基于声波信号分析的电气设备故障诊断方法研究

2018-05-28武汉轻工大学

电子世界 2018年10期

武汉轻工大学覃帅

引言

伴随着现代电子和计算机技术的发展，在电气设备故障诊断方面，已经可以利用声波信号分析等故障诊断技术进行常规检测仪器的代替，从而实现对大型复杂电气设备故障的全面检测和准确诊断，提高设备故障诊断效率和可靠性，加强设备监控管理，为电气设备运行提供全方位保护。

1 声波信号分析技术概述

在声波信号采集的过程中，通常伴有大量噪声，将对电气设备故障诊断带来影响。采用声波信号分析技术，可以通过对采集得到的声波信号进行分离，完成电气设备声波信号特征的提取，从而通过声波信号分析确认设备是否存在故障。在声波信号分析上，通常采用分离技术对信号进行分类处理和加工，然后利用滤波技术实现对信号的消噪和特征提取。针对取得的特定频段的数据，可以通过信号分析和数据处理完成信号转换，从而对信号中的特征信息进行反映。

2 基于声波信号分析的电气设备故障诊断方法

2.1 电气设备故障诊断总体方案

在实际进行电气设备声波信号采集时，还要利用数字信号处理方法对信号变化规律和突变特征进行定量分析。为此，还要完成信号的实时采集，同时对信号进行处理和分析。通过状态识别，则能做出故障诊断决策[1]。为判断设备是否存在故障，需要完成系统知识库的建立，利用推理机将参数与判别参数比较，从而在判别故障的同时，对故障的性质和类型进行确认。最后，结合设备故障判断结果，需要结合当前信号进行设备状态发展趋势的预测，然后制定科学的故障诊断决策。而借助专家系统，则能实现故障的在线诊断决策。如图1所示，为基于声波信号分析的电气设备故障诊断总体方案图。

图1 基于声波信号分析的电气设备故障诊断总体方案图

2.2 电气设备故障诊断关键环节

2.2.1 声波信号采集

在利用声波信号分析技术对电气设备故障进行诊断时，可以用某AX信号继电器为例，采用CHZ型3Hz-18kHz的电容传感器对设备声波信号进行采集。在信号采集阶段，需要实现信号数字化处理，对连续时间信号进行离散化处理。运用数学理论，需完成幅值调制形式的采样。在频率选择时，还应避免混叠现象的产生，确保信号不失真的同时，满足后续信号处理要求。采用计算机，可以完成频率为40kHz的声音信号采样，因此可以满足电气设备故障诊断的声波信号频谱测试要求。

2.2.2 声波信号处理

在信号处理阶段，需要采用分层阈值法进行信号噪声的消除。由于故障信号属于瞬变信号，所以难以利用傅里叶分析方法进行区分，以免在整个频域将故障信号平滑掉。针对这一问题，还要词用小波分析法进行信号消噪处理。利用式（1），可以进行含噪声信号模型的表示。式中，s(t)为采集得到的信号，x(t)为原始信号，e(t)为噪声信号，σ指的是噪声强度。通过去噪，则能使信号中的噪声得到抑制，恢复真实信号x(t)。

结合电力工程的实际情况可知，在多数信号中，不仅包含奇异点，同时也存在不连续点。采用相同的阈值无法满足去除噪声和留下有用信号的目的，因此还要采用分层阈值。如式（2）所示，J为最大尺度，取值为2，N为预设噪声功率，A指的是最大极值点幅度[2]。而N为预设的功率，Z不变的情况下，需要在本级尺度J上进行A的查找。在降噪后，对各尺度的模极大值点进行保留，则能完成信号的重构。

2.2.3 故障特征提取

在特征提取过程中，还要结合小波包特征进行关键特征信息的识别和分离。具体来讲，就是对第三层从低到高的8个频率成分信号特征进行分别提取，将各系数命名为X3K。通过重构分解系数，可以对各频带范围内的信号进行提取。通过分析，可以得到总信号S=S30+S31+……+S37。对各频带信号总能量进行计算，可以得到S3j能量为E3j，j=0,1,1……,7，可得下式（3）。式中，xjk为重构信号的离散点幅值。

利用能量元素进行特征向量T的构造，可以得到：

作为较大的数值，E3j在能量较大时将给数据分析带来阻碍。通过改进特征向量，完成归一化处理，可以得到式（4）。通过对信号进行三层分解，可以完成各自特征向量的构造。

2.2.4 设备状态趋势预测

针对电力设备，其运行声波信号中包含的奇异信号也包含设备重要特征信息，通过对奇异点进行定量分析，可以较好的实现故障诊断。采用小波变换，可以利用方法的时频局部性特征对奇异点位置进行有效分析。在具体采用该方法时，通过特征提取，可以发现设备声波信号中存在不规则的突变信号，其中包含重要特征信息。通过对奇异点进行检测，可以实现对给设备运行状态带来扰动的潜在因素，从而通过准确检测设备状态完成突变信号的变换，实现对信号发展趋势的准确判断。如式（5）所示，连续小波变换Wy(a,b)的时间-频率分辨率将有所变化。针对动态测试信号进行小波包分解，可以将混频信号分解为多个频带不重叠的子信号。结合分解结果，可以完成不同频段分量幅值的观察，从而在幅值和频率两方面对测试信号的变化趋势进行把握。通过将实物故障注入模拟与验证，则能完成电气设备在线监测和诊断系统的构建，得到实物故障状态数据库。