施力仁

(中山市中等專業(yè)學(xué)校，信息技術(shù)部，廣東, 中山 528400)

0 引言

隨著電氣自動技術(shù)的不斷發(fā)展，出現(xiàn)了大量的電氣設(shè)備，電氣設(shè)備在工作過程中，如果狀態(tài)不正常，出現(xiàn)故障，那么會影響電氣設(shè)備的正常工作，甚至可能會影響到其他相關(guān)設(shè)備的正常工作[1-2]。電氣設(shè)備工作狀態(tài)檢測可以幫助管理人員了解電氣設(shè)備的運(yùn)行情況，及時(shí)或者提前發(fā)現(xiàn)電氣設(shè)備的故障，快速處理這些電氣設(shè)備故障，保證電氣設(shè)備的正常工作。因此，電氣設(shè)備狀態(tài)檢測具有十分重要的研究意義[3-5]。

由于電氣設(shè)備狀態(tài)檢測具有較高的實(shí)際應(yīng)用價(jià)值，國內(nèi)外許多研究機(jī)構(gòu)的研究人員、相關(guān)專業(yè)人員以及高校一些科研人員對其進(jìn)行了有益的研究，并取得了一系列的電氣設(shè)備狀態(tài)檢測研究成果，提出了許多有效的電氣設(shè)備狀態(tài)檢測方法[6]。最初一些專業(yè)人員通過專業(yè)工具進(jìn)行電氣設(shè)備狀態(tài)檢測，該方法的檢測過程繁鎖，而且檢測結(jié)果具有一定的盲目性和主觀性，錯(cuò)誤率高，結(jié)果可信度低[7]。隨后出現(xiàn)基于信號處理技術(shù)的電氣設(shè)備狀態(tài)檢測方法，該方法通過信號的變化去跟蹤電氣設(shè)備狀態(tài)，并結(jié)合一些人工智能技術(shù)進(jìn)行電氣設(shè)備狀態(tài)檢測模型的設(shè)計(jì)，如基于決策樹的電氣設(shè)備狀態(tài)檢測方法、基于BP神經(jīng)網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)檢測方法、基于支持向量機(jī)的電氣設(shè)備狀態(tài)檢測方法、基于RBF神經(jīng)網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)檢測方法等。決策樹方法的電氣設(shè)備狀態(tài)檢測速度快，但是檢測正確率較低；支持向量機(jī)的電氣設(shè)備狀態(tài)檢測正確率高，但是檢測實(shí)時(shí)性差;神經(jīng)網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)檢測效果要優(yōu)于決策樹，檢測實(shí)時(shí)性要優(yōu)于支持向量機(jī)，成為當(dāng)前主要的研究方向[8-10]。在神經(jīng)網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)檢測過程中，信號采集和去噪十分關(guān)鍵，當(dāng)前主要采用普通傳感器采集電氣設(shè)備狀態(tài)信號，這些狀態(tài)信號包含了大量的噪聲，對電氣設(shè)備狀態(tài)檢測結(jié)果產(chǎn)生不利影響，使得電氣設(shè)備狀態(tài)檢測效果有待進(jìn)一步提升。

為了解決當(dāng)前方法存在的缺陷，提高電氣設(shè)備狀態(tài)檢測正確率，提出基于光纖傳感器的電氣設(shè)備狀態(tài)檢測方法。該方法結(jié)合了光纖傳感器、小波去噪方法以及RBF神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，通過它們對電氣設(shè)備狀態(tài)變化特點(diǎn)進(jìn)行擬合，并與其他電氣設(shè)備狀態(tài)檢測方法進(jìn)行仿真對比測試實(shí)驗(yàn)，驗(yàn)證了光纖傳感器的電氣設(shè)備狀態(tài)檢測方法的優(yōu)越性。

1 基于光纖傳感器的電氣設(shè)備狀態(tài)檢測方法

1.1 光纖傳感器采集電氣設(shè)備狀態(tài)信號

當(dāng)電氣設(shè)備狀態(tài)發(fā)生變化時(shí)，其信號的波形也會發(fā)生相應(yīng)的變化，因此通過光纖傳感器對電氣設(shè)備狀態(tài)信號進(jìn)行采集。相對于普通傳感器，光纖傳感器對環(huán)境的要求低，可以將被測對象的狀態(tài)轉(zhuǎn)變?yōu)楣庑盘?，使得采集電氣設(shè)備狀態(tài)信號的速度加快。本文選擇的光纖傳感器參數(shù)見表1。

表1 采集電氣設(shè)備狀態(tài)信號的光纖傳感器參數(shù)

1.2 電氣設(shè)備狀態(tài)信號的降噪處理

(1)

對Ψ(t)進(jìn)行伸縮和平移得到小波序列，具體如：

(2)

由于光纖傳感器采集的電氣設(shè)備狀態(tài)信號為數(shù)字信號，因此構(gòu)建離散小波序列，具體為

Ψj,k(t)=2-j/2Ψ(2-jt-k),j,k∈Z

(3)

小波變換具體為

(4)

小波逆變換為

(5)

電氣設(shè)備狀態(tài)信號降噪實(shí)質(zhì)為通過小波變換得不同的小波系數(shù)，將噪聲對應(yīng)的小波系數(shù)置為0，然后重構(gòu)電氣設(shè)備狀態(tài)信號，獲取濾除噪聲后的電氣設(shè)備狀態(tài)信號。

1.3 RBF神經(jīng)網(wǎng)絡(luò)建立電氣設(shè)備狀態(tài)檢測模型

1.3.1 RBF神經(jīng)網(wǎng)絡(luò)

相比其他神經(jīng)網(wǎng)絡(luò)，RBF神經(jīng)網(wǎng)絡(luò)的最大不同點(diǎn)為隱含層采用了徑向基核函數(shù)，通過該核函數(shù)對隱含層節(jié)點(diǎn)的輸入和輸出進(jìn)行非線性映射，可以采用圖1對其結(jié)構(gòu)進(jìn)行描述[11]。

圖1 RBF神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)

設(shè)Wik表示節(jié)點(diǎn)之間的連接權(quán)值，對一個(gè)輸入向量X′，通過非線性映射數(shù)R()可以得到節(jié)點(diǎn)的相應(yīng)輸出計(jì)算式為

(6)

式中，i為神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)編號。

徑向基核函數(shù)為

(7)

式中，ci表示徑向基的中心。

對于第j個(gè)樣本，計(jì)算其與所有徑向基的中心之間的距離，并找到最小的中心cmin，具體如：

cmin(j)=cmin(j-1)+α(X′(j)-cmin(j-1))

(8)

RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)步驟如下。

Step 1：根據(jù)待求解的問題對RBF神經(jīng)網(wǎng)絡(luò)的相關(guān)參數(shù)進(jìn)行初始化，并設(shè)置學(xué)習(xí)的允許的最大誤差。

Step 2：根據(jù)式(8)確定輸入樣本與隱含層節(jié)點(diǎn)之間的最小距離。

Step 3：不斷調(diào)整徑向基核函數(shù)的中心。

Step 4：對于整個(gè)訓(xùn)練樣本反復(fù)執(zhí)行Step 2至Step 3，直到滿足式(9)設(shè)定的條件為止，

(9)

Step 5：確定最優(yōu)徑向基核函數(shù)的中心后，對權(quán)值wik進(jìn)行更新操作：

wki(k+1)=wki(k)+Δwki(k)

(10)

1.3.2 RBF神經(jīng)網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)檢測原理

首先采集電氣設(shè)備狀態(tài)信號，并采用小波變換去掉電氣設(shè)備狀態(tài)信號的噪聲；然后提取電氣設(shè)備狀態(tài)檢測特征，并對其進(jìn)行歸一化處理；最后采用RBF神經(jīng)網(wǎng)絡(luò)對特征和電氣設(shè)備狀態(tài)之間的關(guān)系進(jìn)行學(xué)習(xí)，建立電氣設(shè)備狀態(tài)檢測模型。

2 電氣設(shè)備狀態(tài)檢測方法的性能測試

2.1 測試平臺

為了測試基于光纖傳感器的電氣設(shè)備狀態(tài)檢測方法的有效性和優(yōu)越性，選擇沒有降噪+RBF神經(jīng)網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)檢測方法(RBFNN)、普通傳感器的電氣設(shè)備狀態(tài)檢測方法進(jìn)行對比實(shí)驗(yàn)，采用電氣設(shè)備狀態(tài)檢測正確率、電氣設(shè)備狀態(tài)的誤檢率和漏檢率以及電氣設(shè)備狀態(tài)檢測效率分析各種檢測方法的測試結(jié)果，采用相同的測試平臺，具體如表2所示。

表2 電氣設(shè)備狀態(tài)檢測測試平臺

2.2 測試對象

為了使電氣設(shè)備狀態(tài)檢測結(jié)果更具說服力，將電氣設(shè)備狀態(tài)劃分為5種類型：正常狀態(tài)、元件故障、電路故障、負(fù)載不均衡、電源故障，分別采用1～5進(jìn)行編號，對各種狀態(tài)的樣本進(jìn)行采集，采集的各種樣本數(shù)量如表3所示。

表3 5種類型電氣設(shè)備狀態(tài)的樣本數(shù)量

2.3 電氣設(shè)備狀態(tài)檢測結(jié)果分析

采用不同電氣設(shè)備狀態(tài)檢測方法對表3中的測試數(shù)據(jù)進(jìn)行學(xué)習(xí)和建模，并統(tǒng)計(jì)電氣設(shè)備狀態(tài)檢測正確率、電氣設(shè)備狀態(tài)的誤檢率和漏檢率，結(jié)果如圖2所示。

(a)檢測正確率

從圖2可以看出。

(1)普通傳感器的電氣設(shè)備狀態(tài)檢測正確率為81.47%，電氣設(shè)備狀態(tài)的誤檢率和漏檢率分別為10.02% 和8.51%，電氣設(shè)備狀態(tài)檢測結(jié)果無法達(dá)到理想狀態(tài)，缺陷十分明顯，這是因?yàn)槠胀▊鞲衅鲗Νh(huán)境因素比較敏感，影響了電氣設(shè)備狀態(tài)信號的采集。

(2)RBFNN的電氣設(shè)備狀態(tài)檢測正確率為86.25%，電氣設(shè)備狀態(tài)的誤檢率和漏檢率分別為8.12% 和5.63%，電氣設(shè)備狀態(tài)檢測結(jié)果并非最優(yōu)，這是因?yàn)闆]有進(jìn)行降噪處理，噪聲干擾了電氣設(shè)備狀態(tài)檢測結(jié)果。

(3)光纖傳感器的電氣設(shè)備狀態(tài)檢測正確率為93.34%，電氣設(shè)備狀態(tài)的誤檢率和漏檢率分別為4.26%和2.40%，電氣設(shè)備狀態(tài)檢測結(jié)果十分理想，克服了RBFNN和普通傳感器的缺陷，這是因?yàn)楸疚姆椒ú捎霉饫w傳感器采集信號，并對噪聲進(jìn)行了去除處理，改善了電氣設(shè)備狀態(tài)檢測結(jié)果。

2.4 電氣設(shè)備狀態(tài)的檢測效率對比

統(tǒng)計(jì)不同方法的電氣設(shè)備狀態(tài)檢測時(shí)間，結(jié)果如圖3所示。對圖3的電氣設(shè)備狀態(tài)檢測時(shí)間進(jìn)行分析可以發(fā)現(xiàn)，對不同的狀態(tài)，電氣設(shè)備狀態(tài)檢測時(shí)間有一定的差異性，但是對于同一種狀態(tài)，光纖傳感器的電氣設(shè)備狀態(tài)檢測時(shí)間要少于普通傳感器和RBF神經(jīng)網(wǎng)絡(luò)，這主要是由于通過降噪處理，簡化了電氣設(shè)備狀態(tài)檢測的建模過程，提升了電氣設(shè)備狀態(tài)的檢測效率。

圖3 電氣設(shè)備狀態(tài)檢測時(shí)間對比

2.5 電氣設(shè)備狀態(tài)檢測方法的通用性測試

為了本文方法的通用性，采用本文方法對100個(gè)電氣設(shè)備的各種狀態(tài)進(jìn)行檢測，統(tǒng)計(jì)電氣設(shè)備狀態(tài)檢測正確率，結(jié)果如圖4所示。從圖4可以看出，本文方法的電氣設(shè)備狀態(tài)檢測正確率均高于90%，電氣設(shè)備狀態(tài)檢測結(jié)果十分穩(wěn)定，具有較好的通用性，實(shí)際應(yīng)用范圍廣泛。

圖4 電氣設(shè)備狀態(tài)檢測的通用性測試

3 總結(jié)

針對當(dāng)前的電氣設(shè)備狀態(tài)檢測過程中受噪聲干擾和檢測效果不理想的問題，為了獲得更優(yōu)的電氣設(shè)備狀態(tài)檢測結(jié)果，本文提出了基于光纖傳感器的電氣設(shè)備狀態(tài)檢測方法，并通過具體仿真實(shí)驗(yàn)可以得到如下結(jié)論。

(1)采用光纖傳感器對電氣設(shè)備狀態(tài)信號進(jìn)行采集，克服了外界環(huán)境對電氣設(shè)備狀態(tài)信號檢測過程的干擾，獲得了更好的電氣設(shè)備狀態(tài)信號。

(2)引入去噪技術(shù)對電氣設(shè)備狀態(tài)信號進(jìn)行預(yù)處理，過濾掉電氣設(shè)備狀態(tài)信號中的噪聲，消除了噪聲對電氣設(shè)備狀態(tài)檢測特征提取的不利影響。

(3)采用RBF神經(jīng)網(wǎng)絡(luò)跟蹤電氣設(shè)備狀態(tài)的變化特點(diǎn)，解決了當(dāng)前方法無法有效擬合電氣設(shè)備狀態(tài)變化特點(diǎn)的弊端，不僅提高了電氣設(shè)備狀態(tài)檢測正確率，而且其電氣設(shè)備狀態(tài)檢測結(jié)果更加可信。

(4)相對于其他電氣設(shè)備狀態(tài)方法，本文方法的電氣設(shè)備狀態(tài)檢測結(jié)果和檢測效率均得到了一定的提升，可以保證電氣設(shè)備正常工作，能夠提升電氣設(shè)備運(yùn)行的安全性和可靠性，具有十分廣泛的應(yīng)用前景。