基于经验小波变换的耦合电路故障识别方法_杜锐.pdf
《基于经验小波变换的耦合电路故障识别方法_杜锐.pdf》由会员分享,可在线阅读,更多相关《基于经验小波变换的耦合电路故障识别方法_杜锐.pdf(5页珍藏版)》请在咨信网上搜索。
1、92基于经验小波变换的耦合电路故障识别方法基于经验小波变换的耦合电路故障识别方法(雅安职业技术学院,四川 雅安 625000)杜 锐 摘 要 由于传统的耦合电路故障识别方法准确率较低,易导致电路瘫痪,本文提出基于经验小波变换的耦合电路识别方法。通过非接触测试方式采集耦合电路故障信号;采用小波包分析法对采集的故障信号进行去噪处理;基于经验小波变换有效提取故障特征;利用 PSPICE 的灵敏度分析法获取故障特征的权重;根据故障特征的权重采用 SVM 故障分类器进行耦合电路的故障分类,实现耦合电路故障识别。选取某经典耦合电路进行仿真实验,实验结果表明:单故障识别准确率高达 98.5%、双故障识别准确
2、率高达 97.9%,说明本文所提方法具有较高故障识别准确率。关键词 经验小波变换;耦合电路;电路故障;故障识别 中图分类号 TP391 文献标识码 A 文章编号 1006-7523(2023)02-0092-05DOI:10.16640/ki.37-1222/t.2023.02.015 收稿日期 2022-08-16 作者简介 杜锐(1982),男,雅安职业技术学院,讲师。引 言随着电子系统的迅猛发展,电子元件已遍布我国众多领域。为满足人们使用需求,其结构逐渐复杂化,导致电子元件内的耦合电路易出现故障。一旦元件内的耦合电路发生故障问题,会造成整个集成电路出现瘫痪状况,进而会造成难以估计的财产损
3、失。为保障电子元件的可靠运行,需要及时对耦合电路的故障进行准确识别。所以,电路故障诊断一直是我国众多学者研究的热点问题,文献 1 谈恩民等人将 H-DELM 模型应用于电路故障诊断中,实现了准确率高达 100%的故障分类;文献 2 邓勇等人在电路故障诊断中结合了 EMD 与 SPS 技术,有效完成了故障元件的定位以及分离。本文借鉴上述资料,深入研究了耦合电路故障识别的方法,有助于提高耦合电路的故障诊断效果。一、采集耦合电路故障信号本文在采集耦合电路故障信号3时,引入非接触测试方式,该方式可以不与耦合电路直接接触,实时采集故障信号,具有高效且安全的特点,特别适用于耦合电路的故障识别。将非接触测试
4、的等效电路正对耦合电路,然后输出电压信号,并且该电压信号可以间接体现耦合电路中的电流变化情况,其等效电路如下图所示:UcUrLrLcRrRcRhCb图 1 非接触式等效电路图根据图 1 可知,等效电路输出的电压信号可用下述微分方程来表示:22cccrccbhL dUd UdIUL CGRdtdtdt=+(1)93山东工业技术 2023 年 第 2 期(总第 310 期)式中,cL表示非接触式等效电路中的等效电感参数;hR表示非接触式等效电路中的耦合电阻参数;bC表示非接触式等效电路中的分布电容参数;G表示两个电感之间的互感参数,此参数由两个电感之间的距离以及摆放方式决定;rI表示流经电感rL的
5、电流参数。在实际的耦合电路故障信号采集中,耦合电阻设置为一个固定数值,让等效电路处于欠阻尼状态,以此避免因分布电容而出现震荡的情况,那么此时式(1)可以简化成:ccrchL dUdIUGRdtdt=+(2)由于通过非接触式等效电路所采集的耦合电路故障信号为毫伏级别的信号,没有达到故障信号识别的需求,所以需要对信号进行放大处理。因为耦合电路故障信号的频带较宽,并且在信号的高频段中存在高次谐波,所以在对信号进行放大处理时需具有较好的频率特性。本文利用互阻放大电路结合微分电路,将非接触式等效电路采集的耦合故障信号进行放大处理,然后再对信号进行微分运算来恢复电压信号,最后将恢复的电压信号传输至信号采集
6、模块。二、预处理故障信号在实际的耦合电路故障信号采集中,其故障信号中存在大量噪声干扰,所以在提取耦合电路故障信号特征时,需要将故障信号进行预处理4,将信号中噪声成分去除,避免故障信号中的噪声影响特征提取的准确性。这里本文引入小波包分析法,对采集的耦合电路故障电压信号进行消噪。含有高斯白噪声的故障电压信号函数关系式如下所示:zcUUB=+(3)式中,zU表示含有高斯白噪声的故障电压信号参数;表示高斯白噪声的强度参数;B表示高斯白噪声参数,且均值是 0,方差是 1。那么通过小波包分析对故障信号进行去噪预处理的具体步骤如下,首先利用小波包对存在高斯白噪声的耦合电路故障信号进行变换,获取多频带的各小波
7、系数;然后设置一个合理的阈值,将各小波系数进行阈值量化处理,获取到阈值收缩后的小波系数,并将小于设置阈值的数据去除;最后利用小波包分解法,将阈值收缩的各小波分解系数进行信号重构,得到消噪的耦合电路故障信号。通过以上步骤可知,在去噪预处理故障信号时,关键就是设置的阈值数据。关于阈值的量化处理,根据不同的量化方式可以将阈值量化处理划分为不同类型,其中硬阈值量化和滤波器去噪原理相似,通过抑制高斯白噪声中高频带的信号,来去除故障信号中的高频信号,但由于故障信号的高频信号中存在海量数据,会导致去噪效果不够精准。所以本文利用小波包分析法,采取软阈值量化,将故障信号的多频带均设置对应的阈值,以此对信号进行消
8、噪,可以将故障信号中的特征成分保留下来,故障信号的去噪预处理效果更加精准。三、基于经验小波变换提取故障特征经验小波变换5就是利用多分辨率,实现精细的信号分析。经验小波变换可以多层次地分解故障信号频带,这样可以保留故障信号的时域特性,并且可以对信号中的高频成分进一步划分。传统的小波变换只可以对故障信号的低频成分进行划分,而高频部分不再继续细分,所以并不适合对耦合电路中成分复杂的故障信号进行特征提取。而本文引入的经验小波变换,可以弥补传统小波变换的不足,对故障信号的高频组分精细划分,实现耦合电路故障信号的无疏漏分解,在保障故障信号低频以及高频组分的时频特性的同时,有效提取故障特征。那么经验小波变换
9、的函数表达式为:()()2,22mkkmm nXzXzn=(4)式中,()0,1,2,kN NR=表示小波变换的振荡参数值;z表示故障信号特征参数;m表示尺度参数值;n表示平移参数值。如果式中0k=以及0mn=,经验小波变换函数则属于正交尺度函数与正交小波函数,满足以下关系:()()()()()()00102222n Zn ZXzi n XznXzj n Xzn=|=|(5)94基于经验小波变换的耦合电路故障识别方法式中,()i n表示耦合电路故障信号的低通滤波函数;()j n表示耦合电路故障信号的高通滤波函数。根据此式,获取经验小波变换和重构故障信号的函数关系式如下所示:()()()()21
10、21122kkmmnkkmmnfi nz fnfj nz fn+=|=|(6)式中,()kmfn代表利用经验小波变换提取耦合电路故障信号特征,信号节点(),k m处系数为n。那么利用经验小波变换分解耦合电路故障信号频带的示意图如下所示:图 2 耦合电路故障信号频带分解示意图通过此图所展示的分解过程对耦合电路的故障信号特征进行提取,获取故障特征向量为:112,ttttZZZZZZZ=|(7)其中:()21;1,2,2LkmtmnZfnt=(8)式中,tZ表示故障信号频带t的特征向量数据;L表示故障信号频带t的长度数据。利用经验小波变换将耦合电路故障信号进行分解,将分解所得的各频带特征量进行训练,
11、最后获取归一化的故障信号特征量,就是本文所提的耦合电路故障识别方法所需要的故障特征。四、获取故障特征权重由于耦合电路中不同类型的故障特征敏感度均不相同,本文将对敏感度不同的故障特征赋予不同的权重,这样可以提升故障分类的准确率。为了获取故障特征权重,这里本文引入 PSPICE的灵敏度分析法,通过计算故障特征的灵敏度来获取权重。首先将采集的未知状态故障特征与正常状态的耦合电路特征向量之间的偏离度当作敏感度,然后在此数据的基础上利用加权平均法来获取故障特征权重,敏感度的计算公式如下所示:zzZZMZ=(9)故障特征权重的计算公式如下所示:12NMMMM=+(10)式中,zZ表示耦合电路正常状态下的特
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 经验 变换 耦合 电路 故障 识别 方法 杜锐
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。