电气设备状态监测与故障诊断的现代技术和发展趋势.ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,河海大学,电气设备状态监测与故障诊断的现代技术及发展趋势,河海大学 电气学院 马宏忠,2025/8/25 周一,河海大学,2,Main points,1,状态监测与故障诊断的,概念的再认识,2,主要电气设备的状态监测方法,3,状态监测的,关键技术,4,电气设备的现代故障诊断技术,5,电气设备故障诊断技术的发展趋势,6,总结,绪论,(Introduction),2025/8/25 周一,河海大学,4,1.Introduction,电气设备的,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,替代定期检修是发展的必然趋势。,2025/8/25 周一,河海大学,5,1.Introduction,及时准确地发现电气设备,潜在,的和,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,，还存在种种问题,包括一些认识上的误区。,2025/8/25 周一,河海大学,6,1.,Introduction,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，,概念的再认识,目前主要电气设备的状态监测与故障诊断,方法,关键技术,与,现代诊断方法,综述,最后讨论,发展趋势,2.,状态监测与故障诊断的,概念的再认识,(The recognition of the concept of CMD),2025/8/25 周一,河海大学,8,2.1,状态监测与故障诊断、故障预测的关系,(The relationship between condition monitoring and fault diagnosis,fault prediction),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,的研究一般从,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,用在线的数据来,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,对设备状态进行,综合诊断,。,实现状态检修的,前提,：,必须进行可靠的,状态监测,与准确的故障诊断以及有效的故障预报。,2025/8/25 周一,河海大学,9,2.1,状态监测与故障诊断、故障预测的关系,(The relationship between condition monitoring and fault diagnosis,fault prediction),故障预报、故障诊断和状态监测的,本质区别,：。,故障预报,根据故障征兆,对,可能发生,故障的时间、位置和程度进行预测。,故障诊断,根据故障特征,对,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,对设备的运行状态进行,记录,、分类和,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,进行分类,),2025/8/25 周一,河海大学,10,图,1,故障预报、故障诊断和状态监测之间的关系（按时间进程）,2025/8/25 周一,河海大学,11,2.1,状态监测与故障诊断、故障预测的关系,(The relationship between condition monitoring and fault diagnosis,fault prediction),如果不能对,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,其结论应该属于,状态监测,范围。,2025/8/25 周一,河海大学,12,2.1,状态监测与故障诊断、故障预测的关系,(The relationship between condition monitoring and fault diagnosis,fault prediction),对,故障的预测或预报,必须建模和仿真,.,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,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,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,设备故障,的关系,。,2025/8/25 周一,河海大学,13,2.1,状态监测与故障诊断、故障预测的关系,(The relationship between condition monitoring and fault diagnosis,fault prediction),2025/8/25 周一,河海大学,14,2.1,状态监测与故障诊断、故障预测的关系,(The relationship between condition monitoring and fault diagnosis,fault prediction),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,全系统的故障建模和仿真更难,而作为一个产品,其,生存期有限,也,没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,而且容易产生,过分的期望和误解,并将,影响监测技术的推广和发展,。,2025/8/25 周一,河海大学,15,2.1,状态监测与故障诊断、故障预测的关系,(The relationship between condition monitoring and fault diagnosis,fault prediction),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,。,b.,对设备运行状态处于,正常还是异常,做出,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,为状态检修的实施提供依据。,2025/8/25 周一,河海大学,16,2.2,状态监测与继电保护,状态监测、故障诊断与,继电保护,有很多共性之处，但其,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,，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,和,缓变故障,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,2025/8/25 周一,河海大学,17,2.2,状态监测与继电保护,(,Condition monitoring and relay protection),瞬变故障,例如相间短路等,发展很快。,继电保护,装置必须在,10ms,20ms,内处理这类故障,以避免损失扩大。,瞬变故障发生时,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。,2025/8/25 周一,河海大学,18,2.2,状态监测与继电保护,(,Condition monitoring and relay protection),缓变故障,是从出现故障征兆发展到故障灾害,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,缓变故障是状态监测和故障诊断的对象,。,2025/8/25 周一,河海大学,19,2.2,状态监测与继电保护,(,Condition monitoring and relay protection),对于瞬变故障,继电保护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生,是比继电保护更先进的技术,可以取而代之,这是一种误解,。,两种技术,互相补充,缺一不可,。,2025/8/25 周一,河海大学,20,表,1.,变压器、发电机故障按处理时间分类,10mS,1min,瞬变故障,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 in 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 system 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 monitoring,.,主要电气设备的状态监测,(,Condition monitoring of main electrical equipments,),2025/8/25 周一,河海大学,22,3.1.1,变压器事故统计分析,2000年32台次、4712.0,MVA,2001,年63台次、7399.5,MVA,事故率0.43%=（63台/14523台）,事故容量 0.72%=（7399.5/1024089.7）,其中 330,kV 1.65%500kV 1.83%,容量300,MVA(1.04%)3834.0 MVA(2.23%),1),事故台数：,3.1,电力变压器的状态监测,(Condition monitoring of,power transformer,),2025/8/25 周一,河海大学,23,2),事故与运行年限统计：,运行年限,事故台次,占百分比(%),1,12,21.1,23 45,5 6,8.8 10.5,610,13,22.8,1115,13,22.8,1620 20,4 4,7.0 7.0,合计,57,100.0,投运15年内发生事故的49台次(其中进口,变8台)，占总事故统计台次86.0%，说明,运行寿命值得担忧。,3.1,电力变压器的状态监测,(Condition monitoring of,power transformer,),2025/8/25 周一,河海大学,24,3),短路损坏的统计：,表10 19902001年短路损坏事故台次统计,年 份,事故总台次,短路事故,台次,占总事故,比率%,1990,34,2,6,1991,56,3,5,1992,76,18,24,1993,69,22,32,1994,57,21,37,1995,59,29,49,1996,58,29,50,1997,55,21,38.2,1998,63,26,41.3,1999,49,20,40.8,2000,32,11,34.4,2001,63,21,33.3,3.1,电力变压器的状态监测,(Condition monitoring of,power transformer,),2025/8/25 周一,河海大学,25,3.1,电力变压器的状态监测,(Condition monitoring of,power transformer,),3.1.2 OLTC,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,:,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,监测是有效的在线监测方法,但其研究仍在进行之中。,2025/8/25 周一,河海大学,26,3.1,电力变压器的状态监测,(Condition monitoring of,power transformer,),2),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,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,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,压电声学传感器,来探测局部放电信号。,2025/8/25 周一,河海大学,27,3.1,电力变压器的状态监测,(Condition monitoring of,power transformer,),3),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。,2025/8/25 周一,河海大学,28,3.2,发电机的状态监测,(,Condition monitoring of the,generator,),3.2.1,发电机故障和监测方法,1),定子绕组故障,:,包括绝缘故障、绕组导体故障和绕组端部故障。,电气绝缘逐渐劣化的结果,绝缘故障便成了主要关注对象。,主要早期特征便是机器内局部放电增加,因此,对局部放电的监测成为实施定子绕组状态监测的主要工具。,2025/8/25 周一,河海大学,29,3.2,发电机的状态监测,(,Condition monitoring of the,generator,),3.2.1,发电机故障和监测方法,2),转子体故障,:,对转子体故障的早期检测可通过振动监测和气隙磁密监测来实现。,2025/8/25 周一,河海大学,30,3.2,发电机的状态监测,(,Condition monitoring of the,generator,),3.2.1,发电机故障和监测方法,3),转子绕组故障,:,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。,监测方法是采用气隙磁密监测,:,通过探测气隙磁密,可以确定匝间短路的数量和位置。,2025/8/25 周一,河海大学,31,3.2,发电机的状态监测,Condition monitoring of the,generator,3.2.1,发电机故障和监测方法,4),定子铁心故障,:,主要是铁心深处的过热问题。,热监测技术,(,包括热成像技术,),已被用于变压器和电动机定子绕组的监测中,但很少有用于定子铁心监测的报道。,2025/8/25 周一,河海大学,32,3.2,发电机的状态监测,Condition monitoring of the,generator,3.2.2,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,:,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。,2025/8/25 周一,河海大学,33,3.2,发电机的状态监测,Condition monitoring of the,generator,3.2.2,发电机定子绕组的局部放电在线状态监测,1),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,。,解决方法两种,:,一是改进测量方式和测量仪器,;,二是利用,信号处理技术,和,神经网络,在数据后处理阶段,消除,PD,信号中的噪声,。,信号处理技术,是抑制噪声的常用工具。,例如,自适应滤波器,和,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。,2025/8/25 周一,河海大学,34,3.2,发电机的状态监测,Condition monitoring of the,generator,3.2.2,发电机定子绕组的局部放电在线状态监测,2),PD,行为解释,:,在线,PD,监测期望达到两个,目的,:,一是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,。,经验表明,PD,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,由一段时间的趋势,来判定。,2025/8/25 周一,河海大学,35,3.3,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,1),定子故障,:,主要原因,:,绝缘破坏引起绕组匝间短路造成的。感应电动机的定子绕组匝间故障将在定子电流中产生谐波,因此定子电流可用于故障的检测。,当前,定子电流信号分析是常用方法。,由于电动机和发电机在定子绕组上的相似性用于发电机的,PD,在线监测也可用于电动机中,它比电流监测能更早地检测到绕组故障。,2025/8/25 周一,河海大学,36,3.3,感应电动机状态监测,(Condition monitoring of induction motor),2),转子故障,:,感应电动机转子故障主要有转子导条断裂,将引起转矩跳动,转速波动,转子振动以及过热等。,检测方法,:,定子电流监测。,振动和气隙监测。,2025/8/25 周一,河海大学,37,3.3,感应电动机状态监测,(Condition monitoring of induction motor),3),轴承故障,:,轴承故障占所有机器故障的,40%,以上。,潜在的轴承故障通常采用振动和定子电流监测的办法来检测。,2025/8/25 周一,河海大学,38,3.3,感应电动机状态监测,(Condition monitoring of induction motor),4),气隙不均匀,:,有两种类型的气隙不均：动态和静态。,静态气隙不均,:,最小的气隙位置在空间上是固定的,;,动态气隙不均,:,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。,监测方法,:,定子铁心振动监测和定子电流监测来检测。,2025/8/25 周一,河海大学,39,3.3,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研究,1),振动监测和电流监测,:,振动和电流监测是感应电动机实际应用中最流行的两种的状态监测方法。,在电流监测还处于研究中时,振动监测就已投入实际应用。,振动监测可以发现机械故障、气隙不均匀、定子绕组或转子故障,三相电源不对称等问题。,振动监测的改进依赖于先进的信号处理技术,例如高阶统计分析、非静态的递归滤波器和小波等。,电流变化相对较小,电流监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。,2025/8/25 周一,河海大学,40,3.3,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研究,2),基于模型的方法和人工智能,:,基于模型的故障检测,:,对于较小的电动机和调速电动机,采用这种方式更为适合一些。,首先建立电动机的数学参考模型,通过比较参考模型和测量模型的输出偏差检测和定位转子故障。,2025/8/25 周一,河海大学,41,3.3,感应电动机状态监测,(Condition monitoring of induction motor),人工智能,:,神经网络,:,建立模型的另一方法。,对非线性关系很难甚至根本不可能获得精确的数学表达式。,而利用经过大量数据训练的神经网络能很好地反映这种关系。,4.,状态监测的关键技术,(Key Technology of,Condition monitoring,),2025/8/25 周一,河海大学,43,4.,状态监测的关键技术,(Key Technology of,Condition monitoring,),4.1,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。,2025/8/25 周一,河海大学,44,4.,状态监测的关键技术,(Key Technology of,Condition monitoring,),4.2,数据分析技术,在状态监测系统中,数据分析的任务：,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：分为数据预处理、特征提取、状态分类和处理决策等,4,个部分。,数据预处理包括数据选取、消除噪声等前期处理过程。,特征提取是指采用数理统计、信号处理,(FFT,、小波分析、分形和混沌,),等方法提取信号的特征。,2025/8/25 周一,河海大学,45,4.,状态监测的关键技术,(Key Technology of,Condition monitoring,),4.2,数据分析技术,状态分类和处理决策是数据分析的核心部分,也是难度较大的部分。,状态分类是一个模式识别问题。,例如,一个一维的状态分类问题,设,x,为特征指数,x0,为特征指数的阈值,则,:,xx,0,为故障状态。对于多维问题,特征指数不止,1,个,状态分类在多维空间中不是一个简单的区域划分问题。这个过程一般都采用了人工智能技术,如模式识别、人工神经网络、模糊数学、专家系统等。,5.,电气设备的现代故障诊断方法,(,Modern fault diagnosis methods for electrical equipment),2025/8/25 周一,河海大学,47,5.1,基于信号变换的诊断方法,Signal transformation-based diagnosing methods,5.1,基于信号变换的诊断方法,许多,故障信息,是以,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,对这些信号进行解调,获得故障特征信息,常用的信号变换方法,有希尔伯特变换和小波变换。,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,从而进行故障诊断。,2025/8/25 周一,河海大学,48,5.1,基于信号变换的诊断方法,Signal transformation-based diagnosing methods,如，在,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。,2025/8/25 周一,河海大学,49,5.2,基于专家系统的诊断方法,Expert system based diagnosing methods,5.2,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,将其,归纳成规则,并运用经验规则通过,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,因而,不是,一种确保,唯一性,的推理方法,该方法存在着,获取知识的瓶颈,。,对于,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,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，,无法做出进一步解释,通常,只能诊断单个故障,难以诊断,多重故障,。,2025/8/25 周一,河海大学,50,5.3,基于模糊理论的诊断方法,Fuzzy theory based diagnosing methods,5.3,基于模糊理论的诊断方法,在电气设备故障诊断中,模糊属性,常常出现，,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,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,R,再建立故障与征兆的,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,的诊断方法方法。,先建立故障与征兆的,模糊规则库,再进行,模糊逻辑推理,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。,2025/8/25 周一,河海大学,51,5.3,基于模糊理论的诊断方法,Fuzzy theory based diagnosing methods,5.3,基于模糊理论的诊断方法,优缺点：,优点：,模糊语言变量,接近自然语言,知识的表示可读性强,模糊推理,逻辑严密,类似人类思维过程,易于解释,。,不足或难点：,模糊诊断,知识获取困难,尤其是故障与征兆的,模糊关系较难确定,且系统的,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,(,即,隶属度,),表示的,如何实现,语言变量与模糊数之间的转化,是实现上的一个难点。,2025/8/25 周一,河海大学,52,5.4,基于人工神经网络的诊断方法,ANN based diagnosing method,5.4,基于人工神经网络的诊断方法,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,自动获取诊断知识,使诊断系统具有,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,热点之一,。,如采用,BP,网络对电机进行故障诊断,。,基本思想：,采用,传感器获取,表征电机设备故障的,特征信号,（如电流、噪声等）,对获取的特征信号做,FFT,变换,利用特征信号频谱中的若干个,谱峰（值）的能量值,做为神经网络的,输入样本,以,故障类型,做为神经网络的,输出样本,对网络采用,BP,算法进行,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,。,利用神经网络的,联想记忆,和,分布处理功能,对电机设备故障进行,诊断,。,2025/8/25 周一,河海大学,53,5.4,基于人工神经网络的诊断方法,ANN based diagnosing method,5.4,基于人工神经网络的诊断方法,问题及改进,：,BP,网络具有较强的,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,由于,BP,算法在迭代时采用梯度下降法,存在,收敛慢,、,振荡,和,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,还在于对,异常故障,的,处理能力低,以及,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,其解题能力,对样本依赖性极大,;,当一个与样本,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,。,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,BP,改进算法,。,2025/8/25 周一,河海大学,54,5.5,基于遗传算法的电机故障诊断方法,(Genetic algorithm based diagnosing method),5,5,基于遗传算法的电机故障诊断方法,遗传算法,是基于,自然选择,和,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,的方法。,特点,：,并行计算,与,全局最优,。,与一般的优化方法相比,遗传算法,只需较少的信息,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。,2025/8/25 周一,河海大学,55,5.5,基于遗传算法的电机故障诊断方法,(Genetic algorithm based diagnosing method),5,5,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,电气设备故障诊断。,设计神经网络的,关键,在于,如何确定神经网络的结构及连接权系数,。,将遗传算法应用于神经网络的,设计和训练,两个方面,分别构成,设计遗传算法,和,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,而神经网络的连接权重可由训练遗传算法优化。,6,电气设备故障诊断技术的发展趋势,The development trends of electrical equipment fault diagnosis,2025/8/25 周一,河海大学,57,6,The development trends of electrical equipment fault diagnosis,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,；,在线实时故障检测算法,；,混合智能故障诊断技术,；,基于因特网的,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。,2025/8/25 周一,河海大学,58,6.1,多信息量融合，多层次诊断集成,(,Multi-information fusion,multi-hierarchy diagnosis),6.,多信息量融合，多层次诊断集成,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,，结合层次诊断模型，,按照,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,集成到,诊断系统,中，进行,在线数据处理,与,在线诊断推理,，实现非实时诊断到,实时诊断,的转变，也实现,信息诊断与智能诊断,的统一。,2025/8/25 周一,河海大学,59,6.2,基于集成型智能系统的诊断方法,Integrated intelligence systems based diagnosis,6.,基于集成型智能系统的诊断方法,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,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。,2025/8/25 周一,河海大学,60,6.2,基于集成型智能系统的诊断方法,Integrated intelligence systems based diagnosis,6.,基于集成型智能系统的诊断方法,如：,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,技术是把,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,的特点和模糊逻辑处理,结构化知识,的特点。,2025/8/25 周一,河海大学,61,6.3,远程协作诊断,Remote cooperation diagnosis,6.,远程协作诊断,基于因特网的设备故障远程协作诊断,:,是将,设备诊断技术,与,计算机网络技术,相结合，,用若干台中心计算机作为,服务器,，,在,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,，,为企业提供远程技术支持和保障。,2025/8/25 周一,河海大学,62,6.3,远程协作诊断,Remote cooperation diagnosis,6.3,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。,2025/8/25 周一,河海大学,63,6.4,诊断与控制相结合,(,The combination of diagnosis and control),6.4,诊断与控制相结合,把,诊断系统,和,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。,7,.,小结,Conclusion,2025/8/25 周一,河海大学,65,7.,小结,Conclusion,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,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。,2025/8/25 周一,河海大学,66,7.,小结,Conclusion,由于电气设备故障征兆与故障特征间,复杂的非线性特性,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,。,2025/8/25 周一,河海大学,67,谢谢,!,Thank you for your attention,Email:,hhumhz,电话：,025,83787562,2025/8/25 周一,河海大学,68,2025/8/25 周一,河海大学,69,知识回顾,Knowledge Review,