服務(wù)熱線

0312-3268050

您的位置:首頁 > 新聞資訊 > 行業(yè)動態(tài)
行業(yè)動態(tài)

電力電子系統(tǒng)故障診斷方法與闡述

添加時間:2021-01-21 11:09:22   瀏覽次數(shù):1444  

電力電子電路的實際運行表明,大多數(shù)故障表現(xiàn)為功率開關(guān)器件的損壞,其中以功率開關(guān)器件的開路和直通常見。電力電子電路故障診斷與一般的模擬電路、數(shù)字電路的故障診斷存在較大差別,由于電力電子器件過載能力小,損壞速度快,其故障信息僅存在于發(fā)生故障到停電之前數(shù)十毫秒之內(nèi),因此,需要實時監(jiān)視、在線診斷;另外電力電子電路的功率已達數(shù)千千瓦,模擬電路、數(shù)字電路診斷中采用的改變輸入看輸出的方法不再適用,只能以輸出波形來診斷電力電子電路是否有故障及有何種故障。

電力電子電路的實際運行表明,大多數(shù)故障表現(xiàn)為功率開關(guān)器件的損壞,其中以功率開關(guān)器件的開路和直通常見。電力電子電路故障診斷與一般的模擬電路、數(shù)字電路的故障診斷存在較大差別,由于電力電子器件過載能力小,損壞速度快,其故障信息僅存在于發(fā)生故障到停電之前數(shù)十毫秒之內(nèi),因此,需要實時監(jiān)視、在線診斷;另外電力電子電路的功率已達數(shù)千千瓦,模擬電路、數(shù)字電路診斷中采用的改變輸入看輸出的方法不再適用,只能以輸出波形來診斷電力電子電路是否有故障及有何種故障。

故障診斷的關(guān)鍵是提取故障的特征。故障特征是指反映故障征兆的信號經(jīng)過加工處理后所得的反映設(shè)備與系統(tǒng)的故障種類、部位與程度的綜合量。故障診斷方法按提取特征的方法的區(qū)別,可分為譜分析方法、基于動態(tài)系統(tǒng)數(shù)學(xué)模型的方法、采用模式識別的方法、基于神經(jīng)網(wǎng)絡(luò)的方法、專家系統(tǒng)的方法、小波變換的方法和利用遺傳算法等。這些方法將在下文具體介紹。

一、故障診斷中的譜分析方法

在故障診斷中比較常用的信號處理方法是譜分析。常用傅里葉譜、沃爾什譜,另外還有濾波、相關(guān)分析等。譜分析的目的:信號中包含噪聲,為了提取特征;故障信號的時域波形不能清楚地反映故障的特征。而電力電子電路中包含故障信息的關(guān)鍵點信號通常具有周期性,因此可以用傅里葉變換將時域中的故障波形變換到頻域,以突出故障特征,實現(xiàn)故障診斷。

傅里葉變換是將某一周期函數(shù)分解成各種頻率的正弦分量,類似地,沃爾什變換是將某一函數(shù)分解成一組沃爾什函數(shù)分量。自適應(yīng)濾波是一種數(shù)字信號的處理統(tǒng)計方法,它不需要知道信號一二階的先驗統(tǒng)計知識,直接利用觀測資料,通過運算改變?yōu)V波器的某些參數(shù),而使自適應(yīng)濾波器的輸出能自動跟蹤信號特性的變化。在電力電子系統(tǒng)故障診斷中,可以用自適應(yīng)處理來實現(xiàn)噪聲抵消,譜線增強等功能,從噪聲背景下提取故障特征,從而實現(xiàn)準(zhǔn)確的診斷。

二、參數(shù)模型與故障診斷

如果系統(tǒng)的數(shù)學(xué)模型是已知的,就可以通過測量,估計系統(tǒng)的狀態(tài)和參數(shù),確定狀態(tài)變量和系統(tǒng)參量是否變化。采用基于系統(tǒng)數(shù)學(xué)模型的故障診斷方法,可以從較少的測量點去估計系統(tǒng)的多個狀態(tài)量或系統(tǒng)參數(shù),從而實現(xiàn)故障診斷。

進一步又可以分為檢測濾波器方法、狀態(tài)估計法和參數(shù)辨識方法三種。

1、檢測濾波器方法

它將部件、執(zhí)行機構(gòu)和傳感器的故障的輸出方向分別固定在特定的方向或平面上。

2、狀態(tài)估計法

通過監(jiān)測系統(tǒng)的狀態(tài)變化,也能反映由系統(tǒng)參數(shù)變化引起的故障,并對故障進行診斷。與一般的狀態(tài)估計不同,在進行故障診斷時,并不是去估計未知的狀態(tài)信息,而是借助觀測器或卡爾曼濾波器去重構(gòu)系統(tǒng)的輸出,以便取得系統(tǒng)輸出的估計值。這個估計值與實際輸出值之差就叫量測殘差。殘差中含有大量的系統(tǒng)內(nèi)部變化的信息,因此可以作為故障診斷的依據(jù)。狀態(tài)估計法的優(yōu)點是在線計算量小,診斷速度快。

3、參數(shù)辨識方法

實時辨識出系統(tǒng)模型的參數(shù),與正常時模型的參數(shù)比較,確定故障。常用的有二乘法。

三、模式識別在故障診斷中的應(yīng)用

故障的模式識別就是從那些反映系統(tǒng)的信息中抽取出反映故障的特征,并根據(jù)這些特征的不同屬性,對故障進行分類。用模式識別方法進行故障診斷,是根據(jù)樣本的數(shù)學(xué)特征來進行的,因此它不需要精確的數(shù)學(xué)模型。對于一些被診斷對象數(shù)學(xué)模型過于復(fù)雜、不易求解的問題,模式識別方法也是適用的。另外,在對工業(yè)系統(tǒng)的故障診斷中應(yīng)盡量利用非數(shù)學(xué)(包括物理和結(jié)構(gòu))方面的特征,設(shè)計出各種各樣的特征提取器,這樣將有利于利用對已有系統(tǒng)的知識,有利于減少計算工作量。由于特征的選擇和提取與待識別的模式緊密相關(guān),故很難有某種泛泛的規(guī)律可循。目前常用的方法有:距離分類法,Bayes分類法,F(xiàn)isher判別法,從參數(shù)模型求特征,用K-L變換提取特征等。

四、基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法

利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自歸納能力,經(jīng)過一定的訓(xùn)練,建立起故障信號與故障分類之間的映像關(guān)系。利用學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò),實現(xiàn)故障診斷。神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元廣泛互連而成的網(wǎng)絡(luò),這里以BP網(wǎng)絡(luò)為例加以介紹。BP網(wǎng)絡(luò)是單向傳播的多層前向網(wǎng)絡(luò),它由輸入層、中間層和輸出層組成,中間層可有若干層,每一層的神經(jīng)元只接受前一層神經(jīng)元的輸出。BP網(wǎng)絡(luò)中沒有反饋,同一層的節(jié)點之間沒有耦合,每一層的節(jié)點只影響下一層節(jié)點的輸入。

BP網(wǎng)絡(luò)一般采取的學(xué)習(xí)算法是:網(wǎng)絡(luò)的輸出和希望的輸出進行比較,然后根據(jù)兩者之間的差調(diào)整網(wǎng)絡(luò)的權(quán)值,使誤差變小。當(dāng)電力電子電路發(fā)生故障時,如果能夠利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力,使故障波形與故障原因之間的關(guān)系通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)后保存在其結(jié)構(gòu)和權(quán)中,然后將學(xué)習(xí)好的神經(jīng)網(wǎng)絡(luò)用于故障診斷,神經(jīng)網(wǎng)絡(luò)就可以通過對當(dāng)前電壓或電流波形的分析,得出故障原因,從而實現(xiàn)故障的在線自動診斷。

五、專家系統(tǒng)

由于故障診斷是從被監(jiān)測和診斷的對象表征去尋找故障的成因、部位,并確定故障的嚴(yán)重程度的,因此,如果把由已知故障去分析系統(tǒng)或設(shè)備的運行特性與表征叫做正問題,那么故障診斷就是逆問題了。這種逆問題的求解明顯不同于正問題的求解,而人工智能AI(Artificial Intelligence)技術(shù)中的專家系統(tǒng)ES(Expert System)正是解這種逆問題的有利工具。專家系統(tǒng)是人工智能研究的一個分支,它是通過模擬專家的經(jīng)驗,實現(xiàn)故障診斷。專家系統(tǒng)的結(jié)構(gòu)如下表所示:一個典型的診斷專家系統(tǒng)通過在線監(jiān)測并進行數(shù)據(jù)采集、存貯,然后傳送到診斷運行中心,在這里由專家系統(tǒng)進行處理、分析和診斷,將診斷結(jié)果和處理建議自動地反饋回運行現(xiàn)場。因此,專家系統(tǒng)是診斷系統(tǒng)中核心的部分。本文后面將介紹作者在實際中應(yīng)用專家系統(tǒng)方法進行故障診斷的實例。

六、小波變換的方法

在故障診斷中,突變信號往往對應(yīng)著設(shè)備的某種故障,分析和識別系統(tǒng)中產(chǎn)生的各種波形信號,并判別其狀態(tài),是進行電路故障診斷中的有效方法之一。設(shè)備正常運行時發(fā)出的信號較平穩(wěn),一旦設(shè)備出現(xiàn)故障,就將發(fā)出具有奇異性的動態(tài)非平穩(wěn)信號。為了實現(xiàn)設(shè)備故障的快速、準(zhǔn)確檢測,必須有效地識別故障發(fā)生瞬間的非平穩(wěn)信號。信號的處理與分析是故障預(yù)測和診斷的基礎(chǔ),提高診斷的準(zhǔn)確度需要信號處理和分析方法,小波變換以其對非平穩(wěn)信號局部化分析,及良好的時—頻定位功能的突出優(yōu)點,為故障診斷提供了新的、強有力的分析手段,彌補了傳統(tǒng)故障診斷中因為專家的經(jīng)驗知識很難精確描述,存在知識獲取的“瓶頸”問題。

七、遺傳算法

遺傳算法GA(Genetic Algorithm)是一種新發(fā)展起來的優(yōu)化算法,目前它已經(jīng)成為人們用來解決高度復(fù)雜問題的一個新思路和新方法。它依據(jù)適者生存、優(yōu)勝劣汰的進化規(guī)則,對包含可能解的群體進行基于遺傳學(xué)的操作,不斷生產(chǎn)新的群體并使群體不斷進化,同時以全局并行搜索優(yōu)化群體中優(yōu)個體以求得滿足要求的優(yōu)解。GA以其能以較大概率求得全局優(yōu)解、計算時間較少、具有較強魯棒性等特點在電力電子故障診斷系統(tǒng)中也得到了應(yīng)用。合理利用采集信息(即把采集信息分為三層),運用遺傳算法進行分層信息故障診斷;將遺傳算法應(yīng)用在故障診斷專家系統(tǒng)的推理和自學(xué)習(xí)中,可以克服專家系統(tǒng)存在的推理速度慢和在先驗知識很少的情況下知識獲取困難的障礙,提高了專家系統(tǒng)的適應(yīng)性。

回頂部
保定市金科匯電子有限公司

電話:0312-3268050

手機:0312-3917288/3268050/3179786

郵箱:jkh200888@126.com/ bdjkh@bdjkh.com

網(wǎng)址:http://www.meetlove520.cn

地址:保定高新區(qū)華光路123號威控機電產(chǎn)業(yè)園1-401

掃描進入手機站

Copyright ? 保定市金科匯電子有限公司 All Rights Reserved  冀ICP備2021026040號-1   網(wǎng)站制作三金網(wǎng)絡(luò)   冀公網(wǎng)安備 13060202001164號
首頁咨詢產(chǎn)品