基于故障树的电机故障分析.ppt

基于故障树的电机故障分析 故障诊断的发展 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。 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、新的信息处理理论和方法。 (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值逻辑、神经元网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，知识获取和在线故障诊断困难等。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网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)故障诊断神经网络理论和方法.神经网络应用于故障诊断是其最成功的应用之一。由于神经网络具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、并行和处理复杂模式的功能，使其在工程实际存在着大量的多故障、多过程、突发性故障、庞大复杂机器庞大复杂机 器和系统的监测及诊断中发挥较大作用。在众多的神经网络中，尤其以基于BP算法的多层感知器(MLP)神经网络理论最坚实，应用最广泛且最成功。神经网络故障诊断方法易实现对非线性系统的故障诊断。但BP算法是非鲁棒性的。重点研究在线学习算法，知识表达和鲁棒学习算法等。 (10)基于数学模型的故障诊断理论和方法.该方法是以现代控制理论和现代优化方法为指导，以系统的数学模型为基础，利用观测器(组)、等价空间方程、Kalman滤波器、参数模型估计和辨识等方法产生残差，然后基于某种准则或阈值对该残差进行评价和决策。基于模型的故障诊断方法能与控制系统紧密结合，是监控、容错控制、系统修复和重构的前提。目前该领域研究的重点是(线性和非线性)系统的故障诊断的鲁棒性，故障可检测和可分离性，利用非线性理论(突变、分叉、混沌分析方法)进行非线性系统的故障诊断。 故障诊断理论和方法分类虽然很多，但可归纳为2类： ①基于非模型的故障诊断理论和方法，如信号空间特征、模态和信息处理方法的诊断理论与方法；基于知识推理、人工智能、专家系统的诊断方法；基于模式识别和神经网络的诊断