电气设备故障诊断讲义5th-1.pptVIP

电气设备故障诊断 第5讲：故障的识别和判断、 预测技术 故障模式 和 故障机理 故障模式与机理举例 设备诊断过程就是一种典型的从故障模式或状态特征到故障机理的求取过程 1.信息量的归纳和整理 2.筛选出异常的状态信息量 2.筛选出异常的状态信息量 2.筛选出异常的状态信息量 3.识别和判断技术 决定论或数理方法的识别判断技术 概率论或经验方法的识别判断技术 模糊识别判断法 模式判别方法 决定论或数理方法的识别判断技术 数理逻辑故障识别举例 概率论或经验方法的识别判断技术 概率论或经验方法的识别判断技术 初步判断 概率论或经验方法的识别判断技术 初步判断 深入一步的诊断 概率论或经验方法的识别判断技术 初步判断 深入一步的诊断 解体检查 概率论或经验方法的识别判断技术 初步判断 深入一步的诊断 解体检查 改善处理 模糊识别判断法 模糊识别的目的 目前利用电气试验数据进行故障诊断时普遍采用的是阈值原则,即当某项电气试验测量值高于规定的注意值时,就认为有可能存在故障。 确定逻辑的缺点：对边界处理过于精确化。 有时电气试验数据的相间比较、历年比较等会对故障的识别很有帮助——先利用模糊数学方法对边界进行模糊化处理,然后利用模糊综合评判的思想综合多种因素的影响进行故障诊断 #1. 模糊集合和隶属度 隶属函数举例 #2. 模糊诊断 #3 诊断算法 #4模糊专家推理举例 特征空间模式识别 将常用的变压器油中溶解的7种特征气体视为一个7维欧氏空间,并假定每种特征气体分别代表7维空间中的一个坐标,且第i个特征气体的测量值ai对应于第i个坐标的值,则构造出的空间称为故障征兆空间。 对应于任意一个故障变压器DGA结果的一个7维矢量称为故障征兆矢量。 对变压器每一种故障类型来说都有一组故障征兆矢量与之相对应,因此可利用某种优化原则获取该故障类型的最佳故障特征矢量。 基本诊断思路：当对变压器绝缘故障进行诊断时,可先计算待诊变压器故障征兆矢量与所有故障类型的最佳故障特征矢量间的夹角,最小夹角对应的故障类型即为最终的诊断结论。 模式与状态空间 模式识别系统原理 模式识别举例 对异步电机转子鼠笼断条故障检测常用的方法是通过电流传感器采集定子电流信号,这些信号经数字滤波后,利用数字信号处理技术经FFT变换后作为特征信号。 模式识别举例 对异步电机转子鼠笼断条故障检测常用的方法是通过电流传感器采集定子电流信号,这些信号经数字滤波后,利用数字信号处理技术经FFT变换后作为特征信号。 综合诊断方法 综合诊断方法 实验电机为7.5kW三相四极异步电动机。图表示了电机转子为正常时定子电流信号的频谱图,中心频率为50Hz,图中只画出10个样本。 图表示了电机转子为断条故障时定子电流信号的频谱图,中心频率为50Hz,图中为10个样本。 诊断时直接将电机定子电流频谱特征信号送入神经网络以进行分类,然后判断是否存在故障。 * 故障模式是对出现的故障或异常状态的某种程度的分类。 故障机理是导致设备发生故障的物理过程，化学过程和故障的因果关系。 故障机理不同而模式相似的情况是客观存在的，另外也存在机理相同却产生不同的故障模式。 同是一项“磨损”故障模式，其故障机理可能来自“磨损”，也可能来自“冲击”。可见，故障机理的“磨损”和故障模式的“磨损”的涵意并不相同。 通过监测得到的状态特征虽然经过加工处理成了信息，但该信息往往还是不能简单地和故障机理直接“对号”，必须依靠识别和判断技术才能求出真正的故障机理。 诊断——根据信息确定故障的性质、类别、程度、部位和原因的过程。 1. 信息量的归纳和整理 2. 筛选出异常的状态信息量 3. 状态识别与判断 在实际工作中设备状态特征的信息量是错综复杂的。必须坚持科学态度，对采集到的信息量要全面地、历史地进行分析。在占有大量信息资料的基础上，实事求是地进行归纳、整理与分类。 大量信息，可以用聚类分析的方法进行分类、统计、压缩向量维数，把大量存在的状态特征数据综合简化成为少量具有代表性的状态特征因子，同时可以将把各因子间的关系列成矩阵。 信息量是多方面的： 如电气试验数据、在线检测数据、运行记录数据、维修记录等等。 采用对比法将采集到的信息量与正常信息量进行对比，主要是与技术规程、标准的规定对比；与过去的历史数据对比，与同类型设备的状态相对比，简称“三对比”的方法，筛选出异常的状态信息量，施行进一步的识别判断。 （1） 绝对判断标准 对照技术规程、标准的规定的判断。 规定——设备长期运行、检修和测试经验的总结 遇到特殊情况，需要进一步搜集信息，为分析、研究、正确判断提供第一手材料。 采用对比法将采集到的信息量与正常信息量进行对比，主要是与技术规程、标准的规定对比；与过去的历史数据对比