1、1,第2章 在线监测系统及其组成,系统的组成和分类 常用传感器简介 信号处理系统 数据采集系统 数据处理 抗干扰技术 故障诊断,2,3,第六节 故障诊断,故障诊断就是根据检测系统提供的信息，包括监测到的数据和数据处理的结果，对设备所处的状态进行分析。确定该设备可否继续运行？是正常运行还是要加强监测？是安排计划检修还是立即停机检修等等。 故障诊断是状态维修的重要内容。,4,故障诊断的一般内容： 判断设备有无故障 判断故障的性质、类型和原因 判断故障的状况和预测设备的剩余寿命 判断故障的部位，即故障定位 做出全面的诊断结论和相应的反故障对策,第六节 故障诊断,5,故障诊断的常用方法： 阈值诊断 模
2、糊诊断 时域波形诊断 频率特性诊断 指纹诊断 基于人工神经网络的诊断 人工智能专家诊断,第六节 故障诊断,6,1、是应用最广泛的一种基本而重要的诊断方式 方法：在各种国家标准、规程和导则上，规定了反映设备绝缘状况或其他状况的某些特征参数的正常值和注意值，以此作为阈值诊断的参照标准。根据已经数据处理后的监测到的真实数据与之比较。 功能：一般用阈值诊断来判断设备是否有故障，也可判断故障的严重程度以及故障类型和原因。 优点：简单方便 缺点：有一定的诊断错误,第六节 故障诊断 一、阈值诊断,7,2、诊断错误 误报：相当于统计检验中的第一类错误（取伪）。即虚假故障，其后果将增加检修工作量和昂贵的维修费用
3、。 漏报：相当于统计检验中的第二类错误（弃真）。即存在故障而而未被发现，这将引起设备严重的事故损坏而造成巨大的经济损失。,第六节 故障诊断 一、阈值诊断,8,发生这两类错误的概率常常是相互联系的，发生第二类错误的概率的降低必将导致第一类错误的概率的增加。,第六节 故障诊断 一、阈值诊断,1-准确可靠的结果,2-第一类错误（虚假故障）,3-第二类错误（未被发现的故障）,9,2、诊断错误 原因之一：监测方法不完善 x是能反映某种设备绝缘状况的参数，f1(x)、f2(x)分别代表绝缘正常和存在故障的概率密度分布曲线，一般遵循正态分布 xxc的部分区域不一定有故障。误报：P1 xxc的部分区域不一定无
4、故障。,第六节 故障诊断 一、阈值诊断,漏报：P2,10,原因之二：监测错误 概率密度曲线f1(x)包含了所有该类设备的参数x。 监测系统有随机误差y，其该类密度为f2(y)。大多数情况下x和y均遵循正态分布，故监测结果z也遵循正态分布。 实际 上与规程的标准值比较的不是x而是监测结果z。 若x1xc，但z1zc，则误报,第六节 故障诊断 一、阈值诊断,11,对策： 规程所规定的标准值是长期经验的积累和理论分析的结果，具有普遍的指导意义，要严格执行； 另一方面，不能将标准值作为唯一判据，不能死扣标准。超过标准值不一定100%有故障，低于或接近标准值不一定没有故障。 将监测值与规程的标准值作比较
5、 将监测值与该设备历史上历次试验结果作比较纵比 将监测值与其他同类设备的监测结果作比较横比 结合其他反映绝缘状况的参数的检测结果，全面综合分析。,第六节 故障诊断 一、阈值诊断,12,第六节 故障诊断 一、阈值诊断,13,1、基本概念 阈值诊断在阈值附近村庄“非此即彼”的关系，但在实际诊断工作中却存在“亦此亦彼”的模糊性。 集合：具有某种特定属性的对象的全体，可以用特征函数来描述。 经典集合论：特征函数只有两个值，0和1。,第六节 故障诊断 二、模糊诊断,14,1、基本概念 模糊集合论：特征函数称为隶属函数（或从属函数），其取值为0,1区间所有值。 隶属函数的确定是进行模糊诊断的关键。 通常它
6、是诊断经验或故障统计的基础上确定的，近似地反映了专家对该情况的理解，故带有一定的主观性。函数的形式及特征参数的选择还可在以后的实践中通过“学习”作进一步调整和改善。,第六节 故障诊断 二、模糊诊断,15,第六节 故障诊断 二、模糊诊断,2、模糊不精确推理 模糊推理：根据某些故障现象或某些反映故障的证据（前提）去推断设备有无故障或故障的性质（结论）。 模糊推理有一定的模糊性或不确定性。对结论的不确定性进行演算，称之为不精确推理。,16,一般用置信度CF来表示模糊推理的结果（结论的确定性） CF=1 完全肯定； CF=-1 完全否定； CF=0 无法判断； CF0 判断倾向于成立； CF0 判断倾
7、向于不成立。,第六节 故障诊断 二、模糊诊断,17,第六节 故障诊断 二、模糊诊断,3、模糊综合评判 实际诊断中，往往是多个因素同时影响诊断结论，且各因素影响程度各不相同，此时可运用模糊综合评判方法。 原理： 引起故障的因素集为：U=u1,u2,un。各因素对故障的影响程度即权重由U的模糊子集 表示： =（a1,a2,an） U，ai表示第i个因素ui的权重，也就是模糊集合的隶属度，其值由大量已知的正确的故障样本数确定。一般均要求：,18,第六节 故障诊断 二、模糊诊断,3、模糊综合评判 原理 判断结果即评价集或决断集：V=v1,v2,vm1。它由其模糊子集 表示： =（b1,b2,bm）V。
8、bj表示第j种决断vj的隶属度，即第j种故障的可能性，其值由模糊不精确推理、隶属函数共同确定。 建立模糊关系矩阵（单因素评判矩阵） ：它表示故障原因 与故障判断结果 之间的模糊关系。 中元素rij表示第i个因素隶属于第j种判决的程度。,19,3、模糊综合评判 原理： 计算 、 、 构成模糊关系方程： 。“。 ”为算子符号，代表某种合成运算（取大、取小或其合成）。这样， 与 已知，只要确定“。”算子，就可求得 。,第六节 故障诊断 二、模糊诊断,20,3、模糊综合评判 举例：根据油中气体含量和产气速率较高来判断变压器有无故障。参见教材P55，例2-1。,第六节 故障诊断 二、模糊诊断,21,方法
9、：由设备监测到的某特征量随时间变化的曲线与事先已测到的标准曲线进行对照，以判断设备的状态。 举例：高压开关操作机构的诊断,第六节 故障诊断 三、时域波形诊断,22,方法：由设备上测得的频率特性或频谱和已知的标准频谱进行对比，以诊断设备是否存在故障。 举例：变压器绕组变形的诊断 变压器绕组是由电感、电容组成的分布参数网络。当频率超过1KHz时，网络可以认为是无源、线性的两端口网络，可用传递函数（频率响应）描述其特性。绕组发生变形后，单位长度的电感、电容将会变动，其频响特性随之改变，故可通过比较变压器绕组的频响特性来诊断绕组是否存在变形。,第六节 故障诊断 四、频率特征诊断,23,方法：由设备监测
10、到的数据进行处理分析后，可得到一些特殊的谱图，如三维或二维图，对其分析或将其和已知的标准图形对比来判断设备的状态。 举例：电气设备的局部放电图谱识别,第六节 故障诊断 五、指纹诊断,24,人工神经网络模拟了脑神经元的基本特性，它按不同的权重接收其他神经元传递来的信号，而输出则是这些权重和输入信号的非线性函数值。 人工神经网络无需数学公式，只需要足够的诊断结果作为先念知识，就能训练网络，达到正确诊断的目的。,第六节 故障诊断 六、基于人工神经网络的诊断,25,输入层：监测得到的信息 输出层：输出结果（故障类型） 隐含层：如同神经元，由此形成含信号及权值的非线性函数关系。,第六节 故障诊断 六、基
11、于人工神经网络的诊断,26,人工神经网络训练工作流程：正向传播的输出过程，误差计算和反向调整权值，再正向计算的反复过程。对于训练好的网络，只要输入监测就可得到输出结果。 若出现新的教师信号，重新训练网络后就可用于新的故障类型的诊断。,第六节 故障诊断 六、基于人工神经网络的诊断,27,方法：人工智能专家系统是根据监测数据、历史数据、同类设备的数据，结合模糊诊断、人工神经网络等先进技术，模拟人类专家的经验及推理过程的计算机程序系统。 优点： 易于学习。模拟专家的经验性知识，实现监测系统的自动化、智能化； 实用性强，程序修改方便； 可综合多个专家的最佳经验使之条理化，而不受时间、地点的限制，其功能
12、可超过单个专家，易于解决诊断过程中的一些发展问题，降低判断上的随机性，提高诊断的准确性和诊断水平，甚至给出定量的判断； 专家系统具有解释功能。,第六节 故障诊断 七、人工智能专家系统,28,3、结构框图,第六节 故障诊断 七、人工智能专家系统,29,知识库：专家经验知识通过分析总结后而形成的规则集合。 数据库：用来存放监测数据（包括设备历史数据）以及推理中间结果的数据文件，类似于知识库。 数据库、知识库管理系统：为了对知识库或数据库进行删除、修改及增添新规则操作的人机接口程序。 推理机：利用先进的诊断方法，如模糊、人工神经网络进行推理。 控制机：各种处理的总控制。 解释系统：向用户解释推理过程的接口程序。,第六节 故障诊断 七、人工智能专家系统,30,4、推理流程,第六节 故障诊断 七、人工智能专家系统,31,5、应用,第六节 故障诊断 七、人工智能专家系统,32,5、应用,第六节 故障诊断 七、人工智能专家系统,33,6、如何提高专家系统诊断水平 尽可能完善专家知识，即丰富知识库。“没有专家也就产生不了专家系统”。 改进诊断方式，即改善推理，如采用模糊诊断、人工神经网络诊断代替传统“阈值诊断”。人工智能专家系统式在线监测系统中故障诊断技术的发展方向。,第六节 故障诊断 七、人工智能专家系统,
