关于传感器的故障诊断技术分析

洪德烈

摘 要：传感器作为一种重要信息采集设备，被广泛地应用于多个领域。一旦传感器出现运行故障，则无法获取相关参数信息，进而对其他设备的安全、稳定运行造成较大的影响。因此，应高度重视传感器故障问题，采取科学、有效的诊断技术，提高传感器的可靠性和稳定性。分析了传感器常见的故障类型，阐述了传感器的故障诊断技术，以供参考。

关键词：传感器；故障诊断技术；信息采集设备；测量精度

中图分类号：TP212 文献标识码：A DOI：10.15913/j.cnki.kjycx.2016.08.138

传感器的应用会受到多种因素的影响，进而引发各种故障，导致其功能失效、性能变差、误报警等，直接影响了后续的故障诊断和设备监测控制。因此，传感器故障的诊断分析和研究是非常重要的课题之一。结合传感器的常见故障类型，应有针对性地进行诊断和处理，做好日常的管理维护，从而节省人力、物力、财力，降低传感器故障的发生率。

1 传感器常见的故障类型

传感器常见的故障主要包括精度下降、漂移偏差、固定偏差和失效。当传感器出现精度下降故障时，其测量精度会越来越低，测量性能会越来越差，直接影响了传感器的正常使用；漂移故障主要是指随着时间的推移，实际值与传感器的测量值的差值越来越大；固定偏差故障是指实际值与传感器的测量值的差值为恒定常数，这种故障主要是因传感器加工制作精度不高而造成的；失效故障是指传感器在运行过程中突然失效，无法正常使用，导致测量值始终为一个常数。在传感器的实际应用中，漂移故障和固定偏差故障不易被发现，且在发生这些故障时会产生一些不确定的连锁问题。按照故障程度和故障原因，传感器故障还可分为以下2类。

1.1 依故障程度

根据传感器故障程度的不同，可分为传感器软故障和传感器硬故障。传感器软故障主要是指传感器各方面性能的改变，主要包括精度等级下降、数据漂移、数据偏差等。这种变化比较缓慢，很难被及时发现，且幅值相对较小。传感器硬故障主要是指传感器内部零器件损坏，导致传感器无法正常使用，这种变化非常突然，且幅值相对较大。此外，传感器硬故障不会随着实际情况的变化而变化，测量值将恒定为最大读数或零。

1.2 依故障原因

根据传感器故障原因的不同，可分为非线性死区故障、周期性干扰、短路故障、漂移故障、开路故障、冲击故障、偏差故障等。非线性死区故障主要是指传感器在运行过程中进入了非线性区，放大器处于饱和区域等；周期性干扰主要是指传感器受到了50 Hz电源的干扰；短路故障主要是指线路短接、桥路结构受到腐蚀侵害等；开路故障主要是指芯片管脚未完全连接、信号线断裂等；当D/A变换器出现毛刺、电火花放电、浪涌、地线和电源线随机干扰时，会引发传感器冲击故障；受到偏置电压或偏置电流的影响，传感器易发生偏差故障。

2 传感器的故障诊断技术

2.1 参数估计故障诊断技术

由于传感器由多个零器件组成，且每个零器件都具有独特的物理参数，因此，可利用微分方程和状态空间来描述传感器的物理系统。这种差分方程或微分方程中的系数称为模型参数，物理参数主要描述传感器零部件的局部行为，模型参数用于描述整个传感器的控制行为。因此，二者具有一定的函数关系。定义物理参数P和模型参数θ的关系方程为：

θ=f（P）. （1）

运用式（1）可对传感器进行机理分析。通过实际辨识计算传感器的 模型参数，并根据 和式（1）可计算得出传感器元器件实际的物理参数 ；对比P与 后，可确定传感器是否存在故障，如果存在故障，则还可确定故障的位置和程度。传感器发生运行故障的主要原因是其内部某个零部件已损坏。当传感器性能变差或损坏时，其物理参数会发生变化，模型参数也会随之变化。模型参数中包含传感器的所有故障信息，根据式（1）可分析物理参数的变化，并确定传感器故障的程度。

2.2 小波变换故障诊断技术

小波变换是一种重要的信号处理方法，其基于对尺度和时间的分析，采用连续小波变换的方式检测传感器信号的变异情况。随着尺度的不断增大，小波变换模的极大值会不断减小。可利用连续的小波变换对噪声和信号突变进行区分，且运用离散小波能准确检测出传感器信号频率的变化。目前，神经网络与小波变换相结合的故障诊断技术应用非常广泛，运用小波变换可将传感器信号分解为多个小波，从而获得各个频段上的信号分量；科学处理每一种信号分量，结合传感器不同频段信号的特点分析分量信号。传感器故障与这些分量信号存在非线性关系，而神经网络能逐渐逼近这种非线性关系，从而诊断传感器故障的特征。小波变换诊断技术在实际应用中不需要构建传感器数学模型，具有较强的抑制噪声干扰的能力，且灵敏度较高、故障诊断效率较高。

2.3 信息融合故障诊断技术

信息融合故障诊断技术主要应用于包含多个传感器的控制系统。当传感器发生运行故障时，采用信息融合故障诊断技术可自动分析传感器的观测信息，完成估算和决策任务，并做好信息处理。该技术主要根据传感器检测量得到的故障特征与系统故障源的关系分析控制系统传感器的故障位置，并能利用多种诊断技术对传感器检测量进行科学诊断，运用模糊推理方法得到传感器故障的诊断决策。信息融合故障诊断技术的优势在于能在短时间内以最小代价得到传感器故障的精确特征，工作人员可利用计算机软件系统，并结合模糊理论、遗传算法和人工神经网络等多种技术，构建传感器信息融合和虚拟测试平台，从而构建敏性度较高的传感器故障测试系统。

3 结束语

近年来，传感器的应用范围越来越广泛，其故障问题引起了人们的高度重视。应结合传感器的常见故障类型，积极运用现代化的科学技术，并采用多种先进的故障诊断技术及时消除传感器故障，确保传感器的安全、稳定运行。

参考文献

[1]何富君，刘小磊，卢晓昭.传感器的故障诊断技术研究[J].科学技术与工程，2010（26）.

[2]张娅玲，陈伟民，章鹏.传感器故障诊断技术概述[J].传感器与微系统，2014（01）.

[3]李喜奇.设备状态检测与传感器故障诊断技术研究[D].哈尔滨：哈尔滨工程大学，2015.