时间：2023-06-05 09:55:21
关键词：网络故障；故障检测；故障定位；故障诊断；专家系统；数据挖掘；神经网络
中图分类号：TP393.06
随着计算机、通信以及互联网技术的飞速发展及应用，网络作为一种重要的工具，在军事、政治、经济和科研等诸多领域起着越来越重要的作用，已经成为社会生产和生活必不可少的一部分。与此同时，网络的规模和复杂性不断增大，一旦网络发生故障，如果不能在有效时间内对网络故障进行诊断与修复，将会造成巨大的损失，甚至严重威胁社会的安全与稳定，因此对网络故障诊断技术进行研究具有越来越重要的应用价值和现实意义。
1 网络故障诊断一般过程
通常来说，网络故障诊断是以网络原理、网络配置和网络运行的知识为基础，根据网络出现的故障现象，并使用专门的网管理和检测工具以获取告警信息进而对网络中出现的故障进行诊断、恢复以及预测的过程，一般可分为以下五个部分[1]：
（1）故障检测，即网络故障告警信息的获取。网络发生故障时，通过主动轮询或异步收集方式，对网络中的相关设备或服务的相关告警信息、设置和性能参数，状态信息等进行收集和分析，及时发现网络出现的故障及问题。
（2）故障定位，即定位故障源。对故障检测阶段收集的海量告警数据进行分析和处理，在网络中找出故障，为下一步的故障原因的诊断提供依据。
（3）故障原因的诊断，即查找故障产生的根源。根据故障定位的结果综合运用各种规则进行系统的推理，快速的找到故障产生的原因或者最可能的原因。
（4）故障修复。根据网络故障诊断结果修复网络故障，恢复网络的正常运行。
（5）故障预测，即根据先验知识和监测数据预测网络可能发生的故障。
其中故障检测，故障定位，故障原因诊断是必不可少的三个步骤，下面将重点对上述三个步骤进行详细的介绍。
2 网络故障检测
通常计算机网络通过以下两种方式收集信息，通过分析收集到的信息来检测故障[2]。
（1）Trap机制。在网络中每一个被管设备中都要运行一个程序以便和管理站中的管理程序进行通信。
（2）主动轮询。网络中发生故障的被管设备或服务主动向网络管理系统发出告警信息，能够及时发现网络中的故障，网络管理系统还需通过主动轮询这种方式了解与网络性能密切相关的信息，并对这些影响网络性能信息设置阈值，来判断网络性能，超过设定阈值也会触发事件。
3 网络故障定位
网络系统中，一般通过监测被管设备或服务等各种方法获取大量原始告警数据或历史积累信息，这些数据往往由于通信系统的复杂性、网络结构异构性、噪声、外界因素、因果关系等原因而具有相当大的不确定性和不精确性，导致故障症状和故障原因都存在非线性映射关系，需要利用关联技术对数据进行处理和分析才有效的进行故障定位[3]，目前常用的故障定位技术主要有下面几种：
3.1 基于人工智能的故障定位技术
3.1.1 基于规则的推理技术
基于规则的推理（Rule-based Reason，RBR）是最简单的关联技术，已被用于多种构架。一般而言，基于规则的系统由三个组成部分组成，如图1所示。
（1）推理引擎，主要提供解决问题所需要的策略。
（2）知识库，提供和定义与问题相关的规则和专家知识。
（3）工作内存，主要提供解决问题所需要的数据。
在基于规则的推理的网络故障定位系统中，知识库充当一个专家的角色，利用从人类专家获取专家积累的经验和知识，这些知识主要包括对网络问题的定义以及当某一特定问题发生时，网络故障定位系统需要执行的操作。工作内存主要是利用具体的网络协议对网络中的被管设备或服务进行监测，得到有关被管设备或服务的各种信息。在对网络故障进行定位时，推理引擎与知识库共同合作，将监测得到的网络中被管设备或服务的状态信息与知识库中定义好的条件部分进行比对，根据条件满足与否，来进行网络故障的定位。
基于规则的网络故障定位系统，由于无需对专家系统的具体结构和操作细节进行深入了解，从而具有结构简单等诸多优点，并且实现起来比较简单，非常适用于小型系统。但是基于规则的网络故障定位系统在匹配规则时，需要网络状态与知识库中的规则条件精确匹配，否则将推出整个推理过程，无法定位故障，并且规则存在不易维护性和指数增长性，所有这些缺点决定了基于规则的网络故障定位系统不适用大型系统。
3.1.2 基于模型的推理技术
基于模型的推理（Model-based Reason，MBR）是建立在面向对象上的基础之上，利用现有的专家经验和知识，将具体的目标系统中的实体都模型化诊断对象，并且明确地表现出现实目标系统中对象之间存在的各种关联关系，再根据系统模型对具体的目标系统的行为进行推测。由于通常情况下，具体的目标系统与理想的系统模型之间存在差异性，因此基于模型的推理的专家系统需要对推测的行为和目标系统的实际行为进行不一致诊断，以确定具体目标系统中的故障根源。
为了更好地说明基于模型的推理专家系统的工作流程，文献[4]使用一个物理模型和对应的对等模型分别如图2、3所示的网络系统。网络系统按一定的周期，有规律的向图2中的被管设备发送ping命令以监测网络系统中的被管设备是否运行正常。管理系统和被管设备之间通过一个模型对象实现彼此之间的相互通信，具体来说，如图2所示，系统中的集线器模型向被管设备集线器发送ping命令，路由器模型则向被管设备路由器发送ping命令。当目标网络发生故障时，如果故障发生在集线器1，则集线器1模型可以将其发现并且识别出来，如果集线器1模型连续3次向被管设备集线器1发送ping命令，在3次响应超时以后，集线器模型1根据现有的网络现象推测被管设备集线器1有可能发生故障，或者说目标系统中的故障位于集线器1。集线器1模型则会在确定故障并正式发送告警信息之前，集线器1模型将分析自身与图2中其他被管设备的模型之间的关系以此来确定其是否应该询问网络中路由器模型，如网络中的路由器模型返回的是相应的被管路由器设备工作处于正常状态，则集线器1触发警报。
3.1.3 基于范例的推理技术
基于范例的推理（Case-based Reason，CBR）故障定位技术与前面的基于规则推理技术和基于模型推理技术相比具有很大的差异性，主要因为基于范例的推理技术的思想源于人类现实生活，主要根据过去积累的实际经验或经历，利用类比的推理方法对现有的新问题做出相似的解答，然后根据新问题与旧问题之间的差异对解答进行修改从而得到新问题的完全解答。基于范例推理的网络故障定位技术主要由四个部分组成，检索 （Retrieve）、复用（Reuse）、修正（Revise）、保存（Retain），简称4R过程。
基于范例推理的故障定位技术与基于规则推理的故障定位技术相比，由于在基于范例推理的故障定位技术中检索只是基于对案例的部分匹配，而基于规则推理的故障定位技术则是完全匹配，因此基于范例推理的故障定位技术对网络配置变化的适应度更好，更适用于问题的总体解决方案。
3.2 模型遍历技术
模型遍历技术（Model traversing techniques）是一种构建网络故障传播模型的方法，该方法在构建故障传播模型时，主要根据网络在运行时各种被管对象之间的相互关系，并且按照从引起事件的被管对象开始的顺序进行构建。该方法主要适用于网络中被管对象之间的相互关系类似于图形，并且一般情况下较容易获取的情况，并且在系统配置变化较频繁时该方法的鲁棒性很好。模型遍历技术主要具有两大特点，事件驱动和事件关联，所谓事件驱动是指在一个故障症状报告到来之前，系统一直处于等待故障症状状态；事件关联则是确定两个故障症状是否来源同一个事件源。
一般情况下，模型遍历技术需要在其事件报告中明确标识网络系统中故障的征兆类型、征兆目标等相关信息，如果网络系统中出现故障征兆，且不妨用si来表示该故障征兆，当si的目标和si来源相同，则说明si是一个次要征兆也就说明某些告警信息可以被忽略。模型遍历技术的整个处理可分为以下3步：
（1）首先，对网络中的每个事件，依据网络在运行时各种被管对象之间的相互关系对其构建一个和事件源相关的对象图。
（2）当给定的两个事件的对象图相交时，此时说明两个图至少包含同一个对象，则认为这两个对象图的事件源是关联的。
（3）当给定三个故障症状si，sj，sk，其中si，sj相互关联，sj，sk相互关联，则根据故障症状的传递性可知si是一个次要的故障症状。
4 网络故障原因诊断
（1）基于信号处理方法。该方法主要是依据信号模型，直接对网络系统中的可测信号进行分析与处理，并通过提取可测信号的频率等特征值，对网络中存在的故障原因进行诊断。
（2）基于解析模型的方法。基于解析模型的方法主要依据数学模型和数学方法来进行故障原因的诊断，在诊断时需要建立对象的精确数学模型。
（3）基于知识检测的方法。与基于解析模型方法相比，此方法最大的特点在于其并不需要对象的精确数学模型就可以对网络中的故障原因进行诊断。
下面主要介绍几种目前国内外研究学者研究比较多的基于知识检测的方法，基于专家系统故障原因诊断方法和基于模糊理论故障原因诊断方法以及基于BP神经网络故障原因检测方法。
4.1 基于专家系统故障原因诊断方法
基于专家系统故障原因诊断系统主要是利用人类专家的经验和历史积累诊断数据，使用一定的方法将其转化为系统能够识别的规则存在专家系统的知识库中。当网络中出现故障时，诊断系统利用专家系统知识库中的规则，对发生故障网络中的被管对象的各项性能参数进行处理与分析以正确的确定网络故障发生的具体原因[5]。组成由人机接口、推理机、知识库等六部分组成：
目前，国内外学者公认的专家系统瓶颈是知识获取问题，因为专家系统在诊断过程中主要依赖于从人类专家领域内获取的知识、经验和以往诊断数据，而这些获取起来途径有限，操作起来具有一定的局限性和复杂性。另外，专家系统在实时性和学习能力等方面也存在一定的局限性，因此目前通常将专家系统同其他方法相结合以提高专家系统在这些方面存在的局限性和不足。
4.2 模糊故障诊断方法
很多时候，网络中的故障与系统得到的网络现象之间存在非线性的映射关系，这种非线性的映射关系很难用确定的数学公式或者模型来刻画，相应的在故障原因诊断时，很难给出故障的精确原因。相反，只能给出故障发生的可能原因。对于这种存在一定模糊性的问题，可以使用模糊逻辑来解决。
目前使用的比较多的是向量识别法，其诊断过程可分为以下3步：
首先，需要根据网络中的故障与表征网络故障的数据，建立二者之间的关系，通常用关系矩阵R来表示。
其次，对需要诊断的目标网络系统（对象）进行状态检测，提取相关的特征参数以构建特征向量矩阵X。
最后，根据模糊理论和矩阵理论，求解前面两步构建的关系矩阵方程Y=X・R，得到关系矩阵方程的解Y，再根据隶属度等原则，对目标网络系统的故障向量Y进行处理，得到故障的原因。
从上述诊断过程可知，在模糊故障诊断中，正确的进行故障原因诊断的前提是建立关系矩阵R、隶属函数、特征值向量X，而这些矩阵、函数、向量的建立是人为构造而成，难免具有一定的主观性，并且由于该模糊诊断方法对特征元素的选取也有一定的要求，所以两者若处理不当，会导致该方法的诊断结果精度严重下降甚至完全错误。
4.3 BP神经网络诊断方法
由于人工神经网络的这些特性以及网络中故障与征兆之间有可能存在的非线性映射关系，使得人工神经网络在网络故障诊断中大有用武之地。目前，人工神经网络已经大量应用在网络故障诊断领域。BP神经网络是常用的人工神经网络模型[6]。
BP神经网络故障诊断分为训练和诊断两个阶段：
（1）训练阶段。BP神经网络对样本进行训练，以选定网络结构和规模，确定网络总层数、各层神经元数。借助BP学习算法，将原始网络收集到的故障样本的特征参数作为BP神经网络输入样本集，以与之对应的网络故障原因编码为BP神经网络的输出，以此对BP神经网络进行训练。
（2）故障诊断阶段。主要对待检测对象的故障样本进行特征提取和归一化处理，然后输入到BP神经网络进行诊断输出诊断结果，整个过程分为以下4个步骤：1）故障样本集预处理。2）BP网络结构设计。3）训练BP神经网络。4）故障诊断。
5 结束语
本文对网络故障的概念以及基本过程进行了概述，重点对当前网络故障中的故障检测、故障定位、故障诊断的关键技术及方法进行了研究和总结归纳，对开展网络故障诊断技术研究具有一定的指导意义。
参考文献：
[1]王成等.网络故障诊断技术研究[J].科技信息，2011（11）.
[2]陈琳.一种网络环境中的故障诊断模型[J].北京航空航天大学学报，2004（11）.
[3]张燕.网络故障诊断关键技术[J].电脑知识与技术，2009（31）.
[4]李千目.战略互联网智能诊断技术研究[D].南京理工大学，2005.
[5]吴晓知，李兴明.网络故障管理专家系统中知识库的构造[J].微计算机信息，2008（06）.
[6]戚涌，刘凤玉.基于BP神经网络的网络智能诊断系统[J].微电子学与计算机，2004（10）.
钻井泵是油田重要的钻井循环设备，由于钻井过程中工况恶劣，钻井泵经常会出现液力端或动力端故障，影响整个钻井作业。钻井泵上零部件很多，出现故障的类型也呈多样化和复杂化［1］，当前对钻井泵故障的诊断主要靠工程师的观测与经验判断，很难及时准确地预测钻井泵存在的风险，发生故障时，往往也难以准确判断故障的类型与位置，这导致泵的工作效率低下，严重影响了钻井作业。随着随钻测量技术、粗糙集理论等的发展，对钻井泵的故障监测与诊断，亟需从简单的人工监测参数曲线和超阈值检测等方式转移到信号处理等更为先进的方式［2-4］。振动诊断技术通过监测机械设备运行过程中的振动信号来判断设备故障，是一种先进的诊断方法，本文探讨了其在钻井泵中的应用。
1钻井泵故障分析
了解钻井泵的结构，对常见故障与产生原因进行分析和总结，这对确定传感器的合理安装位置、做好故障监测与诊断都有重要意义。钻井泵的结构主要分液力端、动力端，本节分析了不同部位产生故障的情况。
1.1液力端常见故障分析
液力端中易损件有：吸入、排出阀，密封高压泥浆的钢圈、橡胶垫和O形圈、虹套及活塞总成。在钻井泵运转时，由于冲击和阀隙液体的高速反向流会对阀体或阀座造成冲蚀磨损；密封圈受到高压泥浆的磨损可能会出现密封不严的情况；活塞在虹套内做往复运动，受摩擦力和冲击力的作用较大，且不容易散热，易造成磨损。
1.2动力端常见故障分析
钻井泵的动力端主要包括主螺栓、轴承、齿轮、十字头总成等。主螺栓和轴承承受了交变应力的作用，会因应力集中出现材料疲劳的破坏；大小齿轮是钻井泵动力输出的核心部件，在重载、高温、失效等情况下，齿轮齿面出现胶合现象，引起齿面磨损，接触点的应力呈脉动循环变化，进而产生细小的疲劳裂纹，形成点蚀或变形；十字头与导板直接接触，受到的摩擦力较大，若有杂质混入，极易造成十字头与导板面磨损。
1.3故障分级
根据故障的严重程度，将故障分为两个等级，再制定出相应的检修方案。Ⅰ类故障是指故障非常严重，必须停产维修的，主要包括：主螺栓断裂；吸入、排出阀弹簧断裂；阀座与阀箱间刺漏；杂物卡住吸入或排除阀；大齿轮或传动齿轮轮齿断裂；轴承、轴承圈和滚柱断裂；十字头与导板间隙大于设计允许值等。II类故障是指轻微故障，可以使用一段时间后再维修的，主要有：齿轮明显磨损变形；轴承磨损间隙增大；阀体和阀座明显磨损；活塞严重偏磨虹套；十字头与导板磨损间隙明显增大等。
2振动诊断技术的应用步骤
2.1振动诊断技术
机械设备在运行时一定会产生振动信号，正常工作时振动的频域和时域都在一定范围内，特征值具有一定的规律，如果设备存在隐患或者已经出现故障，其振动信号就出现异常，通过监测设备的振动信号，根据波形分析法或者频谱分析法来判断其故障隐患和类型，从而制定出合理的检修方案，这就是振动诊断技术。该技术可以实现对设备的在线监测和实时诊断，是具有综合性、智能性的先进故障诊断技术［5-6］。
2.2诊断步骤
振动诊断技术在钻井泵故障诊断时，如图1所示，一般采取的步骤为：1）确定诊断范围，对钻井泵的各个零部件，特别是液力端和动力端容易出现故障的主要零部件的基本结构、工作原理、连接关系、运行特性、工艺参数等充分掌握；2）选择诊断方案，根据不同的诊断需要，可以制定出不同层次的诊断方案，如简易诊断，主要是采用振动计、振动测量仪等仪器，采用有量纲幅域参数、无量纲幅域参数或者振动趋势等方法，而精密振动诊断，则是采用振动信号分析仪和离线监测与巡检系统，采用时域分析或频域分析的方法；3）安装测量仪器，在确定诊断方案后选用相应测量仪器安装在钻井泵需要监测的零部件上，应确保测量位置的合理性，并检查其是否能正常运行；4）对测量数据进行判断，通常采用标准识别法或者图像识别法对设备的振动状态进行判断，标准识别法主要是将幅域参数、g/SE值、冲击脉冲值等，与绝对标准、相对标准、类比标准等进行对比，图像识别法则是将测量的频谱（或波形）与同一工况下标准模式进行对比；5）作出判断决策，通过对运行参数的识别，对钻井泵的运行状态做出判断，并给出相应的处理意见，如果钻井泵存在的故障属于II类故障，可以进一步监测，使用一段时间后再进行维修；若属于Ⅰ类故障，则需要立即停机修理；6）事后检查验证，振动诊断后还要向具体的故障修理人员了解故障的详细情况，以验证诊断结果是否准确，从而能够不断改进诊断方法，使其更加准确。
3故障诊断实例
因钻井泵工作环境恶劣，齿轮是最重要的、也是最容易出现故障的零部件之一。本节以钻井泵中某齿轮为例，分析了振动诊断技术在其故障诊断中的应用。钻井泵动力端上某齿轮的参数为：电动机额定转速为500r/min，小齿轮齿数为40，大齿轮齿数为150。在其上面安装振动传感器，当电动机转速为180r/min时，测得大齿轮上的频谱如图2（a）所示，对频谱进一步细化得到图2（b）。根据齿轮的运行参数已知，齿轮的啮合频率为（180/60）×40=120Hz，大齿轮低速轴的频率为0.8Hz，但在测试点的频谱图1（a）上却没出现啮合频率的峰值，而是在183Hz处出现最大峰值；观察细化频谱图1（b）发现183Hz两侧有0.8Hz的边频带，而0.8Hz为低速轴的频率。为了查找出现183Hz的原因，将运行转速调至500r/min，发现频谱中仍有183Hz的峰值，这说明183Hz为大齿轮的固有频率，大齿轮因存在严重故障而出现的固有频率。停机检查发现，大齿轮有3个齿顶严重凸起，其他的齿面严重磨损，出现凸凹不平的现象，认为频谱中183Hz峰值是由其引起的。更换大齿轮后，再检测时频谱中异常峰值消失。这则实例说明，故障的实际情况与振动诊断结论具有一致性，振动诊断技术准确性较好。
4结语
关键词:矿山机电设备;故障诊断;技术分析
机电设备故障诊断技术的应用对于保证机电设备功能的稳定发挥具有基础性意义，因此，需要在设备发生故障时，及时发现和处理，为矿山生产提供技术支持。
1矿山机电设备故障诊断技术原理分析
为了提高矿山机电设备故障诊断工作质量，需要对各个工作环节进行严格把控，特别是需要根据实际情况综合应用多种技术和设备。矿山机电设备故障诊断技术原理主要如下:①需要建立具有针对性的数学模型，矿山机电设备在正常运行状态下收集其各项参数，若机电设备出现故障，则将当下设备运行参数和正常运行状态下的参数进行比对，从而判断故障发生的原因以及类型判断;②对机电设备故障的诊断工作是需要基于多种信息分析工作之上，需要借助信息次采集技术对机电设备工作状态下的相关信息传送到计算机再进行类型判别，为技术人员的具体工作提供参考依据;③机电设备的运行信息录入计算机后，只需要技术人员通过个人的专业知识进行简单分析就可以完成故障的诊断工作，也可以对矿山机电设备故障的严重程度进行评估;④对收集到的信息进行转化处理，变为人们可以识别的信息，这样便于故障处理方案的制定。
2矿山机电设备故障诊断技术
2．1主观诊断技术
主观诊断技术就是根据工作人员往常的工作经验对矿山机电设备故障类型进行主观判断。该技术对于技术人员的要求较高，但是操作便捷，技术人员可以通过视觉、嗅觉等感官实现故障诊断。为了保证故障诊断结构的有效性，技术人员可以综合机械设备辅助工作，但是主要以技术人员的主观判断为主。该诊断技术适用于所有类型的故障诊断工作，但是因为存在主观影响因素，因此判断的准确性和可靠性有待提高。
2．2仪器诊断技术
收稿日期:2016－05－09作者简介:刘庭华(1969－)，男，重庆合川人，大专学历，工程师，现在贵州贵能投资股份有限公司水城县比德腾庆煤矿主要从事矿山机电管理工作。所谓仪器诊断技术就是指应用各类仪器设备，通过对矿山机电设备的检测，对运行参数进行分析，从而判断机电故障的技术。该诊断技术诊断结果比较准确，在当前矿山生产中的应用范围广泛。同时，随着技术的发展，该技术日益成熟，其操作也更为简便。
2．3数学模型诊断技术
数学模型诊断技术是在数学相关知识的基础上逐渐发展的诊断技术，综合了动态检测技术和传感器技术。通过对机电设备相关参数的分析处理，可以辅助技术人员完成部分故障诊断工作。该技术在应用过程中必须根据矿山生产实际情况相符的数学模型，才能够保证诊断结果的准确性。2．4智能诊断技术智能诊断技术是对特征进行比较，通过对人脑的模拟，实现对故障信息的采集、分析以及处理工作。该技术的应用重点在于需要建立和机电设备相关的故障特征数据库，机电设备出现故障后，只需要将其故障信息和数据库中相应款项的信息进行比对，即可初步判断故障类型以及发生故障的原因。当前神经网络系统和专家系统是比较常见且应用比较成熟的智能诊断技术。
3矿山机电设备应用故障诊断技术
因为矿山生产中涉及的设备数量较多，就必须对设备的应用特征、诊断技术等进行准确分析。
3．1采煤机故障诊断
采煤机故障诊断系统中包含变频器通信模块，其可以及时获得采煤机的各项运作参数。在变频器通信模块的显示屏中，技术人员可以全面了解到采煤机运作电流、变频器电压、运作速率等多种参数，因此可以了解到采煤以及实际生产情况;变频器通信模块的功能多样化，其主要包括过载保护、过压保护、过流保护等。诊断系统中还包括故障诊断模块，可以和互联网相连接，采煤机发生异常时，可以将相关情况如信息数据等传送至显示屏，技术人员可以通过显示屏中显示的画面对发生故障的原因以及发生故障的准确位置等进行分析，从而使采煤机故障解决方案更有效，实施效率更高。
3．2电动机故障诊断
采矿作业中矿山电动机的故障类型较多，其中主要包括定子绕组故障、放电故障等。在对放电故障进行判断时，需要根据故障的主要特征进行。通常故障诊断中较为常用的设备是电流互感器以及高频检测器等，在了解了电动机实时运行数据之后，将其和正常运作下的数据进行反复比对，从而制定具有针对性的防治措施。在对电动机短路等故障进行检测过程中，该故障会出现电流短时间内大幅度增大，技术人员需要根据电流的具体参数值进行故障诊断。在对断相故障进行诊断时，技术人员需要借用零序电流和负序电流等参数进行故障判断，从而便于及时处理。
3．3提升机故障诊断
通常情况下，提升机中经常出现的故障就是松绳故障。技术人员需要借助设备机械对松绳的情况进行跟踪观测，观察其变化情况，若出现异常数据，需要及时处理。监测设备需要具备报警功能，在出现异常能够及时传送消息给集控中心，同时也可以通过调整参数以保证自身运作状态恢复正常，自行排除故障。
4结束语
矿山机电设备运行状况和矿山安全生产息息相关，所以，需要加强对矿上机电设备故障诊断的研究。作为维修人员，需要通过不断学习提高自身的专业素质，并且适当引用新型科学技术对机电设备的故障进行准确判断，从而提高维修的准确性以及时效性。
作者:刘庭华 单位:贵州贵能投资股份有限公司
参考文献:
［1］彭广宇，等．浅谈故障诊断技术在矿山机电设备维修中的应用［J］．科技致富向导，2012，9:349．
［2］刘锦．故障诊断技术在矿山机电设备维修中的应用［J］．科协论坛，2012，3:57－58．
在我国汽轮机故障诊断技术的研究晚于国外，但是通过后期的不断努力对于汽轮机故障诊断的相关技术发展迅速。在我国汽轮机故障诊断由最早的从国外引入先进技术再到后期的自主研究，这个发展的过程时间较长，但是对汽轮机在今后工业发展中的使用奠定了坚实的基础。汽轮机故障产生的原因有很多种，针对不同原因产生的故障情况采取相应的措施进行维护，这样将汽轮机故障造成的影响降到最低，有效的节约工业运营成本对于工业今后的发展非常有利。下面本文将对汽轮机故障诊断技术进行详细的分析。
1 国内在故障诊断系统设计和系统实现方面的研究
在国内较为常见的汽轮机故障诊断系统，主要通过对故障信息的采集，相关的信号处理工作、对于数据的分析、推测故障原因、故障情况确定这一系列的步骤进行。在我国研究汽轮机故障诊断系统的初期，相关的工作人员已经研究出多种故障诊断的方法，但是诊断的效果不够明显，对于故障的情况不够理想。随着技术人员的不懈努力，制定出多种完整的故障诊断系统，使我国的工业得到了更好的发展，为社会的进步贡献自己的力量。
2 汽轮机故障诊断技术的发展
2.1 信号采集与信号分析
（1）传感器技术。目前汽轮机工作的环境较为特殊，在汽轮机故障诊断过程中容易受到周围环境的干扰，使诊断的结果产生一定的误差，针对此类情况，应当提高故障诊断技术的传感器性能，对于传感器的使用性能和可靠性进行研究，从而减少在故障诊断当中误诊和漏诊的现象。（2）信号分析与处理。信号的分析主要针对在汽轮机故障诊断中对于振动信号的处理能力，在一般的汽轮机故障诊断系统当中，通常采用傅里叶变换的基本思想，傅里叶变换的思想对一般的信号频率转换成函数的分析模式，并且具有一定的规律，在日常的使用中对于这种频率信号的测量结果不会产生影响，但是在故障诊断时信号的频率会产生多种变化的情况，通常是不稳定的，所以在故障诊断技术当中信号的诊断和分析，仍旧是目前有关机构研究的课题。
2.2 故障机理与诊断策略
（1）故障机理。故障机理是故障的内在本质和产生原因。故障机理的研究，是故障诊断中的一个非常基础而又必不可少的工作。目前对汽轮机故障机理的研究主要从故障规律、故障征兆和故障模型等方面进行。由于大部分轴系故障都在振动信号上反映出来，因此，对轴系故障的研究总是以振动信号的分析为主。（2）诊断策略和诊断方法。在汽轮机故障诊断中用到的诊断策略主要有对比诊断、逻辑诊断、统计诊断、模式识别、模糊诊断、人工神经网络和专家系统等。而目前研究比较多的是后面几种，其中人工神经网络和专家系统的应用研究是这一领域的研究热点。
2.3 汽轮故障机诊断的关键点
（1）温度监测。相关的检测系统主要针对汽轮机两种情况下的温度进行测量，第一种是转子支撑情况的轴承和轴瓦的温度，主要针对汽轮机轴瓦的温度，从而判断冷冷却的程度，如果冷却的程度无法达到标准就表示会产生故障的情况越大；而第二种是汽缸金属与汽缸壁之间的温度差，对于温度差的检测是针对汽缸受热情况分析主要凭证，温差过大会产生汽缸内部的动静间隙变少甚至消失，从而产生摩擦导致停机的现象。（2）振幅。振幅是汽轮机监测系统中比较关键的参数，在KIT系统中主要检测轴承以及转子的振动。它是反映转子运行状况以及轴承自身稳定状况的依据。（3）热变形。由于热态时金属有较大的热变形，因此汽轮机设置了较为严密的滑销系统以保证汽缸和轴承按照指定的方向来膨胀，以防止发生动静碰磨。汽缸的绝对膨胀和相对膨胀（差涨数据是反映汽缸内部间隙情况的重要依据。（4）管道设计。管道设计布置不合理，汽轮机热态运行时汽缸受到的外应力过大，造成中心走动太多，引起机组的强烈振动特别是功率大的背压式汽轮机，进、排汽管道的布置极为重要，需用弹簧吊架的一定要用，不能省略。否则汽机在热态中运行时受外力的牵连过大，会造成汽缸变形、中心偏移等现象。
3 诊断技术与应用
3.1 检测手段
汽轮机故障诊断技术中的许多数学方法，甚至专家系统中的一些推理算法都达到了很高的水平，而征兆的获取成为了一个瓶颈，其中最大的问题是检测手段不能满足诊断的需要，如运行中转子表面温度检测、叶片动应力检测、调节系统卡涩检测、内缸螺栓断裂检测等，都缺乏有效的手段。
3.2 材料性能
在寿命诊断中，对材料性能的了解非常重要，因为大多数寿命评价都是以材料的性能数据为基础的。但目前对于材料的性能，特别是对于汽轮机材料在复杂工作条件下的性能变化还缺乏了解。
3.3 复杂故障的机理
对故障机理的了解是准确诊断故障的前提。目前，对汽轮机的复杂故障，有些很难从理论上给出解释，对其机理的了解并不清楚，比如在非稳定热态下轴系的弯扭复合振动问题等，这将是阻碍汽轮机故障诊断技术发展的主要障碍之一。
3.4 人工智能应用
专家系统作为人工智能在汽轮机故障诊断中的主要应用已经获得了成功，但仍有一些关键的人工智能应用问题需要解决，主要有知识的表达与获取、自学习、智能辨识、信息融合等。
4 汽轮机故障诊断需要注意的问题
现阶段我国有很多的学者以及研究人员针对汽轮机故障的诊断技术进行了深入研究，从而取得了一定的成效，在汽轮机故障诊断技术较为成熟，但是仍有许多的不足，下面针对汽轮机故障诊断技术的相关问题进行分析。
首先利用现阶段的检测技术对汽轮机故障产生的情况有一定的了解，在今后的汽轮机故障诊断技术研究当中，应当以出故障机理为基础，随着对故障机理的深入研究，为故障诊断技术确定一个明确的研究方向；其次，对于现阶段掌握的知识的运用也是汽轮机故障诊断技术的重点问题，所以应当增加产生汽轮机故障情况的知识含量；最后，利用先进的科学技术手段对汽轮机故障产生的问题进行研究，从而得到较为完整的故障诊断技术体系。
结束语
结合以上的叙述对汽车故障诊断技术有一定的了解，在汽轮机故障诊断之前，首先对产生故障的情况进行分析，通过一定的技术手段对产生故障情况的数据进行采集和处理，通过传感器技术、信号分析处理等技术，对于产生故障的原因进行判断，温度监测、振幅、热变形以及管道设计等都是汽轮机经常产生故障的位置，这样就需要在平时的工作当中加强汽轮机的维修和检查工作避免故障的发生，在故障产生之后对汽轮机的故障的情况进行检测利用相关的技术手段保证故障诊断的准确度，为后期的故障产生后的弥补工作做准备。
参考文献
关键词:矿山机电设备;故障诊断技术;应用
对于矿山机电设备而言，故障诊断技术可以对其运行的状态进行了解和掌握，并判断整体设备或者局部部件是否存在异常，找出故障与产生故障的原因，而且可以对故障发展的趋势进行预测。随着经济的发展，矿山开采活动日益频繁，大量的机电设备投入运行。在开采作业中，这些机电设备有很大机率发生故障，为了能够及时地诊断并进行维修矿山机电设备的故障，应用故障诊断技术已成为大势所趋。
1矿山机电设备维护与维修的要点
矿山机电设备在运行过程中会发生各种各样的故障，为了确保机电设备能够正常运行，应当做好预防为主的计划检修工作，时刻保持对机电设备的观察检测，若在机电设备的使用过程中发现潜在的安全隐患，则需要进行及时的排除与维护。同时，对矿山机电设备要定期进行检查，也就是计划检修，如果在检修过程中发现有安全问题或者设备磨损等情况，则需要进行及时维修。其次，在生产的同时兼顾设备检修，正确处理好二者之间的关系。对于煤矿生产安全工作而言，设备检修也是其重要的一部分，同样需要投入一定的财力、人力以及物力。而有些煤矿为了确保年产量完成任务，忽视了设备的维护检修工作，从而使得有些机电设备带病工作，不但对日常的生产工作造成影响，而且容易引起煤矿安全事故。最后，日常保养与定期专业维修相结合。应由专人负责机电设备的日常维护和保养，同时，专业的修理单位也要对机电设备进行定期检查和维修。
2矿山机电设备故障诊断技术的应用分析
2．1主观诊断技术的应用
所谓主观诊断技术，主要是通过运用简单的维修仪器，或者以以往的实践维修经验为依据来诊断设备的故障。主观诊断技术具有快速便捷的优势，其不足在于可靠性不高。主观诊断技术又可以进行多种划分，一般有以下五种:直觉经验法、故障树分析法、逻辑分析法、堵截法、参数测量法［1］。直觉经验法主要是指以感官和经验为依据，辅之以看、听、摸、闻和问等，对故障产生的原因进行诊断。直觉经验法能够及时解决故障，但可靠性不高。故障树分析法主要是先以系统为依据，将故障树逻辑结构图做出来，在故障树的顶部画出系统故障事件。作为顶事件，在故障树下画出引起系统故障的基本事件。作为底事件，再以各个元件的故障率为依据，最后找出系统故障。这一方法适用于比较复杂、大型的系统故障。逻辑分析法主要是经过逻辑分析故障的常见现象与逻辑关系，以此对故障产生的原因与位置进行确定，进而解决故障问题。堵截法主要是通过分析液压系统的构成，并结合故障现象，以此为依据对堵截点进行选择，再通过对系统压力和流量的变化进行堵截观察，以此确定故障点。参数测量法主要是在系统回路中测出所需点的工作参数，然后和系统正常工作参数进行比较，从而发现参数正常与否，进而判断出故障和故障点的位置，适用于定量预报和在线监测。
2．2仪器诊断技术的应用
仪器诊断技术就是通过控制设备系统的主要参数，既包括振动、温度、压力和力矩，也包括执行部件的速度、泄漏等，使用计算机进行运算，或者使用相关仪器进行显示，进而得出诊断结果［2］。在仪器诊断技术中使用到的诊断仪器包括综合型、专用型和通用型三种。仪器诊断技术在发展过程中，逐渐呈现出了多样化，不但包括便携式和非接触式，还包括了智能化和多功能化。
2．3数学模型诊断技术的应用
数学模型诊断技术使用的就是数学方法，通过对一些特征值进行测量，进而对这些信号进行相关性的分析和处理，以此确定故障的源头。从本质上说，数学模型诊断的基础是信号和建模处理，其手段是传感器技术与动态测试技术。
2．4智能诊断技术的应用
智能诊断技术主要是由系统进行控制，对人脑特征进行模拟，对故障信息进行有效的获取、传输和处理，同时进行再生和利用，对系统中事先存储的专家诊断经验进行再次使用，从而诊断设备故障。智能诊断技术又可以划分为多种类型，其中既包括神经网络系统诊断法和灰色系统诊断法，还包括了专家系统诊断法和模糊诊断法［3］。而这四种方法中又以神经网络与专家系统研究的最为广泛，实现了智能化故障诊断。这两种智能诊断技术多用于煤矿机电设备，其潜力巨大。以人工智能为技术基础的专家诊断系统，主要是通过计算机技术的使用，对某些领域有巨大贡献的专家进行模拟，将他们的经验方法用于设备故障的解决，这种诊断方法较为先进。
3故障诊断步骤
3．1建立数学模型
矿山机电设备在正常运行时会产生许多数据和参数，这些数据、参数能够准确反映矿山机电设备运行的状况，为机电设备的故障诊断提供了十分重要的依据。建立数学模型就是为了更好地收集这些参数数据。从本质上来说，故障诊断数学模型可以简单划分为两个层次，即定性和定量。所以，矿山机电设备应当遵循这一原则来建立故障诊断数学模型。
3．2采集、处理和分析
信息进行信息数据的采集时，将传感器针安装在矿山机电设备上，在运行过程中，机电设备发出的各种信号通过传感器针进行采集和测量，然后对这些收集的信息进行传送并储存在数据贮存器中，实现对参数数据的了解和掌握。这些数据还不可以直接作为故障诊断的依据，还必须进行相关的处理，删除没有价值的信息，对有价值得信息进行转换，使其成为能够被直接理解的数据，再进行分析和比较，将设备正常运行的参数标准当作参考的对象和依据，对矿山机电设备的运行状态进行判断，最终确定设备故障，并找出故障原因。
3．3故障的预测
对信息进行科学有效的分析后，将其作为重要的基础数据，以此来预测和评估机电设备的故障情况。对于机电设备各元件的使用情况或使用寿命，也可以用基础数据来进行预测和评估。经过预测评估，机电设备的日常保养和维修便有了科学有效的数据依据。
4结语
综上所述，矿山机电设备故障诊断技术的应用具有重要的意义，其有助于机电设备的维护与维修，确保机电设备的正常运行，保证了矿山生产的有序进行。对设备的诊断维修，能够使设备的使用寿命得到延长，减少设备的运行维修成本，从而节约企业生产成本。
参考文献:
［1］杨晨光．浅析如何有效加强矿井机电设备的安全与维护工作［J］．科技经济导刊，2017(19):46．
［2］王晓英．探讨矿山机电设备中电气断路故障检测［J］．黑龙江科技信息，2012(33):70．
关键词：船舶；柴油机；故障诊断
中图分类号：TH17 文献标志码：A 文章编号：2095-2945（2017）20-0161-02
船舶运行环境特殊，柴油机作为维持其运行的主要动力设备，在受到各项因素的影响后，很容易出现运行故障，无法满足船舶运行要求。船舶柴油机传统故障诊断技术主要为看、听、摸、闻，想要更准确地判断故障部位以及原因，需要积极应用新型诊断技术，利用更短时间来得到更准确结果，为后续维护工作提供依据。
1 船舶柴油机故障诊断分析
1.1 故障诊断分析
对于船舶运行情况来看，柴油机故障发生概率比较大，在分析故障原因时，需要基于其结构复杂性，以及运行环境特殊性对各项因素进行综合分析，提高故障诊断结果准确性。船舶柴油机运动部件多、结构复杂度高，故障诊断技术难度大，需要在传统诊断技术上进行更新，积极应用新型技术与理念，准确诊断各类故障，为故障解决提供依据。船舶柴油机故障诊断，需要根据不同故障表现形式，掌握故障产生机理，从物理、化学等方面着手，根据振动、油耗、噪声、形变、磨损、气味等表现特征进行综合分析，选取适当故障特征参数，完成故障诊断[1]。
1.2 故障诊断流程
1.2.1 收集状态信号
故障诊断时首先要对船舶柴油机状态信号进行有效收集，其作为故障特征信息载体，可以为诊断作业提供有效依据。一般可以应用相关传感器或辅助测试仪器对运行状态的船舶柴油机状态信号进行收集，包括噪声信号、振动信号、转速信号、压力信号以及温度信号等。
1.2.2 信息选择提取
对于已经收集到的所有状态信息，进行分类和处理，然后从中确定柴油机故障表现最为密切的特征信息。并对所有特征信息值进行检验，掌握其变化规律，确定设备实际运行状态。但是就以往诊断经验来看，收集到的状态信号，受外部因素干扰较大，存在大量的干扰信号在其中，无法对特征信息进行有效选择和提取，是影响柴油机故障诊断效率的关键因素。
1.2.3 故障分析诊断
经过对有效状态信息的提取与选择，通过专业判断后确定柴油机运行状态是否存在异常，同时利用此数据和其他补充测试辅助信息来确定故障原因和部位。基于船舶柴油机结构的复杂性，故障发生部位可能为子系统、零件或者部件等，需要通过对所得特征信息与故障源可能会对系统性能指标造成影响的程度进行评估，综合分析判断故障等级[2]。现在所应用的故障诊断方法，就是通过对所得状态特征信息与标准值的对比，判断故障部位与程度，实现各部位状态识别。
1.2.4 决策制定实施
在经过对特征信息的分析对比后，判断柴油机故障源与等级，预测评估其发展趋势与影响程度，以此为依据来做好维修方案的编制，合理确定维修时间。同时，还需要根据故障性质和部位，来制定相应的维修措施与维修内容，并将最终维修方向传递给维修车间，确定维修任务。待所有维修任务完成后，及时将维修记录反馈给诊断中心，并且要将整个故障诊断与维修过程产生数据信息记录并存储到数据库内，便于后期维护时有效查询，提高柴油机运行综合效果[3]。
2 船舶柴油机传统故障诊断技术
2.1 热力参数分析法
应用此种方法来对船舶柴油机故障进行诊断，即利用船舶柴油机工作时热力参数变化，来判断确定其运行状态。例如气缸压力示功图、转速、排气温度、冷却水进出口温度与排放、滑油温度等，对其进行综合分析后，判断柴油机运行性能。其中，各项热力参数内，示功图所含信息最多，可以根据其来计算得到压力升高率、指示功、压缩压力，利用此来判断柴油机燃烧质量以及各缸功率是否平衡。但是示功图测量难度较高，尤其是需要通过示功图来诊断压力传感器寿命与可靠性，需要提高对此方面的重视。就船舶柴油机故障诊断技术发展水平来看，通过对曲轴转速波动来对柴油机运行状态进行监测和诊断，也可以获得可靠结果。柴油机运行时曲轴扭转波动产生转速波动，且与各缸发火相关，通过对转速波动的研究，便可以实现对缸内做功压力进行判断，并实现故障监测。
2.2 振动分析法
振动分析法的应用原理是，通过对船舶柴油机运行振动信号的测试、分析与处理，判断其内部各零部件状态，对故障进行有效诊断，具有准确率高、速度快等特点。目前我国应用此种方法来对船舶柴油机故障进行诊断，可以将振动传感器安装到气缸头部位，对振动信号进行收集和分析，判断诊断缸内故障，确定是否为柴油机主轴承故障，利用油管路内压力波信号对轴承故障进行诊断。通过对设备表面振动信号来完成柴油机气缸、活塞、主S承以及气阀故障诊断技术，现在已经研制出柴油机智能诊断仪DCM-Ⅱ，可以实现在不对柴油机进行解体情况下，完成故障诊断[4]。
2.3 油液分析法
应用油液分析法来对船舶柴油机故障进行诊断，即利用油品化验、含铁量检查、铁谱分析等，对油内磨粒浓度、磨粒形状与大小滨化、含铁量变化以及油质变化等进行整体磨损状态分析，确定柴油机运行状态是否存在异常。油液分析法包括油液本身物理化学性能分析与油液内不洁物质分析两种类型，其中第二种常见方法如光谱分析、铁谱分析、颗粒计数等[5]。对比其他故障诊断技术来讲，油液分析法对船舶柴油机故障特征信息的采集和提取更为方便，可以有效避免声振技术受频谱干扰影响。
3 船舶柴油机现代故障诊断技术
3.1 神经网络诊断
3.1.1 诊断原理
神经网络诊断技术在船舶柴油机故障诊断中的应用，即通过对故障实例和诊断经验的训练学习，利用网络内分布的连接权值表达学习，具有模式匹配、联想记忆以及相似归纳等能力，可以实现故障与征兆之间复杂的非线性映射关系。
3.1.2 诊断技术
（1）直接诊断。直接将神经网络用于船舶柴油机故障诊断，需要选择关键参数作为输入层，输出层则为故障参数，利用典型样本学习得到的权值进行模式识别。（2）自适应识别。自适应神经网络模式识别，主要是利用神经网络分布式信息存储与并行处理，消除了模式识别中建模与特征提取存在的麻烦，避免因模式不符或者特征提取失败对诊断结果的影响，提高故障识别准确性。（3）信号处理。利用神经网络来对信号进行处理，其主要是通过最优化算法与其智能化识别特点，保证可以为故障诊断提供有效特征信息。
3.2 专家系统诊断
基于专家系统的智能诊断方法，主要是利用研究领域专家专业知识作为依据，对船舶柴油机故障信息进行收集和分析，推理判断故障问题部位与原因。故障诊断专家系统的有效执行，需要将长期实践经验以及大量故障信息作为基础，设计一种智能计算机程序系统，对难以利用数学模型精确描述系统故障进行有效诊断。其中，专家诊断系统主要包括知识库、推理机、知识获取部分以及解释部分，且基本上均是利用产生式规则与框架来进行知识表达。通过产生式规则知识表达，可以利用人工智能语言来降低分析难度，同时还可以使得结果更符合人的心理逻辑，知识获取更为便利，例如常见的MI系统、KES系统、Expert系统等。对于诊断推理方面，重点为推理逻辑与推理模型的研究，模糊逻辑因其复杂性低已经得到了广泛应用。并且现在已经提出基于模型的知识库理论，促使推理机制发生根本改变，包括定性物理模型、神经网络模型以及可视觉模型等，进一步提高了人工智能技术的应用效果。将专家系统应用到船舶柴油机故障诊断中，充分实现了基于数字信号处理的深层诊断知识的研究。
3.3 混合系统诊断
可以根据实际需求来对各种诊断方法进行组合使用，例如神经网络方法与专家系统方法组合和人工神经网络方法与模糊推理方法组合，不仅可以降低故障诊断难度，同时还可以提高诊断结果准确性。根据不同方法诊断原理，进行合理搭配，争取获得准确可靠的诊断结果。
4 结束语
船舶柴油机结构组成复杂度高，再加上运行环境特殊，受到外部因素干扰后很容易出现运行故障，这样就需要采取有效措施进行故障诊断，为后续维护管理工作提供依据。对比不同诊断技术特点，以降低诊断难度和提高诊断效率为基础，合理选择技术类型。
参考文献：
[1]陈银平.船舶柴油机故障诊断中共振解调技术的应用[J].电子技术与软件工程，2016（19）：105.
[2]郭国军，孙亚丽.船舶柴油机监测与故障诊断技术分析[J].科技风，2016（15）：147.
[3]忠伟.分形技术与概率神经网络在船舶柴油机故障诊断中的应用[J].舰船科学技术，2016（12）：91-93.
【关键词】医疗电子设备 故障 诊断
1 引言
随着现代医疗水平的不断提高，越来越多的医疗设备得以应用。当面对医疗电子设备故障时，要及时做出诊断并排除，维护设备的功能。医疗电子设备的故障并非孤立存在，而是有一定的规律可循。只有掌握好电子设备的应用与故障间的频率，抓住主要故障问题点，才能更好地对根本原因进行明确，从而做出维修与维护。
2 医疗电子设备故障分类
医疗电子设备整体较为脆弱，在刚刚投入使用时，早期故障多由于使用不规范与设备内部磨合不良导致的故障。这种故障频率较高，而在经过一段时间的稳定运行后，故障发生频次将会大幅下降。早期故障诊断与检测多是由供应商负责，仍然处于试用阶段。而偶然故障期则是医疗电子设备在正常使用过程中由于某些非常见的问题导致的故障。一般而言多发生于设备应用的数年后，发生的频次没有明显规律可循。设备在稳定、可靠运行中发生偶然性的故障多是由于某个操作动作不规范、维护不当或设计缺陷导致的，这些缺陷类型将很难进行根治与处理。最后是耗损故障期。当电子设备的使用寿命即将结束时，由于使用时间过长，电子设备内部的部件产生老化、损坏或疲劳问题，导致电子设备的故障频发。设备管理人员要对设备的使用年限进行科学评估，针对不同时期的故障类型进行制定合理的维护措施，采用合理的诊断方法对电子设备故障进行分析。
3 传统的医疗电子设备故障诊断
医疗电子设备属于精密仪器设备类，其平时的保养十分重要，电子设备的正常运行同样离不开对于故障的诊断技术，只有通过合理的故障诊断，才能确定最合理的维护方法。传统的医疗电子设备故障维修主要集中在故障后维修、定期维护与状态预知维修等三种。
大多数的电子设备维修都是在故障发生后进行的，这种传统的维修模式有一定的适用范围，对于使用频次不高的设备或维修费用低的设备需要采用这种维修方法。面对发生的故障，能够在短时间内通过简单的方法进行故障诊断，确定出维修方案，对医疗的正常进行不产生严重影响。这种维修方法对于型号单一数量众多的设备非常适合。第二种维修方式是定期进行维护。电子设备的故障发生一般没有可知性。定期计划维护主要是对设备的状态进行持续检测，通过检测对电子设备内部的构件进行了解，避免潜在故障发生。这种维护方式对于工程量师的要求较高，需要相对专业的技术，但同时这种维护方式往往效果并不明显，多数工程师对于定期维护持有走过场的态度，认为故障一般不会发生，在故障发生后再进行维护也不迟。第三种是状态预知维修。这种与维护的不同之处在于及时对潜在的故障进行发展，提前进行维修，对于需要更换的器件、已经不良的部件等进行判断，方动进行维修，避免在故障发生后再进行处理。一些医疗电子设备使用频繁，而且一旦停机，将会对医疗活动造成严重影响。所以需要工程师提前进行判断。
传统的电子设备检修作用非常大。电子设备数量非常庞大，其拥有的技术与结构相对稳定。设备工程师需要结合设备的使用、维护记录与个人经验对故障进行分析，采用万用表、示波器等工具对设备进行测试，通过设备的工作原理图不断进行问题排查，最终确定问题所在。信号在现代医疗电子设备中的应用越来越多，通过故障信号表现与其电路原理图的对比，将会很容易对故障进行原因分析，确定维修对策。
4 现代医疗电子设备故障诊断
随着电子设备的不断更新，其诊断需要的设备也同步发展。现代设备工程师要通过不断学习新的工具与仪器，采用科学的判断方法更精确地诊断出设备的故障问题点。随着计算机信息技术与自动控制技术的不断发展，医疗电子设备向着数字化、智能化与微型化方向发展，技术不断复杂，设备工程师需要对状态监测装置与判断算法进行了解，提高设备故障技术的智能水平。我国医学不断发展，医学设备工程师需要对新的技术进行不断探索。有一些进口的电子设备供应商在提供设备时，对其工作原理与电路原理图等不便同时进行输入，智能控制与功能软件的源代码保密较为严格，一旦发生故障，将需要专门的技术人员进行诊断与维修，维修费用自然不低。现代传感器技术、故障树诊断技术与神经网络技术在其他行业的电子设备故障诊断中不断应用给医疗设备领域一大提示。利用多传感器信息整合技术对仪器进行分析，通过软件实时监控，能够准确地对故障进行定位，从而辅助设备工程师快速诊断故障并进行维修。另外远程诊断技术也开始应用于医疗电子设备与其他行业的设备故障诊断与维修中。软件故障增加在线修复功能。这些新的诊断技术都需要医疗工程师不断进行学习与借鉴。
5 结语
医疗电子设备的不断复杂化造成了故障诊断面临着一定的困难。随着电子设备的不断普及与设备工程师技术的不断进步，通过传统的诊断技术与现代故障诊断技术进行有机结合，能够对电子设备的故障进行快速定位、分析，不断提高对各时期故障的掌控能力，促进医疗器械领域的不断进步。
参考文献
[1]罗旭华.医疗电子设备故障诊断技术及其应用[J].中国医药导报，2011（12）：121-123.
[2]肖平.医疗电子设备故障诊断技术的应用探讨[J].中国医学装备，2012（06）：55-57.
[3]杨金宝，周学广，欧庆于.基于故障库的电子设备故障诊断技术应用研究[J].科技咨询导报，2007（24）：33-34+36.
[4]罗亚.机电设备故障诊断技术发展探析[J].湖北三峡职业技术学院学报，2007（02）：52-55，63.
[5]廖捷，肖燕妮，罗江，彭卓，杨润泽.航天电子设备故障诊断专家系统知识获取方法[J].测试技术学报，2009（03）：279-282.
[6]翟丽芳.电子设备故障诊断专家系统的设计[J].电子工程师，2001（04）：12-13.
作者简介
刘逸潇（1990-），男，四川省广安市人。大学本科学历。研究方向为机械电子。
我国经济飞速发展和科学水平不断进步的同时，也带动了机电一体化技术和设备的发展，尤其是一体化设备被应用在多个领域中，分布广泛。与设备相关联的诊断技术也逐渐的被人们所关注，并对其进行研究，设备的发展离不开诊断技术，诊断技术的存在可以确保设备运行流畅，保证工作的顺利进行。以下就是对机电一体设备的诊断技术进行的概述与分析。
关键词：
机电一体化设备；故障诊断；技术分析
所谓的机电一体化设备指的就是综合多种先进的技术，并将其可以较好的运用到实际工作中的设备。生产带动了经济的发展，也带动了机电一体化设备的发展，并且被广泛的应用到人们生产的各个领域，但为了避免设备在运行中发生故障或引起事故，就必须要有诊断技术在设备旁守护，及时发现问题，防患于未然。
1诊断技术的概况
机电一体化的设备诊断技术就是可以在设备出现故障的最短时间内找出故障的部位，并分析其原因，以便于对其进行及时的维修和修整，保证设备的正常运行。以下是设备诊断技术的概述。
1．1设备诊断技术
现阶段，我国已经拥有了较为完善的机电一体化设备的诊断技术，在科学技术发展的带动下，一体化设备的诊断技术也越来越先进，对设备进行诊断时，可以及时的发现设备中的存在的问题。诊断技术通常有以下几种:
(1)射线扫面技术。它的诊断原理是利用Y射线所形成的图谱对设备出现问题的部位和原因进行分析，主要用途是对工艺设备发生的故障进行检测，是一种新兴的技术;
(2)震动检测诊断技术。它是应用范围最广的诊断技术，它是通过有关的设备震动引起的震动参数来对设备中的故障及隐患进行的分析和检测，它主要被应用在设备故障的检测方面。设备在正常运行时会产生震动，这时利用诊断技术对其震动的参数进行检测，就可以了解设备是否存在问题，找出故障所引发的部位，若想要深入的了解故障所发生的具体部位，就要选择准确的测量点。利用震动检测技术不但使用方便，还能够及时有效的诊断出设备所发生的故障部位及存在的隐患，提高了诊断技术的准确性。
(3)红外测温诊断技术。它主要是依据设备在不同的位置所对应的温度是否异常来对设备存在的问题进行诊断的。它是引用先进的红外检测技术与相应的机电一体化设备进行接触，在接触时感应设备不同位置的温度，然后确定设备故障的部位，它的诊断侠效率和精确度都相对较高。
1．2设备诊断技术的作用
所谓的设备诊断技术可以被理解为是设备的检测技术，就是可以利用其及时的发现设备运行中存在的问题，或在故障出现时，可以帮助技术人员以最快的速度找到故障发生部位，分析其出现的原因，并对故障进行及时的处理，以确保设备可以正常的运行。对设备进行诊断的目的主要有四点，以下是具体分析。
(1)及时的发现设备中隐藏的问题或即将出现的问题，最大化的降低损失;
(2)设备在发生问题或出现故障时可以及时的找出原因及部位，及时对其进行维修，缩短时间;
(3)可以确保设备工作状态稳定;
(4)确保设备运行流畅，使企业正常生产。
2诊断时存在的问题及解决方法
2．1设备诊断的精确度不高
虽然我国在机电一体化设备的诊断技术方面已经发展较长时间，对其相关的诊断技术和方法也有了相应的了解和掌握，但仍没有一套完整健全的设备诊断技术的理论体系和方法。现阶段，我国的设备诊断技术大都是有针对性的诊断，或是对设备的某一部位的诊断，或是某一型号设备的诊断，缺少完整的诊断理论体系和相应健全的诊断方法。另外，我国的诊断技术的精确性还有待提高，还需要不断地进行研究和创新。对诊断的精确性进行优化和完善是我国目前诊断技术的首要任务，要将设备的故障和检测信息之间的关系处理好，提升诊断技术的精准度，以保证设备可以正常运行，保证企业生产的正常进行。
2．2诊断的方法和经验比较匮乏
现阶段，我国的设备诊断技术还处在发展的初期，没有较为实际的相关经验。对于设备诊断技术的相关理论还正在研究探索，尤其是在诊断技术中的小波分析、神经网络以及模糊理论这几个方面的实践和操作经验还不够充足，只是依靠理论来作为设备检测的支柱。对此，我们应增强对设备检测技术的研究和理论的分析，要善于在实际工作中总结经验，以便于可以很好的把理论与经验相结合，从而完善和健全机电一体化设备的诊断理论体系和方法。
2．3专业诊断技术的人才匮乏
现阶段，我国在操作一体化设备方面的专业技术人员相对较多，但是在诊断技术方面的人才相对匮乏。对于出现的这类问题，我们可以通过设立专项的智力支持系统，组织一批专业素质强且诊断技术强的人才培养团队，专项的研究设备的检修与维护，对设备进行实时监督。开展定期的训练和培训活动，对人员进行教育，从而提高专业诊断人员的技术水平。
3结语
机电一体化设备诊断技术的发展与我国经济的发展是分不开的。为保证设备的正常运行，就要求我们要不断的对诊断技术进行完善和优化，不断的创新，强化诊断技术，探索新的诊断方法，善于从失败中寻找原因，总结经验，提高诊断的精确度，使之可以形成一个完整的诊断体系。
参考文献:
［1］秦冲，王素粉．机电设备故障诊断技术发展探析［J］．机械制造与自动化，2011．
［2］陈正伟，齐元磊，赵守来．矿山机电设备检修中的故障诊断技术应用［J］．科技与企业，2013．
关键词：矿山机电设备；故障诊断技术；矿井提升机；通风机
中图分类号：TD5文献标识码：B 文章编号：1009-9166（2010）032(C)-0089-01
一、前言
随着科学技术的不断发展，工业生产的自动化水平越来越高，机电设备在现代生产中的作用和影响越来越大。设备的运行费用也越来越高。机电设备运行中发生的故障或失效不仅会造成重大经济损失。甚至还可能导致灾难性的人员伤亡和恶劣的社会影响．因此设备或者系统的安全、可靠性极为重要。提高安全、可靠性的途径有很多，其中采用故障检测诊断技术是一个重要、有效的措施。
二、故障诊断技术的基本内涵
（一）故障诊断技术的5个基本环节
运用故障诊断技术，主要有5个环节，即设备运行信息的采集、信息的整理与分析、通过与标准的对比、确定故障状态和部位、提出诊断决策方案和诊断结论。
（二）故障诊断技术的五项基本技术
1、数学模型的建立。设备运行中有很多参数，这些参数设备状态和产生故障密切相关，必须建立一个数学模型来准确反映出设备状态与产生故障的各种参数间的相互关系。这种数学模型的建立，对设备状态监测的计算机系统非常重要。2、信息采集技术。准确地采集和测量反映设备状态的各信号和参数的技术。一般来说它是靠各类安装在设备上的传感器来实现的，传感器所产生的各种信息传人数据贮存器或计算机。3、信息处理技术。现场采集的设备各种信息，并不能直接用来判别设备的状态，其中存在着有关和无关的2种信息，因此必须将这些信息经过适当的转换，变成人或机器能读懂、有用的信息。才能达到信息采集的目的。信息处理技术就完成这个功能。4、分析与识别技术。它是对处理后的信息进行识别和分析，并与设备运行的标准参数进行比对，以确定设备的状态和故障类别，判断具体故障并找出原因。5、预测技术。在分析与识别各类信息的基础上，对设备障的发展和部件的剩余寿命进行预测。
（三）矿井机电设备的诊断
1、矿井提升机检测与故障诊断
提升机是矿井生产、运输的主要设备之一。它担负着提升原煤、矸石、下放材料、升降人员和运送设备的任务。提升机运行的安全可靠性状况不仅直接影响煤矿的生产，还影响到煤矿生产人员的生命、财产安全。提升机的故障可分为“硬故障”和“软故障”两类。硬故障是指由一些特定的参数超限表现的故障．该类故障应由保护装置来解决；而“软故障”需要许多工况参数的测量，并经过一定的数据处理才能诊断出来。由于软故障牵涉变量多，导致故障诊断的准确率较低。但“软故障”往往是“硬故障”的前兆。因此对“软放障”的及时诊断和预报极为重要。为了确保提升机的安全运行．许多科技人员开展了大最的研究工作，取得了一些成果．开发出了不少提升机的检测诊断装置．生。而松绳现象常常带来很大的危害。
2、通风机的检测诊断技术
目前用于主风机故障检测诊断的产品还不多，比较典型装置是江西煤炭工业研究所研制的KFCA型通风机集中检测仪、煤炭总院重庆分院研究的FJZ型矿井主风机在线监测与故障诊断仪。FJZ型矿井主风机在线监测与故障诊断仪是一个以809机为核心的通风机在线检测与故障诊断系统，它将主风机在线监测与机械故障诊断一体化。8098单片机系统是目前面向控制应用领域性能价格比最高的单片微型计算机系统．其主要特点是：16位中央处理器、丰富高效的指令系统、四通道10位A，D转换器、高速输入输出接口、8个中断源、两个16位定时器、16位监视定时器和多用途的接口。
系统的主要功能：（1）实时检测，主要检测量：风机振动烈度、轴心轨迹、轴温、量、负压、通风机电流，并可巡回显示。（2）报警、打印。各种参数报警值可任意设定．超限时即可进报警并随机打印。（3）进行加速度时域和频谱分析。（4）智能诊断。利用主机内专家系统，对通风机常见的“转子心”等机械故障进行诊断。故障诊断采用灰度理论．对风机故障类型进行快速定位。首先利用高精度加速度传感器测出通风机敏感部位的振动加速度，并计算其烈度值和功率谱。根据功率谱的分布与存入专家系统中的设备标准故障模式进行灰色关联度分析．依据关联度的大小．诊断通风机的机械故障类型。
结语：诊断技术是以计算机技术、传感器技术、信号处理技术等多学科为基础的综合技术，其在工业发达国家起步最早，发展最为迅速。从而可以得出以下几个结论：（一）设备故障是随机的，应当采用概率统计方法分析故障的分布规律。（二）复杂系统和复杂的故障可以采用逐步分的方法进行分析，以找出故障发生的机理，从而找出故障的发生和发展的过程。并为设备维修管理和使用的科学性提供依据。（三）设备维修已不仅仅是只限于对设备故障的修理和平时的一般性保养；现代的设备维修概念是对产品的不断改造和更新才是设备维修的最佳选择。
作者单位：山西焦煤汾西矿业集团公司河东矿
参考文献：
[1]王琳.机械设备故障诊断与监测的常用方法及其发展趋势,2000.
[2]蔡捷.故障检测诊断技术在矿山机电设备中的应用,2001.
关键词:模拟电路;故障诊断;方法
中图分类号:TP305文献标识码:A文章编号:1009-3044(2009)36-10546-03
Study on Analog Fault Diagnosis
CHEN Ling-ling, ZHANG Qiu-mi, WANG Xi-dong, LU Chao
(Department of Physics, Shanxi University of Technology, Hanzhong 723000, China)
Abstract: Study of modern and contemporary analog circuit fault diagnosis method. Mainly discussed SBT, SAT, similar to modern technology, analog circuit fault diagnosis method and Expert Systems, Neural Networks, Fuzzy Theory, wavelet transform modern analog circuit fault diagnosis methods and principles.
Key words: analog circuit; fault diagnosis; methods
随着电子科学技术的迅速发展,电子器件的集成度越来越大,电子设备越来越复杂,在电子产品制造、使用和维修中,传统的人工诊断技术已无法满足其需求,故提出了借助计算机实现故障诊断。随着故障诊断理论的发展,确立了其在网络理论中应用的地位,成为继网络分析、网络综合之后的网络理论的第三分支。现代电子电路通常是多层次的或被封装的,可测电压的可用节点数有限,导致可用作故障诊断的信息量不够充分,造成故障定位的不确定性和模糊性。如何有效解决模拟电路的容差和非线性问题,如何解决故障诊断的模糊性和不确定性问题是研究工作迫切需要解决的困难。由于上述问题很难用传统的数学方法描述,人工智能技术则因其善于模拟人类处理问题的过程,容易顾及人的经验并具有一定的学习能力等特点,在这一领域得到了广泛应用。
1 模拟电路故障诊断方法
1962年R.S.Berkowitz[1]首先提出模拟电路故障诊断理论。1979年IEEE会刊将模拟电路故障诊断主要的方法归纳为三大类:估值法、分类法和拓扑法。1979年以后,故障诊断进入深入的发展阶段,根据对被测电路的模拟在测试之前或测试之后分为[2]:测前模拟法―SBT(Simulation Before Test)和测后模拟法――SAT(Simulation After Test)。除此之外,还有近似法和专家系统法。
1.1 测前模拟法SBT
测前模拟法的主要方法是故障字典法FD(Fault Dictionary)[3],其理论基础是模式识别原理,基本步骤是在电路测试之前,用计算机模拟电路在正常和各种故障下的状态,并记录其对应的信号或特征,从而建立故障字典;在实际电路诊断时,根据测量所得的信号或特征,在故障字典中查到与此信号或特征对应的故障,从而确定电路故障。故障字典法[4]是最具有实用价值的故障诊断方法,因为几乎所有的计算量都集中在测前,测后只需要查字典定位故障,所以能做到定时诊断。由于故障状态有限,所以主要用于单、硬故障的诊断。故障字典法按建立字典所依据的特性有直流法、频域法和时域法。直流故障字典法是利用电路的直流响应作为故障特征,建立故障字典的方法。本文介绍一种较常用的直流故障字典法:用分段线性描述所有非线性器件,引入故障开关模拟电路的硬故障,运用混合方程表格法建立电路的通用端口约束方程,通过开关的不同组合可反映电路的各种故障状态;电路通过端口约束方程与二极管变量的约束条件构成一个互补问题,可用互补主元法求解;为克服容差对故障诊断的影响,引入模糊集进行故障隔离。直流故障字典法一般仅适用于单、硬故障的诊断。
频域法是以电路的频域响应作为故障特征,建立故障字典的方法。其优点是理论分析较成熟,硬件要求较简单,主要是正弦信号发生器、电压表和频谱分析仪。频域法主要有:Bode图法、双线性变换法和稀疏矩阵法等。Bode图法的原理是:按电路的对数幅频特性来划分特征空间,以不同频率下的增益偏差作为特征向量建立故障字典;测试后,根据实际增益偏差查字典确定故障。双线性变换法的原理是:以电路的传输轨迹作为故障特征建立故障字典;测试后,根据实际测量在复平面上找出对应点,测量点明显地靠近某一轨迹,由此轨迹可以决定系统测量特性对应的元件参量偏差,从而确定故障。此方法适用于线性电路的单故障,包括硬、软故障,但不适用于故障导致零响应的情况。稀疏矩阵法的原理是:以电路的传输特性(振幅或相位)的偏差作为故障特征建立故障字典;测试后,根据实际传输特性的偏差查字典确定故障。考虑到元件的容差和测量误差,规定一门限,当特性偏差在门限值之内时认为电路正常。
时域法是利用电路的时域响应作为故障特征而建立故障字典的方法,主要方法有伪噪声信号法和测试信号设计法等。伪噪声信号法是以伪噪声信号获得的电路冲击响应的变化作为故障特征,建立故障字典的方法。测试信号设计法是将电路不同状态下测试信号的阶跃幅度和电路对辅助信号响应中跨零位置的变化作为故障特征,进行编码,从而建立故障字典的方法。
1.2 测后模拟法SAT
测后模拟法的主要方法有参数识别技术和故障证实技术,其特点是在电路测试后,根据测量信息对电路模拟,从而进行故障诊断。
参数识别技术的原理是利用网络响应与元件参数之间的解析关系,通过响应的测量值识别或求解网络元件的参数值,根据该值是否在容差范围之内来判定元件是否故障。按诊断方程是否线性,参数识别技术可分为线性技术和非线性技术。线性技术有伴随电路法等;非线性技术有转移导纳法、元件连接分割法、节点法等。
1) 伴随电路法是利用特勒根定理和伴随网络概念建立故障诊断方程的方法。
2) 转移导纳法是直接通过解网络转移导纳参数非线性方程组来决定网络元件值,如果元件参数值超过容差范围,就判定为故障元件。
3) 元件连接分割法是把系统中的元件或组件从系统中分割出来,用元件与系统的连接关系,来描述系统特性与元件之间的关系。由元件特性和连接特性组成的CCM(Component Connection Model)方程,根据CCM方程建立故障方程。
4) 节点法是从电路节点电压方程出发,通过传输函数或表格法建立故障诊断方程的方法。
故障证实技术是通过检验网络元件某一子集是否出现故障来识别故障的,从而使测试点数大大下降,其方法有K故障诊断、故障定界技术、网络分裂法等。
1) K故障诊断是通过检验某些线性方程的相容性来进行故障定位的,定位中引入补偿电源代替元件参量的变化。它有K节点故障诊断和K支路故障诊断两种。
2) 故障定界技术是假定最大的故障数,并将网络元件分为两个子集S1、S2且假定S1中元件正常,利用S1中元件特性与网络特性测量值求出S2中元件值进行故障识别的。
3) 网络分裂法是通过可及节点的撕裂,将网络分裂为若干个子网络,运用测试条件(STC、MTC)和逻辑分析将故障定位到子网络,然后利用内部自测条件(ISTC)将故障定位到更小的区域。
1.3 近似技术
近似技术研究在测量数有限的情况下,根据一定的判别准则,识别出最可能的故障元件,其中包括概率统计法和优化法。
1) 概率统计法中常用的为逆概率法,其工作原理是:在测试之前,根据维修经验对大量数据进行统计分析确定元件发生故障的先验概率,测试之后,算出后验概率,根据Bayes判别准则,后验概率最大者即是最可能出故障的元件。此法的原理与故障字典发相似,是属于测前模拟的。
2) 优化法用于软故障诊断,其思路是采用适当的目标函数估计出最可能出现故障的原件。此法是属于测后模拟的。
1.4 专家系统故障诊断方法
专家系统[5]是一个智能计算机程序系统,其大多基于产生式规则,即首先将专家知识及诊断经验用规则表示出来,形成故障诊断知识库,然后根据测试数据利用专家提供的知识和经验进行推理诊断出故障元件。专家系统包括[6]测前模拟诊断中的故障特性的收集和处理过程,以及测后模拟的故障推理收索等过程。
专家系统特点:具有丰富的经验和高水平的技术及专家水平的专门知识;能够有效地模拟故障诊断专家并完成故障诊断的过程,但在实际应用中仍存在一定缺陷,其主要缺陷为[7]:知识获取“瓶颈”问题;易出现“匹配冲突”、“组合爆炸”和“无穷递归”;知识“窄台阶”;知识维护困难;实时性差。这大大影响了故障诊断的准确性。鉴于上述困难,提出将其与具有信息处理特点神经网络和适合人类认识特征模糊理论相结合。
2 模拟电路故障诊断新方法
字典法一般只用于单故障诊断,参数辨识法和故障验证法在诊断时在线计算量大,难以实现实时诊断。而在科学技术高速发展的现代化生产中,传统的故障诊断方法已不能适应技术发展的需求,这就要求科技人员和理论工作者要进一步探索新的理论和方法,主要包括神经网络,模糊理论,小波变换等。
2.1 神经网络故障诊断方法
人工神经网络[8](Artificial Neural Network,ANN)是模拟人脑组织结构和人类认知过程的信息处理系统。神经网络作为一种自适应的模式识别技术,并不需要预先给出有关模式的经验知识和判别函数,它通过自身的学习机制自动形成所要求的决策区域。网络的特性由其拓扑结构、神经元特性、学习和训练规则所决定。它可以充分利用状态信息,对来自于不同状态的信息逐一进行训练而获得某种映射关系。而且网络可以连续学习,如果环境发生改变,这种映射关系还可以自适应地进行调整。
基于神经网络的诊断过程分为两步。首先,基于一定数量的训练样本集(通常称为“征兆―故障”数据集)对神经网络进行训练,得到期望的诊断网络;其次,根据当前诊断输入对系统进行诊断,诊断的过程即为利用神经网络进行前向计算的过程。在学习和诊断之前,通常需要对诊断原始数据和训练样本数据进行适当的处理,包括预处理和特征选择、提取等,目的是为诊断网络提供合适的诊断输入和训练样本。此外,尽管神经网络和传统的故障诊断是两种不同的诊断方法,但两者是紧密联系在一起的。
2.2 模糊理论诊断方法
模糊故障诊断方法,就是在故障征兆空间与故障原因空间之间建立模糊关系矩阵,再将模糊推理规则产生的模糊关系矩阵进行组合,根据一定的判定阀值来识别出故障元件。将模糊理论的模糊逻辑系统与ANN相结合[9],充分吸收了两者各自的优点,既能处理专家知识和经验,又能通过自学习增强系统的判断能力。目前的研究主要集中在[9]:研究模糊逻辑系统和ANN的对应关系,将模糊逻辑系统的调整和更新转化为对应的ANN学习问题以及利用模糊逻辑系统对ANN进行初始化;模糊神经网络的快速学习算法;利用模糊理论加快ANN的学习速度并应用ANN构造高性能的模糊逻辑系统。但两者发展到现在,时间相对较短,自身体系还不完善,在解决诊断问题方面还存在很多问题。
模糊理论与其它人工智能技术结合构成的诊断系统虽然可以增强处理不确定性能力,在一定程度上提高诊断的准确度,但是它不能完全消除专家系统所固有的缺点。
2.3 小波变换故障诊断方法
小波变换的基本原理[9]:通过小波母函数在尺度上的伸缩和时域上的平移来分析信号,适当选择母函数,可以使扩张函数具有较好的局部性,因此,它是一种时-频分析方法。在时-频域具有良好的局部化性质并具有多分辨分析的特性[10],适合非平稳信号的奇异性分析,如利用连续小波变换的极值可以检测信号的边沿、随机信号的突变,还可以抑制噪声;利用离散小波变换可以检测随机信号频率结构的变化。
小波变换故障诊断机理包括两个方面[11]:利用观测器信号的极值、突变等进行故障诊断以及利用观测器信号频率结构的变化进行故障诊断。小波变换不需要系统的数学模型,故障检测灵敏高,运算量小,抑制噪声的能力强,对输入信号要求低,但滤波器的时域宽度较大,检测时会产生时间延迟,且不同小波基的选取对诊断结果也有影响。
近年来,将小波变换与模糊集合论、ANN理论相结合,提出的模糊小波和小波网络的故障诊断方法。采用嵌套式结合方式,把小波变换的运算融入到ANN中去,形成小波网络。小波网络是一种连续的非线性映射,它把ANN的自学习特性和小波的局部特性结合起来,具有自适应分辨性和良好的容错性,所以适用于模拟电路故障诊断领域。
3 结束语
综上所述,本文围绕模拟电路的故障诊断方法进行了有益的探索,回顾上世纪70年代以来模拟电路故障诊断的研究成果,例如测前模拟法、测后模拟法、近似法、专家系统等,并介绍了模拟电路故障诊断新的成果,例如神经网络、模糊理论和小波变换等。
参考文献:
[1] Berkowitz R S.Condition for Network-Element-Value Solvability[J].IRE Trans,Circuits Theory,1962,15(9):25-29.
[2] 周玉芬,高锡俊.模拟电路故障诊断[M].北京:国防工业出版社,1989.
[3] 杨士元,胡梅,王红.模拟电路软故障诊断的研究[J].微电子学与计算机,2008,25(1):1-8.
[4] 赵伟.基于仿真的模拟电路故障诊断技术研究[D].中国知识网,2006.
[5] 关惠玲,韩捷.设备故障诊断专家系统原理及实践[M].北京:机械工业出版社,2000.
[6] 于淑芳.模拟电路故障诊断方法展析[J].柳州职业技术学院学报,2005,5(1):87-88.
[7] 吴金培,肖建华.智能故障诊断与专家系统[M].北京:科学出版社,1997.
[8] Abderrahman A,Cerny E,Kaminska B.Optimization based Muhifrequency Test Generation for Analogcircuits[J].Joumal of electronic testing theory andapplication,1996,9(1),59-73.
[9] 欧阳宏志,廖湘柏,刘华.模拟电路故障诊断方法综述[J].电子科技,2008,21(12):75-80.
【关键词】矿山机电；设备；故障诊断技术
1 引言
随着我国经济的发展，矿山资源的开采量越来越大，矿山机械设备也开始向现代化、 智能化方向发展，对矿山机电设备而言，设备检修和故障诊断对预防设备运行事故的发生具有重要作用。故障诊断技术涉及到计算机技术、信息技术、传感器技术等技术，主要是通过状态检测、故障诊断等当时，对机电设备的运行情况和各种参数进行定量的掌握，并以此为基础，对机电设备的安全性、可靠性以及工作性能进行预测，提出相应的诊断决策方案，给出诊断结论，最终目的是实现对机电设备的故障进行准确、高效的预测，最大限度的减少维修的盲目性和频率，提高设备的运行效率，确保设备能够正常的运行。本文首先阐述和分析矿山机电设备故障诊断检测技术的定义与特点，然后对诊断技术了讨论，最后将故障诊断技术在矿山机电设备检修环节进行了应用。
2 矿山机电设备检修与故障诊断技术的定义与特点
2.1矿山机电设备故障诊断技术的内涵
矿山设备工作运行是否正常主要取决于该设备能够根据自身功能特点、是否正常运转以及该设备能否与该有效能相符合。矿山设备的非正常运转，通常指该设备在运转的过程中发生故障，该故障会影响到其它零件的正常工作，导致该设备很难满足生产的发展需要。而故障检测诊断技术是指通过设备的工作状态信号变化，对设备展开准确定位，从而能够精确发现存在的问题，然后及时处理相关问题，通过该技术可以确保矿山设备的安全运行。
2.2矿山机电设备检修与故障诊断技术的特点
矿山机电设备故障检测诊断技术具备以下特征：其一是目的性。即故障诊断目的非常明确，可以迅速对运行中的设备开展故障定位与分析，同时，在定位与分析的基础上制定高效率的维修方案，从而确保矿山设备得以正常运行；其二是该技术是复合型技术。矿山诊与维修都与动力学与物理学等多种学科关系密切，通常涵盖液压器操作、机械制造等的原理和应用等有关专业的领域。因此，矿山故障检测诊断技术涉及到多种学科领域，是一项综合性技术；其三该技术是理论化向实践转化的技术。该技术的全部的诊断方法及维修技术都是按照时间来定，解决办法与结果能够直接转化为实践，并能够运用于实际操作。
3 故障产生主要原因
3.1 配合关系的变化
当设备出现故障后，我们在对故障部位观察时会发现大多故障形成均因零件本身损伤和零件间原配关系产生变化而导致的。零件损伤是指零件原有形态和尺寸与原有设计的性能发生了偏离，该偏离是由机械设备在使用途中，各方面因素对零件共同作用产生的结果。零件常见损伤大多由老化损伤和意外损伤造成。
3.2设备的超负荷运转
各台设备在设计时都对输出参数设计了极限，当设备实际输出的参数大于设计输出的极限时，其正常运行状态就会遭到破坏出现故障。当设备出现超负荷运转导致故障时，需要对设备技术参数进行调整和采取相应修复措施来提高设备的承受能力。
3.3 设备工作能力损耗
设备工作能力损耗是指在机械内外因素共同影响下，随着时间推移，设备综合能力在不断损耗。其主要原因为机件配合刚性下降、间隙增大；部件老化和磨损；设备摩擦系数变大、磨损和负荷增大造成热量增大；设备关键联接负荷的部件发生了扭曲变形和磨损等。
4 矿山机电设备维修中故障诊断技术的方法
故障诊断技术方法主要包括参考故障的记录，压力、温度检测，故障诊断的专家系统等三种，下面对这三种方法作具体分析：
（1）参考故障的记录该类方法需要在有明显故障部位处使用系统以及具有依赖性质元器件对其进行仔细排查分析，并将原有事故特点，产生原因和处理措施等归纳总结成一个故障诊断的数据库，这样当出现相同原有故障时，则可通过查看数据库来快速诊断，并及时采取应对措施。
（2）压力、温度检测正常运行情况下，机电设备传动箱和轴承等部位都具备相对稳定压和温度参数，因此通过对各部位、各设备相关参数连续检测，同时在和原始数据对比基础上，则可准确、灵敏反映设备当前状态，这种故障诊断技术具有快速、主观优势，在矿山机电设备中普遍使用。
（3）故障诊断的专家系统故障诊断的专家系统可以通过综合应用各领域相关经验、各专业技术以及模拟专家思维过程来对设备故障诊断分析。我国现有矿山机电设备故障诊断的专家系统，它知识库构成大多都先将故障树建立起来，再对该故障树通过定量、定性分析后得到由产出式组成的各种规则。
5 故障诊断技术在矿山机电设备运行中的实际应用
5.1 矿用高压异步电动机故障诊断
矿用高压异步电动机是矿山生产与运行当中非常重要的一部分，如果题发生故障不但会给煤矿造成巨大的经济损失，而且会对煤矿正常的生产运营产生极大的影响。通过现代信号处理技术与人工智能技术，能够及时的对矿山异步电动机开展故障诊断，并效果显著。一般认为异步电动机故障检测和诊断方法主要包括：局部放电检测、电流高次谐波检测以及磁通检测这些技术能够有效的确保矿用高压异步电动机正常运行。
5.2矿井提升机检测和故障诊断
矿井提升机是矿井生产与运输的主要设备之一，在矿山生产中具有极其重要的地位，它通常承担着提升原煤与矸石，下放有关材料以及升降人员等工作。矿井提升机的运行是否正常，与一个煤矿是否正常运作，与煤矿工作人员的生命是否安全密不可分，因此矿井提升机的重要性不可忽视。我们国家很多科研机构与科研人员均开展了许多的研发工作，从而在一定程度上保障这一领域的安全性。然而矿井双筒提升机松绳情况却发生频繁，如果因此类情况发生事故将造成巨大的损害。
5.3采煤机工况检测和故障诊断
和国外得先进采煤机相比较，我国国产采煤机的整机水平非常低下，和国外采煤机先进水平仍然存在着非常大的差距。为了从根源上转变我国国产采煤机检测水平低下的落后现状，原煤炭部把“电牵引采煤机工况检测及故障诊断系统”的研发列入到“九五”重点科技攻关计划。这种故障检测诊断系统主要报矿：左、右摇臂检测部分、机身检测部分、高压控制箱检测部分、变频器通信部分以及工况检测及故障诊断部分。从目前来看，该技术已经获得了显著的成效，在该领域获得巨大突破，有可能完全攻克这一难题。
6 结语
机电管理作为煤矿企业的重要管理系统中的一个组成部分，是对综合性人和物的进行管理，是煤炭企业提高经济效益重要保障。随着我国煤矿企业的机械化程度日益提升，目前，因为煤矿的生产条件与生产环节的复杂性与多样性，机电设备管理正逐渐被大面积的运用。如果要确保矿山的稳定生产，并增加生产效益，就要高效的利用好故障诊断技术，并做好机电设备保养与维护的工作。
参考文献：
[1]彭光明.矿山机电设备故障诊断技术探议[J].科技创新导报，2012（09）.
关键词：数控机床；自诊断技术；故障分析
一、现代数控机床CNC故障自诊断技术
数控机床故障自诊断能力是数控机床CNC系统十分重要的指标，自诊断技术是评价数控机床CNC系统性能的一项重要技术。数控系统是先进技术密集型设备，技术员要迅速而准确地确定其故障部位并查明故障原因，必须借助于自诊断技术。自诊断技术也开始朝着智能化、多功能的高级诊断方向发展。目前CNC控制系统都装有故障自诊断系统，并能随时监视加工过程中数控系统软件和硬件的工作状态，CNC控制系统有较强的自诊断功能。只要系统本身出现故障，显示系统和显示装置就会显示报警信息，通过系统珍断号判断故障发生在数控部分、电气部分还是机械部分，判断产生故障的具体部位。自诊断与维修实例：FANUC-Oi伺服不能就绪报警“401”报警号。1.系统检测原理（图1）:开机后系统开始自动检测，如果系统没有报警和急停，系统自动发出MCON信号给伺服系统，伺服系统接收到MCON信号后，自动接通主继电器，并送回DRDY信号，检测系统在规定时间内如果没有收到DRDY信号，系统自动发出“401”报警号。2.故障的诊断方法。（1）工作人员检查各插头接触是否良好，主要包括主控回路的连接、控制面板以及电源与主轴系统、伺服系统的连接。（2）查看LED发光二极管是否显示，如果LED没有显示，可能是电源回路断路或控制板没有通电。检查直流电源输出到24V电源线路连接是否正常，检查控制板上的直流电源电路接线是否良好，检查伺服放大器交流电压3相220V输入是否正常。（3）采用信号短接的方法来判别故障的部位,把伺服模块JV1B（JV2B）的8-10短接后系统上电,如果伺服放大器LED显示“00”则故障可能在轴板或系统主板；如果伺服放大器显示“--”则故障可能在伺服放大器本身。（4）检查急停ESP和MCC回路，ESP短接，伺服放大器显示“--”，应为伺服装置的继电器MCC控制回路或线圈本身故障。
二、FANUC数控机床换刀故障———示波器观察时序故障诊断
数控刀架故障比较常见。换刀过程：刀架松开旋转和选刀锁紧。实例：一台数控车床（FANUC0TC）配备12工位电动刀架，在换刀中旋转不停，故障现象为找不到刀号报警。1.刀架换刀过程中旋转不停故障分析。图2刀位信号由PMC输入，X20.3、X20.2、X20.1、X20.0有刀架主轴后面的绝对编码器检测。电动刀架找不到刀位故障，可能是绝对编码器刀位没有输出。先松开急停再松开刀架，图3用示波器观察刀位时序，如果能从1号依次变到12号刀位，说明刀位输出正常。绝对编码器输出刀位信号同时还输出选通X20.5和奇偶检验X20.4，换刀时输出时序如图3。2.故障诊断。查看换刀绝对编码器的时序（图3），X20.5上升延时，当前与目标刀号对比。比较后刀号一致，选刀电机停止旋转，预分度电磁铁得电吸合，电机反转锁紧刀架。正常工作每选取一次工作刀位X20.5会发生一次电平变化（高低高）。本机床换刀中出现X20.5信号没有变化，说明数控系统没有完成目标和当前刀号对比，在设定时间内找不到目标刀号系统就报警。通过分析故障是选通信号X20.5没有输出。更换同型号绝对编码器。
三、FANUC数控机床
PMC故障实例与维修1.故障现象：一台卧式加工中心数控系统配置FANUC0i-M。工作台交换时，按下“手/自动”启动按钮后，托板架没有上升、托板内工作台升起，无法实现工作台的交换。2.故障分析与诊断：首先检查液压系统的压力，再查看控制托板架上升的电磁阀是否得电。电磁阀由继电器常开KA13控制，PMC输出点Y1004.1直接提供24V给继电器KA13的线圈。通过PMC梯形图检查Y1004.1，执行前后Y1004.1始终为“0”没信号，此故障为某一输入条件未得到满足使机床处于等待。从Y1004.1输出入手，利用梯形图动态显示诊断故障。图4看出手动时交换工作台条件是R68.3、R62.0和Y1003.5导通，R68.3的导通条件是R68.2和R62.0导通，R62.0由外部继电器控制。动态显示X1004.5导通后，X1006.3没有信号。检查X1006.3确定为托板上升到位信号。检查发现24V直流断路，维修后恢复正常。
四、结束语
本文用实例阐述了数控系统的维修方法，指出了自诊断技术朝着多功能和智能化发展的方向；介绍了运用PMC进行故障诊断的方向，为规范数控维修行业奠定坚实的基础。
参考文献：
[1]王学鹏.数控机床维护与维修的研究[J].山东工业技术，2014(13)：154.
[2]郭巍.数控机床维修的几种方法探讨[J].中国新技术新产品，2010（10）：142.
