机电设备电气控制故障的智能检测方法研究

机电设备电气控制故障的智能检测方法研究

      张通

济宁中石油昆仑能源有限公司    山东济宁  272000

摘要：人们生活水平的提高，对电气的质量也提出了更高的要求。为了更好地保障人民的用电安全，相关工作人员需要充分认识到机电设备质量安全的影响。经过相关研究可以发现：电气线路作为机电设备中重要组成部分，如果在其运行过程中出现了任何的故障问题，将会导致整个机电设备的运行都受到不良影响。为了避免该方面问题的发生，在后续的发展过程中，相关工作人员需要认真分析故障类型和产生的原因，以便更好地促进电力行业的健康发展。

关键词：机电设备；电气线路；故障问题

引言

受机电设备高复杂度的影响，常见的人工检测方法的故障检测、排查速度较慢，从而影响机电设备的复工进度，进而影响机电设备的使用效率。为此，该文在充分分析机电设备电气控制故障可能原因的基础上，运用智能化的故障检测方法，以期有效地解决实际问题。

1机电设备电力线路安全运行的意义分析

从机电设备的特点来看，其中涉及到的种类较多。在不同的行业中，又出现了形式各样的机电设备。现阶段，应用最为广泛的便是变压器、工程生产机械设备等。在机电设备运行的过程中，承载的工作负荷较大，将会出现故障问题。在这样的运行状态中，机电设备若想始终保持在稳定运行的状态下，需要其电力线路有着较高的质量。从机电设备电气线路安装的特点来看，形式极为复杂，在长时间使用的过程中，很有可能受制于外界因素的影响，导致线路老化问题的发生。在一些较为恶劣的天气条件下，机电设备的电气线路也会出现诸多故障，给人民的健康生活、企业的日常生产造成不可估量的严重影响。因此，在后续的发展过程中，相关技术人员需要充分认识到机电设备电气线路故障检查工作的重要性。结合实际情况，定期开展线路的检查工作，保障机电设备可以始终处于稳定和流畅的运行状态中。在前期的施工阶段时，便需要综合线路运行过程中可能会出现的故障问题进行全面考虑。在保障电气线路可靠性的基础之上，进一步提升焊接质量。当前阶段，社会经济发展速度不断加快，机电设备已经在各个行业中得到了深度普及。伴随着电器数量的增加，电气线路的输送功率也不断增长。因此，机电设备运行的安全问题便显得尤为重要。

2机电设备电气控制故障的分类

目前，各种功能性的机电设备，尤其是大型机电设备，都具有非常复杂的内部结构和系统构成。机械、电气、控制和传感等各种功能单元交错组合在一起，一旦出现故障，故障原因的排查非常困难。机电设备常见故障可以分为2个大类，一类是机械故障，纯粹由机械零件、机构等引起；另一类是电气故障，包括电气、控制和传感3个方面的故障。该文主要讨论的就是电气故障这一大类。为了便于梳理机电设备中的电气故障，该文进一步将其细化分割为3个类别，第一类是电线路故障，第二类是控制故障，第三类是老化故障。在电线路故障中，又可分为电线路的断路故障、电线路的断路故障和电线路的错接故障；在控制故障中，又可分为系统控制器故障、系统关键元件故障和各类传感器故障；在老化故障中，又可分为线路漆皮老化故障、线路内芯老化故障和元器件老化故障等。对应到具体某个故障，其属于何种类别可以视情况而定。例如如果电控系统的CPU或者RAM出现故障，则分别属于系统控制器故障和关键元件故障；如果指示灯、行程开关等出现故障，则属于传感器故障；如果因漆皮老化导致线路短接，则属于线路漆皮老化故障；如果因内芯老化出现断路，则属于线路内芯老化故障。通过建立这样的分类可以为后续的智能算法学习、识别和分类创造有利条件。

3机电设备电气控制故障的智能检测方法

3.1构建机电设备信息数据库

信息化时代，各行各业为了提升发展进程都在不断加大信息技术的应用力度，希望取得良好的效果。在机电设备电气线路故障检修工作中，将故障检修方法与信息技术相结合，强化信息技术的覆盖率，采用信息化管理设备，提升机电设备电气线路故障的检修质量及检修效率。同时，检修企业管理部门借助信息技术手段，强化对现场检修的安全把控，实时掌握机电设备电气线路故障的检修处理情况，确保故障处理方案贴合实际。另外，积极构建机电设备信息数据库，将机电设备种类、型号等数据信息纳入数据库，采用信息化管理，将机电设备的制造商、出厂时间、使用寿命、价格等作为数据整合到数据库中，一旦设备出现故障，就可以通过数据库查找资料，为故障处理方案提供可靠的数据依据。

3.2智能检测

机电设备电气故障的传统检测方法一般是定期巡检或者出现故障后的应急检查，这2种检测方法都需要通过人工现场完成检测。当机电设备复杂度高、内部结构庞大的情况下，依靠人工检测会降低检测效率，进而延缓机电设备的复工和正常使用。为了有效解决人工检测排除电气故障方法存在的低效率、误差大的问题，该文采用基于深度学习的智能检测方法。目前，深度学习技术获得了迅速发展，由最初的CNN深度网络和RNN深度网络逐步发展到自组织、自学习的全新深度学习时代。用户可以根据不同问题建立不同的深度学习网络框架，从而解决相应的问题。关于机电设备电气控制故障检测问题，机电产品多年来的大范围使用，使其各种故障的特征、形成原因都有了丰富的数据积累，为深度学习网络提供了充沛的、可以利用的输入数据。深度学习网络可以根据这些数据进行训练和学习，从而建立不同电气故障到不同形成原因的内部关系网络。当通过大量数据训练，获得稳定的深度网络结构后，再将新产生的故障纳入深度网络，即可迅速检测其产生原因，从而形成快速故障检测，为机电设备电气故障的解决提供思路，并为实时解决创造条件。基于上述分析，该文建立基于RNN深度学习网络的机电设备电气故障智能检测方法框架。将机电设备电气故障的各种常见类型作为输入数据，纳入整个智能方法中进行学习，深度学习包括BERT处理环节，可以对输入的故障类型进行进一步的分化和整理，继而纳入RNN深度网络的输入层和隐含层进行学习。需要指出的是，在RNN深度网络的中间层之后，嵌入了多头注意力机制（即Multi-headAttention），主要是增强最终电气故障类型判据的确认，从而增加电气故障智能检测的可信度。

3.3做好安装调试和检测记录

在设备安装之后要进行通电调试。通电调试之前一定要对施工场地先进行清洁，在确定场地清洁和工作人员安全之后再进行通电调试。通电调试要采取先局部后整体、先手动后自动、先点动再联动、先空载再负载的原则，通过有序的通电测试对未按照运行参数运转的设备进行故障排查和检查。例如，设备电子控制系统的调试，需要先断开主电路电源，再连接通电操作电路对设备进行空载调试，主要对电路各个元件、电路通电与否进行检测。其一，要先按照安装流程图，对线路安装进行检查，对于一些不直接观测的电子元件，则要通过仪器辅助检测的方式进行检测（如高压开关、直流快速断路等）；其二，要对元件的松动、粘连等问题进行检查，避免线路粘连、螺丝松动等现象出现；其三，要对线路与电子板焊接部位进行检测，保障无虚焊现象，确保焊接部位导电功能正常。

结语

机电设备由于功能强大，其复杂程度日益提高，逐渐成为机光电算融合的多技术交叉产品，因此导致其故障诊断变得日益困难。该文针对传统人工故障检测方法的不足，提出了一种基于深度学习的智能检测方法。首先，对机电设备电气故障进行了类型分类。其次，构建了基于RNN网络和多头注意力机制的深度学习检测方法。最后的试验结果表明，该文构建的方法可以实现机电设备电气故障的智能检测。

参考文献

[1]吴舰.基于小波分析的煤矿机电设备故障检测关键技术应用研究[J].自动化与仪器仪表，2021，32（5）：84-85.

[2]娄娜.基于人机交互的高速机电设备电路故障检测[J].微型电脑应用，2021，37（9）：231-240.

[3]黄振亮.舰船机电设备故障检测数据管理系统的设计[J].舰船电子工程，2022，27（4）：30-36.