基于傳感器的多頻中波發射機遠程故障監測研究

摘要： 傳統故障監測方法直接對多頻中波發射機故障檢測模型進行構建，未對多頻中波發射機的多特征信息進行采集，造成故障檢出率較低，對此，文章提出基于傳感器的多頻中波發射機遠程故障監測方法。文章首先采集了多頻中波發射機的多特征信息，并基于這些信息構建了多頻中波發射機故障檢測模型，隨后，給出發射機遠程故障監測流程，實現對多頻中波發射機遠程故障的監測。實驗結果表明，該研究方法對于不同種類的故障都有較好的檢測能力，且檢出率較高。

關鍵詞：傳感器技術；多頻中波發射機；遠程故障監測；故障診斷；數據處理分析

中圖分類號：TP18 文獻標志碼：A

0 引言

傳統的中波發射機故障監測方法主要依賴于人工巡檢和現場維修，不僅效率低下，而且難以及時發現和處理故障。隨著物聯網、大數據等技術的不斷發展，基于傳感器的遠程故障監測技術逐漸成為研究熱點。

國內外雖然已經有一些學者和研究機構開始探索中波發射機遠程故障監測技術，但大多數研究仍停留在理論分析和實驗驗證階段。例如，任曉東［1］介紹了單頻網地面數字電視發射機的基本工作原理和常見的故障類型，并詳細闡述了故障異常檢測的方法和步驟，但是未全面考慮發射機故障的多樣性和復雜性，導致某些特定類型的故障無法被有效檢測。于海泉等［2］介紹了態勢感知技術在發射機故障預警領域的應用背景和意義，詳細描述了智能預警系統的架構和功能，但是未充分考慮實際運行環境中發射機的復雜性和多變性，導致預警系統的準確性和可靠性受到一定影響。

本文旨在針對基于傳感器的多頻中波發射機遠程故障監測技術進行深入研究，通過設計合理的傳感器布局和數據采集方案，提取和分析多頻中波發射機的運行狀態信息，實現對故障的遠程監測和預警。

1 基于傳感器的多頻中波發射機遠程故障監測方法設計

1.1 多頻中波發射機多特征信息獲取

在針對多頻中波發射機的多特征信息獲取過程中，傳感器的選型顯得尤為重要。考慮到發射機運行穩定性和輸出功率的關鍵性，本文選擇具有高精度、高穩定性的NRP-Z11型功率傳感器安裝在發射機的輸出端。該傳感器能夠精確地捕捉到發射機當前的工作頻率，確保其穩定在630 kHz。同時，傳感器還能實時測量輸出功率，確保輸出功率維持在10 kW的水平。通過實時監測，本文方法能夠及時獲取發射機的運行狀態，確保其在特定頻率下運行狀況良好，從而避免產生功率波動或頻率偏移等問題。一旦平均波傳輸過程中受到擾動，傳感器會迅速捕捉到信號的變化。這種擾動會導致信號出現大約2.40 s的高電平脈沖。在此情況下，中波發射機的電源會自動斷開2.40 s，傳感器會記錄這一中斷事件，并在中斷結束后重新檢測發射機的狀態。當中波發射機重新開機并清除故障后，傳感器會立即檢測到其回歸正常工作狀態。然而，如果故障未能得到及時清除，傳感器將持續監測到中波傳輸的禁用狀態，并向控制系統發出警報，提示進行故障排查和修復。

該功率傳感器的應用，實現了對多頻中波發射機運行狀態的全面監控，及時發現并處理潛在的故障，確保發射機的穩定運行和高效工作。同時，傳感器的精確測量和實時監測功能也為后續的數據分析和優化提供了有力的支持。

提取并分析多頻中波發射機的多種特征信息，是保障其穩定運行不可或缺的一環。為了實現對提取過程的精確控制，本文規劃以下步驟。

（1）設定每5 min為信息采集周期，確保實時性，避免數據冗余。采集頻率根據需求設定，關鍵參數如工作頻率和輸出功率每秒采集10次，其他參數則每分鐘采集1次，以減少數據處理負擔。以此確保所獲取信息的實時性與準確性，使能夠隨時掌握發射機的當前狀態。

（2）在中波發射機上安裝溫度傳感器，以便實時記錄其日平均工作溫度［3-4］。這為判斷發射機是否處于正常工作狀態提供依據。

（3）利用中波發射機原有的級數和電平信息，深入分析發射機的電流變化情況。在此過程中，特別關注低電平位置的記錄，并妥善保存相關備用數據，以備后續分析參考。

（4）一旦成功獲取所有必要的信息，會立即將其整理并存儲在指定的數據庫中［5］。這些數據將成為進一步檢測發射機故障、分析性能表現的重要基礎，使用戶能夠隨時調用數據進行比對和分析，及時發現并解決潛在問題。

當中波發射機的平均波發射出現偏差時。設定中波信號的脈沖序列為Y，并據此分析單位脈沖信號的特征。特征可以具體表述為：

ST=∑δ（t-nY）（1）

在上述公式中，定義ST作為單位脈沖信號的性質；t表示故障時間，反映信號傳輸過程中的微小偏差；δ表示周期函數；nY代表第n個平均波脈沖序列，是分析中波信號的參數之一。基于故障脈沖信號的特性，推導出脈沖信號的相應特性。

在計算出脈沖信號的相應特性后，為確保與數據周期的一致性，本文依照雙重數據預防方法對這些信息進行重新處理。在此過程中，本文采取預處理措施，避免重復數據的出現，減少數據誤差，提高信息的可靠性。將相似度高的數據識別為重復數據并予以去除。通過計算數據相似度計算數據相似性的具體公式如下：

在上述公式中，引入一系列關鍵指標以量化數據特性。其中C（s）用于衡量目標數據集的相似性，幫助快速識別數據間的關聯性和差異。s（a）表示聚焦于數據集的屬性，通過對不同屬性的分析和比較，理解數據的本質特征。s（l）表示相似性指標，用于評估相同類型數據集之間的相似程度。該指標在處理多頻中波發射機的多特征信息時尤為關鍵，有助于識別和整合具有相似特性的數據集，進一步提高數據處理的效率和準確性。除了相似性指標外，引入負載系數這一概念。負載fs表示數據的負載系數，反映數據在處理或傳輸過程中的負載情況。該指標對于評估數據處理的性能和資源消耗具有重要意義。C（s）表示使用系數，提供了數據使用情況的量化指標，有助于更好地管理和優化數據資源。使用上述公式處理未知或異常數據，為數據研究提供數據源。

1.2 構建故障檢測模型

在中波發射機故障特征提取的基礎上，本文構建了基于傳感器的遠程故障檢測模型。為了確保故障位置的準確性，該模型進一步對故障位置的供電電壓進行檢測。這一步驟能夠更精確地鎖定故障發生的具體位置［6］。

構建故障檢測模型的表達式為：

該模型的核心要素包括脈沖序列系數ε、頻率系數υ、理想諧波η以及故障位置特征Lw。這些參數共同協作，為精確檢測中波發射機的故障提供了有力支持。

1.3 實現發射機遠程故障監測

本文通過設計遠程故障檢測模型，對收集到的數據進行處理和分析，從而能夠準確識別出發射機存在的故障及其位置。此外，通過實時監測和預警，本文還設計了發射機遠程故障監測流程，以實現多頻中波發射機遠程故障監測和傳輸。

（1）部署傳感器，采集多特征信息：在多頻中波發射機的關鍵部位部署多種傳感器，以此收集發射機的多特征信息。在結合傳感器技術完成多特征信息提取后，能夠實時監測發射機的運行狀態，并獲取與其性能、健康狀態相關的各種數據。

（2）多頻中波發射機多特征信息傳輸：將收集到的多特征信息通過有線或無線方式傳輸到遠程監控中心。

（3）數據預處理與特征提取：對接收到的多特征信息進行預處理，提取與故障檢測相關的關鍵特征。

（4）基于傳感器構建遠程故障檢測模型：結合預處理后的多特征信息，構建遠程故障檢測模型。該模型能夠對發射機的多特征信息進行分析，自動識別是否存在故障，并預測故障的類型和可能的原因。

（5）故障識別與定位：利用構建的遠程故障檢測模型對多特征信息進行分析，識別是否存在故障。根據故障類型和多特征信息，定位故障發生的具體位置或部件。

（6）遠程故障傳輸：一旦故障被識別與定位，相關的故障信息需要被迅速且準確地傳輸到遠程監控中心或指定的維修人員手中。

（7）維護記錄與反饋：記錄故障處理的過程、結果和維修操作的相關信息。將維護記錄反饋到遠程故障檢測模型中，用于優化模型參數和算法，提高故障檢測的準確性和效率。

2 實驗論證

為了驗證基于傳感器的多頻中波發射機遠程故障監測方法的有效性，本文進行了對比實驗，設置任曉東［1］（傳統方法1）和于海泉等［2］的方法（傳統方法2）為對照組，對3種方法的檢出率進行對比。

2.1 實驗準備

本次實驗選取某廠家生產的3種常見中波發射機作為實驗對象，分別是功率為1000 W的S1型、功率為2000 W的S2型以及具有數字調制功能的S3型。通過統一劃分子系統和連接器件，并設定故障器件，以模擬實際運行環境中的故障情況。

本文選取的3種中波發射機具有相似的技術規格和性能指標，以確保實驗結果的可比性。預先設定故障器件，模擬實際運行中的常見故障情況。

在實驗中，采用中值濾波方法對收集到的傳感器數據進行處理。通過調整中值濾波的次數，發現當中值濾波次數從0增加到6次時，特征值從59顯著下降到9。進一步地，當中值濾波次數達到6～8次時，數據保持穩定狀態，表明此時濾波效果已趨于穩定。

2.2 對比實驗

為了驗證本文設計的監測方法的有效性，將其與任曉東［1］（傳統方法1）和于海泉等［2］（傳統方法2）的方法進行比較，對選定的S1、S2、S3 3種中波發射機進行遠程故障檢測。3種方法在不同發射機上的故障檢出率如表1所示。

從實驗結果可以看出，對于3種不同的中波發射機，本文設計的監測方法均取得了較高的故障檢出率，顯著優于2種傳統方法。具體而言，對于S1發射機，本文方法的檢出率高達98.54%，比傳統方法1高出12.79個百分點，比傳統方法2高出18.76個百分點。類似地，在S2和S3發射機上，本文方法也顯示出更高的故障檢出率。

3 結語

本文圍繞基于傳感器的多頻中波發射機遠程故障監測進行了深入研究，并取得了一系列有益的成果。本研究設計了一套高效且可靠的傳感器布局和數據采集方案，該方案能夠實時、準確地獲取多頻中波發射機的運行狀態信息。同時，利用先進的數據處理算法和傳輸協議，該方案有效提高了數據的準確性和可靠性，為遠程故障監測提供了堅實的數據支撐，從而進一步提升了遠程故障監測的準確性。

參考文獻

［1］任曉東.單頻網地面數字電視發射機故障異常檢測［J］.衛星電視與寬帶多媒體，2024（4）：10-12.

［2］于海泉，吳金友，梁秀文.基于態勢感知的發射機故障隱患智能預警系統應用研究［J］.西部廣播電視，2023（16）：237-240.

［3］趙英杰.中波廣播發射機的故障處理策略［J］.衛星電視與寬帶多媒體，2024（5）：37-39.

［4］于海泉，吳金友，梁秀文.廣播電視發射機故障隱患大數據分析系統應用研究［J］.西部廣播電視，2023（14）：222-225.

［5］周坤鶴，陳鴻，劉強，等.全固態DAM中波發射機電源系統故障檢測盲區的分析與處理［J］.廣播電視信息，2023（5）：85-88.

［6］張藍青.DAM10kW中波發射機射頻部分工作原理及故障維修［J］.電視技術，2022（12）：139-142，158.

Research on remote fault monitoring of multi-frequency medium wave transmitter based on sensor

Abstract： The traditional fault monitoring method directly constructs the fault detection model for multi frequency medium wave transmitters， without collecting the multi feature information of multi frequency medium wave transmitters， resulting in a low fault detection rate. Therefore， this paper proposes a remote fault monitoring method for multi frequency medium wave transmitters based on sensors. Firstly， the multi feature information of multi frequency medium wave transmitters was collected， and a fault detection model for multi frequency medium wave transmitters was constructed based on this information. Subsequently， a remote fault monitoring process for transmitters is provided to achieve remote fault monitoring of multi frequency medium wave transmitters. The experimental results indicate that the research method has good detection ability and high detection rate for different types of faults.

Key words： sensor technology; multi-frequency medium wave transmitter; remote fault monitoring; fault diagnosis; data processing and analysis