基于聲波信號(hào)分析的電氣設(shè)備故障診斷方法研究

武漢輕工大學(xué) 覃 帥

引言

伴隨著現(xiàn)代電子和計(jì)算機(jī)技術(shù)的發(fā)展，在電氣設(shè)備故障診斷方面，已經(jīng)可以利用聲波信號(hào)分析等故障診斷技術(shù)進(jìn)行常規(guī)檢測(cè)儀器的代替，從而實(shí)現(xiàn)對(duì)大型復(fù)雜電氣設(shè)備故障的全面檢測(cè)和準(zhǔn)確診斷，提高設(shè)備故障診斷效率和可靠性，加強(qiáng)設(shè)備監(jiān)控管理，為電氣設(shè)備運(yùn)行提供全方位保護(hù)。

1 聲波信號(hào)分析技術(shù)概述

在聲波信號(hào)采集的過(guò)程中，通常伴有大量噪聲，將對(duì)電氣設(shè)備故障診斷帶來(lái)影響。采用聲波信號(hào)分析技術(shù)，可以通過(guò)對(duì)采集得到的聲波信號(hào)進(jìn)行分離，完成電氣設(shè)備聲波信號(hào)特征的提取，從而通過(guò)聲波信號(hào)分析確認(rèn)設(shè)備是否存在故障。在聲波信號(hào)分析上，通常采用分離技術(shù)對(duì)信號(hào)進(jìn)行分類處理和加工，然后利用濾波技術(shù)實(shí)現(xiàn)對(duì)信號(hào)的消噪和特征提取。針對(duì)取得的特定頻段的數(shù)據(jù)，可以通過(guò)信號(hào)分析和數(shù)據(jù)處理完成信號(hào)轉(zhuǎn)換，從而對(duì)信號(hào)中的特征信息進(jìn)行反映。

2 基于聲波信號(hào)分析的電氣設(shè)備故障診斷方法

2.1 電氣設(shè)備故障診斷總體方案

在實(shí)際進(jìn)行電氣設(shè)備聲波信號(hào)采集時(shí)，還要利用數(shù)字信號(hào)處理方法對(duì)信號(hào)變化規(guī)律和突變特征進(jìn)行定量分析。為此，還要完成信號(hào)的實(shí)時(shí)采集，同時(shí)對(duì)信號(hào)進(jìn)行處理和分析。通過(guò)狀態(tài)識(shí)別，則能做出故障診斷決策[1]。為判斷設(shè)備是否存在故障，需要完成系統(tǒng)知識(shí)庫(kù)的建立，利用推理機(jī)將參數(shù)與判別參數(shù)比較，從而在判別故障的同時(shí)，對(duì)故障的性質(zhì)和類型進(jìn)行確認(rèn)。最后，結(jié)合設(shè)備故障判斷結(jié)果，需要結(jié)合當(dāng)前信號(hào)進(jìn)行設(shè)備狀態(tài)發(fā)展趨勢(shì)的預(yù)測(cè)，然后制定科學(xué)的故障診斷決策。而借助專家系統(tǒng)，則能實(shí)現(xiàn)故障的在線診斷決策。如圖1所示，為基于聲波信號(hào)分析的電氣設(shè)備故障診斷總體方案圖。

圖1 基于聲波信號(hào)分析的電氣設(shè)備故障診斷總體方案圖

2.2 電氣設(shè)備故障診斷關(guān)鍵環(huán)節(jié)

2.2.1 聲波信號(hào)采集

在利用聲波信號(hào)分析技術(shù)對(duì)電氣設(shè)備故障進(jìn)行診斷時(shí)，可以用某AX信號(hào)繼電器為例，采用CHZ型3Hz-18kHz的電容傳感器對(duì)設(shè)備聲波信號(hào)進(jìn)行采集。在信號(hào)采集階段，需要實(shí)現(xiàn)信號(hào)數(shù)字化處理，對(duì)連續(xù)時(shí)間信號(hào)進(jìn)行離散化處理。運(yùn)用數(shù)學(xué)理論，需完成幅值調(diào)制形式的采樣。在頻率選擇時(shí)，還應(yīng)避免混疊現(xiàn)象的產(chǎn)生，確保信號(hào)不失真的同時(shí)，滿足后續(xù)信號(hào)處理要求。采用計(jì)算機(jī)，可以完成頻率為40kHz的聲音信號(hào)采樣，因此可以滿足電氣設(shè)備故障診斷的聲波信號(hào)頻譜測(cè)試要求。

2.2.2 聲波信號(hào)處理

在信號(hào)處理階段，需要采用分層閾值法進(jìn)行信號(hào)噪聲的消除。由于故障信號(hào)屬于瞬變信號(hào)，所以難以利用傅里葉分析方法進(jìn)行區(qū)分，以免在整個(gè)頻域?qū)⒐收闲盘?hào)平滑掉。針對(duì)這一問(wèn)題，還要詞用小波分析法進(jìn)行信號(hào)消噪處理。利用式（1），可以進(jìn)行含噪聲信號(hào)模型的表示。式中，s(t)為采集得到的信號(hào)，x(t)為原始信號(hào)，e(t)為噪聲信號(hào)，σ指的是噪聲強(qiáng)度。通過(guò)去噪，則能使信號(hào)中的噪聲得到抑制，恢復(fù)真實(shí)信號(hào)x(t)。

結(jié)合電力工程的實(shí)際情況可知，在多數(shù)信號(hào)中，不僅包含奇異點(diǎn)，同時(shí)也存在不連續(xù)點(diǎn)。采用相同的閾值無(wú)法滿足去除噪聲和留下有用信號(hào)的目的，因此還要采用分層閾值。如式（2）所示，J為最大尺度，取值為2，N為預(yù)設(shè)噪聲功率，A指的是最大極值點(diǎn)幅度[2]。而N為預(yù)設(shè)的功率，Z不變的情況下，需要在本級(jí)尺度J上進(jìn)行A的查找。在降噪后，對(duì)各尺度的模極大值點(diǎn)進(jìn)行保留，則能完成信號(hào)的重構(gòu)。

2.2.3 故障特征提取

在特征提取過(guò)程中，還要結(jié)合小波包特征進(jìn)行關(guān)鍵特征信息的識(shí)別和分離。具體來(lái)講，就是對(duì)第三層從低到高的8個(gè)頻率成分信號(hào)特征進(jìn)行分別提取，將各系數(shù)命名為X3K。通過(guò)重構(gòu)分解系數(shù)，可以對(duì)各頻帶范圍內(nèi)的信號(hào)進(jìn)行提取。通過(guò)分析，可以得到總信號(hào)S=S30+S31+……+S37。對(duì)各頻帶信號(hào)總能量進(jìn)行計(jì)算，可以得到S3j能量為E3j，j=0,1,1……,7，可得下式（3）。式中，xjk為重構(gòu)信號(hào)的離散點(diǎn)幅值。

利用能量元素進(jìn)行特征向量T的構(gòu)造，可以得到：

作為較大的數(shù)值，E3j在能量較大時(shí)將給數(shù)據(jù)分析帶來(lái)阻礙。通過(guò)改進(jìn)特征向量，完成歸一化處理，可以得到式（4）。通過(guò)對(duì)信號(hào)進(jìn)行三層分解，可以完成各自特征向量的構(gòu)造。

2.2.4 設(shè)備狀態(tài)趨勢(shì)預(yù)測(cè)

針對(duì)電力設(shè)備，其運(yùn)行聲波信號(hào)中包含的奇異信號(hào)也包含設(shè)備重要特征信息，通過(guò)對(duì)奇異點(diǎn)進(jìn)行定量分析，可以較好的實(shí)現(xiàn)故障診斷。采用小波變換，可以利用方法的時(shí)頻局部性特征對(duì)奇異點(diǎn)位置進(jìn)行有效分析。在具體采用該方法時(shí)，通過(guò)特征提取，可以發(fā)現(xiàn)設(shè)備聲波信號(hào)中存在不規(guī)則的突變信號(hào)，其中包含重要特征信息。通過(guò)對(duì)奇異點(diǎn)進(jìn)行檢測(cè)，可以實(shí)現(xiàn)對(duì)給設(shè)備運(yùn)行狀態(tài)帶來(lái)擾動(dòng)的潛在因素，從而通過(guò)準(zhǔn)確檢測(cè)設(shè)備狀態(tài)完成突變信號(hào)的變換，實(shí)現(xiàn)對(duì)信號(hào)發(fā)展趨勢(shì)的準(zhǔn)確判斷。如式（5）所示，連續(xù)小波變換Wy(a,b)的時(shí)間-頻率分辨率將有所變化。針對(duì)動(dòng)態(tài)測(cè)試信號(hào)進(jìn)行小波包分解，可以將混頻信號(hào)分解為多個(gè)頻帶不重疊的子信號(hào)。結(jié)合分解結(jié)果，可以完成不同頻段分量幅值的觀察，從而在幅值和頻率兩方面對(duì)測(cè)試信號(hào)的變化趨勢(shì)進(jìn)行把握。通過(guò)將實(shí)物故障注入模擬與驗(yàn)證，則能完成電氣設(shè)備在線監(jiān)測(cè)和診斷系統(tǒng)的構(gòu)建，得到實(shí)物故障狀態(tài)數(shù)據(jù)庫(kù)。

2.3 故障診斷方案效果的驗(yàn)證

為對(duì)故障診斷方案效果進(jìn)行驗(yàn)證，還要采用Matlab對(duì)幾組表征信號(hào)的信息數(shù)據(jù)進(jìn)行分析和處理，然后以此為推理機(jī)進(jìn)行信號(hào)特征值的判斷依據(jù)，實(shí)現(xiàn)對(duì)設(shè)備聲波信號(hào)的在線監(jiān)測(cè)。

如表1所示，實(shí)驗(yàn)數(shù)據(jù)重復(fù)性良好。從實(shí)驗(yàn)結(jié)果來(lái)看，采用SVM模型進(jìn)行故障診斷，診斷決策的正確率在80%左右，采用基于聲波信號(hào)分析的故障診斷方法正確率超出了90%，能夠滿足電氣設(shè)備的故障診斷需求。

表1 實(shí)驗(yàn)得到的信號(hào)輸出能量數(shù)據(jù)

3.結(jié)論

通過(guò)研究可以發(fā)現(xiàn)，在電氣設(shè)備故障診斷方面，需要完成設(shè)備運(yùn)行數(shù)據(jù)采集、分析和處理，并完成數(shù)學(xué)模型建立，才能實(shí)現(xiàn)對(duì)設(shè)備運(yùn)行監(jiān)控和故障的智能診斷。而采用聲波信號(hào)分析技術(shù)，可以實(shí)現(xiàn)對(duì)電氣設(shè)備故障的全面檢測(cè)和準(zhǔn)確診斷，同時(shí)也能實(shí)現(xiàn)設(shè)備故障的提前預(yù)報(bào)，從而為設(shè)備運(yùn)行提供保護(hù)。

[1]程志萬(wàn),趙現(xiàn)平,譚向宇.利用改進(jìn)EEMD的高壓斷路器聲波故障診斷方法[J].科技創(chuàng)新導(dǎo)報(bào),2014,11(35):90.

[2]李建鵬,趙書(shū)濤,夏燕青.基于雙譜和希爾伯特-黃變換的斷路器故障診斷方法[J].電力自動(dòng)化設(shè)備,2013,33(02):115-119+125.