国内外阀门研究现状
自从 三哩岛核事故后， 电力协会(EPＲI)的马绍尔蒸汽站 开展了阀门故障诊断的工作。 原子能协会(IAEA)也在2007年发布的核电站状态检修文件中对核电站阀门的故障诊断提出了指导性意见。此后， 对阀门故障诊断技术开始进行广泛的 ，在各方面都取得了不少成果。
1、信号获取与传感
信号的获取和传感是对阀门进行故障诊断的前提。对于调节阀，诊断信号的获取一般通过智能定位器进行。通过阀门定位器可以获得阀门行程、控制信号、摩擦力、响应时间、弹簧刚度和I/P转换等参数。通过这些参数的变化可以判断出阀门的健康状态。而对于没有安装定位器的开关阀，则需要另行安装各类传感器，如在阀杆上贴应变片来测量阀杆的扭矩和推力，有些不便贴应变片的场合也有通过在阀杆上安装精度稍低的钳形推力传感器来测量阀杆推力。对阀门电动头电参数的测量往往需要将电动头打开后再将电压、电流、行程开关、力矩开关等传感器接入。而对气动阀门气压的测量也需事先在管路上留下压力采集口。由于应变片价格昂贵且安装不易，也有很多学者通过测量电动头电参数后间接推算阀杆扭矩，称之为MCC(MotorControlCenter)方法，Kang等对这种间接测量方法的精度进行了评估，虽然和直接测量相比存在 误差，但是能准确反映出阀门在启闭过程中的力矩和推力的变化趋势。对MCC方法进行了改进，试验结果表明经过改进后该方法对阀杆推力的估算误差在8．8%左右。阀门内漏的检测除了通过检测阀门是否关闭到位外，目前 常用声发射检测技术。承压阀门内漏后介质冲击阀体产生声发射信号，该信号为连续信号，其ＲMS值在 条件下和泄漏率成正比。但是这种测量方法也存在 的局限性，如在压力不高的情况，其信号比较微弱，且受噪声影响比较大；其ＲMS值和泄漏率之间的定量关系是在传感器安装位置和内漏位置事先已知的情况下标定 的，但是实际工况下阀门发生内漏的位置是随机的，因此目前基于声发射技术的内漏定量检测在实际运用中存在 的局限性。 了在阀门不同类型、规格和工作介质情况下利用声发射传感器检测内漏的 佳安装位置。对于介质温度较高的阀门，工业现场也有通过红外热成像仪对阀门的内、外漏和保温层材料的降级进行检测，但这种阀门泄漏的检测只是一种定性的方法。管士涛、陈艺昌和陈启卷等对阀门故障诊断的组网和信号远程传输技术进行了 。
2、信号处理与分析
现场采集的传感器信号往往因含有各类噪声而无法用来直接分析阀门的状态， 从原始信号中提取特征信号，这是对阀门实施故障诊断的 条件。信号放大滤波是 常用的方法，很多时候传感器获得的原始信号都非常微弱，如应变片电桥的输出和声发射传感器信号的输出，在后续进行采集和分析前 对原始信号进行放大。因为原始信号中的噪声也被一同放大，所以 将放大的噪声滤去。传感器 的信号有时在时域上不能反映出故障特征，傅里叶变换(FFT)常用于将时域信号变换成对应的频域信号，Meland等利用频谱分析的方法对切断用球阀的内漏声发射信号进行分析，发现球阀内漏时信号在频域内有明显的特征频率。变换作为 的信号处理方法已被广泛用于平稳信号和非平稳信号的分析处理，张海峰等采用小波包的方法对 气管道球阀内漏的声发射信号进行分解，特别是采用二进变换的方法对每一层分解后高频断进行再分解， 弥补了小波变换中高频段局部性分解差的局限。利用小波包对往复泵泵阀的振动信号进行分解和重构来构造能量特征向量，该向量能 地反映往复泵泵阀的故障特征。
3、故障机理与征兆
弄清阀门故障产生机理和表现形式是对阀门开展故障诊断的基础。黄燕等探讨了阀门的故障特点、起因和主要模式。运用气动声学、气体射流和涡运动等理论对阀门气体介质内漏过程进行了分析，认为可以用四 子声源近似表示阀门气体内漏喷流噪声源，并建立了阀门气体内漏喷流速度与喷流强度噪声强度的关系。高倩霞等认为阀门发生内漏时，泄漏处将产生波动压力场，形成多相湍射流，该多相湍射流将产生多种声发射源信号，可作为监测阀门泄漏的信号。韩国从1998年开始对核电站电动阀门实施状态监测，Kim等认为阀杆因子是衡量电动闸阀阀杆输出推力的主要参数，阀杆因子SF(StemFactor)是电动头输出力矩和阀杆推力的比值。阀门在日常使用过程中，阀门材料的选用、阀杆的润滑情况和介质产生的动态压差都会影响阀杆推力的输出。归一化后，阀杆因子越大，阀杆的输出推力越小。但是当阀杆因子大于0．2后，阀杆输出力不再明显变小。一台阀门进行诊断时发现电机开行程功率存在波动，曲线呈锯齿状，波峰的周期为2．3s，而阀杆旋转一周的时间也为2．3s，推断阀杆压盖装配不当，阀门解体后发现阀杆与蜗轮配合确实存在不对中现象。
4、智能决策
阀门故障诊断的智能决策是通过 地获取、传递和处理诊断信息，模拟人类专家对被诊断阀门的运行状态和故障做出智能判断和决策。这对阀门维护大纲的优化、降低阀门维护成本起着非常重要的作用。以百万千瓦级别的核电站为例，阀门的投资额占设备供应费的3．8%，但是阀门每年的维护费用占整个电站维修总支出的一半。在对阀门故障类型的分类方面，人工神经网络是 常用的方法，Karpenko等针对气动调节阀故障设计了一种多层的前向人工神经网络，以阀门动态误差、死区、回差和上下死点设定等参数为输入，区分出阀门供气、排气口堵塞和隔膜泄漏等故障。利用人工神经网络对核电站止回阀进行诊断，通过训练该方法能识别出内漏是由阀瓣磨损或是由落入异物造成的，该方法还能进一步推断出阀瓣的磨损量和异物的尺寸大小。分别 了BP、ＲBF和Elman神经网络对核电站电液伺服阀进行诊断的效果，结果表明ＲBF神经网络在诊断的实时性、故障分类的准确度方面优于其他两种方法。采用Kohonen映射实现电动阀门力矩、位移或关闭时间等不同故障的预测。提出一种无参数统计假设检验的方法诊断调节阀的间隙、死区、泄漏和堵塞故障，通过提取传感器信号的 矩，利用似然比检验法对故障进行分类。采用故障模式分析方法(FMEA)对电动重水隔离阀的主要失效和故障模式进行了分析，建立了故障树，其 结果优化了阀门试验的频率，降低了阀门维护的成本。通过测量电动阀门执行器的电压和电流值来估算执行器的输出扭矩，并给出了基于扭矩的电动阀门典型故障曲线。采用简化的数学模型，利用模式识别技术对核电站 级电动隔离阀运行数据进行模糊推理，计算数据和标准故障模式的贴近度，从而识别出阀门故障类型。华北电力大学的陈新亚为对电动阀门进行在线诊断，设计了一种总线型的电动执行机构，以此为基础利用VC++和CLIPS工具编写了阀门故障诊断专家系统，建立了较为完善的诊断规则知识库，总结了10种故障征兆类型判别函数的算法。
