作者 / 張秀文，深圳國創(chuàng)名廚商用設(shè)備制造有限公司

?

多源特征層融合故障診斷方法在電力電子電路中的應(yīng)用

作者 / 張秀文，深圳國創(chuàng)名廚商用設(shè)備制造有限公司

科學(xué)技術(shù)和社會(huì)的不斷發(fā)展和融合，帶來了人們對大型設(shè)備的多源化需求，隨著這些設(shè)備的使用和推廣，不僅為人們的生活和工作帶來了諸多便利，也為人們帶來了有關(guān)設(shè)備故障的安全隱患。為盡可能減少安全事故的發(fā)生，保障人們的生產(chǎn)和生活安全，人們在不斷研究和發(fā)展故障診斷技術(shù)。多源特征層融合故障診斷是相對較為智能和高效的故障診斷方法，隨著應(yīng)用的不斷發(fā)展與推廣，在故障診斷領(lǐng)域占據(jù)著越來越重要的位置。本文通過對電力電子電路中運(yùn)用多源特征層融合故障診斷方法的研究，希望能真正促進(jìn)電力電子電路中安全系數(shù)的提升，為相關(guān)工作研究提供參考。

多源特征層融合；故障診斷；電力電子電路

前言

從診斷學(xué)而言，任何一種診斷都是模糊、不確定的信息反饋。對單一對象的某一方面信息的診斷，并不能反應(yīng)對象整體狀態(tài)。在實(shí)際診斷過程中，設(shè)備運(yùn)行環(huán)境的多樣性和自身機(jī)構(gòu)的復(fù)雜程度等因素，使單一傳感器無法表現(xiàn)整個(gè)設(shè)備的運(yùn)行狀態(tài)信息，因此應(yīng)注重在設(shè)備的實(shí)時(shí)檢測和診斷上做好多個(gè)傳感器的組合運(yùn)用。多源特征層融合故障診斷方法能解決傳感器組合而造成的數(shù)據(jù)量大、計(jì)算機(jī)系統(tǒng)處理過程復(fù)雜、效率低下、診療效果不準(zhǔn)確等問題。

1. 多源特征層融合故障診斷法概述

現(xiàn)有文獻(xiàn)資源顯示，多源信息融合技術(shù)在故障診斷中的運(yùn)用可追溯至20世紀(jì)80年代，到1995年，信息融合與故障診斷才真正的結(jié)合并運(yùn)用起來；2001年，有學(xué)者在博士論文中首次提出基于信息融合技術(shù)的故障診斷；2007年，從信息融合算法層面對其進(jìn)行的綜述問世。隨著相關(guān)學(xué)者對此技術(shù)的研究逐漸增多，人們對多源信息融合故障診斷的關(guān)注度也不斷提升。關(guān)于此類的研究主要在融合的算法與結(jié)構(gòu)上，在融合結(jié)構(gòu)上一般可分為多級(jí)信息、層次結(jié)構(gòu)信息、組合神經(jīng)網(wǎng)絡(luò)的融合故障診斷；從融合算法上來看，包括在貝葉斯理論、模糊集理論、DS證據(jù)理論、粗糙集理論的基礎(chǔ)上和人工神經(jīng)網(wǎng)絡(luò)的融合故障診斷［1］。在旋轉(zhuǎn)機(jī)械結(jié)構(gòu)、船舶推進(jìn)系統(tǒng)和電力系統(tǒng)中，多源信息融合故障診斷法運(yùn)用十分廣泛，例如發(fā)電機(jī)組、燃油發(fā)動(dòng)機(jī)、液壓系統(tǒng)、電力系統(tǒng)故障診斷等。在實(shí)際操作中，具體有小波變換、故障主成分分析、集合具體情況的特征融合和運(yùn)用神經(jīng)網(wǎng)絡(luò)分類器等。多源信息融合故障診斷法的運(yùn)用不僅為電力電子電路系統(tǒng)的優(yōu)化提供了更多更佳選擇，也為人們的生產(chǎn)和生活帶來了跟高效、便捷、和安全的設(shè)備使用。

2. 多源特征層融合故障診斷法具體操作

■2.1 運(yùn)用小波變換進(jìn)行科學(xué)分層

在頻率上，小波變換與傅立葉變換不同，在時(shí)頻域的信息局部特征上具有表征能力。小波變換在低頻部分的頻率分辨率相對更高、實(shí)踐分辨率相對更低，而在高頻部分則實(shí)踐分辨率更高、頻率分辨率更低，另外，小波分解也能盡量減少特征矢量維數(shù)［2］。通過正交小波變換只能分解低頻部分，而小波包變換則能實(shí)現(xiàn)對高低頻部分同時(shí)分解，由此可見，每個(gè)小波包上所表現(xiàn)的信息都有相應(yīng)的頻率帶與之一一對應(yīng)。在提取故障特征的過程中，應(yīng)盡量選擇相應(yīng)適合的小波包進(jìn)行層數(shù)上的分解，在分解層的數(shù)量上，層數(shù)較少則不能對故障表征進(jìn)行有效的提取和反應(yīng)，層數(shù)較多則特征向量維數(shù)較大，直接影響著故障診斷的總體速度。

■2.2 對故障主成分進(jìn)行分析

故障主成分分析法又稱為PCA，是在統(tǒng)計(jì)學(xué)中經(jīng)常使用的線性變換法，其基本設(shè)計(jì)理念是將原來眾多相關(guān)性指標(biāo)數(shù)據(jù)進(jìn)行整合，而組成新的相互并無關(guān)聯(lián)的綜合性指標(biāo)，進(jìn)而代替原來的相關(guān)性指標(biāo)。通過PCA能對樣本集的主元進(jìn)行提取，進(jìn)而達(dá)到降低樣本維數(shù)的目的，甚至能對樣本進(jìn)行最優(yōu)壓縮。對主成分分析法中特征降維法的研究和優(yōu)化，能真正提升分類器的測試和分類速度，同時(shí)并不改變所測試樣本的實(shí)際分布特點(diǎn)，即保持樣本的各項(xiàng)分類數(shù)據(jù)信息。通過小波變換而得到的特征向量具有較高的維數(shù)，而各分量之間相互關(guān)聯(lián)，其數(shù)據(jù)信息存在不必要的信息冗余，在對故障進(jìn)行分類的角度來看十分不利。通過主成分分析法的運(yùn)用，能真正消除冗余并降低信息中特征矢量的維數(shù)［3］。

■2.3 根據(jù)具體情況進(jìn)行特征融合

經(jīng)過主成分分析法而得到的電壓和電流的特征矢量，因?yàn)樾〔ò鼡Q換分解電壓和電流信息，而小波包與頻率之間存在特定相關(guān)，為使相同小波包頻率帶內(nèi)電壓與電流相互匹配，提升電壓與電流信息對故障特征的補(bǔ)充功能，因此通過間隔交叉對特征層進(jìn)行融合。如圖1所示。

■2.4 神經(jīng)網(wǎng)絡(luò)分類器的運(yùn)用

在故障診斷的過程中，最常用的為以反響傳播算法為主的多層傳感器，即BP網(wǎng)絡(luò)。但標(biāo)準(zhǔn)的BP網(wǎng)絡(luò)不僅收

斂速度較慢，且容易限于局部極小值、難以確定隱層和隱形節(jié)點(diǎn)個(gè)數(shù)。因此在故障診斷過程的運(yùn)用中，對BP網(wǎng)絡(luò)進(jìn)行了優(yōu)化和改良，形成改進(jìn)型的BP神經(jīng)網(wǎng)絡(luò)，即在神經(jīng)網(wǎng)絡(luò)中，選取具有輸入層、隱層與輸出層的BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行神經(jīng)網(wǎng)絡(luò)的構(gòu)建。在函數(shù)的使用上，隱層的激勵(lì)函數(shù)一般運(yùn)用tan-sigm oid函數(shù)，而在輸出層則選擇log-sigmoid函數(shù)。而函數(shù)trainbpx選取棟梁發(fā)與學(xué)習(xí)率自適用調(diào)整來優(yōu)化學(xué)習(xí)速度，提升算法的準(zhǔn)確性。在隱節(jié)點(diǎn)和隱層個(gè)數(shù)的確定過程中，以N來代表神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)個(gè)數(shù)與特征向量的對應(yīng)維數(shù)，以M表示輸出層節(jié)點(diǎn)數(shù)與故障模式對應(yīng)數(shù)目，因此隱層神經(jīng)元數(shù)目預(yù)選取為 +a（a=1～10），通過調(diào)節(jié)隱層神經(jīng)元的數(shù)目，能適應(yīng)不同需求，從而確定隱層神經(jīng)元數(shù)目。

圖1 特征關(guān)聯(lián)圖

3. 結(jié)束語

多源特征層融合故障診斷法在近年來的實(shí)際運(yùn)用過程中獲得了優(yōu)化與提升，但仍存在著數(shù)據(jù)采集、選擇與分布傳感器等方面的問題，而多源信息融合故障診斷法主要是以信息的融合為核心，因此，從這一角度來看，多源特征層融合故障診斷法主要發(fā)展趨向于更加智能化的數(shù)據(jù)信息融合技術(shù)、更加快捷的融合算法和更加精確的融合結(jié)果評價(jià)規(guī)則這三個(gè)方向。

＊ ［1］羅慧，王友仁，趙鵬.電力電子電路多源特征層融合故障診斷方法［J］.電機(jī)與控制學(xué)報(bào)，2013，04（02）：92-96.

＊ ［2］張成軍，陰妍，紀(jì)洋洋.多源信息融合故障診斷方法研究進(jìn)展［J］.河北科技大學(xué)學(xué)報(bào)，2014，03（03）：213-221.

＊ ［3］楊亮.基于智能信息融合的模擬電路故障診斷技術(shù)研究［D］.西安：西安電子科技大學(xué)，2011.

＊ ［4］李浩銘.基于數(shù)據(jù)融合的模擬電路故障診斷［D］.湖南：湖南大學(xué)，2012.