基于小波包分析的电机调速系统故障诊断与自动修正
邱爱中
(郑州师范学院物理系，河南郑州450044)
摘 要：提出了一种针别电机调速系统故障诊断和自动修正的方法。对被检信号采用小波包分解和单节点重构的改进算法，细化信号的信息特征，消除频带混淆；以容差范围作为误差判别标准，统汁平均，计算各个频段内的能量向量值，力使故障诊断误差最小化；构建归一化能量特征向量，凸显故障特征，提高诊断的实时性；建立故障特征向量和修正措施的映射关系，通过调节脉宽调制(PWM)波束修正电机转速。设计了以80C196KC草片机为控制核心的自动检测故障和修正转速的电机凋速系统，并与常规PID控制器进行对比试
验。试验结果表明：该系统具有较好的纠错性能和调速精度，是特征提取、故障诊断和自动修正的有效方法。
关键词：小波包分析；故障诊断；电机；自动修正
中图分类号：TM 307文献标志码：A文章编号：1673—6540(2010)06—0050-05
0 引言
小波分析作为一种非平稳信号的时频域分析方法，既能够反映信号的频率信息，又能够反映该频率信息随时间变化的规律，并且分辨率是可变的，所以利用小波分析提取故障的时域和频域特征能实时诊断故障。文献[1]利用小波变换的模极大值方法检测工作轴承振信号的突变故障。文献[2]利用小波分析提取信号不同分辨率上的特征信息，并结合神经网络进行模拟电路的故障诊断。文献[3]分析了基于小波变换和支持向量机的故障诊断方法。文献[4]将小波变换与模糊逻辑相结合用于电力传输线故障的诊断。这些处理方法有的针对故障简单的信号处理，有的虽能处理复杂信号和系统，但节点多，计算复杂，精度低；另外，针对电机调速系统的故障诊断和自动修正鲜有研究。
为解决以上问题，将小波包分析理论应用于电机控制器故障检测中，对被检信号采用小波包分解和单节点重构的改进算法，细化信号的信息特征，提取小波包系数中所包含的时频信息作为故障特征，构建归一化能量特征向量，并对比事先建立的故障辞典，判定输出主电流、励磁电压和转速的状态出现的故障，再利用脉宽调制(PulseWidth Modula{ion，PwM)技术，自动修正控制输出，提高调速精度和抗干扰性能。
1 设计原理
设计的思想依据是小波包理论。故障诊断和自动修正两大功能的实现主要由以下七个步骤来完成。
(1)对被检测信号采样，进行小波包分解。
设被检测的电压信号为U(t)，通过对应的前置滤波器，模数转换后的离散信号为U(T)，
Pj,i(T)表示第j层上第i个小波包，称为小波包系数。G、H为小波共轭正交镜像滤波器，日与尺度丽数p，(t)有关，G与小波函数Ψ(t)有关。小波包的算法为
信号u(T)在第j层上=共有2个小波包，经过小波共轭正交镜像滤波器H、G，能把所检测到的电压故障信号非常完整地划分到不同的频段内，实现故障的小波包分解[5-6]。
(2)使用改进算法，消除频率混淆。
为了解决子带中的频率交错和各子带中的假频率分量，避免频率混叠，采用小波包分解和单节点重构的改进算法，即在前面的基础上再引出两个算子A和B。设x(n)表示2j尺度上低频子带小波包系数，且W=ej2/Nj。
式(4)、(5)作为算子B的输出，采取该方法能有效消除频率混淆。
(3)求各个子带内的能量特征值，初步建立故障能量特征向量。
为了更加方便和准确地判定故障类型，计算分解后各频段内信号的能量。选取各个子带内信号的平方和作为能量的标志，第j层第i个小波包分解后在各个频段内的能量为
式中：ek(i)——重构信号离散点的幅值。
以各个子带内的能量元素构建故障特征向量T,用能量特征向量反映故障在时域和频域的信号信息。
|
