武漢輕工大學 覃 帥

引言

伴隨著現(xiàn)代電子和計算機技術的發(fā)展，在電氣設備故障診斷方面，已經可以利用聲波信號分析等故障診斷技術進行常規(guī)檢測儀器的代替，從而實現(xiàn)對大型復雜電氣設備故障的全面檢測和準確診斷，提高設備故障診斷效率和可靠性，加強設備監(jiān)控管理，為電氣設備運行提供全方位保護。

1 聲波信號分析技術概述

在聲波信號采集的過程中，通常伴有大量噪聲，將對電氣設備故障診斷帶來影響。采用聲波信號分析技術，可以通過對采集得到的聲波信號進行分離，完成電氣設備聲波信號特征的提取，從而通過聲波信號分析確認設備是否存在故障。在聲波信號分析上，通常采用分離技術對信號進行分類處理和加工，然后利用濾波技術實現(xiàn)對信號的消噪和特征提取。針對取得的特定頻段的數據，可以通過信號分析和數據處理完成信號轉換，從而對信號中的特征信息進行反映。

2 基于聲波信號分析的電氣設備故障診斷方法

2.1 電氣設備故障診斷總體方案

在實際進行電氣設備聲波信號采集時，還要利用數字信號處理方法對信號變化規(guī)律和突變特征進行定量分析。為此，還要完成信號的實時采集，同時對信號進行處理和分析。通過狀態(tài)識別，則能做出故障診斷決策[1]。為判斷設備是否存在故障，需要完成系統(tǒng)知識庫的建立，利用推理機將參數與判別參數比較，從而在判別故障的同時，對故障的性質和類型進行確認。最后，結合設備故障判斷結果，需要結合當前信號進行設備狀態(tài)發(fā)展趨勢的預測，然后制定科學的故障診斷決策。而借助專家系統(tǒng)，則能實現(xiàn)故障的在線診斷決策。如圖1所示，為基于聲波信號分析的電氣設備故障診斷總體方案圖。

圖1 基于聲波信號分析的電氣設備故障診斷總體方案圖

2.2 電氣設備故障診斷關鍵環(huán)節(jié)

2.2.1 聲波信號采集

在利用聲波信號分析技術對電氣設備故障進行診斷時，可以用某AX信號繼電器為例，采用CHZ型3Hz-18kHz的電容傳感器對設備聲波信號進行采集。在信號采集階段，需要實現(xiàn)信號數字化處理，對連續(xù)時間信號進行離散化處理。運用數學理論，需完成幅值調制形式的采樣。在頻率選擇時，還應避免混疊現(xiàn)象的產生，確保信號不失真的同時，滿足后續(xù)信號處理要求。采用計算機，可以完成頻率為40kHz的聲音信號采樣，因此可以滿足電氣設備故障診斷的聲波信號頻譜測試要求。

2.2.2 聲波信號處理

在信號處理階段，需要采用分層閾值法進行信號噪聲的消除。由于故障信號屬于瞬變信號，所以難以利用傅里葉分析方法進行區(qū)分，以免在整個頻域將故障信號平滑掉。針對這一問題，還要詞用小波分析法進行信號消噪處理。利用式（1），可以進行含噪聲信號模型的表示。式中，s(t)為采集得到的信號，x(t)為原始信號，e(t)為噪聲信號，σ指的是噪聲強度。通過去噪，則能使信號中的噪聲得到抑制，恢復真實信號x(t)。

結合電力工程的實際情況可知，在多數信號中，不僅包含奇異點，同時也存在不連續(xù)點。采用相同的閾值無法滿足去除噪聲和留下有用信號的目的，因此還要采用分層閾值。如式（2）所示，J為最大尺度，取值為2，N為預設噪聲功率，A指的是最大極值點幅度[2]。而N為預設的功率，Z不變的情況下，需要在本級尺度J上進行A的查找。在降噪后，對各尺度的模極大值點進行保留，則能完成信號的重構。

2.2.3 故障特征提取

在特征提取過程中，還要結合小波包特征進行關鍵特征信息的識別和分離。具體來講，就是對第三層從低到高的8個頻率成分信號特征進行分別提取，將各系數命名為X3K。通過重構分解系數，可以對各頻帶范圍內的信號進行提取。通過分析，可以得到總信號S=S30+S31+……+S37。對各頻帶信號總能量進行計算，可以得到S3j能量為E3j，j=0,1,1……,7，可得下式（3）。式中，xjk為重構信號的離散點幅值。

利用能量元素進行特征向量T的構造，可以得到：

作為較大的數值，E3j在能量較大時將給數據分析帶來阻礙。通過改進特征向量，完成歸一化處理，可以得到式（4）。通過對信號進行三層分解，可以完成各自特征向量的構造。

2.2.4 設備狀態(tài)趨勢預測

針對電力設備，其運行聲波信號中包含的奇異信號也包含設備重要特征信息，通過對奇異點進行定量分析，可以較好的實現(xiàn)故障診斷。采用小波變換，可以利用方法的時頻局部性特征對奇異點位置進行有效分析。在具體采用該方法時，通過特征提取，可以發(fā)現(xiàn)設備聲波信號中存在不規(guī)則的突變信號，其中包含重要特征信息。通過對奇異點進行檢測，可以實現(xiàn)對給設備運行狀態(tài)帶來擾動的潛在因素，從而通過準確檢測設備狀態(tài)完成突變信號的變換，實現(xiàn)對信號發(fā)展趨勢的準確判斷。如式（5）所示，連續(xù)小波變換Wy(a,b)的時間-頻率分辨率將有所變化。針對動態(tài)測試信號進行小波包分解，可以將混頻信號分解為多個頻帶不重疊的子信號。結合分解結果，可以完成不同頻段分量幅值的觀察，從而在幅值和頻率兩方面對測試信號的變化趨勢進行把握。通過將實物故障注入模擬與驗證，則能完成電氣設備在線監(jiān)測和診斷系統(tǒng)的構建，得到實物故障狀態(tài)數據庫。

2.3 故障診斷方案效果的驗證

為對故障診斷方案效果進行驗證，還要采用Matlab對幾組表征信號的信息數據進行分析和處理，然后以此為推理機進行信號特征值的判斷依據，實現(xiàn)對設備聲波信號的在線監(jiān)測。

如表1所示，實驗數據重復性良好。從實驗結果來看，采用SVM模型進行故障診斷，診斷決策的正確率在80%左右，采用基于聲波信號分析的故障診斷方法正確率超出了90%，能夠滿足電氣設備的故障診斷需求。

表1 實驗得到的信號輸出能量數據

3.結論

通過研究可以發(fā)現(xiàn)，在電氣設備故障診斷方面，需要完成設備運行數據采集、分析和處理，并完成數學模型建立，才能實現(xiàn)對設備運行監(jiān)控和故障的智能診斷。而采用聲波信號分析技術，可以實現(xiàn)對電氣設備故障的全面檢測和準確診斷，同時也能實現(xiàn)設備故障的提前預報，從而為設備運行提供保護。

[1]程志萬,趙現(xiàn)平,譚向宇.利用改進EEMD的高壓斷路器聲波故障診斷方法[J].科技創(chuàng)新導報,2014,11(35):90.

[2]李建鵬,趙書濤,夏燕青.基于雙譜和希爾伯特-黃變換的斷路器故障診斷方法[J].電力自動化設備,2013,33(02):115-119+125.