故障診斷論文全文(5篇)

本文作者：賞吳俊、何正友、胡海濤、母秀清、林建輝 單位：西南交通大學(xué)

電壓檢測法主要是通過比較故障前后電機相電壓、線電壓、中性點電壓或者逆變器功率管兩端電壓的不同來對故障進行識別和診斷。文獻[9]中的電壓檢測法只能用于開環(huán)系統(tǒng)；文獻[10]中的方法雖然診斷時間短，但需要增加一些額外的電子元器件；文獻[11-13]中嘗試采用智能算法對故障進行診斷，但也只針對單個IGBT開路故障進行診斷。上述功率管開路診斷方法一般只能對單管或者部分雙管IGBT開路故障進行診斷，不利于對同時發(fā)生2只功率管開路故障情況下的正確診斷。根據(jù)某IGBT開路故障后將不能通過其輸出正功率的情況，文章提出了通過檢測各相電流正負(fù)半波部分對應(yīng)的功率，進而反映各IGBT的工作狀況的故障診斷方法。在Matlab/Simulink中搭建了異步電機供電的三相電壓源逆變器的模型，通過模擬各種IGBT開路故障測試所提出方法的有效性。

IGBT開路故障診斷原理

單個IGBT發(fā)生開路故障的情形導(dǎo)致IGBT功率管開路故障的原因主要有器件破裂、綁定線斷裂或焊接脫落、驅(qū)動信號丟失或電路失效[3]，或者任由IGBT短路也可導(dǎo)致IGBT燒毀而形成開路故障[14]。IGBT開路后將導(dǎo)致其不能正常導(dǎo)通，在IGBT不是因燒毀而開路的情況下，還可以通過其反并聯(lián)的二極管向直流側(cè)回流。列車上的輔助逆變器的主電路拓?fù)浣Y(jié)構(gòu)如圖1所示。圖1中：CT(currenttransformer)為電流互感器，PT(potentialtransformer)為電壓互感器，共有6只IGBT功率管(T1—T6)，這里假定最多有2只功率管同時發(fā)生開路故障。在該假定下，我們可將IGBT開路故障大致分為單管故障和2管故障。下面就將對這2種故障后的電流流向和做功情況進行詳細(xì)分析，以找出能夠明確區(qū)分正常和故障的特征，實現(xiàn)對IGBT開路故障的識別和定位。A相上側(cè)IGBT開路后電流途徑如圖2所示，i代表流過A相橋臂的電流。假如逆變器在正常運行情況下，A相剛好流過正半波的電流(簡稱正電流)，這時電流將通過T1和T2的反并聯(lián)二極管流通。但當(dāng)T1發(fā)生開路故障后，電流將只能通過T2上的反并聯(lián)二極管向直流側(cè)電源反送電流，如圖2中的箭頭線所示，此后，故障相的電流將會很快衰減為零。如果流過的是負(fù)半波電流，則在電流過零點之前故障對逆變器工作沒有影響。此后，逆變器的A相將不能通過T1流出正半波電流，其對應(yīng)的功率將為0。如果在另外兩相的作用下有正半波電流出現(xiàn)的話，也將是通過下側(cè)IGBT的反并聯(lián)二極管從負(fù)極流出，形成向直流側(cè)充電的情形，則此時正半波電流對應(yīng)的功率將為負(fù)值。同理可以得出，當(dāng)T2開路時，電流負(fù)半波部分(簡稱負(fù)電流)對應(yīng)的功率也將為0或者為負(fù)。根據(jù)以上分析，可以得出：如果上側(cè)IGBT發(fā)生故障，則正半波電流對應(yīng)的功率將為0或者為負(fù)；如果下側(cè)IGBT發(fā)生開路故障，負(fù)半波電流對應(yīng)的功率將會為0或者為負(fù)。但對于正常的IGBT，反應(yīng)其輸出功率情況的正負(fù)半波電流功率都為正。

2個IGBT同時發(fā)生開路故障的情形2個IGBT開路故障的情形又可以分為3類：同一橋臂的上下2個IGBT故障(如T1、T2)、2個橋臂的異側(cè)2個IGBT故障(如T1、T4)、2個橋臂的同側(cè)2個IGBT故障(如T1、T3)。對于前2種故障類型，故障后每個IGBT的表現(xiàn)和單個IGBT故障后的表現(xiàn)類似，即發(fā)生開路的IGBT對應(yīng)半波電流功率為0或者為負(fù)。而對于第3種情況，即其中2個橋臂的同側(cè)2個IGBT發(fā)生故障，因為三相對稱調(diào)制的緣故，第3相的2個IGBT即使是正常的，它們當(dāng)中與故障IGBT對側(cè)的IGBT也將不會流過電流。如功率管T1、T3同時發(fā)生開路故障，則功率管T6中將沒有負(fù)半波的電流。因為如果有電流的話，此電流也將是通過T2和T4中的反并聯(lián)二極管流通，這樣將會造成A、B、C相同時和直流側(cè)的負(fù)極接通，這樣將無法繼續(xù)形成電流，所以C相的負(fù)半波電流對應(yīng)的功率也將為0。

通過以上的分析，可以得出以下結(jié)論：1）每相電流的正、負(fù)半波部分對應(yīng)的功率分別反映了該相橋臂的上下側(cè)IGBT的工作狀況。當(dāng)某相橋臂的上側(cè)IGBT發(fā)生開路故障將會導(dǎo)致該相的正半波電流對應(yīng)的功率為0或者為負(fù)，下側(cè)IGBT開路故障將會造成負(fù)半波電流對應(yīng)的功率為0或者為負(fù)。對于正常的IGBT，反映其輸出功率情況的正負(fù)半波電流功率都為正。2）在2個IGBT發(fā)生開路故障的情形中有1個特例，即2個橋臂的同側(cè)2個IGBT同時開路時，第3相中對側(cè)的IGBT也將會表現(xiàn)出和開路功率管一樣的特征，即其對應(yīng)的半波電流的功率將為0。由以上分析可知，可以通過檢測每相正負(fù)半波電流對應(yīng)的功率來對IGBT開路故障進行診斷。若某相一個周期的正半波電流對應(yīng)功率小于閥值S，則說明上管發(fā)生故障，一個周期負(fù)半波電流對應(yīng)功率小于閥值S，就說明下管發(fā)生故障。對于上面提到的特例，可以明確地判斷出同側(cè)的2個IGBT發(fā)生了開路故障，第3相中也將會有1個IGBT被判為故障，應(yīng)該將其剔除。因此，可以通過下面的步驟來對IGBT開路故障進行診斷和定位。1）選用6個變量Plm(la、b、c；m、)，用來分別記錄當(dāng)前周期三相6個正負(fù)半波電流對應(yīng)的功率，這里可通過下面的數(shù)值方法計算得到Plm[15]。2）將步驟1）得出的6個功率值Plm與閥值S進行比較，如果Pl<S，則說明l相的上側(cè)IGBT發(fā)生開路故障；如果Pl<S，則說明這一相的下側(cè)IGBT發(fā)生開路故障。如果判斷出有2個橋臂的同側(cè)2個IGBT出現(xiàn)開路故障，第3個橋臂中也被判為故障的IGBT應(yīng)該被剔除，因為這里假定最多只有2個IGBT同時發(fā)生開路故障。

利用以上方法對逆變器的IGBT開路故障進行診斷，將不受負(fù)荷波動和調(diào)制方式的影響，適合于各種恒壓恒頻(constantvoltageandconstantfrequency，CVCF)的逆變電源做功率管開路故障診斷；并且因為是利用功率作為判據(jù)來檢測故障，所以需要在帶有負(fù)荷的情況下發(fā)生故障才能進行診斷。如果在空載情況下發(fā)生故障，也能夠反映并檢測到故障；但該情況下故障特征不明顯，容易造成正常功率管的誤診段，此后如果加入負(fù)載，待穩(wěn)定后也能給出正確的診斷結(jié)果。因此本方法非常適合于列車輔助逆變器這類在工作時一直帶有負(fù)荷的逆變器做開路診斷使用。另外，根據(jù)檢測的原理可知，用該方法檢測故障的時間在1個周期以內(nèi)。

摘要：故障診斷技術(shù)對現(xiàn)代工業(yè)生產(chǎn)至關(guān)重要。《機械故障診斷》這門課程主要講解故障診斷中所涉及的理論與方法。本文闡述了該門課程的主要特點，剖析了教學(xué)過程中存在的問題，對這些問題提出了一些探討性的解決思路。

關(guān)鍵詞：旋轉(zhuǎn)機械；故障診斷；實踐教學(xué)；研究生教學(xué)

一、前言

隨著工業(yè)的快速發(fā)展，機械設(shè)備正朝著大型化、復(fù)雜化、精密化的方向發(fā)展，同時要求機械設(shè)備能夠在比較惡劣的環(huán)境下長時間穩(wěn)定地運行，比如大型風(fēng)力發(fā)電機組。在工業(yè)實踐中，一方面不容許這些機械設(shè)備出現(xiàn)故障，另一方面這些機械設(shè)備一旦出現(xiàn)故障，會導(dǎo)致巨大的經(jīng)濟損失。故障診斷就是尋找故障原因的過程，其實質(zhì)是了解和掌握設(shè)備運行過程中的狀態(tài)，評價、預(yù)測設(shè)備的可靠性，減少企業(yè)的運營成本。目前，故障診斷技術(shù)已被大量地應(yīng)用于石油化工、水利發(fā)電、礦產(chǎn)開采等多個關(guān)系國民經(jīng)濟的重要領(lǐng)域。此外，故障診斷技術(shù)也是實現(xiàn)“中國制造2025計劃”，完成以加工為主導(dǎo)的傳統(tǒng)制造業(yè)向以服務(wù)為主導(dǎo)的現(xiàn)代制造業(yè)轉(zhuǎn)型所必備的核心技術(shù)。在這樣的背景下，將《機械故障診斷》這門課程作為研究生的基礎(chǔ)理論課程。該門課程所涉及的內(nèi)容比較廣泛，包括信號分析與處理、機械動力學(xué)分析、人工智能方法等。同時，這門課程又是一門實踐性很強的課程，理論和實踐結(jié)合十分緊密。此外，該門課程所涉及的內(nèi)容學(xué)術(shù)研究價值很高，可以作為學(xué)生在研究生學(xué)習(xí)階段的研究方向。傳統(tǒng)的教學(xué)模式極大地限制了該門課程的教學(xué)。

二、課程教學(xué)過程中存在的問題

1.教學(xué)內(nèi)容多而泛?！稒C械故障診斷》是一門綜合性很強的課程，課程中不僅涉及到大量的公式推理，如傅里葉變換的推理公式，還包括許多新理論和新方法，如：人工智能算法、專家系統(tǒng)等。而該門課程的授課學(xué)時一般都設(shè)置為32個學(xué)時，學(xué)時數(shù)比較少，難以對相關(guān)知識進行展開授課。同時該門課程各個章節(jié)之間的關(guān)聯(lián)性也不夠強，各知識點之間具有一定的獨立性，造成學(xué)生學(xué)習(xí)和理解困難。2.教學(xué)與實踐嚴(yán)重脫節(jié)?！稒C械故障診斷》這門課程與工業(yè)實踐結(jié)合十分緊密，所涉及到的內(nèi)容實用性極強。該門課程作為研究生的理論基礎(chǔ)課，其教學(xué)目的是使學(xué)生全面、真實地掌握故障診斷的核心思想以及相關(guān)的理論方法，增加學(xué)生的創(chuàng)新思維能力和工程實踐能力。然而，現(xiàn)有的教學(xué)模式大多以書本為主導(dǎo)進行展開，嚴(yán)重缺少實踐教學(xué)環(huán)節(jié)。3.教學(xué)過程中“教”與“學(xué)”脫鉤。傳統(tǒng)教學(xué)模式采用“老師授課———學(xué)生聽課”的方式展開，“教”與“學(xué)”缺少良性互動的環(huán)節(jié)，容易導(dǎo)致老師授課時不清楚學(xué)生對知識的實際掌握情況，學(xué)生對課程知識理解不透徹，進而喪失學(xué)習(xí)興趣，使得教學(xué)過程形式化、教學(xué)結(jié)果低效化的問題。

三、探索性的教學(xué)改革

摘要：故障診斷技術(shù)對現(xiàn)代工業(yè)生產(chǎn)至關(guān)重要?！稒C械故障診斷》這門課程主要講解故障診斷中所涉及的理論與方法。本文闡述了該門課程的主要特點，剖析了教學(xué)過程中存在的問題，對這些問題提出了一些探討性的解決思路。

關(guān)鍵詞：旋轉(zhuǎn)機械；故障診斷；實踐教學(xué)；研究生教學(xué)

一、前言

隨著工業(yè)的快速發(fā)展，機械設(shè)備正朝著大型化、復(fù)雜化、精密化的方向發(fā)展，同時要求機械設(shè)備能夠在比較惡劣的環(huán)境下長時間穩(wěn)定地運行，比如大型風(fēng)力發(fā)電機組。在工業(yè)實踐中，一方面不容許這些機械設(shè)備出現(xiàn)故障，另一方面這些機械設(shè)備一旦出現(xiàn)故障，會導(dǎo)致巨大的經(jīng)濟損失。故障診斷就是尋找故障原因的過程，其實質(zhì)是了解和掌握設(shè)備運行過程中的狀態(tài)，評價、預(yù)測設(shè)備的可靠性，減少企業(yè)的運營成本。目前，故障診斷技術(shù)已被大量地應(yīng)用于石油化工、水利發(fā)電、礦產(chǎn)開采等多個關(guān)系國民經(jīng)濟的重要領(lǐng)域。此外，故障診斷技術(shù)也是實現(xiàn)“中國制造2025計劃”，完成以加工為主導(dǎo)的傳統(tǒng)制造業(yè)向以服務(wù)為主導(dǎo)的現(xiàn)代制造業(yè)轉(zhuǎn)型所必備的核心技術(shù)。在這樣的背景下，將《機械故障診斷》這門課程作為研究生的基礎(chǔ)理論課程。該門課程所涉及的內(nèi)容比較廣泛，包括信號分析與處理、機械動力學(xué)分析、人工智能方法等。同時，這門課程又是一門實踐性很強的課程，理論和實踐結(jié)合十分緊密。此外，該門課程所涉及的內(nèi)容學(xué)術(shù)研究價值很高，可以作為學(xué)生在研究生學(xué)習(xí)階段的研究方向。傳統(tǒng)的教學(xué)模式極大地限制了該門課程的教學(xué)。

二、課程教學(xué)過程中存在的問題

1.教學(xué)內(nèi)容多而泛?！稒C械故障診斷》是一門綜合性很強的課程，課程中不僅涉及到大量的公式推理，如傅里葉變換的推理公式，還包括許多新理論和新方法，如：人工智能算法、專家系統(tǒng)等。而該門課程的授課學(xué)時一般都設(shè)置為32個學(xué)時，學(xué)時數(shù)比較少，難以對相關(guān)知識進行展開授課。同時該門課程各個章節(jié)之間的關(guān)聯(lián)性也不夠強，各知識點之間具有一定的獨立性，造成學(xué)生學(xué)習(xí)和理解困難。2.教學(xué)與實踐嚴(yán)重脫節(jié)?！稒C械故障診斷》這門課程與工業(yè)實踐結(jié)合十分緊密，所涉及到的內(nèi)容實用性極強。該門課程作為研究生的理論基礎(chǔ)課，其教學(xué)目的是使學(xué)生全面、真實地掌握故障診斷的核心思想以及相關(guān)的理論方法，增加學(xué)生的創(chuàng)新思維能力和工程實踐能力。然而，現(xiàn)有的教學(xué)模式大多以書本為主導(dǎo)進行展開，嚴(yán)重缺少實踐教學(xué)環(huán)節(jié)。3.教學(xué)過程中“教”與“學(xué)”脫鉤。傳統(tǒng)教學(xué)模式采用“老師授課———學(xué)生聽課”的方式展開，“教”與“學(xué)”缺少良性互動的環(huán)節(jié)，容易導(dǎo)致老師授課時不清楚學(xué)生對知識的實際掌握情況，學(xué)生對課程知識理解不透徹，進而喪失學(xué)習(xí)興趣，使得教學(xué)過程形式化、教學(xué)結(jié)果低效化的問題。

三、探索性的教學(xué)改革

【摘要】在城市化進程不斷推進的過程中，城市交通建設(shè)取得了很大的成就。得益于城市軌道和高鐵的快速發(fā)展，高速動車得到了越來越廣泛的使用。對于高速動安全性尤為重要，如何在高速運行的過程中減少故障，保證運行安全，是高速動車研究重點關(guān)注的問題?；诖耍撐耐ㄟ^對高速動車組的故障診斷系統(tǒng)進行分析，提供其架構(gòu)應(yīng)用，希望給相關(guān)人員提供一定借鑒。

【關(guān)鍵詞】高速動車；故障；診斷；系統(tǒng)

1引言

在高速動車組的發(fā)展過程中，如何及早發(fā)現(xiàn)動車組故障并解決問題是保障高速動車組安全運行的關(guān)鍵。很多高速動車組故障的產(chǎn)生，都是因為一種細(xì)小的問題沒有及時發(fā)現(xiàn)，從而導(dǎo)致大故障的產(chǎn)生。而利用信息技術(shù)，通過故障診斷系統(tǒng)對高速動車組進行狀態(tài)分析，確定高速動車組的可靠性，有重要的應(yīng)用價值。

2高速動車組故障診斷系統(tǒng)意義分析

高速動車組整體技術(shù)性比較復(fù)雜，并且對維護人員有很高的專業(yè)需求。在工程應(yīng)用中，機械設(shè)備有3種狀態(tài)：正常狀態(tài)、異常狀態(tài)以及故障狀態(tài)。對于故障狀態(tài)，往往代表機械設(shè)備出現(xiàn)了問題，不能正常工作。故障狀態(tài)往往有一個不斷形成的過程，而故障診斷則主要是指通過檢測、測量、監(jiān)視以及分析判別等方法對設(shè)備的運行狀態(tài)進行評估，從而確定故障是否存在或故障的具體位置。而這種故障診斷在高速動車組中的應(yīng)用，能夠及時發(fā)現(xiàn)問題并及時解決，有效預(yù)防高速動車組運行過程發(fā)生故障，保證行車安全，避免經(jīng)濟損失。而且這種高速動車組故障診斷系統(tǒng)還可以推動有關(guān)零件加工技術(shù)工藝的改進，對高速動車組的運行效率以及維修技術(shù)提高有積極意義。

3高速動車組故障診斷系統(tǒng)作用淺論

摘要：針對大型機械設(shè)備運行中存在的強擾動、多干擾噪聲存在的問題，建立合理的故障混合智能診斷模型，確定不同模型的分界閾值，深入分析多噪聲相關(guān)情況下噪聲聯(lián)合概率密度的數(shù)學(xué)分解表達式及噪聲統(tǒng)計特性的分布函數(shù)，以高斯噪聲為背景，推導(dǎo)最優(yōu)建議分布函數(shù)的具體解析表達式，實現(xiàn)強擾動、多噪聲干擾情況下故障診斷的精確、魯棒濾波。

關(guān)鍵詞：非線性；濾波；故障診斷

前言

2010年開始，隨著大數(shù)據(jù)與人工智能技術(shù)的迅猛發(fā)展，研究人員將專家系統(tǒng)、模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法等技術(shù)應(yīng)用于大型復(fù)雜設(shè)備的故障診斷中，實現(xiàn)了設(shè)備的混合智能故障診斷，大大提高了設(shè)備故障診斷的精確度。隨著研究的不斷深入，研究者發(fā)現(xiàn)，由于系統(tǒng)運行的強擾動及應(yīng)用環(huán)境中的復(fù)雜噪聲影響，單一的檢測模型無法滿足復(fù)雜工程應(yīng)用中精確性與魯棒性的要求，急需一種新思路和新途徑來解決這些問題。因此，綜合運用多種人工智能技術(shù)和現(xiàn)代智能信息處理技術(shù)，結(jié)合復(fù)雜系統(tǒng)的非線性及故障的不確定性特點，基于智能演化的濾波推理技術(shù)受到了研究人員的青睞，用混合智能故障診斷與預(yù)測技術(shù)對大型復(fù)雜關(guān)鍵設(shè)備進行狀態(tài)監(jiān)測、故障診斷與智能預(yù)測處理，能夠有效提高監(jiān)測診斷系統(tǒng)的敏感性、魯棒性、精確性，降低誤診率和漏診率，在不用理解系統(tǒng)機理和分析數(shù)據(jù)的情況下，為一般的操作人員提供了準(zhǔn)確的診斷決策，對于提升智能診斷系統(tǒng)的精確性和魯棒性具有非常重要的理論價值和現(xiàn)實意義。

1基于濾波技術(shù)的智能故障診斷

隨著大型復(fù)雜機械設(shè)備對故障診斷精度要求的不斷提高，從20世紀(jì)80年代開始，基于非線性濾波技術(shù)的混合智能故障診斷與預(yù)測方法已經(jīng)成為本領(lǐng)域的研究熱點。其具體的應(yīng)用原理框圖如圖1所示。大型運行設(shè)備在獲取多個特征信息以后，如何通過有效的非線性濾波方法對系統(tǒng)的狀態(tài)進行精確的濾波處理是混合智能診斷技術(shù)的關(guān)鍵一步。目前，在工程實際應(yīng)用中的非線性濾波方法主要有：交互式多模型（interactingmultiplemodel,IMM）、序貫概率比檢驗（sequentialprobahilityratiotest,SPRT）、強跟蹤濾波（strengthtrackingfilter，STF）等幾種方法。其中，IMM是一種模型自適應(yīng)濾波器,該方法缺少對于模型參數(shù)的自適應(yīng)能力，容易使得IMM在模型轉(zhuǎn)換時刻出現(xiàn)較大的估計誤差；SPRT基于信息積累的假設(shè)檢驗思想,在豐富的專家知識和充分先驗信息的前提下可行實現(xiàn)很好的效果,但故障修復(fù)后自適應(yīng)處理能力比較差,工程應(yīng)用中不好推廣；STF是一種系統(tǒng)狀態(tài)和參數(shù)自適應(yīng)算法，采用強行殘差白化策略實現(xiàn)偏差自適應(yīng)校正,在一定程度上提升了EKF估計精度,但缺乏對于模型的自適應(yīng)能力。

2研究現(xiàn)狀