大功率整流装置故障诊断系统研究

旷永红,周 鹏

(1.湖南工程学院应用技术学院,湘潭411101;2.中南大学信息科学与工程学院,长沙410075)

0 前言

在化工、冶金、铁道等行业,整流设备通常被用于生产工艺的关键流程中,因整流设备故障导致生产中断则意味着重大的经济损失.电力整流装置故障主要以功率开关器件的断路和直通最为常见,需要实时监视诊断,并且只能以输出波形来诊断.

国内外研究现有的电力整流装置故障诊断方法主要有:谱分析法、直接检测法、专家系统、基于神经网络故障诊断方法.本文提出了基于小波包-模糊诊断的故障诊断方法,首先利用小波包变换对采集的信号进行处理,提取在各种状态下的特征值;然后对特征值进行模糊处理,由最大隶属度原则得出待识别状态所属故障类型.该方法在实验条件下测试,验证了其故障诊断的准确性.

1 研究对象及特性

同相逆并联常用的联结型式分为六脉波双反星形带平衡电抗器联结和三相桥并联结构的同相逆并联两种结构.本文研究的是两组三相桥式整流系统并联的同相逆并联系统.

1.1 三相桥并联同相逆并联结构的特点.

图1 为两个三相桥组成的同相逆并联系统,两个桥的三相交流电压互差180°,因此当图中右侧桥导电相序为a1b1,a1c1,b1c1,b1a1,c1 a1,c1b1时,相应地左侧桥的导电相序为b2a2,c2a2,c2b2,a2b2,a2c2,b2c2,将两个整流系统组合在一起,使两个系统紧靠在一起的铜排电流,在任何瞬间均大小相等、方向相反,从而减少各部分线路电抗,并增加相间、臂间阻抗的对称度,磁通得到最大限度的抵消[2].

图1 同相逆并联结构图

1.2 故障特性研究实验

通过实验探索一种适合这种结构整流系统的故障诊断方法.

(1)实验说明:

①网侧为线电压为380 V的工频交流.整流变压器阀侧线电压为173 V,为便于对电流的观察,原边和副边都采用Y型连接.触发角为0°.②负载为1 Ω纯电阻.③数据采集时间0.06～0.18 s,系统在0.1 s时刻出现触发脉冲缺失现象(图2中1-5为第一组桥的kp11脉冲丢失,6为第二组桥kp21脉冲丢失).示波器采集信号如表1的图形所示,图形中横轴单位为秒(0.01 s/格),纵轴:当是电流信号时单位为安培(20 A/格),当为电压信号时单位为伏特(50 V/格):

图2 实验采集波形

(2)实验结论

①单组桥故障产生后,直流侧电压有微小变化,但不会缺失波头,因此采用直流电压波形分析方法不适合此种结构的整流系统;变压器网侧电流没有明显变化,故障信息无法检测.

②整流变压器阀侧两组三相支路能检测到故障信息,不同桥的同一位置晶阐管发生故障,三相电流突变信息不同,因此可以通过检测一组桥的三相电流来完成故障信息的检测.

本文采用待识别状态与已知状态的匹配方法来研究故障所属分类.以三相桥式全控整流电路主回路开路故障为例,研究中故障的类型分为5大类:第一类:无晶闸管故障;第二类:有一个晶闸管故障,有六小类;第三类:接到同一相电压的两只晶闸管故障,有三小类;第四类:同一半桥中的两只晶闸管故障,有六小类;第五类:交叉两只晶闸管故障:有六小类.同相逆并联有两组三相桥,因此可分为第一组桥故障和第二组桥故障两组,于本文研究暂只考虑一组桥出现故障情况,所以本文样本数据库中共计43种运行状态数据.

将异形刀片加工成形，安装到实际割草车上开展试验研究，验证其割草效果。虽刀片扭矩有一定下降，但刀口的切割速度依然很高，实际割草效果仍能达到要求。经试验测试结果表明，优化后刀片上的扭矩减小了18%左右，与仿真计算的误差小于5%，证明仿真结果有效。另外刀片功率减小了216 W，节能约8.5%，达到了满意的节能效果。图15(a)是试验用割草车,图15(b)是优化后的异形刀片。

2 基于小波包_模糊诊断理论

小波包分解实质上是对信号按照2n进行分解,一尺度分解得到高频和低频(D1和 A1),二尺度分解在一尺度分解的基础上再分解得到四段(A1A2、A1D2、D1A2、D 1D2).依此类推 ,将信号分解为高、低频的频率段.其分解遵循能量守衡原理[4].

小波包分解算法如下:

故障诊断专家其本质就是在分析设备异常现象的基础上,由症状推断出故障的原因.

本系统模糊诊断过程为:

(1)首先利用J散度来计算相似程度,J散度公式为:

(2)然后求解模糊集合的隶属度

由J散度指标可知,当其取最小值时,表明二状态的相似程度最大,因此可用偏小型函数来表示这种相似程度.能量谱J散度属于某状态的隶属函数,可用降半哥西分布表示为:

这样,距离值转化成[0,1]区间中的值,便形成了模糊处理中的隶属度.

(3)采用最大从属原则实现逻辑诊断

最大从属原则定义为:设给定论域U上的n个模糊子集(模糊模式)A1,A2,...,An.其隶属函数分别是则认为元素 u 应隶属于Ai,判决u归属Ai所代表的那个模式,叫做最大从属原则.利用最大从属原则,则可以通过隶属度来进行故障的准确识别.

3 故障诊断实验验证:

(1)实验条件及分析:

实验条件与前述条件一致,诊断系统采用DSP(TMS320F2812)和五单片机(89C52)的双CPU结构,DSP负责实时数据采集、处理和故障分析,MCU负责人机交互、远程通信等.实验原理图如图2.

图3 故障诊断实验原理图

采样频率:由于整流系统中信号频率主要集中在低频部分,所以采样频率设置为为1 k Hz.通过滤波处理后即可以完整地再现采样信号中频率不超过500 Hz的信号,小波包分解将信号分成八段,每段频带宽为62.5 Hz.

(2)基于db3的小波包特征值提取及样本数据库建立

第一步:将故障样本A、B、C三相电流信号利用“db3”小波进行三层小波包分解,得到第一到第八共 23组高、低频段分段系数序列 dj,(j=1,2,...n).

第二步:求各段小波分解系数序列的能量.设Ei为第三层小波包分解第i组频段系数序列的能量,就有第i段小波包分解系数序列的第j个分量,n为序列dj中分量个数.

第三步:特征向量的构成,按频段顺序,以各段小波包分解系数的能量为元素得到一组与信号对应的序列(E1,E2,…En),求该序列的总能量E=E1+E2+.….+En,则由此确定对应的特征向量为:依上三步,可以得到各种状态下的特征向量.

实验中共形成了43种情况的特征向量样本数据库.本文列出具有代表性的三种情况如表1所示.

(3)模糊诊断过程

基本思路:当系统运行时,系统不间断采集A、B、C三相电流信号形成待检向量,并与正常状态的向量进行比较,当未知故障状况发生时,则启动诊断过程.

实验中假设kp11出现断开故障,求得的信号特征值为表2所示.

运用公式(3),求出待测信号特征值向量与各种状态(文中列出了九种状态)时信号特征值向量的散度如表3所示.

运用降半西公式(4)可求得待测信号特征向量与其他数据样本特征向量相似程度的隶属度如表4所示.

隶属度求出后,利用最大隶属度模糊判断方法实现诊断.首先,选出A、B、C三相对应的隶属度最高的那一项,如表5所示:然后,选出隶属度较大的几种状态:从表4可看出,待测状态为kp11故障、kp13故障、kp16故障、kp11与 kp12同时故障的可能性比较大.它们分别是:

从系统最后计算的结果可以看出U(kp11)最大,说明系统处于kp11故障状态.

由以上各步骤完成了系统的故障诊断过程.

表1 多种状态下特征向量

表2 待测信号三组向量

表3 待测信号与各信号特征值散度

表4 待测信号与各信号特征值隶属度

表5 待测信号与各信号隶属度最大值

4 结 论

针对同相逆并联整流装置,基于整流变压器阀侧三相电流,进行模糊诊断系统的研究与设计.信号特征值通过小波包分解后获得的能量谱而形成;利用模糊诊断对待识别状态与数据库中某一样本状态进行最佳匹配,实现了故障识别.通过实验验证,在小电流实验环境,该系统能正确地诊断出系统故障,性能较好.

[1]黄 俊,王兆安.电力电子变流技术(第3版)[M].北京:机械工业出版社,1999.12.

[2]周 鹏,欧阳波.同相逆并联整流装置故障诊断系统的研究[J].电力电子技术,2009,43(1):43-45.

[3]程正兴.小波分析算法与应用[M].西安交通大学出版社.1997.