故障原因的分析判断很简单，但对限位开关进行更换的过程很艰辛，这是因为炉膛吹灰器都分布在炉膛的前后左右墙面后，机组运行过程中，吹灰器所在区域环境温度高，很多安装在锅炉本体承重梁旁边的吹灰器空间狭小，进到位限位开关很难更换，并且很多吹灰器都布置在悬空区域，所以作业环境恶劣，而靠旋转触碰触发信号的机械限位开关，随着长期运行和机械劳损，故障率极高，维护量大。

所以我们迫切需要一种新方法来改善这种局面。研究发现，之前吹灰器的后退控制采用计数控制方式，即吹灰器进到位转三圈，进到位限位开关触发三次，DCS累计计数达到三，DCS才发后退指令，而进到位机械限位开关由于方方面面的因素，故障率极高，进到位限位信号采集的可靠性较低，根本达不到吹灰器控制的可靠性要求。对此，我们可以充分利用DCS的优越性，通过时间控制来代替计数控制。主要方案为：对吹灰器的运行时间进行试验统计，即试验记录吹灰器从发出前进指令到进到位旋转完成三圈的时间，在DCS里优化为时间控制，吹灰器发出前进指令后，时间到自动发后退指令，而吹灰器是否真实动作可在原始吹灰

原因进入使用寿命的末期，该阶段起重机故障率急剧增高。因此，在进行起重机安全风险评估时，应根据其额定使用寿命分阶段进行风险评价，根据某种桥式起重机在早期、稳定期和耗损期的不同工作属性及安全要求， 分析出可能存在的安全风险因素，然后评估每项风险的发生概率和严重程度，确定风险等级，同时判定是否需要采取安全措施降低风险，最后执行降低风险程序， 采取安全措施并不断进行风险评价和风险降低的迭代过程，以尽可能消除起重机的故障危险。

2.2 “ 树—网”联合，实现智能化故障诊断近年来， 基于计算机技术和人工智能技术的智能诊断技术在桥式起重机故障诊断分析中得到广泛应用， 主要有专家系统故障诊断、神经网络故障诊断、故障树故障诊断等。其中，故障树诊断技术基于人的逻辑思维模式， 从整体到部分描绘出故障与各于系统的关系， 根据系统的故障状态进行推理分析，确定故障发生原因、影响程度及概率。但桥式起重机故障所涉及的系统非常复杂， 采用故障树的最小割集数将呈现数量级的增长，导致推理周期较长，影响故障诊断的实时性。人工神经网络是一种自适应识别技术， 可分析因故障引起的起重机状态变化，并进行识别和判断，然后进行自主学习和联想记忆，从而在起重机出现故障状态时自动生成故障诊断方案。