溫度傳感器智能故障診斷和容錯估計

徐紹龍,李學(xué)明,成正林

(株洲中車時代電氣股份有限公司技術(shù)中心,湖南 株洲 412001)

0 引言

在自動控制領(lǐng)域中,傳感器把被測物理信號轉(zhuǎn)化成電信號,對監(jiān)控系統(tǒng)的運(yùn)行至關(guān)重要。 當(dāng)其出現(xiàn)故障時,將給后續(xù)的監(jiān)測、控制、故障診斷等系統(tǒng)帶來嚴(yán)重影響[1]。 例如,在機(jī)車傳動控制系統(tǒng)中,溫度是表征設(shè)備工作環(huán)境與狀態(tài)的一個重要指標(biāo),如牽引變壓器油溫、牽引變流器水冷系統(tǒng)的入、出水口溫度傳感器溫度、柜體空氣溫度和牽引電機(jī)溫度等。 如果溫度過高,需對機(jī)車進(jìn)行減功率運(yùn)行、斷主斷路器等保護(hù)動作,以保證設(shè)備的安全運(yùn)行。 牽引傳動系統(tǒng)裝置運(yùn)行環(huán)境復(fù)雜,腐蝕、溫度、濕度以及電浪涌、靜電等因素都會影響其運(yùn)行狀態(tài)[2]。

安裝溫度傳感器時,接線錯誤或機(jī)車運(yùn)行過程中的強(qiáng)烈振動,經(jīng)常會導(dǎo)致傳感器故障(如斷線、短路、反接等)。 此時,傳感器測量值將偏離真實(shí)值。 如果測量值比真實(shí)值偏高,將導(dǎo)致系統(tǒng)誤動作,影響機(jī)車的正常運(yùn)行[3]。 如果測量值比真實(shí)值偏低,將導(dǎo)致系統(tǒng)漏動作,對機(jī)車設(shè)備造成損害。 因此,研究溫度傳感器的智能故障診斷以及故障工況下的溫度估計算法,以估計值代替實(shí)際測量值來進(jìn)行系統(tǒng)保護(hù),具有較高的應(yīng)用價值。

本文以溫度傳感器的歷史故障數(shù)據(jù)樣本及正常歷史數(shù)據(jù)為基礎(chǔ),提出了一種智能故障診斷和容錯估計方法。 通過故障樣本特征分析建立傳感器故障判斷的規(guī)則庫,并得出故障工況的容錯估計方法。 對于不可根據(jù)故障樣本重構(gòu)的故障工況,采用傳感器的正常歷史數(shù)據(jù)建立傳感器測量值的灰色預(yù)測模型,從而實(shí)現(xiàn)不可隔離故障樣本的容錯估計。 仿真結(jié)果和在列車牽引系統(tǒng)上的現(xiàn)場應(yīng)用結(jié)果均證明了該方法的有效性。

1 溫度傳感器信號采樣電路簡介

熱電阻(例如PT100)是利用其電阻值隨溫度的變化而變化這一原理制成的,將溫度量轉(zhuǎn)換成電阻量的溫度傳感器。 溫度測量電路通過先給熱電阻施加一個已知激勵電流再測量其兩端電壓的方法得到電阻值(電壓/電流),并將電阻值轉(zhuǎn)換成溫度值,從而實(shí)現(xiàn)溫度測量[4]。

熱電阻與溫度測量電路之間有三種接線方式:二線制、三線制[5]和四線制[6]。 由于四線制測量方式不受連接導(dǎo)線的電阻的影響,在現(xiàn)場得到了廣泛的應(yīng)用。絕大多數(shù)機(jī)車傳動系統(tǒng)中也采用了此接線方式。 因此,本文以四線制接法的溫度傳感器為例,研究其信號采樣電路原理、故障診斷及容錯估計方法。

典型的溫度信號采樣原理如圖1 所示[7]。

圖1 中,PT100 兩端通過A1、A2兩端接入4.9 mA恒流源,然后溫度信號采樣電路通過B1、B2得到其差分輸入電壓Uin。Uin經(jīng)過電壓跟隨器生成單端電壓信號Uin′,然后進(jìn)入同相比例運(yùn)算放大電路生成滿足控制單元模數(shù)轉(zhuǎn)換器(analog to digital converter,ADC)采樣所需的電壓信號。

圖1 溫度信號采樣原理圖Fig.1 Schematic diagram of temperature signal sampling

若設(shè)同相比例運(yùn)算放大電路的放大倍數(shù)為K, 則溫度傳感器(PT100)采樣溫度值T與溫度信號采樣電路輸出電壓值U之間的關(guān)系如式(1)所示。

2 溫度傳感器智能診斷和容錯估計方法原理

傳感器原始信號通過信號采樣電路后,進(jìn)入控制單元的智能診斷與容錯估計模塊。 首先,根據(jù)傳感器信號采樣電路參數(shù)對信號有效性進(jìn)行判斷。 若判斷正常,則輸出傳感器信號測量值作為真實(shí)值。若判斷異常,則進(jìn)入故障診斷模塊。 故障診斷模塊根據(jù)故障樣本規(guī)則庫中的相關(guān)規(guī)則和輸入信號,判斷出當(dāng)前故障類別。 若故障為可重構(gòu)類型,則直接計算出傳感器信號的重構(gòu)值作為真實(shí)值;反之,則進(jìn)入灰色預(yù)測模塊。 灰色預(yù)測模塊根據(jù)正常歷史數(shù)據(jù)對當(dāng)時測量值進(jìn)行估計,得出傳感器信號的估計值作為真實(shí)值。

溫度傳感器智能診斷和容錯估計原理如圖2 所示。

圖2 溫度傳感器智能故障診斷和容錯估計原理示意圖Fig.2 Schematic diagram of intelligent fault diagnosis and fault tolerant estimation of temperature sensor

從圖2 可以看出,故障樣本規(guī)則庫創(chuàng)建和規(guī)則提取是實(shí)現(xiàn)專家診斷的關(guān)鍵。 此外,若故障類別為不可重構(gòu)故障,則需根據(jù)正常歷史數(shù)據(jù),利用灰色預(yù)測理論對傳感器信號真實(shí)值進(jìn)行估計。 下面以機(jī)車傳動系統(tǒng)牽引變流器水冷系統(tǒng)中的入口水溫傳感器為例,闡述本文提出的算法原理。

2.1 信號有效性判斷

根據(jù)實(shí)際應(yīng)用經(jīng)驗(yàn),機(jī)車傳動系統(tǒng)牽引變流器水冷系統(tǒng)中的入口水溫信號Tin的正常范圍為-60～+80 ℃,入口水溫信號采樣電路的比例運(yùn)算放大器倍數(shù)K為14。 由此可以根據(jù)式(1)算出入口水溫采樣電路輸出電壓U的理論值正常范圍為5.275～8.973 V。

入口水溫傳感器信號有效性判斷規(guī)則如表1所示。

表1 入口水溫傳感器信號有效性判斷規(guī)則表Tab.1 Signal validity judgment rules for of inlet water temperature sensor

2.2 專家系統(tǒng)規(guī)則庫設(shè)計

2.2.1 故障樣本數(shù)據(jù)分析

為了得到不同工況下的各種故障樣本,并根據(jù)故障樣本的數(shù)據(jù)規(guī)律來提取規(guī)則,本文對入口溫度傳感器在不同溫度下的各種故障類型進(jìn)行了現(xiàn)場模擬。 10種故障工況如表2 所示。 不同溫度、各種故障工況下的采樣電路輸出電壓值如表3 所示。

表2 10 種故障工況Tab.2 10 fault conditions

表3 不同溫度、各種故障工況下的采樣電路輸出電壓值Tab.3 The voltage outputs of the sampling circuit under fault conditions and different temperatures V

根據(jù)表3 的數(shù)據(jù),得到不同溫度下正常工況與故障工況輸出電壓值變化曲線,如圖3 所示。

圖3 不同溫度下正常工況與故障工況輸出電壓值變化曲線Fig.3 Variation curve of voltage outputs under normal and fault conditions at different temperatures

由圖3 可以看出,故障工況F2、F4 和F8 時,測量值將偏離正常值且與溫度成線性關(guān)系。 因此,可通過數(shù)據(jù)擬合方法得到這三種故障工況下測量值與真實(shí)溫度間的關(guān)系式,從而對這三種故障工況下的真實(shí)溫度值進(jìn)行重構(gòu)。 當(dāng)傳感器處于故障工況F5 或F6 時,其輸出測量值恒為-10 V 或+10 V。 利用該特征可識別兩種故障工況,但無法重構(gòu)其真實(shí)溫度值。 由于故障工況F1、F3、F7、F9 和F10 時的輸出電壓均為0,所以,只能識別出傳感器出現(xiàn)此五種故障,但無法具體定位哪種故障。 對于故障工況F1、F3、F5、F6、F7、F9 和F10,由于無法進(jìn)行真實(shí)溫度值的重構(gòu),所以需根據(jù)灰色預(yù)測方法,利用歷史正常數(shù)據(jù)來對其真實(shí)溫度值進(jìn)行估計。

2.2.2 故障樣本規(guī)則庫創(chuàng)建及規(guī)則提取

正常工況和各種故障工況時輸出電壓范圍值如圖4 所示。

圖4 正常工況和各種故障工況時輸出電壓范圍值Fig.4 Output voltage range under normal and fault conditions

由圖4 可知,正常工況和各種故障工況的輸出電壓范圍值相互獨(dú)立。 因此,可利用電壓范圍值與故障類型間的關(guān)系建立故障樣本規(guī)則庫,并根據(jù)實(shí)際測量值重構(gòu)故障工況F2、F4 和F8 時的真實(shí)溫度值。

本文建立的基于故障樣本的規(guī)則庫如表4 所示。

表4 基于故障樣本的規(guī)則庫Tab.4 Rule base based on fault samples

2.2.3 故障工況下真實(shí)溫度值重構(gòu)

根據(jù)表3 所測故障樣本數(shù)據(jù),采用最小二乘法擬合得到的故障工況F2、F4 和F8 時真實(shí)溫度值與測量值的重構(gòu)表達(dá)式分別如式(2)、式(3)、式(4)所示,擬合效果分別如圖5、圖6、圖7 所示。

故障工況F2 時,溫度真實(shí)值重構(gòu)計算為:

故障工況F4 時,溫度真實(shí)值重構(gòu)計算為:

故障工況F8 時,溫度真實(shí)值重構(gòu)計算為:

由圖5～圖7 可以看出,故障工況時的重構(gòu)溫度值與真實(shí)溫度值幾乎重合,擬合效果理想。

圖5 故障工況F2 時擬合效果Fig.5 Fitting effect under fault condition F2

圖6 故障工況F4 時擬合效果Fig.6 Fitting effect under fault condition F4

圖7 故障工況F8 時擬合效果Fig.7 Fitting effect under fault condition F8

2.3 基于灰色預(yù)測模型估計傳感器真實(shí)值

由2.2 節(jié)可知,不能基于故障樣本數(shù)據(jù)重構(gòu)故障工況(除F2、F4、F8 外)時的溫度真實(shí)值。 但機(jī)車運(yùn)行過程中,會對各傳感器溫度值進(jìn)行實(shí)時采樣和有效性判斷。 因此,可利用故障前的正常運(yùn)行歷史數(shù)據(jù)估計其當(dāng)前真實(shí)溫度值。

灰色預(yù)測理論由鄧聚龍教授提出,利用系統(tǒng)部分?jǐn)?shù)據(jù)信息,建立反映系統(tǒng)發(fā)展規(guī)律的微分?jǐn)?shù)學(xué)模型,并通過建立的灰色模型預(yù)測系統(tǒng)的發(fā)展。 它采用累加生成原理[8],將原始數(shù)據(jù)生成為一個單調(diào)增長的曲線。它增強(qiáng)了原始數(shù)據(jù)的規(guī)律性,弱化了隨機(jī)性。 本文采用GM(2,1)模型,利用正常歷史數(shù)據(jù)對故障工況下的真實(shí)溫度值進(jìn)行估計。

2.3.1 傳感器采樣數(shù)據(jù)預(yù)處理

下面以現(xiàn)場采樣到的牽引變流器柜內(nèi)的溫度數(shù)據(jù)為例進(jìn)行算法原理說明。 現(xiàn)場采樣的原始數(shù)據(jù)如圖8所示。 原始數(shù)據(jù)濾波處理如圖9 所示。

圖8 現(xiàn)場采樣的原始數(shù)據(jù)Fig.8 Orginal data collected on site

圖9 原始數(shù)據(jù)濾波處理Fig.9 Filtering of original data

本文選擇入口水溫傳感器的數(shù)據(jù)進(jìn)行建模。 首先,對數(shù)據(jù)進(jìn)行濾波處理,得到除噪后的數(shù)據(jù)波形。 由于溫度為緩變的物理量,以100 s 為采樣周期,對濾波后的數(shù)據(jù)進(jìn)行建模。 濾波后的采樣時刻入口水溫傳感器溫度值如表5 所示。

表5 濾波后的采樣時刻入口水溫傳感器溫度值Tab.5 Filtered temperature value from inlet water temperature sensor at sampling time

2.3.2 GM(2,1)灰色預(yù)測模型建立

綜合考慮預(yù)測效果和程序運(yùn)行時間因素,選擇6個序列進(jìn)行建模。 其中:前6 個數(shù)據(jù)用于建模,后4 個數(shù)據(jù)用于預(yù)測模型的有效性驗(yàn)證。

故而得到方程(5)的通解為:

2.3.3 預(yù)測結(jié)果分析

基于前述前6 個采樣點(diǎn)的正常工況數(shù)據(jù),可以建立GM(2,1)模型,并預(yù)測其第7 個采樣時刻數(shù)據(jù)。 為了充分利用最新數(shù)據(jù),以保證預(yù)測模型的有效性,引入預(yù)測控制中的“滾動優(yōu)化”[9-10]思想。 在第8 個采樣時刻,若根據(jù)前述有效性判斷規(guī)則判斷出第7 個采樣數(shù)據(jù)有效,則舍棄正常歷史采樣數(shù)據(jù),利用最新的6 個正常采樣數(shù)據(jù)進(jìn)行建模。 基于灰色預(yù)測模型GM(2,1)的預(yù)測誤差如表6 所示。

表6 基于灰色預(yù)測模型GM(2,1)的預(yù)測誤差Tab.6 Prediction errors of grey prediction model GM (2,1)

由表6 可以看出,利用現(xiàn)場正常工況數(shù)據(jù),采用GM(2,1)預(yù)測模型估計的溫度值預(yù)測精度高,完全能滿足實(shí)際應(yīng)用的需求。

3 結(jié)論

本文通過各種故障工況的數(shù)據(jù)樣本和正常歷史數(shù)據(jù),在分析其數(shù)據(jù)規(guī)律的基礎(chǔ)上,結(jié)合專家系統(tǒng)和灰色預(yù)測模型相關(guān)理論,提出了一種溫度傳感器典型故障的自動識別和容錯估計方法。 現(xiàn)場試驗(yàn)表明,該方法原理簡單、實(shí)現(xiàn)方便、性能優(yōu)越,具有良好的工程應(yīng)用價值。