相似度在电力电子电路故障诊断中的应用（仅供参考）.doc

窗体顶端相似度在电力电子电路故障诊断中的应用（仅供参考）摘要:采用一种基于S变换的相似度的电力电子电路故障诊断方法,首先建立各种类型故障信号的S变换模时频矩阵,然后计算故障信号模时频矩阵与标准样本模时频矩阵的相似度,以相似度最大为判别依据实现故障的诊断.三相桥式可控整流电路晶闸管故障诊断实验结果表明该方法能准确对电力电子电路故障进行类型的识别和故障元的定位,对噪声具有鲁棒性,且算法简单,在解决电力电子电路故障问题上有着很好的工程实用价值.关键词:S变换;相似度;故障诊断;电力电子电路Application of Similarity in Fault Diagnosis ofPower Electronics CircuitAbstract: A method of fault diagnosis was proposed for power electronics circuit based on S-transform similarity. At first, the standard sample module time-frequency matrixes of S- transform for all fault signal were constructed, then the similarity of fault signals module time-frequency matrixes to standard module time-frequency matrixes is calculated, and according to the principle of maximum similarity the faults were diagnosed. The experimental result of fault diagnosis of thyristor in three-phase full-bridge controlled rectifier shows that the method can accurately diagnose fault and locate fault element for power electronics circuit, and it has excellent performance on noise robust and calculation complexity, thus it also has good practical engineering value in the solution to fault question for power electronics circuit.Key words: S Transform; Similarity; Fault Diagnosis; Power Electronics Circuit引言随着电力电子技术的发展,电力电子装置越来越复杂,其故障模型也越来复杂,为使电力电子装置正常高效地工作,研究有效的故障诊断技术是很有必要的1-2.近几年,神经网络故障诊断技术被广泛应用于电力系统故障诊断中3-6,主要是由于基于神经网络故障诊断的方法不要求明确的故障模型,利用强大的自学习功能、并行处理能力和良好的容错能力,避免冗余实时建模的需求.但是通常采用的BP网络在结构设计上存在盲目性,且在训练过程中容易陷入局部极小点.文献7-9研究了采用小波变换方法进行故障特征提取的故障诊断方法,文献2研究了利用支持向量机对电力电子电路的故障类型的识别和故障障元的定位,这些方法在实际的电力电子装置故障诊断中起到了显著作用,但其算法相对比较复杂.本文采用一种基于S变换时频分析相似度的电力电子电路故障诊断方法,该方法首先对各种故障信号进行时频分析,然后通过直接计算不同故障信号的S变换时频模矩阵之间的相似度来量化其故障特征的差异,从而实现故障的诊断.1 S变换基本原理S变换由Stockwell于1996年提出10,是一种可逆的局部时频分析方法,其思想是对连续小波变换和短时傅立叶变换的发展.信号的一维连续S变换定义如下 (1)(2)其中,为高斯窗口(Gaussian Window),为控制高斯窗口在时间轴位置的参数,为频率,为虚数.由式中可以看出,S变换不同于短时傅立叶变换之处在于高斯窗口的高度和宽度随频率而变化,这样就克服了短时傅立叶变换窗口高度和宽度固定的缺陷.其一维连续S逆变换为(3)S变换可以看作是对连续小波的一种相位修正,并且可以从连续小波变换推导而来.若将母小波定义为一个高斯窗函数和一个复向量的乘积,代入到信号的连续小波定义式中即可得到S变换.由于信号的S变换与其傅立叶变换之间之间存在如下关系(4)这样,离散S变换可以通过以下方式获得:设是对连续时间信号进行采样得到的离散时间序列,是采样时间间隔,为总采样点数.则该序列的离散傅立叶变换为(5)式(4)中,令且,则得一维离散S变换(6)式中代表时间的,代表频率的.由式(5)和式(6)可知,S变换可以通过快速傅立叶变换实现快速运算.显然,连续信号的采样时间序列经S变换后结果是一个复时频矩阵,记为S矩阵,其列对应时间,行对应频率.将S矩阵各个元素求模后得到的矩阵记为S模矩阵,其列向量表示信号某一时刻的幅值随频率变化的分布,其行向量表示信号某一频率处的幅值随时间变化的分布.因此S模矩阵某位置的大小就是相应频率和时间处理信号S变换的幅值,S变换的结果可以用时频图像来表示.2 基于相似度的电力电子电路故障诊断方法2.1 故障电路和故障模型分析图1为三相全波桥式整流电路,电路中主要发生两种情况的故障:电路中有一只晶闸管故障或者同时有两只晶闸管发生故障.本文应用Matlab R2006a 6.4仿真工具箱建立整流电路仿真模式,来对各种故障进行仿真实验.经研究表明:整流桥输出端的直流脉动电压包含了晶闸管是否有故障的信息,是一个关键的测试点;并且直流脉动电压容易检测,若可借助于的分析达到故障分类的目的则可达到事半功倍的效果,所以我们尝试将作为主要分析处理对象.为了便于分析,本文以任一只晶闸管发生短路、断路故障作为主要研究内容,同时我们还将电路正常工作时作为一种特殊的故障进行分析.2.2 基于S变换的故障特征时频分析通过Matlab仿真整流角为时不同故障产生时的信号(每个周期采样64点),运用S变换对其进行处理,得到不同故障发生时的S模时频矩阵3-D如图2(a)-(m)所示.从图2可以看出,每种故障S变换后的结果是不一样的.特别地,在频率为2k3.15kHz的频率段内,不同故障的S模时频矩阵的幅值在整个时域内分布不相同.2.3 基于S变换的相似度的定义在S模时频矩阵中,每个元素表示故障信号在对应时刻和频率处的幅值,类似于数字图像的象素矩阵11.因此,可将图像识别中相似度分类识别的方法应用于电力电子电路进行故障诊断.设为某故障发生时信号的S模时频矩阵,为已经建立的某故障信号的S模时频矩阵,通过式(7)可描述两者之间内容的相似程度.(7)将式(8)展开,有(8)式(8)中的第1项为测试样本S模时频矩阵的能量,当故障测试样本信号不同时,其值也不同;第3项表示已建立的某类故障S模时频矩阵的能量;第2项为测试样本的S模时频矩阵与已建立的某故障信号S模时频矩阵之间的互相关度,随测试样本信号的不同其值不同,且当和内容越接近时其值越大.将式(8)的第2项归一化得到相似度,其表达式定义为(9)式(9)中、分别为S变换中代表时间和频率的采样点.基于S变换的相似度的电力电子电路故障诊断的过程:首先运用S变换对未知的故障信号进行处理,得到故障信号的S模时频矩阵;然后由式(9)分别计算该故障S模时频矩阵与已建立的所有故障类型的S模时频矩阵的相似度,并以计算得到的相似度作为识别不同故障类型的依据.2.4 实验结果分析为了全面检验本文提出电力电子电路故障诊断方法的有效性,我们选择整流角-1010之间发生偏差20个角度的故障样本,以及在这些整流角的故障样本中加入信噪比分别为20dB和10dB的高斯白噪声信号等作为测试样本(非标准样本)加以验证.选择整流角为0度各种故障样本作为标准样本,并建立标准故障样本的S模时频矩阵,测试样本共780个故障样本.在图2可知,不同故障的S模时频矩阵的幅值在频率为2k3.15kHz的频率段内时域内分布不相同,因此我们可以只需计算测试样本S模时频矩阵在这频段内的子矩阵与标准故障样本S模时频矩阵在这频段内的子矩阵的相似度.表1为整流角度偏差10度时各种故障信号S模时频矩阵与整流角为0度时各种故障信号的S模时频矩阵的相似度;由表可知,某一故障类型的测试样本的S模时频矩阵与这一类故障的S模时频矩阵的相似度最大,则表明该故障信号与这一类故障信号的S模时频矩阵内容最相近,因此我们可由相似度的最大值来识别未知故障应属于故障类型的哪一类,从而实现对电力电子电路故障的诊断.表2、表3为在整流角度偏差10度时的各类故障信号中分别加入信噪比分别为20dB和10dB的高斯白噪声信号,由表中将含有噪声的测试样本与不含有噪声故障信号的S模时频矩阵之间的相似度的计算结果表明,利用S变换和相似度相结合的故障诊断方法对于噪声不敏感.SNR= 标准样本S变换模时频矩阵无故障 T1断路 T2断路 T3断路 T4断路 T5断路 T6断路 T1短路 T2短路 T3短路 T4短路 T5短路 T6短路测试样本无故障 0.9996 0.9909 0.9890 0.8487 0.8061 0.8458 0.9814 0.5502 0.6345 0.8271 0.9695 0.9364 0.7534T1断路 0.9909 0.9995 0.9960 0.8495 0.8001 0.8462 0.9883 0.5346 0.6315 0.8372 0.9841 0.9489 0.7573T2断路 0.9893 0.9974 0.9990 0.8542 0.7974 0.8412 0.9853 0.5364 0.6215 0.8301 0.9822 0.9524 0.7629T3断路 0.8798 0.8822 0.8913 0.9852 0.6869 0.5872 0.8502 0.6101 0.3072 0.5590 0.8393 0.9643 0.8955T4断路 0.7837 0.7782 0.7753 0.7572 0.9826 0.5245 0.7163 0.7907 0.5952 0.4749 0.6881 0.7263 0.8489T5断路 0.8193 0.8175 0.8085 0.4654 0.6409 0.9940 0.8583 0.4079 0.8670 0.9790 0.8374 0.6417 0.3095T6断路 0.9714 0.9779 0.9736 0.7844 0.7116 0.9127 0.9975 0.4485 0.6828 0.9068 0.9901 0.9034 0.6444T1短路 0.5898 0.5790 0.5850 0.7019 0.8331 0.3424 0.5024 0.9787 0.4428 0.2819 0.4686 0.6157 0.8191T2短路 0.5991 0.5915 0.5749 0.3107 0.6997 0.7692 0.6215 0.5952 0.9865 0.7406 0.5876 0.3789 0.2904T3短路 0.7949 0.8030 0.7910 0.4215 0.5846 0.9844 0.8480 0.3315 0.8520 0.9939 0.8428 0.6304 0.2669T4短路 0.9601 0.9744 0.9693 0.7693 0.6833 0.8967 0.9912 0.4049 0.6590 0.9062 0.9973 0.9086 0.6372T5短路 0.9556 0.9693 0.9735 0.9118 0.7239 0.7392 0.9470 0.5336 0.4560 0.7381 0.9542 0.9963 0.8273T6短路 0.7856 0.7921 0.8005 0.9592 0.7400 0.3857 0.7313 0.6808 0.2454 0.3604 0.7291 0.8956 0.9939SNR=20dB 标准样本S变换模时频矩阵无故障 T1断路 T2断路 T3断路 T4断路 T5断路 T6断路 T1短路 T2短路 T3短路 T4短路 T5短路 T6短路测试样本无故障 0.9996 0.9909 0.9891 0.8488 0.8062 0.8456 0.9814 0.5501 0.6344 0.8269 0.9696 0.9364 0.7536T1断路 0.9910 0.9995 0.9960 0.8496 0.8002 0.8460 0.9883 0.5346 0.6314 0.8370 0.9840 0.9489 0.7575T2断路 0.9894 0.9975 0.9990 0.8543 0.7975 0.8411 0.9853 0.5364 0.6214 0.8299 0.9822 0.9524 0.7631T3断路 0.8800 0.8823 0.8913 0.9852 0.6868 0.5871 0.8502 0.6101 0.3069 0.5589 0.8393 0.9644 0.8956T4断路 0.7849 0.7793 0.7764 0.7569 0.9829 0.5259 0.7176 0.7898 0.5966 0.4765 0.6896 0.7269 0.8486T5断路 0.8203 0.8185 0.8095 0.4669 0.6404 0.9942 0.8592 0.4075 0.8665 0.9793 0.8384 0.6429 0.3104T6断路 0.9718 0.9782 0.9739 0.7851 0.7125 0.9123 0.9976 0.4491 0.6826 0.9063 0.9901 0.9038 0.6455T1短路 0.5906 0.5795 0.5857 0.7035 0.8338 0.3407 0.5026 0.9777 0.4404 0.2799 0.4687 0.6167 0.8213T2短路 0.6000 0.5921 0.5755 0.3097 0.6999 0.7709 0.6225 0.5930 0.9872 0.7421 0.5884 0.3785 0.2889T3短路 0.7960 0.8039 0.7920 0.4232 0.5843 0.9848 0.8491 0.3313 0.8517 0.9942 0.8438 0.6316 0.2679T4短路 0.9606 0.9748 0.9698 0.7703 0.6844 0.8964 0.9914 0.4059 0.6589 0.9056 0.9974 0.9091 0.6384T5短路 0.9561 0.9698 0.9739 0.9118 0.7247 0.7398 0.9475 0.5336 0.4571 0.7387 0.9546 0.9962 0.8272T6短路 0.7865 0.7929 0.8013 0.9599 0.7397 0.3869 0.7323 0.6804 0.2453 0.3615 0.7300 0.8964 0.9936SNR=10dB 标准样本S变换模时频矩阵无故障 T1断路 T2断路 T3断路 T4断路 T5断路 T6断路 T1短路 T2短路 T3短路 T4短路 T5短路 T6短路测试样本无故障 0.9995 0.9911 0.9894 0.8505 0.8073 0.8440 0.9814 0.5492 0.6337 0.8254 0.9698 0.9367 0.7553T1断路 0.9914 0.9993 0.9960 0.8510 0.8013 0.8443 0.9881 0.5341 0.6306 0.8350 0.9837 0.9487 0.7591T2断路 0.9901 0.9975 0.9988 0.8556 0.7991 0.8398 0.9853 0.5366 0.6217 0.8284 0.9820 0.9521 0.7646T3断路 0.8843 0.8862 0.8948 0.9850 0.6896 0.5917 0.8544 0.6086 0.3112 0.5638 0.8436 0.9663 0.8957T4断路 0.8005 0.7946 0.7916 0.7613 0.9839 0.5442 0.7348 0.7818 0.6080 0.4964 0.7076 0.7386 0.8487T5断路 0.8347 0.8323 0.8236 0.4890 0.6464 0.9956 0.8724 0.4110 0.8621 0.9808 0.8518 0.6609 0.3306T6断路 0.9748 0.9806 0.9765 0.7915 0.7199 0.9080 0.9981 0.4544 0.6800 0.9013 0.9906 0.9072 0.6544T1短路 0.6624 0.6508 0.6582 0.7592 0.8703 0.4030 0.5773 0.9621 0.4733 0.3435 0.5444 0.6810 0.8573T2短路 0.6677 0.6593 0.6438 0.3806 0.7423 0.8103 0.6880 0.6018 0.9856 0.7811 0.6546 0.4517 0.3484T3短路 0.8201 0.8271 0.8158 0.4587 0.6063 0.9882 0.8698 0.3473 0.8484 0.9957 0.8639 0.6597 0.3035T4短路 0.9643 0.9776 0.9730 0.7778 0.6935 0.8930 0.9926 0.4129 0.6573 0.9010 0.9980 0.9127 0.6479T5短路 0.9606 0.9733 0.9772 0.9120 0.7324 0.7458 0.9515 0.5351 0.4679 0.7436 0.9577 0.9951 0.8267T6短路 0.8084 0.8140 0.8226 0.9661 0.7518 0.4184 0.7560 0.6773 0.2698 0.3929 0.7532 0.9093 0.9903限于篇幅,本文只列出上面三个测试样本的S模时频矩阵与已建立的所有故障类型模时频矩阵的相似度的计算结果;根据相似度的计算结果表明,本文提出的故障诊断方法能准确对所有的故障测试样本实现诊断和故障元的定位,该故障诊断方法在解决电力电子整流装置故障问题上将有着很好的实用价值和应用前景.3 结语针对故障特征提取和故障诊断两个关键技术,本文结合S变换和数字图像中的相似度构造了电力电子电路故障诊断方案.实验结果表明了该方案的优越性,这得益了S变换良好时频特性和相似度计算的简易性,该方法也可推广至其它形式的可控整流电路故障诊断中.参考文献 (References)1Son Ho-In, Kim Tac-Jin, Kang Dec-Wook. Fault Diagnosis and Neutral Point Voltage Control When the 3-Level Inverter Faults OccurC/Proc. of the 35th Annual IEEE Power Electronics Specialists Conference. IEEE Press, 2004: 4558-4563.2胡清,王荣杰,詹宜巨.基于支持向量机的电力电子电路故障诊断技术J.中国电机工程学报,2008,28(12):107-111.HU Qing, WANG Rong-jie, ZHAN Yi-ju. Fault Diagnosis Technology Based on SVM in Power Electronics CircuitJ. Proceedings of the CSEE, 2008,28(12):107-111.3Liu Aimin, Lin Xin, Liu Xiangdong. Fault Diagnosis Method of High Voltage Circuit Breaker Based on (RBF) Artificial Neural NetworkC. 2005 IEEE/PES Transmission and Distribution Conference & Exhibition: Asia and Pacific, Dalian, China , 2005: 1-4.4Yang B S, Han T, An J L. Neural Network for Fault Diagnosis of Rotating Machinery J. Mechanical Systems and Signal Processing, 2004, 18(3): 645-647.5Luo Zhiyong, Zhi Zhongke. Wavelet Neural Network Method for Fault Diagnosis of Push-pull CircuitsC. Proceedings of the 4th International Conference on Machine Learning and Cyber