第六章故障诊断新理 论第 二版

《第六章故障诊断新理 论第 二版》由会员分享，可在线阅读，更多相关《第六章故障诊断新理 论第 二版（132页珍藏版）》请在金锄头文库上搜索。

1、1,第六章 故障诊断的新理论和新方法,故障诊断的一般性方法 人工神经网络 专家系统 小波变换 信息融合技术,2,第一节 故障诊断的一般性方法,事物的基本描述方法 确定性描述（二值逻辑） 随机性描述（概率统计） 模糊性描述（模糊逻辑） 故障状态、特征（现象）、诊断规则均需描述 依据规则的诊断方法 依据样板的诊断方法,3,1、依据规则的诊断分类,特征函数：设备的特征可由若干个选定的特征变量Kj(j=1,2,3,n)定量地表示，即由G（K1，K2，Kn）表示. 状态函数：设备的状态可由若干个选定的状态变量Di(i=1,2,3m)定量地表示，即由F（D1，D2，Dm）表示. 诊断规则：反映特征与状态间

2、的相互关系，可用函数E(K1，K2 Kj Kn， D1，D2 DiDm )表示。 诊断关键：特征、状态、诊断规则三者之间的关系。,4,（一）逻辑诊断,采用二值逻辑描述： 特征：有/无 状态：好/坏 逻辑诊断的特点：简单明了，应用较广，但将问题过于简化，诊断准确率稍低。 逻辑变量：取值1或0（相当于有/无、好/坏） 逻辑函数 函数y=f(x1,x2xn)的自变量xi(i=1,2n)、因变量y均为逻辑变量。,5,逻辑诊断的过程,设备特征函数G的构造： 设G(Kl，K2KjKn)，其中Kj为特征逻辑变量。 如Kj=1，则称设备有第j种特征；如Kj=0，则称设备无第j种特征。 构成逻辑特征函数G时，总

3、是令G=1。 举例 设某设备可能有3种特征Kl、K2、K3，若某设备同时具有Kl、K2而无K3,特征，则 ；如果不能确定有无K3特征，则G中不出现之。,6,设备状态函数F的构造 设F(Dl，D2DiDm)，其中Di为特征逻辑变量。 如Di=1，则称设备有第i种状态；如Di=0，则称设备无第i种状态。 构成逻辑状态函数F时，总是令F=1。 举例 设某设备的诊断结果为 则表明该设备存在状态Dl和D2而无D3,；如果F中不出现Dk,则不能确定有无状态Dk.,7,诊断规则E 诊断规则E应能保证由特征G推断出状态F. 在逻辑诊断中诊断规则可用逻辑函数表达为 诊断规则E由一定数量的细则E1，E2Es组成这

4、些细则必定同时存在. 逻辑诊断过程：由特征G和诊断规则E求F,8,逻辑诊断举例（自学）,设某种电机定子绕组绝缘可能具有Kl和K2两种特征和Dl、D2和D3三种状态。其中，Kl表示直流泄漏电流（Ig）大；K2表示局部放电量（q）大；Dl表示绝缘受潮；D2表示绝缘开裂严重；D3表示绕组端部表面放电。 诊断规则为： ：绝缘受潮，Ig必大； ：绝缘开裂严重，Ig大，q也大； ：绕组端部表面放电，q必大； ：Ig大，则绝缘受潮或开裂严重，或两种故障同时存在； ：q大，则绝缘开裂严重，或绕组端部表面放电，或两种故障同时存在。,若对某台该种电机进行检测，检测结果为Ig大，q不大。试推断这台电机定子绕组绝缘的

5、故障。,根据上述已知条件，得Kl1、K20，特征函数为 诊断规则为: 状态函数为： 将Kl1、K21代入，得 结论：发生绝缘受潮，但无开裂严重和端部表面放电故障,10,（二）模糊诊断,故障诊断过程中的不确定性（复杂性） 不同的故障状态可能具有相似的特征； 多个不同的故障特征可能对应同一故障状态。 不确定性分为： 随机性：一定条件下的事件发生与否的偶然性（或然性）。 模糊性：区分或评价客观事物差异的不分明性。 设备诊断也具有模糊性，特征的强弱，故障的严重性，诊断标准等都是模糊概念。,11,模糊数学的基本概念,设是论域，称映射 确定了X的一个模糊子集，简称模糊集，记为A。 叫模糊集的隶属函数， 叫

6、元素x隶属于A的程度，简称为隶属度。 越接近，表示x隶属于A的程度越高；越接近，表示隶属程度越低。 在故障诊断中，对于所论的特征K或状态D， 或 分别为x对或对的隶属度。 隶属度与概率是不同的。,常用的模糊分布,梯形分布 正态分布,隶属函数的确定是个难题！,13,模糊关系方程,故障诊断中的模糊关系 在故障机理的作用下，内在原因表现为各种外部现象； 在内在原因与外部现象之间存在着单向的、确定的、复杂的关系；从本质上说，这种关系含有一定的模糊性； 故障原因与诊断信息之间呈现一种模糊关系。,14,故障状态向量Xx1，x2， xi xn 由故障状态引起的各种故障特征或征兆，用特征向量Y表示： Yy1，

7、y2，yjym 状态向量X和特征向量Y中的元素xi和yj均为模糊变量，由各自对应的隶属函数来确定。,诊断规则 反映设备状态和特征之间的因果关系 诊断规则的描述方法 模糊关系矩阵（ A ）,状态向量X、模糊关系矩阵A、特征向量Y构成了模糊关系方程： X o A=Y（ o ：模糊算子，故障机理的作用）,故障诊断过程：根据设备特征（Y）和诊断规则(A)推断出设备状态(X),表示导致结果或故障现象Y出现的内在故障原因 故障原因在故障机理的作用下，使设备表现出各种各 样的现象Y 原因与现象Y之间的模糊关系用矩阵加以描述，故障机理的作用形式用模糊运算算子“o”来表示 在故障诊断过程中，已知的是Y，部分已知

8、的是和算子“o”，诊断目标是确定未知的原因 对同一故障诊断问题，矩阵和算子“o”可能不完全一样 模糊算子“o”可有多种运算形式,17,3）变压器故障模糊诊断实例,18,故障状态向量X,19,故障特征向量Y（数值由隶属函数确定）,20,模糊关系方程求解（徐罗曹李法）,是 A4每列均有元素？ 否,21,诊断实例,变压器型号为DFPFS250000/500，重瓦斯突然动作，此前油中DGA结果正常，跳闸后取样，DGA结果为：A 相，C2H2=15.13，总烃=118。 故障参数Y确定为：y15=0.9，y16=0.9，y17=0.9，y19=0.8，其余yi=0 诊断结果为： Xmax=（0.8，0.

9、8，1，0.8，1，0.8，1，1，1，1） Xmin=（0.8， 0， 0， 0， 0，0，0.9，0，0，0） 对应故障应该是x7或x1 实际情况是变压器出口外部短路，造成绕组严重变形，引起绕组对地电弧放电。,22,诊断实例,某120MVA、220kV变压器，运行中轻、重瓦斯保护和差动保护突然动作，跳闸、喷油。DGA结果：总烃=219.2，C2H2=102.8，CO=836，CO2=5724；高压绕组直流电阻三相不平衡，A相比B、C两相大12%左右。 故障参数Y确定为：y6=0.9，y7=0.1，y8=0.9，y15=0.9，y17=0.9，y21=0.69，其余yi=0 诊断结果为： X

10、max=（1，1，0.1， 1，1，1， 1， 1， 0.69，1） Xmin=（0，0，0.1，0.9，0，0，0.9，0，0.69，0）,23,诊断实例,某120MVA、220kV变压器，运行中轻、重瓦斯保护和差动保护突然动作，跳闸、喷油。DGA结果：总烃=219.2，C2H2=102.8，CO=836，CO2=5724；高压绕组直流电阻三相不平衡，A相比B、C两相大12%左右。 故障参数Y确定为：y6=0.9，y7=0.1，y8=0.9，y15=0.9，y17=0.9，y21=0.69，其余yi=0 诊断结果为： Xmax=（1，1，0.1， 1，1，1， 1， 1， 0.69，1） X

11、min=（0，0，0.1，0.9，0，0，0.9，0，0.69，0） 最有可能发生的故障应该是x4、x7或x9，即电流回路裸金属发热或其它接触不良和油中电弧放电或突发性短路、接地故障以及油中沿面放电 分析：这三种故障之间的关系，故障可能发生在电流回路中，同时涉及到沿面放电，并伴随着电弧放电，因此有可能是匝间短路，而实际故障为绕组匝间短路。实际上，预试项目中，电压比对匝间短路故障反映最为敏感，但诊断时没有该参数，因而用上述参数诊断不可避免地会出现多种可能性。,24,诊断实例,某63MVA、220kV变压器，进行1.5倍电压PD试验时，有放电声响，放电量达40005000pC，并以主绝缘和匝绝缘均

12、达到1.5倍电压时最严重。 故障参数Y确定为：y20=0.9，其余yi=0 诊断结果为： Xmax=（1，1，1，1，1，1，1，1，0.9，1） Xmin=（0，0，0，0，0，0，0，0，0.9，0） 对应故障应该是x9(油中沿面放电) 将变压器解体，经检查发现：沿绕组端部绝缘角环有树枝状放电痕迹 诊断结果与实际检查结果是一致的。,25,（三）统计诊断,针对诊断对象特征变量分布的随机性而采用.（D1:绝缘完好，D2:故障绝缘）,判断阈值,虚报概率,漏报概率,目标：确定合理的x0,26,二、依据样板的诊断分类,故障诊断步骤 获取表征状态的信号，作为初始模式. 抑制干扰，提取特征，形成待检模式

13、. 将待检模式与样板模式（故障档案）对比，确定故障类型. 根据样板模式的不同，诊断分为： 阈值诊断、时域波形诊断、频率特性诊断、指纹诊断 模式对比的其它方法 ANN（人工神经网络）、ES（专家系统）,27,1、阈值诊断及趋势预测,阈值诊断 按照所得特征量是否超过规定阈值来判断设备状态。 预防性试验制度即属于阈值诊断。 阈值诊断简单易行，但不够全面，易误报。 趋势预测 根据特征量或特征参数随时间的变化趋势来判断设备状态. 故障的形成、发展和发生具有一定的延续性 与逻辑诊断的关系 阈值诊断强调的是诊断规则，而逻辑诊断注重设备特征、状态以及诊断规则的描述方式,28,2、时域波形诊断,对设备进行测试，

14、将测得的某种物理量随时间变化的曲线与样板对照来判断设备状态. 高压断路器操动机构诊断实例,29,高压断路器操动机构诊断实例,操动机构一般用电磁铁作为第一级控制元件,制回路大多采用直流电源 电磁铁线圈电流满足： 电磁铁线圈电流曲线 电流i与电磁铁动铁芯的运动状态密切相关 正常时，t1t0不超过10ms，I3/I1约为0.5.,不动 动 负载 完成,铁心吸合不良故障电流曲线,正常,30,3、频率特性诊断,对设备进行测试，根据测得的设备的频率特性，或将测得的某种物理量的频谱与样板进行对照来判断设备状态. 举例 异步电动机转子断条和端环开裂故障 定子电流中出现边频f=(1-2s)f1 变压器绕组变形故

15、障 绕组的电感、纵向电容、对地电容等发生响应变化，其频率响应特性随之变化.,31,电机的定子电流频谱图,(a)良好电机,(b) 转子断条故障电机,32,变压器绕组变形故障的频率特性,将不同频率的正弦波加在绕组一端，记录绕组其他端点上的信号，得到频响特性. 诊断依据：三相绕组频率响应不一致.,33,4、指纹诊断,对设备进行测试，对测得的数据进行处理，将得到的某种特殊图形（指纹）与样板进行对照来判断设备状态. 指纹诊断方法 目测法：取决于操作人员的经验 参数法：由指纹提取特征参数进行诊断 进行指纹参数时，确定合适的特征参数很关键 局部放电故障的指纹诊断实例.,34,局部放电故障的指纹诊断实例,：放

16、电时电压相位，q：放电量，n：单位时间内的放电次数.,(a) n谱图,(b) qn谱图,35,(c) q谱图,(d) qn谱图,第二节 人工神经网络在故障诊断中的应用,人工神经网络,人工神经网络概念 人工神经网络(artificial neural network，简称ANN)的研究源于脑神经元学说 19世纪末，在生物、生理领域出现了神经元学说. 人们开始认识到，复杂的神经系统是由数量巨大的神经元组合而成的. 神经元包含神经细胞体、树突和轴突. 树突是神经细胞体的输入端，轴突是其输出端. 来自各个方面的输入信号由树突传人神经元，经神经细胞体作用后通过轴突传输给下一级神经元. 前一个神经元的轴突与下一个神经元的树突的连接部分称为突触，神经元通过它进行信号传递，突触决定神经元之间相互作用的强弱和性质. 每个神经元有101105个