CN116955995B - 一种三相直流无刷电机逆变器故障诊断方法 - Google Patents
一种三相直流无刷电机逆变器故障诊断方法 Download PDFInfo
- Publication number
- CN116955995B CN116955995B CN202311211146.6A CN202311211146A CN116955995B CN 116955995 B CN116955995 B CN 116955995B CN 202311211146 A CN202311211146 A CN 202311211146A CN 116955995 B CN116955995 B CN 116955995B
- Authority
- CN
- China
- Prior art keywords
- current
- sequence
- envelope
- coefficient
- gradient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003745 diagnosis Methods 0.000 title claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 claims abstract description 16
- 230000009466 transformation Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 239000000306 component Substances 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Control Of Motors That Do Not Use Commutators (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种三相直流无刷电机逆变器故障诊断方法,获取逆变压器工作时电流和电压的波形信号;将电流电压波形信号进行分解,根据波形信号的数值分布特征获取上、下包络线,获取电流包络线差异序列;根据上、下包络线的梯度特征获取电流包络线递变差异性;获取电流趋势波动系数;获取电流包络窗口波动系数;获取差分异变系数;获取阈值选择系数;获取基于小波变换的自适应阈值;获取去噪后的电流电压波形;将正常工作时的电流电压波形与去噪后的电流电压波形数据进行对比,获取特征相似度,从而实现逆变器的故障诊断,提升故障检测算法的精度和鲁棒性。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种三相直流无刷电机逆变器故障诊断方法。
背景技术
电机驱动***正在迅速发展,并广泛应用于新能源发电、航空航天、电网和电力***等领域。它在推动新能源产业、改进航空航天技术以及提高电力***效率方面起到了重要作用。其中,逆变器作为三相直流无刷电机的核心部件,它可以将直流电转换为交流电。且无刷电机逆变器通过控制电流和频率来实现对电机速度和转矩的调节。这种精确的控制使得无刷电机逆变器在需要高精度位置控制或可变转矩需求的应用中表现出色。
而控制电路作为逆变器的核心,它包括功率开关管、驱动电路、输出滤波器等部件,其中功率开关由于其工作特性,在高频操作下频繁切换,容易受到损伤,造成开路故障。当逆变器存在开路等故障时,在短时间内不容易发现,如不及时处理可能造成更大的损失。常规技术通常会通过分析电路中电流和电压状态来分辨逆变器是否存在故障。但是,逆变器在实际工作中会存在电源干扰、瞬态干扰、传感器误差、负载变化、环境影响、测量误差等因素对测量的电流电压存在干扰。
在使用传统小波进行去噪时,由于噪声信号有时会覆盖真实的故障信号,会导致去噪后的信号存在模糊,进而分析时会存在错误。故本发明考虑基于改进阈值函数的小波算法对逆变器进行故障诊断。
发明内容
为了解决上述技术问题,本发明提供一种三相直流无刷电机逆变器故障诊断方法,以解决现有的问题。
本发明的一种三相直流无刷电机逆变器故障诊断方法采用如下技术方案:
本发明一个实施例提供了一种三相直流无刷电机逆变器故障诊断方法,该方法包括以下步骤:
获取逆变压器工作时电流波形信号、电压的波形信号;
对于电流波形信号,采用小波分解获取电流波形信号的尺度系数,对电流波形信号进行采样获取离散信号序列;根据离散信号序列获取各子序列;根据子序列获取极值序列;根据极值序列中的极值点拟合出上、下包络线,将上、下包络线的差值作为电流包络线差异序列;将子序列元素对应上、下包络线上各点的导数分别作为上、下包络线的梯度序列;根据上、下包络线的梯度序列以及电流包络线差异序列获取上、下包络线梯度递变序列;根据梯度递变序列获取电流包络线递变差异性;根据电流包络线递变差异性系数获取电流趋势波动系数;根据电流趋势波动系数获取电流包络窗口波动系数;根据离散信号序列获取差分异变系数;将电流包络窗口波动系数和差分异变系数的和值作为阈值选择系数;根据阈值选择系数和尺度系数获取基于小波变换的自适应阈值;根据自适应阈值选择尺度系数并获取去噪后的电流波形;
根据正常工作时电流波形的频域信息与去噪后电流波形频域信息之间的差异获取电流特征相似度;获取电压特征相似度;设置特征相似度区间,完成故障检测;
所述根据电流包络线递变差异性系数获取电流趋势波动系数,表达式为:
式中,表示第/>个子序列的电流趋势波动系数;/>表示滑动窗口在第/>个子序列中的滑动总次数;/>表示滑动窗口以及邻域窗口的大小;/>表示第/>个子序列邻域窗口中第/>个元素大小;/>表示第/>个子序列邻域窗口的均值;/>表示第/>个子序列中窗口第/>次滑动时第/>个元素的值;/>表示第/>个子序列中窗口第/>次滑动时窗口内元素的均值;/>表示第/>个子序列的电流包络线递变差异性系数;
所述根据电流趋势波动系数获取电流包络窗口波动系数,具体为:计算子序列的峰度;将电流趋势波动系数与所述峰度的比值作为电流包络窗口波动系数;
所述根据离散信号序列获取差分异变系数,具体步骤包括:将离散信号序列中第一个元素与离散信号序列的元素均值的差值作为差分序列的第一个值;将离散信号序列中相邻两个元素的差值依次作为差分序列的值;将差分序列元素标准差与差分序列元素均值的比值作为差分变异系数。
优选的,所述根据子序列获取极值序列,具体为:
当子序列任一位置的值大于左右相邻位置的值时,标记为;当子序列任一位置的值小于左右相邻位置的值时,标记为/>;否则,标记为0;
将子序列对应元素的标记结果作为极值序列的元素。
优选的,所述根据上、下包络线的梯度序列以及电流包络线差异序列获取上、下包络线梯度递变序列,具体为:
计算上包络线梯度序列中任一相邻元素之间的差值;将所述差值作为以自然常数为底数的指数函数的指数;将所述指数函数的计算结果与电流包络线差异序列的乘积作为上包络线梯度差异性序列;
当上包络线梯度差异性序列中的元素大于0时,标记为1;当梯度差异性序列中的元素小于0时,标记为;当梯度差异性序列中的元素等于0时,标记为0;
将上包络线梯度差异性序列中元素对应的标记结果作为上包络线梯度递变序列的值;
同理可获取下包络线梯度递变序列。
优选的,所述根据梯度递变序列获取电流包络线递变差异性,具体为:
将子序列内所有元素对应上、下包络线梯度递变序列元素之间差值绝对值的均值作为电流包络线递变差异性。
优选的,所述根据阈值选择系数和尺度系数获取基于小波变换的自适应阈值,具体步骤包括:
设定预设修正因子,将阈值选择系数与预设修正因子的和值作为修正阈值选择系数;计算原始电流信号经过小波变换尺度系数的均值和标准差;计算所述标准差与修正阈值选择系数的乘积;将所述均值与所述乘积的差值作为自适应阈值。
优选的,所述根据自适应阈值选择尺度系数并获取去噪后的电流波形,具体步骤包括:
当尺度系数大于自适应阈值时,尺度系数不变;当尺度系数小于等于自适应阈值时,尺度系数变为0;将经过自适应阈值处理后的小波重构,获取去噪后的电流信号。
优选的,所述根据正常工作时电流波形的频域信息与去噪后电流波形频域信息之间的差异获取电流特征相似度,具体为:
计算正常工作时电流主频能量与各谐波能量的差值绝对值的和值,记作第一和值;计算待测状态下电流主频能量与各谐波能量的差值绝对值的和值,记作第二和值;将所述第一和值与第二和值的比值作为电流特征相似度。
本发明至少具有如下有益效果:
本发明通过对三相无刷电机逆变器工作时的电流和电压信号进行分析,首先对电流电压信号进行小波变换,结合电流电压信号的数据特征得到各个尺度的系数,对各个尺度系数进行分析融合,构建自适应阈值函数,经过小波变换将噪声数据进行过滤;可以有效地避免在高频信号中的有效信号被误滤除现象,保留了图像信息的有效部分,得到其相应较为准确的电流和电压的波形;以便进行后续的故障检测,有效提升了逆变器故障检测算法的鲁棒性和精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明提供的一种三相直流无刷电机逆变器故障诊断方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种三相直流无刷电机逆变器故障诊断方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种三相直流无刷电机逆变器故障诊断方法的具体方案。
本发明一个实施例提供的一种三相直流无刷电机逆变器故障诊断方法。
具体的,提供了如下的一种三相直流无刷电机逆变器故障诊断方法,请参阅图1,该方法包括以下步骤:
步骤S001:获取逆变器在工作时的电流电压波形图。
现代逆变器通常具有内置的电流电压传感器,并提供相应的监测接口,本实施例通过监测接口直接获取逆变器在工作时的电流和电压值,同时使用数据记录器将电流电压数据记录下来并导出其相应的电流、电压的波形信号,记为和/>。需要说明的是,对波形信号的分析方法一样,故本实施例针对电流信号的分析方法进行详细描述。
步骤S002:对电流电压的波形信号进行去噪。
本实施例考虑到对三相无刷电机逆变器的故障检测时,可能会遇到一些干扰因素,如电源干扰、瞬态干扰、传感器误差环境噪声等。这些常见的干扰会可能会对故障分析结果造成影响,使得波形分析结果不准确。因此,在进行故障分析之前,本实施例考虑对电流电压波形信号进行过滤,消除噪声产生的影响。需要说明的是,相对于噪声而言,电流和电压都属于低频信号,故对电流电压波形信号的去噪方法一样,故本实施例针对电流信号的去噪方法进行详细描述。
首先对电流信号采用小波阈值滤波算法进行滤波。小波变换可以通过一组基函数将信号分解成不同频率的小波分量。对电流信号进行处理的具体步骤如下:
将电流信号采用小波分解,得到尺度系数/>。
小波变换是将一个基本小波函数位移后,在不同伸缩因子/>下,与待检测的电流信号时间序列/>做内积,即:
式中,表示针对电流信号时间序列/>的尺度系数,是关于自变量伸缩因子/>和时移量/>的函数;/>表示伸缩因子且大于0,伸缩的大小就对应着信号的频率成分,拉伸对应低频分量,压缩对应高频分量;时移量/>决定了小波函数在时间轴上的位置;/>表示基本小波。需要说明的是,基本小波的选取实施者可根据实际情况自行选取,本实施例中选择的基本小波为Symlet小波。
阈值处理。
一个信号中低频部分往往表示信号携带的总体信息,高频部分往往表示噪声和少量的细节信息,在实际中低频部分更为重要。在小波变换得到的尺度系数中,低频部分的系数较大,而高频部分的系数较小。为此需要设置一个阈值,将低于阈值的系数设置为零,将小于阈值的高频信号部分作为噪声去除。但是,在进行阈值选取时,如果阈值过小将达不到应有的去噪效果,阈值过大则会导致信号失真严重。因此,本实施例考虑根据电流信号特性计算自适应阈值选择系数/>,计算步骤如下;
A.对电流信号时间序列进行采样构建离散的信号序列/>,采样频率根据奈奎斯特采样定理设置为信号高频部分频率的两倍。
B.根据离散采样的序列信号中,针对第/>个时刻的信号数据,构建一个以/>为中心、长度为/>的子序列,记为/>。考虑到在构建子序列时,序列信号/>的前后两端有缺失的情况,因此,缺失部分采用序列/>内元素的均值填充。
C.计算电流包络线递变差异性系数,具体步骤为:
a)针对第个数据构建的子序列/>,构建其极值序列/>,具体如下:
式中,表示第/>个子序列的极值序列/>第/>个元素的值;/>、/>、/>分别表示第/>个子序列的第/>、/>、/>个元素的值。
经过上述计算,获得每个子序列的极值序列,即表示当前子序列中的元素是否是极值点。当时表示当前元素是极大值点,当/>时表示当前元素不是极值点,当/>时表示当前元素是极小值点。
b)根据所有极大值点拟合出一条曲线作为该子序列的上包络线,并根据所有极小值点拟合一条曲线作为下包络线/>。
c)根据上下包络线和/>,获取第/>个子序列的电流包络线差异序列/>,具体如下:
式中,表示第/>个子序列中第/>个元素的包络差异值,/>表示第/>个子序列中第个元素的上包络值,/>表示第/>个子序列中第/>个元素的下包络值。上下电流包络差异序列/>可以体现出每个元素所在位置电流的振幅。
d)遍历子序列的所有元素,将上下包络线在该元素点的导数作为梯度,该子序列的梯度序列为和/>。其中,/>表示第/>个子序列的上包络线的梯度序列,/>、/>、/>分别表示第/>个子序列的上包络线的梯度序列第1、2、/>个值,/>表示第/>个子序列的下包络线的梯度序列,/>、/>、/>分别表示第/>个子序列的下包络线的梯度序列第1、2、/>个值。
e)根据上下包络线的梯度序列和/>以及电流包络线差异序列/>,计算第/>个子序列的梯度差异性序列/>,具体如下:
式中,表示第/>个子序列中第/>个元素的上包络线的梯度差异性值;/>表示第/>个子序列中第/>个元素的包络差异值;/>、/>分别表示第/>个子序列中第/>、/>个元素的上包络线的梯度值。需要说明的是,当/>时,/>。同理可得下包络线梯度差异性序列/>。
根据上下包络线梯度差异性序列和/>,记录电流波形的包络线梯度递变序列,具体为:将梯度差异性值大于0的元素梯度递变方向记为“1”,将梯度差异性值小于0的元素梯度递变方向记为“-1”,将梯度差异性值为0的元素梯度递变方向记为“0”。
f)根据梯度递变序列计算电流包络线递变差异性系数,具体如下:
式中,表示第/>个子序列的电流包络线递变差异性系数;/>表示子序列的元素个数;/>表示第/>个子序列第/>个元素的上包络线梯度递变方向;/>表示第/>个子序列第/>个元素的下包络线梯度递变方向。当上下包络线梯度递变方向一致时,电流包络线递变差异性系数/>越小。
D.针对在时刻构建的子序列/>,将该子序列作为扫描序列,接着在子序列的中心元素构建长度为5个元素的邻域窗口/>,然后采用一个与邻域窗口大小一致的窗口/>在子序列中进行滑动,滑动步长设置为5,遍历该扫描序列,最后以电流包络线递变差异性系数作为权重,计算该子序列的电流趋势波动系数/>,具体计算如下:
式中,表示第/>个子序列的电流趋势波动系数;/>表示滑动窗口在第/>个子序列中的滑动总次数;/>表示滑动窗口以及邻域窗口的大小;/>表示第/>个子序列邻域窗口中第/>个元素大小;/>表示第/>个子序列邻域窗口的均值;/>表示第/>个子序列中窗口第/>次滑动时第/>个元素的值;/>表示第/>个子序列中窗口第/>次滑动时窗口内元素的均值;/>表示第/>个子序列的电流包络线递变差异性系数。
需要说明的是,电流包络线递变差异性系数越小,表示电流的上下包络线差异性越小,即电流越稳定,表明以该时刻为中心的子序列波动性越小,则电流趋势波动系数越小;反之表明电流在此时不稳定,则电流趋势波动系数越大。
E.根据第个子序列/>以及其电流趋势波动系数/>,计算得到电流包络窗口波动系数/>,计算如下:
式中,表示第/>个子序列的电流包络窗口波动系数;/>表示第/>个子序列的电流趋势波动系数;/>表示第/>个子序列的峰度。
当电流包络窗口波动系数越高时表示该子序列越不稳定,则应该采用越大的阈值选择系数;当越大时,表示波形波动越大,即电流包络窗口波动系数也越大,反之电流包络窗口波动系数越小;当峰度/>越大时,表示电流数据分布越集中,即电流越稳定,则电流包络窗口波动系数越小,反之电流越不稳定,电流包络窗口波动系数越大。
F.根据离散的电流信号序列,构建差分序列/>,具体如下:
其中,表示电流信号序列/>第/>个子序列的差分序列/>在/>时刻的值;/>表示电流信号序列/>第/>个子序列/>时刻的值;/>表示电流信号序列/>第/>个子序列/>时刻的值。需要说明的是,本实施例中考虑到边缘情况,当/>时,/>的值由该子序列均值填充。
G.根据差分序列计算每个差分序列的差分变异系数/>。由于差分序列表示的是序列的变化情况,而变异系数可以表现出序列相对于均值的离散程度,故差分序列离散度越高,则其对应的子序列波动越剧烈,即包含的噪声也越多,也应该采取更大的阈值选择系数。差分变异系数表达式为:
其中,表示第/>个子序列的差分变异系数;/>表示第/>个子差分序列的标准差;表示第/>个子差分序列的均值。
H.根据任一子序列的电流包络窗口波动系数和差分变异系数/>,得到该子序列的阈值选择系数:
式中,表示第/>个子序列的阈值选择系数;/>表示第/>个子序列的电流异质性指数;/>表示第/>个子序列的差分变异系数;/>表示将数据进行归一化处理。
当某一时刻的电流异质性指数和差分变异系数越大时,表示该电流序列在该时刻越不稳定,包含噪声越多,因此其相应的阈值选择系数也越大。最终可以通过阈值选择系数对小波变换的阈值进行调节,小波变换的阈值越大,越多的尺度系数为零,从而达到过滤更多噪声的目的;反之,小波变换的阈值越小,越少的尺度系数为零,从而降低信号失真的程度。
I.由于电流信号中的每个子序列是基于电流信号的每个元素为中心生成的,至此计算电流信号中每个元素的阈值选择系数,得到阈值选择系数序列,为了使小波变换之后变得平滑,使用滑动平均的方法对序列/>进行平滑处理。
J.根据切比雪夫定理,本实施例采用阈值选择系数、尺度系数的均值及标准差确定小波变换的自适应阈值,具体如下:
式中,表示第/>个子序列的自适应阈值;/>表示原始电流信号/>经过小波变换的尺度系数的均值;/>表示第/>个子序列的阈值选择系数;/>为预设修正因子;表示原始电流信号/>经过小波变换的尺度系数的标准差。
需要说明的是,根据切比雪夫定理,认为数据分布超过均值范围的数据为噪声数据,这里根据上述所得经过归一化的阈值选择系数,通过/>对阈值选择系数进行修正,将自适应阈值范围设定在/>之间,本实施例中预设因子/>取值为2.5。根据自适应阈值选择尺度系数,表达式为:
式中,表示电流信号/>进行小波变换后的第/>个元素的尺度系数,/>是其对应的伸缩因子,/>是时移量,它可以控制小波在时间轴上的位置,为了使小波在信号中定位到感兴趣的位置;/>表示第/>个元素小波变换的阈值,将尺度系数小于阈值的部分设置为零,以达到去除高频噪声的目的。
将处理后的小波重构,得到去噪后的信号。
将经过阈值处理的小波系数进行逆变换,得到去噪后的电流信号。逆变换采用与小波变换相对应的小波基变换。
同理,可得到去噪后的电压信号。
步骤S003:通过对比电流电压波形完成故障判断。
首先,收集正常工作状态下电流和电压的波形,确保数据采集设备的准确性和稳定性,并注意采样频率、精度以及电流和电压波形的时间同步。
然后,将经过去噪处理的电流和电压信号与正常工作状态下的电流电压波形作对比。具体为,使用傅里叶变换将两个波形数据从时域转换到频域,进行频谱分析,比较其主频率和谐波分量是否一致。
由于电流和电压波形处理方法一样,本实施例对电流波形进行处理分析。针对正在工作下的电流波形,在频域中记主频的能量为,谐波分量的能量为/>,在本实施例中只考虑能量大于主频能量十分之一的谐波。并通过分析二者能量和频率的关系确定是否相同,计算电流特征相似度,具体如下:
式中,表示电流特征相似度,/>和/>分别表示正常工作和待测状态下的电流波形信号的谐波数量;/>表示正常工作时的主频能量;/>表示正常工作时的第/>个谐波的能量;和/>分别表示待测状态时主频能量和第/>个谐波的能量。其中将/>记为第一和值,将/>记为第二和值。
采用同样的方法获取电压特征相似度。
设置特征相似度区间,当电流特征相似度和电压特征相似度都处于该区间时,则认为波形相似,逆变器不存在故障;否则认为波形不同,即逆变器存在故障。本实施例中选用的特征相似度区间为。
综上所述,本发明实施例主要通过对三相无刷电机逆变器工作时的电流和电压信号进行分析,首先对电流电压信号进行小波变换,结合电流电压信号的数据特征得到各个尺度的系数,对各个尺度系数进行分析融合,构建自适应阈值函数,经过小波变换将噪声数据进行过滤;可以有效地避免在高频信号中的有效信号被误滤除现象,保留了图像信息的有效部分,得到其相应较为准确的电流和电压的波形;以便进行后续的故障检测,有效提升了逆变器故障检测算法的鲁棒性和精度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种三相直流无刷电机逆变器故障诊断方法,其特征在于,该方法包括以下步骤:
获取逆变压器工作时电流波形信号、电压的波形信号;
对于电流波形信号,采用小波分解获取电流波形信号的尺度系数,对电流波形信号进行采样获取离散信号序列;根据离散信号序列获取各子序列;根据子序列获取极值序列;根据极值序列中的极值点拟合出上、下包络线,将上、下包络线的差值作为电流包络线差异序列;将子序列元素对应上、下包络线上各点的导数分别作为上、下包络线的梯度序列;根据上、下包络线的梯度序列以及电流包络线差异序列获取上、下包络线梯度递变序列;根据梯度递变序列获取电流包络线递变差异性;根据电流包络线递变差异性系数获取电流趋势波动系数;根据电流趋势波动系数获取电流包络窗口波动系数;根据离散信号序列获取差分异变系数;将电流包络窗口波动系数和差分异变系数的和值作为阈值选择系数;根据阈值选择系数和尺度系数获取基于小波变换的自适应阈值;根据自适应阈值选择尺度系数并获取去噪后的电流波形;
根据正常工作时电流波形的频域信息与去噪后电流波形频域信息之间的差异获取电流特征相似度;获取电压特征相似度;设置特征相似度区间,完成故障检测;
所述根据电流包络线递变差异性系数获取电流趋势波动系数,表达式为:
式中,表示第/>个子序列的电流趋势波动系数;/>表示滑动窗口在第/>个子序列中的滑动总次数;/>表示滑动窗口以及邻域窗口的大小;/>表示第/>个子序列邻域窗口中第/>个元素大小;/>表示第/>个子序列邻域窗口的均值;/>表示第/>个子序列中窗口第/>次滑动时第/>个元素的值;/>表示第/>个子序列中窗口第/>次滑动时窗口内元素的均值;/>表示第/>个子序列的电流包络线递变差异性系数;
所述根据电流趋势波动系数获取电流包络窗口波动系数,具体为:计算子序列的峰度;将电流趋势波动系数与所述峰度的比值作为电流包络窗口波动系数;
所述根据离散信号序列获取差分异变系数,具体步骤包括:将离散信号序列中第一个元素与离散信号序列的元素均值的差值作为差分序列的第一个值;将离散信号序列中相邻两个元素的差值依次作为差分序列的值;将差分序列元素标准差与差分序列元素均值的比值作为差分变异系数。
2.如权利要求1所述的一种三相直流无刷电机逆变器故障诊断方法,其特征在于,所述根据子序列获取极值序列,具体为:
当子序列任一位置的值大于左右相邻位置的值时,标记为;当子序列任一位置的值小于左右相邻位置的值时,标记为/>;否则,标记为0;
将子序列对应元素的标记结果作为极值序列的元素。
3.如权利要求1所述的一种三相直流无刷电机逆变器故障诊断方法,其特征在于,所述根据上、下包络线的梯度序列以及电流包络线差异序列获取上、下包络线梯度递变序列,具体为:
计算上包络线梯度序列中任一相邻元素之间的差值;将所述差值作为以自然常数为底数的指数函数的指数;将所述指数函数的计算结果与电流包络线差异序列的乘积作为上包络线梯度差异性序列;
当上包络线梯度差异性序列中的元素大于0时,标记为1;当梯度差异性序列中的元素小于0时,标记为;当梯度差异性序列中的元素等于0时,标记为0;
将上包络线梯度差异性序列中元素对应的标记结果作为上包络线梯度递变序列的值;
同理可获取下包络线梯度递变序列。
4.如权利要求1所述的一种三相直流无刷电机逆变器故障诊断方法,其特征在于,所述根据梯度递变序列获取电流包络线递变差异性,具体为:
将子序列内所有元素对应上、下包络线梯度递变序列元素之间差值绝对值的均值作为电流包络线递变差异性。
5.如权利要求1所述的一种三相直流无刷电机逆变器故障诊断方法,其特征在于,所述根据阈值选择系数和尺度系数获取基于小波变换的自适应阈值,具体步骤包括:
设定预设修正因子,将阈值选择系数与预设修正因子的和值作为修正阈值选择系数;计算原始电流信号经过小波变换尺度系数的均值和标准差;计算所述标准差与修正阈值选择系数的乘积;将所述均值与所述乘积的差值作为自适应阈值。
6.如权利要求1所述的一种三相直流无刷电机逆变器故障诊断方法,其特征在于,所述根据自适应阈值选择尺度系数并获取去噪后的电流波形,具体步骤包括:
当尺度系数大于自适应阈值时,尺度系数不变;当尺度系数小于等于自适应阈值时,尺度系数变为0;将经过自适应阈值处理后的小波重构,获取去噪后的电流信号。
7.如权利要求1所述的一种三相直流无刷电机逆变器故障诊断方法,其特征在于,所述根据正常工作时电流波形的频域信息与去噪后电流波形频域信息之间的差异获取电流特征相似度,具体为:
计算正常工作时电流主频能量与各谐波能量的差值绝对值的和值,记作第一和值;计算待测状态下电流主频能量与各谐波能量的差值绝对值的和值,记作第二和值;将所述第一和值与第二和值的比值作为电流特征相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311211146.6A CN116955995B (zh) | 2023-09-20 | 2023-09-20 | 一种三相直流无刷电机逆变器故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311211146.6A CN116955995B (zh) | 2023-09-20 | 2023-09-20 | 一种三相直流无刷电机逆变器故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116955995A CN116955995A (zh) | 2023-10-27 |
CN116955995B true CN116955995B (zh) | 2024-01-05 |
Family
ID=88458642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311211146.6A Active CN116955995B (zh) | 2023-09-20 | 2023-09-20 | 一种三相直流无刷电机逆变器故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116955995B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117388637B (zh) * | 2023-11-13 | 2024-05-14 | 国家电网有限公司技术学院分公司 | 基于ai的换流站直流***异常信号辨识与辅助决策方法 |
CN117310455B (zh) * | 2023-11-30 | 2024-02-09 | 上海采起电子技术服务有限公司 | 一种基于电信号的口腔扫描仪电路板故障检测方法 |
CN117434153B (zh) * | 2023-12-20 | 2024-03-05 | 吉林蛟河抽水蓄能有限公司 | 基于超声波技术的道路无损检测方法及*** |
CN117526389B (zh) * | 2024-01-08 | 2024-03-22 | 法罗电力(浙江)有限公司 | 一种储能逆变器的输出功率调节方法与计算机设备 |
CN117969958B (zh) * | 2024-04-02 | 2024-06-07 | 杭州永德电气有限公司 | 一种电阻片配组产品检测方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109270345A (zh) * | 2018-07-20 | 2019-01-25 | 国网江苏省电力有限公司常州供电分公司 | 一种电网谐波信号的检测方法 |
CN109884419A (zh) * | 2018-12-26 | 2019-06-14 | 中南大学 | 一种智慧电网电能质量在线故障诊断方法 |
WO2022067562A1 (zh) * | 2020-09-29 | 2022-04-07 | 西门子股份公司 | 一种故障电弧的诊断方法、装置和计算机可读存储介质 |
CN114781430A (zh) * | 2022-03-18 | 2022-07-22 | 国网上海市电力公司 | 一种局部放电信号去噪方法 |
CN115166514A (zh) * | 2022-06-24 | 2022-10-11 | 淮阴工学院 | 一种基于自适应频谱分割去噪的电机故障识别方法及*** |
CN116304581A (zh) * | 2023-05-10 | 2023-06-23 | 佛山市钒音科技有限公司 | 一种空调用智能电控*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167214B (zh) * | 2021-12-02 | 2022-09-06 | 浙江大学 | 基于随机矩阵理论的低压配电网边-云协同故障检测方法 |
-
2023
- 2023-09-20 CN CN202311211146.6A patent/CN116955995B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109270345A (zh) * | 2018-07-20 | 2019-01-25 | 国网江苏省电力有限公司常州供电分公司 | 一种电网谐波信号的检测方法 |
CN109884419A (zh) * | 2018-12-26 | 2019-06-14 | 中南大学 | 一种智慧电网电能质量在线故障诊断方法 |
WO2022067562A1 (zh) * | 2020-09-29 | 2022-04-07 | 西门子股份公司 | 一种故障电弧的诊断方法、装置和计算机可读存储介质 |
CN114781430A (zh) * | 2022-03-18 | 2022-07-22 | 国网上海市电力公司 | 一种局部放电信号去噪方法 |
CN115166514A (zh) * | 2022-06-24 | 2022-10-11 | 淮阴工学院 | 一种基于自适应频谱分割去噪的电机故障识别方法及*** |
CN116304581A (zh) * | 2023-05-10 | 2023-06-23 | 佛山市钒音科技有限公司 | 一种空调用智能电控*** |
Non-Patent Citations (2)
Title |
---|
Induction Motor Bearing Fault Detection Using Wavelet-Based Envelope Analysis;Yang, DM;《2014 International Symposium on Computer, Consumer and Control》;第1-10页 * |
心电信号智能分析关键技术研究;姚成;《中国博士学位论文全文数据库》(第12期);第1-164页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116955995A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116955995B (zh) | 一种三相直流无刷电机逆变器故障诊断方法 | |
Radil et al. | PQ monitoring system for real-time detection and classification of disturbances in a single-phase power system | |
CN111912521B (zh) | 一种非平稳信号的频率检测方法和存储介质 | |
CN109557429A (zh) | 基于改进小波阈值去噪的gis局部放电故障检测方法 | |
CN110389312B (zh) | 一种适用于现场pmu测试的校准器相量测量方法 | |
CN109407031B (zh) | 基于时间序列分层聚类的电压互感器故障识别方法 | |
CN108009122B (zh) | 一种改进的hht方法 | |
CN108139432A (zh) | 校正电流互感器中饱和效应的方法以及其智能电子设备 | |
CN111046791A (zh) | 一种基于含可变因子广义s变换的电流信号滤波去噪方法 | |
CN113446930A (zh) | 一种基于希尔伯特变换的白光干涉信号非均匀采样的校正方法 | |
CN110313903B (zh) | 一种脉搏波频域特征参数提取方法及装置 | |
CN108090270B (zh) | 一种基于形态学滤波和盲源分离的暂态振荡参数识别方法 | |
CN114065114A (zh) | 一种电容式电压互感器计量误差预测方法及*** | |
CN110082642B (zh) | 基于全相位微分滤波的电网工况故障时刻检测方法及装置 | |
CN109635781B (zh) | 基于小波变换的数字信号粗大数据检测修正方法及*** | |
CN114487572A (zh) | 一种电压暂降波形起止时刻定位方法及装置 | |
JP3620930B2 (ja) | 電力系統の特性推定装置および特性推定方法 | |
CN105974283B (zh) | 基于小波包生存指数奇异熵的电缆局放特征提取方法 | |
CN110703089A (zh) | 一种用于低频振荡Prony分析的小波阈值去噪方法 | |
CN114184838A (zh) | 基于sn互卷积窗的电力***谐波检测方法、***及介质 | |
CN112395947A (zh) | 一种非接触式变压器局部短路检测方法及检测装置 | |
BR102015028907B1 (pt) | Método de detecção de saturação em transformadores de corrente utilizando o filtro de savitzky-golay | |
Kavya et al. | Parabolic filter for removal of powerline interference in ecg signal using periodogram estimation technique | |
CN114994405B (zh) | 一种基于数学形态学的电力信号频率测量方法 | |
CN105242099B (zh) | 一种单频信号的幅度获得方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |