结构、智能Agent的特性，构建满足现场需要，并对故障具有自修复、自补偿、自抑制、自消除等适应型智能故障诊断，也是一个很有前途的研究方向。

第三篇：智能故障诊断技术浅析论文

引言

自进入21世纪以来，信息技术为广大居民的生产生活带来了很大的变化，机电设施也在整个生产过程发生着变化。在机械采矿中，添加了多种智能、自动化设施。由于是机械设施，在生产与运行中很容易出现各种问题，从而影响矿业发展。因此，在现实工作中，必须将诊断与维修技术作为研究重点，在将要发生或者发生故障时，对其进行预警，控制故障延伸，确保工作人员安全。

1故障诊断技术的总体概括

1.1设备诊断技术概念

从整体来看：故障诊断技术属于防护方式，它是在确保生产过程的条件下，让各个设备的参数满足最佳状态，然后再通过精密的仪表、仪器检测设备是否满足运行要求，是否有数值变化和破损现象。如果有异常，明确出现异常的原因，破坏程度，能否持续利用，能够持续利用的时间，然后再结合设备的受损度，看能否利用代替性的设备延伸时间，减小成本消耗。当然，这一切工作都是在正常的运行状态中才有效。

1.2故障诊断的技术原理

目前，应用在矿山机电设备智能故障诊断的技术主要包含：数字建模、数据采集、识别分析、状态预测和信息处理。数字建模是诊断智能故障的总规划和原则，它要求展现智能分析优势。例如：在数学模糊诊断中，A是可能发生的事实案例，B是数据库事例，通过对比A与B，在分析权值与特征的条件下得到准确的结果。数据采集，是矿山机电设备事先制定好参数值，然后再诊断设备，进行数值采集，用建模的方式对两份数值进行比对。一旦数值参数大于预设范畴、曲线变化，那么说明机电设备还存在问题。识别分析，是在掌握机电设备测试参数与原始参数的情况下，结合参数变化，从故障库中找到类似样本，再确认产生故障的原因。也只有智能分析与识别，机电设备诊断与检测才能达到智能要求。状态预测，是在预测、识别现有参数后，结合相关资料，验证机电设备运行状态，同时这种结果具有很好的可信性与真实性，该预测结果同时也是深入机电设备运行的有效条件。信息处理，则是一份有效的测试参数，它要求将数据模型变成参数模型，再通过分析等形式进行处理。它能准确分辨无用与有用信息，通过综合处理信息，找准诊断结果和过程分析后，最后得出一份理想的分析报告。

2矿山机电设备出现故障的原因

2.1配合关系

从检查已有设备故障反馈的信息来看，大多数故障都是零件原配变化或者损伤造成的。在这期间，零件损伤是零件原设计与形态出现偏离，这种偏离多数是机械使用或者内部因素所致。常见的零件损伤体现为：意外和老化损伤所致。

2.2超出设备负荷

在相关设备设计之前，工作人员都会对参数极限进行限制，一旦其输出参数超过设计极限时，它的运行状态就会遭到破坏，甚至出现不同程度的故障。如果是超负荷造成的故障，就必须对技术参数和相关设备进行调整，并且采用适当的方式，以帮助其改善承受力。

2.3设备损耗

设备损耗是在内外因素的共同作用下，随空间与时间的改变，其综合能力不断降低。造成这种情况的主要原因是：机件刚性不够、间隙过大、部件磨损与老化、相关设施磨损、系数过大、负荷增加、关键负荷的联接发生磨损与变形等。

3故障诊断在矿山机电维修中的运用

3.1诊断类别

从故障诊断的目的来看：它是对机电设施的计划与检修，以此保障各种生产设施运行的连续性。大致分成：事后检修、根据周期检修和状态检修。事后维修是机电设施发生故障的治理方案，不属于主动对策的范畴，而是大多数机电设施在没有准备的状态下采用的方法。因此，将事后诊断应用在矿山机电设施中的效果并不太理想，其检修质量也有待提高。周期检修相对固定，并且带着强制的特征，同时也是负责的展现。该方式方便易操作，大多数情况下是结合维修或者使用周期操作，从外看这种似乎会增加工人成本，事实上它是不可缺少的打基础部分，从某种角度来看它也是节约成本的体现，通过积极防护设施，延长相关设备的使用年限和周期，并且及时发现和修复问题，最大程度的避免问题带来的停产损失。因此，固定维修对矿山机电设备具有很好的作用，它能最大程度的做到防患于未然，从而降低经济损失。状态检修，是在数据分析的条件上，让每个工作人员负起对应的责任，然后再结合各种部件出现问题的时间推断故障时间。虽然这种预测不能准确捕捉时间，甚至还存在误差，但是能给企业警告的作用，避免措手不及的状况发生。在争取将设备控制在萌芽阶段的过程中，帮助其延长使用周期，减小安全隐患，以确保生产正常进行。

3.2诊断方法

首先是参考历史进行诊断记录，通过对局部系统和元器件进行排查，找出问题症结，这也是矿山机电设施诊断与维护的主要方法之一。一旦出现故障，对相关结论进行精细归纳，最后生成诊断集。第二次出现类似故障时，就能借用诊断路径与经验对其进行处理与诊断。它的优点是相同故障发生时，定位快速。其次是智能诊断，在控制系统、模拟人脑的基础上，获取、再生、传递、利用相关信息，最后利用已经准备好的经验策略。其具体包含灰色系统、模糊诊断、专家诊断、神经网络等方法。当前，应用最广的是神经网和专家体系，让诊断更加智能化。矿山机电设备故障诊断具有隐蔽性与复杂性，通过传统的方法进行精确、迅速的诊断。同时，专家系统能精确的应用专业知识与经验，通过模拟思维，对故障进行求解，最后得到结论。在人工智能诊断的基础上，借助计算机系统与已有经验解决故障。

4矿山机电设备故障监测的步骤

从整体来看：矿山机电设施故障诊断主要包含以下步骤：信息采集、处理、识别、建模和预测。在信息采集中，对机电设施运行参数、状况与数据信号进行有效监测，利用传感器传输的信息数据进行整理，最后放进网络进行存储，以备后续利用。信息处理，是对设备运行状态进行数据整理和识别。当然，在这期间，存在有用与无用信息之分，因此必须对相关信息进行区分与整理，剔除无用信息，并且转换数据，对具体信息进行有效分析，最后将数据变成设备能接受的信息与数据。信息处理与识别是在信息采集后，对相关信息进行识别与分析，包含数据分类、识别与分析，然后再将信息与之前得到的数据进行比对，最后得出设备运行中可能存在故障的区域、故障原因与类型。在矿山机电生产中，机电设施由多种信息数据和参数，并且和设施状态、是否存在隐患有着直接的关系。对此，必须建立起良好的模型，以确定和反映设备状态与故障之间的数学关系。预测技术是对机电设施的故障状况以及剩余使用时间进行预测，它能作为机电设施故障维修与保养的条件，从而避免机电设施出现不必要的故障。

5.结语

为了推动矿业发展，提高开采安全性，在矿山开采中必须注重相关设备的故障诊断与维修技术。在开采中，做好故障记录与整理归档工作，经常对压力、温度进行检查，一旦发现问题立即解决，这样才能改善故障诊断技术，进一步完善与优化诊断系统。

第四篇：计算机控制技术知识总结

注：计算题知识略

第一章

12（online）、离线控制（offline）、实时控制（real-time）

3、自动控以控制方式分类：直接数字控制系统（DDC）、计算机监督控制系统（SCC）分布式控制系统（DCS）现场总线控制系统（FCS）计算机集成控制系统（CIMS）

第二章

45、总线的组成：数据总线、地址总线、控制总线、电源线

678

第三章

9、CPU断控制方式

10、I/O11、A/D第四章

12第五章

14、PID15、PID算法积分改进：抗积分饱和、积分分离、消除积分不灵敏区、变速积分

第八章

1617设、接地抗干扰

18阱）

192021、共模干扰的抑制方法：变压器隔离、光电隔离、浮地屏蔽

第五篇：机电设备故障诊断和维修总结

机电设备故障诊断与维修 总结

姓名：陈涛 学号：1432020135 专业：机电一体化 班级：机电1401Z

前言

随着科学技术的发展，对机械产品提出了高精度、高复杂性的要求，而且产品的更新换代也在加快，这对机床设备不仅提出了精度和效率的要求，而且也对其提出了通用性和灵活性的要求。数控机床就是针对这种要求而产生的一种新型自动化机床。数控机床集微电子技术、计算机技术、自动控制技术及伺服驱动技术、精密机械技术于一体，是高度机电一体化的典型产品。它本身又是机电一体化的重要组成部分，是现代机床技术水平的重要标志。数控机床体现了当前世界机床技术进步的主流，是衡量机械制造工艺水平的重要指标，在柔性生产和计算机集成制造等先进制造技术中起着重要的基础核心作用。因此，如何更好的使用数控机床是一个很重要的问题。但由于数控机床是一种价格昂贵的精密设备，因此，其维护更是不容忽视。通过洛拖的实习，见到了各种先进的数控设备,仔细观察了工人师傅的操作及其维护修理过程,参考一些资料，了解到一些数控机床的故障诊断和维修方法，做一点总结，为以后的工作奠定一定的基础，让自己在机械行业能更快更好的发展。

一、数控机床

1、数控机床的特点及加工

数控机床的工作原理就是将加工过程所需的各种操作（如主轴变速、工件的松开与夹紧、进刀与退刀、开车与停车、自动关停冷却液）和步骤以及工件的形状尺寸用数字化的代码表示，通过控制介质（如穿孔纸带或磁盘等）将数字信息送入数控装置，数控装置对输入的信息进行处理与运算，发出各种控制信号，控制机床的伺服系统或其他驱动元件，使机床自动加工出所需要的工件。所以，数控加工的关键是加工数据和工艺参数的获取，即数控编程。

数控机床具有高度柔性，高的加工精度，加工质量的稳定与可靠，高的生产效率，并且为机电一体化设备，节省大量的人力与物力，便于自动化管理等特 2

点。随着数控设备不断在生产生活中的深入使用，其维护与维修也成了重中之中，因此这就要求维修人员具有深厚的实践经验与熟练的技术，能准确对机床进行故障定位，并且及时解决，防止出现机器停机，造成经济损失等。数控加工一般包括以下几个内容：

1)对图纸进行分析，确定需要数控加工的部分； 2)利用图形软件（如UG）对需要数控加工的部分造型；

3)根据加工条件，选择合适的加工参数，生成加工轨迹（包括粗加工、半精加工、精加工轨迹）； 4)轨迹的仿真检验； 5)生成G代码； 6)传给机床加工。

2、数控机床使用中应注意的事项

使用数控机床之前，应仔细阅读机床使用说明书以及其他有关资料，以便正确操作使用机床，并注意以下几点：

1)机床操作、维修人员必须是掌握相应机床专业知识的专业人员或经过技术培训的人员，且必须按安全操作规程及安全操作规定操作机床；非专业人员不得打开电柜门，打开电柜门前必须确认已经关掉了机床总电源开关。只有专业维修人员才允许打开电柜门，进行通电检修；

2)除一些供用户使用并可以改动的参数外，其它系统参数、主轴参数、伺服参数等，用户不能私自修改，否则将给操作者带来设备、工件、人身等伤害；修改参数后，进行第一次加工时，机床在不装刀具和工件的情况下用机床锁住、单程序段等方式进行试运行，确认机床正常后再使用机床；

3)机床的PLC程序是机床制造商按机床需要设计的，不需要修改。不正确的修改，操作机床可能造成机床的损坏，甚至伤害操作者；建议机床连续运行最多24小时，如果连续运行时间太长会影响电气系统和部分机械器件的寿命，从而会影响机床的精度；机床全部连接器、接头等，不允许带电拔、插操作，否则将引起严重的后果。

二、数控机床故障的特点与类型

1、数控机床故障特点

数控机床故障的特点：数控机床一般由数控系统，包含伺服电动机和检测反馈装置的伺服系统，强电控制柜，机床本体和各类辅助装置组成。数控机床的复杂性使其故障具有复杂性和特殊性，引起数控机床故障的因素又很多，不能只看故障的表像，要透过现象去检查引起故障的综合因素，找到引起故障的根源，采取合理的方法给予排除。

2、数控机床故障类型

1）、NC系统故障 NC系统故障会引起硬件故障和软故障。2）、伺服系统的故障

由于数控系统的控制核心是对机床的进给部分尽心数字控制，而进给是由伺服单元控制伺服电机，带动滚珠丝杠来实现的，由旋转编码器做位置反馈元件，形成位置控制系统。伺服系统故障一般是由伺服控制单元、伺服电机、测速电机、编码器等问题引起的。3）、外部故障

由于现代的数控系统可靠性越来越高，故障率越来越低，很少发生故障。大部分故障都是非系统故障，是由外部原因引起的。

三、数控机床故障的诊断方法

1、系统自诊断

一般CNC系统都有较为完备的自诊断系统，无论是华中系统还是西门子系统，上电初始化时或运行中均能对自身或接口做出有限的自诊断。维修人员应熟悉系统自诊断各种报警信息。根据说明书进行分析以确定故障范围。定位故障元器件，对于进口的数控系统一般只能定位到板级。

2、数控系统的软故障诊断

数控系统的软故障是指控制系统的系统软件和PLC程序。有的系统把它们写在EPROM中插在主机板上，有的驻留在硬盘上。一旦这些软件出现问题，系统将造成全部或局部混乱，当分析到确定是软件故障时，应当使用备用软 件或备用EPROM换上，严格按操作步骤经初始化后试运行。这类故障只要有备份文件一般不难恢复。其难度在于备份软件不完备或专用传送设备不具备或生产厂家操作手段中设置口令保密等因素造成无法恢复。

3、利用PLC程序定位机床与CNC系统接口诊断

现在一般CNC控制系统均带有PLC控制器，大多为内置式 PLC控制。维修人员应根据梯形图对机床控制电器进行分析，在CRT上直观地看出 CNC系统I／O的状态。通过PLC程序的逻辑分析，方便地检查出问题存在部位。如 FANUC一OT系统中自诊断页面，FANUC一7M系统中的T指令等。

4、利用数控系统的PLC状态显示功能诊断

许多数控系统都有PLC状态显示功能，如西门子3系统PC菜单下的PC STATUS，西门子810系统DIAGNOSIS菜单下的PLC STATUS功能等，利用这些功能可显示PLC的输入、输出、定时器、计数器等的即时状态和内容。根据机床的工作原理和机床厂家提供的电气原理图，通过监视相应的状态，就可确诊一些故障。

四、数控机床故障的维修步骤与方法

1、故障排除步骤

①询问操作者故障发生的原因

当故障发生后，维修人员一般不要急于动手，要仔细询问故障发生时机床处在什么工作状态、表现形式、产生的后果、是否是误操作。故障能否再现等。②表面与基本供电检查

主要观察设备有无异常情况，如机械卡住、电机烧坏、保险熔断等。首先检查AC＼DC电源是否正常，尽可能地缩小故障范围。③分析图纸，确定故障部位

根据图纸PLC梯图进行分析，以确定故障部位是机械、电器、液压还是气动故障。

④根据经验分析，扩大思路

根据经验分析，一定要扩大思路，不局限于维修说明书上的范畴，维修资料只提供一个思路，有时局限性很大。

2、故障维修方法

当数控设备出现故障时，首先要搞清故障现象，向操作人员了解第一次出现故障时的情况，在可能的情况下观察故障发生的过程，观察故障是在什么情况下发生的，怎么发生的，引起怎样的后果。只有了解到第一手情况，才有利于故障的排除，把故障过程搞清了，问题就解决一半了。搞清了故障现象，然后根据

机床和数控系统的工作原理，就可以很快地确诊问题所在并将故障排除，使设备恢复正常使用。

下面是一些具体数控机床故障的解决方法：

1）当伺服驱动器出现母线欠电压警报时，是由主回路断路器跳闸引起，需重新推好电闸。

2）当主轴驱动器出现电动机的速度不能跟从指令速度，电动机负载转矩过大。参数4082中的加速度时间不足时，需确认切削条件后减少负载并且修改参数4082。

3）当主轴切换输出切换时的切换顺序异常。切换用的MC的接点状态确认信号和指令不一致时，需确认、修改梯形图顺序，更换用于切换的MC。4）当电源系统出现主回路直流母线电容不能在规定的时间内充电时，可能是由于电源模块容量不足或直流母线存在短路，充电限流电阻不良引起的。

五、维修总结

数控机床是技术含金量很高的设备，在使用过程中要严格遵照使用要求，必须执行设备操作规程，因为数控故障大多都是由认为造成的，作为操作人员，为减少设备故障、延长使用寿命，需做设备的日常维护，尽可能让机床发挥它的最大效益，不能还没有使用就要坏掉，在维修。公司也应加大为操作人员素质培养，让他们尽快掌握机床性能，保证设备运行 在合理的工作状态之中；另外，维修人员应做经常性的巡回检查，如CNC系统的排风扇运行情况，机柜、电机是否发热，是否有异常声音或有异味，压力表指示是否正常，各管路及接头有无泄漏、润滑状况是否良好等，积极做好故障和事故预防，若发现异常应及时解决，这样做才有可能把故障消灭在萌牙 状态之中，从而可以减少一切可避免的损失。当设备出现问题后，要及时冷静地进行故障诊断，寻找合适的方法解决问题。机床修理人员要注重实践，在实践中不断提高自己的水平，要多问、多阅读、多观察、多思考、多实践、多讨论交流、多总结。只有当自身的水平提高了，数控机床的修理过程才能更迅速，才能更好地提高工作效率，多创效益。