故障信号小波检测方法的研究

孙 昊，李凌燕，杜海莲，句希源

（1.国网河北省电力公司石家庄供电分公司，石家庄 050051；2.河北师范大学，石家庄 050021）

故障信号小波检测方法的研究

孙 昊1，李凌燕1，杜海莲2，句希源2

（1.国网河北省电力公司石家庄供电分公司，石家庄 050051；2.河北师范大学，石家庄 050021）

分析小波变换用于故障检测的基本原理以及小波函数的选取原则，介绍利用不同小波函数进行信号噪声消除，奇异点检测及故障的定位等方法，通过测取电动机启动电流信号的小波变换，实现转子断条故障的在线诊断，说明该方法有效，并具有可操作性。

小波变换；小波函数；故障诊断；异步电动机

0 引言

在故障诊断领域，信号的奇异性或突变点通常包含了丰富的故障信息。确定信号奇异性的传统方法是根据Fourier变换收敛于零的快慢来判定该信号的奇异性及奇异性强弱［1－3］。在设备故障诊断中，由于检测信号非常微弱，能量很小，往往容易被噪声淹没而难以辨别。当应用傅立叶变换进行故障诊断时，不能进行局部化分析。小波变换具有良好时－频局部化特性，对信号的奇异性、奇异点位置及奇异度大小分析尤为有效，能对信号的高频、短时成分准确地在时域和频域中进行分析，可将故障特征信号有效地分离出来，从而对故障作出分析与解析［4－6］。然而，选择不同的小波函数分析信号的奇异性及奇异性位置和奇异度的大小，其检测效果也不一样，因此，如何选择合适的小波函数非常重要，目前尚没有一定的规则来断定如何选择小波。以下针对感应电动机的定子电流信号，分析探讨利用不同的小波函数进行信号除噪，奇异性检测及故障的诊断。

1 故障信号的小波分析

1.1 奇异性检测

首先取函数ψ（x）为基小波，对函数f（x）的小波变换可写成

1.2 小波函数的选取

信号奇异点可通过信号的小波变换局部极大值来定位，而奇异性运用该点的Lipschitz来定量描述。运用该理论来实现信号的奇异性检测，比常规手段更优越。在实际中，Morlet小波运用领域较广，可以用于信号表示和分类、图像识别、特征提取；墨西哥草帽小波用于系统辨识；对于数字信号往往选择Haar或Daubechies作为小波基波，另外还有根据小波函数的消失矩来选择小波基波。

在故障的奇异性检测中，信号的奇异点可以从其小波变换的小波系数模极大值中检测出来。基本原理是当信号在奇异点附近的Lipschitz指数a＞0时，其小波变换的模极大值随尺度的增大而增大；当a＜0时，则随尺度的增大而减小。基于小波规则性系数相似性选择小波基波，主要是从小波分析和Fourier变换的基本思想相似，Fourier变换是以正弦为基波，用其各次谐波来近似某一函数，而小波分析是利用小波的窗函数特性来分段逼近，小波系数的大小反映了小波和函数某段的相似程度。同时函数和小波的规则性均表示着各自的可微性和平滑程度。

2 小波变换故障诊断实验与仿真

2.1 信号的去噪和滤波

小波除噪的基本思想是首先将混有噪声的信号进行小波分解，根据噪声与信号在各尺度（频带）上的小波谱具有的不同表现这一特点，将各尺度上噪声产生的小波谱分量去掉，再利用小波变换的重构算法重新构造原信号。

设含噪声信号模型为s（t）＝sin（ωt）＋w（t），其中w（t）为随机噪声。利用db8、sym3小波分别进行6尺度分解，采用ddencmp函数获得默认阈值，用wdencmp命令函数消噪效果见图1。

图1 小波除噪前后的信号波形图

图1中，波形1为原始信号波形，波形2为含噪信号波形，波形3为用db8小波除噪后的波形，波形4为用sym3小波除噪后的波形。由仿真结果可见，利用小波变换可以有效抑制信号中的噪声部分，恢复原始信号。并且选用不同小波的除噪效果明显不同，选用db8小波比用sym3小波的滤波效果好。

2.2 故障信号奇异检测

电动机在运行时由于绕组过热、绝缘老化等征兆，导致电机设备发生故障，通常这些征兆是渐渐恶化，并暴露出一些不正常的状态信息，最终通过定子电流的变化反映出来。

针对电机定子电流故障信号，进行6尺度的小波分解，图2为U相绕组故障电流突变及小波变换。

图2 U相绕组电流突变及小波变换

图2中，波形1为故障电流信号，U相电流在x＝2π处发生了电流突变，波形3为采用haar小波变换后的波形，波形3为采用db6小波变换后的波形。显然，波形3可以清楚看出，信号不连续点经小波变换后，时域定位非常精确，即该故障点发生在t＝2π处（采样点为128）。

2.3 转子断条故障小波检测

当异步电动机变负载运行时，则定子电流的幅值和转速的大小都会随着负载而变化，使得转差率s的变化而引起转子断条故障边频分量也在不断的变化，在这种情况下，电动机定子电流频谱图中除电网频率f1（50Hz）处有较高的谱峰外，还有以f1为中心的各种调制分量。为了实现对电动机变负载运行时转子断条故障的检测与诊断，实验通过电流互感器把启动过程定子电流信号送到数据采集卡，并由计算机进行小波变换处理。

该实验过程是在电动机转子中设有2根断条故障情况下完成，在对启动电流信号进行实时数据采集时，采集频率fs＝10kHz。数据处理的方法采用db40小波10尺度分解，图3给出了小波分解频率范围，d9、d10分别是9尺度和10尺度高频小波系数，a10是低频小波系数。

图3 小波分解频率范围

图4为电动机正常时启动电流小波变换，图5为电动机转子断条时启动电流小波变换。

图5与图4波形比较，显示出高阶小波变换a10、d10和d9中信号的幅值分布有非常明显的波动变化，说明存在转子断条故障谐波频率。

3 结束语

电动机设备在运转时经常会发生故障，如何快速提取故障信号，准确定位故障发生点是故障分析与检测的关键。基于小波变换的信号处理技术是当前的研究热点。利用小波变换对故障电流信号进行噪声的消除，奇异点的检测及故障定位，通过测取电动机启动电流信号小波变换，实现转子断条故障的在线诊断，进一步提高了故障检测的准确性。

图5 电动机转子断条时启动电流小波变换

［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］吕 锋，孙 杨，文成林，等.基于小波分析的电机故障振声诊断方法.电机与控制学报，2004，8（4）：322-325，328.

本文责任编辑：齐胜涛

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

孙 昊（1983－），男，工程师，主要从事电气安全技术、电力负荷预测等方面的研究工作。

河北省自然科学基金资助 （F2014205115）。