基于小波包分析的電機(jī)調(diào)速系統(tǒng)故障診斷與自動(dòng)修正
邱愛(ài)中
(鄭州師范學(xué)院物理系，河南鄭州450044)
摘 要：提出了一種針別電機(jī)調(diào)速系統(tǒng)故障診斷和自動(dòng)修正的方法。對(duì)被檢信號(hào)采用小波包分解和單節(jié)點(diǎn)重構(gòu)的改進(jìn)算法，細(xì)化信號(hào)的信息特征，消除頻帶混淆；以容差范圍作為誤差判別標(biāo)準(zhǔn)，統(tǒng)汁平均，計(jì)算各個(gè)頻段內(nèi)的能量向量值，力使故障診斷誤差最小化；構(gòu)建歸一化能量特征向量，凸顯故障特征，提高診斷的實(shí)時(shí)性；建立故障特征向量和修正措施的映射關(guān)系，通過(guò)調(diào)節(jié)脈寬調(diào)制(PWM)波束修正電機(jī)轉(zhuǎn)速。設(shè)計(jì)了以80C196KC草片機(jī)為控制核心的自動(dòng)檢測(cè)故障和修正轉(zhuǎn)速的電機(jī)凋速系統(tǒng)，并與常規(guī)PID控制器進(jìn)行對(duì)比試
驗(yàn)。試驗(yàn)結(jié)果表明：該系統(tǒng)具有較好的糾錯(cuò)性能和調(diào)速精度，是特征提取、故障診斷和自動(dòng)修正的有效方法。
關(guān)鍵詞：小波包分析；故障診斷；電機(jī)；自動(dòng)修正
中圖分類(lèi)號(hào)：TM 307文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1673—6540(2010)06—0050-05
0 引言
小波分析作為一種非平穩(wěn)信號(hào)的時(shí)頻域分析方法，既能夠反映信號(hào)的頻率信息，又能夠反映該頻率信息隨時(shí)間變化的規(guī)律，并且分辨率是可變的，所以利用小波分析提取故障的時(shí)域和頻域特征能實(shí)時(shí)診斷故障。文獻(xiàn)[1]利用小波變換的模極大值方法檢測(cè)工作軸承振信號(hào)的突變故障。文獻(xiàn)[2]利用小波分析提取信號(hào)不同分辨率上的特征信息，并結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬電路的故障診斷。文獻(xiàn)[3]分析了基于小波變換和支持向量機(jī)的故障診斷方法。文獻(xiàn)[4]將小波變換與模糊邏輯相結(jié)合用于電力傳輸線(xiàn)故障的診斷。這些處理方法有的針對(duì)故障簡(jiǎn)單的信號(hào)處理，有的雖能處理復(fù)雜信號(hào)和系統(tǒng)，但節(jié)點(diǎn)多，計(jì)算復(fù)雜，精度低；另外，針對(duì)電機(jī)調(diào)速系統(tǒng)的故障診斷和自動(dòng)修正鮮有研究。
為解決以上問(wèn)題，將小波包分析理論應(yīng)用于電機(jī)控制器故障檢測(cè)中，對(duì)被檢信號(hào)采用小波包分解和單節(jié)點(diǎn)重構(gòu)的改進(jìn)算法，細(xì)化信號(hào)的信息特征，提取小波包系數(shù)中所包含的時(shí)頻信息作為故障特征，構(gòu)建歸一化能量特征向量，并對(duì)比事先建立的故障辭典，判定輸出主電流、勵(lì)磁電壓和轉(zhuǎn)速的狀態(tài)出現(xiàn)的故障，再利用脈寬調(diào)制(PulseWidth Modula{ion，PwM)技術(shù)，自動(dòng)修正控制輸出，提高調(diào)速精度和抗干擾性能。
1 設(shè)計(jì)原理
設(shè)計(jì)的思想依據(jù)是小波包理論。故障診斷和自動(dòng)修正兩大功能的實(shí)現(xiàn)主要由以下七個(gè)步驟來(lái)完成。
(1)對(duì)被檢測(cè)信號(hào)采樣，進(jìn)行小波包分解。
設(shè)被檢測(cè)的電壓信號(hào)為U(t)，通過(guò)對(duì)應(yīng)的前置濾波器，模數(shù)轉(zhuǎn)換后的離散信號(hào)為U(T)，
Pj,i(T)表示第j層上第i個(gè)小波包，稱(chēng)為小波包系數(shù)。G、H為小波共軛正交鏡像濾波器，日與尺度麗數(shù)p，(t)有關(guān)，G與小波函數(shù)Ψ(t)有關(guān)。小波包的算法為
信號(hào)u(T)在第j層上=共有2個(gè)小波包，經(jīng)過(guò)小波共軛正交鏡像濾波器H、G，能把所檢測(cè)到的電壓故障信號(hào)非常完整地劃分到不同的頻段內(nèi)，實(shí)現(xiàn)故障的小波包分解[5-6]。
(2)使用改進(jìn)算法，消除頻率混淆。
為了解決子帶中的頻率交錯(cuò)和各子帶中的假頻率分量，避免頻率混疊，采用小波包分解和單節(jié)點(diǎn)重構(gòu)的改進(jìn)算法，即在前面的基礎(chǔ)上再引出兩個(gè)算子A和B。設(shè)x(n)表示2j尺度上低頻子帶小波包系數(shù)，且W=ej2/Nj。
式(4)、(5)作為算子B的輸出，采取該方法能有效消除頻率混淆。
(3)求各個(gè)子帶內(nèi)的能量特征值，初步建立故障能量特征向量。
為了更加方便和準(zhǔn)確地判定故障類(lèi)型，計(jì)算分解后各頻段內(nèi)信號(hào)的能量。選取各個(gè)子帶內(nèi)信號(hào)的平方和作為能量的標(biāo)志，第j層第i個(gè)小波包分解后在各個(gè)頻段內(nèi)的能量為
式中：ek(i)——重構(gòu)信號(hào)離散點(diǎn)的幅值。
以各個(gè)子帶內(nèi)的能量元素構(gòu)建故障特征向量T,用能量特征向量反映故障在時(shí)域和頻域的信號(hào)信息。
(4)對(duì)樣本空間統(tǒng)計(jì) |
