劉東東 陳 兵 王華明

1海軍工程大學(xué) 船舶與動力學(xué)院，湖北 武漢 430033

2海裝駐沈陽地區(qū)軍事代表局，遼寧 沈陽 110034

基于卷積型小波包變換的船用水位調(diào)節(jié)器故障辨識

劉東東1陳 兵1王華明2

1海軍工程大學(xué) 船舶與動力學(xué)院，湖北 武漢 430033

2海裝駐沈陽地區(qū)軍事代表局，遼寧 沈陽 110034

以某型蒸汽船的主冷凝器水位調(diào)節(jié)器為研究對象，應(yīng)用卷積型小波包變換提取各種故障信號分解后的相對小波包能量，建立水位調(diào)節(jié)器標(biāo)準(zhǔn)故障庫，并引進Euclidean空間距離公式作為判據(jù)進行故障識別。實驗結(jié)果表明，該方法可以對水位調(diào)節(jié)器的典型故障進行快速、正確分類，降低了其故障定位與維修的盲目性。

能量特征向量；故障辨識；實驗

1 引言

液壓系統(tǒng)故障診斷始于20世紀(jì)60年代，是以英國Bath大學(xué)和英國機器保健和加拿大醫(yī)學(xué)會（MHMG和CMA）最先開始研究液壓系統(tǒng)的故障診斷技術(shù)［1］。液壓系統(tǒng)的故障診斷已經(jīng)歷了長期的發(fā)展過程，但是液壓系統(tǒng)故障診斷技術(shù)的研究仍主要集中于其動力系統(tǒng)，而對液壓調(diào)節(jié)系統(tǒng)故障診斷的研究卻極其有限。隨著艦船自動化程度的提高，大量的監(jiān)測及調(diào)節(jié)設(shè)備得到了廣泛地應(yīng)用，作用也日益重要。船用水基調(diào)節(jié)器就是用于自動準(zhǔn)確控制和保持各種熱工參數(shù)為要求值［2］。然而工程應(yīng)用表明，調(diào)節(jié)設(shè)備的故障往往是潛在的且難以判斷，給艦船和人員安全帶來巨大隱患。因此，液壓調(diào)節(jié)系統(tǒng)的狀態(tài)監(jiān)測及故障辨識，對于及時排除調(diào)節(jié)器故障，安全實現(xiàn)自動化具有非常重要的意義。

另外，傳統(tǒng)的小波包算法［3］分解時，隔二抽一的特點會使分解頻帶數(shù)據(jù)點隨分解層次的增加而減少，這種情況在故障診斷領(lǐng)域不是很有利，而卷積型小波包變換克服了這一問題。本文采用卷積型小波包變換提取小波包能量向量作為故障特征，并通過模式識別的知識使調(diào)節(jié)器故障辨識加以量化。

2 卷積型小波包理論及能量特征向量構(gòu)造

2.1 卷積型小波包的特點及快速算法

小波分解多分辨率分析的特點［4-6］克服了傳統(tǒng)信號分析中時域和頻域的局部化矛盾。研究證明，選擇適當(dāng)?shù)男〔ɑ瘮?shù)，可以實現(xiàn)故障的檢測與診斷；相對于小波分解，小波包分解的主要優(yōu)點在于將小波分解中未分解的高頻部分進一步分解，提高了高頻部分的頻率分辨率；而相對于傳統(tǒng)小波包算法，卷積型小波包算法分解的優(yōu)點［7］在于，不管分解多少層，無需重構(gòu)，每層各頻道序列的長度均與原信號長度保持一致，這一特點使得它在機械故障分析領(lǐng)域有著突出的優(yōu)勢。

卷積型小波包分解的快速算法為：

卷積型小波包的重建公式為：

式中，xp為小波包系數(shù)；h（k）為分解低通濾波器系數(shù)；g（k）為分解高通濾波器系數(shù)；j為分解層數(shù)，j層分解后，信號被平分為2j個頻帶；n為小波包系數(shù)xp所在頻帶號。

2.2 相對小波包能量向量

根據(jù)上述理論對信號進行j層小波包分解后，可以得到2j個頻帶，定義信號在某一特定頻帶的能量為該頻段小波系數(shù)（k）的平方和，即：

總的能量表達式如下：

某頻帶相對小波包能量為：

定義相對小波包能量特征向量［8］為：

3 相對小波包能量與故障診斷

故障診斷的實質(zhì)是在故障特征提取的基礎(chǔ)上進行模式識別。當(dāng)系統(tǒng)發(fā)生故障時，其輸出信號的能量空間分布與正常系統(tǒng)的輸出相比會發(fā)生相應(yīng)的變化，即輸出信號的能量空間分布包含著豐富的故障特征信息。應(yīng)用小波包技術(shù)可以將包括正弦信號在內(nèi)的任意信號無冗余、無疏漏、正交地分解到相應(yīng)的獨立頻帶內(nèi)，這些分解頻帶內(nèi)的信號都具有一定的能量，通過分析小波包分解后的相應(yīng)頻帶里能量比例的變化，可以對設(shè)備的工作狀態(tài)進行有效地監(jiān)測與診斷，即通過相對小波包能量的計算可以有效提取具有代表性的故障特征，進而作為故障模式識別的基礎(chǔ)。

基于相對小波包能量特征向量的故障診斷依賴于標(biāo)準(zhǔn)故障庫［8］，首先對設(shè)備各種狀態(tài)的先驗工程數(shù)據(jù)進行聚類分析，根據(jù)第1節(jié)中的理論建立標(biāo)準(zhǔn)故障庫 Tbi，（i＝1，2，…，q），q 為標(biāo)準(zhǔn)故障的個數(shù)，使某一種特定的故障對應(yīng)一組特征向量；該標(biāo)準(zhǔn)故障庫具有開放性，即故障庫會隨著工程實踐中故障種類的增加而增大，標(biāo)準(zhǔn)故障庫建好以后，剩下的工作就是模式識別的內(nèi)容了。本文通過計算待診斷特征向量Td與標(biāo)準(zhǔn)故障庫中特征向量 Tbi間的距離 d （Td，Tbt）， 再取其最小值 g（Td，Tbs），s∈i進行故障模式識別，即待診斷故障特征向量與標(biāo)準(zhǔn)故障庫中每個特征向量之間的距離構(gòu)成一個向量，然后查找該向量的最小值，距離最小的兩個故障向量所表征的故障類別相同：

也就是說，如果Td與Tbs之間的距離最小，則把待診斷的狀態(tài)歸入標(biāo)準(zhǔn)特征庫中Tbs所代表的故障類別s。本文中距離的計算采用最常用的Euclidean空間距離函數(shù)，公式如下：

3 實驗及數(shù)據(jù)分析

3.1 實驗及數(shù)據(jù)分析

蒸汽動力裝置主冷凝器水位調(diào)節(jié)器作為汽力裝置自動調(diào)節(jié)系統(tǒng)的一部分，用于在裝置各穩(wěn)定工況下，自動保持主冷凝器水位在一定范圍內(nèi)，在變負(fù)荷過程中使水位的最大偏差不超過水表可見范圍。

本文實驗對主冷凝器水位調(diào)節(jié)器的典型故障機理進行研究，以實驗室具備的某型船水位調(diào)節(jié)器為實驗平臺，制造所需故障部件，人為模擬正常（本文將正常狀態(tài)作為一種特殊的故障狀態(tài)）、接受噴管乙堵、接受噴管甲堵和伺服器活塞無填料四種典型故障狀態(tài)，如圖所示加裝壓力傳感器P1和P2，流量傳感器Q及位移傳感器S用于監(jiān)測調(diào)節(jié)器狀態(tài)信號，并對接受噴管甲的流量信號進行分析，研究本文方法對四種典型故障狀態(tài)的識別能力。

基于相對小波包能量的故障診斷依賴于標(biāo)準(zhǔn)故障特征庫。為了驗證方法的有效性，本文針對四種典型工作狀態(tài)分別做兩組實驗：一組實驗數(shù)據(jù)用于建立標(biāo)準(zhǔn)故障特征庫Tb；另一組實驗數(shù)據(jù)作為測試數(shù)據(jù)xd，用于提取待診斷的故障特征向量Td。診斷過程如圖2所示。

3.2 數(shù)據(jù)分析

緩慢激勵（緩慢改變水位）時，取各工作狀態(tài)下接受噴管甲的一組流量信號進行分析，通過Matlab編程［9］實現(xiàn)卷積型小波包算法，選用DB4作為小波包基函數(shù)，分別對模擬的四種故障的流量信號進行三層卷積型小波包分解，得到8個子頻帶，按照2.2節(jié)所給理論提取各頻帶能量占信號總能量的比例構(gòu)成故障特征向量，建立標(biāo)準(zhǔn)故障特征庫，見表1。

同樣工況下，取四種故障狀態(tài)下接受噴管甲的另一組流量信號作為測試數(shù)據(jù)，用同樣的方法對選取的待診斷狀態(tài)的信號進行分解，提取相對小波包能量，構(gòu)成待診斷故障特征向量，用于計算與標(biāo)準(zhǔn)特征庫中每個狀態(tài)特征向量之間的距離，見表2。

對比表1與表2的計算結(jié)果發(fā)現(xiàn)，水位調(diào)節(jié)器在各種工作狀態(tài)下，其能量均主要集中在頻帶1，占信號總能量的99%以上，其他頻帶的能量比例均很小，而且能量分布無明顯差異。由此可見，無法通過待診斷故障特征向量與標(biāo)準(zhǔn)故障特征庫中已知類別的各個特征向量的比較，直接進行故障識別與分類。因此，結(jié)合模式識別的理論，引入Euclidean空間距離公式，以作為故障模式識別的判據(jù)。

表1 標(biāo)準(zhǔn)故障特征庫Tb

表2 待診斷故障特征向量Tb

按照公式（8），應(yīng)用Matlab軟件編程遍歷計算待診斷特征向量與標(biāo)準(zhǔn)故障庫中每個特征向量之間的 Euclidean 距離 d（Td，Tbi），見表 3。

表3 Euclidean距離

表3中同行數(shù)據(jù)為某一種待診斷故障特征向量分別與標(biāo)準(zhǔn)故障庫中四種典型故障特征向量之間的Euclidean距離，分析表3中各行數(shù)據(jù)，可以得出如下結(jié)論：當(dāng)某一待診斷故障特征向量與標(biāo)準(zhǔn)故障庫中的某一特征向量表征同一故障類別時，兩個向量之間的Euclidean距離最小，在表3中顯示為對角線上的各個數(shù)據(jù)，該結(jié)果和第2節(jié)中模式識別的假設(shè)完全吻合。

在實際工程應(yīng)用中，設(shè)備狀態(tài)監(jiān)測得到的信號數(shù)據(jù)所表征的故障類別是未知的，但在標(biāo)準(zhǔn)故障庫中每個特征向量所表征的故障卻是已知的，這樣就可以遍歷求待診斷狀態(tài)的特征向量與標(biāo)準(zhǔn)故障庫中所有特征向量之間的Euclidean距離，距離最小的兩個故障向量所表征的故障類別一致，從而可以達到故障識別的目的。

把待診斷特征向量與標(biāo)準(zhǔn)故障庫中每個特征向量之間的距離組成一個距離向量，再通過Matlab軟件編程查找該向量中最小值所對應(yīng)的下標(biāo)，可以使診斷結(jié)果更加一目了然，加快診斷速度，同時減少誤判。

4 結(jié)束語

船用水基調(diào)節(jié)器對實現(xiàn)艦船自動化至關(guān)重要，本文通過實驗對某蒸汽船主冷凝器水位調(diào)節(jié)器的四種典型故障進行了模擬，并將基于卷積型小波包變換的相對小波包能量特征提取及基于Euclidean空間距離公式的模式識別應(yīng)用于該調(diào)節(jié)器的故障診斷中，實驗結(jié)果表明，該方法可以對該調(diào)節(jié)器的典型故障進行有效識別，且易于實現(xiàn)，具有較高的工程應(yīng)用價值。

但是本文僅考慮了單一故障源的情況，對于多種故障并發(fā)時該方法是否仍然有效，還需進一步研究驗證，而且該方法對標(biāo)準(zhǔn)故障庫中沒有包含的故障模式無法識別。

［1］周汝勝，焦宗夏，王少平.液壓系統(tǒng)故障診斷技術(shù)的研究現(xiàn)狀與發(fā)展趨勢［J］.機械工程學(xué)報，2006，42（9）：6－14.

［2］吳奕亮.艦用汽力裝置自動調(diào)節(jié)［M］.武漢：海軍工程大學(xué)出版社，1993.

［3］劉澤華.基于小波理論的液壓系統(tǒng)診斷特征提取與故障分類方法研究［D］.西安建筑科技大學(xué)，2007.

［4］何正嘉，趙紀(jì)元.機械設(shè)備非平穩(wěn)信號的故障診斷原理及應(yīng)用［M］.北京：高等教育出版社，2001.

［5］鞠培剛.小波分析在往復(fù)機械特征提取中的應(yīng)用研究［D］.大連理工大學(xué)，2007.

［6］WANG W J， McFADDEN P D.Application of orthogonal wavelets to early gear damage detection ［J］.Mechanical System and Signal Processing，1995.

［7］趙學(xué)智，陳統(tǒng)堅.卷積型小波包變換及其快速算法［J］.信號處理，2002，18（6）：543－546.

［8］唐貴基，范德功，胡愛軍，等.基于相對小波包能量特征向量的故障診斷［J］.煤礦機械，2006，27（4）：727－719.

［9］葛哲學(xué)，沙威.小波分析理論與MATLABR2007實現(xiàn)［M］.北京：電子工業(yè)出版社，2007.

Fault Recognition of Water Level Regulator Based on the Convolution Type of Wavelet Packet

Liu Dong－dong1Chen Bing1Wang Hua－ming2
1 College of Naval Architecture and Power，Naval University of Engineering，Wuhan 430033，China
2 Naval Department of Equipment，Shenyang Military Representative Office，Shenyang 110034，China

Based on the research on water level regulator of steam－power ship＇s main condenser， this paper picked up the relative energy eigenvector by using the convolution type of wavelet packet decomposition， built the standard fault database， and took Euclidean space range formula as criterion to identify faults.The experimental results show that this method can diagnose the typical faults of the water level regulator quickly and correctly.And this method can also decrease the blindness of the diagnosis and the maintainance.

energy eigenvector； fault identification； experiment

TP206.3；TK223.7

A

1673－3185（2010）01－68－04

2009 - 07 - 06

武器裝備預(yù)研基金項目資助（9140A27050106JB11）

劉東東（1984 - ） ，男，碩士研究生。研究方向：熱力系統(tǒng)監(jiān)測與故障診斷。E-mail：dongdongwuhan@ 163. com

陳兵（1962- ） ，男，副教授，碩士生導(dǎo)師。研究方向：熱力系統(tǒng)監(jiān)測與故障診斷