付一丁，李　穆，李豐攀，顧　然

基于Volterra級數(shù)的水輪機調(diào)速器液壓系統(tǒng)故障診斷

付一丁1，李穆2，李豐攀2，顧然2

（1.中國長江三峽集團公司，北京 100091；
2.國網(wǎng)電力科學(xué)研究院武漢南瑞有限責(zé)任公司，湖北武漢 430074）

針對現(xiàn)有水輪機調(diào)速器液壓系統(tǒng)故障診斷存在諸如診斷精度不高、泛化能力不強、在線檢測能力不足等問題，根據(jù)Volterra級數(shù)的非線性模型高辨識能力以及可實時在線計算等優(yōu)點，本文提出了一種基于Volterra級數(shù)的水輪機調(diào)速器液壓系統(tǒng)故障診斷的新方法。該方法利用遞推最小二乘法辨識出系統(tǒng)Volterra核，經(jīng)多維廣義離散Fourier變換得到系統(tǒng)廣義頻域響應(yīng)函數(shù)（GFRF）模型，最后利用主元分析法（PCA）進行特征提取及分類，從而實現(xiàn)系統(tǒng)故障的高效診斷。仿真結(jié)果表明，該方法具有較高辨識精度，能準(zhǔn)確分辨出系統(tǒng)的不同狀態(tài)。

Volterra；廣義頻域響應(yīng)函數(shù)（GFRF）；主元分析法（PCA）；故障診斷；調(diào)速器；水輪機

0　引言

水輪機調(diào)速系統(tǒng)是水輪發(fā)電系統(tǒng)的重要控制子系統(tǒng)之一，其穩(wěn)定、可靠運行是整個水電機組安全、高效運行的重要條件［1］。隨著近年水電站自動化水平和對水輪發(fā)電系統(tǒng)安全運行要求的不斷提高，水輪機調(diào)速系統(tǒng)的故障診斷具有重要的現(xiàn)實意義。從長期的工程經(jīng)驗中歸納出水輪機調(diào)速系統(tǒng)的故障可分為電氣、機械和液壓3大類。據(jù)統(tǒng)計資料表明，機械和液壓故障占比超過60%［2］。因此，對水輪機調(diào)速器液壓系統(tǒng)的故障診斷成為整個水輪發(fā)電系統(tǒng)故障診斷的重要一環(huán)。

學(xué)者們已經(jīng)對水輪機調(diào)速器液壓系統(tǒng)的故障診斷做了一些重要的研究工作。文獻［3］利用狀態(tài)觀測器殘差的故障信息特征明顯的特點，根據(jù)不同故障下殘差分布的不同，識別調(diào)速器液壓系統(tǒng)的不同故障狀態(tài)。文獻［4］通過對調(diào)速器液壓系統(tǒng)故障機理的研究，利用故障樹的最小割集矩陣進行故障樹定性分析，確定系統(tǒng)故障，通過基于模型參考的方法準(zhǔn)確定位故障，最后結(jié)合專家系統(tǒng)給出診斷結(jié)果。以上方法，雖然取得了一定的成就，但目前調(diào)速器液壓系統(tǒng)故障診斷方法普遍存在故障辨識精度不高、泛化能力不強或無法實現(xiàn)在線診斷等問題。

為此，本文提出了基于Volterra級數(shù)的調(diào)速器液壓系統(tǒng)故障診斷方法。該方法利用Volterra級數(shù)的非線性模型高辨識能力以及可在線實時計算等優(yōu)點，通過對液壓系統(tǒng)的輸入輸出采樣，利用最小二乘法辨識出正常狀態(tài)下以及各種故障狀態(tài)下液壓系統(tǒng)的Volterra核，進而得到不同狀態(tài)下系統(tǒng)的廣義頻域響應(yīng)函數(shù)（Generalized Frequency Response Functions，GFRF），基于GFRF譜提取相應(yīng)特征形成特征向量，利用主元分析法（Principal Component Analysis，PCA）剝離各個特征指標(biāo)之間的線性關(guān)系、降低特征向量的維度，從而最終實現(xiàn)系統(tǒng)不同狀態(tài)的分類及故障診斷。

1　Volterra理論

Volterra泛函級數(shù)是由意大利數(shù)學(xué)家Vito-Volterra 于1880年首次提出的。由于這一理論具有強大的模擬非線性系統(tǒng)行為的能力，引起了行業(yè)內(nèi)的廣泛關(guān)注，不久便被應(yīng)用于實際工程應(yīng)用。經(jīng)理論研究表明，任何的連續(xù)時不變非線性動態(tài)系統(tǒng)，若輸入輸出響應(yīng)是解析函數(shù)，則該系統(tǒng)可以用式（1）的形式完全描述［5］。且由實踐證實，絕大多數(shù)非線性系統(tǒng)只用有限項的形式即可滿足實際應(yīng)用的要求［6］。

對于一個非線性系統(tǒng)y（t）=f（t，u（t）），其Volterra模型被一系列卷積積分所表示為

式中，積分項內(nèi)的u（t）代表系統(tǒng)的輸入；y（t）表示系統(tǒng)的響應(yīng)。每個卷積積分內(nèi)的線性函數(shù)（h1）以及非線性函數(shù)（h2，…，hn）被稱為系統(tǒng)的Volterra核，它們表征了整個系統(tǒng)的動態(tài)行為。即，一階核h1（τ）是系統(tǒng)輸入u在時間上延時τ后的線性響應(yīng)函數(shù)，二階核h2（τ1，τ2）則反映的是系統(tǒng)的二次特性。依此類推，hn（τ1，τ2，…τn）作為系統(tǒng)的n階核函數(shù)，它包含了系統(tǒng)的n階非線性特征。根據(jù)式（1），Volterra模型的離散數(shù)學(xué)表達(dá)形式如下

式中，N為Volterra模型最大階數(shù)；M為記憶長度；e（k）為截斷誤差。只要N和M取得適當(dāng)，截斷誤差e（k）將很小，可忽略不計。

將式（2）中的hn進行多維廣義離散Fourier變換［7］，即可得到系統(tǒng)的n階頻域Volterra核，或稱為系統(tǒng)的n階廣義頻率響應(yīng)函數(shù)（GFRF）。

相對于脈沖響應(yīng)函數(shù)描述線性系統(tǒng)的傳遞模型，Volterra的頻域核則是描述系統(tǒng)非線性傳遞特性的非參數(shù)模型［8］。因此，針對不同狀態(tài)下表現(xiàn)出的非線性傳遞特性的辨識，利用Volterra模型及其各階核的GFRF頻譜提取相應(yīng)特征，即可分辨出當(dāng)前系統(tǒng)所處狀態(tài)。

2　Volterra故障診斷

本文利用Volterra級數(shù)進行故障診斷的整體流程如圖1所示。

圖1　Volterra故障診斷過程

如圖1所示，流程的核心在于通過實時對比系統(tǒng)當(dāng)前輸出與模擬輸出的偏差，動態(tài)調(diào)整Volterra核，使其更接近真實系統(tǒng)。待調(diào)整穩(wěn)定后，再利用多維廣義離散Fourier變換得到系統(tǒng)的GFRF模型及其各階核的幅頻特性曲線。針對所得到的幅頻特性曲線提取足以表征曲線特性的參量組成特征向量，經(jīng)過標(biāo)準(zhǔn)化處理后輸入PCA模塊，解析出主要影響因素，揭示系統(tǒng)的本質(zhì)，簡化復(fù)雜的問題，最終實現(xiàn)不同狀態(tài)的識別。

2.1GFRF模型辨識

Volterra級數(shù)用以表示單輸入單輸出連續(xù)因果系統(tǒng)，形如式（1）。在進行系統(tǒng)分析時，一般用前三階Volterra級數(shù)即可描述一大類非線性系統(tǒng)的動力學(xué)特性［9］。不考慮直流分量，僅保留前三階，且利用Volterra核的對稱性，式（1）可改寫為

式中，M為記憶長度，e（n）為截斷誤差，I（i，j）=

。

定義系統(tǒng)的輸入矩陣為X（n）=［U（n），U（n+ 1），…，U（n+L-1）］T，輸出矩陣為Y（n）=［y （n），y（n+1），…，y（n+L-1）］T，Volterra核矩陣Θ=［h1（0），…，h1（M-1），h2（0，0），h2（0，1），…，h2（M-1，M-1），h3（0，0，0），h3（0，0，1），…，h3（0，0，M-1），…，h3（M-1，M-1，M-1）］。其中，L為數(shù)據(jù)長度，U（n）=［u（n），…，u（n-M+1），u2（n），2u（n）u（n-1），…，u2（n-M+1），u3（n），3u2（n）u（n-1），…，u3（n-M+1）］。式（4）可改寫成矩陣的形式

從式（5）可以看出，求解Volterra核的問題可以轉(zhuǎn)化為一個標(biāo)準(zhǔn)的最小二乘問題，即

本文采用遞推最小二乘法（RLS）作為模型自適應(yīng)辨識算法，形式如下

其中，初值P可取1 000*eye（ker_num），ker_num為核的個數(shù)。將系統(tǒng)輸入輸出實時采樣數(shù)據(jù)經(jīng)過多次遞推后，即可得到系統(tǒng)的時域內(nèi)Volterra核。

最終，將求得的時域內(nèi)Volterra核hN（m1，m2，…，mN）經(jīng)過離散時間 Fourier變換（Discrete-time Fourier Transform，DTFT）

之后即可得到系統(tǒng)頻域內(nèi)的GFRF模型。

2.2特征提取

在本文中，GFRF模型的特征提取采用目前基于多元統(tǒng)計過程控制的故障診斷技術(shù)的核心—主元分析法（PCA）。合理的選取各階GFRF模型中的最優(yōu)特征，是PCA計算的前提條件。文章選取了最大值，最小值，均方根作為系統(tǒng)GFRF模型特征指標(biāo)，整個計算流程如圖2所示。

圖2　PCA計算流程

3　模型仿真與實驗

本章節(jié)將第3節(jié)介紹的基于Volterra級數(shù)的故障診斷方法應(yīng)用到水輪機調(diào)速器液壓系統(tǒng)，通過在仿真環(huán)境下進行試驗，以驗證該方法的有效性。模型的辨識采用Volterra三階模型。

3.1模型建立

本文仿真對象為水輪機調(diào)速器液壓系統(tǒng)，模型搭建采用Matlab的Simulink平臺。水輪機調(diào)速器的液壓系統(tǒng)主要由電液轉(zhuǎn)換器、主配壓閥、機械液壓開度限制裝置和位置反饋等部分構(gòu)成［10］。本文基于文獻［11］中給出的仿真系統(tǒng)，為了更好的模擬系統(tǒng)非線性特點，在模型中加入了死區(qū)環(huán)節(jié)、限幅環(huán)節(jié)和速度限制環(huán)節(jié)等非線性環(huán)節(jié)。整個模型構(gòu)建如圖3所示。

圖3　液壓系統(tǒng)結(jié)構(gòu)示意

整個系統(tǒng)具有兩級液壓放大，其中控制信號U與接力器位移信號Yf綜合后，由電液轉(zhuǎn)換器帶動引導(dǎo)閥—輔助接力器完成第一級液壓放大，同時對其進行限幅（主接力器開、關(guān)機時間限制）。第一級放大輸出經(jīng)過死區(qū)環(huán)節(jié)（機械件連接間的空隙）后送入主配壓閥—主接力器完成第二級液壓放大，同時對其進行開度限制控制。

依據(jù)實際現(xiàn)場中常見的水輪機調(diào)速器液壓系統(tǒng)故障［12］，此次仿真的水輪機調(diào)速器液壓系統(tǒng)故障包括：

（1）液壓閥卡澀。此種情況發(fā)生時，液壓閥將不能產(chǎn)生正確的機械位移信號，或使接力器朝單一方向（開啟或關(guān)閉）運動，或使接力器固定不動，故不能正確控制導(dǎo)葉（或輪葉）的動作，即

（2）接力器位置反饋信號偏移或消失。此種情況發(fā)生后，隨動系統(tǒng)將出現(xiàn)誤差，甚至?xí)茐碾S動系統(tǒng)的跟隨性能，即

3.2結(jié)果及分析

液壓系統(tǒng)模型參數(shù)選取輔助接力器反應(yīng)時間常數(shù)Ty1=0.01 s，主接力器反應(yīng)時間常數(shù)Ty=0.1 s，死區(qū)Sd=0，Volterra模型階數(shù)為3，取記憶長度為18。仿真系統(tǒng)處于空載擺動工況，模擬該工況下輸入信號如圖4a所示。圖4b為系統(tǒng)真實輸出與模擬輸出的對比圖，兩者之間的誤差見圖4c，從圖中可表明用最小二乘辨識出的Volterra模型能夠能好的還原真實系統(tǒng)。將辨識得到的系統(tǒng)Volterra核經(jīng)過多維廣義離散Fourier變換得到系統(tǒng)GFRF模型，其各階核的幅頻特性曲線如圖4d～4f所示。根據(jù)Volterra理論，系統(tǒng)的GFRF模型在不同的狀態(tài)下具有唯一性，故可以通過對比不同狀態(tài)下系統(tǒng)一階、二階和三階廣義頻率響應(yīng)函數(shù)（H1、H2和H3）的不同來識別系統(tǒng)所處狀態(tài)。

圖4　正常工作狀態(tài)

根據(jù)3.1小節(jié)所述的液壓系統(tǒng)常見故障，通過仿真的方法模擬系統(tǒng)分別處于液壓閥卡澀和接力器位置反饋信號偏移的故障狀態(tài)。將圖5a的信號輸入上述兩種系統(tǒng)，得到相應(yīng)狀態(tài)下系統(tǒng)的輸出。利用采集的輸入輸出信號，經(jīng)過GFRF模型辨識后得到的結(jié)果見圖5、6。

圖5　液壓閥卡澀狀態(tài)

圖6　接力器位置反饋信號偏移狀態(tài)

對比圖4～6中的H1、H2和H3的幅頻特性曲線，可以看出在三種不同狀態(tài)下系統(tǒng)GFRF模型的各階核的幅頻特性曲線具有明顯的不同。H1反映的是系統(tǒng)的線性特征，H2和H3反映的則是系統(tǒng)的非線性特征。由于在仿真故障的情況下，三種不同狀態(tài)下系統(tǒng)的線性特性均被改變，故其H1曲線的形式各有不同。另外，從輸出對比圖中可以看出，液壓閥卡澀狀態(tài)下系統(tǒng)的輸出與正常工作狀態(tài)相比有明顯的非線性，故在前者的H2中可以看到其特性幅值波動較為劇烈。而在接力器位置反饋信號偏移狀態(tài)與正常狀態(tài)相比，其輸出信號形式上基本一致只是幅值上略微減小，反映在H2中即其相對于正常工作狀態(tài)的特性曲線較為平緩。再者，H3體現(xiàn)的則是更為復(fù)雜的非線性關(guān)系，情況與H2基本相同。于此，得到了系統(tǒng)的三種不同的狀態(tài)下系統(tǒng)的GFRF模型，如何從所得到的曲線圖中提取特征，讓狀態(tài)分類更為明顯，成為下一步的重點。

GERF模型的特征提取采用PCA方法，依照3.2節(jié)所述，選取系統(tǒng)H1、H2以及H3的幅頻響應(yīng)曲線的最大值，最小值，均方根共9個特征作為該系統(tǒng)GFRF的特征指標(biāo)，各指標(biāo)數(shù)值見表1。選取輸出特征維度m= 2，經(jīng)過PCA后得到的新的主元特征如圖7a所示。

表1　GFRF模型特征值

圖7　GFRF模型的PCA方格

從圖7a中可以看出，將表1中的各種不同狀態(tài)下的特征向量經(jīng)過PCA特征提取及分類后，以兩個主元特征表示的系統(tǒng)的GFRF模型狀態(tài)點分布在圖示的矩形方格內(nèi)。從圖中可以看出，在3種不同的狀態(tài)下狀態(tài)點的分布位置的差異程度足以分辨。由于GFRF模型在某一狀態(tài)下形式的唯一性，即便是同類型的故障，例如接力器位置反饋信號y偏移，假如故障發(fā)生的情況不同（例如接力器位置反饋信號偏移分別為1.2y和1.5y），在方格圖中所呈現(xiàn)出來的狀態(tài)點的位置也將不同。這就是說，圖中某一狀態(tài)點僅能代表一種特定的故障狀態(tài)。但在通常情況下，同一類的故障的狀態(tài)點在方格圖中出現(xiàn)的位置較為接近，文中給出一例見圖7b。在實際工程應(yīng)用中，可先將各種典型狀況的狀態(tài)點確定下來，畫到方格圖中以備參考。應(yīng)用時，將所采集的輸入輸出信號經(jīng)過本文所述流程分析過后，狀態(tài)點將會唯一的出現(xiàn)在方格圖中的某一位置，此時工作人員可人為地判斷離此狀態(tài)點距離最近的典型工況即為當(dāng)前系統(tǒng)的所處工作狀態(tài)。

4　結(jié)語

本文提出了基于Volterra級數(shù)的水輪機調(diào)速器液壓系統(tǒng)故障診斷方法。通過仿真試驗獲得液壓系統(tǒng)的三種不同狀態(tài)，依據(jù)每種狀態(tài)的輸入輸出信號辨識出各種狀態(tài)下系統(tǒng)的Volterra核，經(jīng)多維廣義離散Fourier變換后得到不同系統(tǒng)的GFRF模型，將GFRF的幅頻特性曲線經(jīng)過PCA特征提取后，各個不同狀態(tài)分類明顯，從而實現(xiàn)了調(diào)速器液壓系統(tǒng)故障的快速準(zhǔn)確診斷。

基于Volterra級數(shù)的故障診斷方法的關(guān)鍵在于如何求出待測系統(tǒng)的Volterra核，由于Volterra核數(shù)目隨著階數(shù)的增加呈幾何級數(shù)增長，如何高效、快速的計算出有效核成了決定診斷過程實時性、準(zhǔn)確性的關(guān)鍵。為了提高辨識效率，可以考慮利用智能算法辨識Volterra的有效核，可極大降低Volterra級數(shù)的核數(shù)目。同時，GFRF中的特征參數(shù)的自適應(yīng)選取也是今后的研究重點。

［1］杜文武.基于改進遺傳算法的水輪機PID調(diào)速器參數(shù)優(yōu)化設(shè)計［D］.南京：河海大學(xué)，2004.

［2］孫邦彥.水輪機調(diào)速器液壓系統(tǒng)常見故障及處理［J］.小水電，2003（4）：32-38.

［3］和一凡，張江濱.基于狀態(tài)觀測器的調(diào)速器液壓系統(tǒng)故障診斷［J］.電網(wǎng)與清潔能源，2009，25（4）：61-64.

［4］鄒波.故障樹與模型參考故障診斷在水輪機調(diào)速器液壓系統(tǒng)的應(yīng)用［J］.武漢大學(xué)學(xué)報：工學(xué)版，2003，36（3B）：117-120.

［5］曹建福，韓崇昭，方洋旺.非線性系統(tǒng)理論與應(yīng)用［M］.西安：西安交通大學(xué)出版社，2001.

［6］TANG H，LIAO Y H，CHAO J Y，et al.Fault diagnosis approach based on Volterra models［J］.Mechanical Systems and Signal Processing，2010，24（4）：1099-1113.

［7］川又政征，口龍雄.多維數(shù)字信號處理［M］.薛培鼎，徐國鼐，譯.北京：科學(xué)出版社，2003.

［8］魏瑞軒，韓崇昭，張優(yōu)云，等.非線性系統(tǒng)故障診斷的Volterra模型方法［J］.系統(tǒng)工程與電子技術(shù)，2004，26（11）：1736-1738.

［9］張華君.基于遞推批量最小二乘的Volterra級數(shù)辨識方法［J］.小型微型計算機系統(tǒng)，2004，25（12）：2282-2285.

［10］魏守平.水輪機調(diào)節(jié)［M］.武漢：華中科技大學(xué)出版社，2009.

［11］太軍君，劉長青，楊曉紅.全數(shù)字水輪機調(diào)速器電液隨動系統(tǒng)的仿真研究［J］.水力發(fā)電，2003，11：41-43.

［12］李朝輝，郭江.調(diào)速器液壓系統(tǒng)的故障診斷及可靠控制策略［J］.水電能源科學(xué)，1999，17（3）：40-43.

（責(zé)任編輯高瑜）

Application of Fault Diagnosis Approach Based on Volterra Series for Hydraulic System of Turbine Governor

FU Yiding，LI Mu，LI Fengpan，GU Ran
（1.China Three Gorges Corporation，Beijing 100091，China；2.State Grid Electric Power Research Institute Wuhan NARI Co.，Ltd.，Wuhan 430074，Hubei，China）

At present，there are some problems in fault diagnosis of hydraulic system of hydraulic turbine governor，such as poor model identification ability，low generalization ability and limited on-line detection ability.By using the high identification ability in nonlinear model and the on-line calculation ability of Volterra series，a new fault diagnosis method is put forward. Firstly，the method uses the recursive least-squares to identify the Volterra kernel of system.Secondly，the Discrete-time Fourier Transform（DTFT）is applied to gain the Generalized Frequency Response Functions（GFRF）model of system. Finally，the characteristics which being extracted from the GFRF are pushed into Principal Component Analysis（PCA）module to classify the different status of system in a coordinate grid map.The simulation results show that this method has a clear process，a powerful adaptable ability and strong identification ability，which can accurately distinguish different system status.

Volterra；Generalized Frequency Response Functions（GFRF）；Principal Component Analysis（PCA）；fault diagnosis；governor；turbine

TV136

A

0559-9342（2016）02-0064-06

2015-08-01

付一?。?985—），男，湖北赤壁人，工程師，碩士，主要從事水電站運行管理工作.