1、电气设备状态监测与故障诊断电气设备状态监测与故障诊断的现代技术及发展趋势的现代技术及发展趋势河海大学河海大学 电气学院电气学院 马宏忠马宏忠1 2概念的再认识概念的再认识 3 4 电气设备的定期检修制度定期检修制度:到期必修,缺乏对设备的综合分析,检修过量,检修不足 人力和物力的浪费,降低了供电可靠性。状态检修状态检修替代定期检修是发展的必然趋势。5 及时准确地发现电气设备潜在潜在的和现有现有的故障是保证生产安全运行的重要措施。由于种种原因,目前状态监测与故障诊断的应用水平不平衡应用水平不平衡，还存在种种问题,包括一些认识上的误区。6本报告要点:首先讨论电气设备状态监测与故障诊断的概念，概念的
2、再认识概念的再认识 目前主要电气设备的状态监测与故障诊断关键技术关键技术与现代诊断方法现代诊断方法综述最后讨论发展趋势发展趋势概念的再认识概念的再认识7 8 状态检修状态检修是我国即将面临的先进的设备管理体制开展状态检修状态检修的研究一般从两个方面两个方面进行一类是对设备进行不间断实时动态的在线监测在线监测,用在线的数据来判别判别设备状态。另一类是以离线检测为主,通过各种离线数据分析离线数据分析对设备状态进行综合诊断综合诊断。实现状态检修的前提前提：必须进行可靠的状态监测状态监测与准确的故障诊断以及有效的故障预报。9故障预报、故障诊断和状态监测的本质区本质区别别：。故障预报故障预报根据故障征兆
3、,对可能发生可能发生故障的时间、位置和程度进行预测。故障诊断故障诊断根据故障特征,对已发生的已发生的故障进行定位和对故障发展程度进行判断。状态监测状态监测对设备的运行状态进行记录记录、分类和评估评估,为设备维护、维修提供决策。关系如图(按故障发展的时间进程时间进程进行分类)10图图1 1故障预报、故障诊断和状态监测之间的关系（按时间进程）故障预报、故障诊断和状态监测之间的关系（按时间进程）11如果不能对未发生的故障未发生的故障时间、位置进行预测和不能对已发生故障的位置、程度进行准确判断,则不能称为故障预报和故障诊断不能称为故障预报和故障诊断,其结论应该属于状态监测状态监测范围。12对故障的故障
4、的预测或预报预测或预报必须建模和仿真.故障诊断故障诊断需要对故障的机理进行分析和研究,因而存在较大的难度。状态监测状态监测主要依据信号处理和模式识别对设备进行评估和判断,相对容易实现。也不能认为不能认为预测或预报是最好的方法,而状态监测只是一种初级的手段。每一种方法必须适合具体的对象,关键在于准确,要得到准确的结论都是不容易的。图2表示状态监测、故障诊断和故障预报与状态监测、故障诊断和故障预报与设备故障的关系的关系。13 14状态监测状态监测适合电力系统主设备的现状。主设备的主要故障,例如绝缘故障、机械故障等的一些故障机理还不清楚故障机理还不清楚,全系统的故障建模和仿真更难,而作为一个产品,其
5、生存期有限生存期有限,也没没有必要进行大量的研究工作有必要进行大量的研究工作。如果强调对主设备故障的“预报”和“定位”,不仅现有条件下很难达到预期效果现有条件下很难达到预期效果,而且容易产生过分的期望和误解过分的期望和误解,并将影响监测技术的推广影响监测技术的推广和发展和发展。15状态监测应该包括以下任务状态监测应该包括以下任务:a.为设备的运行情况积累资料和数据,建立设备运行的历史档案历史档案。b.对设备运行状态处于正常还是异常正常还是异常做出判断判断根据历史档案、运行状态等级和已出现的故障特征或征兆,判断故障的性质和程度。c.对设备的运行状态进行评估运行状态进行评估,为状态检修的实施提供依
6、据。162.2 2.2 状态监测与继电保护状态监测与继电保护状态监测、故障诊断与继电保护继电保护有很多共性之处，但其任务与功能是不同任务与功能是不同的，必须根据故障特点进行定位。不存在谁比谁好不存在谁比谁好，或谁可完全代替谁的问题。对不同的设备和不同的故障类型,采用的监测的方法可能完全不一样。由于故障发展速度的差别,形成了瞬变故障瞬变故障和缓变故缓变故障障两个类型。以大型发电机和变压器为例,如表1所示。表1.变压器、发电机故障按处理时间分类 17状态监测与继电保护状态监测与继电保护(瞬变故障瞬变故障 例如相间短路等,发展很快。继电保护继电保护装置必须在10ms20ms内处理这类故障,以避免损失
7、扩大。瞬变故障发生时需要解决的问题需要解决的问题是故障保护和避免事故扩大,不是诊断和监测的问题。18状态监测与继电保护状态监测与继电保护(缓变故障缓变故障是从出现故障征兆发展到故障灾害进程较慢进程较慢的一类故障现象,例如绝缘故障、机械系统故障等。当出现故障征兆时,需要对故障进行定位,或对故障的程度和发展进行监测,采取措施,防止故障状态的进一步发展和造成重大损失。因此因此,缓变故障是状态监测和故障诊断的缓变故障是状态监测和故障诊断的对象对象。19状态监测与继电保护状态监测与继电保护(对于对于瞬变故障瞬变故障,继电保护继电保护可以发挥巨大的作用可以发挥巨大的作用,大大减少可能造成的危害。但并不是所
8、有的瞬变故障都是由缓变故障发展形成的,同时,很多缓变故障其发展造成的损害也不在继电保护所能保护的范围内。有人认为状态监测和故障诊断能防止故障发有人认为状态监测和故障诊断能防止故障发生生,是比继电保护更先进的技术是比继电保护更先进的技术,可以取而代之可以取而代之,这是一种误解这是一种误解。两种技术互相补充互相补充,缺一不可缺一不可。20表表1.1.变压器、发电机故障按处理时间分类变压器、发电机故障按处理时间分类 10mS1min瞬变故障瞬变故障缓变故障缓变故障发生时间电力变压器绕组匝间、相间短路局部放电 partial discharge(PD)油中气体色谱分析(PDA)油中水分 Water i
9、n oil油温 oil temperature调压分接开关 tap switch大型发电机定子绕组匝间、相间短路 stator winding turn to turn short,phase short负序 negative sequence逆功率 reverse-power定子绕组一点接地 stator winding ground?转子一点接地 rotor ground 失磁 Loss of field转子绕组匝间短路 rotor winding turn to turn short 局部放电 PD轴电压不正常 shaft voltage abnormal冷却系统故障 cooling s
10、ystem fault机械振动 mechanical vibrating轴系振动 shafting vibrating主要检测方法继电保护 relay protection状态监测 condition monitoring21 22 20002000年年3232台次、台次、4712.04712.0MVAMVA 2001 2001年年6363台次、台次、7399.57399.5MVAMVA 事故率事故率0.430.43%=%=（6363台台/14523/14523台）台）事故容量事故容量 0.72%=0.72%=（7399.5/1024089.77399.5/1024089.7）其中其中 330
11、 330kV 1.65%500kV 1.83%kV 1.65%500kV 1.83%容量容量300 300 MVA(MVA(1.04%1.04%)3834.0 MVA(2.23%)3834.0 MVA(2.23%)1)1)事故台数：事故台数：23运行年限运行年限事故台次事故台次占百分比占百分比(%)(%)11221.123 455 68.8 10.56101322.811151322.81620 204 4 7.0 7.0 合计合计5757100.0100.0投运投运1515年内发生事故的年内发生事故的4949台次台次(其中进口其中进口变变8 8台台)，占总事故统计台次，占总事故统计台次86.
12、0%86.0%，说明，说明运行寿命值得担忧。运行寿命值得担忧。24表表10 199010 199020012001年短路损坏事故台次统计年短路损坏事故台次统计 年年 份份事故总台事故总台次次短路事故短路事故台次台次占总事故占总事故比率比率%1990342619915635199276182419936922321994572137199559294919965829501997552138.21998632641.31999492040.82000321134.42001632133.3 253.1.2 OLTC的特殊监测的特殊监测统计表明,OLTC(有载调节器)故障和绕组故障最常见。因此,监
13、控的关键参数包括OLTC故障、油/纸绝缘(包括绕组和变压器)的老化、负载和运行状态。1)OLTC的特殊监测的特殊监测:当前已有一些OLTC在线监控系统,但是机械和电气故障的集成检测器仍在研究之中。OLTC的振动振动监测是有效的在线监测方法,但其研究仍在进行之中。262)绝缘问题绝缘问题:绕组绝缘和主绝缘是影响变压器寿命的最大的问题之一.通过温度、油中气体分析(DGA),局部放电(PD)和湿度分析来监测。考虑到绝缘问题,使用光纤传感器光纤传感器是直接测量热点温度的最重要方法,但这种方法成本很高。绝缘系统中,局部放电局部放电的早期检测非常重要。对变压器,广泛使用附着在变压器箱体上的压电压电声学传感
14、器声学传感器来探测局部放电信号。273)其它有价值的监测量其它有价值的监测量:负载和运行状态的基本信息可通过电压、电流互感器监测。振动监测似乎是检测OLTC故障的最佳方法。283.2.1发电机故障和监测方法发电机故障和监测方法1)定子绕组故障定子绕组故障:包括绝缘故障、绕组导体故障和包括绝缘故障、绕组导体故障和绕组端部故障。绕组端部故障。电气绝缘电气绝缘逐渐劣化逐渐劣化的结果的结果,绝缘故障绝缘故障便成了主要便成了主要关注对象。关注对象。主要主要早期特征早期特征便是机器内局部便是机器内局部放电增加放电增加,因此因此,对对局部放电的监测成为实施定子绕组状态监测的主局部放电的监测成为实施定子绕组状
15、态监测的主要工具。要工具。293.2.1发电机故障和监测方法发电机故障和监测方法2)转子体转子体故障故障:对转子体故障的早期检测可通过对转子体故障的早期检测可通过振动监测振动监测和和气隙气隙磁密磁密监测来实现。监测来实现。303.2.1发电机故障和监测方法发电机故障和监测方法3)转子绕组转子绕组故障故障:主要是匝间短路故障。主要是匝间短路故障。匝间短路故障可引起局部过热甚至导致转子接地。匝间短路故障可引起局部过热甚至导致转子接地。监测方法是采用监测方法是采用气隙磁密监测气隙磁密监测:通过探测气隙磁通过探测气隙磁密密,可以确定匝间短路的数量和位置。可以确定匝间短路的数量和位置。313.2.1发电
16、机故障和监测方法发电机故障和监测方法4)定子铁心故障定子铁心故障:主要是主要是铁心深处的过热铁心深处的过热问题。问题。热监测技术热监测技术(包括热成像技术包括热成像技术)已被用于变压器和已被用于变压器和电动机定子绕组的监测中电动机定子绕组的监测中,但很少有用于定子铁但很少有用于定子铁心监测的报道。心监测的报道。323.2.2发电机定子绕组的局部放电在线状态监测发电机定子绕组的局部放电在线状态监测定子绕组绝缘劣化定子绕组绝缘劣化:是大型发电机故障的主要原因。定子绕组PD监测:不可缺少的其研究已有40余年的历史PD监测仍是一项发展中的技术。333.2.23.2.2发电机定子绕组的局部放电在线状态监
17、测发电机定子绕组的局部放电在线状态监测1)抑制噪声抑制噪声:在对定子绕组PD进行在线测量时,通常会受到来自电机内、外的电气干扰电气干扰。解决方法解决方法两种两种:一是改进测量方式和测量仪器;二是利用信号处理技术信号处理技术和神经网络神经网络在数据后处理阶段消除消除PDPD信号中的噪声信号中的噪声。信号处理技术信号处理技术是抑制噪声的常用工具。例如自适应滤波器自适应滤波器和程控带通滤波器程控带通滤波器,神经网络算法也被用于滤除PD信号中的噪声信号。343.2.2发电机定子绕组的局部放电在线状态监测发电机定子绕组的局部放电在线状态监测2)PD行为解释行为解释:在线PD监测期望达到两个目的目的:一是
18、判定哪一台机器需要进行定子绕组维护;二是找出故障位置及成因故障位置及成因。经验表明,PD幅值不能作为故障的绝对指标幅值不能作为故障的绝对指标,因此难以设定一个PD门槛值用于报警。定子绕组的绝缘状态最好由一段时间的由一段时间的趋势趋势来判定。353.3 感应电动机状态监测感应电动机状态监测(Condition monitoring of induction motor)3.3.1感应电动机故障和监测方法感应电动机故障和监测方法1)定子故障定子故障:主要原因主要原因:绝缘破坏引起绕组绝缘破坏引起绕组匝间短路匝间短路造成的。造成的。感应电动机的定子绕组匝间故障将在定子电流感应电动机的定子绕组匝间故障
19、将在定子电流中中产生谐波产生谐波,因此定子电流可用于故障的检测。因此定子电流可用于故障的检测。当前当前,定子电流信号分析是常用方法。定子电流信号分析是常用方法。由于电动机和由于电动机和发电机发电机在定子绕组上的在定子绕组上的相似相似性用性用于于发电机的发电机的PD在线监测也可用于电动机中在线监测也可用于电动机中,它比它比电流监测能更早地检测到绕组故障。电流监测能更早地检测到绕组故障。363.3 感应电动机状态监测感应电动机状态监测(Condition monitoring of induction motor)2)转子故障转子故障:感应电动机转子故障主要有感应电动机转子故障主要有转子导条断裂转
20、子导条断裂,将引起转矩跳动将引起转矩跳动,转速波动转速波动,转子振动以及过热等。转子振动以及过热等。检测方法检测方法:定子电流监测。定子电流监测。振动和气隙监测振动和气隙监测。373.3 感应电动机状态监测感应电动机状态监测(Condition monitoring of induction motor)3)轴承故障轴承故障:轴承故障占所有机器故障的轴承故障占所有机器故障的40%以上。以上。潜在的轴承故障通常采用潜在的轴承故障通常采用振动振动和和定子电流定子电流监测监测的办法来检测。的办法来检测。383.3 感应电动机状态监测感应电动机状态监测(Condition monitoring of
21、induction motor)4)气隙不均匀气隙不均匀:有两种类型的气隙不均：动态和静态。有两种类型的气隙不均：动态和静态。静态气隙不均静态气隙不均:最小的气隙位置在空间上是固定最小的气隙位置在空间上是固定的的;动态气隙不均动态气隙不均:转子的中心和旋转中心不一致转子的中心和旋转中心不一致,因此最小气隙位置是旋转的。因此最小气隙位置是旋转的。监测方法监测方法:定子铁心振动监测和定子电流监测来定子铁心振动监测和定子电流监测来检测。检测。393.3 感应电动机状态监测感应电动机状态监测(Condition monitoring of induction motor)3.3.2感应电动机状态监测常
22、用监测技术和最新研究感应电动机状态监测常用监测技术和最新研究 1)振动监测和电流监测振动监测和电流监测:振动和电流监测振动和电流监测是感应电动机实际应用中最流行的两种是感应电动机实际应用中最流行的两种的状态监测方法的状态监测方法。在电流监测还处于研究中时在电流监测还处于研究中时,振动监测就已投入实际应振动监测就已投入实际应用。用。振动监测振动监测可以发现机械故障、气隙不均匀、定子绕组或可以发现机械故障、气隙不均匀、定子绕组或转子故障转子故障,三相电源不对称等问题。三相电源不对称等问题。振动监测的振动监测的改进改进依赖于先进的信号处理技术依赖于先进的信号处理技术,例如高阶例如高阶统计分析、非静态
23、的递归滤波器和小波等。统计分析、非静态的递归滤波器和小波等。电流变化相对较小电流变化相对较小,电流监测电流监测一直被认为难以用来检测一直被认为难以用来检测故障。目前的研究主要集中于电流监测的实施上。故障。目前的研究主要集中于电流监测的实施上。403.3 感应电动机状态监测感应电动机状态监测(Condition monitoring of induction motor)3.3.2感应电动机状态监测常用监测技术和最新感应电动机状态监测常用监测技术和最新研究研究2)基于模型的方法和人工智能基于模型的方法和人工智能:基于模型的故障检测基于模型的故障检测:对于较小的电动机和调速电动机对于较小的电动机和
24、调速电动机,采用这种方式采用这种方式更为适合一些。更为适合一些。首先建立电动机的数学首先建立电动机的数学参考模型参考模型,通过比较参考通过比较参考模型和测量模型的输出模型和测量模型的输出偏差偏差检测和定位转子故检测和定位转子故障。障。413.3 感应电动机状态监测感应电动机状态监测(Condition monitoring of induction motor)人工智能人工智能:神经网络神经网络:建立模型的另一方法。建立模型的另一方法。对对非线性关系非线性关系很难甚至根本不可能获得精确的很难甚至根本不可能获得精确的数学表达式。数学表达式。而利用经过大量数据训练的神经网络能很好地而利用经过大量数
25、据训练的神经网络能很好地反映这种关系。反映这种关系。42 434.1传感器技术传感器技术状态监测系统输入信号：电、热、声、振动等物理量，油、气体经化学分析得到的分解物含量,各种来源的信号通过传感器转换为电信号。传感器是监测系统的输入端,测量技术的难点和瓶颈。智能传感器：具有CPU和符合一定协议的通信接口。444.2数据分析技术数据分析技术在状态监测系统中在状态监测系统中,数据分析的数据分析的任务：任务：从采集到的数据中得到设备运行的有关信息。从采集到的数据中得到设备运行的有关信息。数据分析过程数据分析过程：分为数据预处理、特征提取、：分为数据预处理、特征提取、状态分类和处理决策等状态分类和处理
26、决策等4个部分。个部分。数据预处理数据预处理包括数据选取、消除噪声等前期处包括数据选取、消除噪声等前期处理过程。理过程。特征提取特征提取是指采用数理统计、信号处理是指采用数理统计、信号处理(FFT、小波分析、分形和混沌小波分析、分形和混沌)等方法提取信号的特征。等方法提取信号的特征。454.2数据分析技术数据分析技术状态分类状态分类和和处理决策处理决策是数据分析的核心部分是数据分析的核心部分,也也是难度较大的部分。是难度较大的部分。状态分类状态分类是一个模式识别问题。是一个模式识别问题。例如例如,一个一维的状态分类问题一个一维的状态分类问题,设设x x为特征指数为特征指数,x0,x0为特征指数
27、的阈值为特征指数的阈值,则则:xx0为故障为故障状态。对于多维问题状态。对于多维问题,特征指数不止特征指数不止1 1个个,状态分类状态分类在多维空间中不是一个简单的区域划分问题。这个在多维空间中不是一个简单的区域划分问题。这个过程一般都采用了人工智能技术过程一般都采用了人工智能技术,如如模式识别模式识别、人人工神经网络工神经网络、模糊数学模糊数学、专家系统专家系统等。等。5 5.电气设备的电气设备的现代故障诊断方法现代故障诊断方法46 47 5.1基于基于信号变换信号变换的诊断方法的诊断方法 许多故障信息故障信息是以调制的形式调制的形式存在于所监测的电气信号及振动信号之中,借助于某种变换变换对
28、这些信号进行解调,获得故障特征信息常用的信号变换方法常用的信号变换方法有希尔伯特变换和小波变换。小波变换小波变换时率函数,具有多分辨率特点利用小波变换的奇异点在多尺度下的综合表现来检测信号的局部突变点局部突变点,从而进行故障诊断。48如，在电机故障诊断电机故障诊断中，通过对定子电流预处理,并进行小波变换,有效的提取电机定子绕组故障特征,并明显区分由于外部负载突变和外部电流不对称而引起的定子电流变化。诊断结果几乎不受负载影响,实现有效可靠地进行电机故障在线诊断。特点：小波变换,很适合于探测正常信号分析中夹带的瞬态反常现象并展示其成分,但基于信号变换的诊断方法缺乏学习功能。49 5.2基于基于专家
29、系统专家系统的诊断方法的诊断方法 基于专家系统的诊断方法基于专家系统的诊断方法:是根据被诊断系统的专家以往经验以往经验,将其归纳成规则归纳成规则,并运用经验规则通过规则推理规则推理来进行故障诊断。特点：优点：过程简单、快速等,局限性：基于专家系统的方法属于反演推理反演推理,因而不是不是一种确保唯一唯一性性的推理方法,该方法存在着获取知识的瓶颈获取知识的瓶颈。对于复杂系统复杂系统所观测到的症状与所对应故障之间联系是相当复杂的,专家经验归纳成规则往往不是唯一的并且有相当难度。该方法不适合于不适合于复杂电机设备或新的及未有经验的电机设备的故障诊断。对于诊断结论除了重复被采用的规则外，无法做出进一步解
30、释无法做出进一步解释,通常只能诊断单个故障只能诊断单个故障,难以诊断多重故障多重故障。505.35.3基于基于模糊理论模糊理论的诊断方法的诊断方法 在电气设备故障诊断中,模糊属性模糊属性常常出现，模糊理论模糊理论是处理这类问题的最好的工具。模糊故障诊断有两种方法：一种是基于模糊关系基于模糊关系及合成算法的诊断方法。先建立征兆与故障类型之间的因果关系矩阵因果关系矩阵R,再建立故障与征兆的模糊关系方程模糊关系方程,即F=S.R。这时F为模糊故障矢量;S为模糊征兆矢量;“.”为模糊合成算子。另一种是基于知识处理基于知识处理的诊断方法方法。先建立故障与征兆的模糊规则库模糊规则库,再进行模糊逻辑推理模糊
31、逻辑推理的诊断过程。该方法已实现了对鼠笼式感应电机轴承的故障诊断。515.3基于模糊理论的诊断方法基于模糊理论的诊断方法优缺点：优缺点：优点：模糊语言变量接近自然语言接近自然语言,知识的表示可读性强,模糊推理逻辑严密逻辑严密,类似人类思维过程,易于解释易于解释。不足或难点：模糊诊断知识获取困难知识获取困难,尤其是故障与征兆的模糊关系较难确模糊关系较难确定定,且系统的诊断能力依赖模糊知识库诊断能力依赖模糊知识库,学习能力差,容易发生漏诊和误诊。另外,由于模糊语言变量是用模糊数模糊数(即隶属度隶属度)表示的,如何实现语言变量与模糊数之间的转化语言变量与模糊数之间的转化,是实现上的一个难点。525.
32、4基于基于人工神经网络人工神经网络的诊断方法的诊断方法 用ANN技术处理故障诊断问题,不仅能进行复杂故障诊断模式的识别,还能进行故障严重性评估和故障预测,由于ANN能自动获取诊自动获取诊断知识断知识,使诊断系统具有自适应能力自适应能力。将ANN应用于电气设备故障诊断是当前电气设备故障诊断的热点热点之一之一。如采用BPBP网络对电机进行故障诊断网络对电机进行故障诊断。基本思想：采用传感器获取传感器获取表征电机设备故障的特征信号特征信号（如电流、噪声等）,对获取的特征信号做FFTFFT变换变换,利用特征信号频谱中的若干个谱峰（值）的能量值谱峰（值）的能量值做为神经网络的输入样本输入样本,以故障类型
33、故障类型做为神经网络的输出样本输出样本,对网络采用BP算法进行学习学习,获取输入样本(特征信号)与输出样本(故障类型)间的映射关系映射关系。利用神经网络的联想记忆联想记忆和分布处理功能分布处理功能对电机设备故障进行诊断诊断。535.4基于人工神经网络的诊断方法基于人工神经网络的诊断方法问题及改进问题及改进：BP网络具有较强的非线性逼近能力非线性逼近能力,能进行故障模式识别,还能进行故障严重程度评估和预测,应用较广。但是但是,由于BP算法在迭代时采用梯度下降法,存在收敛慢收敛慢、振荡振荡和局部极小局部极小等问题。另外,BP算法用于故障诊断的一个突出问题突出问题还在于对异异常故障常故障的处理能力低
34、处理能力低以及不具备增量学习功能不具备增量学习功能。这主要是由于BP算法在数学本质上是内插值法内插值法,其解题能力对样本依赖性极大对样本依赖性极大;当一个与样本差异较大的差异较大的新的故障类型发生时,往往会将其归于一个已知的故障类型或判为正常状态,产生误诊或漏诊误诊或漏诊。因此当前文献中利用BP网络进行电机设备故障诊断都采用各种不同的各种不同的BP改进算法改进算法。5455 基于基于遗传算法遗传算法的电机故障诊断方法的电机故障诊断方法 遗传算法遗传算法是基于自然选择自然选择和基因遗传学基因遗传学原理的搜索算法,它的推算过程就是不断接近最优解不断接近最优解的方法。特点特点：并行计算并行计算与全局
35、最优全局最优。与一般的优化方法相比,遗传算法只需较少的信只需较少的信息息就可实现最优化控制。因此,通常用遗传算法来优化神经网络或模糊逻辑系统的参数和结构。5555 基于遗传算法的电机故障诊断方法基于遗传算法的电机故障诊断方法 例如：将遗传算法应用于基于神经网络的基于神经网络的电气设备故障诊断。设计神经网络的关键关键在于如何确定神经网络的如何确定神经网络的结构及连接权系数结构及连接权系数。将遗传算法应用于神经网络的设计和训练设计和训练两个方面,分别构成设计遗传算法设计遗传算法和训练遗传算法训练遗传算法。许多神经网络的设计细节,如隐层节点数、神经元转移函数等,都可由设计遗传算法进行优化,而神经网络
36、的连接权重可由训练遗传算法优化。56 57故障诊断研究仍有一段艰巨的路程要走。目前和今后的主要研究可归纳为：多传感器数据融合技术多传感器数据融合技术；在线实时故障检测算法在线实时故障检测算法；混合智能故障诊断技术混合智能故障诊断技术；基于因特网的远程远程协作诊断技术；以故障监测及分离为核心的容错控制、监控系统和可信性系统研究等。586.多多信息量融合信息量融合，多层次诊断集成，多层次诊断集成 集成知识库中的各种诊断知识集成知识库中的各种诊断知识，结合数据库中的各种故障数据，按照不同的故障情况进行综合分析、判断，定位故障点。主要对状态监测所得到的信息进行融合状态监测所得到的信息进行融合，结合层次
37、诊断模型，按照深浅结合深浅结合的推理层次进行诊断。它进一步把状态监测中的信号监测处理信号监测处理集成到集成到诊断系统诊断系统中，进行在线数据处理在线数据处理与在线诊断推理在线诊断推理，实现非实时诊断到实时诊断实时诊断的转变，也实现信息诊断与智能诊断信息诊断与智能诊断的统一。596.基于基于集成型智能系统集成型智能系统的诊断方法的诊断方法 随着电机设备系统复杂,依靠单一的故障诊断技单一的故障诊断技术术已难满足复杂电机设备的故障诊断要求,因此上述各种诊断技术集成起来各种诊断技术集成起来形成的集成智能诊断系统成为当前电机设备故障诊断研究的热点。主要的集成技术有:基于规则的专家系统与ANN的结合,模糊
38、逻辑与ANN的结合,混沌理论与ANN的结合,模糊神经网络与专家系统的结合。606.基于集成型智能系统的诊断方法基于集成型智能系统的诊断方法 如：专家系统与神经网络专家系统与神经网络的结合能充分利用专家系统的专家经验和神经网络强大的非线性映射能力。模糊神经网络模糊神经网络技术是把人类的经验和知识进行数字化人类的经验和知识进行数字化的模糊处理,把规则和推理转换成神经网络的映射处理和直接从数据样本中提取经验规则,然后把这两种转换结合起来进行智能信息处理的技术。充分利用了神经网络处理数字化知识数字化知识的特点和模糊逻辑处理结结构化知识构化知识的特点。616.远程协作远程协作诊断诊断基于因特网的设备故障
39、远程协作诊断:是将设备诊断技术设备诊断技术与计算机网络技术计算机网络技术相结合，用若干台中心计算机作为服务器服务器，在关键设备上建立状态监测点关键设备上建立状态监测点，采集设备状态数据；在技术力量较强的科研院所建立分析诊断中心分析诊断中心，为企业提供远程技术支持和保障。626.3远程协作诊断远程协作诊断应重点研究和解决如下几方面的问题：远程信号采集与分析；实时监测数据的远程传输；基于 数据库的开放式诊断专家系统设计；通用标准。636.4诊断诊断与控制相结合与控制相结合 把诊断系统诊断系统和控制系统控制系统进一步结合，达到集监测、诊断、控制、管理于一身。根据当前设备的健康状况决定设备运行方式或策
40、略，最终预知故障，从而防止故障的发生，是目前诊断技术的最高目标。64 65由于气设备故障诊断的准确及时对保证生产安全平稳,避免人员、财产的巨大损失具有重要重要意义意义。故障诊断技术作为一门交叉性科学,从60年代起至今,已在传统的方法上得到飞速发展得到飞速发展,新的理论及现代故障诊断方法不断出现新的理论及现代故障诊断方法不断出现:小波变换、专家系统、模糊系统、神经网络等都在故障诊断领域得到了成功应用。66由于电气设备故障征兆与故障特征间复杂的非复杂的非线性特性线性特性,使故障诊断及识别较为复杂,随着现代工业的发展,电气设备的规模越来越大、电压越来越高,使其产生故障的可能性和复杂产生故障的可能性和复杂性剧增性剧增。所以，必须认识到，电气设备状态监测与故障诊断的研究仍有一段艰巨的路程要走仍有一段艰巨的路程要走。67 68 69
