科研攻关
科研攻关

故障诊断

2019-08-06    5043

         近代故障诊断技术的发展已经历30年,但形成一门“故障诊断学”的综合性新学科,还是近几年逐步发展起来的,以不同的角度来看,有多种故障诊断的分类方法,这些方法各有特点。概括而言,故障诊断方法可以分成两大类:基于数学模型的故障诊断方法、基于人工智能的故障诊断方法。
故障诊断的主要任务有:故障检测、故障类型判断、故障定位及故障恢复等。其中:故障检测是指与系统建立连接后,周期性地向下位机发送检测信号,通过接收的响应数据帧,判断系统是否产生故障;故障类型判断就是系统在检测出故障之后,通过分析原因,判断出系统故障的类型;故障定位是在前两部的基础之上,细化故障种类,诊断出系统具体故障部位和故障原因,为故障恢复做准备;故障恢复是整个故障诊断过程中最后也是最重要的一个环节,需要根据故障原因,采取不同的措施,对系统故障进行恢复。


1、输变电设备故障诊断


         输变电设备,特别是大型高压设备、输电线路等,发生突发性故障时,会造成巨大的经济损失和不良的社会影响。因此,输变电设备的可靠性是电力系统安全、稳定、经济运行的基础保证。针对电力设备故障诊断这个领域,结合声纹识别、神经网络、信息融合和专家系统等前沿技术,进行基于新型智能信息处理技术的电力设备故障诊断方法的研究,为实现变电站状态维修提供技术基础,最终实现新型的变电站决策支持系统的建立。


系统研制应用

2、大型风力发电机故障诊断


         风力发电机组电气系统故障率最高,其次是电控系统、传感器等,而平均故障排除时间却依次为叶片、齿轮箱和发电机引发的故障。据统计,陆上风场运维成本高达总收入的 15% ~ 20%,海上风电场甚至高达 30% ~ 35%,故障诊断技术是保证风场运行效率并降低风场运营成本的关键。风电机组状态监测、故障诊断和智能维护技术等已逐步成为新的行业增长点。
基于定性经验的风电机组故障诊断是一种利用不完备先验知识描述系统功能结构,并建立定性模型实现故障诊断过程的方法,主要包括专家系统(expert system,ES)、故障树分析(fault tree analysis,FTA)、符号有向图(sign directed graph,SDG)等方法。


故障诊断应用2

返回列表