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(lǐng)域中,電力電子設(shè)備通常作為電源供應(yīng)或控制器等關(guān)鍵部件,當(dāng)發(fā)生故障后,必須快速(數(shù)毫秒到數(shù)十毫秒內(nèi))將主電路停電,這使故障狀態(tài)下的信息也隨之消失,給設(shè)備的維修帶來(lái)極大的難度。因此,對(duì)電力電子裝置進(jìn)行動(dòng)態(tài)監(jiān)視,在線故障診斷具有重要的意義。目前對(duì)電力電子裝置故障診斷常用的方法為模式識(shí)別的方法,包括直接波形分析、譜分析和基于神經(jīng)網(wǎng)絡(luò)等故障診斷方法。本文主要研究利用虛擬儀器、應(yīng)用神經(jīng)網(wǎng)絡(luò)理論進(jìn)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(shí)質(zhì)上是一個(gè)模式分類的問(wèn)題,即把運(yùn)行狀

2、態(tài)分為正常和故障兩類。診斷時(shí)選擇有效的故障測(cè)試點(diǎn)至關(guān)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(gè)關(guān)鍵的測(cè)試點(diǎn)。本文以三相橋式可控整流電路為例來(lái)說(shuō)明故障診斷過(guò)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(jié)構(gòu)如圖1所示。以晶閘管橋臂開路故障為例進(jìn)行分析,并且檢測(cè)最多同時(shí)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(luò)訓(xùn)練,對(duì)故障的大類、小類進(jìn)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(wú)故障,即正常運(yùn)行,只有一小類(000);第二大類(010):只

3、有1個(gè)晶閘管故障,有6個(gè)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(gè)晶閘管故障,有3個(gè)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(gè)晶閘管故障,有6個(gè)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(gè)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(fù)載的整流電路輸出端的直流脈動(dòng)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(shí)間軸上相互平移的波形所對(duì)應(yīng)的故障狀態(tài)劃為同一類。分析時(shí)可用傅立葉變換將時(shí)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(shí),Ud的波形不同,并且其5個(gè)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(duì)應(yīng)唯一的一個(gè)故障類型。因此,本文以Ud的5個(gè)頻譜分量作為故

5、障特征信號(hào)。1. 2故障診斷算法神經(jīng)網(wǎng)絡(luò)作為一類性能良好的非線性分類器,廣泛應(yīng)用于模式識(shí)別領(lǐng)域,而故障診斷實(shí)質(zhì)上就是模式的分類。BP神經(jīng)網(wǎng)絡(luò)是一種誤差反向傳遞的多層前饋式網(wǎng)絡(luò),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(guò)訓(xùn)練可以用來(lái)逼近非線性函數(shù)。BP網(wǎng)絡(luò)的算法是一種有監(jiān)督學(xué)習(xí)算法,已知網(wǎng)絡(luò)的輸入、輸出樣本,其中網(wǎng)絡(luò)輸入節(jié)點(diǎn)對(duì)應(yīng)故障特征參數(shù),輸出節(jié)點(diǎn)對(duì)應(yīng)故障類型,進(jìn)行故障模式識(shí)別時(shí),先用一批故障樣本對(duì)模型進(jìn)行訓(xùn)練以確定網(wǎng)絡(luò)結(jié)構(gòu)(隱層及其節(jié)點(diǎn)數(shù))和節(jié)點(diǎn)間的聯(lián)接權(quán),網(wǎng)絡(luò)訓(xùn)練好后故障的模式分類就是根據(jù)給定的一組征兆集,實(shí)現(xiàn)

6、征兆集到故障集之間非線性映射的過(guò)程,只要將得到的故障征兆加到神經(jīng)網(wǎng)絡(luò)的輸入端,就可以得到適當(dāng)?shù)脑\斷結(jié)果2。圖2三層BP神經(jīng)網(wǎng)絡(luò)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(quán)值矩陣、閾值矩陣和作用函數(shù)。BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的原則是通過(guò)不斷修改網(wǎng)絡(luò)參數(shù)即權(quán)值和閾值,使網(wǎng)絡(luò)輸出與期望值之間的誤差趨于極小或達(dá)到期望的范圍。

7、為了加速誤差信號(hào)收斂程度,權(quán)值和閾值應(yīng)沿誤差梯度下降方向修改3。具體算法流程見(jiàn)圖3。本文采用的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3層(輸入層、隱含層和輸出層)。故障特征信號(hào)數(shù)決定了神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù),即n1=5;由輸出故障6位編碼可得輸出層節(jié)點(diǎn)數(shù),即n3=6;通過(guò)多次仿真,確定隱含層的個(gè)數(shù)n2=10。神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程即是權(quán)值和閾值的獲取過(guò)程。人為設(shè)定整流電路的不同故障(22種),把采集到的Ud信號(hào)在PC中進(jìn)行傅立葉分析,取歸一化處理后相應(yīng)的5個(gè)頻譜特征數(shù)據(jù)作為特征值,即作為學(xué)習(xí)樣本,通過(guò)MATLAB仿真軟件對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,從而確定網(wǎng)絡(luò)各層的權(quán)值和閾值矩陣。故障診斷時(shí),輸入測(cè)試點(diǎn)信號(hào),輸入訓(xùn)練好的BP神經(jīng)網(wǎng)

8、絡(luò),輸出信號(hào)是表征輸入信號(hào)所屬的故障類型。神經(jīng)網(wǎng)絡(luò)的圖3神經(jīng)網(wǎng)絡(luò)算法流程圖Fig. 3A lgorithm flowchart of neural network輸出結(jié)果要進(jìn)行四舍五入取整,使其成為0或1,通過(guò)這組代碼可查到對(duì)應(yīng)的故障診斷結(jié)果。為提高診斷性能,可把檢驗(yàn)時(shí)的錯(cuò)誤判斷按實(shí)際輸入和期望輸出構(gòu)成訓(xùn)練樣本加入訓(xùn)練樣本集,對(duì)網(wǎng)絡(luò)進(jìn)一步訓(xùn)練,使網(wǎng)絡(luò)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(shí)現(xiàn)2. 1虛擬儀器簡(jiǎn)介虛擬儀器是在以計(jì)算機(jī)為核心的硬件平臺(tái)上,由用戶設(shè)計(jì)虛擬面板,測(cè)試功能由測(cè)試軟件實(shí)現(xiàn)的一種計(jì)算機(jī)儀器系統(tǒng)。其實(shí)質(zhì)是利用計(jì)算機(jī)顯示器模擬傳統(tǒng)儀器的控制面板,利用IO接

9、口設(shè)備完成信號(hào)的采集、測(cè)量和調(diào)理,由計(jì)算機(jī)軟件實(shí)現(xiàn)信號(hào)數(shù)據(jù)的運(yùn)算、分析和處理,從而完成各種測(cè)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(diǎn),使用者可以通過(guò)修改軟件來(lái)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(yǔ)言(又稱為G語(yǔ)言),是美國(guó)NI公司研制的虛擬儀器開發(fā)平臺(tái),它帶有的擴(kuò)展庫(kù)函數(shù)的通用程序及專業(yè)的數(shù)學(xué)分析程序包,可以滿足復(fù)雜的工程計(jì)算和分析要求,減少了軟件開發(fā)工作量。2. 2系統(tǒng)構(gòu)建本系統(tǒng)采用虛擬儀器技術(shù)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(hào)調(diào)理電路、數(shù)據(jù)采集卡(DAQ)和PC機(jī)組成,系統(tǒng)的總體方案框圖

10、如圖4所示,該系統(tǒng)以個(gè)人計(jì)算機(jī)為基礎(chǔ),用軟件實(shí)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(hào)調(diào)理電路的功能主要是:將被測(cè)裝置中的電壓信號(hào)經(jīng)隔離轉(zhuǎn)化為DAQ板卡允許輸入的電壓信號(hào)(±10V范圍內(nèi))、波形轉(zhuǎn)換、濾波等,以便于DAQ進(jìn)行數(shù)據(jù)采集。數(shù)據(jù)采集卡采用美國(guó)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(shí)它是基于計(jì)算機(jī)PCI總線的數(shù)據(jù)采集卡,可直接插在計(jì)算機(jī)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(dá)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(shí)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(hào)采集、數(shù)據(jù)處理、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析及故障診斷等模塊。在測(cè)試過(guò)程中,必須利用軟件對(duì)于采集的數(shù)據(jù)進(jìn)行調(diào)理,實(shí)時(shí)對(duì)采集到的數(shù)據(jù)進(jìn)行分析和顯示,直觀地得到整流裝置運(yùn)行過(guò)程的一些基本特性。LabVIEW中包含豐富的信號(hào)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(bǔ)硬件濾波器性能的不足,提高測(cè)試精度,可采用軟件對(duì)采集的信號(hào)數(shù)據(jù)進(jìn)行二次濾波,調(diào)用函數(shù)選板 信號(hào)處理 波形調(diào)理 濾波器,對(duì)濾波器的類型、截止頻率、階次及其拓?fù)溥M(jìn)行設(shè)置就可以實(shí)現(xiàn)需要的濾波器。在本系統(tǒng)中,設(shè)置濾波器為低通型濾波器,截止頻率為2kHz,濾波器階次及拓?fù)湓O(shè)為默認(rèn)值。(2)頻譜分析對(duì)采集到的信號(hào)數(shù)據(jù)進(jìn)行FFT(快速傅立葉變換),就可以得到其頻譜特性。調(diào)用LabVIEW中的譜分析模塊,設(shè)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(luò)分析神經(jīng)網(wǎng)絡(luò)分析可直接調(diào)用Matlab應(yīng)用程序進(jìn)行,程序設(shè)計(jì)中的關(guān)鍵點(diǎn)是如何通過(guò)調(diào)用Mat-lab神經(jīng)網(wǎng)絡(luò)工具進(jìn)而使用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,這可在LABVIEW中調(diào)用MathScript節(jié)點(diǎn)把M程序?qū)氲胶竺姘宄绦蛑?選擇該節(jié)點(diǎn)的操作為:函數(shù)選板 數(shù)學(xué) 腳本與公式 MathScript節(jié)點(diǎn)。神經(jīng)網(wǎng)絡(luò)診斷部分輸出結(jié)果如表1所示。在仿真過(guò)程中, 22種故障訓(xùn)練后的網(wǎng)絡(luò)對(duì)其它樣本均具有較好的診斷能力,神經(jīng)網(wǎng)絡(luò)