基于馬氏距離的二次電源狀態(tài)判析方法*

王鳳茹， 于　平

(1.中國科學(xué)院 長春光學(xué)精密機械與物理研究所，吉林 長春 130033；2.中國科學(xué)院大學(xué)，北京 100049)

基于馬氏距離的二次電源狀態(tài)判析方法*

王鳳茹1,2， 于平1

(1.中國科學(xué)院 長春光學(xué)精密機械與物理研究所，吉林 長春 130033；2.中國科學(xué)院大學(xué)，北京 100049)

摘要:為了對二次電源的狀態(tài)進行診斷，提出了一種采用馬氏距離(MD)建立健康閾值的方法。該方法通過計算電源輸出電壓的MD值，建立健康閾值，并利用健康閾值構(gòu)建控制圖。通過統(tǒng)計樣本的MD值在控制圖中的分布情況，確定電源的健康狀態(tài)。實驗結(jié)果表明:利用MD建立健康閾值能夠有效地判斷二次電源的狀態(tài)。對實現(xiàn)二次電源的狀態(tài)監(jiān)測和故障診斷有重要意義。

關(guān)鍵詞:二次電源； 狀態(tài)判析； 馬氏距離； 健康閾值； 故障診斷

0引言

二次電源是空間裝備中常見的組成部分，也是設(shè)備正常運轉(zhuǎn)的基礎(chǔ)，電源的可靠性和安全性對整個設(shè)備有著十分重要的影響[1]。因此，對電源相關(guān)參數(shù)的實時監(jiān)控與健康狀態(tài)診斷具有重要的理論意義和研究前景。

二次電源的主要功能是將主電源電能變換為另一種規(guī)格電源電能，用以滿足不同用電設(shè)備的需要。本文研究的二次電源是在完成電壓轉(zhuǎn)換基本功能的基礎(chǔ)上，具有實時監(jiān)控與故障處理功能的智能電源。除了可以將輸入的+28 V直流電壓轉(zhuǎn)換成+15 V直流電壓，向成像單元、電源控制器、熱控單元等供電外，還可以對整個系統(tǒng)實現(xiàn)狀態(tài)監(jiān)控與保護。為了實現(xiàn)對二次電源系統(tǒng)的狀態(tài)監(jiān)控，分別采用電流傳感器組成電流檢測電路，溫度傳感器組成橋式測溫電路，分壓電阻器組成電壓檢測電路，獲取系統(tǒng)的電壓、電流、溫度等參數(shù)信息。將獲得的各參數(shù)信息進行提取和處理即可對二次電源的狀態(tài)進行診斷。

本文主要研究內(nèi)容就是在獲取各路參數(shù)信息后，如何對二次電源的狀態(tài)進行判定的問題。研究表明，電子電路從健康狀態(tài)到故障狀態(tài)往往是從元器件漸變的退化過程開始[2]。文中試圖從關(guān)鍵參數(shù)的退化出發(fā)，對這種退化趨勢進行量化，從而實現(xiàn)對電源健康狀態(tài)的判定。選取了二次電源的電解電容器和電感器作為退化研究對象，分別對電感L、電容C和等效串聯(lián)電阻ESR三個參數(shù)進行測試。測試結(jié)果表明:這種方法可以用于電源的狀態(tài)診斷，方便而有效。

1基于馬氏距離的狀態(tài)監(jiān)測原理

馬氏距離(Mahalanobis distance,MD)是由印度統(tǒng)計學(xué)家Mahalanobis P C提出來的，表示數(shù)據(jù)的協(xié)方差距離。由于MD計算時不受量綱影響，可以有效排除各個參數(shù)之間的相關(guān)性干擾，因此,可以有效計算兩個樣本集之間的相似度，獲得'重心'距離[3,4]。

測試集向量y到健康集向量x之間的MD計算公式如下

(1)

(2)

Cx為健康集的協(xié)方差

(3)

通過上面公式獲得樣本的MD值后，利用Box-Cox冪函數(shù)變換，將其轉(zhuǎn)化為服從正態(tài)分布的變量，得到正態(tài)化MD值的均值μ和均方差σ。Box-Cox的轉(zhuǎn)換公式如下

(4)

x(λ)=ln(λ),λ=0

(5)

λ由下面的公式確定

(6)

其中

(7)

通過以上計算即可獲得服從正態(tài)分布的MD值。

利用變量服從正態(tài)分布時，取離均值μ鄰近值的概率大，離均值μ遠的值概率小的概率規(guī)律，來定義電源狀態(tài)異常程度的健康閾值。對于一個正態(tài)分布數(shù)組，數(shù)據(jù)在μ+3σ之外的概率僅為0.3 %，數(shù)據(jù)落在μ+2σ之外的概率為4.5 %，因此,將μ+2σ作為預(yù)警閾值，μ+3σ作為故障閾值。測試樣本的MD值離預(yù)警閾值越遠、故障閾值越近，表示電源發(fā)生故障的可能性越大。

2應(yīng)用實例

二次電源的主要功能是實現(xiàn)電壓到電壓的轉(zhuǎn)換[5,6]。在實際的測量中會因為測量誤差和外界噪聲等因素的干擾，輸出結(jié)果與理想情況有偏差[7,8]。為了盡量消除這種偏差，采取對采樣點的數(shù)據(jù)進行多次重復(fù)采樣取其平均值和在仿真實驗中加入元器件的容差兩種措施。實驗流程圖如圖1所示。

圖1　利用MD值構(gòu)建健康閾值的流程圖Fig 1　Flow chart of healthy threshold constructing using MD value

2.1MD的計算與閾值建立

設(shè)置參數(shù)L=200 μH ，C=50 μF，ESR=0.3 Ω。通過仿真實驗，提取二次電源輸出電壓的健康樣本集。計算樣本集中每一個向量對樣本集的MD，結(jié)果如圖2所示。利用Box-Cox冪函數(shù)將健康樣本集的MD值轉(zhuǎn)換成正態(tài)分布，結(jié)果如圖3所示，求得均值μ=-0.577 1，均方差σ=1.045 9。利用均值μ和均方差σ構(gòu)建健康閾值控制圖，結(jié)果如圖4所示。其中,故障線μ+3σ對應(yīng)故障閾值，MD=2.560 6；預(yù)警線μ+2σ對應(yīng)預(yù)警閾值，MD=1.514 7。

圖2　健康樣本集的MD值分布Fig 2　MD value distribution of healthy sample set

圖3　MD值正態(tài)化轉(zhuǎn)換后的分布Fig 3　Distribution of MD value after normal conversion

圖4　健康閾值的控制圖Fig 4　Control diagram of healthy threshold

2.2判別方法

對于采集到的樣本信號，將其放入健康閾值控制圖中進行比較的判斷準(zhǔn)則是:

1)當(dāng)樣本的MD值超出故障閾值μ+3σ，判定為故障樣本，電源狀態(tài)為故障狀態(tài)；

2)當(dāng)樣本的MD值在預(yù)警閾值μ+2σ和故障閾值μ+3σ之間，判定為退化樣本，電源狀態(tài)為退化狀態(tài)；

3)當(dāng)樣本的MD值小于預(yù)警閾值μ+2σ，判定樣本為健康樣本，電源狀態(tài)為健康狀態(tài)。

對同一故障元件測試的一組樣本，通過統(tǒng)計本組測試樣本MD值在控制圖中的分布情況來進行判定。當(dāng)90 %的測試樣本MD值超過故障閾值，表明當(dāng)前電源輸出電壓均值偏離健康狀態(tài)均值較大，電源為故障狀態(tài)。

3測試結(jié)果與分析

為保證測試結(jié)果的準(zhǔn)確性，使用PSpice軟件對每個參數(shù)值分別進行了100次高斯分布的蒙特卡洛仿真，并在輸出波形穩(wěn)定時讀取數(shù)據(jù)。實驗結(jié)果如表1、表2和表3。

表1是只考慮電感器漸變退化，電感值L從200 μH以每次10 μH的間隔減小到110 μH的測試結(jié)果。

表1　電感減小時的測試結(jié)果

表1結(jié)果顯示:輸出電壓的MD值隨電感值減小而逐漸增大。當(dāng)L=130 μH時，樣本溢出率已經(jīng)超過90 %，電源為故障狀態(tài)。其中,溢出率是指測試數(shù)據(jù)超出故障線占該測試點樣本集的比率。

表2是只考慮電容器漸變退化，電容值C從50 μF以每次2 μF的間隔遞減到32 μF時的測試結(jié)果。

表2　電容減小時的測試結(jié)果

表2結(jié)果顯示:輸出電壓的MD值隨著電容值減小而逐漸增大。電容值減小到32 μF時，樣本溢出率仍沒有超過90 %，電源一直處于健康狀態(tài)。

表3是只考慮ESR漸變退化，ESR從0.3 Ω以每次0.1 Ω的間隔遞增到1.2 Ω的測試結(jié)果。

表3　ESR增大時的測試結(jié)果

表3結(jié)果顯示:輸出電壓的MD值隨電容值減小而逐漸增大,樣本溢出率也逐漸增加。當(dāng)ESR=0.8 Ω時，測試樣本溢出率達到97 %，電源已處于故障狀態(tài)。

由以上測試結(jié)果可知:利用MD建立健康閾值可以很好地將電源的健康狀態(tài)診斷出來，從而完成對電源狀態(tài)的識別。

4結(jié)論

一個穩(wěn)定可靠的電源是系統(tǒng)穩(wěn)定工作的基礎(chǔ)。為保障電源的穩(wěn)定可靠，需要對電源的狀態(tài)進行實時監(jiān)測，并判斷狀態(tài)是否健康。本文提出的利用MD建立控制圖的方法，可以在通過傳感器獲取電源的多種參數(shù)信息，并對故障特征進行提取后，為電源的狀態(tài)判斷提供依據(jù)。實驗結(jié)果表明:這種判斷方式方便有效，采用的基于概率的判別法也使電源的狀態(tài)判斷更加科學(xué)方便。對進一步的電源故障診斷與健康管理研究和實現(xiàn)電源的智能化具有重要意義。

參考文獻:

[1]張金敏，翟玉千，王思明.小波分解和最小二乘支持向量機的風(fēng)機齒輪箱故障診斷[J].傳感器與微系統(tǒng)，2011，10(1):41-43.

[2]王宏力，侯青劍.故障診斷方法現(xiàn)狀與展望[J].傳感器與微系統(tǒng)，2008，27(5):1-4.

[3]浦建開，胡志忠，竺瓊，等.基于小波變換及馬氏距離的電路故障定位方法[J]．電子科技，2012(5):10-13.

[4]譚憲，胡志忠，張冠兵.電力電子電路健康監(jiān)測的特征參數(shù)選取和閾值建立[J].電子設(shè)計工程，2013，21(7):178-184.

[5]黃向東，劉立豐，譚久彬，等.調(diào)幅式電容位移傳感器的峰值檢波電路設(shè)計[J].光學(xué)精密工程， 2012，20(11):2444-2449.

[6]闞君武，王淑云，彭少鋒，等.多振子壓電發(fā)電機的輸出特性[J].光學(xué)精密工程， 2011，19(9):2108-2115.

[7]KumarS,ChowTWS,PechtM.ApproachtofaultidentificationforelectronicproductsusingMahalanobisdistance[J].IEEETransactionsonIndustryApplications,2010,59(8):2055-2064.

[8]GangNiu,SatnamSingh,StevenWHolland,etal.HealthmonitoringofelectronicproductsbasedonMahalanobisdistanceandWeibulldecisionmetrics[J].MicroelectronicsReliability,2011,51:279-284.

Approach of state determination for secondary electrical power source based on Mahalanobis distance*

WANG Feng-ru1,2, YU Ping1

(1.Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun 130033,China;2.University of Chinese Academy of Sciences,Beijing 100049,China)

Abstract:In order to diagnose state of secondary electrical power source,a method using the Mahalanobis distance (MD) to establish healthy threshold is proposed.By calculating MD of power supply output voltage,healthy threshold is established,and control chart is constructed.Through distribution of MD of statistical samples in control chart,to confirm healthy state of power.Experimental results show that using MD to establish healthy threshold can effectively diagnose state of secondary electrical power supply.It has important significance for monitoring condition and fault diagnosing of secondary electrical power supply.

Key words:secondary electrical power source； state determination； Mahalanobis distance(MD)；health threshold; fault diagnosis

DOI:10.13873/J.1000—9787(2016)04—0049—03

收稿日期：2015—08—21

*基金項目：國家“863”高新技術(shù)發(fā)展計劃資助項目(1212011120227)

中圖分類號:TP 306

文獻標(biāo)識碼:A

文章編號:1000—9787(2016)04—0049—03

作者簡介:

王鳳茹(1990-)，女，吉林省白山人，碩士研究生，主要研究方向電子系統(tǒng)的故障預(yù)測和健康管理技術(shù)。