激光测距机故障快速诊断方法研究
激光测距机故障快速诊断方法研究
作者:张雏;汪岳峰;牛燕雄;沈学举
激光测距仪机是集电子、光学、机械为一体 ,结构精密、工作原理复杂的光电系统 ,由于在整机状态下的测量量少、可测性差等原因 ,使其故障诊断非常复杂和困难。笔者根据其结构和功能特点 ,设计了一种在激光测距机不分解状态下 ,根据故障特征实施故障诊断的故障字典构建方法 ,该构建方法可用于构建专家决策系统 ,使非专业维修人员能充分利用维修专家的经验知识 ,快速获取合理的维修方案 ,完成激光测距机的修理工作。
1 故障诊断特点分析
1. 1 故障诊断条件和要求
所研究的故障诊断方法 ,主要是针对激光测距机使用人员 (非专业维修人员) 进行快速维修决策和修理的需要 ,立足于激光测距机不分解状态下的故障特征表现 ,所以 ,故障诊断可以依据的信息非常有限。而且 ,研究的诊断方法要给出能为使用人员接受的、直观直接的故障诊断结论。
1. 2 故障诊断依据
故障诊断依据主要有两种。一是激光测距机的故障特征 ,包括 :旋钮、开关控制功能失常 ;目标距离显示不正确 ;相关信息显示不正确 ;相关反应不正常等。二是电缆口信号故障特征。一般激光测距机都有传递信号的电缆口 ,其内部电路故障可能会在电缆口信号上有反映 ,成为故障诊断的依据 ,但电缆口信号一般只是激光测距机内部电路信号的很少部分 ,对故障诊断的帮助有限。
2 故障诊断方法研究
因电路系统是激光测距机的重要构成部分 ,而且其故障占激光测距机故障总数目的 90 %以上 ,故研究故障诊断 ,应该主要针对电路故障研究诊断理论和方法 ,考虑到故障字典法适用于诊断电路故障 ,所以可用于实现激光测距机故障的快速诊断。
建立激光测距机故障字典 ,要根据积累的激光测距机维修经验 ,确定可以诊断故障的集合 ,并求出激光测距机存在故障集合的每个故障时对应的故障特征 ,制成故障与特征对应的字典。如果字典中每个故障对应的特征各不相同 ,就可以直接查字典得到故障诊断结论 ;如果有多个故障对应的特征相同 ,就还需要应用其它方法实现故障诊断。
根据模式识别的观点 ,故障诊断属于模式识别范畴 ,其实质就是对诊断对象的工作状态或工作模式进行识别和分类 ,区分其为正常或异常 ,并区分各种不同的异常状态。所以 ,研究故障诊断方法的实质就是研制模式识别系统 ,这需要设计和实现两个过程。设计过程是用一定数量的样本进行分类器设计 ,把所研究系统的状态分为若干模式类 (又称参考模式类) ;实现的过程是识别过程 ,是利用所设计的分类器将待识别的样本 (又称待检模式或待检状态)进行决策分类 ,判别待检模式应属于哪一参考模式类[1 ] 。因而可以认为 ,故障诊断就是根据对诊断对象观察的故障特征 (用 x 表示) 判断其应归属于哪个故障类 (用 Gi 表示) 。
所研究的激光测距机故障诊断方法是为了让非专业维修人员能充分利用维修专家的经验知识。故障诊断满足两个条件 :一是要决策分类的故障 Gi数量有限;二是各故障的概率分布已知 ,即每一故障的先验概率 (用 P ( Gi) 表示 , 指激光测距机发生故障的条件下 ,故障 Gi 发生的概率) 和条件概率密度函数 (用 p ( x/ Gi) 表示 ,指观测到故障特征为 x 时故障 Gi 发生的条件概率) 是已知的。这样 , 故障诊断可以应用贝叶斯决策理论 , 用下式计算故障特征为 x 时相应故障的发生概率 (用 P ( Gi/ x ) 表示) ,从而建立故障特征与故障的对应关系 ,构建故障字典和专家决策系统。
3 故障字典的建立
因为实际激光测距机的故障源点是元器件或零件 ,而所研究的故障诊断方法仅需要把故障定位于插件板等部件 ,所以进行故障诊断时 ,要注意同一部件上不同元器件或零件故障造成的故障特征可能不同 ,这需要灵活运用贝叶斯决策理论进行故障诊断。
3. 1 贝叶斯决策理论的应用
为了表述方便 ,下文分别用 Gi , Gi2m 表示部件及其不同元器件或零件故障 ,用 Ej 表示故障特征 ,另外定义 : (1) P ( Gi2m ) 表示元器件或零件故障发生的条件概率 ,即在激光测距机发生故障的条件下 ,故障 Gi2m 出现的条件先验概率 ,它是根据对专家维修工作经验的总结 ,事先估计给出 ; (2) X G ( Gi2 m , Ej) 表示故障特征 Ej 与故障 Gi2m 的相关函数 ,并规定 X G ( Gi2m , Ej) = 1 表示故障 Gi2m 发生时 。
产生的故障特征是 Ej ; X G ( Gi2m , Ej) = 0 表示故障 Gi2m 发生时 ,产生的故障特征不是 Ej ; (3) Ji 表示同一部件上所有 X G ( Gi2m , Ej) = 1 的 Gi2m 的集合。如果考虑一般情况 ,故障特征 Ej 出现时 ,可能发生故障的部件不止一个 , 那么应用贝叶斯决策理论 ,可以推知这种情况下各部件故障 Gi 的发生概率 (用 X P( Gi , Ej) 表示) 满足。
3. 2 XP ( Gi , Ej) 取值分析
分析 (4) 式可以发现 ,由于相关函数 X G ( Gi2m , Ej) 的引入 ,该式适用于针对任何一个故障特征Ej ,计算每个部件故障 Gi 的发生概率 X P ( Gi , Ej) 。而且 , X P ( Gi , Ej) 的取值可以分为下述 3 种情况 : (1) 如果某一部件中任何元器件或零件的故障都不会造成故障特征 Ej 的出现 , 则该部件的 X P ( Gi , Ej) = 0 ; (2) 如果仅有某一部件的元器件或零件故障才会造成故障特征 Ej 的出现 , 则该部件的X P( Gi , Ej) = 1 ; (3) 如果有不止一个部件的元器件或零件故障均可能造成故障特征 Ej 的出现 ,则这几个部件均有 0 < X P( Hj , Ei) < 1。
由此可以看出 ,可以用 X P ( Gi , Ej) 值做纽带 ,建立起描述激光测距机故障特征 Ej 与部件故障 Gi对应关系的故障字典 ,让使用者可以通过对故障特征的观测 ,查字典找到可能发生故障的部件及故障的发生概率 ,或是由使用者将故障特征代码输入专家决策系统 ,由系统快速给出维修决策方案。
例如 ,某激光测距机常出现“通电同时对储能电容充电”的现象 ,维修经验和理论分析证实 ,造成这种故障特征的常见元器件故障包括 :通电时序控制元器件失效、集成模块误动作、控制模块损坏等。这些故障均位于同一部件上 ,即控制电源电路板上 ,故用上述方法设计的故障字典诊断这种故障 ,可知控制电源电路板的故障概率 X P 值为 1 ,据此决策系统可以快速给出“更换控制电源电路板”的维修方案。
4 电缆口信号的故障诊断作用
考虑到激光测距机电缆口传递信号可能对故障诊断有帮助 ,即可以通过对信号来源的分析 ,找出造成相应信号异常的故障源点 ,使得电缆口信号特征可用于判断相关故障的有无 ,所以 ,遇到故障特征与部件故障不一一对应的情况 ,可以考虑分析电缆口信号 ,以做进一步的故障诊断。例如 :如果已知有 3个故障的出现都可能造成同一种故障特征 ,而且可以通过对电缆口信号的检测 ,判断其中两个故障的有无 ;那么 ,如果检测结果是信号特征正常 ,证明对应的两个故障不存在 ,就可以将故障定位在剩下的那一种上 ;如果检测结果发现有一个信号异常 ,考虑到多故障同时发生而且造成的故障特征完全相同的可能性极小 ,就可以将故障定位在造成信号异常的那种故障上。
因电缆口传递信号数量远远少于激光测距机内部电路工作信号的数量 ,所以电缆口信号只能对故障诊断起一定的辅助作用。在综合运用故障字典和电缆口信号进行故障诊断时 ,专家决策系统的研究工作比较复杂 ,这里不再叙述。
5 结 论
综上所述 ,只要有较充分的维修经验积累 ,能给出激光测距机各常见故障的发生概率 ,以及故障的表现特征和电缆口信号特征 ,就可以建立故障字典 ,进而构建专家决策系统。
当需要进行激光测距机故障诊断时 ,可以由使用人员将故障特征代码输入专家决策系统 ,由系统先从故障字典中查找可能发生故障的部件 ( X P 值不为 0 的部件) 及其发生概率 X P 值 ,如果查找发现某一部件的 X P 值为 1 ,说明故障是唯一的 ,就能立即给出维修方案 ;如果查找发现可能故障的部件不唯一 ,决策系统可以再判断能否利用电缆口信号特征进行故障诊断 ,能则提示使用者检测相应信号 ,并将检测结果反馈给决策系统。故障部件不唯一时 ,决策系统可能面临 3 种情况 :一种是电缆口信号有助于故障诊断 ,并检测到信号特征异常 ,这时决策系统可以通过追朔故障源点确定故障部件 ,给出维修方案 ;另一种是电缆口信号有助于故障诊断 ,但检测得相应信号特征正常 ,这样故障部件被排除一个但仍剩几个 ;再一种是电缆口信号无助于故障诊断。对后两种情况 ,决策系统可以依据相关部件故障概率的大小、可维修性的难易、备件多少及备件价值等因素给出合理的维修方案 ,指导激光测距机使用人员完成修理工作。
本文章转自爱学术(aixueshu.com),如有侵权,请联系删除