电力系统健康诊断

电力系统健康诊断（精选8篇）

电力系统健康诊断 第1篇

矿井提升机安全、高效运行是煤矿安全生产的关键环节[1],对其健康状况进行诊断尤显重要。传统的提升机健康诊断系统仅采用信号分析方法,而信号本身极易受外界干扰的影响,降低了诊断的可靠性。鉴此,笔者设计了一种基于LabVIEW[2,3]和信息融合的矿井提升机健康诊断系统。

1 系统总体设计

矿井提升机健康诊断系统的设计包括硬件部分和软件部分。硬件部分主要实现信号的采集,包括对信号的预处理及类型转化,以便信号能够被计算机软件识别,使数据信息在LabVIEW软件上显示、处理。软件部分的功能是将采集到的数据信息进行处理,并与信息融合技术相结合,获得矿井提升机运行状态,对其可能出现的故障信息及早处理,排除安全隐患。系统总体结构如图1所示。

1.1 硬件设计

系统硬件部分包括磁电式速度传感器、振动速度变送器、带CJC(冷端补偿)电路的接线端子排、数据采集卡、工控机、显示器、键盘等。传感器直接采集矿井提升机的振动信号,变送器将振动信号变为电流信号,再通过接线端滤波,最后采集卡将电流信号输送到工控机,完成数据采集过程。采集完的数据经LabVIEW分析处理,供系统诊断用。

1.2 软件设计

首先在工控机上安装LabVIEW和数据采集卡的驱动程序,在安装数据采集卡的驱动程序时要正确设定各通道的参数,安装完毕时查看LabVIEW软件的后面板,里面有数据采集卡相应的功能模块,而后就可以设计系统软件,其流程如图2所示。

2 数据采集的实现

矿井提升机健康诊断系统可实现对多个通道连续数据的采集,即采用6个传感器分别放置在电动机、滚筒和减速器的水平、垂直方向上,使用6个通道的变换器来实现数据采集。在采集数据之前,首先要进行参数设置:触发方式采用内部触发,采样点选取1 000个,采样速率选取1 000 bit/s,采用循环模式;数据缓冲时间设置为3 000 s,为了尽可能地反映出原始信号,每一个通道的采样长度定义为512。参数设置完毕后就可进行数据采集。数据采集程序流程如图3所示。

3 信号分析及信息融合

信号分析是矿井提升机健康诊断最关键的一步,也是较难实现的一个阶段。LabVIEW能够实现对信号的时域分析、频域分析、相关分析[4],并将这些功能集成为一个图形化的模块,当用户需要时只需拖动相应的图标即可实现[5]。该系统的信号分析与信息融合界面如图4所示。

首先对矿井提升机振动信号进行时域分析,判断出矿井提升机是否出现异常状态。因为矿井提升机一旦发生异常,其振动信号就会较为明显地表现出来。但是在提取矿井提升机振动信号的过程中,需要将振动信号转换为电流信号才能被工控机及软件识别,所以在转换的过程中极易受外界其他干扰信号的影响,可能会造成误判。因此,在信号分析的基础上引入信息融合技术进一步诊断,保证了系统的可靠性。在分析信号前要对信号进行滤波处理,本系统采用的是中值滤波法,然后对信号进行傅里叶变换,得到2个通道的幅值谱,从图4可看出,在工频50 Hz的1/2频率分量处幅值波动较大,说明矿井提升机出现了不稳定现象。最后再运用信息融合技术进行诊断,首先对振动信号进行特征提取,然后经5次融合后最终可判断出矿井提升机处于非健康状态,需及时检修。

4 结语

基于LabVIEW和信息融合的矿井提升机健康诊断系统能够实现对矿井提升机的实时监测,用户只需单击相应的按钮就可实现实时、在线监测;通过对采集的信号进行时域分析和频域分析,并结合信息融合技术,实现了对设备的早期故障诊断。该系统已应用到某矿的提升机状态监测中,可准确判断出矿井提升机的运行状态,确保了其安全、可靠运行。

参考文献

[1]高奇峰.矿井提升机制动系统远程监测与诊断试验研究[D].太原:太原理工大学,2005.

[2]谭逢友,卢宏伟,刘成俊,等.信息融合技术在机械故障诊断中的应用[J].重庆大学:自然科学版,2006,29(1):15-18.

[3]陈理渊,黄进.电机故障诊断的多传感器数据融合方法[J].电力系统及其自动化学报,2005,17(1):48-52.

[4]李昕涛,熊晓燕.基于信息融合的异步电动机故障诊断方法[J].机械工程及自动化,2006,135(2):166-170.

电力系统健康诊断 第2篇

环境诊断是为确定干预的环境目标奠定基础。其主要步骤为：

1、从众多的社会环境因素中，找出与行为相互影响的环境因素。

2、根据环境因素与健康和生活质量关系的强度，以及该环境因素所导致的发病率、患病率、罹患率状况，确定其重要性。

3、根据环境因素是否可通过政策、法规等干预而发生变化，从而确定其可变性。

4、将重要性与可变性结合分析。确定干预的环境目标。

(五)教育诊断

行为受多种因素的影响，主要包括遗传因素、环境因素和学习因素。在格林模式中，将这些因素划分为倾向因素、强化因素和促成因素三类。任何一种健康行为均会受到这三类因素的影响，教育诊断主要分析这三类因素。

1、倾向因素是指产生某种行为的动机、愿望，或诱发某行为的因素。倾向因素包括知识、信念、态度和价值观。

2、促成因素是指使行为动机和意愿得以实现的因素，即实现或形成某行为所必须的技能、资源和社会条件。包括保健设施、医务人员、诊所、医疗费用、交通工具、个人保健技术及相应的政策法规等。

3、强化因素是指激励行为维持、发展或减弱的因素。主要来自社会的支持、同伴的影响和领导、亲属以及保健人员的劝告等。

(六)管理与政策诊断

管理与政策诊断的核心内容是组织评估和资源评估。组织评估包括组织内分析和组织间分析两个方面;资源评估则是对实施健康教育与健康促进的资源进行分析。

组织内分析系指对健康教育与健康促进内部的分析，如有无实施健康教育和健康促进的机构、该机构是否为专业机构、对项目重视医 学教育网原创程度如何、有无实践经验和组织能力、以及资源的配置等问题。

电力系统健康诊断 第3篇

中国的汽车行业经历了十多年的快速发展, 新车的产销量已稳居世界第一, 汽车进入寻常百姓家。汽车作为大众现代生活重要的代步工具, 安装了安全、舒适、环保、节能等各种电子控制系统。随着汽车质量不断提高, 道路状况不断改善, “与其‘车坏修车’不如‘以养代修’”成为车主消费新观念。广西三原高新科技有限公司将人健康体检的理念引入到汽车维护中, 研发出汽车健康体检不解体工作平台系统。只有对汽车进行全面的健康检查, 了解车辆当前的技术状况和潜在故障, 适当维护和修理, 才能保证车辆处于最佳状态, 保证行车安全, 延长汽车使用寿命, 减少油耗和尾气排放。

2 汽车健康体检系统

汽车健康体检不解体工作平台系统将汽车不解体诊断检测技术与计算机技术完美结合, 利用各种传感技术对汽车部位状态或信号进行采集与处理, 经过A/D转换成数字信号传输到计算机;将广泛收集各种车型的故障现象和维修方法、技术数据、操作工艺、修理经验、维修案例整理成检测诊断数据库和机动车排放信息数据库, 利用计算机的强大信息处理功能自动而迅速地完成汽车的技术检验和故障诊断工作, 甚至详细告知故障部位及维修方法, 从而实现汽车不解体健康体检。

汽车健康体检不解体工作平台系统的硬件核心是汽车不解体检测诊断工作站。它由自主开发的5个装置构成, 涵盖了16种汽车检测设备的功能。5个装置分别是汽车电控故障诊断组件、汽车发动机综合分析检测组件、汽车排气测量组件、汽车不透光烟度测量组件、汽车底盘悬挂系统 (含四轮定位) 组件。5个装置对汽车电控系统、发动机、传感器、尾气、四轮定位的各种信号进行数据采集, 经过初步分析整理, 将整理的数据传输到不解体工作平台系统。汽车电控故障诊断组件可检测诊断小轿车、出租车、卡车、客车各种车型, 涵盖欧美、日韩、国产近6000余款车型, 涵盖ISO14230、ISO15765、ISO9141、SAE J1939、SAE J1708、SAE J1850、KWP1281等国际标准协议以及各种自定义协议。汽车发动机综合分析检测组件在发动机不解体的情况下, 对发动机的点火系统、供电系统、燃油系统、传感器、发动机的功率及各缸的工作情况进行全面、准确的检测分析。汽车排气测量组件通过对尾气中的HC、CO、CO2、O2、N O x的含量分析, 可以判断发动机各工况的燃烧情况。汽车不透光烟度测量组件使一定波长的光束通过被测排气 (排烟) , 并且使得排气在一段给定的长度内测量。由于光被气体吸收和散射, 光强被衰减, 通过测量排气吸收光的程度, 就能测量得到排气中可见污染物的含量。汽车底盘悬挂系统 (含四轮定位) 组件静态检测汽车的车轮定位参数, 自动与原厂的设计参数进行对比, 算出车轮定位偏差值来指导维修技师调整车轮定位参数, 解决跑偏、吃胎、方向盘转向不灵活及不能自动回正、直线行驶时方向盘正直水平等问题。汽车不解体检测诊断工作站可匹配第三方外延端口, 将更多的汽车检测设备连接入汽车健康体检不解体工作平台系统, 实现信息联网。

汽车健康体检不解体工作平台系统在尽量不解体汽车的前提下, 能够对同一辆车同时进行多个功能检测, 各检测数据在同一画面实时显示, 并智能分析各组件间数据的相互关系, 实现综合发动机分析功能、电控单元诊断功能、四轮定位功能、尾气分析功能之间的功能互补, 检查出关联型复杂故障, 达到更好地对汽车不解体检测的效果。它以国家标准《汽车维护、检测、诊断技术规范》 (GB/T18344-2001) 为基础, 结合大量的汽车知识和汽车维护经验、案例, 设计出标准化、规范化的检测作业流程。根据汽车原理和汽车制造厂的标准参数, 建立庞大的检测诊断数据库, 对不同车型的检测数据进行数据对比、分析、诊断;建立机动车排放信息数据库, 且保持与国家机动车排放标准的机动车型和发动机型信息同步, 检测车辆排放信息可实时与排放信息数据库标准值对比。云智慧故障诊断系统能对汽车健康与否做出较准确的判断和结论, 并进一步对不健康车辆的故障原因做出基本判断, 同时给出维修养护建议。建立汽车健康体检档案 (电子病历) , 检测数据报表可保存、查询、打印。通过互联网, 可实现各区域检测车辆数据的分发、共享、查询, 从而可向各区域相关车辆管理部门提供有效管理数据和监管依据。

3 结语

汽车健康体检不解体工作平台系统完全满足国家标准《汽车维修业开业条件》 (GB∕T16739-2014) 规定的一、二类汽车维修业开业条件。在汽车维修行业转型升级之际, 它的研制将丰富广大车主高品质汽车生活, 革新了汽车养护理念, 同时为国家建设汽车电子健康档案系统提供了一种思路。汽车健康检查与正确维护好处多多而且非常重要, 汽车健康体检不解体工作平台系统将汽车健康体检落到实处, 完全符合国家大力提倡的构建资源节约型、环境友好型的和谐交通, 真真正正做到人、车、环境的健康、快速、和谐发展。

参考文献

房屋结构健康诊断及发展应用 第4篇

关键词：损伤诊断,健康诊断,结构安全性,评定方法

1 结构健康诊断的定义

结构由于设计、施工和运营期间环境作用等原因或多或少都存在有缺陷, 这些缺陷称为损伤。这些损伤不是一成不变的, 而是随着时间的推移不断发展, 具有时变性[1]。建筑结构工程中常常存在着表面缺陷或破损, 如梁板的裂缝、火灾后混凝土土的过火、钢结构的开焊等, 这些肉眼可见的破损或缺陷容易引起人们重视, 可及时诊断并采取措施加以修复和维修。重大工程结构, 如重要的桥梁、大坝、河堤、高层建筑、高速公路与铁路等, 在发生地震、飓风、洪水等自然灾害时会因年久失修而危机四伏, 除了表面缺陷外, 结构构件常常还存在内部缺陷, 如构件内部的裂纹, 钢铁构件内部的空洞、组织疏松、夹渣、应力集中和过高的初应力, 混凝土构件内部的空洞、不均匀、夹有异物等, 从表面看较难或不能发现, 这些肉眼看不见的潜在缺陷往往具有很大的危险性, 会使整座建筑物倒塌, 造成巨大的经济损失。

寻找结构损伤的信息称为诊。判定结构损伤的位置和程度称为断[1]。一般认为工程结构发生故障就是与正常结构比较时, 在某些方面发生了异常现象, 这些现象表现在表征结构特性的某些特征参数上。结构的特性包括动态特性和静态特性、表面状态和形状大小、位移和环境条件等。那些能比较敏感地反映出结构的损伤和故障症状的特征参数被定义为征兆参数。健康诊断 (故障诊断) 就是找出能够描述故障变化的征兆参数的信息, 在线长期检测或周期性检测这些信息, 从中提取信号, 通过数据处理来发现或预报结构的故障和损伤[2]。

2 健康诊断的意义

工程结构是以工程材料为主体构成的不同类型的承重构件相互连接而成的骨架, 它的主要作用就是通过骨架来传递和抵抗自然界的各种作用, 使得建 (构) 筑物在规定的时间, 在规定的条件下, 完成预定的功能。规定时间是指设计所假定的结构使用期, 即设计基准期, 结构的设计基准期一般为50年。规定条件是指正常设计、正常施工、正常使用的条件。预定功能是指结构的安全性、适用性和耐久性。安全性是指结构在规定的条件下应能承受可能出现的各种荷载作用, 以及外加变形和外加约束的作用。适用性是指结构在正常使用时, 应能满足预定的使用要求, 其变形、裂缝或振动等性能均不超过规定的限值。耐久性是指结构在正常使用、正常维护情况下, 材料性能虽随时间推移发生变化, 但仍然满足预定功能的要求, 例如结构材料的腐蚀不能影响结构预定的使用期限。综上所述, 工程结构在规定的使用期内应能安全有效地承受外部及内部形成的各种作用, 以满足结构在功能上和使用上的要求[3]。尽管人类可以最大限度地避免建筑结构的设计疏忽和施工失误, 但在正常使用阶段可能出现的自然和人为灾害, 以及老化阶段可能产生的各种损伤积累, 导致结构正常抗力降低, 影响结构的耐久性。另外, 经过长期使用, 性能将会发生退化, 结构的使用寿命也会受到影响。特别重要的是, 建筑结构时刻伴随着人类面临着自然灾害的威胁。在经历了地震、火灾和洪水等自然灾害的惨痛教训后, 人类已逐渐重视对已有结构的诊断与评估工作。因此, 如何能通过一定的检测手段就可以分析判别结构有否缺陷, 它们可能在什么位置等就成为当前国际上一个研究热点, 即结构的健康诊断。当结构健康诊断成功后, 可以通过诊断的结果来对建筑结构进行鉴定, 确定结构的安全性和耐久性是否满足要求, 对其可靠性和剩余寿命作出科学的评价, 并为维修和加固等后续工作提供最有力的依据, 进而提高工程结构的安全性, 延长其使用寿命, 从而创造更大的经济效益和社会效益。

3 如何进行健康诊断

在已知什么是健康诊断、健康诊断的意义两个方面后, 另一个重点问题则是如何进行建筑结构的健康诊断。健康诊断技术从结构的症状入手进行分析研究。结构症状由采集的信号分析得到。因此, 信号采集技术是结构损伤识别的前提。只有采集到反映结构实际状态的信号, 诊断的后续工作才有意义。检测到的结构损伤信号分析和处理方法的研究是结构健康诊断的关键, 也是理论研究的热点之一[2], 它实际上就是结构损伤识别技术中的特征因子 (敏感因子) 提取技术。传感器采集的原始信号, 一部分可以直接利用, 如频率、振型、温度和位移等, 但大部分很难直接利用, 如振动信号, 虽然经过放大, 由于含有噪音, 一般从时域波形上很难反映问题, 因此必须利用信号分析与处理技术去除噪声并把信号转化在不同的域内进行分析, 才能得到更能敏感反映损伤状态的特征因子。信息的具体表现形式是信号, 信号不同的物理形态并不影响它们所包含的信息内容, 且不同物理形态之间可以相互转换。信号分析是把信号分解成它的各个组成分量或成分的概念、理论和方法, 例如, 信号谱分析、信号的时频分析和对尺度分析等。信号处理则按某种需要或目的, 对信号进行特定的加工、操作或修改。如信号滤波、信号中干扰或噪声抑制或滤除、信号平滑、信号的数字化、信号的恢复和重建, 信号的加密和解密等等[4]。频谱分析 (也称频率分析) 是指通过适当的仪器, 获得振动信号的傅里叶频谱、自功率谱、互功率谱等与频率有关的信息[4]。滤波技术、频谱分析技术是传统的信号分析与处理方法。以频谱分析的系列技术为例, 如FFT分析、倒谱分析、短时傅里叶分析等在传统的工程应用中占有非常重要的地位。对于结构损伤信号的分析和处理, 这些传统的信号分析和处理方法仍起着不可替代的主导作用。因而可以认为, 健康诊断实质为信号的采集、分析与处理过程, 其目的是寻找对结构损伤最为敏感的特征因子。

4 结构健康诊断方法

结构损伤的识别是工程上十分重要, 也是比较棘手的问题。例如, 结构上不同位置的损伤的识别、同一位置不同深度裂纹的识别以及联结紧固程度的识别等等, 都是结构损伤的典型例子。正确、快速地识别这些损伤, 对保证结构的安全运行、预防事故的发生都有着重要的意义。常用的工程结构损伤诊断方法有:振动诊断法, 声发射诊断法, 超声波诊断法, 射线诊断法, 光学诊断法, 涡流、磁粉诊断法, 泄漏诊断法, 红外诊断法等。各种诊断方法的特点、适用缺陷类型以及适用结构均有所不同[2]。结构振动诊断方法实质是试验模态分析技术, 就是对被测结构系统进行激励, 通过振动测试、数据采集和信号分析, 由输入和输出确定结构的动态特性。建筑结构的损伤首先表现为结构裂缝的出现和扩展。结构裂缝的存在, 在某种程度上决定着结构的可靠性、使用功能及耐久性。评估与诊断结构的裂缝, 多采用振动诊断法。因为结构动态特性是结构的固有特性。结构的损伤必然引起结构动态响应的变化, 进而引起结构试验获取的模态参数的变化[3]。目前国内外学者普遍认为今后无损检测最有发展前途的一种方法就是结合系统识别、振动理论、振动测试技术、信号采集与分析等跨学科技术的试验模态分析法。对于结构整体检测而言就是通过体系的频率、振型等参数的变化进行结构整体的评价。这种基于振动模态分析的技术, 在许多局部范围内都取得了积极的效果[1]。

5 结构健康诊断工程实例应用

某酒店裙楼工程为现浇钢筋混凝土框架结构, 由于功能改变等原因, 该酒店裙楼工程建筑需要重新进行改造和装修设计, 然而, 该建筑的原设计图纸资料不完整, 且缺乏工程施工竣工、质量检验等相关技术资料, 故应首先对主体结构进行结构健康诊断。

5.1 建筑物外观普查

建筑物外观损伤的描述, 重点普查主体结构裂缝 (分布、宽度和类型) 、构件局部损伤或损坏情况。

5.2 混凝土结构

⑴采用钻芯法和回弹法对A、B两栋建筑物的框架柱、梁体以及现浇楼面板检测混凝土抗压强度;

⑵采用钢筋位置测定仪并结合局部破损法, 检测既有裙楼主体结构 (框架柱、梁) 典型断面的受力钢筋配置;

⑶测试典型构件 (框架柱、梁) 尺寸;

⑷抽测框架柱、梁混凝土碳化深度、钢筋保护层厚度以及钢筋锈蚀状况;

⑸根据受检裙楼主体结构平面布置、断面尺寸、混凝土强度等级和钢筋配置等参数, 验算其承载力。

5.3 检测结果

根据已确定的检测范围和内容, 检测人员主要检测结果按外观普查、结构混凝土强度、钢筋保护层厚度、碳化深度与钢筋锈蚀程度、典型构件尺寸及配筋情况、框架柱、梁体等构件承载力演算等六部分整理。现场取样及测试工作概况如图1中照片所示。

经外观普查, 现有结构构件存在的局部损伤质量问题主要有:部分框架柱、梁角部混凝土缺损、蜂窝孔洞、露筋并有明显的砂浆修补痕迹, 局部钢筋锈蚀以及梁体开裂。整体而言, 该工程结构框架柱、梁混凝土的施工质量很差, 且非常不均匀, 梁体混凝土施工支模工艺非常差, 导致混凝土保护层厚度相差较大, 梁底箍筋外露锈蚀, 建筑框架柱、梁构件典型缺陷如图2中照片所示。

5.4 结构混凝土强度

根据现场检测条件、结构构件受力特点和使用环境等因素, 选取各楼层框架柱、框架梁以及现浇楼面板等典型构件进行混凝土抗压强度检测。

基于实际情况, 本次检测采用钻芯法和回弹法相结合的方法对该工程结构框架柱、梁及楼面板混凝土强度进行检测评价。于结构框架柱、楼板每层钻取一定数量芯样, 根据现场检测条件, 对每个有回弹条件的框架柱或梁进行回弹, 采用芯样修正法按批对相应构件进行强度评定。

6 结论

⑴结构的健康诊断 (故障诊断) 就是找出能够描述故障变化的征兆参数的信息, 在线长期检测或周期性检测这些信息, 从中提取信号, 通过数据处理来发现或预报结构的故障和损伤。

⑵结构的损伤必然引起结构动态响应的变化, 进而引起结构试验获取的模态参数的变化。基于模态分析的技术, 在结构健康诊断中将取得积极的效果。

⑶通过结构健康诊断的结果来对建筑结构进行鉴定, 确定结构的安全性和耐久性是否满足要求, 对其可靠性和剩余寿命作出科学的评价, 并为维修和加固等后续工作提供最有力的依据, 进而提高工程结构的安全性, 延长其使用寿命, 从而创造更大的经济效益和社会效益。

7 展望

近些年来, 结构损伤诊断技术无论在学术上或在实际应用研究中都取得了长足的进步, 但是对于高层建筑、桥梁等复杂土木工程结构的损伤诊断, 还有许多问题有待进一步的研究和解决[6,7]。从结构的健康监测和损伤诊断技术的发展动态来看, 以下几个问题的研究在该技术的未来发展方向上有比较重要的意义和迫切性:

⑴发展更可靠的损伤判别指标, 该指标不会误判及漏判。要实现这个目的, 所使用的特征量必须敏感而且能准确测量。

⑵非线性损伤诊断技术的研究。实际工程结构是非线性结构, 只是非线性的强弱不同。虽然非线性技术研究中出现的困难比线性中出现的困难多, 但非线性诊断技术符合实际, 应用范围广。小波分析、神经网络和遗传算法由于其在数据处理、非线性系统辨识方面的优势, 而在结构的健康检测和诊断方面具有不可估量的应用前景。

⑶传感器优化布置方法, 包括确定传感器的数目及布置位置。当前一些优化方法, 大都依靠结构总体分析模型, 再利用一些优化算法选择传感器位置, 广义遗传算法是其中一种比较好的算法。在传感器布置的最佳数量、最佳位置和抗噪性能等方面还有许多工作要做。

⑷开展大量的实际结构损伤诊断技术应用研究。目前, 损伤诊断技术在实际结构上的应用研究还比较少, 必须在不同结构进行大量试验对方法进行验证, 才能使损伤检测方法得到广泛应用。

⑸结构体系可靠度研究。损伤诊断技术应与结构可靠度理论相联系, 而损伤诊断的最终目的也是评估结构的可靠度。结构体系可靠度研究尚处于初步阶段, 对结构的安全状况定量地描述尚有一段距离, 但它是安全评定的必需工具。

参考文献

[1]刘效尧, 蔡键, 刘晖.桥梁损伤诊断[M].人民出版社, 2002.

[2]陈长征, 罗跃纲, 白秉三, 唐忠.结构损伤检测与智能诊断[M].科学出版社, 2001.

[3]宰金珉, 刘伟庆, 等编委会组织编写.工程结构鉴定与加固[M].北京:中国建筑工业出版社, 2002.

[4]李方泽, 刘馥清, 王正.工程振动测试与分析[M].北京:高等教育出版社, 1992.

[5]张丽卿, 韩兵康, 李春祥.基于振动的土木工程结构损伤诊断研究进展[J].自然灾害学报, 2004, 13 (5) :1362143.

[6]刘继鹏.工程结构健康监测近期研究进展[J].郑州经济管理干部学院学报, 2006, 21 (1) :89292.

[7]陈长征, 罗跃纲, 白秉三.结构损伤检测与智能诊断[M].北京:科学技术出版社, 2001.

[8]袁万城, 崔飞, 张启伟.桥梁健康监测与状态评估的研究现状与发展[J].同济大学学报, 1999, 27 (2) :1842188.

水库大坝健康诊断及风险分析 第5篇

通过广泛的现场调研和资料统计分析，目前中、小型水库中主要存在的病险症状包括如下几个方面：

1)防洪能力不足据不完全统计，全国中、小型病险水库中防洪能力不足的问题普遍存在，一般省份都在30～40%，全国平均为33.5%，比例最高的是宁夏、山东和新疆，高达70%以上。2)大坝或建筑物的抗震稳定性不满足要求由于历史原因，很多中、小型水库大坝原先根本没有考虑地震荷载作用，或者当时抗震设计时标准不高，因此地震区的中、小型水库很可能存在抗震设计不满足现有规范要求的情况。3)大坝渗(漏)水严重，渗流不安全中、小型水库多建于五、六十年代，多属“三边”工程，边勘测、边设计、边施工。4)大坝稳定性差据不完全统计，各地中、小型水库裂缝、滑坡问题所占比例相对而言整体较低，全国平均为17%。但局部地区，如四川、山东、河北、湖南、甘肃和新疆等比例较高，四川最高超过了50%。5)输、泄水建筑物存在严重隐患中，小型水库的输水建筑物多数为坝内埋管等结构，一般均存在老化失修和不同程度的裂缝漏水现象，对大坝安全构成严重威胁。6)金属结构和机电设备不能正常运转金属结构和机电设备老化、锈蚀严重、止水失效，正常运转困难。

2 健康诊断技术方法

根据上面的健康诊断体系，健康诊断元素可采取不同的诊断方法采集原始诊断信息。目前常用健康诊断技术方法包括监测法、检测法以及人工巡视法。

2.1 监测法

监测法是一种能揭示大坝长期运行规律和结构性态的诊断方法。是大坝健康诊断状况原始诊断信息的重要来源。监测的目的是：

1)为了大坝坝体及坝基的统一体短期和长期的安全，对运行现状进行监测。2)为了提高将来设计水平，将实际状况与设计预测进行对比。3)掌握施工过程中坝体与坝基的实际现状，以此来修改、补充设计或施工技术方案。监测的内容可分为原因量监测和效应量监测。大坝安全监测的仪器是了解大坝健康状况的耳目，他要能够在恶劣的环境下实时、稳定、可靠地检测出大坝微小的物理量变化。大坝质量检测的仪器、设备的精确度、适用性直接影响到大坝健康现状及其预测的准确性。

2.2 检测法

检测法则是一种能在短期内对大坝的缺陷、隐患进行局部或全面的现场检查。目前常用的检测方法主要有地质钻探、人工探视和地球物理勘探，其中钻探法具有局部性和破坏性，而人工探视耗时耗力，检测效果较差，这两者均不能满足现代工程安全要求。因此，地球物理勘探也就被认为是大坝安全隐患探测的首选方法。在大坝地球物理勘探方面，许多先勘探技术和仪器已应用于工程实践，如SD-1瞬变电磁仪、M IR-IC直流数字电测仪、分布式高密度电阻率探测系统、分布式光纤传感技术、聚束直流电阻率法、探地雷达、电阻率成像仪、电磁剖面仪、多波束声纳以及水下钻孔摄像系统等仪器设备。此外，通过地质勘探和室内外土工测试等手段也可获得所需的各种土体特性指标，既反映了工程材料的基本特性，也可为健康诊断分析提供基本依据。

2.3 人工巡视法

人工巡视检查分为日常巡查检查、年度巡视检查、和特种巡视检查三类。日常巡视检查是指根据大坝运行的具体情况制定日常巡视程序，由大坝的主管部门安排有经验的专职人员对整个工程进行的例行检查，以便及时发现异常现象;年度巡视检查是指在每年讯前、讯后及高水位等等的时候，也是由大坝的主管部门根据相关规定拟定相应的检查项目，对工程进行较全面的巡视检查;特种巡视检查是指在发生特大洪水、有感地震、工程非常运用期间以及其它特殊情况下，相关部门应立即制定全面检查项目对大坝的各个部位进行的全面的巡视检查包括机电设备运转、金属结构的腐蚀情况以及通讯设备和防汛交通是否具备等。

3 中、小型水库大坝风险评价

由于我国中、小型水库大坝基础资料缺乏、资金短缺，其风险评价同大型水库大坝风险评价一样详细就显得不太现实。因此，在其评价过程中得多借鉴专家的经验，简化评价的步骤。

3.1 识别致灾因子

我国主要溃坝原因有多种，其中由于漫坝导致溃坝所占比例约为50.2%，由于坝体质量导致溃坝所占的比例约为34.8%，由于管理不当和其他原因导致溃坝所占的比例约为11.4%。同时，由于中、小型水库的管理人员专业素质低或者管理机制不完善、日常维修养护不善、投入的大坝安全监测设备和手段落后也会导致大坝溃坝。

3.2 溃坝模式和溃坝路径分析

溃坝模式分析是大坝风险分析的重要环节，根据各种可能出现的各种外荷载，分析在相应荷载作用下，大坝各组成部分可能出现的破坏形式，并分析是否可能发展成为溃坝事件，最终形成从荷载-建筑物-破坏-溃坝的途径。分析我国已溃坝的溃决情况，可以总结出如下溃决模式：1)汛期由于无泄洪设施或泄量不足、坝顶高程不足、闸门故障等原因，引起洪水漫顶以致大坝溃决。2)汛期由于溢洪道被冲毁或滑坡引起的大坝溃决。3)汛期坝体、坝基、坝下埋管、坝头绕渗等渗透破坏导致大坝溃决。4)分汛期坝体、坝基、坝下埋管、坝头绕渗等渗透破坏导致大坝溃决。5)人为操作失误导致大坝溃决。6)生物破坏导致大坝溃决。7)地震导致大坝溃决。

溃坝模式确定后，需要对溃坝路径进行分析。就上述第1)种溃坝模式来说，其溃坝路径之一为：洪水-上游溃坝洪水-坝顶高程严重不足-漫顶-冲刷坝体-干预无效-大坝溃决。

摘要：水库大坝在运行期间或多或少地总会存在一定的问题, 这些问题随着运行时间的增长而不断发展变化, 具有较强的时变特性。大坝健康诊断就是通过一些表观检查、安全监测和隐患探测等手段获得大坝破损和缺陷的基础资料, 然后根据大坝自身特点, 构建大坝健康诊断项目体系, 采用定性分析方法最终对大坝的健康状况进行专项和综合诊断, 从而为目前国家进行水库除险加固的大坝加固提供科学的依据。

关键词：水库,大坝,健康诊断,风险

参考文献

[1]电力工业部颁布.水电站大坝安全检查实施细则[M].北京:水利电力出版社, 1988.

故障诊断与健康管理技术探究 第6篇

关键词：故障预测,健康状态管理,视情维修

1 引言

随着现代科学技术的飞速发展, 各种大型复杂系统的规模越来越大, 功能也越来越复杂。在大型复杂系统中, 不仅同一设备的不同部分之间互相关联, 紧密耦合, 而且不同设备之间也存在着紧密的联系形成一个整体。因此, 一处故障可能引起一系列连锁反应, 导致整个系统甚至整个过程不能正常运行。在这种情况下, 提高系统的可靠性与安全性就显得极其重要, 对系统的故障检测、故障隔离和故障预测等问题越来越受到人们的重视。传统的事后维修和计划维修需要耗费大量的人力物力, 并且很难预防灾难性的故障, 这就需要一种新的维修策略以减少系统维修的开销。20世纪90年代中期, 美军在联合攻击战斗机[1] (Joint Strike Fighter, JSF) 项目中正式提出了故障预测与健康管理 (Prognostics and Health Management, PHM) 的概念。PHM使系统的维修由事后维修和计划维修向视情维修 (Condition-based maintenance, CBM) 转变。

2 PHM的内涵和系统框架

PHM是利用各种先进的传感器采集的数据信息, 借助各种物理数学模型和智能推理算法来评估系统的健康状态, 在系统故障发生前对其故障进行预测, 并根据系统当前的健康状态提供故障检测、故障隔离、故障诊断以实现系统的视情维修[2]。PHM代表了一种方法的转变, 即传统的事后维修和计划维修向视情维修转变。视情维修是根据对设备当前的状态和将来状态的预测来安排维修活动, 因此对系统当前状态的描述, 以及对下一时段状态和故障的预测是实现视情维修的根本, 这也正是故障预测技术要着力解决的问题。

目前各种PHM系统虽然各具特色, 但基本思想和设计方法相似, 区别主要表现在不同领域其具体应用的技术方法有所不同, 但主要包括7个部分[3]:数据采集、数据传输、数据预处理、健康状态监测、故障诊断与预测、决策支持系统和接口, 如图1所示:

(1) 数据采集 (Data Acquisition) :

数据采集主要是是利用各种传感器来获取系统相关设备的运行参数、环境参数和性能参数, 为PHM系统提供数据基础。

(2) 数据传输 (Data Transmission) :

数据传输是PHM系统的一个重要组成部分, 它不是只包括把传感器采集的数据传输给数据预处理设备, 而是包括在PHM系统中所有的阶段的数据传输。

(3) 数据预处理 (Data Preprocessing) :

由于现实中的数据很多是不完整的、有噪声的和不一致的, 需要对数据进行数据清理、数据集成、数据变换和数据归约等操作, 把数据处理成后继状态所需要的数据格式。

(4) 健康状态监测 (Health Monitoring) :

传感器所获取的各种系统运行参数经过数据预处理后, 与历史故障数据或正常数据相比较, 或与预先设定各种参数的阈值相比较, 来检测当前系统中是否有异常发生, 从而实现对系统健康状态的监测。

3 故障预测技术

故障预测技术是利用系统状态监测数据以及运行环境和负载状况等相关信息, 对设备健康状态进行评估, 对可能发生的故障进行预测, 为维修计划的实时安排和调整提供可靠的时间依据, 确保对设备进行经济、高效的维护。人们已经提出很多故障预测的方法, 但尚没有一个公认的故障预测分类方法。这里根据故障预测技术的理论、方法和技术路线, 把故障预测技术分为[4]:基于信号处理的故障预测 (Prognostics based on signal processing) 、基于模型的故障预测 (Prognostics based on models) 、基于人工智能的故障预测 (Prognostics based on artificial intelligence) 、数据驱动的故障预测 (Data-driven Prognostics) 。

(1) 基于信号处理的故障预测

基于信号处理的方法是利用各种信息处理手段 (如数字信号处理、时间序列分析、信息理论、图像识别、应用数学等) 对信号进行滤波、变换、检测、谱分析、估计、压缩、识别等一系列的处理提取信号的特征, 分析信号的特征以实现故障预测。基于信号处理的方法主要有:小波网络分析、时间序列分析等。

(2) 基于模型的故障预测

基于模型的方法首先对研究对象建立物理或数学模型, 这些模型可能是由领域专家给出的精确的模型, 也可能是通过实验数据建立的模型, 通常这些物理或数学模型都比较精确。该方法通过实际测量的系统参数与模型预测的系统参数相比较, 相差如果超出一定的阈值, 就认为故障可能将要发生, 实现故障预测的功能。基于模型的方法主要有:卡尔曼滤波、最小二乘法、时间序列模型、隐马尔可夫模型等。

(3) 基于人工智能的故障预测

人工智能及计算机技术的飞速发展, 为故障预测技术提供了新的理论基础, 产生了基于人工智能的故障预测方法, 此方法把领域专家的经验知识用规则、逻辑、框架等进行表达, 然后利用这些规则、逻辑、框架等进行故障预测。基于人工智能的方法不需要设计精确的物理数学模型, 也不需要大量的历史数据作为训练数据, 具有很广阔应用范围, 但此方法的缺点是领域专家的经验知识可能无法进行有效的表达。基于人工智能的方法主要有:专家系统 (Expert Systems) 和模糊逻辑 (Fuzzy Logic) 。

4 PHM技术展望

PHM是一种全面的故障检测、隔离和预测及健康状态管理技术, 它的发展经历了故障诊断、故障预测、系统集成三个发展阶段, 在部件级和系统级两个层次, 在机械产品和电子产品两个领域经历了不同的发展历程。未来PHM技术的研究热点主要集中在以下几个方面[5]:

(1) 传感器相关研究。主要研究如何提高传感器数据采集的精度, 可靠性、延长传感器的使用寿命, 降低传感器的造价以及无线传感器网络的网络拓扑和数据传输。

(2) 数据融合技术研究。故障诊断和故障预测需要综合多个源的数据以及各个层次的信息, 因此需要运用数据融合技术把这些数据和信息融合成有用的、能被处理的数据。

(3) 综合故障预测算法的研究。由于故障预测的困难性和故障的不确定性, 使用单一的算法进行故障预测常常难以得到很好的效果。这就需要把两种或多种故障预测算法有机的结合起来, 充分利用各个算法的优点, 弥补算法自身的不足, 进而提高故障预测的准确性。

(4) 故障诊断和预测算法的评估研究。由于PHM技术应用的广泛性, 各种不同的应用所采用的故障诊断和预测算法存在很大的区别, 如何设计一套公平有效的算法评价标准是一个研究的热点。

参考文献

[1]Hess A, Fila L.The joint strike fighter (JSF) PHM con-cept:potential impact on aging aircraft problems[A].In:Pro-ceedings of IEEE Aerospace Conference[C], 2002 (06) :3021-3026.

[2]张新鹏.直升机传动链故障诊断与健康管理系统设计及关键技术研究[D].长沙:国防科学技术大学, 2011.

[3]彭乐林, 罗华, 马飒飒.无人机故障预测及健康管理系统结构设计[J].桂林航天工业高等专科学校学报.2009, 14 (1) :20-21.

[4]张秋菊, 张冬梅.电子系统故障预测与健康管理技术研究[J].光电技术应用.2012, 27 (1) :19-24.

由职业健康检查引起的职业病诊断 第7篇

1 病例介绍

曾某,女,45岁,是某电子技术股份有限公司职工。应聘入职前于2008年6月25日在湖北省中医研究院进行过上岗前体检,并于2008年6月30日签订合同进入该公司电子生产事业部六车间从事油漆辅助工工作,历时1年7个月。于2009年11月份在公司组织的职业健康检查中血常规结果显示:WBC3.5109/L。公司根据体检结果于2010年1月5日对曾某作了岗位调整,从油漆车间调到电装车间从事物料配送员工作1个月。通过工作调整,药物治疗和休养,2009年12月26日2010年2月8日门诊检查血常规6次,结果为WBC波动于(2.8～3.9)109/L范围内。

曾某因头痛、头昏、乏力、四肢酸软、关节疼痛、多梦等症状,于2010年2月23日以苯系物观察收治入院至今,住院期间检查血常规22次,结果为:WBC波动于2.8109/L～4.0109/L范围内,其中18次在3.0109/L以上,中性粒细胞(GRA)波动于1.5109/L～2.7109/L范围内。

2 现场调查

武汉某电子技术股份有限公司位于武汉市江夏区某工业园。主要经营通讯、电子、计算机软件开发、研制、技术服务和通信设备制造。公司油漆车间位于武汉市东湖开发区东一产业园二号路。该车间有独立的喷漆房,设有通风排毒设施,职工佩有个人防护用品。不能提供职业卫生档案和劳动者健康监护档案,未对工作场所的职业病危害因素进行检测和评价。公司于2009年11月6日组织从事接触职业病危害因素的劳动者在武汉市职业病防治院进行职业健康检查。

3 诊断结论

患者在住院期间向武汉市职业病防治院申请了职业病诊断,该院根据患者病情进行了受理,由于缺乏职业病鉴定相关资料,患者向武汉市卫生监督所求助。监督所对此事进行了督办,并为职业病诊断提供了依据,诊断结论为职业性慢性轻度苯中毒(白细胞减少症)。

4 讨论

职业健康监护能及时发现劳动者在生产过程中,由于职业病危害因素的存在造成的健康损害及疑似职业病和相关疾病,以便及时采取干预措施保护劳动者健康[1];为职业危害、治理效果评价提供依据。根据《中华人民共和国职业病防治法》和《职业健康监护管理办法》等相关法律法规,用人单位应组织接触职业危害的劳动者进行职业健康检查,掌握劳动者上岗前的健康状况并建立档案,分清责任[2]。患者是名油漆辅助工,属于间接接触苯系物。在职业健康检查中,出现身体异常,经多次相关检查后申请职业病鉴定,说明用人单位没有认真按照《中华人民共和国职业病防治法》第三十二条规定落实职业健康监护工作,造成了患者与用人单位的责任不清。

5 建议

(1)企业应当从生产方式和工艺过程上进行改革,提高自动化水平,远离作业场所减少接触含苯的有害气体,加强机械通风降低空气中含苯化合物的浓度[1],使之控制在国家卫生标准以下,同时工人操作时应戴防毒口罩。(2)加强工人的岗前和在岗期间的职业卫生安全培训,提高工人的自我保护和防护意识,认真做好上岗前的健康检查,针对拟从事职业设定相应体检项目[2]。(3)用人单位应当按照《中华人民共和国职业病防治法》的有关规定,组织从事接触职业危害因素的劳动者定期进行职业性健康检查。建立、健全职业卫生档案和劳动者健康监护档案。按规定对工作场所职业病危害因素进行检测和评价。采取积极有效的措施控制和消除职业病危害因素,防患于未然,从而保护劳动者的健康和权益,促进经济发展。

关键词：职业健康检查,职业病诊断

参考文献

[1]贺清华.企业职业卫生管理培训教材[M].北京:中国劳动社会保障出版社,2007.

电力系统健康诊断 第8篇

隧道健康诊断预警在某些领域内到目前为止还是一个世界性难题, 对于隧道运营期间存在的各种隧道病害还不能够有效的预警。隧道运营期间病害的发生不仅使隧道主体功能受到损害, 而且缩短了隧道的使用寿命和维修周期, 严重威胁车辆行驶安全。因此, 建立一套全面有效的高速公路隧道健康诊断预警系统来及时诊断预警隧道病害已成为各国政府的重要任务[1]。近年来随着无损检测技术的不断成熟与发展, 该技术被广泛应用于隧道健康在诊断过程中可以获得大量的可靠数据。检测人员可以通过这些数据判断隧道处于哪种状态, 从而制定相应的对策[2,3]。但是如果没有建立恰当的隧道健康诊断预警系统, 隧道健康诊断信息便无法被自动采集和传输给隧道管理者, 隧道病害超出预警值也就无法发出报警。因此, 建立一套集可视、智能、集成于一体的高速公路隧道健康诊断预警系统来管理隧道健康状态的各种信息就成了隧道健康诊断预警研究中一个急需解决的问题[4]。

1 诊断预警功能结构

预警系统通常由五部分组成[5,6,7], 如表1 所示。

高速公路隧道健康诊断预警的功能主要包括四部分: 隧道监测资料预处理、隧道健康诊断、隧道远程预警、隧道信息管理。依照其功能划分给出了如图1 所示的诊断预警功能图。

1) 隧道监测资料预处理。高速公路隧道监测资料预处理功能主要由隧道数据传输、隧道监测资料入库、隧道监测资料整编三部分组成。2) 隧道健康诊断。高速公路隧道健康诊断子系统主要包括四部分: 诊断指标、健康状态的定量、定性分析、健康状态综合诊断。3) 隧道远程预警。高速公路隧道远程预警主要包括三部分: 隧道病害在线监控、隧道病害实时预警、隧道病害预警级别划分。4) 隧道信息管理。高速公路隧道信息管理主要为隧道基本信息管理, 其主要包括监测仪器类型、监测断面、监测项目、监测点、隧道工程档案等各种信息的管理。

2 高速公路隧道健康诊断预警的总体结构

高速公路隧道健康诊断预警的组成主要包括五部分:

1) 信息通讯。信息通讯是隧道管理者及隧道专家及时和准确掌握高速公路隧道健康运营状态的耳目, 同时也是高速公路隧道健康诊断预警平台实现远程预警目标硬件和软件的基础。

2) 高速公路隧道健康综合诊断。采用神经网络和模糊逻辑融合及定量、定性综合集成的方法对高速公路隧道健康进行综合诊断, 它是预警平台能够实现的前提也是重要的组成部分。

3) 隧道信息管理层。实现科学高效的对隧道基本信息、监测信息、采集仪器设备信息的组织管理工作, 并为隧道管理者提供良好的平台界面, 提高平台的实用性和灵活性。

4) 预警级别划分。基于一定的预警模型和理论方法, 参照高速公路隧道健康诊断预警指标评价集及隧道健康等级量化标准, 划分预警级别。

5) 报警子系统。依据不同的预警级别对高速公路隧道健康状况进行分析, 同时采用一定的报警方式 ( 如: 手机短信、E-Mail、自动电话等) 将诊断信息及时的传给相关人员, 相关人员能够根据现实情况采取相应措施。

高速公路隧道健康诊断预警的结构图如图2 所示。

3 应用案例

乌池坝高速公路隧道健康诊断预警。

1) 工程概况。乌池坝高速公路隧道设计右幅长6 693 m; 左幅长6 708 m。2004 年11 月~ 2005 年5 月采用地质调绘、钻探、综合物探等手段对隧道区进行了工程地质勘察工作。隧道于2006 年1 月开工建设, 于2012 年12 月建成, 2013 年1 月通车。自通车以来乌池坝高速公路隧道就出现了隧道渗漏水、隧道衬砌剥落等劣化现象; 为了全面、实时地了解该隧道的健康状态, 实现隧道劣化的诊断预警, 提出有效的隧道维修加固措施, 保证隧道运营安全。

2) 平台实现结构图。乌池坝高速公路隧道健康诊断预警平台的实现结构图如图3 所示。

3) 平台运行环境。硬件支持: CPU: PⅢ400M以上, 内存: 512 M以上。系统运行环境: Windows Server 2003 R2 或以上。软件运行环境: ⅡS6. 0, NET3. 5 Framework, SQL Server 2010。

4) 平台功能及实现。

a. 系统使用工具子平台。系统使用工具子平台包括平台的登录, 用户管理及退出界面。

b. 信息系统子平台。信息系统子平台包括监测点信息管理界面、监测信息预处理界面、仪器设备管理界面。

监测点信息管理界面用于对隧道各监测区段的管理, 用户可以根据实际需要添加或者删除监测区段。监测信息预处理界面用于实现数据信息的回收, 将回收的数据上传至服务器, 以便实现对数据的整编。

监测设备信息管理界面用于对监测设备的管理, 用户可以根据需要增添或删除监测设备, 包含设备的种类、使用时间、使用年限等信息, 以供用户参考。

c. 隧道健康诊断子平台。隧道健康诊断子平台包括诊断指标界面、诊断定性分析界面、综合诊断界面。

健康诊断指标界面用于储存各诊断指标, 包括准则层和指标层诊断指标名称及各自的权重, 总权重等, 用户可以通过它查找到任何一个指标的权重及总权重。

健康诊断定性分析界面能够接受并储存所有诊断指标的数据信息, 并对此信息做出相应的定性判断, 储存相应的定性向定量转化的五级量化标准。

隧道健康状态综合诊断界面用于对隧道进行健康诊断, 以得到隧道某个区段的健康诊断值, 为预警提供依据。

d. 隧道远程预警子平台。隧道远程预警子平台包括监测预警级别划分界面、监测劣化实时预警界面。

隧道安全预警界面针对诊断描述得出诊断区段的综合诊断健康值, 并依据预警等级对所诊断区段得出预警等级, 同时得出预警状态, 使用户能够实时了解所监测隧道的健康状况, 并做出相应的措施。

4 结语

主要研究成果为: 1) 给出了高速公路隧道健康诊断预警系统功能及结构; 构建了该诊断预警平台的主要工作流程图。2) 以乌池坝高速公路隧道某区段为实际应用案例, 研发出了乌池坝高速公路隧道健康诊断预警平台, 实现了系统平台的应用, 验证了此系统平台的实用性和可靠性。

摘要：介绍了高速公路隧道健康诊断预警的结构和功能, 以乌池坝高速公路隧道某区段工程为例, 阐述了乌池坝高速公路隧道健康诊断预警平台的构建过程及主要工作流程, 达到了对高速公路隧道进行实时健康诊断预警的效果。