检测设备机电维护

智能诊断技术是在系统的诊断软件的支持下，向被诊断的部件或装置写入一串预先编好的代码，然后观察系统相应的输出数据，或者实时采集的数据，跟事先已知的数据进行比较，经过比较综合分析确定故障的技术。与文采用I/O数据检测，利用与处理器I/O口，对应的输入输出缓冲区存储的数据，与已知正确的数据进行比较；就故障诊断而言，首先面临的是诊断信息的获取。由于工业系统各个组成部分之间的功能关系复杂，故障现象多，故障原在以及故障征兆之间的信息错综复杂，因此，准确地获取诊断信息，对不同故障诊断信息进行有效的综合和分析，是故障诊断系统首先需要解决的瓶颈问题。为防止数据量过大，而导致的故障诊断错误，本文采用三种分时诊断方式：首先，开机扫描方式，即对各部件的工作电源是否满足，各I/O口初始状态是否准确，进行检测；第二，在线实时检测，按照逻辑工作顺序对各I/O工作状态进行检测，并于事先已知的数据进行比较；第三，离线诊断，当设备因故障不能准确运行时，采用直接向输入输出缓冲区存储的数据，观察相应的元部件是否正确运行，来诊断故障；如下图显示。

机电设备维修是机电设备管理的重要环节，从安全生产角度看，它是延长机电设备寿命、防止机电设备事故发生的重要保证，而从经济运行角度看，它又是决定生产的产量、质量和成本的重要因素。但是由于机电系统的电气故障的隐蔽性，以及其I/O部分、电源部分的复杂性，很难快速准确地的检测；一些机电设备的故障通过观察PLC的输入/输出状态显示信息，就可以找到故障原因，从而排除故障。这里运用自诊断技术，进行了机电设备故障诊断的研究。目前设备故障诊断与维修决策方法主要是基于故障树推理的方法，缺乏表达和推理的灵活性，不易将维修、观测等操作纳入

基于机理研究的诊断理论和方法；基于信号处理及特征提取的故障诊断方法；模糊诊断理论和方法；振动信号诊断方法；故障树分析诊断方法；故障诊断灰色系统理论和方法；故障诊断专家系统理论和方法；故障模式识别方法；故障诊断神经网络理论和方法；基于数学模型的故障诊断理论和方法。