基于虛擬儀器的電力電子整流裝置故障診斷

1、基于虛擬儀器的電力電子整流裝置故障診斷    在生產(chǎn)領域中,電力電子設備通常作為電源供應或控制器等關鍵部件,當發(fā)生故障后,必須快速(數(shù)毫秒到數(shù)十毫秒內)將主電路停電,這使故障狀態(tài)下的信息也隨之消失,給設備的維修帶來極大的難度。因此,對電力電子裝置進行動態(tài)監(jiān)視,在線故障診斷具有重要的意義。目前對電力電子裝置故障診斷常用的方法為模式識別的方法,包括直接波形分析、譜分析和基于神經(jīng)網(wǎng)絡等故障診斷方法。本文主要研究利用虛擬儀器、應用神經(jīng)網(wǎng)絡理論進行電力電子裝置的故障診斷。1整流電路故障分析及診斷原理1. 1故障分析故障診斷定位實質上是一個模式分類的問題,即把運行狀

2、態(tài)分為正常和故障兩類。診斷時選擇有效的故障測試點至關重要。研究分析表明,整流輸出電壓包含了電路的故障信息,是一個關鍵的測試點。本文以三相橋式可控整流電路為例來說明故障診斷過程。圖1三相橋式可控整流電路三相橋式可控整流電路的基本結構如圖1所示。以晶閘管橋臂開路故障為例進行分析,并且檢測最多同時有兩路橋臂開路的故障。這樣可將故障分為五大類,為便于神經(jīng)網(wǎng)絡訓練,對故障的大類、小類進行編碼,用位編碼Y6,Y5,Y4,Y3,Y2,Y1,第46位用于大類編碼,第13位用于小類編碼,則可將三相可控整流電路的故障類型定義為1:第一大類(00l):無故障,即正常運行,只有一小類(000);第二大類(010):只

3、有1個晶閘管故障,有6個小類:VT1故障(00l),VT2故障(010),VT3故障(011),VT4故障(100),VT5故障(101),VT6故障(110);第三大類(011):接到同一相電源的兩個晶閘管故障,有3個小類:VT1和VT4故障(001),VT2和VT5故障(010),VT3和VT6故障(011);第四大類(100):在同一半橋中的兩個晶閘管故障,有6個小類:VT1和VT3故障( 001),VT2和VT4故障(010),VT3和VT5故障(011),VT4和VT6故障(100),VT5和VT1故障(101),VT6和VT2故障(110);第五大類(101):交叉兩只晶閘管故障,

4、有6個小類:VT1和VT2故障(001),VT2和VT3故障(010),VT3和VT4故障(011),VT4和VT5故障(100),VT5和VT6故障(101),VT6和VT1故障(110)。電感性負載的整流電路輸出端的直流脈動電壓Ud具有周期性,包含了晶閘管是否有故障的信息,可將波形形狀相同或類似,而僅在時間軸上相互平移的波形所對應的故障狀態(tài)劃為同一類。分析時可用傅立葉變換將時域中的故障波形變換到頻域,以突出故障特征,在不同故障類型時,Ud的波形不同,并且其5個頻譜分量:直流分量、基波幅值、2次諧波幅值、基波相位、2次諧波相位,可以對應唯一的一個故障類型。因此,本文以Ud的5個頻譜分量作為故

5、障特征信號。1. 2故障診斷算法神經(jīng)網(wǎng)絡作為一類性能良好的非線性分類器,廣泛應用于模式識別領域,而故障診斷實質上就是模式的分類。BP神經(jīng)網(wǎng)絡是一種誤差反向傳遞的多層前饋式網(wǎng)絡,其模型如圖2所示。它由輸入層、隱含層和輸出層組成。理論上,第一層采用sigmoid型傳遞函數(shù),第二層采用線性傳遞函數(shù),經(jīng)過訓練可以用來逼近非線性函數(shù)。BP網(wǎng)絡的算法是一種有監(jiān)督學習算法,已知網(wǎng)絡的輸入、輸出樣本,其中網(wǎng)絡輸入節(jié)點對應故障特征參數(shù),輸出節(jié)點對應故障類型,進行故障模式識別時,先用一批故障樣本對模型進行訓練以確定網(wǎng)絡結構(隱層及其節(jié)點數(shù))和節(jié)點間的聯(lián)接權,網(wǎng)絡訓練好后故障的模式分類就是根據(jù)給定的一組征兆集,實現(xiàn)

6、征兆集到故障集之間非線性映射的過程,只要將得到的故障征兆加到神經(jīng)網(wǎng)絡的輸入端,就可以得到適當?shù)脑\斷結果2。圖2三層BP神經(jīng)網(wǎng)絡模型Fig. 2Three-stratum BP neural network model隱含層和輸出層的神經(jīng)元的輸出矩陣分別為a1=F1×(w1×P+b1) (1)a2=F2×(w2×a1+b2) (2)式中,P為輸入矩陣;w1,b1,F1和w2, b2,F2分別為第一層、第二層神經(jīng)元權值矩陣、閾值矩陣和作用函數(shù)。BP神經(jīng)網(wǎng)絡學習算法的原則是通過不斷修改網(wǎng)絡參數(shù)即權值和閾值,使網(wǎng)絡輸出與期望值之間的誤差趨于極小或達到期望的范圍。

7、為了加速誤差信號收斂程度,權值和閾值應沿誤差梯度下降方向修改3。具體算法流程見圖3。本文采用的BP神經(jīng)網(wǎng)絡結構為3層(輸入層、隱含層和輸出層)。故障特征信號數(shù)決定了神經(jīng)網(wǎng)絡的輸入層節(jié)點數(shù),即n1=5;由輸出故障6位編碼可得輸出層節(jié)點數(shù),即n3=6;通過多次仿真,確定隱含層的個數(shù)n2=10。神經(jīng)網(wǎng)絡訓練過程即是權值和閾值的獲取過程。人為設定整流電路的不同故障(22種),把采集到的Ud信號在PC中進行傅立葉分析,取歸一化處理后相應的5個頻譜特征數(shù)據(jù)作為特征值,即作為學習樣本,通過MATLAB仿真軟件對網(wǎng)絡進行訓練,從而確定網(wǎng)絡各層的權值和閾值矩陣。故障診斷時,輸入測試點信號,輸入訓練好的BP神經(jīng)網(wǎng)

8、絡,輸出信號是表征輸入信號所屬的故障類型。神經(jīng)網(wǎng)絡的圖3神經(jīng)網(wǎng)絡算法流程圖Fig. 3A lgorithm flowchart of neural network輸出結果要進行四舍五入取整,使其成為0或1,通過這組代碼可查到對應的故障診斷結果。為提高診斷性能,可把檢驗時的錯誤判斷按實際輸入和期望輸出構成訓練樣本加入訓練樣本集,對網(wǎng)絡進一步訓練,使網(wǎng)絡性能得到不斷改善。2基于虛擬儀器的電力電子整流裝置故障診斷方法實現(xiàn)2. 1虛擬儀器簡介虛擬儀器是在以計算機為核心的硬件平臺上,由用戶設計虛擬面板,測試功能由測試軟件實現(xiàn)的一種計算機儀器系統(tǒng)。其實質是利用計算機顯示器模擬傳統(tǒng)儀器的控制面板,利用IO接

9、口設備完成信號的采集、測量和調理,由計算機軟件實現(xiàn)信號數(shù)據(jù)的運算、分析和處理,從而完成各種測試功能。與傳統(tǒng)儀器相比,它具有開放速度快、成本低、用戶可以自定義等突出優(yōu)點,使用者可以通過修改軟件來改變、增減儀器系統(tǒng)的功能與規(guī)模以滿足新的要求4。LAbVIEW是一種圖形化的編程語言(又稱為G語言),是美國NI公司研制的虛擬儀器開發(fā)平臺,它帶有的擴展庫函數(shù)的通用程序及專業(yè)的數(shù)學分析程序包,可以滿足復雜的工程計算和分析要求,減少了軟件開發(fā)工作量。2. 2系統(tǒng)構建本系統(tǒng)采用虛擬儀器技術的思想,將傳統(tǒng)的硬件儀器功能集成,即將硬件軟件化。系統(tǒng)由信號調理電路、數(shù)據(jù)采集卡(DAQ)和PC機組成,系統(tǒng)的總體方案框圖

10、如圖4所示,該系統(tǒng)以個人計算機為基礎,用軟件實現(xiàn)系統(tǒng)的功能,充分體現(xiàn)了“軟件即儀器”的虛擬儀器的概念。圖4系統(tǒng)的總體方案框圖Fig. 4B lock diagram of overall fault diagnosis system圖4中信號調理電路的功能主要是:將被測裝置中的電壓信號經(jīng)隔離轉化為DAQ板卡允許輸入的電壓信號(±10V范圍內)、波形轉換、濾波等,以便于DAQ進行數(shù)據(jù)采集。數(shù)據(jù)采集卡采用美國NI公司的M系列的PCI-6251采集卡,它是一款高速多功能DAQ板卡,在高采樣率下也能保持高精度。同時它是基于計算機PCI總線的數(shù)據(jù)采集卡,可直接插在計算機的PCI插槽上使用,卡上

11、配置有16SE/8DI模擬量輸入、2路模擬量輸出、24路數(shù)字量輸出等,可獲得高達1.25MS/s、16位的采集性能,最大輸入電壓范圍為±10V。2. 3故障診斷的LabVIEW實現(xiàn)本系統(tǒng)的故障診斷程序圖如圖5所示。圖5故障診斷系統(tǒng)流程圖Fig. 5Flowchart of fault diagnosis system系統(tǒng)軟件主要有信號采集、數(shù)據(jù)處理、數(shù)據(jù)存儲、數(shù)據(jù)分析及故障診斷等模塊。在測試過程中,必須利用軟件對于采集的數(shù)據(jù)進行調理,實時對采集到的數(shù)據(jù)進行分析和顯示,直觀地得到整流裝置運行過程的一些基本特性。LabVIEW中包含豐富的信號處理模塊,能夠滿足各種分析需求。(1)濾波器為

12、了濾除電磁干擾引入的高頻雜波,以及彌補硬件濾波器性能的不足,提高測試精度,可采用軟件對采集的信號數(shù)據(jù)進行二次濾波,調用函數(shù)選板 信號處理 波形調理 濾波器,對濾波器的類型、截止頻率、階次及其拓撲進行設置就可以實現(xiàn)需要的濾波器。在本系統(tǒng)中,設置濾波器為低通型濾波器,截止頻率為2kHz,濾波器階次及拓撲設為默認值。(2)頻譜分析對采集到的信號數(shù)據(jù)進行FFT(快速傅立葉變換),就可以得到其頻譜特性。調用LabVIEW中的譜分析模塊,設置其為功率譜分析,將數(shù)據(jù)輸出給功率譜分析模塊,即可得到頻譜特征數(shù)據(jù)。(3)神經(jīng)網(wǎng)絡分析神經(jīng)網(wǎng)絡分析可直接調用Matlab應用程序進行,程序設計中的關鍵點是如何通過調用Mat-lab神經(jīng)網(wǎng)絡工具進而使用訓練好的神經(jīng)網(wǎng)絡模型,這可在LABVIEW中調用MathScript節(jié)點把M程序導入到后面板程序中,選擇該節(jié)點的操作為:函數(shù)選板 數(shù)學 腳本與公式 MathScript節(jié)點。神經(jīng)網(wǎng)絡診斷部分輸出結果如表1所示。在仿真過程中, 22種故障訓練后的網(wǎng)絡對其它樣本均具有較好的診斷能力,神經(jīng)網(wǎng)絡