基于卷积型小波包变换的船用水位调节器故障辨识

刘东东 陈 兵 王华明

1海军工程大学 船舶与动力学院，湖北 武汉 430033

2海装驻沈阳地区军事代表局，辽宁 沈阳 110034

基于卷积型小波包变换的船用水位调节器故障辨识

刘东东1陈 兵1王华明2

1海军工程大学 船舶与动力学院，湖北 武汉 430033

2海装驻沈阳地区军事代表局，辽宁 沈阳 110034

以某型蒸汽船的主冷凝器水位调节器为研究对象，应用卷积型小波包变换提取各种故障信号分解后的相对小波包能量，建立水位调节器标准故障库，并引进Euclidean空间距离公式作为判据进行故障识别。实验结果表明，该方法可以对水位调节器的典型故障进行快速、正确分类，降低了其故障定位与维修的盲目性。

能量特征向量；故障辨识；实验

1 引言

液压系统故障诊断始于20世纪60年代，是以英国Bath大学和英国机器保健和加拿大医学会（MHMG和CMA）最先开始研究液压系统的故障诊断技术［1］。液压系统的故障诊断已经历了长期的发展过程，但是液压系统故障诊断技术的研究仍主要集中于其动力系统，而对液压调节系统故障诊断的研究却极其有限。随着舰船自动化程度的提高，大量的监测及调节设备得到了广泛地应用，作用也日益重要。船用水基调节器就是用于自动准确控制和保持各种热工参数为要求值［2］。然而工程应用表明，调节设备的故障往往是潜在的且难以判断，给舰船和人员安全带来巨大隐患。因此，液压调节系统的状态监测及故障辨识，对于及时排除调节器故障，安全实现自动化具有非常重要的意义。

另外，传统的小波包算法［3］分解时，隔二抽一的特点会使分解频带数据点随分解层次的增加而减少，这种情况在故障诊断领域不是很有利，而卷积型小波包变换克服了这一问题。本文采用卷积型小波包变换提取小波包能量向量作为故障特征，并通过模式识别的知识使调节器故障辨识加以量化。

2 卷积型小波包理论及能量特征向量构造

2.1 卷积型小波包的特点及快速算法

小波分解多分辨率分析的特点［4-6］克服了传统信号分析中时域和频域的局部化矛盾。研究证明，选择适当的小波基函数，可以实现故障的检测与诊断；相对于小波分解，小波包分解的主要优点在于将小波分解中未分解的高频部分进一步分解，提高了高频部分的频率分辨率；而相对于传统小波包算法，卷积型小波包算法分解的优点［7］在于，不管分解多少层，无需重构，每层各频道序列的长度均与原信号长度保持一致，这一特点使得它在机械故障分析领域有着突出的优势。

卷积型小波包分解的快速算法为：

卷积型小波包的重建公式为：

式中，xp为小波包系数；h（k）为分解低通滤波器系数；g（k）为分解高通滤波器系数；j为分解层数，j层分解后，信号被平分为2j个频带；n为小波包系数xp所在频带号。

2.2 相对小波包能量向量

根据上述理论对信号进行j层小波包分解后，可以得到2j个频带，定义信号在某一特定频带的能量为该频段小波系数（k）的平方和，即：

总的能量表达式如下：

某频带相对小波包能量为：

定义相对小波包能量特征向量［8］为：

3 相对小波包能量与故障诊断

故障诊断的实质是在故障特征提取的基础上进行模式识别。当系统发生故障时，其输出信号的能量空间分布与正常系统的输出相比会发生相应的变化，即输出信号的能量空间分布包含着丰富的故障特征信息。应用小波包技术可以将包括正弦信号在内的任意信号无冗余、无疏漏、正交地分解到相应的独立频带内，这些分解频带内的信号都具有一定的能量，通过分析小波包分解后的相应频带里能量比例的变化，可以对设备的工作状态进行有效地监测与诊断，即通过相对小波包能量的计算可以有效提取具有代表性的故障特征，进而作为故障模式识别的基础。

基于相对小波包能量特征向量的故障诊断依赖于标准故障库［8］，首先对设备各种状态的先验工程数据进行聚类分析，根据第1节中的理论建立标准故障库 Tbi，（i＝1，2，…，q），q 为标准故障的个数，使某一种特定的故障对应一组特征向量；该标准故障库具有开放性，即故障库会随着工程实践中故障种类的增加而增大，标准故障库建好以后，剩下的工作就是模式识别的内容了。本文通过计算待诊断特征向量Td与标准故障库中特征向量 Tbi间的距离 d （Td，Tbt）， 再取其最小值 g（Td，Tbs），s∈i进行故障模式识别，即待诊断故障特征向量与标准故障库中每个特征向量之间的距离构成一个向量，然后查找该向量的最小值，距离最小的两个故障向量所表征的故障类别相同：

也就是说，如果Td与Tbs之间的距离最小，则把待诊断的状态归入标准特征库中Tbs所代表的故障类别s。本文中距离的计算采用最常用的Euclidean空间距离函数，公式如下：

3 实验及数据分析

3.1 实验及数据分析

蒸汽动力装置主冷凝器水位调节器作为汽力装置自动调节系统的一部分，用于在装置各稳定工况下，自动保持主冷凝器水位在一定范围内，在变负荷过程中使水位的最大偏差不超过水表可见范围。

本文实验对主冷凝器水位调节器的典型故障机理进行研究，以实验室具备的某型船水位调节器为实验平台，制造所需故障部件，人为模拟正常（本文将正常状态作为一种特殊的故障状态）、接受喷管乙堵、接受喷管甲堵和伺服器活塞无填料四种典型故障状态，如图所示加装压力传感器P1和P2，流量传感器Q及位移传感器S用于监测调节器状态信号，并对接受喷管甲的流量信号进行分析，研究本文方法对四种典型故障状态的识别能力。

基于相对小波包能量的故障诊断依赖于标准故障特征库。为了验证方法的有效性，本文针对四种典型工作状态分别做两组实验：一组实验数据用于建立标准故障特征库Tb；另一组实验数据作为测试数据xd，用于提取待诊断的故障特征向量Td。诊断过程如图2所示。

3.2 数据分析

缓慢激励（缓慢改变水位）时，取各工作状态下接受喷管甲的一组流量信号进行分析，通过Matlab编程［9］实现卷积型小波包算法，选用DB4作为小波包基函数，分别对模拟的四种故障的流量信号进行三层卷积型小波包分解，得到8个子频带，按照2.2节所给理论提取各频带能量占信号总能量的比例构成故障特征向量，建立标准故障特征库，见表1。

同样工况下，取四种故障状态下接受喷管甲的另一组流量信号作为测试数据，用同样的方法对选取的待诊断状态的信号进行分解，提取相对小波包能量，构成待诊断故障特征向量，用于计算与标准特征库中每个状态特征向量之间的距离，见表2。

对比表1与表2的计算结果发现，水位调节器在各种工作状态下，其能量均主要集中在频带1，占信号总能量的99%以上，其他频带的能量比例均很小，而且能量分布无明显差异。由此可见，无法通过待诊断故障特征向量与标准故障特征库中已知类别的各个特征向量的比较，直接进行故障识别与分类。因此，结合模式识别的理论，引入Euclidean空间距离公式，以作为故障模式识别的判据。

表1 标准故障特征库Tb

表2 待诊断故障特征向量Tb

按照公式（8），应用Matlab软件编程遍历计算待诊断特征向量与标准故障库中每个特征向量之间的 Euclidean 距离 d（Td，Tbi），见表 3。

表3 Euclidean距离

表3中同行数据为某一种待诊断故障特征向量分别与标准故障库中四种典型故障特征向量之间的Euclidean距离，分析表3中各行数据，可以得出如下结论：当某一待诊断故障特征向量与标准故障库中的某一特征向量表征同一故障类别时，两个向量之间的Euclidean距离最小，在表3中显示为对角线上的各个数据，该结果和第2节中模式识别的假设完全吻合。

在实际工程应用中，设备状态监测得到的信号数据所表征的故障类别是未知的，但在标准故障库中每个特征向量所表征的故障却是已知的，这样就可以遍历求待诊断状态的特征向量与标准故障库中所有特征向量之间的Euclidean距离，距离最小的两个故障向量所表征的故障类别一致，从而可以达到故障识别的目的。

把待诊断特征向量与标准故障库中每个特征向量之间的距离组成一个距离向量，再通过Matlab软件编程查找该向量中最小值所对应的下标，可以使诊断结果更加一目了然，加快诊断速度，同时减少误判。

4 结束语

船用水基调节器对实现舰船自动化至关重要，本文通过实验对某蒸汽船主冷凝器水位调节器的四种典型故障进行了模拟，并将基于卷积型小波包变换的相对小波包能量特征提取及基于Euclidean空间距离公式的模式识别应用于该调节器的故障诊断中，实验结果表明，该方法可以对该调节器的典型故障进行有效识别，且易于实现，具有较高的工程应用价值。

但是本文仅考虑了单一故障源的情况，对于多种故障并发时该方法是否仍然有效，还需进一步研究验证，而且该方法对标准故障库中没有包含的故障模式无法识别。

［1］周汝胜，焦宗夏，王少平.液压系统故障诊断技术的研究现状与发展趋势［J］.机械工程学报，2006，42（9）：6－14.

［2］吴奕亮.舰用汽力装置自动调节［M］.武汉：海军工程大学出版社，1993.

［3］刘泽华.基于小波理论的液压系统诊断特征提取与故障分类方法研究［D］.西安建筑科技大学，2007.

［4］何正嘉，赵纪元.机械设备非平稳信号的故障诊断原理及应用［M］.北京：高等教育出版社，2001.

［5］鞠培刚.小波分析在往复机械特征提取中的应用研究［D］.大连理工大学，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］赵学智，陈统坚.卷积型小波包变换及其快速算法［J］.信号处理，2002，18（6）：543－546.

［8］唐贵基，范德功，胡爱军，等.基于相对小波包能量特征向量的故障诊断［J］.煤矿机械，2006，27（4）：727－719.

［9］葛哲学，沙威.小波分析理论与MATLABR2007实现［M］.北京：电子工业出版社，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

武器装备预研基金项目资助（9140A27050106JB11）

刘东东（1984 - ） ，男，硕士研究生。研究方向：热力系统监测与故障诊断。E-mail：dongdongwuhan@ 163. com

陈兵（1962- ） ，男，副教授，硕士生导师。研究方向：热力系统监测与故障诊断