白嘎力，蔣慧靈，李 坦，郎 喆，鄧 青

1. 北京科技大學(xué)，北京 100083； 2. 唐山市消防救援支隊(duì)，河北 唐山 063003

0 引言

化工和煤炭等行業(yè)在生產(chǎn)過(guò)程中容易產(chǎn)生可燃?xì)怏w、粉塵等易燃易爆品，該類場(chǎng)所防爆電氣設(shè)備一旦出現(xiàn)故障［1-2］，就可能發(fā)生火災(zāi)爆炸事故。爆炸性環(huán)境要求安裝防爆電氣設(shè)備，而本質(zhì)安全型防爆電氣設(shè)備是其中一類，該設(shè)備在本質(zhì)安全電源下產(chǎn)生的電弧電火花或熱效應(yīng)均不能點(diǎn)燃爆炸性環(huán)境的易燃易爆品。評(píng)價(jià)設(shè)備本質(zhì)安全的IEC 火花試驗(yàn)規(guī)程規(guī)定電極分?jǐn)嗨俣葹楹愣ㄋ俣龋?5 cm·s-1），而實(shí)際工作環(huán)境中，故障點(diǎn)分?jǐn)嗨俣仁请S機(jī)的，因此即使符合IEC 安全火花試驗(yàn)規(guī)程的本質(zhì)安全電路，在特定分?jǐn)嗨俣认?，一旦限制電源能量的電阻或其他設(shè)備失效，導(dǎo)致本質(zhì)安全電路電流上升，引起電弧電火花能量增大也可能引燃爆炸性氣體［3］。為更好地預(yù)防爆炸性環(huán)境電氣火災(zāi)，精準(zhǔn)識(shí)別本質(zhì)安全型防爆電氣設(shè)備故障電弧具有重要意義。

國(guó)內(nèi)外關(guān)于故障電弧檢測(cè)主要有三種方法。（1）基于電弧物理特性的檢測(cè)方法。通過(guò)傳感器檢測(cè)電弧產(chǎn)生時(shí)伴隨的弧聲、弧光、電磁輻射等物理現(xiàn)象來(lái)判斷是否發(fā)生故障電弧［4-9］。蔡彬等［10］提出采用弧光單判據(jù)規(guī)則，研發(fā)了分布式多點(diǎn)內(nèi)部故障電弧在線檢測(cè)裝置。這種方法對(duì)傳感器的敏感度要求較高，且實(shí)際應(yīng)用中傳感器的位置是固定的。因此，此方法多用于開(kāi)關(guān)柜、配電箱等固定設(shè)備的電弧檢測(cè)。（2）基于電弧數(shù)學(xué)模型的檢測(cè)方法。目前最常用的模型有Cassie 模型、Mayr 模型和Schwarz 模型［11-13］。Khakpour 等［14］建立了基于電弧直徑變化的模型，電弧直徑作為電弧電流的函數(shù)，模擬的電弧電壓更接近測(cè)量值。但此方法在實(shí)際應(yīng)用中檢測(cè)時(shí)間有延遲，不能及時(shí)避免事故。（3）基于電弧電流的檢測(cè)方法。通常采用傅里葉變換、小波變換等方法對(duì)電流信號(hào)進(jìn)行時(shí)域、頻域、時(shí)頻域分析，獲取能表征故障電弧發(fā)生的特征，并結(jié)合神經(jīng)網(wǎng)絡(luò)判斷是否發(fā)生故障電弧，這是當(dāng)前主流研究方法［15-17］。唐圣學(xué)等［18］建立電流小波能量熵特征結(jié)合極限學(xué)習(xí)機(jī)辨識(shí)微弱故障電弧模型，能夠以98%辨識(shí)率檢測(cè)微弱直流故障電弧。崔芮華等［19］提出運(yùn)用脈寬百分比、變異系數(shù)、間諧波均值和小波奇異熵等特征量對(duì)航空線路電流特征進(jìn)行提取，并依據(jù)突變理論建立故障電弧評(píng)價(jià)模型，判斷線路是否產(chǎn)生故障電弧。Jiang 等［20］提出適用于多負(fù)載電路拓?fù)浣Y(jié)構(gòu)的串聯(lián)電弧故障檢測(cè)與定位模型，通過(guò)時(shí)域、頻域和小波包能量分析提取電弧特征，并將其輸入深度神經(jīng)網(wǎng)絡(luò)（DNN）進(jìn)行計(jì)算和訓(xùn)練。以上研究大多是針對(duì)住宅、光伏發(fā)電、航空等場(chǎng)所故障電弧的檢測(cè)，而對(duì)爆炸性環(huán)境本質(zhì)安全型防爆電氣設(shè)備故障電弧識(shí)別研究還未引起注意。爆炸性環(huán)境的本質(zhì)安全型防爆電氣設(shè)備故障電弧識(shí)別存在傳感器檢測(cè)電弧會(huì)增加電火花風(fēng)險(xiǎn)、環(huán)境因素復(fù)雜多變難以建立電弧數(shù)學(xué)模型、存在電流微小不能精準(zhǔn)設(shè)定電弧識(shí)別閾值等難點(diǎn)。

為避免特征閾值故障檢測(cè)方法帶有的主觀性，本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別的本質(zhì)安全型防爆電氣設(shè)備故障電弧檢測(cè)方法。該方法可以自動(dòng)挖掘原始波形圖像隱藏的各類特征進(jìn)行學(xué)習(xí)［21］。卷積神經(jīng)網(wǎng)絡(luò)識(shí)別故障電弧模型是利用電路電壓電流波形圖像識(shí)別，可以自主提取電路各種狀態(tài)下的特征，并準(zhǔn)確識(shí)別出故障電弧，從而降低爆炸性環(huán)境發(fā)生火災(zāi)爆炸的風(fēng)險(xiǎn)，最大限度保護(hù)人民生命財(cái)產(chǎn)安全。

1 本質(zhì)安全電路故障電弧試驗(yàn)設(shè)計(jì)

為模擬本質(zhì)安全型防爆電氣設(shè)備故障電弧，依據(jù)標(biāo)準(zhǔn)搭建IEC 本質(zhì)安全電路故障電弧火花試驗(yàn)平臺(tái)，獲取電路正常和故障情況下電流電壓波形圖像，為檢測(cè)模型提供試驗(yàn)數(shù)據(jù)。

1.1 本質(zhì)安全電路故障電弧試驗(yàn)平臺(tái)搭建

為獲得故障電弧火花試驗(yàn)數(shù)據(jù)，引進(jìn)IEC-F2 型火花試驗(yàn)裝置，如圖1 所示?；鸹ㄔ囼?yàn)裝置的火花腔內(nèi)有故障電弧發(fā)生裝置，是根據(jù)《爆炸性環(huán)境第4部分：由本質(zhì)安全型“i”保護(hù)的設(shè)備》（GB/T 3836.4—2021）制作而成，如圖2 所示。故障電弧發(fā)生裝置由兩個(gè)電極組成，一個(gè)為含兩個(gè)凹槽直徑30 mm 的圓形鎘盤，另一個(gè)為4 根長(zhǎng)11 mm、直徑0.2 mm 的鎢絲，分別連接在方形黃銅極握四角，黃銅極握旋轉(zhuǎn)時(shí)帶動(dòng)鎢絲與鎘盤摩擦從而產(chǎn)生電弧。基于火花試驗(yàn)裝置設(shè)計(jì)如圖3所示的故障電弧試驗(yàn)電路，其中E為電源，R 為阻性負(fù)載，數(shù)據(jù)采集系統(tǒng)為數(shù)字示波器。試驗(yàn)電路A 點(diǎn)測(cè)量的是供電干路對(duì)地電壓和電流，B點(diǎn)測(cè)量的是本質(zhì)安全電路對(duì)地電壓和電流。

圖1 IEC-F2型火花試驗(yàn)裝置

圖2 火花腔內(nèi)故障電弧發(fā)生裝置

圖3 試驗(yàn)電路圖

1.2 試驗(yàn)參數(shù)設(shè)置與數(shù)據(jù)采集

煤礦井下大多從電網(wǎng)引入電源，用電阻限制電流，經(jīng)整流器轉(zhuǎn)換成直流電流之后，給本質(zhì)安全電路供電。所以本試驗(yàn)采用50 Hz、220 V 交流電作為電路電源，通過(guò)調(diào)節(jié)滑動(dòng)變阻器調(diào)整電流為符合本質(zhì)安全電路值的0.22 A，之后通過(guò)火花試驗(yàn)裝置整流供電給故障電弧發(fā)生裝置。鎢絲電極旋轉(zhuǎn)速度取標(biāo)定速度80 r·min-1，并采用穩(wěn)壓裝置過(guò)濾市電中存在的噪聲，使電路電壓保持完整的正弦波狀態(tài)，采樣速率取12.5 MS·s-1。

選定Tektronix TBS 2074系列數(shù)字示波器及配套電流電壓有源探頭測(cè)量和記錄串聯(lián)電路正常和故障時(shí)的電流電壓。示波器有4 個(gè)通道，其中ch1、ch2 是衰減倍數(shù)為10 的電壓通道，分別測(cè)量B 點(diǎn)和A 點(diǎn)對(duì)地電壓；ch3、ch4 是衰減倍數(shù)為10 的電流通道，分別測(cè)量B 點(diǎn)和A 點(diǎn)電流。數(shù)據(jù)采集過(guò)程中，選定示波器水平標(biāo)度為100 ms、記錄長(zhǎng)度為2 000 萬(wàn)個(gè)點(diǎn)，此時(shí)單個(gè)截圖中存在2 000 萬(wàn)個(gè)電流與電壓數(shù)據(jù)。截取1.5 s 內(nèi)圖像，故障電弧產(chǎn)生裝置可以進(jìn)行2 個(gè)周期運(yùn)轉(zhuǎn)，保證在該截圖時(shí)間范圍內(nèi)具有兩次放電過(guò)程，保存采集到的波形。

2 本質(zhì)安全電路故障電弧試驗(yàn)分析

2.1 本質(zhì)安全電路故障電弧試驗(yàn)

接通電源后，電弧發(fā)生裝置鎢絲電極開(kāi)始旋轉(zhuǎn)，當(dāng)鎢絲滑過(guò)鎘盤凹槽時(shí)兩個(gè)電極分離，再接觸鎘盤時(shí)兩個(gè)電極接通，因而反復(fù)產(chǎn)生電弧。根據(jù)電弧產(chǎn)生部位可分為閉合電弧、斷開(kāi)電弧。閉合電弧是指鎘盤和鎢絲最初處于斷開(kāi)狀態(tài)，隨著電極轉(zhuǎn)動(dòng)，鎘盤和鎢絲在接觸瞬間產(chǎn)生電??；斷開(kāi)電弧是指最初鎘盤和鎢絲處于接觸，隨著電極的轉(zhuǎn)動(dòng)，鎘盤與鎢絲斷開(kāi)瞬間產(chǎn)生電弧。圖4 為電極旋轉(zhuǎn)時(shí)示波器截取的A 點(diǎn)電流電壓波形圖。由圖4可知，因?yàn)锳 點(diǎn)在整流器之前，所以A 點(diǎn)對(duì)地電壓和電流波形均為正弦波形。當(dāng)產(chǎn)生電弧時(shí)，A 點(diǎn)對(duì)地電壓不受影響，但A 點(diǎn)電流波形因故障電弧而發(fā)生上下震蕩變化。

圖4 A點(diǎn)電流電壓波形圖

2.2 試驗(yàn)結(jié)果分析

反復(fù)做多次試驗(yàn)后，從示波器截取的B 點(diǎn)波形庫(kù)中挑選正常和故障狀態(tài)電路波形進(jìn)行分析。

2.2.1 正常電路試驗(yàn)分析

故障電弧發(fā)生器的兩個(gè)電極接觸滑動(dòng)時(shí)，本質(zhì)安全電路為正常運(yùn)行狀態(tài)，B 點(diǎn)對(duì)地電壓和電流波形如圖5所示。因?yàn)锽點(diǎn)在整流器之后，所以對(duì)地電壓和電流波形為一條直線。

圖5 正常運(yùn)行波形圖

2.2.2 閉合電弧試驗(yàn)分析

通過(guò)試驗(yàn)得出的閉合電弧典型波形如圖6 所示。分析圖6可知：發(fā)生故障之前B點(diǎn)對(duì)地電壓和電流都為0，說(shuō)明此時(shí)鎘盤與鎢絲斷開(kāi)；隨著電極轉(zhuǎn)動(dòng)，兩個(gè)電極接觸瞬間產(chǎn)生閉合電弧，B 點(diǎn)對(duì)地電壓和電流產(chǎn)生不規(guī)則鋸齒升降變化；兩個(gè)電極穩(wěn)定接通后，B 點(diǎn)對(duì)地電壓和電流趨于直流穩(wěn)定值。經(jīng)計(jì)算閉合電弧平均放電時(shí)間為24.14 μs，平均放電能量為97.56 μJ。

圖6 閉合電弧波形圖

2.2.3 斷開(kāi)電弧試驗(yàn)分析

通過(guò)試驗(yàn)得出的斷開(kāi)電弧典型波形如圖7 所示。分析圖7 可知：發(fā)生故障之前兩個(gè)電極處于接通狀態(tài)，B 點(diǎn)對(duì)地電壓處于穩(wěn)定值；隨著電極轉(zhuǎn)動(dòng)，兩個(gè)電極斷開(kāi)瞬間產(chǎn)生斷開(kāi)電弧，B 點(diǎn)對(duì)地電壓和電流產(chǎn)生不規(guī)則鋸齒升降變化；兩個(gè)電極徹底斷開(kāi)后，B 點(diǎn)對(duì)地電壓和電流變?yōu)?。經(jīng)計(jì)算斷開(kāi)電弧平均放電時(shí)間為4.88 μs，平均放電能量為3.65 μJ。

圖7 斷開(kāi)電弧波形圖

通過(guò)分析正常電路、閉合電弧和斷開(kāi)電弧波形可得出，閉合電弧平均放電時(shí)間比斷開(kāi)電弧平均放電時(shí)間長(zhǎng)，閉合電弧平均放電能量也比斷開(kāi)電弧平均放電能量大，表明電弧放電時(shí)間越長(zhǎng)電弧放電能量越大。電弧發(fā)生瞬間B 點(diǎn)對(duì)地電壓和電流波形發(fā)生上下震蕩突變，而突變值存在隨機(jī)性，所以通過(guò)突變閾值識(shí)別故障電弧的方法不準(zhǔn)確。

3 卷積神經(jīng)網(wǎng)絡(luò)模型

基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）圖像識(shí)別分類模型是以原始圖像作為輸入，自動(dòng)學(xué)習(xí)特征，把不同類別圖像區(qū)分開(kāi)來(lái)，給每幅圖像分配一個(gè)語(yǔ)義類別標(biāo)記?？梢岳镁矸e神經(jīng)網(wǎng)絡(luò)對(duì)電弧電流電壓波形圖與電路正常工作波形圖進(jìn)行判定，從而對(duì)電路狀態(tài)進(jìn)行分類。模型主要由低層卷積區(qū)、分類卷積區(qū)、FC 區(qū)（全連接區(qū)）組成，模型架構(gòu)如圖8所示。

圖8 CNN模型架構(gòu)圖

低層卷積區(qū)將圖像的3 層400×800 波形向量乘以權(quán)重矩陣（矩陣權(quán)值為隨機(jī)的0~1 值），最終轉(zhuǎn)換成32 層7×7 向量，權(quán)重向量個(gè)數(shù)為32×7×7，每個(gè)卷積層后面有PRelu 線性單元。兩層卷積層可以保證在低層卷積區(qū)不僅可以提取電弧放電的低級(jí)特征，還可以進(jìn)一步將低級(jí)特征迭代得到復(fù)雜特征，保障特征信息種類的廣泛性。

分類卷積區(qū)是對(duì)低層卷積區(qū)權(quán)值參數(shù)的優(yōu)化，去除冗余信息。同時(shí)，不斷降低向量層數(shù)，減少特征圖像數(shù)量，加快計(jì)算速度。h1_prior_2（spatial pyramid 池化層）被插入最后一個(gè)卷積層后，將特征輸出為固定尺寸的特征向量。

FC 區(qū)為單層特征向量，包含2個(gè)全連接層（每層后有PRelu 單元）。第一個(gè)FC 層包含256 個(gè)神經(jīng)元（向量），第二個(gè)FC 層包含128 個(gè)神經(jīng)元（向量），F(xiàn)C區(qū)后面softmax 層作為激活函數(shù)輸出2 個(gè)值的列向量，即每個(gè)類別對(duì)應(yīng)的概率。

4 基于CNN的故障電弧識(shí)別

4.1 模型搭建

點(diǎn)B 電路波形圖分為閉合電弧、斷開(kāi)電弧、正常電路。建立CNN 模型學(xué)習(xí)電流電壓波形圖，通過(guò)模型識(shí)別波形圖所屬的電路狀態(tài)并對(duì)其分類。圖9 為CNN 電弧識(shí)別原理框圖，其中輸入圖像為示波器截取的400×800 波形圖。在進(jìn)行CNN 圖像訓(xùn)練前，對(duì)波形圖進(jìn)行向量化數(shù)據(jù)處理。圖像由R（紅）、G（綠）、B（藍(lán)）三原色構(gòu)成，根據(jù)圖像像素與RGB 值，將圖像信息轉(zhuǎn)化為R層、G層、B層向量。

圖9 CNN電弧識(shí)別原理框圖

模型訓(xùn)練過(guò)程分為正向傳播與反向傳播，在正向傳播過(guò)程中，將像素信息轉(zhuǎn)換為向量類型的數(shù)值信息。信息從輸入層進(jìn)入隱含層，在隱含層中不斷更新權(quán)重，最后信息傳向輸出層。利用Cross Entropy Loss（CE 損失函數(shù)）計(jì)算預(yù)測(cè)值輸出概率與真實(shí)值輸出概率的相似度，損失函數(shù)值越小，兩個(gè)概率分布就越接近。若損失函數(shù)值較大，則將損失函數(shù)傳入反向傳播過(guò)程，逐層求出損失函數(shù)對(duì)各神經(jīng)元權(quán)重的偏導(dǎo)數(shù)。通過(guò)梯度下降算法修改權(quán)值，完成模型學(xué)習(xí)。當(dāng)損失函數(shù)值較小，即預(yù)測(cè)值與真實(shí)值接近時(shí)，模型訓(xùn)練完畢。

4.2 結(jié)果分析

選取600 組試驗(yàn)數(shù)據(jù)，其中400 組為故障電弧數(shù)據(jù)，200 組為正常工作數(shù)據(jù)。選擇5 折交叉驗(yàn)證方法尋找模型最優(yōu)參數(shù)，最后保存測(cè)試集上準(zhǔn)確率最高的參數(shù)模型，從而識(shí)別本質(zhì)安全型防爆電氣設(shè)備故障電弧。隨機(jī)選擇320 組故障電弧數(shù)據(jù)與160 組正常工作數(shù)據(jù)作為訓(xùn)練集，剩余的80 組故障電弧數(shù)據(jù)與40 組正常工作數(shù)據(jù)作為測(cè)試集。將訓(xùn)練集數(shù)據(jù)導(dǎo)入CNN 模型進(jìn)行訓(xùn)練，訓(xùn)練過(guò)程中不斷賦予圖像像素新的權(quán)重，通過(guò)卷積層的加深不斷豐富與像素有關(guān)的權(quán)重層數(shù)，深層挖掘圖像特征，最后通過(guò)損失函數(shù)獲得預(yù)測(cè)值與真實(shí)值的差值。通過(guò)訓(xùn)練模塊中引用的梯度下降算法，找到使損失函數(shù)變小的方向，更新權(quán)重?cái)?shù)值并完善訓(xùn)練模型。訓(xùn)練時(shí)損失函數(shù)隨迭代次數(shù)的變化如圖10所示。

圖10 損失函數(shù)

圖10 中縱坐標(biāo)為交叉熵誤差值（Ld值），在運(yùn)算開(kāi)始時(shí)為4 左右，通過(guò)梯度下降算法進(jìn)行深度計(jì)算Ld值不斷降低，最后Ld值在0.1附近，即預(yù)測(cè)值與真實(shí)值之間的差值為0.77。這表明隨著學(xué)習(xí)的不斷加深，預(yù)測(cè)值更加貼近實(shí)際值。訓(xùn)練結(jié)束后，利用測(cè)試集對(duì)模型進(jìn)行5 次驗(yàn)證，準(zhǔn)確率分別為93.33%、95%、90%、91.67%、90%，平均準(zhǔn)確率為92%。

5 結(jié)論

本文針對(duì)爆炸性環(huán)境本質(zhì)安全型防爆電氣設(shè)備故障電弧檢測(cè)問(wèn)題，通過(guò)試驗(yàn)分析，得出閉合電弧平均放電時(shí)間和平均放電能量均大于斷開(kāi)電弧，電弧放電時(shí)間越長(zhǎng)電弧放電能量越大，進(jìn)一步提出CNN故障電弧識(shí)別方法。該方法不僅能有效判別本質(zhì)安全型防爆電氣設(shè)備是否發(fā)生故障電弧，還消除了傳統(tǒng)方法主觀設(shè)置閾值限制特征表征問(wèn)題，為爆炸性環(huán)境本質(zhì)安全型防爆電氣設(shè)備故障電弧檢測(cè)提供了一種新的思路。