孫 昊，李凌燕，杜海蓮，句希源

（1.國網(wǎng)河北省電力公司石家莊供電分公司，石家莊 050051；2.河北師范大學(xué)，石家莊 050021）

故障信號小波檢測方法的研究

孫 昊1，李凌燕1，杜海蓮2，句希源2

（1.國網(wǎng)河北省電力公司石家莊供電分公司，石家莊 050051；2.河北師范大學(xué)，石家莊 050021）

分析小波變換用于故障檢測的基本原理以及小波函數(shù)的選取原則，介紹利用不同小波函數(shù)進行信號噪聲消除，奇異點檢測及故障的定位等方法，通過測取電動機啟動電流信號的小波變換，實現(xiàn)轉(zhuǎn)子斷條故障的在線診斷，說明該方法有效，并具有可操作性。

小波變換；小波函數(shù)；故障診斷；異步電動機

0 引言

在故障診斷領(lǐng)域，信號的奇異性或突變點通常包含了豐富的故障信息。確定信號奇異性的傳統(tǒng)方法是根據(jù)Fourier變換收斂于零的快慢來判定該信號的奇異性及奇異性強弱［1－3］。在設(shè)備故障診斷中，由于檢測信號非常微弱，能量很小，往往容易被噪聲淹沒而難以辨別。當應(yīng)用傅立葉變換進行故障診斷時，不能進行局部化分析。小波變換具有良好時－頻局部化特性，對信號的奇異性、奇異點位置及奇異度大小分析尤為有效，能對信號的高頻、短時成分準確地在時域和頻域中進行分析，可將故障特征信號有效地分離出來，從而對故障作出分析與解析［4－6］。然而，選擇不同的小波函數(shù)分析信號的奇異性及奇異性位置和奇異度的大小，其檢測效果也不一樣，因此，如何選擇合適的小波函數(shù)非常重要，目前尚沒有一定的規(guī)則來斷定如何選擇小波。以下針對感應(yīng)電動機的定子電流信號，分析探討利用不同的小波函數(shù)進行信號除噪，奇異性檢測及故障的診斷。

1 故障信號的小波分析

1.1 奇異性檢測

首先取函數(shù)ψ（x）為基小波，對函數(shù)f（x）的小波變換可寫成

1.2 小波函數(shù)的選取

信號奇異點可通過信號的小波變換局部極大值來定位，而奇異性運用該點的Lipschitz來定量描述。運用該理論來實現(xiàn)信號的奇異性檢測，比常規(guī)手段更優(yōu)越。在實際中，Morlet小波運用領(lǐng)域較廣，可以用于信號表示和分類、圖像識別、特征提取；墨西哥草帽小波用于系統(tǒng)辨識；對于數(shù)字信號往往選擇Haar或Daubechies作為小波基波，另外還有根據(jù)小波函數(shù)的消失矩來選擇小波基波。

在故障的奇異性檢測中，信號的奇異點可以從其小波變換的小波系數(shù)模極大值中檢測出來?；驹硎钱斝盘栐谄娈慄c附近的Lipschitz指數(shù)a＞0時，其小波變換的模極大值隨尺度的增大而增大；當a＜0時，則隨尺度的增大而減小?；谛〔ㄒ?guī)則性系數(shù)相似性選擇小波基波，主要是從小波分析和Fourier變換的基本思想相似，F(xiàn)ourier變換是以正弦為基波，用其各次諧波來近似某一函數(shù)，而小波分析是利用小波的窗函數(shù)特性來分段逼近，小波系數(shù)的大小反映了小波和函數(shù)某段的相似程度。同時函數(shù)和小波的規(guī)則性均表示著各自的可微性和平滑程度。

2 小波變換故障診斷實驗與仿真

2.1 信號的去噪和濾波

小波除噪的基本思想是首先將混有噪聲的信號進行小波分解，根據(jù)噪聲與信號在各尺度（頻帶）上的小波譜具有的不同表現(xiàn)這一特點，將各尺度上噪聲產(chǎn)生的小波譜分量去掉，再利用小波變換的重構(gòu)算法重新構(gòu)造原信號。

設(shè)含噪聲信號模型為s（t）＝sin（ωt）＋w（t），其中w（t）為隨機噪聲。利用db8、sym3小波分別進行6尺度分解，采用ddencmp函數(shù)獲得默認閾值，用wdencmp命令函數(shù)消噪效果見圖1。

圖1 小波除噪前后的信號波形圖

圖1中，波形1為原始信號波形，波形2為含噪信號波形，波形3為用db8小波除噪后的波形，波形4為用sym3小波除噪后的波形。由仿真結(jié)果可見，利用小波變換可以有效抑制信號中的噪聲部分，恢復(fù)原始信號。并且選用不同小波的除噪效果明顯不同，選用db8小波比用sym3小波的濾波效果好。

2.2 故障信號奇異檢測

電動機在運行時由于繞組過熱、絕緣老化等征兆，導(dǎo)致電機設(shè)備發(fā)生故障，通常這些征兆是漸漸惡化，并暴露出一些不正常的狀態(tài)信息，最終通過定子電流的變化反映出來。

針對電機定子電流故障信號，進行6尺度的小波分解，圖2為U相繞組故障電流突變及小波變換。

圖2 U相繞組電流突變及小波變換

圖2中，波形1為故障電流信號，U相電流在x＝2π處發(fā)生了電流突變，波形3為采用haar小波變換后的波形，波形3為采用db6小波變換后的波形。顯然，波形3可以清楚看出，信號不連續(xù)點經(jīng)小波變換后，時域定位非常精確，即該故障點發(fā)生在t＝2π處（采樣點為128）。

2.3 轉(zhuǎn)子斷條故障小波檢測

當異步電動機變負載運行時，則定子電流的幅值和轉(zhuǎn)速的大小都會隨著負載而變化，使得轉(zhuǎn)差率s的變化而引起轉(zhuǎn)子斷條故障邊頻分量也在不斷的變化，在這種情況下，電動機定子電流頻譜圖中除電網(wǎng)頻率f1（50Hz）處有較高的譜峰外，還有以f1為中心的各種調(diào)制分量。為了實現(xiàn)對電動機變負載運行時轉(zhuǎn)子斷條故障的檢測與診斷，實驗通過電流互感器把啟動過程定子電流信號送到數(shù)據(jù)采集卡，并由計算機進行小波變換處理。

該實驗過程是在電動機轉(zhuǎn)子中設(shè)有2根斷條故障情況下完成，在對啟動電流信號進行實時數(shù)據(jù)采集時，采集頻率fs＝10kHz。數(shù)據(jù)處理的方法采用db40小波10尺度分解，圖3給出了小波分解頻率范圍，d9、d10分別是9尺度和10尺度高頻小波系數(shù)，a10是低頻小波系數(shù)。

圖3 小波分解頻率范圍

圖4為電動機正常時啟動電流小波變換，圖5為電動機轉(zhuǎn)子斷條時啟動電流小波變換。

圖5與圖4波形比較，顯示出高階小波變換a10、d10和d9中信號的幅值分布有非常明顯的波動變化，說明存在轉(zhuǎn)子斷條故障諧波頻率。

3 結(jié)束語

電動機設(shè)備在運轉(zhuǎn)時經(jīng)常會發(fā)生故障，如何快速提取故障信號，準確定位故障發(fā)生點是故障分析與檢測的關(guān)鍵?；谛〔ㄗ儞Q的信號處理技術(shù)是當前的研究熱點。利用小波變換對故障電流信號進行噪聲的消除，奇異點的檢測及故障定位，通過測取電動機啟動電流信號小波變換，實現(xiàn)轉(zhuǎn)子斷條故障的在線診斷，進一步提高了故障檢測的準確性。

圖5 電動機轉(zhuǎn)子斷條時啟動電流小波變換

［1］Lei Y，Lin J，He Z，et al.A review on empirical mode decomposition in fault diagnosis of rotating machinery［J］.Mechanical Systems and Signal Processing，2013，35（1）：108-126.

［2］Georgoulas G，Mustafa M O，Tsoumas I P，et al.Principal Component Analysis of the start－up transient and Hidden Markov Modeling for broken rotor bar fault diagnosis in asynchronous machines［J］.Expert Systems with Applications，2013，40（17）：7024-7033.

［3］Li P，Kong F，He Q，et al.Multiscale slope feature extraction for rotating machinery fault diagnosis using wavelet analysis［J］.Measurement，2013，46（1）：497-505.

［4］Pandya D H，Upadhyay S H，Harsha S P.Fault diagnosis of rolling element bearing by using multinomial logistic regression and wavelet packet transform［J］.Soft Computing，2014，18（2）：255-266.

［5］Vakharia V，Gupta V K，Kankar P K.A multiscale permutation entropy based approach to select wavelet for fault diagnosis of ball bearings［J］.Journal of Vibration and Control，2014：1077546314520830.

［6］Du W，Tao J，Li Y，et al.Wavelet leaders multifractal features based fault diagnosis of rotating mechanism［J］.Mechanical Systems and Signal Processing，2014，43（1）：57-75.

［7］呂 鋒，孫 楊，文成林，等.基于小波分析的電機故障振聲診斷方法.電機與控制學(xué)報，2004，8（4）：322-325，328.

本文責任編輯：齊勝濤

StudyonFaultSignalDetectionMethodBasedonWaveletTransform

Sun Hao1，Li Lingyan1，Du Hailian2，Ju Xiyuan2
（1.State Grid Hebei Electric Power Corporation Shijiazhuang Power Supply Branch，Shijiazhuang 050051，China；2.Hebei Normal University，Shijiazhuang 050021，China）

The principle of fault detection with wavelet transform and the wavelet function selection are analysed.The method of the different wavelet functions are introduced which are applied to noise elimination of signal，singular point detection and fault location.The online diagnosis about fault of motor rotor broken bars is realized through measuring the wavelet transform of current signal during starting of motor.The validity and operationability of method is verified.

wavelet transform；wavelet function；fault diagnosis；asynchronous motors

TM307

A

1001-9898（2015）03-0027-03

2014-10-10

孫 昊（1983－），男，工程師，主要從事電氣安全技術(shù)、電力負荷預(yù)測等方面的研究工作。

河北省自然科學(xué)基金資助 （F2014205115）。