故障诊断参数范文
故障诊断参数范文（精选12篇）
故障诊断参数 第1篇
电网故障诊断可在电网发生故障时,帮助运行人员进行故障诊断,从而可自动、快速、准确地判定故障区域及识别故障元件,是事故分析的重要辅助手段[1,2],也是实现智能电网自愈的前提条件。目前故障诊断在实用中还存在一些问题,其中之一就是在存在保护、断路器的误动和拒动信息情况下如何保证诊断结果的正确,如何使这些错误信息不影响故障诊断的精度,并对其进行识别。这也是目前电网故障诊断研究中需要解决的主要问题之一[3,4,5]。
在故障诊断模型中识别保护和断路器误动、拒动,必须在保证信息冗余度的前提下,依据保护和断路器的完整时序配合逻辑信息进行判断[6,7,8],需要能够完备描述保护及其控制的断路器在动作时间和保护范围上的配合逻辑关系的模型。
目前的诊断模型对保护和断路器的配合逻辑建模主要从主保护、近后备保护、远后备保护进行划分建模。这种逻辑描述必须预先人为配置,若电网保护配置逻辑发生变化,诊断系统则无法自动修改主保护和后备保护配置,必须人工修改,而这种人为干预无法保证保护逻辑关联配置的可靠性。同时,这种逻辑描述没有考虑事件时序的相关性,不能深入刻画电网故障时保护和开关动作时序逻辑的完全视图。例如:电网中线路保护一般将线路纵联差动保护作为主保护,距离或零序接地保护作为后备保护,但距离Ⅰ段与零序接地Ⅰ段保护都是瞬时动作,其优先级应与纵联保护相同。因此,这种诊断模型对于描述复杂故障等具有复杂时序特性事件和对保护动作结果的精确评价都有一定难度。
基于上述考虑,本文提出一种基于继电保护时空信息的电网故障诊断模型。该模型考虑继电保护在动作时间和保护范围上的配合特性,建立故障关联树,并将故障关联树描述的保护和断路器的配合关系映射到Petri网动态推理模型,从而有效识别电网中的断路器和保护的误动、拒动,并提供正确的诊断结果。
1 故障关联树建模
当发生故障时,根据断路器和保护的动作信息可初步形成可疑故障元件集。故障元件关联树以可疑故障元件集中的元件为出发点,建立关联关系。它描述的是故障元件与相关保护和断路器在空间和动作逻辑上的关联关系。
1.1 故障关联树定义
定义T=(D,R)为树结构,其中,D为树的结点集合,R为结点之间的数据关系(树支)。若D仅含一个数据元素,则R为空集,否则R={H},H是如下二元关系。
1)在T中存在唯一的称为根的数据元素root,它在关系H下无前驱,即其他节点均为此节点的派生节点。
2)若,则存在D-{root}的一个划分D1,D2,,Dm(m>0),对任意j≠k(1jm,1km)有,且对任意的i(1im),唯一存在数据元素Xi∈Di,有〈root,Xi〉属于H。
3)对应D-{root}的划分,H-{〈root,X1〉,〈root,X2〉,,〈root,Xm〉}有唯一的一个划分H1,H2,,Hm(m>0),对任意j≠k(1jm,1km)有,且对任意i(1im),Hi是Di上的二元关系,(Di,{Hi})是一棵符合本定义的树,称为根root的子树。
当根root被重定义为需要进行诊断的可疑故障元件,D-{root}被重定义为物理上与此元件相关联的一次设备时,T被称为故障关联树。从根root出发,采用广度优先搜索,可得到故障关联树,其树支的方向性规定如下:由先搜索到的设备指向后搜索到的设备。当搜索到电源或负荷时,搜索终止,电源和负荷定义为关联树的叶节点。
1.2 故障关联树迭代生成方法
以图1电网结构为例,设保护配置为母线差动保护,线路为纵联保护、距离Ⅲ段保护。
根据接线图,一次设备的拓扑连接可通过式(1)的邻接矩阵A表示:
式中:行号代表线路L1至L4;列号代表母线B1至B5;若元素值为“1”代表两设备相连,“0”代表没有相连。
定义矩阵B为元件之间断路器的关联矩阵,如式(2)所示,它描述的是2个一次设备之间关联的断路器标识,其作用是检索每个断路器上的保护配置及其与各一次设备的关联。
式中:行号代表断路器CB1至CB10;列号从左至右代表线路L1至L4、母线B1至B5、G1、G2。
经初步诊断得到可疑故障元件为L1,B2,L2,建立B2的关联树,步骤如下。
步骤1:建立故障向量L,L中的元素标识母线B1至B5,因为是针对B2建立故障关联树,其对应元素置1,其余元素值为0,即
定义连接向量C,C中的元素为与故障元件相关联的元素。并定义其矩阵乘法运算如下:
式中:∪表示“或”运算;∩表示“与”运算。
步骤2:经上述运算得连接向量C=[1 1 1 0]T,其物理意义为B2分别与L1,L2,L3相连接。检索矩阵B,可得B2通过断路器与线路的连接情况。
步骤3:对C的每一个非零元素沿电源或负荷方向继续检索,当检索到母线时,按步骤1进行迭代,当搜索到电源或负荷时,搜索终止,此时可得L1分支的故障关联树。
步骤4:重复执行步骤1至步骤3,可分析出B2关联树的所有分支,如图2所示。
在故障关联树生成的同时,根据搜索深度,即树支和树叶节点距离根节点的远近程度,可确定与B2关联的保护在空间位置上的优先级,在本文中定义空间关联度来描述。如图2所示,与B2直接相连的断路器所关联的保护空间关联度权值设为1,沿各分支搜索时,每经过一个断路器,若在搜索方向存在与B2关联的保护,其空间关联度权重加1。故障关联树生成后,同时生成如表1所示的与母线B2相关的断路器和保护在空间上的关联关系。
1.3 保护动作优先级排序算法
根据表1中保护与故障元件的空间关联度和保护动作时间对关联树的每条分支进行排序。以表1中的动作时间为主关键字,空间关联度s为次关键字,按照高位优先进行基数排序,排序方法如下。
1)对主关键字进行排序,将序列分成若干子序列,每个子序列中的记录具有相同的时间值。
2)对子序列以关键字s进行排序,形成以s排序的子序列。
3)将所有子序列连接成为有序序列,以罗马数字标识保护动作优先级。
排序后优先级数字越小,保护动作的优先级越高。同一分支内具有相同空间关联度和动作时间的保护处于同一优先级。
2 故障关联树到Petri网的映射
2.1 故障关联树到Petri网的映射方法
模型以基本Petri网[9,10,11,12]为基础,通过一个四元组(S(t),Tr,F,M0)描述一个动态逻辑网,其中S和Tr是2个不相交的有限集。S的元素称为库所,库所表示相应元件的初始或可能存在的中间状态;Tr的元素称为变迁,变迁表示欲使库所中布入托肯所满足的条件,系统的动态行为通过托肯在库所中的分布变化来反映,而托肯数目的变化是通过变迁的点火来实现的;F描述网的流关系,通过有向边表示;向量M0表示Petri网的初始标识,初始标识即有托肯的相应库所对应元素所组成的向量。
将故障关联树映射到Petri网模型时,通过故障关联树检索各空间关联度对应的断路器和各断路器关联的保护,映射为Petri网中的库所,一次元件也由对应的库所表示;在Petri网中加入分支动作库所Z,当该库所有托肯时,表示该分支方向上的保护最终动作,对于每一个分支,均是按照保护、断路器在时空方向上的逻辑配合来实现库所和变迁配置;定义一个优先级库所H,该库所描述保护动作的优先级,库所下标第1个数字代表分支号,第2个数字代表优先级。根据表1中的优先级层次来决定优先级库所数目。然后按照表1中的优先级将各保护断路器库所关联到对应的优先级库所,形成故障推理的Petri网模型。
2.2 Petri网诊断模型建立和推理方法
以母线B2-L1侧分支为例,根据表1的优先级信息,保护动作优先级从高到低依次为:(PB2-C,CB2),(PB1-L1-D2,CB1),(PB1-L1-D3,CB1),其变迁分别对应到保护动作优先级库所H11,H12,H13,表示对应保护、断路器所处的优先级位置。模型中Z1为分支动作库所,表示L1分支关于母线B2的故障情况,有托肯时表示L1侧能够诊断出母线B2故障,无托肯时表示在L1侧没有诊断出母线B2故障。PB2-C,PB1-L1-D2,PB1-L1-D3,CB2,CB1的库所表示对应保护、断路器的动作情况,有托肯表示保护动作或断路器跳闸,无托肯表示未动作。
其余分支的Petri网诊断模型建立原则相同。在不同保护动作情况下推导Petri网变迁时,托肯经过不同的优先级库所到达相应的分支动作库所,以此表示在该方向对应优先级的保护动作并切除故障。
同理,可生成L2和L3侧引出线Petri网模型,综合母线各分支模型的诊断结果,建立母线B1的Petri网综合诊断模型,如图3所示。在该模型中,若经过容错性判别修正,逻辑迭代结果为HB2中有托肯,则母线B2为故障元件。
2.3 容错性判别条件
故障元件诊断过程中,可进一步根据Petri网中标识变迁过程中经过的优先级库所对保护和断路器的动作作出评价,并根据评价信息修正故障诊断结果。步骤如下。
步骤1:根据表1中的保护优先级,选择Petri网模型中优先级最高的动作保护和断路器信息作为基本评价信息。设故障判别阈值为μ=[N/3],其中N为同优先级保护的个数,当同优先级的保护中有n个动作,且n≥μ,则判断该元件故障,若n<μ,则该元件无故障。由于目前保护装置中都配置有多种原理的保护并采用双重化配置,进行判断所需的冗余信息可以保证。
步骤2:如果优先级最高的保护库所没有布入托肯,而该元件最终被确定为故障元件,则该保护拒动,依次类推,可判断其余优先级的保护是否发生拒动。
步骤3:在模型中,比正确动作信息优先级低的保护动作,此保护误动;比正确动作信息优先级低的断路器动作,此断路器误动。同一优先级保护中动作状态与其余保护不同时,此保护误动。
步骤4:保护信息丢失情况。当元件发生故障时,若相同优先级保护和断路器动作,切除故障,且Petri网中的次优先级保护未动作,说明保护正确动作,这时保护没有拒动。此时若同优先级的某一保护库所中未布入托肯,唯一的可能就是保护发生信息丢失。
步骤5:断路器信息丢失情况。发生故障时,若某个断路器信息丢失,与该断路器相关的Petri网分支不布入托肯,无法通过Petri网判断出故障元件,但模型中的其余分支会收到保护或其他断路器动作信息,且次优先级保护都未布入托肯,说明保护和断路器正确动作。此时可以确定发生了断路器信息丢失。通过Petri网确定丢失信息的断路器需要进行二次推理。推理方法如下:在Petri网中按照优先级加入一个断路器托肯,如果其推理过程与保护动作信息匹配,则认为该保护或断路器对应的信息丢失。
3 仿真算例
图4所示为山东电网500kV接线简化图,电网中母线配备母线差动保护和断路器失灵保护。线路配置反应各种类型故障的纵联差动保护,阶段式距离保护Ⅰ段至Ⅲ段,阶段式零序保护Ⅰ段至Ⅲ段。电网中的保护编号按下述方法定义:P表示保护,B表示母线,L表示线路,C表示纵联差动保护,D表示接地距离保护,Z表示零序电流保护,F表示断路器失灵保护,1表示Ⅰ段,2表示Ⅱ段,3表示Ⅲ段。例如:PB2-L1-D1对应的库所即表示线路L1的B2侧接地距离保护Ⅰ段所对应的库所。
下文以系统中发生线路L1故障为例,对保护、断路器发生误动、拒动及信息丢失时进行仿真分析。其余可疑故障元件诊断推理过程同L1,在此不再赘述。当线路L1发生故障时,其Petri网诊断模型如图5所示。
1)保护和断路器正常动作
线路L1发生故障时,线路纵联差动保护PB2-L1-C、零序电流保护Ⅰ段PB2-L1-Z1和PB12-L1-Z1、线路接地距离保护Ⅰ段PB2-L1-D1和PB12-L1-D1动作,断路器CB1和CB2跳闸。根据保护和断路器动作情况对电网进行初步诊断,根据故障向量L确定可能发生故障的元件。根据已知的保护和断路器的动作状态,在动作的保护和断路器所对应的库所中布入托肯。与变迁相连接的下级库所中都有托肯布入,则此变迁满足触发条件而点火,与之相连接的下级库所中布入托肯。进而库所Z1至Z6中都会布入托肯,托肯最终达到可疑故障元件L1中,可推导可疑故障元件L1发生了故障。
2)断路器CB2拒动
若断路器失灵保护投入,CB2拒动时,通常会启动断路器失灵保护,跳CB3,CB7,CB6。图5中虚线右侧为断路器失灵保护的Petri网模型。若考虑失灵保护动作,则作为后备保护的失灵保护对应的库所和断路器CB3,CB7,CB6所对应的库所中被布入托肯,能判断出故障元件和失灵的断路器。
若断路器失灵保护退出,则不考虑图5虚线右侧的断路器失灵保护,此时线路纵联差动保护PB2-L1-C、零序电流保护Ⅰ段PB2-L1-Z1和PB12-L1-Z1、线路接地距离保护Ⅰ段PB2-L1-D1和PB12-L1-D1、距离保护Ⅲ段PB11-L1-D3,PB13-L1-D3,PB10-L1-D3动作,断路器CB1,CB4,CB5,CB8跳闸。根据保护和断路器动作情况对电网初步诊断,根据L确定可能发生故障的元件。这时CB2中不布入托肯,进而库所Z1至Z6中都会布入托肯,托肯最终达到可疑故障元件L1中,可推导L1发生故障,断路器CB2拒动。
3)线路零序电流保护Ⅰ段PB2-L1-Z1发生信息丢失
线路纵联差动保护PB2-L1-C、零序电流保护Ⅰ段PB2-L1-Z1和PB12-L1-Z1、线路接地距离保护Ⅰ段PB2-L1-D1和PB12-L1-D1动作,断路器CB1和CB2跳闸。根据保护和断路器动作情况对电网进行初步诊断,根据L确定可能发生故障的元件。这时零序电流保护Ⅰ段PB2-L1-Z1的库所中不布入托肯。库所Z2至Z6相继被布入托肯,Z1中无托肯,但L1-1中仍能触发布入托肯,托肯最终达到可疑故障元件L1中,可推导可疑故障元件L1发生了故障,通过实际故障元件反向推出线路零序电流保护Ⅰ段PB2-L1-Z1发生信息丢失。
4)断路器CB1发生信息丢失
断路器CB1中不布入托肯,线路纵联差动保护PB2-L1-C、零序电流保护Ⅰ段PB2-L1-Z1和PB12-L1-Z1、线路接地距离保护Ⅰ段PB2-L1-D1和PB12-L1-D1动作,断路器CB2跳闸。由于断路器CB1不布入托肯,库所Z1至Z3及L1-1对应库所中无法触发布入托肯,最终L1对应库所中不能布入托肯,不能推导出故障元件。但此时L1两侧都有保护的动作信息,根据保护动作信息进行二次推理,此时在缺少动作信息的库所优先级最高的断路器CB1的库所布入托肯,库所Z1至Z6中都会布入托肯,可推导可疑故障元件L1发生了故障,与保护动作信息匹配。同时判断出断路器CB1发生信息丢失。
5)断路器CB30、断路器CB2、线路零序电流保护Ⅰ段PB12-L1-Z1、线路接地距离保护Ⅰ段PB12-L1-D1发生误动
线路零序电流保护Ⅰ段PB12-L1-Z1、线路接地距离保护Ⅰ段PB12-L1-D1动作,断路器CB2跳闸,此时库所Z5和Z6及L1-2对应库所被相继触发布入托肯,但L1-1的库所中并无托肯,L1的库所不能被触发。在分支L1-2优先级最高的PB2-L1-C对应库所中布入托肯,库所Z4,Z5,Z6及L1-2对应库所被相继触发布入托肯,但L1-1的库所中并无托肯,L1的库所不能被触发,可判断出L1不是故障元件,断路器CB30、断路器CB2、线路零序电流保护Ⅰ段PB12-L1-Z1、线路接地距离保护Ⅰ段PB12-L1-D1发生误动。
4 结语
本文从保护基本原理出发,根据继电保护在动作逻辑上具有二维时空的特性,通过故障关联树自动描述保护装置的时空配合特性,将其映射到Petri网的动态推理模型,弥补了传统Petri网故障诊断中保护范围划分不明确的不足,实现了对电网元件的精确诊断,并能对保护和断路器的动作行为作出评价。该方法将故障诊断的静态信息和动态行为分析分别处理,可在多种复杂动作的情况下对故障进行快速诊断,具有更好的通用性和实时性。
摘要：根据继电保护动作逻辑的时间和空间特性,定义了故障关联树,以描述保护装置的时空配合逻辑。利用空间关联度和保护动作时间对保护进行动作优先级排序,并将其映射到Petri网的动态推理模型中,以实现对电网元件的精确诊断。同时通过保护优先级参数对保护和断路器的动作行为作出评价。仿真算例证明该方法能在多种复杂故障的情况下进行快速诊断,对保护和断路器动作进行正确评估。
关键词：继电保护,故障诊断,故障关联树,Petri网
参考文献
[1]LEE H J,AHN B S,PARK Y M.A fault diagnosis expert system for distribution substations[J].IEEE Trans on Power Delivery,2000,15(1):92-97.
[2]CARDOSO G J,ROLIM J G,ZURN H H.Application ofneural network modules to electric power system fault section estimation[J].IEEE Trans on Power Delivery,2004,191034-1041.
[3]郭文鑫,文福拴,廖志伟,等.计及警报信息时序特性的电网故障诊断解析模型[J].电力系统自动化,2008,32(22):26-31.GUO Wenxin,WEN Fushuan,LIAO Zhiwei,et al.An analytic model for power network fault diagnosis with the temporal information of alarm messages taken into account[J].Automation of Electric Power Systems,2008,32(22):26-31.
[4]郭文鑫,文福拴,廖志伟,等.计及保护和断路器误动与拒动的电力系统故障诊断解析模型[J].电力系统自动化,2009,33(24):6-10.GUO Wenxin,WEN Fushuan,LIAO Zhiwei,et al.An analytic model for power system fault diagnosis with malfunctions of protective relays and circuit breakers taken into account[J].Automation of Electric Power Systems,2009,33(24):6-10.
[5]GUO Wenxin,WEN Fushuan,LEDWICH G,et al.An analytic model for fault diagnosis in power systems considering malfunctions of protective relays and circuit breakers[J].IEEE Trans on Power Delivery,2010,25(3):1393-1401.
[6]WEI Liuhong,GUO Wenxin,WEN Fushuan,et al.An online intelligent alarm-processing system for digital substations[J].IEEE Trans on Power Delivery,2011,26(3):1615-1624.
[7]郭创新,彭明伟,刘毅.多数据源信息融合的电网故障诊断新方法[J].中国电机工程学报,2009,29(31):1-7.GUO Chuangxin,PENG Mingwei,LIU Yi.Novel approach for fault diagnosis of the power grid with information fusion of multi-data resources[J].Proceedings of the CSEE,2009,29(31):1-7.
[8]朱传柏,郭创新,曹一家.基于调度综合数据平台的大规模电网分层故障诊断[J].电力系统自动化,2009,33(1):51-55.ZHU Chuanbai,GUO Chuangxin,CAO Yijia.Hierarchical fault diagnosis model of a large-scale power system based on dispatch integrated information platform[J].Automation of Electric Power Systems,2009,33(1):51-55.
[9]孙静,秦世引,宋永华.模糊Petri网在电力系统故障诊断中的应用[J].中国电机工程学报,2004,24(9):74-79.SUN Jing,QIN Shiyin,SONG Yonghua.Fuzzy Petri nets and its application in the fault diagnosis of electric power systems[J].Proceedings of the CSEE,2004,24(9):74-79.
[10]毕天姝,杨春发,黄少锋,等.基于改进Petri网模型的电网故障诊断方法[J].电网技术,2005,29(21):52-56.BI Tianshu,YANG Chunfa,HUANG Shaofeng,et al.Improved Petri net models based fault diagnosis approach for power networks[J].Power System Technology,2005,29(21):52-56.
[11]任惠,米增强,赵洪山.基于编码Petri网的电力系统故障诊断模型研究[J].中国电机工程学报,2005,25(20):44-49.REN Hui,MI Zengqiang,ZHAO Hongshan.Power system fault diagnosis modeling techniques based on encoded Petri nets[J].Proceedings of the CSEE,2005,25(20):44-49.
1070空压机参数及故障检查 第2篇
技术规格；额定排气量；1070(30,3)cfm(m3/min).额定排气压力;2400kpa(350psi).发动机;卡特彼勒3406.满负荷转速1800rpm.无负荷转速1200rpm.电器系统24v直流
.油液容量;空压机润滑油第一次加油;208升,补充加油167升.发动机润滑油;34.1升.发动机冷却液;62.5升.燃油箱608升.工作环境范围;-23-47摄氏度。
机型尺寸；长度5.18m。高度2，58m。宽度2，25m。重量6，900kg。
（1）发动机机油首次50小时更换。
（2）发动机机油250小时更换机油滤芯250小时更换。
（3）发动机柴油粗滤250小时清洗，精滤250小时更换。
（4）螺杆油粗滤500小时清洗弯道内。（5）螺杆油滤500小时更换2个。
（6）空压机螺杆油滤2000小时或一年更换指的是油器分离器。（7）空压机螺杆油1000小时或半年更换一次。
（8）发动机空滤工作1500小时更换主滤芯，3000小时更换安全滤芯。
（9）柴油机冷却液2000小时更换，冷却液滤芯250小时更换。（10）风扇轴承250小时润滑。（11）调速器1000小时润滑。
（12）回油节流阀和相关零件2000小时清洗。（13）液压制动器流件3-4点。
《1》空压机排气温度；正常值85－110度120度报警。《2》发动机水温；正常值82－99度104度以上报警。《3》发动机机油压力；加入SAE30机油在1800转时机油压力310－480kpa既有压力低于80kpa以下报警。五个自动停机传感器位置；
1。装在发动机上的冷却液温度过高传感器。2。装在发动机上的机油压力低传感器。3。燃油油位低传感器，在仪表盘上有指示灯。4。装在空压机排气口的排气温度过高传感器。5。装在安全阀T形接头的排气温度过高传感器。油气分离系统由四个基本部件组成；
1。储气筒。2。回油路。3。安全阀。4。最小压力保持阀。XHP1070的压力调节器的调压范围在150－400psi之间。蝶形阀位于一级压缩螺杆的进气口，与转速控制气缸相连。蝶形阀的角度变化范围从关闭时的水平位置到完全打开时为60－90度。《空压机故障诊断》
1。空气滤清器使用寿命短；工作环境太脏，空气滤清器清节不彻底，滤情器指示器失效，停机操作方法不正确，空气滤芯规格不对，油泵传动联轴器损坏。2。压缩空气中含有过多的油；油位过高，空压机倾斜度大于15度，回油小孔堵塞，回油单向阀失效，储油筒排气速度过快，最小压力阀失效。
3。油封泄漏；润滑油被杂制污染，油管被阻或产生节流，油封损坏，轴上有划痕。
4。不能卸载；压力调节器管路漏气，压力调节器的压力调整不当，压力调节器有故障，进气口卸荷阀或蝶形阀有故障，压力调节管路或节流孔结冰。
5。机油进入空气滤清器；停机操作方法错误，油泵传动联轴器损坏，空压机排气单向阀有故障。
6。安全阀排气；工作压力太高，调节器管路漏气，调节器调节压力不正确，压力调节器失效，进气口卸荷阀或蝶形阀有故障，安全阀失效，油气分离滤芯失效，压力调节管路或节流孔结冰。7。空压机油温过高；环境温度高于125华氏52射氏度，空压机倾斜度大于15度，油位太低，润滑油规格不符，冷却器太脏，工作环境太脏，油滤芯堵塞，风扇皮带松活断裂，工作压力太高，冷却气流反复循环，节温器失灵，风扇损坏，机油冷却器安全阀失效，最小压力阀失效，油管堵塞或产生节流，空压机有故障。8。发动机转速降低；燃油滤清器堵塞，工作压力太高，压力调节器调节压力不正确，压力调节器失效，控制油门的拉杆调整不正确，空气滤清器太脏，控制器缸工作失效，空气滤清器规格不正确，油水分离滤芯失效，压力调节管路或节流孔结冰，发动机功能不正常，空压机有故障。
9。震动过大；橡胶安装块损坏，风扇转动不正常，传动联轴器有故障，发动机功能不正常，空压机有故障。
10。空压机排气量小；空气滤清器太脏，油门控制拉杆调整不正确，调节器调节压力不正确，压力调节器失效，工作压力太高，进气口卸荷阀或蝶形阀有故障，控制器缸功能失常，最小压力阀失效，油水分离滤芯失效，空气滤芯规格不符，调节管路或节流孔结冰。
11。机器停机；缺少燃油，空压机温度太高，发动机水温太高，发动机机油压力太低，发动机皮带断裂，导线结头松动，燃油油位低开关失灵，空压机排气温度开关失灵，发动机皮带断裂开关失效，发动机机油压力开关失效，停机电磁阀失效，继电器功能失常，停机电磁阀的电压低于9伏特，保险丝坏，发动机有故障，空压机有故障。
12。应该自动停机情况下不停机；燃油油位低停机开关失灵，空压机排气温度开关失效，发动机风扇皮带断裂开关失效，发动机机油压力开关失效，停机电磁阀失效，继电器失效，安全旁通开关失效。
13。发电机指示灯常亮；发电机皮带松动或断裂，导线结头松动，电瓶电压低，发电机故障，电路板故障。
14。发电机指示灯不亮；指示灯灯泡损坏，导线结头松动，电路板故障。15。机器不能启动；电瓶电压低，停机电磁阀电压低于9伏特，保险丝断，启动开关故障，安全旁通开关失效，燃油滤清器堵塞，缺少燃油，空压机油温度太高，发动机水温太高，发动机机油压力太低，导线接头松动，空压机排气温度开关失效，发动机皮带断裂开关失效，发动机机油压力开关失效，继电器故障停机电磁阀失效，发动机故障，空压机故障。
16。发动机温度指示灯常亮；发动机风扇皮带断裂，电路板故障，发动机风扇皮带断裂开关失效，环境温度高于52度，工作环境太脏，冷却器脏，发动机倾斜度大于15度，工作压力太高，冷却空气反复循环。
17。机油压力指示灯常；机油油位低，发动机倾斜度超过15度，机油品质不符，机油滤清器堵塞，发动机故障。
18。发动机温度指示灯不亮；灯泡损坏，导线结头松动，电路板故障，发动机风扇皮带断裂开关失效。
采煤机故障诊断与故障预测分析 第3篇
关键词：采煤机；故障；预测
随着当代工业生产不断的深入，用到的大型机械设备也越来越多，运行体系越来越复杂，成本与规模逐渐变大。系统与机械设备密不可分，这就增大了设备发生故障的概率。在实际生产中，采煤机的工作环境十分复杂，很容易在运行中出现问题，而且采煤机对煤炭的生产是非常重要的。所以，必须诊断和预测采煤机在实际运行中的故障。
1 采煤机的结构以及故障情况
1.1采煤机的结构
对于煤矿企业而言，其发展与生存与采煤机的安全运行密切相关，而且采煤机的作用就是实现装煤与落煤。电气装置系统、附属装置系统、结构装置系统、牵引装置系统共同组成了双滚筒采煤机的工作系统，相对应的机构则构成了双滚筒采煤机。
采煤机具有其自身独特的外观。采煤机的动力来源就是电气设备，它可以让采煤机完成牵引与传动工作，此外，这个设备中的电动机还具备耐高温性能，可通过定子水冷，更好的加强采煤机的高能性与安全性。采煤机能够在工作面一直工作是因为牵引装置的作用，它能够及时将煤炭传输都特定位置。采煤机还能够在地下深处获取煤炭，这是因为其具有截剂装置，它的工作是利用摇臂不规则摆动的原理，刮落煤矿。
1.2 采煤机经常出现的故障的原因
采煤机的工作环境较为复杂，组成的装置也特别多，所以，在实际运行中很容易出现问题，通常都在液压装置、机械装置以及电气装置中出现故障。而且，电气装置中的问题包含多个位置，比如：变频器、电机等。
温度接点断开是电机部分最主要的故障方式，使得设备不能正常运行，所以，应该通过短接的方法，让设备恢复正常。采煤机无法牵引、液压牵引部分温度过高、牵引时发出特殊响声这些都是液压装置出现的故障。机械装置的问题通常出现在齿轮以及轴承上，轴承上通常会出现温度过高以及发出特殊响声的情况，这就需要暂时停止设备的工作。齿轮主要是因为设备运行时间过长，致使润滑油消耗殆尽，使得机械之间的摩擦增大，最终会使齿面遭到磨损破坏。
2 采煤机故障预测与问题诊断方法
2.1 温度监测
当设备在运行中出现了零件方面的故障后，最明显的就是温度急剧升高。我们可以利用传感器测量零件的温度，及时了解设备之间的状况。对于采煤机而言，在线温度测量具有高效性。比如：当采煤机中出现了轴承摩擦的状况，其中的温度会急剧升高，这时温度监测能够及时发现并准确的找出出现问题的位置，而且温度监测还能够同时对多个目标进行监测，并能够准确记录有关数据。此外，温度监测不单单能够监测采煤机内部状况，还可以监测采煤机运行现状，同时还能对采煤机故障进行预测。
2.2 铁谱分析
通过上述，磨损是机械设备中最长出现的故障，而利用采集与分析磨损碎屑颗粒方法能够有效地分析出设备的运行状况。润滑油经过高强度磁场的运行环境，使得碎屑颗粒可以在重力以及磁场力的作用下，由大到小的顺序落在基片上，这一系列过程就是铁谱分析过程。然后在借助通透的谱片，可以有效的观察磨损碎片，最后，通过分析碎片的数量，并按照收集到的碎片形状与数据能够有效分析出磨损位置与起因，从而，实现机械设备故障的诊断工作。
2.3 专家系统
采煤机出现故障时，通常会出现隐蔽性与繁琐性，使得人们很难及时的诊断出具体位置。专业系统是通过专业的知识进行模拟过程，用来分析故障的系统。经验知识以及事实知识是专家系统的组成部分。其中，事实知识是通过广大学者共同创造出来的使用数据，而经验知识则是通过实际生活中总结出来的。利用专家系统预测与诊断采煤机在实际运行中出现的问题，首先就是总结现场故障的信息，之后以此为前提建设知识库。
2.4 人工神经网络
功能模拟以及神经元网络结构是人工神经网络的重要组成部分，人们可以通过分析采煤机在实际运行中出现的故障信息判断故障产生的原因与具体位置之间的联系。
3 故障诊断方法发展趋势探讨
在采煤机故障诊断方法中，人工神经网络和专家系统相结合的智能故障诊断方法由于其结合两中方法的优势，前景十分光明。神经网络对浅层次的经验推理较为实用，以数值计算为主，专家系统对深层次的逻辑推理较为实用，以符号推理为主。这两种方法结合起来主要有3种模式分别为：以专家系统为主，以神经网络为辅。系统的主要功能通过前者实现，而后者主要用来对规则的改善、补充等；以神经网络为主，以专家系统为辅。作为辅助的专家系统主要有两大功能：一是为神经网络提供所需的预处理，二是为神经网络提供专家解释；并列协调式。神经网络、专家系统相互独立，相互协调，将二者独立执行的某些功能进行组合，发挥二者优势。
4 故障诊断注意事项
第一，在采煤机进行检修时，必须将电源彻底断掉。在断除电源后，不可立即拆机检查，还需等变频器中间电路电容放电完毕后在进行检查，因为电容残留的电压很高，会对人身安全造成威胁。第二，通常为了便于维护工作，变频器的所有动力线一般于前侧布置，但同时却带来了触电隐患，所以，即使在地面试车时，也禁止开盖送电。第三，注意隔离开关不能进行带负荷通、断操作，主要作用只是电气隔离。第四，一般停牵引时尽量不要急按“急停”键，应该优先采用操作站或遥控器的“停牵引”键或控制盘的“启/停”键来进行操作。这是由于变频器的直流电容器组的最大允许充电次数是5次/10min。
5 结语
采煤机是一个具有液压、电气、机械的大型设备，一旦出现问题，就会使得整个采煤工作终止，给企业带来巨大的经济损失。随着社会的不断进步，采煤行业得到很大的发展，采煤机的性能越来越强大，组成也越来越复杂。所以，明确和掌握采煤机的工作原理以及结构，使其在实际运行中出现的故障率降低是非常有必要的。
参考文献
[1]徐二宝，彭天好，陈晓强等。基于AMESim的采煤机滚筒调高电液比例控制系统仿真分析[J].机床与液压，2013，41（11）：149-151.
[2]封平安，滕文。基于多传感器的少人、无人工作面采煤机记忆截割的实现[J].煤矿机械，2013，34（1）：214-216.
故障诊断参数 第4篇
数控机床的参数是数控系统所用软件的外在装置, 它决定了数控机床的功能、控制精度等, 主要包括数控系统参数和机床可编程控制器参数, 这些存入的参数值是机床出厂时通过调整确定的, 他们直接影响着数控机床的性能。
二、数控机床产生参数故障的原因
数控机床在使用过程中, 在一些情况下会出现使数控机床参数全部丢失或个别参数改变的现象, 主要原因如下:
1.数控系统后备电池失效
后备电池失效将导致全部参数丢失。因此, 在机床正常工作时应注意CRT上是否显示有电池电压低的报警。如发现该报警, 应在一周内更换符合系统生产厂要求的电池。更换电池的操作步骤应严格按系统生产厂家的要求操作。如果机床长期停用, 很容易出现后备电池失效的现象。应定期为机床通电, 使机床空运行一段时间。这样不但有利于后备电池使用寿命的延长和及时发现后备电池是否失效, 更重要的是对机床数控系统、机械系统等整个系统使用寿命的延长有很大益处。
2.操作者的误操作
初次接触数控机床的操作者在操作过程中, 由于对数控机床比较陌生, 有的直接将参数清除, 有的将参数更改, 导致数控机床在使用过程中出现这样那样的故障。
3.机床瞬间停电
如果数控机床在DNC状态下加工工件或进行数据通讯时, 电网突然断电也会引起参数的更改或者丢失。
由上述原因可以看出, 数控机床参数改变或丢失的原因, 有的是可以通过采取措施减少或杜绝的, 有些则是无法避免的。当参数改变或机床异常时, 首先要进行的工作就是数控机床参数的检查和恢复。
三、参数故障的诊断和维修实例
下面结合实际教学过程中遇到的具体实例, 来简单的介绍一下参数检查法的诊断方法和具体步骤。
例一:某数控铣床, 采用FANUC-OM系统, 故障现象:数控系统运行中断且无报警故障。
故障诊断与处理:机床自动或手动运行中断且无报警信号, 一般是CPU控制系统异常。查位控板 (01GN710) , 发现PCB上LED故障显示发光, 提示位控板或CPU及其连接电路发生故障。经检查连接电路无异常, 更换控板后故障仍存在, 推断CPU板 (01GN710) 有故障, 经分析, 由于能正常工作十多分钟, 估计是板上某个元器件存在热稳定性差的问题。经打开数控柜门, 采用风冷散热后试机, CNC果然能够延长工作达数小时。采用测温及降温法, 确诊故障部位在CPU板上的ROM存储器, 集成电路型号MB7122E, 更换ROM上热稳定性差的集成电路, 故障排除。
例二:一台带FANUC-OM系统的加工中心, 铣头只能向工作台方向转动, 也就是只能向坐标负方向移动, 向正方向移动即产生超程报警。
故障诊断与处理:
①数控机床通电后, 首先进行返回参考点的操作, 该加工中心在进行返回参考点时, 运动一小段距离即产生超程报警, 说明镜头所处位置已是机床参考点, 故再向正方向移动就产生超程报警。
②停电后再送电, 报警消失, 向正方向移动产生现象与上述相同, 向负方向运动不产生报警。
③初步诊断结论, 机床通电这一时刻, CNC系统已处于“参考点返回”的完成状态, 但操作者根本就没有进行返回参考点的操作, 机床刚刚通电, 自动返回参考点也是不可能的。分析的结果是机床所处状态是“参考点返回”完成状态, 但是“返回参考点完成”指示灯并不亮, 向正方向移动的尺寸与参数所设定的软件超程保护是相近的。经查验, CNC系统设置的参数与随机所带参数表基本一致。机床向坐标负方向运动属于正常, 说明整机硬件无异常, 只有通过参数设置来解决问题。
具体步骤如下:首先选择参数显示页面;然后找到软件超程保护区域参数;最后记录下原设定值, 将其改为最大设置值即设为999999;进行正常的手动返回参考点操作, 待真正返回参考点, 返回参考点指示灯亮后参数改为原始设定值, 经过上面的几步操作后, 机床工作恢复正常。分析产生这种现象的原因, 可能是机床受干扰造成。向操作者询问得知, 在出故障前机床正常工作时发生过一次突然断电。
四、总结
实践证明, 参数检查法在数控机床的故障诊断中是一种行之有效的实用方法。因此在具体的故障诊断和维修过程中, 应根据实际问题具体分析, 灵活运用这种诊断方法, 对故障进行综合分析逐步缩小故障范围, 以达到排除故障的目的。由于数控机床品种多, 结构形式各异, 与其配备的数控系统和功能也是多样的, 所涉及到的系统参数也不尽相同, 如果要更改参数, 必须对该参数有详细的了解, 看该参数的变更会产生什么样的结果, 受哪个参数的制约以及对其他参数有无影响, 并做下记录, 以便对不同参数所产生的结果进行对比, 选择其中最佳者设定到对应的参数表中, 在修改参数前做好参数备份。
参考文献
[1]林岩.数控机床维修100问[M].北京:化学工业出版社, 2008.
[2]王贵成.数控机床故障诊断技术.北京:化学工业出版社, 2005.
故障诊断参数 第5篇
涡轴发动机监视参数选择与诊断方法研究
介绍了涡轴发动机性能参数与监测参数选取的依据和方法,建立了利用故障因子概念诊断发动机故障的数学模型,给出了亚定型故障诊断方程组的解法及其发动机健康状况判定依据和故障诊断有效性的评价指标.运用发动机的实际无故障数据和模拟故障数据进行了仿真.结果表明:建立的`诊断模型可信;选取不同的测量参数可诊断不同的发动机故障;减少系统测量误差可以提高诊断的有效性.该系统对在役涡轴发动机的健康监视具有实用性,对其它发动机具有参考价值.
作 者：李本威 胡国才 高国胜 侯志强 高永 作者单位：海军航空工程学院,机械工程系,山东,烟台,264001刊 名：航空动力学报 ISTIC EI PKU英文刊名：JOURNAL OF AEROSPACE POWER年，卷(期)：17(2)分类号：V233.7+5关键词：涡轴发动机 监视 故障诊断
故障诊断参数 第6篇
关键词：飞机航电系统；故障；分析方法；诊断系统
在飞机航线维护以及飞机检修过程中，几乎每天都要面对各种各样的故障，由于飞机类型较多，且航电系统复杂，外加故障原因与环境、设备、人员等多种因素相关，因此对飞机航电系统故障进行准确诊断并及时排除故障对飞机安全航行有重要意义。以下将从飞机航电系统概述分析入手，逐步探讨了航电系统故障的分析和诊断方法。
一、飞机航电系统概述
目前通常采用的飞机航电系统为G1000航空电子系统，该系统具有高度集成的特征，内部包括高频通信收发机、GPS收发机、等航空通讯电子设备，同时在机舱内配备了两台高分辨率的高精度液晶显示屏。该航电系统充分应用了飞机的操控特征、大气数据和以太网连接通信领域内的数据成果，具备功能性与实用性。系统将航空电子设备和仪表操作显示集成到一个单独的显示系统内，用液晶电子显示替代传统的机械仪表，从而让航行信息具备高灵活度，但航电系统在带给航空人员便捷的同时也给设备维护人员带来了一定的困难。
G1000子系统则包括飞行仪表显示系统和导航与通信系统。飞行仪表显示系统主要负责为主系统提供飞行参数，例如航向、高度、外界大气参数、飞行姿态等，信息均可在PFD显示屏中显示。导航与通信系统则主要起到导航与通信功能，音频信号通过数字传输通道送入音频板，GPS信息则传送到MFD和PFD显示屏中进行处理。
二、飞机航电系统故障分析方法和诊断系统
1.航电系统故障
航电系统中最容易出现的是数据链路故障，由于数据链路状况主要以不同颜色的框框来进行区分，红色表示确定链路失效，黑色表示链路不明，系统无法准确识别，绿色则表示链路正常，例如PFD显示屏ARINC 429中1号通道状态框显示为红色，则提示航电系统故障与LRU GRS77相关，即PFD与航向基准系统间的链路失效。
2.通讯导航系统故障
在通讯导航系统中最常见的的故障表现形式如下：（1）COM信号接收发送故障；（2）GPS信号不正常，无法获取到卫星数据；（3）NAV信号收发异常以及G/S信号接收不到等等。其中，COM信号故障又可分为COM信号干扰、弱信号、无通信音等等。在正常情况下，航电系统均能对各类故障提供预警信息，实际操作中按下ALERT键即可看到显示屏中显示的故障预警信息，相关警告包括COM、NAV以及G/S等，在进行故障分析和排除过程中可借助相关信息对故障发生缘由进行查找，或进一步确认故障是否发生。
3.仪表系统故障
在航电系统姿态信息传递到各子系统的过程中，需要与多种类型的传感器共同作用，如倾斜传感器、加速度传感器等，仪表系统组间则主要负责对姿态参数信息进行采集，并将其传入姿态航向系统中，在该系统中，信息传递或者显示任何环节有误或者收到外界干扰均会导致姿态信息显示异常，从以往的故障数据调查以及飞行手册中可总结出仪表系统故障的主要原因，具体如下：（1）发动机振动导致仪表断线。（2）显示屏或者GRS构型文件和软件失效。（3）各模块间数据通道失效。（4）仪表插头脱落或接触不良。
从故障类型来看，主要包括人为因素故障、系统自身元件故障、组间配置故障、参数错误等。
4.飞机电源故障诊断系统结构
机载电源主要有飞机发电机供电，若发电机故障则由机载蓄电池续电，通常情况下，飞机电源需维持三种状态，（1）有地面电源供电时，即使发电机运行正常，也不能向飞机上的设备供电；（2）断开地面电源后，飞机发电机恢复正常供电，同时蓄电池自动充电；（3）发电机故障无法供电时，蓄电池自动供电保证安全运行。
当电源供电关系不符合上述三种逻辑时，则提示飞机电源系统出现故障，需进行及时处理。电源故障诊断系统结构按电源类型可分为地面电源、发电机以及蓄电池三种，具体可通过发电机故障灯来对电源故障进行诊断。（1）地面电源电压超过28.5V，机内大功率用电设备正常工作，发电机故障灯燃亮。（2）发电机电压超过28.5V，机内大功率用电设备正常工作，发电机故障灯不亮。（3）蓄电池电压低于24V，机内大功率用电设备不工作，发电机故障灯燃亮。检修人员可根据正确逻辑和故障分析系统结构予以判定。
5.专家系统知识库构成和诊断分析方法
在飞机航电系统故障诊断领域专家系统应用极为广泛常见的有三种结构——基于规则、框架以及模型的专家系统结构。本文主要对基于规则的专家故障诊断系统结构进行探讨。在该系统中分别包括长期存储模型和短期存储模型，主要存储由规则激发而推断出的新的故障事实，存储器与推理机相互作用，并以规则知识库为主要数据支持，通过对故障模式进行匹配从而得出准确的故障诊断信息。知识库主要通过规则进行表示，例如常见的CLIPS是常见方法，每条规则代表一组因果关系，此外框架也是知识表示的一种形式，与高级语种对象类似，可提供一种更为方便的结构来准确表示常识性知识。创建知识库时，需对现有知识按照特定逻辑进行编程，利用规则和框架表示将故障知识加入到知识库体系当中，从而为故障推理提供依据。
三、结语
综上，排除飞机航电系统故障是保证飞机安全航行的首要前提，在具体诊断过程中，需对航电系统以及子系统进行严格的故障检定，例如通讯导航、电源、仪表系统等，可采用专家系统进行故障诊断，提高诊断的准确率，方便工作人员进行排故处理，为飞机安全航行提供保障。
参考文献：
[1]杨鑫. 西锐飞机远景航电系统简介及故障分析[J]. 科技资讯， 2015， 13（12）：16-16.
[2]李璠， 毛海涛. 飞机机电作动系统故障模式分析与故障诊断方法[J]. 航空维修与工程， 2016（3）：47-50.
[3]龙欣欣. 飞机航电系统故障排除方法分析[J]. 黑龙江科技信息， 2014（25）：59-59.
故障诊断参数 第7篇
滚动轴承是旋转机械中应用最广泛的零部件之一,轴承工作状况的好坏决定着机器能否正常工作。统计显示,旋转机械设备的功能失效有30%是由轴承故障引起的,因此,对滚动轴承进行故障诊断具有十分重要的意义。
轴承运行时的振动信号是典型的非线性非平稳时间序列,很难用一个完全确定的数学函数来表达。因而对轴承进行故障诊断常通过提取振动信号的特征参数并建立其与运行状态之间的关系来实现。时间序列分析(time series analysis)通过将观测数据拟合为一个参数模型,实现对系统动态特征与内在结构关系的近似描述[1]。常用的时间序列参数模型,如自回归(autoregressive,AR)模型、滑动平均(moving average,MA)模型和自回归滑动平均(autoregressive moving average,ARMA)模型等,都是在假定数据序列为平稳的条件下建立的,在实际应用中存在一定的局限性。时变参数模型因其具有较高的非平稳信号时频分布分辨率而受到普遍关注[2,3,4,5,6]。时变自回归 (time-varying autoregressive,TVAR) 模型是目前应用最多的一种时变参数模型,如文献[5]通过对滚动轴承振动信号的TVAR模型求取的时频谱进行奇异值分解,提取奇异值作为特征参数,文献[6]对转子系统振动信号的TVAR模型,提取其基函数的组合权值作为特征参数,实现了对旋转机械的状态监测和故障诊断。目前,直接提取振动信号TVAR模型的时变参数作为反映机械设备运行状态特征参数的研究还不多见。
通过对轴承振动信号的TVAR模型的时变参数进行大量实验研究分析,发现时变参数能有效利用信号的时频分布信息,较好地表征非平稳信号的动态特征。为此,本文提出一种基于时变自回归参数模型的滚动轴承智能故障诊断方法。首先对滚动轴承的振动信号建立时变自回归参数模型,提取时变参数的均值作为反映轴承运行状态的特征参数,然后采用支持向量机(support vector machines,SVM)分类器实现对滚动轴承的智能故障诊断。
1 TVAR建模原理
对离散时间序列{x(t),t=1,2,,N}可建立如下TVAR模型:
式中,ai(t)为时变参数;p为模型的阶次;ε(t)为均值为零、方差为σ2的白噪声。
时变参数ai(t)可用一组基函数的线性组合来表示[7],即
式中,m为基函数维数;ai j为基函数的组合权值;gj(t)为一组基函数。
常用的基函数有时间多项式基函数、傅里叶基函数、离散余弦基函数、勒让德多项式基函数和离散长球序列基函数等。由于轴承的振动信号可近似看作是循环周期信号[8,9],而傅里叶基函数比较适于周期变化情况[10],因此,本文采用傅里叶基函数,其表达形式为
将式(2)代入式(1)可得
令
AT=[a10 a1m ap0 apm] (5)
XTt=[x(t-1)g0(t) x(t-1)gm(t) x(t-p)g0(t) x(t-p)gm(t)] (6)
可将式(4)表述为最小二乘形式:
x(t)=-XTtA+ε(t) (7)
根据最小二乘原理,未知参数A的最佳估计值
由此得到A的最小二乘估计
进而可以求得模型残差ε(t)的方差σ2的最小二乘估计值:
利用式(9)求解模型参数时存在矩阵求逆的问题,当矩阵较大时,求解式(9)需要很大的存储空间和很长的时间。可以利用递推算法来求解式(9)。令
其中,初始值
估计出参数a10,,a1m,,ap0,,ap m后,就可根据式(2)求出模型参数ai(t)在各个时刻的值。
在实际应用中,模型的阶次通常是未知的,需要根据观测数据来适当地判定。AIC准则(akaike information criterion)是目前应用比较广泛的定阶方法,通过使平均对数似然函数为最大或Kullback信息量最小来确定AR模型的最佳阶次,其定义如下[12]:
当p、m增大时,
2 基于TVAR模型的智能故障诊断方法
本文提出的滚动轴承智能故障诊断方法流程见图1,首先对滚动轴承运行时的振动信号建立时变自回归参数模型,用模型参数的均值构建特征向量
具体实现过程如下:
(1)分别在轴承正常、内环故障、滚动体故障和外环故障状态下,按一定的采样频率进行采样,获得一定数量的振动信号作为样本(1024个采样点为一个样本)。
(2)对来自传感器的含有大量噪声的原始信号进行低通滤波等预处理,得到待分析信号x(t),利用式(12)确定p、m,然后由式(11)估计出参数A,建立时变自回归参数模型。
(3)构建特征向量
(4)利用训练样本对SVM分类器进行训练,SVM的建立详见文献[13]。
(5)用训练好的SVM多类分类器对测试样本进行故障模式识别。
3 实验分析
3.1实验Ⅰ
本部分采用的数据全部来自美国 Case Western Reserve大学滚动轴承数据中心[14]。测试平台如图2所示,由1492W(2马力)三相交流电机(左)、转矩传感器(中)、测力计(右)和电子控制装置(未显示)组成。电机轴由测试轴承支撑,通过放电加工(electro-discharge machining,EDM)技术在测试轴承中植入单一局部故障缺陷,故障点直径分别为177.8μm(7mil)、355.6μm(14mil)和533.4μm(21mil),深度为279.4μm,测试轴承为6025-2RS JEM SKF型深沟轴承。
振动信号通过加速度传感器采集,采样频率为48kHz。在不同电机负载/转速工况工作条件(0、746W、1492W和2238W)、4种不同故障类型(正常状态、滚动体故障、内环故障、外环故障)和3种不同故障程度情况下记录振动加速度信号数据,共获得40组数据(正常状态无故障大小,只需采集不同工况下的4组数据),并将每组数据以1024个采样点为一个样本构成一组样本集。按相同负载/转速、相同故障程度分类,可将40组样本集分成12个数据集,每个数据集由在相同负载/转速和相同故障点直径条件下的4种不同故障类型样本集组成,如表1所示,表中,N表示正常状态,I表示内环故障,B表示滚动体故障,O表示外环故障(下同)。以相同负载/转速、相同故障类型分类(不包含正常情况),亦可将36组样本集分成12个数据集,每个数据集由在相同负载/转速和相同故障类型条件下的3种不同故障点直径的样本集组成,如表2所示,表中,FD7表示故障直径为177.8μm,FD14表示故障直径为355.6μm,FD21表示故障直径为533.4μm(下同)。按第2节所述方法对各数据集进行仿真实验研究,在此以数据集D007_0为例,对具体过程加以详细说明。
选取4种故障类型的样本各一个,进行模型阶次(pm)的确定。得到正常状态的最佳模型阶次为194,内环故障的最佳模型阶次为183,滚动体故障的最佳模型阶次为183,外环故障的最佳模型阶次为203。为便于进行SVM分类,需对数据集中的各样本建立相同阶次的TVAR模型,为此,选取最佳模型阶次为183。然后求出数据集中各样本的时变参数,图3所示为数据集D007_0中每类故障各一个样本的部分时变参数情况。可见,不同故障类型的时变参数之间具有较大的区分度,如正常和内环故障的时变参数a1(t)与滚动体和外环故障的时变参数a1(t)之间有较大的差异等。因此,时变自回归模型的参数可以用作反映轴承运行状态的特征参数。
如果直接将时变参数作为表征轴承运行状态的特征向量输入到SVM,则一个样本的输入即为181024=18 432维的高维向量,不利于SVM的处理,且影响分类效率。为此,在求出轴承振动信号的TVAR模型参数的基础上,需进一步研究时变参数的特性来获取低维特征参数,用以表征轴承的运行状态。本文在建立轴承振动信号的TVAR模型后,分别对每一个时变参数求平均,这样18个时变参数可获得18个平均值,则特征参数的维数降至18维。在大量实验研究分析的基础上发现,在轴承的不同运行状态下,对应的TVAR模型参数的均值亦有着较大的可分性。以数据集D007_0为例,各样本的部分TVAR模型参数的均值如图4所示,显然,不同故障类型所对应TVAR模型参数的均值之间仍具有较大的区分度。选取表2中的数据集DINN_2进行分析,结果如图5所示,可见,不同故障程度所对应TVAR模型参数的均值之间同样具有较大的区分度。大量实验研究分析表明,时变自回归模型参数的均值可以较好地刻画运行在不同负载条件下不同故障类型、不同故障程度轴承的动态特性,因而可以用作描述轴承振动信号的特征参数。
因此,对轴承的振动信号建立183阶TVAR模型,采用模型参数的均值作为反应轴承运行状态的特征参数,即构建特征向量
对表1、表2中的数据集分别进行仿真实验,结果如表3和表4所示,各状态均有较高的分类识别率。仿真实验结果说明,采用本文所提的特征提取方法可以有效地提取出反映轴承运行状态的特征参数,从而实现滚动轴承故障的有效诊断。将本文方法与文献[6]所提方法进行对比实验(均采用SVM作为分类器), 限于篇幅, 此处只列出各数据集整体分类识别率,分别如表3和表4中文献[6]方法一栏所示,可知,采用本文方法所获得的整体分类识别率均高于文献[6]所述方法,结果进一步说明了本文所提方法的有效性。
3.2实验Ⅱ
本实验是在笔者所在实验室的QPZZ-Ⅱ型旋转机械故障平台上进行的,装置如图6所示,轴承型号为N205型滚珠轴承。分别在不同负载、转速下通过安装在轴承座外壳上的加速度传感器采集轴承运行时的振动信号,采样频率为20kHz,模拟的故障分别为外环、内环、滚动体出现细小裂纹的情况。然后采用第2节所述的方法对其进行故障诊断,同样以1024个采样点为一个样本,得到各状态的训练样本和待识别(测试)样本数分别为20和480,诊断结果如表5所示。由表5可知,在不同的故障发生形式下,采用本文所提的方法对各种故障类型进行分析亦具有较高的分类识别率,说明本文所提方法具有一定的实用性。
4 结束语
通过对滚动轴承的振动信号建立时变自回归参数模型,提出了一种用模型的时变参数均值构建表征轴承运行状态特征参数的方法,经支持向量机分类器对所提取特征进行故障诊断与分类,实现了滚动轴承故障的智能诊断。利用不同运行状态下的数据进行仿真实验,结果证明了本文所提方法的有效性。
故障诊断参数 第8篇
目前, 对燃气轮机专家系统的研究大多数局限于轴系振动部分, 而对以热力参数为基础的面向通流部分的故障诊断研究较少。而这部分热力参数隶属于慢性变化参数, 具有较好的诊断和预报价值。而基于热力参数的故障诊断必然需要对燃气轮机的通流部分工作过程有个全部的了解。因此, 建立燃气轮机全工况热力数学模型就成了基于热力参数的故障诊断必然阶段。通过建立适合基于热力参数故障诊断的标准模型和故障模型, 可以为诊断系统的开发提供重要的理论依据。基于上述问题, 本文进行了基于热力参数的燃气轮机故障诊断数学模型的研究。
1燃气轮机热力数学模型的研究
1.1热力数学模型的发展
关于燃气轮机热力数学模型的建立的内容, Saravnmuttoo较早从事这方面研究, 1983年他与Macisaac共同提出基于额定工况的部件变工况估算方法[1], 从而建立了实用的状态监测与诊断用的燃气轮机热力模型, 并于1992年与Zhuping对上述方法进行了改进, 提出了在计算透平特性中采用的所谓“热端法”, 对于热力模型的构造有较好的指导作用。2000年上海交通大学的翁史烈院士和黄晓光博士针对特定机型和缺少设计参数的情况提出了从实验数据出发的、建立燃气轮机热力数学模型的新方法。但是, 由于燃气轮机的本身的特殊性和部件性能的复杂性, 通过各种方法所建立的数学模型往往是简单的函数关系式和参数曲线图, 难有具体的表达式, 给研究人员的深入工作带来了诸多不便。
为此, 本文在研究过程中结合某型燃气轮机的各部件的具体工作过程和燃气轮机热力模型的普遍形式, 提出了Matlab回归函数法的新型模型发展思路。也即先参考燃气轮机的各个部件的普遍关系式确定此型机的各个部件的回归式, 然后通过台架试验得到回归所需的参数, 最后进行Matlab软件最小二乘法拟合。
1.2 Matlab回归函数法的介绍
此方法旨在利用Matlab中的最小二乘法拟合技术进行既定形式的函数拟合, 下面将以一个简单的例子对此方法进行介绍。
对于一个形如:F=0.1x12+0.2x22的方程, 给出变量x1, x2的数据如下:[x1, x2]=[1, 0, 1, 2, 3, 4, 5, 4, 0;0, 1, 1, 2, 3, 4, 5, 0, 4], 在Matlab界面中输入如下语句:
运行上述语句则可生成:F=[0.1 0.2 0.3 1.22.7 4.8 7.5 1.6 3.2]。显然, 可以知道上述数据满足的函数原型为, F=a1x1a2+a3x2a4。
利用Matlab模拟过程如下:
(1) 编写M函数:
(2) Matlab程序界面中写入命令:
该式为最小二乘法曲线拟合的函数调用语句。其中, [0.05, 1.5, 0.16, 1.5]为最优化初值, X、z为原始的输入输出向量, 调用该函数则将返回待定系数向量xx, 以及在此待定系数下的目标函数的值res。
(3) 运行后的结果:
其系数拟合的结果与理论值的相对误差在0.1%左右, 当调整初值后可使相对误差进一步减少, 可以看出此方法具有较高的拟合程度。
2故障数学模型的研究
上面所述及的数学模型主要是用于对燃气轮机全工况性能的掌握和理解, 得到一些变工况运行点的数据参数。若想直接的应用于基于热力参数的诊断系统的开发, 还需以此模型为基础进行燃气轮机故障数学模型的研究。其主要的思想是在标准的热力模型基础上通过小偏差方程建立燃气轮机的可测参数和性能参数间的变化关系, 然后对比经典的燃气轮机故障发生判据进行故障征兆的转换, 让诊断系统可以直接利用可测参数的变化进行直接而又快速的故障判断和预报[3]。
利用小偏差方程对燃气轮机的压气机、燃烧室、涡轮等部分工作过程方程进行小偏差化得到参数变化量之间的关系, 然后再参考相关文献把故障判据中性能参数的变化量转为可测参数的变化[3]。这样就可以直接利用可测参数的变化量进行故障诊断, 提高了诊断系统的诊断效率和预报时效。
在此, 将以某型三轴燃气轮机的低压压气机过程方程的小偏差化为例, 简要介绍小偏差法建立故障数学模型的过程。参考文献[4], 对低压压气机过程方程小偏差化过程如下:
低压压气机理想的压缩过程[5]:
实际过程[5]:
因此低压压气机的功率方程为:
小偏差方程如下:
δWLC=δT1+k1δπLc-δηLc其中
又因为T1=T0, 所以上述方程可简化为:
效率方程为:, 小偏差后得到方程如下:
其中
同理, 还可以得到有关高压压气机、燃烧室、高压涡轮、低压涡轮、动力涡轮以及功率输出等11个基本的小偏差方程, 利用这11个小偏差方程就可以建立故障数学模型。
3基于热力参数的燃气轮机故障诊断系统结构
上述燃气轮机数学模型的研究极大的丰富了故障诊断系统的内涵, 同时伴随着计算机软硬件技术的飞速发展, 诸多有关燃气轮机的故障诊断的专家系统也得到完善。专家系统的逐渐完善就给我们更好的驾驭燃气轮机, 确保燃气轮机的正常工作带来了极大的方便。专家系统通常由:知识库、推理机、数据库、知识获取和人机接口几个部分组成。其结构形式如图1[6]。
4结论
本文结合了某型机的基于热力参数的燃气轮机故障诊断系统开发过程遇到问题, 着重阐述了燃气轮机热力模型的重要意义和建立过程。通过本文所介绍的方法建立的数学模型在系统的开发过程中产生了很大的实际效应, 提高了系统的诊断效率和准确率。当然随着燃气轮机故障诊断的需求不断扩大, 本文介绍的热力模型也会存在一些不足之处, 还有待进一步的研究。
参考文献
[1]谢志武, 王永泓.状态监测与诊断用燃气轮机热力模型的构造方法.热能动力工程, 2000;15 (88) :410—412
[2]翁史烈.燃气轮机性能分析.上海:上海交通大学出版社, 1987
[3]黄晓光, 翁史烈, 王永泓.基于热力参数的燃气轮机故障诊断.上海交通大学, 2000
[4]杨勇刚.燃汽轮机基于热参数的故障性能模拟.上海:上海交通大学出版社, 2000.
[5]沈维道, 蒋智敏, 童钧耕.工程热力学第3版.北京:高等教育出版社, 2001:257—262
故障诊断参数 第9篇
炼油厂中的烟气轮机机组是利用原油催化裂化装置在生产过程中产生的高温余热驱动烟气轮机的空气压缩机做功或给发电机机组提供输入能量,发电机组进而输出电能。这种方法是目前国内外催化裂化工艺环节回收能量最有效的方法。以燕山石化公司炼油厂YL18000A型烟气轮机直接发电机组为例,该机组平均每天再生发电10 368 kWh,按当地电价每千瓦时0.50元计算,每年节约人民币5 184万元。烟气轮机机组的投入运行不仅节约了大量的能源,为石化企业带来了巨大的经济效益,而且通过回收利用催化裂化装置产生的烟气,在保护环境方面也发挥了很好的作用。但是由于机械设备质量、工艺过程参数配置、电气电子设备控制方法等各方面的原因,烟气轮机机组振动故障率一致比较高,因此做好烟机机组的状态监测和故障诊断,采取相应控制措施,保证机组安全、稳定、长期运行具有十分重要的现实意义。
目前,国外有些公司正在从事烟气轮机发电系统的故障诊断研究,但其成果引进价格昂贵,更重要的是其产品难以与现有设备配套,引进就要对现有设备进行配套改造,投资很大。国内也有一些科研院所在做这方面的初步研究。课题研究的具体方法是对从炼油厂采集的烟气轮机故障发生时段的数据信息进行筛选,对故障信号用小波包分析方法提取故障发生时刻的特征信息,最后将特征样本通过支持向量机训练器进行训练,并获得支持向量与分类模型,用于对测试样本进行分类和函数回归,通过对相关已知信号数据的分析得到烟起轮机的瞬时运行状态。
在此,首先使用Matlab平台的小波分析工具对信号进行奇异点分析,完成信号特征提取工作。然后在此基础上进行故障诊断研究,使用的分类及回归程序是基于林智仁老师的一个支持向量机工具的Java实现的,该支持向量机工具支持C-SVC支持向量机、V参数的支持向量机,在控制台环境下,实现对样本进行二分类、多分类、支持向量回归等功能,图形化的实验结果及分析能直观地反映诊断的效果。
1信号的采集
烟气轮机在工作过程中,由于发电机叶片引起的轴振动、烟气轮机设备的温度、入口温度、出口温度和烟机内的压力等多个参数都是体现故障的指标。实践证明,故障发生时烟机机组设备包括发电机的横向、纵向、轴向振动值,还有烟机温度、压力都会发生较大变动。而振动值的变化最能体现故障发生的特征,故采用振动值数据经过小波处理之后提取的特征向量作为样本训练支持向量机。作为故障诊断的依据,信号数据采集点情况如图1所示。
图1中烟气轮机工作状态下的实时监测点分布图包括两个与烟机相连的发电机的各个检测点振动、温度、压力差参数值。
图2是从炼油厂控制中心工作站采集到的一张数据波形图(样本)。
图中横轴代表时间量,可以具体到秒,纵轴代表的是振动量和过程量,即不同测试点的具体振动值,单位是μm。图2中过程量一共4条曲线,其中不同颜色的曲线代表不同测试点的过程量参数,蓝色曲线代表烟机设备在Yt-7701A测试点通过振动检测仪获取的振动数据信息。从图2中可以看出,在烟气轮机设备上具体监测位置和旋转轴上的振动数据;以此类推,粉色曲线代表Yt-7701A的振动波形;绿色曲线代表Yt-7702A的振动波形;灰色曲线代表Yt-7702B的振动波形,每个测试点有三个方向的监测振动数据,A代表水平方向的振动,B代表垂直方向,而轴向的即是过程量波形显示的数据,在烟机实体图中以Zt表示。图2显示的波形是在Zt-7701A检测点获取的振动数据信息。通过实时监测,可以对烟机的工作状态进行直观的判断,图2选取的是燕山石化炼油厂2004年11月24日2005年11月29日一年的振动数据。可以直观地看出,这一年中在不同时期,烟机中不同位置的振动变化,其中波形发生剧烈变化的地方就可能是故障发生点,从炼油厂的历史记录中可以查询到这一年中的几次故障数据、故障相关图片信息。
1.1 信号特征的提取
对故障信号的预分析方法是在Matlab平台载入原始信号,截取故障部分信号,利用小波包将频带进行多层划分,对多分辨分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高时频分辨率。
1.2 故障信号层次分解与重构
采用Daubechies小波包对信号依次进行了3,4,6,10层分解,对信号的高频部分做更加细致的刻画,现以6层分解情况为例进行说明。利用Matlab平台的小波工具箱的信号单尺度一维离散小波分解函数wpdec对信号进行6层分解,生成小波分解二叉树,然后使用Matlab小波工具箱中的wrpcoef对第6层分解的细节系数进行重构,可以获得各个频带子信号的重构系数向量。图3是某个小波分解故障信号的具体情况,图4是重构后的各层细节信号。
其中,图3(a)是分解的完整二叉树结构,6层分解一共能够获取26 =64个频段的节点信息,树的叶节点分别为(6,0),(6,1),(6,2)等,以此类推到(6,63);图3(b)是节点(6,1)的波形图,通过观察不同的节点信息,可发现分解层数越高,不同频段的波形信息差别越明显。
1.3 特征向量
特征向量的选择在智能化故障诊断中是一个非常重要的环节,因为特征是体现故障的直接标准。选择节点系数平方和归一化之后的信息作为该频段的能量指标,因为故障信号与正常信号在同一频段的能量是不同的,所以可以将此作为机器学习的训练样本。
分别计算分解后信号第6层频段的系数节点系数平方和,如果xij(i=0,1,,7;j=0,1,,n)代表各频段重构信号的系数信息,则
图5是实验中对原始信号进行基于小波包三层分解的系数计算出的特征向量,三层分解并重构信号在各层的系数之后,以平方和相加的方式计算第三层的所有系数的能量值,并进行归一化处理,最后输出到文本格式的文件中,以每个频段的能量指标作为特征能够体现故障的特点,作为支持向量机训练器的输入样本,能够达到故障诊断实验的目的。
2支持向量机简介
支持向量机方法在解决小样本、非线性等模式识别问题中表现出的优势能很好地应用到机器学习领域,并能推广到函数拟合等其他机器学习问题中[1]。
2.1 基于支持向量机的二分类方法
烟气轮机的故障状态与正常状态的区分可以用支持向量机二分类方法实现。首先对原始故障数据的预处理,再分别选取正常状态与故障状态的特征向量作为支持向量机的训练数据,通过训练器进行训练,进而实现分类工作。支持向量机从线性可分的最优分类面发展而来,基本思想可用图6的二维情况说明。图中,实心点和空心点代表两类样本,H为分类线,H1和H2分别为过各类中离分类线最近的样本,且平行于分类线的直线,它们之间的距离叫作分类间隔。能将两类正确分开,而且使分类间隔最大的分类线为最优分类线,其方程为xw+b=0,对它进行归一化,使得对于线性可分的样本集(xi,yi),i=1,,n, x∈Rd,y∈{+1,-1},满足:
一种最大间隔分类器是这样的:固定函数间隔为1(函数间隔为1的超平面有时称为正则超平面),如果w是权重向量,要在正点x+和负点x-上实现函数间隔为1,可以如下计算函数间隔:
同时,为计算几何间隔,必须归一化w。几何间隔γ是所得分类器的函数间隔:
此时分类间隔等于2/‖w‖,使间隔最大等价于使‖w‖2最小。满足式(5)且使1/2‖w‖2最小的分类面就叫做最优分类面,H1,H2上的训练样本点就称为支持向量[2,3,4]。
2.2 核函数
核函数是SVM方法的关键所在。核函数K的选取需要满足Mercer条件。选择不同的核函数可以产生不同的支持向量机。目前没有固定的核函数,一般对于不同的问题选择不同的核函数。常用核函数有线性核函数、多项式核函数、径向基函数(RBF)、 多层感知机核函数。
2.3 参数选择
通常参数的不同选择会对支持向量机泛化性性能有较大影响,目前对于泛化性的优化集中在支持向量机模型的选择上。
2.3.1 支持向量机参数
目前常用的几种参数有C参数的支持向量机C-SVC,即C参数的支持向量机分类算法及V参数的支持向量机算法。
(1) C参数
对于支持向量机中的优化问题,会有一个C值对应着权值二范数的最优选择,这个C值也给出最优界,从而在给定权值二范数下找到松弛变量范数的最小值。目前还没有一个统一的方法来决定C的最佳取值[5],所以现在广泛采用的方法是对C在0到正无穷范围内的不同值进行实验,对C先赋一个固定的初值,通过实验结果精度不断调整参数值,直到达到满意效果,所以出现了一种V参数的支持向量机算法。
(2) V参数
V在一个很小的范围 [0,1] 内变化,其结果与C在0到无穷之间变化是一致的。V参数在物理意义上实际是给出了拉格朗日参数的加和的下界,从目标函数中除去了线性项,同时V也是间隔误差的训练集比例的上界,也是全部支持向量数目与全部样例数目的比例的下界。因此,V是一个更加透明的参数,与特征空间的尺度无关。所以实验中采用V参数支持向量机是一种较好的选择,不仅降低计算复杂度,还不影响精度。
2.3.2 核函数参数
Vapnik等人在研究中发现,不同的核函数对SVM性能的影响不大,反而核函数的参数对SVM性能的影响较大,核函数本质上是提高了学习器的分线性处理能力,因此选择合适的核函数参数,对学习机器的性能至关重要。常用的几种核函数参数有:多项式核的参数d、高斯核的参数δ、多层感知机核的参数V,C。
目前关于如何确定SVM参数的方法具有不确定性,各种方法都有优缺点,所以在实际情况下,对不同的参数对SVM性能的影响进行优化是一个值得深入研究的课题[6]。
3V参数支持向量机在故障诊断中的应用
3.1 研究方案
研究使用的一种支持向量机分类器用Java代码基于MyEclipse环境下开发。其中核心算法采用了林智仁老师的Libsvm软件包中的支持向量机算法。研究采用广泛使用的择优选择的方法,分别采用C-SVM、nu-SVM、径向基和多项式形式作为核函数,并采用了LS-SVM的核心算法通过Matlab平台进行模型训练及测试分析,同时也对几种常见核函数进行运算结果的对比,比较其分类及预测效果。
分类流程图如图7所示。
在C-SVC与V参数的分类实验中对原始信号进行小波包3层分解,选取前各个频带的特征向量作为训练样本的输入/输出选择一个节点,两个分类标识为:-1表示故障发生点;+1表示正常工作状态。在最小二乘支持向量机故障诊断实验中,采用函数估计的方法对模型进行预测,并针对不同的支持向量机参数进行实验结果对比,比较实验效果。
3.2 训练样本与测试样本
训练数据集选取烟气轮机工作正常状态与故障状态两组数据,各22个样本,总共44个训练样本,作为训练数据,选取的样本数据分别是烟气轮机正常工作状态与故障状态下对原始信号进行小波包分析处理过的特征向量,训练数据集用来训练支持向量机,进而建立二分类故障分类器,测试数据集用于对支持向量机训练完成后检验训练的结果,即支持向量机泛化能力的好坏。针对烟气轮机某一个测试点如(Yt-7701A)三个方向的振动数据,包含水平振动、垂直振动和轴向振动,进行数据采集工作,每个方向的振动都有可能造成烟气轮机的故障,样本选择多个测试点历史数据中1年内某个月或者几个月以天为单位的数据,包括三个方向的振动值。其中,水平方向有222个数据,垂直方向上有308个数据,轴向有308个数据,采集的时刻为零点,负值代表的是规定的负方向。
测试样本的选择是正常工作状态下的9组数据,故障状态下的6组数据,一共15组振动数据。利用小波工具箱进行样本特征提取,将振动信号的能量信息作为特征向量,也作为支持向量机训练器的训练样本。
3.3 SVM故障诊断
将SVM应用到特定的实际问题中需要解决大量的设计问题,如算法的设计、核函数的设计等等。首先是为给定的应用选择适当的核。研究中使用了线性核函数、多项式核函数、径向基核函数(RBF)和Sigmoid核函数进行实验对比。其次就是实现哪种SVM,如果数据需要分类,就要决定是否使用最大间隔,或者某种软间隔方法,这里的关键因素是数据的维数。一旦核与优化条件确定,将进行一系列的实验,调整参数不断变化直到达到满意的性能。
3.3.1 基于C-SVC的故障诊断
标准的C-SVC分类的算法形式是:
式中:C就是惩罚因子,C参数的值设置得越大表示将对错误分类的惩罚越大;ξi是引入的松弛变量,它允许一定程度上违反间隔约束。实践中,C是一个变化范围很大的数,优化性能的评价是通过使用独立的验证集或者交叉验证的方法,对C在一定范围内变化,‖w‖会有相应的连续变化。通过实验发现,对于不同范围的C值,针对线性核的支持向量机,以及针对高斯径向基核、多项式核和S核的支持向量机的不同参数等多次实验发现,分类效果的精确率都达到98.0%。
3.3.2 V参数SVM的故障诊断
软间隔技术C-SVC支持向量机有一个问题即参数C的选择。首先范围可以确定,典型的方法是在这个范围内试验,直到找到对特定训练集最好的选择。同时特征空间也会进一步影响参数的尺度。因此引入参数V提出如下的优化问题[7]:
在这个参数化的过程中,l是样本总数,V给出了αi的下界,它从目标函数中去除了线性项。可以看出,v是间隔误差的训练集比例的上界,同时v又是支持向量全部数目与全部样例数比例的下界。因此,v给出了问题的一个更加透明的参数,它与空间的尺度无关,而仅与数据的噪声程度有关。可见V参数可以控制支持向量的数量和误差,所以这里采用V参数SVM方法处理故障诊断分类过程。
由于每个支持向量机只进行二分类工作,一共只有两种状态,一种是正常状态,设定为+1,另一种是故障状态,设定为-1。执行训练器主程序svm_train.java,对提取的特征训练数据集进行训练,选择支持向量机所需的参数,不同支持向量机参数有差异,训练时在一定范围内对参数设置进行实验,以达到最佳实验效果。研究中采用Libsvm中交叉实验法选取核函数的参数,最后将训练结果保存到训练生成的格式为.mdl模板文件中。以Nu-SVM训练为例,采用Nu-SVM训练后的结果保存在Nu_svm.mdl中,结果如图8所示。
从图8的训练结果中可看出,支持向量机类型为nu_svc,而参数V值设置当前值为0.6,核函数当前选取的类型为RBF(径向基核函数),r值为0.125,采用二分类支持向量机。一共参与训练的44个样本数据中,有总共28个支持向量。随后可看出正负支持向量数目及支持向量的具体节点值。按照这样的方式,再进行各个参数值范围测试,训练结束后,已经成功建立支持向量机模型,选取最优的支持向量机模型。采用选取好的20个测试样本进行分类实验,测试结果如图9所示。
按照这样的流程,将多种方法进行多次测试,最终以算术平均值作为结果,对多种方法的比较结果如表1所示。
从表1可以看出,采用Nu-SVM V参数支持向量机分类器无论是在训练时间还是在正判率上,都比采用核函数的分类器有优势,C-SVM分类器适用于经过归一化后的烟气轮机原始数据。
4结语
本文借鉴和学习了国内外成熟的相关理论及实验方法,通过对小样本支持向量机的二分类应用于烟气轮机振动故障诊断分类的大量实验。主要包括对C-SVM
和V参数SVM不同核函数及每个核函数的不同参数实验,对实验结果进行对比分析,得到Nu-SVM V参数支持向量机的分类效果好,能准确地从信号的相关分析中获取烟气轮机的正常工作状态与故障状态。基于支持向量机的烟气轮机故障诊断还可以延续到对故障类别的具体分析,从模型的故障状态系数可以对故障状态下的样本进行再训练,寻找最佳支持向量,并再分类,以此类推,从而获得故障的多类型,对烟气轮机故障状态的预测具有十分重要的意义。
摘要：烟气轮机机组是利用余热发电的原理回收高温热能再生电能,但是由于多方面的原因,烟气轮机机组时常发生故障,对生产的经济性和安全性造成巨大损失。为了保障设备正常运行,对设备进行实时监测,及时判断故障发生的可疑点,减少故障发生的频率,同时保护环境,采用对原始信号的3层小波分解,提取信号的特征向量,再采用C-SVC和V参数支持向量机二种方法进行分类实验,得到V参数的支持向量机分类效果最佳。
关键词：烟气轮机,支持向量机,故障诊断,分类
参考文献
[1]耿永强.基于支持向量机的机车轴承故障诊断系统的研究[D].长沙:中南大学,2008.
[2]胡哲,郑诚,闵鹏鹏.支持向量机及其应用研究[J].重庆科技学院学报,2008(4):121-124.
[3]卢虎,李彦,肖颖.支持向量机理论及其应用[J].空军工程大学学报,2003(4):89-91.
[4]崔长春,刘文林,郑俊哲.支持向量机理论与应用[J].沈阳工程学院学报,2007(2):170-172.
[5]王睿.关于支持向量机参数选择方法分析[J].重庆师范大学学报:自然科学版,2007(2):36-38.
[6]黄景涛,马龙华,钱积新.基于统计实验设计方法的支持向量机参数选取[J].电路与系统学报,2008,13(6):18-22.
故障诊断参数 第10篇
目前, 基于热力参数的燃气轮机故障诊断都需要建立燃气轮机的故障数学模型。通过此模型的建立, 可将作为故障征兆的性能参数变化量转化为可测参数的变化量, 直接应用于故障诊断。但是, 故障模型的建立需要大量的燃气轮机无故障状态下的运行参数。因此, 为了得到这些无故障状态下的运行参数, 就需要建立燃气轮机的标准数学模型。
关于燃气轮机标准数学模型的建立, Saravnmuttoo较早从事这方面研究, 1983年他与Macisaac共同提出基于额定工况的部件变工况估算方法[1], 从而建立了实用的标准数学模型, 并于1992年与Zhuping对上述方法进行了改进, 提出了在计算透平特性中采用的所谓“热端法”, 对于标准模型的构造有较好的指导作用。2000年翁史烈院士和黄晓光博士等针对特定机型和缺少设计参数的情况提出了从实验数据出发的建立燃气轮机标准数学模型的新方法。但是, 由于燃气轮机的本身结构的复杂性, 通过各种方法所建立的数学模型往往是简单的函数关系式和部件特性图, 不方便研究人员对无故障状态参数的求取。
为此, 本文提出了Matlab回归函数法的新型建模思路, 并以某型三轴燃气轮机的压气机部分为例对此方法进行了验证。
1 基于Matlab的数学模型建立方法介绍
基于Matlab的数学模型建立方法的提出, 旨在利用Matlab中的最小二乘法[2]回归函数功能, 对既定形式的函数表达式进行回归以得到具体解析式, 具体过程如图1。
2 基于某型三轴燃气轮机压气机标准数学模型建立的应用
2.1 压气机部分数学模型的建立
该型机系为三轴舰用燃气轮机遵循开式白朗托热力循环, 由高低压压气机、燃烧室、高低压涡轮以及动力涡轮组成。具体工作过程为:空气进入低压压气机进行初次压缩后进入高压压气机进行再次压缩, 被压缩后的高压气体经燃烧室进口进入燃烧室进行燃烧, 燃烧后得到的燃气首先进入高压涡轮进行一次膨胀然后进入低压涡轮进行二次膨胀最后进入动力涡轮进行三次膨胀。其过程中产生的功主要用于负载的输出和推动高低压压气机的运转。该型机具体的结构形式如图2。
HC高压压气机;LC低压压气机;B燃烧室;HT高压涡轮;LT低压涡轮;DT动力涡轮
由图2, 可知该型机的压气机由高低压压气机两个部分组成。遵照压气机的一般特性关系式, 其稳态特性方程可表达为:
上述方程表明了压气机的流量和效率与压比和转速有关, 但是此方程并不能应用于求解压气机的运行参数。为此, 就需要利用参数之间的相关性确定压气机特性方程的基本形式, 并结合试验数据进行函数的回归, 以得到解析关系式。
针对该型机的特征, 选择多项式函数作为该型机的回归形式。参考相关文献并比对多种方案, 得出多项式的最佳幂次为4[3]。以低压压气机为例, 其折合流量和效率的回归方程为:
利用Matlab进行函数回归过程如下:
2.1.1 编写M 函数
function F=myfun (a, X) ;
*F=a (1) +a (2) X (2, :) +a (3) X (2, :) 2+a (4) X (2, :) 3+a (5) X (2, :) 4 +a (6) X (1, :) +a (7) X (1, :) X (2, :) ′+a (8) X (1, :) X (2, :) ′2+a (9) X (1, :) X (2, :) ′3 +a (10) X (1, :) X (2, :) ′4+a (11) X (1, :) 2+a (12) X (1, :) 2X (2, :) ′+a (13) X (1, :) 2X (2, :) ′2 +a (14) X (1, :) 2X (2, :) ′3+a (15) X (1, :) 2X (2, :) ′4+a (16) X (1, :) 3+a (17) X (1, :) 3X (2, :) ′+a (18) X (1, :) 3X (2, :) ′2+a (19) X (1, :) 3X (2, :) ′3++a (20) X (1, :) 3X (2, :) ′4++a (21) X (1, :) 4+a (22) X (1, :) 4X (2, :) ′+a (23) X (1, :) 4X (2, :) ′2+a (24) X (1, :) 4X (2, :) ′3+a (25) X (1, :) 4X (2, :) ′4。
/ X (1, :) 表示压比输入向量, X (2, :) 表示相对折合转速输入向量, X (2, :) ′表示相对折合转速输入向量转置。
2.1.2 Matlab程序界面中写入命令
由于效率回归方程和压比回归方程的相似性, 可同样输入效率方程的回归语句如下:
2.1.3 运行后的结果统计
如表1。
同理, 可得到高压压气机的拟合多项式系数如表2。
2.2 结果分析
为了检查上述回归方程的正确程度, 可将给定自变量代入所建立的模型中进行回代计算, 进行误差分析。以低压压气机为例, 将所给定的压比和折合转速代入所建立的模型中, 经计算, 得到的折合流量和效率的回代值分别为:
折合流量回代值:84.179, 72.41, 66.015, 58.034, 36.544, 63.571, 85.079, 85.579, 71.721, 65.378, 59.371。
效率回代值:0.858, 0.847, 0.854, 0.833, 0.802, 0.858, 0.861, 0.862, 0.847, 0.838, 0.843。
与观测值相比较, 可得到折合流量的回代值中仅有1个节点的最大相对误差达1.06%, 其余的相对误差均小于1%, 平均相对误差仅为0.323%。效率的回代值有两个节点超过1%分别为1.17%和1.04%, 其余均小于1%, 平均相对误差为0.412%。由此可见此方法具有较高的拟合精度。
3 结论
本文提出了Matlab建立燃气轮机标准模型的方法, 并对方法的具体细节进行了阐述, 最后以某型三轴燃气轮机为例对此方法进行了验证。此方法利用了Matlab中的函数拟合技术对既定形式的三轴燃气轮机压气机部分的关系式进行回归拟合, 其所建立的模型有较高的精确度, 可用于研究人员对无故障状态下机组的运行参数的求取, 为故障诊断工作的进一步开展奠定了基础。
摘要：针对燃气轮机标准数学模型建立过程中难以得到解析关系式的问题, 提出了Matlab回归函数法的新型建模思路;并以某型三轴燃气轮机压气机部分为例, 对此方法进行了验证与说明。此外, 推导出的数学模型可用于燃气轮机的无故障状态参数的计算。
关键词：标准数学模型,回归函数法,燃气轮机
参考文献
[1]谢志武, 王永泓.状态监测与诊断用燃气轮机热力模型的构造方法.热能动力工程, 2000;15 (88) :410—412
[2]薛定宇, 陈阳泉.基于MATLAB/Simulink的系统仿真技术与应用.北京:清华大学出版社, 2002:178—179
[3]翁史烈.燃气轮机性能分析.上海:上海交通大学出版社, 1987:176—177
[4]张鹏, 王永泓.新型燃气轮机热参数故障诊断数学模型的研究和应用.燃气轮机技术, 2004;17:51—54
ABS的故障与诊断 第11篇
一、ABS系统的概述
防抱死制动系统是利用阀体内的一个橡胶气囊，在踩下刹车时，给予刹车油压力，充斥到ABS的阀体中，此时气囊利用中间的空气隔层将压力返回，使车轮避过锁死点。当车轮即将到达下一个锁死点时，刹车油的压力使得气囊重复作用，如此在一秒钟内可作用60～120次，相当于不停地刹车、放松，即相似于机械的“点刹。因此，ABS防抑死系统，能避免在紧急刹车时方向失控及车轮侧滑，使车轮在刹车时不被锁死，不让轮胎在一个点上与地面摩擦，从而加大摩擦力，使刹车效率达到90%以上，同时还能减少刹车消耗，延长刹车轮鼓、碟片和轮胎两倍的使用寿命。装有ABS的车辆在干柏油路、雨天、雪天等路面防滑性能分别达到80%—90%、30%—10%、15%—20%。普通制动系统在湿滑路面上制动，或在紧急制动的时候，车轮容易因制动力超过轮胎与地面的摩擦力而完全抱死。近年来由于汽车消费者对安全的日益重视，大部分的车都已将ABS列为标准配备。如果没有ABS，紧急制动通常会造成轮胎抱死，这时，滚动摩擦变成滑动摩擦，制动力大大下降。而且如果前轮抱死，车辆就失去了转向能力；如果后轮先抱死，车辆容易产生侧滑，使行车方向变得无法控制。所以，ABS系统通过电子或机械的控制，以非常快的速度精密的控制制动液压力的收放，来达到防止车轮抱死，确保轮胎的最大制动力以及制动过程中的转向能力，使车辆在紧急制动时也具有躲避障碍的能力。随着世界汽车工业的迅猛发展，安全性日益成为人们选购汽车的重要依据。目前广泛采用的防抱制动系统（ABS）使人们对安全性要求得以充分的满足。汽车制动防抱系统，简称为ABS，是提高汽车被动安全性的一个重要装置。有人说制动防抱系统是汽车安全措施中继安全带之后的又一重大进展。汽车制动系统是汽车上关系到乘客安全性最重要的二个系统之一。随着世界汽车工业的迅猛发展，汽车的安全性越来越为人们重视。汽车制动防抱系统，是提高汽车制动安全性的又一重大进步。ABS防抱制动系统由汽车微电脑控制，当车辆制动时，它能使车轮保持转动，从而帮助驾驶员控制车辆达到安全的停车。这种防抱制动系统是用速度传感器检测车轮速度，然后把车轮速度信号传送到微电脑里，微电脑根据输入车轮速度，通过重复地减少或增加在轮子上的制动压力来控制车轮的打滑率，保持车轮转动。在制动过程中保持车轮转动，不但可保证控制行驶方向的能力，而且，在大部分路面情况下，与抱死〔锁死〕车轮相比，能提供更高的制动力量。
二、ABS故障诊断仪器和工具
在多数防抱控制系统中，可以通过跨接诊断座串相应的端子，根据防抱警示（或电子控制装置的发光二极管）的闪烁情况读取故障代码。所以，在故障代码读取时，往往需要合适的跨接线，跨接线是两端带有插接端子的一段导线，也有的跨接线在中间设有保险管。
故障代码只是代表故障情况的一系列数码，要确切地了解故障情况，还须根据维修手册查对故障代码所代表的故障情况。另外，要正确地对系统进行故障诊断的排除，也需要利用维修手册作参考，因此，维修手册是故障诊断和维修过程中最为重要的工具。对防抱控制系统进行检查时，万用表是基本的测试工具，由于指针式万用表能够反应电参数的动态变化，所以更适合于是防抱控制系统的电路检查。另外，也可以用一些更为专用的电参数测试器（如多踪示波器等），可更为方便和更为深入地对系统进行检查。
在大部分汽车上，防抱控制系统电子控制装置线束插头都不好接近，速成插头中的端子又没有标号，使确定所要测试的端子变得较为困难，特别是当向一些特定的端子加入电压时，如果电压加入有误，可能会损坏系统中的一些电气元件，另外，如果直接从线束插头的端子上对系统进行测试，不影响测试结果的准确性，可能还会使端子发生变形或破坏，为此，可以使用接线端子盒。由于各种防抱控制系统线束插头中的端子数，端号排列、插头形式不尽相同，因此，所用的接线端子盒也就不同。
对防抱控制系统进行电路测试时，将系统的线束插头从电子控制装置上卸下，再将接线端子盒的线束插头与系统线束插头插接，这祥，接线端子盒子的端子标号就与系统线束端子标号相对应，通过对接线端子盒上端子的测试，就相当于求系统线束插头中相应端子进行测试。
在对防抱控制系统的液压装置进行检查时，有时需要使用压力表。对防抱控制系统进行故障诊断时，也可以借助各种测试仪器，有些系统甚至只有用专用诊端测试仪才能进行故障诊断。专用诊断测试仪器可分为两大类，其中一类可以替代系统的电子控制装置，对系统工作情况进行检查和模拟，这类仪器有博世ABS诊断测试器和丰田ABS诊断测试器。另一类诊断测试器则需要系统的端子控制装置通过与系统的电子控制装置进行双向通讯。既能读取系统工电子控制装置所存储记忆的故障代码，并将故障代码转换为故障情况后显示，部分地替代了维修手册的作用，又可向系统电子控制半装置传输控制指令，对系统进行工作模拟。这类测试仪器有SNAP-ON红盒子扫描仪SCANNER及通用的TECH-L和克莱斯的ORB-LL等，这些诊断测试仪器因可以读解故障代码，一般称为解码器。解码器不仅可以对防抱控制系统进行故障诊断，而且还可以对汽车的其它一些电控制系统进行诊断测试，只是需要选择相应的软件而已。
三、故障诊断与排除的一般步骤
当防抱控制系统警示灯持续点亮时，或感觉防抱控制系统工作不正常时，应及时对系统进行故障诊断和排除。在故障诊断和排除时应该按照一定的步骤进行，才能取得良好的效果。故障诊断与排除的一般步骤如下：
1.确认故障情况和故障症状；
2.对系统进行直观检查，检查是否有的制动液泻漏导线破损、插头松脱、制动液液位过低等现象；
3.读解故障代码，既可以用解码器直接读解，也可以通过警示灯读取故障代码后，再根据维修手册查找故障代码所代表的故障情况。
4.根据读解的故障情况，利用必要的工具和仪器对故障部位进行深入检查，确诊故障部位和故障原因；
5.故障排除；
6.清除故障代码；
7.检查警示灯是否仍然持续点亮，如果警示灯仍然持续点亮，可能是系统中仍有故障存在，也有可能是故障己经排除，而故障代码未被清除；
警示灯不再点亮后，进行路试，确认系统是否恢复工作。
在故障诊断和维修过程中，应当注意，不仅不同型号的汽车所装备的防抱系统可能不同，而且即使是同一型号的汽车，由于生产年份不同其装备的防抱控制系统也可能不同。
防抱控制系统的故障大多是由于系统内的接线插头松脱或接触不良、导线断路或短路、电磁阀线圈断路或短路、电动泵电路断路或短路、车轮转速传感器电磁线断路或短路、续电器内部断路或短路，以及制动开关、液位开关和压力开关等不能正常工作引起的。另外，蓄电池电压过低、车轮转速传感器与齿圈之间的间隙过大或受到泥污沾染、储液室液位过低等也会影响系统的正常工作。
四、常见故障及分析
（一）故障现象
当用户打开电源后ABS系统没有3秒自检ABS指示灯不亮。故障分析1：电源电压没有加到ABS系统中。排除方法：1.检测ABS线束与车辆上12v电源是否接通2.检测车辆是否有12v电压。故障分析2：ECU损坏。排除方法：更换ECU。
（二）故障现象
当用户打开电源后ABS有3秒自检，ANS使用一切正常但ABS指示灯不亮。故障分析；ABS指示灯驱动电路损坏：排除方法1将ABS线束与ECU相连的接插件的第16脚与地短接，如果ABS指示灯没有熄灭，则更换等驱动块。2如果更换灯驱动快后ABS仍然常亮，则断开ABS指示灯与ABS线束的链接，一般来说，断开后ABS灯会仍然常亮，如遇此情况情检测原车电路。
（三）故障现象
挡车处于静止状态时，ABS指示灯快闪1次。故障分析1：左前传感器开路或传感器接插件接触不良。排除方法：更换传感器或消除接触不良。故障分析2：ABS线束终于传感器相连的电缆开路。排除方法：找到开路点，将其恢复连接。
（四）故障现象
当车辆处于行驶状态时，ABS指示灯快闪一次。故障分析1：左前传感器与齿圈的间隙过大，轮速信号不足。排除方法：调整传感器与齿圈的间隙<0.7毫米，检查传感器输出电压>0.3v。故障分析2：左前轮齿圈安装不平整或齿圈松动。排除方法：重新安装齿圈
（五）故障现象
挡车处于静止状态或行驶状态时ABS指示灯慢闪1次。故障分析1左前轮电磁阀线包开路。排除方法：更换线包或ECU
（六）使用ABS制动时，车辆右跑偏现象或ABS效果不好
故障分析1：一般来讲是车辆的前轮在制动过程中两边的制动力不均衡造成的。排除方法：此现象应该是制动管路中有一定的空气存在，从而造成了制动时制动管路内制动力不均衡。将制动管路内的空气排出。故障分析2：ABS液压调节其内部孔径有一定堵塞。排除方法；清晰调节其内部孔径或更换调节器。故障分析3：有可能是车辆上的电源电压不足造成电磁阀线包电磁力不足，从而影响调节器正常工作。排除方法：检测电源电压是否在正常范围内。
（七）故障现象
在制动时左前轮抱死。故障分析1：ABS液压调节器左前轮内部的卸压孔完全堵塞。排除方法：青丝调节其内部孔径或更换调节器。故障分析2：制动管路接错。排除方法：调整制动管路。故障分析3：可能是ABS电机失效。排除方法：更换ABS电机
（八）故障现象
制动时制动力偏弱。故障分析1：制动管路内有空气或制动分泵没有得到足够的油压。排除方法：1，排空。2，检测制动分泵是否有制动液，如果没有制动液，请检测调节其相应出油口是否有制动液，如果没有请继续检测调节其相应进油口是否有制动液，如果还没有请检测制动总泵。故障分析2：可能是传感器得到信号不足。排除方法：找到相应的传感器，简化其调整到标准范围内。故障分析3：检测原车制动力是否合格。
（九）故障现象
当车辆使用了ABS制动后，车辆有锁死的情况.。故障分析：该现象应该是ABS调节器内部出现故障。排除方法：更换液压调节器。
ABS系统就是充分利用轮胎和地面的附着系数，使各个制动器产生尽可能大的制动力又不会抱死，提高汽车的制动能力，改善了操作性和稳定性。当今时段日益更新的科学技术促进汽车行业的进一步发展，汽车电控智能化的要求越来越高，要对汽车制动加深了解就要不断学习。
、
路由器启动参数设置故障分析 第12篇
目前,计算机网络已走进广大机关、企业、校园,在人们的工作、生活、学习中发挥着举足轻重的作用,被广泛应用于社会的各个领域,例如教育教学、自动化控制、信息传播、游戏娱乐等。越来越多的网络设备也被人们所熟悉和接触,其中路由器是最为常用和重要的网络设备之一,用于连接多个网络和网段。由于工作环境、操作不当、病毒入侵等原因会发生各种故障。而作为各单位计算机网络维护人员,掌握必要的路由器维护配置知识可以为工作带来极大的便利,节约时间,创造工作效益。下面就介绍笔者工作中遇到的路由器寄存器故障,与读者共同交流学习。
2、故障现象
一日,发现单位所有计算机无法连接外网,而ping本单位路由器是通的,根据经验,这种现象要么是往外的通信信道出了问题,要么是路由器本身出了问题,而经过检查,排除了信道方面的原因后,重点检修路由器。
3、维修过程
第一步,通过局域网内的计算机远程或者通过笔记本用串口线登陆该路由器,键入“show running-config”命令,检查所有运行参数,没有发现错误。
第二步,键入“show interfaces serial”+串口号,检查各个串口,发现有一些些端口状态为“up”,而线路协议是“down”,而这种情况都发生在同一块串口板上,其他各模块工作正常。而根据经验分析,在一个串口板上的所有串口同时出现线路故障的可能性不大。而经过检查物理线路并没有问题,故排除线路故障的可能性,初步断定该串口板出了问题。
第三步,进入全局配置模式,此时发现无法进入该串口板上串口的端口配置模式,总是报错,而进入其他串口的端口配置模式却没有问题。故可判断IOS软件出了故障。
第四步,用“reload”命令重启路由器,系统自动进入“ROMmonitor”模式,提示符为“rommon>”。键入“boot”命令,启动路由器,故障依旧,而且该串口板串口的配置语句全都报错。
第五步,将路由器断电,然后加电,发现路由器的电源LED灯未亮,这说明路由器的冷却系统工作正常;各接口的“Enable LE D”灯为绿色,表明路由器可以进行接口处理器的初始化。而该串口板的LED灯闪亮一下就灭了,接着执行“reset”命令,再用“boo t”引导系统后,该串口板串口的配置语句全部消失。该串口板上有两个串口,我们使用了一个。正常状况,在用的串口的LED灯应该为黄色,空闲的串口的LED灯应该熄灭,而现在两个都熄灭。
第六步,为了进一步压缩可能的故障范围,将该串口板调换到空插槽安装,故障依然存在,遂将该串口板安装在另一台同型号无故障的路由器。由此可将故障原因压缩到路由器配置参数上。
第七步,键入“show version”命令,观察各项信息,发现路由器配置寄存器数值为0x0,这肯定有问题,于是将其修改为正常值0x2102后,重新引导路由器,再进行各项配置后路由器工作恢复正常,终于该路由器软件启动参数故障得到排除,避免了误认为硬件故障而产生不必要的维护费用。
4、维修体会
一般路由器寄存器值由四个16进制数组成,其中最低4位决定了系统的启动方式:为0-0-0-0时表示路由器不装载系统镜像,而是进入监控状态(ROMmonitor mode),需要人工手动引导。为0-0-0-1时表示路由器装载ROM中的系统镜像。而为0-0-1-0到1-1-1-1之间时,路由器按启动配置中B OOT SYSTEM命令的设置装载操作系统镜像。在上述故障中,路由器寄存器的值为0x0,表示不自动装载操作系统镜像而是进入ROM monitor模式需要手动命令,而把寄存器值修改为0x2102表示正常启动路由器。平时工作中若发现路由器启动后进入了监控模式(ROM monitor mode),可以先检查是否路由器寄存器配置错误或操作系统损坏,可以避免误判,减少维修费用及时间。
摘要：本文介绍了路由器启动设置以及路由器软件启动参数设置故障的原因分析及排除方法。
关键词：路由器,寄存器故障,启动参数
参考文献
[1]戴雄.《计算机网络》[M].中华人事出版社,2001.
[2]刘小辉.《网络硬件完全手册》[M].重庆大学出版社,2002.
[3]陆魁军.基于Cisco路由器和交换机[M].清华大学出版社,2007
故障诊断参数范文
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
