徐興華,馬偉明,崔小鵬,張明元,李文祿
(海軍工程大學 艦船綜合電力技術國防科技重點實驗室, 湖北 武漢 430033)
分段供電切換傳感器的在線故障診斷方法*
徐興華,馬偉明,崔小鵬,張明元,李文祿
(海軍工程大學 艦船綜合電力技術國防科技重點實驗室, 湖北 武漢 430033)
分段供電切換傳感器是多段直線電機控制系統(tǒng)的重要部件。針對其故障檢測與定位的問題,提出一種切換傳感器故障的在線診斷方法。對采集的傳感器信號數據進行壓縮,以提高計算的效率;研究切換傳感器信號根據次級運動的變化規(guī)律,定義標準信號集合;給出計算傳感信號差異度的方法,作為分析信號相似程度的量化指標;將問題表示為基于有向圖的搜索問題,并根據問題的特點縮小搜索的范圍;由此提出搜索算法,可以根據測量的傳感信號時序估計傳感系統(tǒng)的狀態(tài)變遷過程;給出故障定位流程,利用算法估計的結果,根據系統(tǒng)標準信號集合進行故障定位。為了說明算法與預期結果的一致性,給出3個命題并進行證明;通過實驗驗證了故障診斷方法的有效性。
分段供電;直線電機;切換傳感器;故障診斷;有向圖
采用分段供電的直線電機由于具有能量效率高、適裝性好等優(yōu)點,適合于大能量、長距離的直線運動,多應用于磁懸浮列車[1-3]、磁懸浮發(fā)射[4]、垂直運輸[5-6]和電磁發(fā)射[7-9]等領域。
分段供電的控制經常采用“傳感器+控制器+切換開關”的模式。例如:文獻[3]采用光電傳感器檢測初級的運動位置,使用固態(tài)繼電器作為分段供電的切換開關。文獻[7]采用霍爾傳感器檢測位置,使用晶閘管作為分段供電的切換開關。圖1是一種典型的分段供電控制系統(tǒng)。
圖1 典型的分段供電切換控制系統(tǒng)結構Fig.1 Typical structure of segment-powered switch control system
圖1中,切換傳感器安裝于每段的特定位置,采用多傳感器并列的冗余設計。以次級作為切換傳感器感應的對象,當某一路傳感器感應到次級時,輸出高電平信號,當未感應到次級時,輸出低電平信號,切換控制器根據切換傳感器以及相鄰切換控制器之間的控制信號,產生控制切換開關通斷的控制指令。
切換傳感器的常見故障情況包括:①偶發(fā)異常高電平,即不應該高電平的時候發(fā)出高電平信號;②偶發(fā)異常低電平,即未正常發(fā)出高電平信號;③持續(xù)異常高電平,即運行全過程都發(fā)出高電平信號;④持續(xù)異常低電平,即運行全過程都發(fā)出低電平信號。前兩種故障一般是由干擾或硬件性能下降導致,后兩種一般是由硬件完全失效導致。
由于切換傳感器的信號用于控制切換開關的導通或關斷,一旦出現(xiàn)上述異常,不論是干擾還是硬件失效,都有可能導致切換開關誤動作,從而影響直線電機正常工作,還有可能損壞設備。但此類故障較為隱蔽,不一定每次都造成電壓電流明顯的異常波動,往往難以及時發(fā)現(xiàn)。因此,在實際使用中,需要在線對系統(tǒng)運行的錄波數據進行綜合分析,以便及時維修。
目前關于分段供電故障診斷的研究常利用對各種故障模式下電流和電磁力等指標的變化特征進行分析來發(fā)現(xiàn)故障。文獻[10]通過分析典型故障情況的等效電路,研究了直線電機故障情況下的運行特點;文獻[11]通過研究正常與故障工況下的電磁力,給出了直線電機故障的判據;文獻[12]通過分析分段直線感應電機在d-q坐標系下的等效數學模型及控制策略,給出了分段供電切換故障的診斷方法。然而這些研究未直接對切換傳感信號的特征進行分析,因此無法對切換傳感器的故障進行精確診斷與定位。
對傳感器故障診斷有多種途徑[13],主要包括硬件冗余[14]、分析冗余和時序冗余等,基于的方法和理論也多種多樣,如基于卡爾曼濾波方程組[15]、基于小波包變換和支持向量機[16]、基于動態(tài)不確定度[17]等。多數方法是對單個傳感器輸出信號波形進行分析從而得到故障的時頻特征,但分段供電系統(tǒng)中單個切換傳感器所產生的是方波信號,沒必要使用復雜的信號處理算法對其進行處理。
文獻[18-19]利用正常的霍爾傳感器位置信號通過延時均分的方法,在無刷直流電機轉子位置檢測傳感器進行故障診斷,但其診斷對象為檢測旋轉運動的少量傳感器,難以適用于檢測瞬態(tài)直線運動的大量傳感器。
文獻[20]基于Hilbert-Huang變換和自適應濾波的方法,提出了一種對磁懸浮列車的懸浮傳感器進行故障檢測的方法,是一種從微觀角度對每個傳感器進行分析的方法,但由于本文研究的系統(tǒng)中切換傳感器輸出電平信號,因此無法從微觀角度進行分析,只能從宏觀角度對傳感器信號的邏輯組合狀態(tài)進行分析。
本文在下列前提假設成立的情況下進行研究:
1)次級的一次運動過程中不改變運動方向,如果改變了運動方向,應視為不同的運動過程;
2)次級運動的起始位置已知;
3)正常情況下,切換傳感器在與次級耦合時一定發(fā)出高電平信號,未耦合時一定發(fā)出低電平信號。
2.1 數據壓縮
在次級的一次運動過程中,各切換控制器通過高頻采樣將與其連接的傳感器的感應信號按時間順序記錄下來,在線傳輸給故障診斷設備。診斷時須將各傳感器的信號時序放在統(tǒng)一的時間基線下進行分析。
由于傳感器使用的是電平信號,在高采樣頻率下,往往同一種狀態(tài)就有幾百至上千個采樣點。假設同一種狀態(tài)的所有采樣數據合并為一個值,則可以大大提高計算效率,簡化診斷邏輯。按此思路對采集到的數據進行壓縮處理,在保持其信息完整的前提下,使數據量最小。
假設系統(tǒng)中一共有M個傳感器,按照初級起始端到初級末端的順序依次排列,編號為1至M。所有傳感器在次級運動過程的數據可以用一個矩陣S表示:
=[s1,s2,…,sT]
(1)
式中:T表示一次運動過程中總的采樣周期數;sij表示第i個傳感器在第j個采樣周期的信號,取值為0或1(0表示無感應信號,1表示有感應信號);sj表示第j個采樣周期所有傳感器的信號。
從第2個至第T個采樣周期,每個信號當前值與前一個采樣周期的值相減,如得到0則表示信號在此時刻不變化,用矩陣E表示:
=[e2,e3,…,eT]
(2)
矩陣E表示的是各傳感器信號的差分關系,如果出現(xiàn)全為0的列向量,則表示切換信號均未發(fā)生跳變。該矩陣通常是一個稀疏矩陣,有大量列為零向量,依次尋找非零向量對應的采樣時刻(采樣周期序號)設為t2,t3, …,tK,再加入第1個采樣周期,設t1=1。
由此得到適合于邏輯判斷的矩陣Q:
Q=[st1,st2,…,stK]=[q1,…,qK]
(3)
矩陣Q已將數據充分壓縮,它的每一列均代表傳感器信號在一段時間內保持某一種組合邏輯,共有K列。這些組合邏輯在下文中也稱為“系統(tǒng)狀態(tài)”。
2.2 標準信號集合
圖2 傳感器信號變化與次級位移的關系圖Fig.2 Relationship between the sensor signal changing and the secondary movement
在由M個傳感器組成的系統(tǒng)中,由于傳感器按一定的空間位置排列,在次級的運動過程中,在不出現(xiàn)故障的情況下,傳感信號固定地按一定的時序變化。在二維笛卡爾坐標系下表示傳感器產生高電平信號的條件如圖2所示,其中X軸表示次級的運動位移,Y軸表示傳感器的分布位置,次級位于初級起點時,次級尾端位置為坐標原點O。
圖2中l(wèi)e為次級產生感應信號部分的長度,線段α表示次級首端與傳感器耦合的關系,其表達式為:
y=x+le,x∈[0,xmax]
(4)
線段β表示次級尾端與傳感器耦合的關系,其表達式為:
y=x,x∈[0,xmax]
(5)
線段α,β包夾的面積就是使傳感器產生感應信號的情況,如位置關系在區(qū)域外,傳感器不產生感應信號。
p1,p2,…,pM為各傳感器沿次級運動方向的安裝位置,M表示傳感器的總數。在次級尾端位置x從0變化至xmax的過程中,系統(tǒng)狀態(tài)不斷變化,設第j種系統(tǒng)狀態(tài)為θj=(F1j,F2j,…,FMj),F(xiàn)ij表示第j種系統(tǒng)狀態(tài)中第i號傳感器的信號,傳感器與次級耦合時其信號取值為1,否則取值為0,可用分段函數表示:
(6)
θj在本文中稱為第j種系統(tǒng)狀態(tài)的“標準信號”,標準信號反映了次級在某個位置時各傳感器應出現(xiàn)的正常信號。
設Ntail是安裝位置處于[0,xmax-le]區(qū)間的傳感器數量,即可能由次級尾端位置變化而改變信號的傳感器數量;Nhead是安裝位置處于[le,xmax]區(qū)間的傳感器數量,即可能由次級首端位置變化而改變信號的傳感器數量。則次級運動全過程中可能出現(xiàn)系統(tǒng)狀態(tài)的種類數是N=Ntail+Nhead。
將系統(tǒng)狀態(tài)枚舉為1,2,…,N,所對應的標準信號集合表示為A={θ1,θ2,…,θN},θi稱為系統(tǒng)狀態(tài)i的標準信號,θi=(F1i,F2i,…,FMi),1≤i≤N。
2.3 差異度計算
次級運動的全過程,如果未發(fā)生任何故障,所有傳感器的信號會嚴格按一定的時序變化,任何時候系統(tǒng)的實測信號都是標準信號。如果實測信號與標準信號有差異,則可認為是傳感器出現(xiàn)了異常。為了描述實測信號和標準信號的差異,下面給出一種定量的計算方法。
定義維數是M、元素全為1的向量為ε=(1,1,…,1)T,設有維數是M、元素取值為{0,1}的任意向量p,q;“·”表示內積。
定義函數ξ1(p,q)為:
(7)
函數ξ1(p,q)實際上是為了識別p中某個維數的元素值為1但q中相應維數的元素值為0的情況,函數值是發(fā)現(xiàn)此情況的維數占總維數的比例。
定義函數ξ2(p,q)為:
(8)
函數ξ2(p,q)實際上是為了識別p中某個維數的元素值為0但q中相應維數的元素值為1的情況,函數值是發(fā)現(xiàn)此情況的維數占總維數的比例。
實測信號和標準信號的差異度可以用函數ξ(p,q)計算:
(9)
由此得到矩陣Ω′為:
(10)
矩陣Ω′表示系統(tǒng)狀態(tài)在每一步跳變后,實測信號與各種標準信號的差異度。
定義對角矩陣H:
(11)
對角線的元素是系統(tǒng)狀態(tài)q1,q2,…,qK的持續(xù)時間。
在矩陣Ω′的基礎上,加入了每種狀態(tài)持續(xù)時間作為權重因子,對測量信號與各種標準信號的差異度進行加權,得到矩陣Ω:
(12)
其中任意一個元素ωij,1≤i≤N,有:
(13)
矩陣Ω能更好地反映系統(tǒng)變化的總體趨勢,有利于提高判斷的準確性。
3.1 搜索的有關定義
將傳感器系統(tǒng)狀態(tài)變遷的所有可能性表示為圖3所示的有向圖。其中的每一行表示系統(tǒng)的一種狀態(tài),從左到右的各列表示變化的先后次序,每個結點(i,j)表示在系統(tǒng)第j次變化中處于第i種狀態(tài)。設用于描述系統(tǒng)的有向圖為G。
圖3 系統(tǒng)狀態(tài)變遷有向圖Fig.3 Directed graph of the system state transition
為了進行傳感器故障診斷,提出了一種在有向圖中尋找最相似系統(tǒng)變化過程的求解方法,稱為“最小差異優(yōu)先搜索”,下面先給出有關定義。
圖4 系統(tǒng)某次變化過程示意圖Fig.4 Process of the system state transition
為尋找最佳估計,需要對時序向量的估計效果進行量化。為此,定義“差異度”如下:
在搜索算法中,需要在有向圖中分析從起點到其他某個結點的路徑,尋找時序估計向量的差異度最小的情況,為此給出以下定義:
定義4 在G中最小差異時序估計向量是指,從給定起始結點到給定終止結點的時序估計向量中,基于矩陣Ω的差異度最小的一個向量seqr′=(n1′,n2′,…,nr′)T滿足diff(seqr′)=min[diff(seqr)]。 其中seqr中起點和終點是給定值,且對任意ni′(1≤i≤r)都有1≤ni′≤N。
由于起始狀態(tài)已知,因此次級一次完整運動過程對應于G中的路徑,起始結點為固定的(N0,1),終止結點為(x,K),其中K是系統(tǒng)狀態(tài)變化總次數,x是任意的狀態(tài)枚舉值,且1≤x≤N。 在傳感器全部正常工作的情況下,總能找到唯一的終止結點(x,K)和唯一的1組時序估計向量,使diff(seqK)=0,即次級運動的全過程中,一定有一個狀態(tài)變化時序,每一項的觀測信號與標準信號差異度都為0。 但是當某一個或多個傳感器工作異常時,某些時刻的觀測信號可能會偏離標準信號,往往會出現(xiàn)diff(seqK)>0。
如果能找到使diff(seqK)取最小值的時序估計向量,則可以認為其是偏差最小的估計。 為此,定義“最佳時序估計向量”如下:
本文給出一種搜索方法,能夠根據有向圖G和矩陣Ω給出從起始結點(N0,1)到終止結點為圖G最右側的任意點(x,K)上的最佳時序估計向量,可認為是最接近系統(tǒng)實際狀態(tài)變化過程的時序向量。
3.2 搜索的簡化
如果依次遍歷每條可能的路徑,當問題規(guī)模較大時,所需要的計算時間開銷和存儲器開銷將過大,難以滿足實時診斷的要求。
下面通過分析問題的特點,對搜索過程增加一定的約束,從而預先去掉大量無效的搜索分支,以實現(xiàn)搜索問題的簡化。
由于本文假設次級一次運動過程中方向不變,要么是前進方向,要么是后退方向,因此系統(tǒng)狀態(tài)的變遷可由圖5(前進過程)或圖6(后退過程)表示,這兩種過程是對稱的。 如果提出在其中一個方向的搜索方法,便可類推至另一方向。
圖5 次級前進過程系統(tǒng)狀態(tài)變遷有向圖Fig.5 Directed graph of system state transition in the forward process of the secondary
圖6 次級后退過程系統(tǒng)狀態(tài)變遷有向圖Fig.6 Directed graph of system state transition in the fallback process of the secondary
下面以前進的運動方向(圖5)為例研究最佳時序的搜索方法。
對于前進方向的狀態(tài)時序,可以分為3種,如圖7所示,圖7(a)是狀態(tài)未變化的情況;圖7(b)是狀態(tài)變?yōu)楹罄m(xù)相鄰狀態(tài),表示次級運行產生的傳感器信號變化;圖7(c)是狀態(tài)變?yōu)楹罄m(xù)不相鄰狀態(tài),一般為多個傳感器在控制器同一采樣周期內發(fā)生變化,造成狀態(tài)連續(xù)跳變。 時序向量中向后遞進變化的方式必是此3種情況之一,除此之外,再無其他變化方式。
由此可縮小搜索范圍,如圖8所示。路徑的起點是圖最左側的結點(N0,1),終點是圖最右側的一列上的某一個結點,即(N0,K),(N0+1,K),…,(N,K)中的某一個結點。
圖8 化簡后需搜索的有向圖Fig.8 Simplified directed graph
3.3 搜索算法
針對化簡后的有向圖,提出一種搜索算法,可求解最佳時序估計向量,具體內容如下所示。
以結點(N0,1)為起點,層層遞進,求起點到每個結點代價最小(差異度最小)的路徑,從起點開始遍歷整條路徑,終點為圖右側第K列上的結點,即可得到最佳時序估計向量。
對于G中從起點到其他各結點的最小差異時序估計向量,如果能記錄其基于矩陣Ω的差異度,便可逐步遞推至全圖范圍,直至找到最佳時序估計向量的差異度,因此定義(N-N0)×K的矩陣Diff0:
(14)
對于矩陣Diff0中一個元素dij,其含義是從起點(N0,1)到達結點(i,j)過程中,最小差異時序估計向量seqj′=(n1′,n2′,…,nj-1′,nj′)T基于矩陣Ω的差異度diff(seqj′)。i,j的取值范圍是N0≤i≤N,1≤j≤K。
Diff0的第1列對搜索沒有實際意義,為簡化問題,將其去掉。由此定義(N-N0)×(K-1)的矩陣Diff:
(15)
為記錄矩陣Diff每個元素對應的最小差異時序估計向量,定義(N-N0)×(K-1)的矩陣Path用于記錄搜索過程的中間結果:
(16)
矩陣Path中每個元素pij的定義是,如果從起點(N0,1)到達結點(N0+i,j)的最小差異時序估計向量是seqj′=(n1′,n2′,…,nj-1′,nj′)T,那么pij=nj-1′。pij也可以理解為,在終點(N0+i,j)向前回溯到上一個結點的記錄。i,j的取值范圍是1≤i≤(N-N0),2≤j≤K。
根據矩陣Path中的記錄,可以逐步回溯最小差異路徑上經過的所有結點,由此可獲得最小差異路徑,即可得到最佳時序估計向量。
此問題本質上是圖的優(yōu)化問題,較類似于常見的最短路徑規(guī)劃問題,但有兩個顯著區(qū)別:①最短路徑問題的權值是在結點之間的邊上的,而此問題的權值在結點本身;②最短路徑問題對結點的訪問次序沒有約束,而此問題中對結點的訪問次序有一定的規(guī)則約束。
由于無法直接運用已有的搜索算法求解,因此提出一種根據矩陣Ω計算矩陣Diff和矩陣Path的算法,其步驟如下:
步驟1:填寫矩陣Diff的第1列。計算公式為
di2=ωN01+ωi2
步驟2:填寫路徑矩陣Path第1列。計算公式為
pi2=N0
步驟3:令j=2。
步驟4:填寫路徑矩陣Path第j列。計算公式為
pi(j+1)=x
步驟5:填寫最小差異矩陣Diff第j列。計算公式為
步驟6:如果j 步驟7:如果K=1,則跳轉到步驟12。 步驟9:令g=K-1。 步驟11:如果g>1,則g自減1,跳轉到步驟10。 本算法可以由實測傳感信號得到傳感系統(tǒng)的最佳時序估計向量。 3.4 故障的定位 圖9 故障定位流程Fig.9 Process of fault locating 下面證明搜索目的與算法計算結果的一致性,可分為3個命題依次進行證明。 命題1 由算法得到的矩陣Diff中任何一個元素dij(N0≤i≤N,2≤j≤K),設圖10從結點(N0,1)到結點(i,j)的任一時序向量seqj=(n1,n2,n3,…,nj-1,nj)T(其中n1=N0,nj=i),若其中任意nh(2≤h≤j-1)都滿足nh-1≤nh≤nh+1,則有: (17) 其中dij是由路徑頭部結點、尾部結點和頭尾之間的結點三部分計算得到,如圖10所示。 圖10 dij的組成示意圖Fig.10 Constitution of dij 下面使用歸納法對子命題1進行證明,分為3個步驟: 步驟①:當j=2時,對于元素di2,根據算法的步驟1,得到di2=ωN01+ωi2,滿足命題要求。 步驟②:當j=3時,對于元素di3,根據算法的步驟4、步驟5得到: (18) 由于求和公式中h只取2,求和公式可退化為只有1項: (19) 結合式(18)和式(19)可得: (20) 滿足命題要求。 (21) 由于ωij可以看作是只有一個元素的序列求和再取最小值,并且根據已知條件nj=i,因此有: (22) (23) 因此,當3≤j≤K-1時,命題1如果對于j成立,則對于j+1也成立,步驟③證畢。 結論:歸納步驟①~③可以得到,對于任何2≤j≤K,都有命題1中的式(17)成立,因此命題1得證。 命題2 對于任意時序估計向量seqK=(n1,n2,…,nK)T,N0和K是固定量,令n1=N0,則對任意j∈{2,3,…,K},滿足nj-1≤nj≤N的充要條件是:對于任意j∈{2,3,…,K},滿足nj-1≤nj≤nK,N0≤nK≤N。 在命題1成立的基礎上,根據反證法可證明命題2成立。 證明兩個條件等價分為2個步驟:首先證明充分性,即從后面的條件(條件2)成立可推出前面的條件(條件1)成立;再證明必要性,即從條件1成立可推出條件2成立。 步驟①:證明充分性。 由條件2成立可知對于任意j∈{2,3,…,K},有nj-1≤nj≤nK,N0≤nK≤N,從而有nj-1≤nj≤nK≤N,即nj-1≤nj≤N,即條件2成立可推出條件1成立。 步驟②:證明必要性。 2)根據條件顯然有nK≤N。 又由于N0=n1≤n2≤…≤nK,因此N0≤nK≤N。 根據1)和2),必要性得證。 結論:綜合步驟①和②可知,命題2成立。 在命題1、命題2成立的基礎上,根據歸納法可證明命題3成立,過程如下: 當K=1時,易知命題3成立。 下面分3種情況對K>1的情況進行證明,因此分為3個步驟: (24) 再將命題1的結論代入式(24),得: (25) 根據命題1,有: (26) 由式(25)和式(26),得到: (27) 即: (28) 即當K=2時命題3成立。 (29) (30) 根據算法中的步驟5,有: (31) 根據式(26)和式(31),得到: (32) 根據命題1,有: (33) 根據命題2,上式可化為: (34) 綜合式(32)和式(34),可以得到: (35) 即: (36) 即當K=3時命題3成立。 步驟③:當K>3時,采用反證法。 假設命題3不成立,即: (37) 不妨設有某一組向量seqK′=(N0,n2′,n3′,…,nK′)T滿足: (38) 根據命題1的結論,上式可轉化為: (39) 根據算法中的步驟8,可知: (40) 對于任意1≤j (41) 根據算法中的步驟5,有: (42) 將式(32)代入式(42),得到: (43) 結合式(40)和式(43),得到: (44) 由于向量seqK′=(N0,n2′,n3′,…,nK′)T中,對于任意j∈{2,3,…,K},滿足nj-1≤nj≤N,因此根據命題1,有: (45) 結合式(43)、式(44)和式(45)得: (46) 又由算法的步驟8可知: (47) 結論:歸納步驟①~③可知,命題3成立。 利用樣機對故障診斷算法進行實驗驗證,方案如圖11所示。針對幾種典型的異常工況,分別利用本文的方法對實際數據進行處理。 圖11 切換傳感器故障診斷系統(tǒng)方案Fig.11 Fault diagnosis system for switch control sensor 選取切換傳感器偶發(fā)異常高電平、偶發(fā)異常低電平、持續(xù)異常高電平、持續(xù)異常低電平這4類故障發(fā)生時的典型數據,故障分別如圖12~15中的子圖(a)所示;傳感器信號波形分別如圖12~15中的子圖(b)所示,橫坐標表示時間,單位是秒,縱坐標表示傳感器電平×傳感器編號,其中傳感器電平取值為0或1(0代表低電平,1代表高電平),傳感器編號為從1開始遞增的自然數。 (a) 傳感器位置及故障模式(a) Sensor position and fault mode (b) 實際傳感器信號(b) Actual sensor signal (c) 最佳時序估計(c) The best sequence estimation (d) 信號還原的結果(d) Signal reduction result (e) 故障檢測結果(e) Fault diagnosis result圖12 傳感器偶發(fā)異常高電平信號的檢測Fig.12 Detection for the accidentally abnormal high level signal of the sensor (a) 傳感器位置及故障模式(a) Sensor position and fault mode (b) 實際傳感器信號(b) Actual sensor signal (c) 最佳時序估計(c) The best sequence estimation (d) 信號還原的結果(d) Signal reduction result (e) 故障檢測結果(e) Fault diagnosis result圖13 傳感器偶發(fā)異常低電平信號的檢測Fig.13 Detection for the accidentally abnormal low level signal of the sensor (a) 傳感器位置及故障模式(a) Sensor position and fault mode (b) 實際傳感器信號(b) Actual sensor signal (c) 最佳時序估計(c) The best sequence estimation (d) 信號還原的結果(d) Signal reduction result (e) 故障檢測結果(e) Fault diagnosis result圖14 傳感器持續(xù)異常高電平信號的檢測Fig.14 Detection for the continuously abnormal high level signal of the sensor (a) 傳感器位置及故障模式(a) Sensor position and fault mode (b) 實際傳感器信號(b) Actual sensor signal (c) 最佳時序估計(c) The best sequence estimation (d) 信號還原的結果(d) Signal reduction result (e) 故障檢測結果(e) Fault diagnosis result圖15 傳感器持續(xù)異常低電平信號的檢測Fig.15 Detection for the continuously abnormal low level signal of the sensor 圖12表示了次級的一次運動中,在0.52~0.69s之間第26號傳感器(圖12(a))產生偶發(fā)異常高電平信號(圖12(b)),通過本文的算法可計算得到最佳時序估計(圖12(c))。通過標準信號集合,將最佳時序估計還原為無故障條件下應該出現(xiàn)的信號(圖12(d)),實測信號與標準信號進行比對,可得故障診斷的結果(圖12(e))。 圖13表示了次級的一次運動中,在0.77~0.81s之間第30號傳感器(圖13(a))產生偶發(fā)異常低電平信號(圖13(b)),通過本文的算法可計算得到最佳時序估計(圖13(c))。通過標準信號集合,將最佳時序估計還原為無故障條件下應該出現(xiàn)的信號(圖13(d)),實測信號與標準信號進行比對,可得故障診斷的結果(圖13(e))。 圖14表示了次級的一次運動中,在全過程0~1.6s之間第13號傳感器(圖14(a))產生持續(xù)異常高電平信號(圖14(b)),通過本文的算法可計算得到最佳時序估計(圖14(c))。通過標準信號集合,將最佳時序估計還原為無故障條件下應該出現(xiàn)的信號(圖14(d)),實測信號與標準信號進行比對,可得故障診斷的結果(圖14(e))。其中0.73~0.99s之間未檢測到異常,這是由于此段時間內第13號傳感器的高電平也符合正確的時序邏輯,無法區(qū)分是異常還是正常。 圖15表示了次級的一次運動中,在全過程0~1.4s之間第18號傳感器(圖15(a))產生持續(xù)異常低電平信號(圖15(b)),通過本文的算法可計算得到最佳時序估計(圖15(c))。通過標準信號集合,將最佳時序估計還原為無故障條件下應該出現(xiàn)的信號(圖15(d)),實測信號與標準信號進行比對,可得故障診斷的結果(圖15(e))。其中只有0.63~0.90s之間檢測到異常,其余時間未檢測到異常,這是由于其余時間內第18號傳感器的低電平也符合正確的時序邏輯,無法區(qū)分是異常還是正常。 因此,對于上述4類傳感器異常,本文的方法都能夠準確定位故障。但由于本文的方法是基于信號時序邏輯進行判斷的,因此對于故障產生的信號與正常信號一致的時刻,本文的方法無法分辨。 在實際系統(tǒng)中,每一段直線電機都安裝有一臺切換傳感器盒,利用本文的方法可直接定位至故障的切換傳感器盒,通過更換備件的方法可實現(xiàn)部件級維修。 針對長初級短次級直線電機切換控制傳感器的失效問題,提出了一種切換傳感器故障的在線診斷與定位方法。根據次級運動時產生的切換傳感信號,提出數據壓縮方法和搜索限制條件,從而提高計算效率。根據次級運動的變化規(guī)律,定義了切換傳感器的標準信號集合,給出了計算傳感信號差異度的方法,利用有向圖對問題進行描述,并提出了最優(yōu)搜索算法,給出了切換傳感器故障診斷與定位流程,提出了3個命題并給出了具體證明過程以說明算法過程與期望結果的一致性。最后通過實驗驗證了方法的有效性。本方法為無位置數據情況下分段供電切換控制系統(tǒng)的在線故障診斷提供了一種有效途徑。 References) [1] 董海軍. 臥龍磁懸浮列車試驗線牽引供電系統(tǒng)的研究[D]. 杭州: 浙江大學, 2007. DONG Haijun. Research on the power supply system of Wolong maglev test line[D]. Hangzhou: Zhejiang University, 2007.(in Chinese) [2]ThorntonR,ThompsonMT,PerreaultBM,etal.Linearmotorpoweredtransportation[J].ProceedingsoftheIEEE, 2009, 97(11): 1754-1757. [3] 周大進, 馬家慶, 趙立峰, 等.真空管道HTS磁浮列車實驗系統(tǒng)環(huán)形加速器設計[J]. 真空科學與技術學報, 2015, 35(4): 391-398.ZHOUDajin,MAJiaqing,ZHAOLifeng,etal.Designofring-shapedacceleratorforhightemperaturesuperconductingmaglevtrainsmovinginevacuatedtube[J].ChineseJournalofVacuumScienceandTechnology, 2015, 35(4): 391-398. (inChinese) [4] 黃永剛, 王素玉, 王家素, 等. 高溫超導磁懸浮冷發(fā)射裝置供電控制系統(tǒng)的設計[J]. 低溫與超導, 2007, 35(2): 121-124.HUANGYonggang,WANGSuyu,WANGJiasu,etal.Thepowersupplycontrolsystemdesignofhightemperaturesuperconductingmaglevlaunchsystem[J].CryogenicsandSuperconductivity, 2007, 35(2): 121-124. (inChinese) [5] 上官璇峰, 勵慶孚, 袁世鷹.多段初級永磁直線同步電動機驅動系統(tǒng)整體建模和仿真[J].電工技術學報, 2006, 21(3): 52-57.SHANGGUANXuanfeng,LIQingfu,YUANShiying.lntegratedmodelingandsimulationofthesystemsdrivenbymulti-segmentprimarypermanentlinearsynchronousmotors[J].TransactionofChinaElectrotechnicalSociety, 2006, 21(3): 52-57. (inChinese) [6] 上官璇峰, 勵慶孚, 袁世鷹.多段初級永磁直線同步電機驅動的垂直提升系統(tǒng)[J].中國電機工程學報, 2007, 27(18): 7-12.SHANGGUANXuanfeng,LIQingfu,YUANShiying.TheverticalhoistsystemdrivenbyPMLSMwithmulti-segmentprimary[J].ProceedingsoftheChineseSocietyforElectricalEngineering, 2007, 27(18): 7-12. (inChinese) [7]MichaelRD,DouglasJS,ThomasC,etal.Electromagneticaircraftlaunchsystem—EMALS[J].IEEETransactionsonMagnetics, 1995, 31(1): 528-553. [8]PattersonD,MontiA.Designandsimulationofanelectromagneticaircraftlaunchsystem[C]//ProceedingsofIEEE33rdAnnualPowerElectronicsSpecialistsConference, 2002: 1475-1480. [9] 魯軍勇, 馬偉明, 孫兆龍. 多段初級直線感應電動機靜態(tài)縱向邊端效應研究[J]. 中國電機工程學報,2009, 29(33): 95-101.LUJunyong,MAWeiming,SUNZhaolong.Researchonstaticlongitudinalendeffectoflinearinductionmotorwithmulti-segmentprimary[J].ProceedingsoftheChineseSocietyforElectricalEngineering, 2009, 29(33): 95-101. (inChinese) [10] 上官璇峰, 勵慶孚, 袁世鷹.分段初級PMLSM提升系統(tǒng)能耗制動時電路切換故障分析[C]//2006年全國直線電機學術年會, 2006: 174-180.SHANGGUANXuanfeng,LIQingfu,YUANShiying.Analysisonthecircuitswitchfaultoftheverticalhoistsystemdrivenbymulti-segmentprimaryPMLSMforenergy-lossbrake[C]//ProceedingsoftheLinearMotorSymposiumof2006, 2006: 174-180. (inChinese) [11] 于芳, 余海濤, 胡敏強.長定子直線同步電機電磁推力計算和故障分析[J]. 微電機, 2010(8): 31-34.YUFang,YUHaitao,HUMinqiang.Thepropulsionforcecomputationandfaultanalysisofthelong-statorlinearsynchronousmotors[J].Micromotors, 2010(8): 31-34. (inChinese) [12] 崔小鵬, 王公寶, 馬偉明, 等.直線電機分段供電故障診斷研究[J].電機與控制學報, 2013, 17(8): 9-14.CUIXiaopeng,WANGGongbao,MAWeiming,etal.Researchonfaultdiagnosisofsegment-poweredlinearinductionmotor[J].ElectricMachinesandControl, 2013, 17(8): 9-14. (inChinese) [13] 張婭玲, 陳偉民, 章鵬, 等.傳感器故障診斷技術概述[J].傳感器與微系統(tǒng), 2009, 28(1): 4-6.ZHANGYaling,CHENWeimin,ZHANGPeng,etal.Overviewonsensorfaultdiagnosistechnology[J].TransducerandMicrosystemTechnologies, 2009, 28(1): 4-6. (inChinese) [14] 黎梨苗, 陸綺榮, 徐永杰.基于硬件冗余的傳感器故障診斷研究[J].微計算機信息, 2008, 24(19): 211-212.LILimiao,LUQirong,XUYongjie.Researchofsensorfaultdiagnosisbasedonhardwareredundancy[J].MicrocomputerInformation, 2008, 24(19): 211-212. (inChinese)[15] 譚平, 蔡自興, 余伶俐.不同精度的冗余傳感器故障診斷研究[J].控制與決策, 2011, 26(12): 1909-1912. TAN Ping, CAI Zixing, YU Lingli. Research on fault diagnosis of different precision redundant sensors[J]. Control and Dicision, 2011, 26(12): 1909-1912. (in Chinese) [16] 馮志剛, 王祁, 徐濤, 等.基于小波包和支持向量機的傳感器故障診斷方法[J].南京理工大學學報:自然科學版, 2008, 32(5): 609-614. FENG Zhigang, WANG Qi, XU Tao, et al. Sensor fault diagnosis based on wavelet packet and support vector machines[J]. Journal of Nanjing University of Science and Technology: Natural Science, 2008, 32(5): 609-614. (in Chinese) [17] 趙志剛, 趙偉.基于動態(tài)不確定度理論的多傳感器系統(tǒng)傳感器失效檢測方法[J].傳感技術學報, 2006, 19(6): 2723-2726. ZHAO Zhigang, ZHAO Wei. A new sensor fault detection method based on dynamic uncertainty theory[J]. Chinese Journal of Sensors and Actuators, 2006, 19(6): 2723-2726. (in Chinese) [18] 李自成, 劉新芝, 曾麗, 等.無刷直流電機轉子位置傳感器故障診斷及容錯策略[J].微電機, 2014, 47(4): 59-61. LI Zicheng, LIU Xinzhi, ZENG Li, et al. Fault diagnosis and fault-tolerant control strategy for rotor position of brushless DC motor drives[J]. Micromotors, 2014, 47(4): 59-61. (in Chinese) [19] 周近, 莫曉暉.開關磁阻電機位置傳感器故障的實時診斷與容錯控制研究[J].電機與控制應用, 2015, 42(6): 77-84. ZHOU Jin, MO Xiaohui. Research of fault real-time diagnosis and fault-tolerant control of position sensors for switched reluctance motors[J]. Electric Machines & Control Application, 2015, 42(6): 77-84. (in Chinese) [20] 翟毅濤.中低速磁浮列車傳感器故障檢測[D].長沙:國防科學技術大學, 2009. ZHAI Yitao. Fault detection of sensors in middle-low velocity maglev train[D]. Changsha: National University of Defence Technology, 2009. (in Chinese) Online fault diagnosis method of segment-powered switch control sensor XU Xinghua, MA Weiming, CUI Xiaopeng, ZHANG Mingyuan, LI Wenlu (National Key Laboratory of Science and Technology on Vessel Integrated Power System,Naval University of Engineering, Wuhan 430033, China) Segment-powered switch control sensor is an important component for the segmented linear motor control system. For the problems of fault diagnosis and location, an online fault diagnosis method of switch control sensor was proposed. Sensor signal data were compressed to improve computational efficiency; the law of switch control sensor signals changing with shuttle movement was studied, and a set of standard signals were defined; a calculating method for the sensor signal difference which is considered as a quantitative indicator of similarity analysis of signal was given; this problem was represented as the search problem of directed graph and the search was narrowed to a smaller area according to the characteristics of the problem; the search algorithm was given for estimating the process of system state transition according to the metrical data of sensor signals; the fault location process was proposed on the basis of the standard signal set,then the faults were located with the estimated results of the algorithm. Three propositions were given and proved to discuss the consistency between the algorithm and the expected result. The fault diagnosis method was validated through the fault data analysis of actual prototype. segment-powered; linear induction motors; switch control sensor; fault diagnosis; directed graph 10.11887/j.cn.201606005 2016-04-02 國家自然科學基金資助項目(51477178);國家重點基礎研究發(fā)展計劃資助項目(2013CB035601) 徐興華(1982—),男,遼寧大連人,副研究員,博士,E-mail:xinghuaxv@163.com TM359 A 1001-2486(2016)06-024-13 http://journal.nudt.edu.cn4 算法的一致性
5 實驗驗證
6 結論