家电故障快速诊断60法
《家电故障快速诊断60法》是一本于1994年11月1日广西科学技术出版社出版的图书。
-
选择特殊符号
选择搜索类型
请输入搜索
《家电故障快速诊断60法》是一本于1994年11月1日广西科学技术出版社出版的图书。
慧家电煮锅质量挺不错的，采用的是蒸气智能感应控温，具有水沸腾后自动断电、防干烧断电的功能。随着生活的需要，现在的电水壶也正在向多功能方向发展，如防漏、防烫、锁水等。具有加热速度快，保温效果好，过滤功能...
短片拍摄时间太长了，加上现在环境温度也高，使机内温度过高引起的。相机的主要功能是拍摄照片，短片拍摄只是相机的附加功能，如要拍摄短片，每次拍摄时间不要太长，尤其是高温季节。遇到这种情况，停止拍摄，关闭相...
不开机（按电源键指示灯不亮。）（1） 按键不良 （2） 电源线配线松脱 （3） &nbs...
微机开关电源故障快速诊断法
微机开关电源故障快速诊断法
微机开关电源是计算机的重要部件,也是最容易出现故障的地方之一。开关电源因线路比较复杂,故障分析起来有时比较困难,也很费时间。且开关电源的种类千变万化,故障不尽相同,经常给维修工作带来麻烦,这时如果采用本文介绍的看、听、闻、摸的办法,往往能迅速找到故障,具有事半功倍之效。
《新编电机故障快速诊断修理手册》深入浅出，通俗易懂，内容丰富，资料翔实，为电机修理专用案头工具书。《新编电机故障快速诊断修理手册》可供工矿企业、乡镇企业从事电机制造、维护、修理工作的电工和技术人员使用、参考，也可作为大专院校、职业技校相关专业师生提高实践能力的必备参考资料。
金续曾（1942-），知名电机修理专家，具有30余年的电机修理经验，善长处理各种电机故障疑难杂症；同时也是畅销书作家，多年笔耕不辍将自己的宝贵经验总结传播，著有电机修助方面的图书数十种，其中《电动机绕组接线图册》曾获优秀畅销书奖，参与编写的《电动机绕纵修理》累计发行60余万册。
数控机床电气故障诊断有故障检测、故障判断及隔离和故障定位三个阶段。第一阶段的故障检测就是对数控机床进行测试，判断是否存在故障；第二阶段是判定故障性质，并分离出故障的部件或模块；第三阶段是将故障定位到可以更换的模块或印制线路板，以缩短修理时间。为了及时发现系统出现的故障，快速确定故障所在部位并能及时排除，要求故障诊断应尽可能少且简便，故障诊断所需的时间应尽可能短。为此，可以采用以下的诊断方法：
直观法
利用感觉器官，注意发生故障时的各种现象，如故障时有无火花、亮光产生，有无异常响声、何处异常发热及有无焦煳味等。仔细观察可能发生故障的每块印制线路板的表面状况，有无烧毁和损伤痕迹，以进一步缩小检查范围，这是一种最基本、最常用的方法。
CNC系统的自诊断功能
依靠CNC 系统快速处理数据的能力，对出错部位进行多路、快速的信号采集和处理，然后由诊断程序进行逻辑分析判断，以确定系统是否存在故障，及时对故障进行定位。现代CNC系统自诊断功能可以分为以下两类：
（1） 开机自诊断开机自诊断是指从每次通电开始至进入正常的运行准备状态为止，系统内部的诊断程序自动执行对CPU、存储器、总线、I/O 单元等模块、印制线路板、CRT 单元、光电阅读机及软盘驱动器等设备运行前的功能测试，确认系统的主要硬件是否可以正常工作。
（2） 故障信息提示当机床运行中发生故障时，在CRT 显示器上会显示编号和内容。根据提示，查阅有关维修手册，确认引起故障的原因及排除方法。一般来说，数控机床诊断功能提示的故障信息越丰富，越能给故障诊断带来方便。但要注意的是，有些故障根据故障内容提示和查阅手册可直接确认故障原因；而有些故障的真正原因与故障内容提示不相符，或一个故障显示有多个故障原因，这就要求维修人员必须找出它们之间的内在联系，间接地确认故障原因。
数据和状态检查
CNC系统的自诊断不但能在CRT 显示器上显示故障报警信息，而且能以多页的“诊断地址”和“诊断数据”的形式提供机床参数和状态信息，常见的数据和状态检查有参数检查和接口检查两种。
（1） 参数检查数控机床的机床数据是经过一系列试验和调整而获得的重要参数，是机床正常运行的保证。这些数据包括增益、加速度、轮廓监控允差、反向间隙补偿值和丝杠螺距补偿值等。当受到外部干扰时，会使数据丢失或发生混乱，机床不能正常工作。
（2） 接口检查CNC系统与机床之间的输入/输出接口信号包括CNC 系统与PLC、PLC 与机床之间接口输入/输出信号。数控系统的输入/输出接口诊断能将所有开关量信号的状态显示在CRT 显示器上，用“1”或“0”表示信号的有无，利用状态显示可以检查CNC系统是否已将信号输出到机床侧，机床侧的开关量等信号是否已输入到CNC 系统，从而可将故障定位在机床侧或是在CNC 系统。
报警指示灯显示故障
现代数控机床的CNC 系统内部，除了上述的自诊断功能和状态显示等“软件”报警外，还有许多“硬件”报警指示灯，它们分布在电源、伺服驱动和输入/输出等装置上，根据这些报警灯的指示可判断故障的原因。
备板置换法
利用备用的电路板来替换有故障疑点的模板，是一种快速而简便的判断故障原因的方法，常用于CNC 系统的功能模块，如CRT 模块、存储器模块等。需要注意的是，备板置换前，应检查有关电路，以免由于短路而造成好板损坏，同时，还应检查试验板上的选择开关和跨接线是否与原模板一致，有些模板还要注意模板上电位器的调整。置换存储器板后，应根据系统的要求，对存储器进行初始化操作，否则系统仍不能正常工作。
交换法
在数控机床中，常有功能相同的模块或单元，将相同模块或单元互相交换，观察故障转移的情况，就能快速确定故障的部位。这种方法常用于伺服进给驱动装置的故障检查，也可用于CNC 系统内相同模块的互换。
敲击法
CNC 系统由各种电路板组成，每块电路板上会有很多焊点，任何虚焊或接触不良都可能出现故障。用绝缘物轻轻敲打有故障疑点的电路板、接插件或电器元件时，若故障出现，则故障很可能就在敲击的部位。
测量比较法
为检测方便，模块或单元上设有检测端子，利用万用表、示波器等仪器仪表，通过这些端子检测到的电平或波形，将正常值与故障时的值相比较，可以分析出故障的原因及故障的所在位置。由于数控机床具有综合性和复杂性的特点，引起故障的因素是多方面的。上述故障诊断方法有时要几种同时应用，对故障进行综合分析，快速诊断出故障的部位，从而排除故障。同时，有些故障现象是电气方面的，但引起的原因是机械方面的；反之，也可能故障现象是机械方面的，但引起的原因是电气方面的；或者二者兼而有之。因此，对它的故障诊断往往不能单纯地归因于电气方面或机械方面，而必须加以综合，全方位地进行考虑。
Feighbaum教授 于1968年开发了第一个专家系统((Expert System)并且具体说明专家系统是一种智能的计算机程序，它通过使用知识与推理过程，求解那些需要专家的知识才能求解的高难度问题。自从70年代人们将专家系统引入到电网的故障诊断领域，基于该方法的故障诊断应用较为成功。专家系统在电网故障诊断中的典型应用可以归结为:首先建立故障信息知识库，并用自然语言建立产生式规则;然后基于对这一产生式规则的理解，知识工程师将知识表示成机器语言并通过人机接口储存到知识库中;故障发生时，将故障信息输入到推理机，推理机根据当前输入的故障信息，运用知识库中的知识，按一定的策略进行推理，从而识别出故障元件。
专家系统将专家的知识应用于电网故障诊断，可以保证诊断系统的实时性和有效性，但是基于知识的本质和实现故障诊断的原理没有变，因此当前专家系统还存在着不足：(1)专家知识是人为移植到计算机的，所以难以建立完备的知识库；(2)容错性差，对于保护和断路器的误动作及知识库中不包含的情况，很难给出正确的判断；(3)系统的维护难度非常大，知识库要经常根据实际情况进行更新。
未来的研究中将专家系统与其他智能技术相结合是一种有效的方式，取长补短，弥补专家系统本身的缺陷。有研究将模糊集理论与专家系统结合，通过对电压和电流值以及保护和断路器信息进行模糊推理，能够有效地改善专家系统容错性差的问题。也有采用一种适用于电网故障诊断的整个协同式专家系统的结构体系，并且将其与多智能体技术相结合，克服了单一专家系统的局限性，增强了对复杂故障实时诊断的推理能力 。
人工神经网络(Artificial Neural Network)是一种模拟神经系统来进行信息处理的数学模型，主要是基于输入和输出关系建立起来的，并由大量简单的处理单元(神经元)广泛互连而形成的复杂网络系统。神经网络能够对大量的训练样本进行分析推理，得到一般规律，从而能对未知的或无法预测的故障信息进行分析判断。前馈神经网络较广泛地应用于电网故障诊断领域，其中最具代表性的是BP(Back Propagation)神经网络和径向基神经网络。
有研究给出了BP神经网络在电网故障诊断中的典型应用:将保护器和断路器的动作信息作为神经网络的输入，可能发生的故障情况作为输出，以此来建立诊断模型;通过大量的故障实例形成训练神经网络的样本集;训练过程中，网络的输入节点加输入信号，此信号向前传播，并不断根据当时的节点活化函数、连接加权系数和给定值进行相应计算，此过程即为学习过程;在学习结束前，若前向计算的输出与期望的输出之间存在误差，则将误差信号反向传播，调整权值和值，直到输出满足要求。
神经网络有强大的学习能力，而且具有容错能力强、鲁棒性好、非线性映射和并行分布处理等特点。然而，神经网络还存在如下缺陷：(1)需要大量的训练样本以供学习，但获取完备优质的样本十分困难；(2)神经网络在诊断过程中被看成是“黑箱”，缺乏对自身行为的解释能力；(3)神经网络不善于处理启发式的规则。未来对基于神经网络的电网故障诊断方法的研究重点还是在选取有价值的训练样本、给予诊断过程解释能力、使适用于大规模电网故障诊断等方面。
贝叶斯网络(Bayesian Network)是一种用来表示和推理不确定性知识的模型，它将概率论的相关知识与图形理论相结合，具有较为严格的理论基础，对解决复杂电网由于不确定因素引起的故障等问题具有明显作用。利用贝叶斯网络技术进行电网故障诊断的研究还处于初期阶段，但是发展的较为迅速。文献采用分层递归的思想，利用粗糙集理论对电网故障信息进行分层挖掘，达到属性优选，然后通过贝叶斯网络进行故障诊断，成功识别出故障元件。结合监测设备的状态信息，利用贝叶斯网络实现了故障情况的提前预测。也有文献基于元件建模，通过设置各节点的先验概率，使得故障信息经过贝叶斯网络后，得到各元件发生故障的概率，以此识别故障元件，若采用某个值作为判断条件，可同时对一个或多个元件的故障进行有效诊断。
贝叶斯网络的诊断模型清晰直观，对于不确定和不完备信息可以进行良好的诊断决策，然而，网络节点赋值需要大量的实际观察或统计分析方法来确定，而且贝叶斯网的训练属于NP难度问题，处理复杂问题时将变得非常困难。未来该领域的研究将主要集中在如何实现贝叶斯网络的自动建模，如何将其与信息融合理论相结合等方面。
采用优化技术(Optimization Methods)的故障诊断方法是一种基于数学模型的求解方法。国内外学者提出了多种优化算法，可以将其应用到电网故障诊断领域，而且优化算法在电网规划等方面也有较好的应用。常用的优化算法包括:遗传算法，模拟退火算法和蚁群算法，还有较新的算法如交叉嫡算法。
优化技术应用于电网故障诊断的方法是考虑故障元件与保护器和断路器的动作关系，将电网故障诊断问题表示为使目标函数最小化的0-1整数规划问题，然后通过优化算法求解该问题的最优解。有文献基于小生境遗传算法，并结合粗糙集理论，来求取决策表约简，从而抽出诊断规则，提升了对不完备信息的分析能力。
基于优化技术的故障诊断方法具有严密的数学基础和理论依据，用常规的优化算法即能够实现而且能够在诊断信息不全面的条件下，给出局部和全局最优的多个诊断结果。不过该方法还存在的问题是：(1)目标函数的确定比较困难；(2)优化算法的多次迭代，导致诊断时间过长；(3)优化算法在寻优的过程中存在随机因素，可能导致丢失最优解。所以选择更全面的诊断模型以及采用合适的优化算法来提高诊断的准确性和实时性是该领域未来研究的重要方向。
统计学习理论是一种专门研究有限样本情况下机器学习规律的理论，为研究统计模式识别和更广泛的机器学习问题建立了一个较好的理论框架。Vapnik等人根据对统计学习理论的研究，提出了支持向量机(Support Vector Machine)这种全新的模式识别算法，有效地改善了传统分类方法的缺陷，具有充足的理论依据。它在文本分类、故障诊断、手写识别等领域中获得了较多的应用。
故障诊断问题从本质上来说就是一种分类问题，而支持向量机对于有限样本状况下的分类问题具有较强的针对性。有文献通过将粒子群优化算法与支持向量机相结合来进行故障诊断。由于在支持向量机算法中，核函数参数选择的好坏直接影响到诊断结果的准确度，而文中采用的方法能够实现参数的动态选取，达到优化诊断结果的目的 。
支持向量机基于统计学习理论，有效地改善了传统分类方法的缺陷，具有充足的理论依据，对解决有限样本的模式识别问题具有很高的适用性。下一步的研究重点在于如何改进算法，使诊断过程快速并满足实时性的要求以及处理大电网故障诊断、参数的选择等问题。该技术在故障诊断中的应用起步较晚，随着研究的加深，该方法有望成为电网故障诊断领域的实用方法之一。
美国自动控制专家L A Zadek于1965年首次提出“模糊集合”的概念，并引入“隶属函数”来描述差异的中间过渡。模糊集理论(Fuzzy set Theory)将信息模糊化，首先系统获取的信息组成的集合可以看成一种经典集合，按照某种对应法则将集合中的元素映射到 [0，1]这一区间，这样集合中的每一个元素在0和1之间都对应一个实数，这个实数可以表明其隶属于0或1的程度，按照以上对应法则组成的函数就是隶属度函数，该理论就是以隶属度函数为基础建立的。在电网故障诊断领域发展的早期，人们对专家系统应用在故障诊断领域做了较多的研究，然而很少考虑到信息的不确定性，从而导致诊断的不精确。有文献针对电力系统故障诊断问题中的不确定信息给出解决方法，将模糊集理论应用在电网故障诊断领域，通过将故障信息模糊化，不仅可以减小数据信息的存储空间，也能提升诊断精度和容错性。
模糊集理论的特点就是可以处理信息的不确定性，然而基于模糊集理论的故障诊断方法还面临着一些弊端：(1)隶属函数的建立没有一个明确的标准；(2)可维护性差，当电网结构发生变化时，模糊知识库和隶属度也要做相应的变化；(3)大规模电网的模糊诊断模型建立困难。在实际应用中，常常将模糊集理论与其他智能方法相结合(如专家系统、神经网络、Petri网等)，用来分析不确定性信息对诊断系统的影响，提升诊断精度，增强系统的容错性。
Petri网是德国科学家Carl Adam Petri 于1960到1965年提出的一种数学模型，它利用目标系统中元件之间的关系来构建有向图的组合模型，从而能够准确地表示离散事件发生的顺序、并发和冲突的关系。印度学者 Jenkensl和Khincha在1992年首先将Petri网技术应用于电网的建模中，在这之后Petri网在电力系统的很多领域中得到了应用，并显示出了其良好的应用前景。电网的故障可看成是离散事件，而Petri网是对离散事件组成的系统进行建模和分析的理想工具。
Petri网方法能够定性或定量地对系统中事件发生的各种过程采取准确的分析，同时还具有图形化的结构表示等优点，是对离散事件进行动态建模和分析的有效方法，不过还有一些尚需深入的问题存在，主要是：(1)系统网络拓扑的扩大，易导致建模时发生信息组合爆炸的情况；(2)电网多重故障时，诊断结果不够理想；(3)对于保护和断路器拒动或误动时产生的错误信息不能很好地分析识别。未来的研究中，将高级的Petri网用于复杂电网的故障诊断是一种有效的措施 。
信息融合(Information fusion)技术实际上是一种多源信息的综合技术，通过对来自不同数据源的信息进行分析和智能化合成，获得被测对象及其性质的最佳一致估计，从而产生比单一信息源更精确、更完全的估计和决策。采用该方法的电网故障诊断已显示出了明显的优势。
采用信息融合技术将开关量与电气量等来自不同数据源的信息综合利用，可以极大地提高诊断系统的实时性和准确性，有效地避免由于故障信息的不确定性而导致的错误诊断。信息融合技术在今后的研究中，重点将放在解决如何选取合适的信息融合方法以及如何在实际中融合更多方面的信息，这会使得电网故障诊断水平上升到一个新高度。
多智能体(Multi-Agent System， MAS)技术是分布式人工智能技术的重要分支，它是一种将计算机、网络和分布式思想相结合的软件工程技术，能够将目标问题转变成在逻辑上或物理上分离的多个Agent，可分别针对每个Agent来解决问题，而且各个Agent之间相互协调信息得到最终结果，节约了数据和资源。文献将MAS技术应用于电网的故障诊断中，先将诊断系统智能分解，再通过软件技术来协调各Agent中的信息并得出诊断结果，满足了准确性和实时性的要求。有文献提出一种基于智能识别系统的MAS技术。MAS实现了控制过程的在线自适应识别和实时的进行离线故障诊断，同时可以适应和克服大规模电网的复杂性。
新编电机故障快速诊断修理手册基本介绍