基于聲波信號分析的電氣設備故障診斷方法研究

武漢輕工大學 覃 帥

引言

伴隨著現代電子和計算機技術的發展，在電氣設備故障診斷方面，已經可以利用聲波信號分析等故障診斷技術進行常規檢測儀器的代替，從而實現對大型復雜電氣設備故障的全面檢測和準確診斷，提高設備故障診斷效率和可靠性，加強設備監控管理，為電氣設備運行提供全方位保護。

1 聲波信號分析技術概述

在聲波信號采集的過程中，通常伴有大量噪聲，將對電氣設備故障診斷帶來影響。采用聲波信號分析技術，可以通過對采集得到的聲波信號進行分離，完成電氣設備聲波信號特征的提取，從而通過聲波信號分析確認設備是否存在故障。在聲波信號分析上，通常采用分離技術對信號進行分類處理和加工，然后利用濾波技術實現對信號的消噪和特征提取。針對取得的特定頻段的數據，可以通過信號分析和數據處理完成信號轉換，從而對信號中的特征信息進行反映。

2 基于聲波信號分析的電氣設備故障診斷方法

2.1 電氣設備故障診斷總體方案

在實際進行電氣設備聲波信號采集時，還要利用數字信號處理方法對信號變化規律和突變特征進行定量分析。為此，還要完成信號的實時采集，同時對信號進行處理和分析。通過狀態識別，則能做出故障診斷決策[1]。為判斷設備是否存在故障，需要完成系統知識庫的建立，利用推理機將參數與判別參數比較，從而在判別故障的同時，對故障的性質和類型進行確認。最后，結合設備故障判斷結果，需要結合當前信號進行設備狀態發展趨勢的預測，然后制定科學的故障診斷決策。而借助專家系統，則能實現故障的在線診斷決策。如圖1所示，為基于聲波信號分析的電氣設備故障診斷總體方案圖。

圖1 基于聲波信號分析的電氣設備故障診斷總體方案圖

2.2 電氣設備故障診斷關鍵環節

2.2.1 聲波信號采集

在利用聲波信號分析技術對電氣設備故障進行診斷時，可以用某AX信號繼電器為例，采用CHZ型3Hz-18kHz的電容傳感器對設備聲波信號進行采集。在信號采集階段，需要實現信號數字化處理，對連續時間信號進行離散化處理。運用數學理論，需完成幅值調制形式的采樣。在頻率選擇時，還應避免混疊現象的產生，確保信號不失真的同時，滿足后續信號處理要求。采用計算機，可以完成頻率為40kHz的聲音信號采樣，因此可以滿足電氣設備故障診斷的聲波信號頻譜測試要求。

2.2.2 聲波信號處理

在信號處理階段，需要采用分層閾值法進行信號噪聲的消除。由于故障信號屬于瞬變信號，所以難以利用傅里葉分析方法進行區分，以免在整個頻域將故障信號平滑掉。針對這一問題，還要詞用小波分析法進行信號消噪處理。利用式（1），可以進行含噪聲信號模型的表示。式中，s(t)為采集得到的信號，x(t)為原始信號，e(t)為噪聲信號，σ指的是噪聲強度。通過去噪，則能使信號中的噪聲得到抑制，恢復真實信號x(t)。

結合電力工程的實際情況可知，在多數信號中，不僅包含奇異點，同時也存在不連續點。采用相同的閾值無法滿足去除噪聲和留下有用信號的目的，因此還要采用分層閾值。如式（2）所示，J為最大尺度，取值為2，N為預設噪聲功率，A指的是最大極值點幅度[2]。而N為預設的功率，Z不變的情況下，需要在本級尺度J上進行A的查找。在降噪后，對各尺度的模極大值點進行保留，則能完成信號的重構。

2.2.3 故障特征提取

在特征提取過程中，還要結合小波包特征進行關鍵特征信息的識別和分離。具體來講，就是對第三層從低到高的8個頻率成分信號特征進行分別提取，將各系數命名為X3K。通過重構分解系數，可以對各頻帶范圍內的信號進行提取。通過分析，可以得到總信號S=S30+S31+……+S37。對各頻帶信號總能量進行計算，可以得到S3j能量為E3j，j=0,1,1……,7，可得下式（3）。式中，xjk為重構信號的離散點幅值。

利用能量元素進行特征向量T的構造，可以得到：

作為較大的數值，E3j在能量較大時將給數據分析帶來阻礙。通過改進特征向量，完成歸一化處理，可以得到式（4）。通過對信號進行三層分解，可以完成各自特征向量的構造。

2.2.4 設備狀態趨勢預測

針對電力設備，其運行聲波信號中包含的奇異信號也包含設備重要特征信息，通過對奇異點進行定量分析，可以較好的實現故障診斷。采用小波變換，可以利用方法的時頻局部性特征對奇異點位置進行有效分析。在具體采用該方法時，通過特征提取，可以發現設備聲波信號中存在不規則的突變信號，其中包含重要特征信息。通過對奇異點進行檢測，可以實現對給設備運行狀態帶來擾動的潛在因素，從而通過準確檢測設備狀態完成突變信號的變換，實現對信號發展趨勢的準確判斷。如式（5）所示，連續小波變換Wy(a,b)的時間-頻率分辨率將有所變化。針對動態測試信號進行小波包分解，可以將混頻信號分解為多個頻帶不重疊的子信號。結合分解結果，可以完成不同頻段分量幅值的觀察，從而在幅值和頻率兩方面對測試信號的變化趨勢進行把握。通過將實物故障注入模擬與驗證，則能完成電氣設備在線監測和診斷系統的構建，得到實物故障狀態數據庫。

2.3 故障診斷方案效果的驗證

為對故障診斷方案效果進行驗證，還要采用Matlab對幾組表征信號的信息數據進行分析和處理，然后以此為推理機進行信號特征值的判斷依據，實現對設備聲波信號的在線監測。

如表1所示，實驗數據重復性良好。從實驗結果來看，采用SVM模型進行故障診斷，診斷決策的正確率在80%左右，采用基于聲波信號分析的故障診斷方法正確率超出了90%，能夠滿足電氣設備的故障診斷需求。

表1 實驗得到的信號輸出能量數據

3.結論

通過研究可以發現，在電氣設備故障診斷方面，需要完成設備運行數據采集、分析和處理，并完成數學模型建立，才能實現對設備運行監控和故障的智能診斷。而采用聲波信號分析技術，可以實現對電氣設備故障的全面檢測和準確診斷，同時也能實現設備故障的提前預報，從而為設備運行提供保護。

[1]程志萬,趙現平,譚向宇.利用改進EEMD的高壓斷路器聲波故障診斷方法[J].科技創新導報,2014,11(35):90.

[2]李建鵬,趙書濤,夏燕青.基于雙譜和希爾伯特-黃變換的斷路器故障診斷方法[J].電力自動化設備,2013,33(02):115-119+125.