基于高斯贝叶斯的建筑水暖设备故障信号诊断分析

吕伟博

(中铁十八局集团第四工程有限公司，天津 300350)

在大型建筑水暖设备中,水暖设备故障是导致大型建筑水暖设备失效的主要原因之一。目前,判断水暖设备是否发生故障的方法主要是通过检测暂态故障信号波动幅度来进行,但大型建筑水暖设备发生故事时,经常故障信号复杂,噪声干扰较多。针对上述问题,文献[1]提出了基于信号稀疏表示和瞬态冲击信号多特征提取的滚动轴承故障诊断方法,该方法在分析故障信号特点的基础上,构建IChirplet原子库,利用优化的OMP算法进行原子寻优;文献[2]提出了基于多尺度排列熵及PSO-SVM的输电线路故障判别,通过MATLAB/Simulink对各种工况下的不同故障参数进行仿真,提取故障暂态电压信号的MPE作为特征向量输入到经粒子群算法优化的支持向量机模型中来判别输电线故障类型和故障相别。上述改进方法虽然可以检测大型水暖故障,但仍存在一些问题。为此,本文提出了一种基于高斯贝叶斯的建筑水暖设备故障信号诊断方法,并分析参数的影响。

1 水暖设备暂态故障信号分析

在实际设备故障中,由于信号周期通常较短,因此一般通过建设故障暂态信号模型,如式(1)所示。

(1)

式中:a为实数区间的任意数值;χ为水暖设备的基频;λ2为衰减的电流分量;λisin(iχt)为基频谐波分量;λisin(μi)为高次谐波分量[3]。

为了充分考虑水暖设备,将暂态故障信号在初始时间进行求导,可以计算出信号的左右导数。当左右导数不一致时,水暖设备暂态故障信号在初始时间是不可导的[4],即此时的信号具有奇异性,奇异度小于等于1。当左右导数一致时,水暖设备暂态故障信号在初始时间是可导的,此时的奇异度大于1,因此w(t)的导函数可表示为:

(2)

计算式中的左右导数即可获取暂态故障信号。从式(2)中可以看出,初始时间导函数不能成立的,但在某种条件下却可以成立,因此不能完全将所得函数进行排除[5]。因此,导函数在初始时间的n阶时所确定出的暂态故障信号要在故障时刻的奇异度下达到不同的信号检测为止。

2 基于高斯贝叶斯的故障信号诊断

2.1 故障信号提取过程

信号中的突变信息通常由信号的包络线决定,而在信号当中很多高频成分都是由脉冲所激励的。基于此,分析出建筑中的水暖设备暂态故障信号差异,确定高频分量就是包络信号的载波[6],使用贝叶斯信号提取方法对故障信号进行提取诊断。

实际信号x(t)的定位为:

(3)

对式(1)解析,得到的信号可表示为:

(4)

基于此,得到的解析信号幅值可表示为:

(5)

式(5)的计算结果,就是原始信号的包络。

2.2 基于高斯贝叶斯的信号分解

使用高斯贝叶斯方法能够对高频和低频分量进行转换,将其转换为频谱形式,其中暂态故障信号中的细节指的是智能高频分量,暂态故障信号中的轮廓指的是低频分量[7]。使用高斯贝叶斯的故障信号检测方法,能够有效识别信号中的高频分量和低频分量,将其按照分量大小,可分为大尺度分量和小尺度分量。

高斯贝叶斯分析中最早应用的紧凑性小波—— Haar小波,在时间范围内具有良好的解析度。基于此,以式(6)为信号分解的依据。

(6)

式中使用贝叶斯技术分解信号,分解结果如图1所示。

(a)信号轮廓电压分量

从图1可以看到,原始信号的光谱特征和信号的分布特征是一致的。该频谱可视为近似于原始信号的形态,而其频谱则为较高频率之原始信号的频谱,亦即该信号所含之细节分量会略微改变原信号的信息[8]。从小波分析的观点出发,其特征实质上是信号中的高频分量。

2.3 故障信号的参数检测

在故障信号检测中,使用高斯贝叶斯技术的信号分解结果与故障信号参数测定结果具有相同的模极大值,通过检测该值能够确定故障信号出现的位置,即为故障位置,详细内容如下。

假设w(t)是某一点的参数异常值,那么该点的高斯贝叶斯与李氏指数必然存在内在联系,其中李氏指数是表征函数局部特性的一种变量。如果w(t)在实数区间的信号参数满足下式:

|wξ(t,a)|≤bαα,

(7)

式中:α为李氏指数;b为与高斯贝叶斯有关的常数。当李氏指数的数值大于0时,高斯贝叶斯的模极大值与李氏指数呈正比例关系;反之,当李氏指数的数值小于0时,高斯贝叶斯的模极大值与李氏指数呈反比例关系;当李氏指数的数值等于0时,高斯贝叶斯的模极大值与李氏指数无明显相关关系。

由于故障信号模型w(t)在某处的变换不一定是奇异的,因此,将该模型视为最原始的故障信号。通过高斯贝叶斯理后,求解模型得到模极大值,依据该值能够计算李氏指数,进而明确经过高斯贝叶斯诊断后的尺度最大值,也就等价于对其取对数后将所得的公式进行极小化处理,得到精准的李氏指数[9-10]。待获取到李氏指数后,就可以对信号分类,b的值就是突变点的幅值。

3 仿真实验

对于大型建筑水暖设备故障信号异常检测方法,利用MATLAB软件中的工具箱,建立仿真模型,对设备故障模式进行仿真,以确认本文提出方法的正确性。

3.1 仿真模型构建

当建筑水暖设备出现单相接地故障时,接地电流和电压也会出现较大变化。为此,本实验使用了辐射型网络,避免设备负载的影响,直接反映出电压和各线路电流的关系。

单相接地不仅影响建筑水暖设备的正常使用,而且可能出现过电压,导致设备被烧坏。单相接地故障示意如图2所示。

图2 单相接地故障仿真模型

由图2可知,如果三条线路中某一条线路不完全接地,那么需通过高电阻接地,此时的暂态故障电压值较小,正常电压值较高;如果三条线路中某一条线路完全接地,那么此时的暂态故障电压值为0,正常线路的电压与输电线电压一致;如果三条线路中某一条线路出现断线时,暂态故障电压值大于等于0,此时的线路电压经过二次回路后,与另外两条线路串联后形成串联回路[11-13]。

3.2 仿真结果与分析

假设线路1出现故障,设置好各种参数后启动仿真,可得到线路1上的零序电压、电流的暂态波形,如图3所示。

(a)电压暂态波形

由图3可知,图3a中的电压暂态波形在前0.2 s始终为0,从0.25～0.4 s电压暂态波形变化不具有规律性,而从0.4～0.8 s电压暂态波形变化具有规律性,始终在-2.2～2 kV范围内波动;图3b中的电流暂态波形在前0.2 s始终为0,从0.25～0.8 s的电流暂态波形变化具有规律性,且波动范围越来越小,在0.5 s以后,电流始终在-5～5 kV范围内波动。

(a)电压暂态波形

基于此,分别使用基于信号稀疏表示的多特征提取检测方法、基于多尺度排列熵故障信号检测方法和建筑水暖设备故障信号高斯贝叶斯检测方法[3,14],对比分析故障时电压、电流暂态波检测结果如图4所示。由图4a可知,使用基于信号稀疏表示的多特征提取检测方法,电压暂态波形在时间0.25～0.51 s内变化不具有规律性,波动范围为-4.1～2.2 kV。在时间0.51 ～0.8 s内电压暂态波形变化具有规律性,波动范围为-3～2.2 kV;使用基于多尺度排列熵故障信号检测方法,电压暂态波形在时间0.25～0.51 s内变化不具有规律性,波动范围为-3～2.2 kV。在时间0.51～0.8 s内电压暂态波形变化具有规律性,波动范围为-2.2～4.2 kV;使用建筑水暖设备暂态故障信号高斯贝叶斯检测方法,电压暂态波形在时间0.25～0.4 s内变化不具有规律性,波动范围为-2.4～2.5 kV。在时间0.51～0.8 s内电压暂态波形变化具有规律性,波动范围为-2.2～2 kV,与实际变化情况一致。

由图4b可知,使用基于信号稀疏表示的多特征提取检测方法,电流暂态波形是从0.25 s开始变化的,波动范围从-23.5～20 A逐渐缩小,最终为-2.5～5 A;使用基于多尺度排列熵故障信号检测方法,电流暂态波形从0.2 s就开始变化,波动范围从-25～19.5 A逐渐缩小,最终为-2.5～1.5 A;使用大型建筑水暖设备暂态故障信号高斯贝叶斯检测方法,电流暂态波形从0.25 s就开始变化,波动范围从-23.5～19 A逐渐缩小,缩小到-4.5～5 kV后保持不变,与实际数值相差0.5 A。

4 结束语

综上所述,利用多维高斯贝叶斯分类模型对机械设备的故障进行智能诊断,发现其存在着不确定的奇异性,并且奇性大于正的概率为0。在建筑水暖设备故障暂态信号的奇异特殊性为确保检测奇异性的有效性时,提出了选用小波转换方法,并给出了利用高斯贝叶斯方法对水暖设备故障暂态信号检测的原理。与传统方法相比,所分析的建筑水暖设备暂态信号奇异性,得出其奇异的特殊性质,从而具有不确定的奇异度,因此提出高斯贝叶斯的建筑水暖设备故障信号诊断,确保了信号差异性的准确检出。将所研究的检测方法用于建筑水暖设备故障时刻仿真分析时,可得到精准检测结果。