浅谈电力电子系统故障诊断技术

《浅谈电力电子系统故障诊断技术》由会员分享，可在线阅读，更多相关《浅谈电力电子系统故障诊断技术（7页珍藏版）》请在金锄头文库上搜索。

1、电力电子系统故障诊断技术浅谈王 杰（航天长征火箭技术有限公司 北京 100076）摘要： 本文介绍了电力电子系统故障诊断的原理及几种常用的故障诊断方法，介绍了故障诊断的可靠性分析方法并给出了一个简单的故障检测与诊断系统的实例。实际应用表明这些方法可行、有效，适应性强，具有较高的实用价值。 关键词：电力电子系统;故障诊断;可靠性分析;专家系统1 引言电力电子电路的实际运行表明，大多数故障表现为功率开关器件的损坏，其中以功率开关器件的开路和直通最为常见。电力电子电路故障诊断与一般的模拟电路、数字电路的故障诊断存在较大差别，由于电力电子器件过载能力小，损坏速度快，其故障信息仅存在于发生故障到停电之前

2、数十毫秒之内，因此，需要实时监视、在线诊断；另外电力电子电路的功率已达数千千瓦，模拟电路、数字电路诊断中采用的改变输入看输出的方法不再适用，只能以输出波形来诊断电力电子电路是否有故障及有何种故障。故障诊断的关键是提取故障的特征。故障特征是指反映故障征兆的信号经过加工处理后所得的反映设备与系统的故障种类、部位与程度的综合量。故障诊断方法按提取特征的方法的区别，可分为谱分析方法、基于动态系统数学模型的方法、采用模式识别的方法、基于神经网络的方法、专家系统的方法、小波变换的方法和利用遗传算法等。这些方法将在下文具体介绍。故障诊断的主要作用有：早期预报，防止事故发生；预知性维修，提高设备管理水平；方便

3、检修，缩短了维修时间，提高设备利用率；对提高设备的设计制造水平，改善产品质量有指导意义等。2 故障诊断方法 这里所谓的故障诊断方法确切的说是提取故障特征的方法，下面对一些常用的诊断方法分别加以介绍。2.1 故障诊断中的谱分析方法在故障诊断中比较常用的信号处理方法是谱分析。常用傅里叶谱、沃尔什谱，另外还有滤波、相关分析等。谱分析的目的：信号中包含噪声，为了提取特征；故障信号的时域波形不能清楚地反映故障的特征。而电力电子电路中包含故障信息的关键点信号通常具有周期性，因此可以用傅里叶变换将时域中的故障波形变换到频域，以突出故障特征，实现故障诊断。傅里叶变换是将某一周期函数分解成各种频率的正弦分量，类

4、似地，沃尔什变换是将某一函数分解成一组沃尔什函数分量。自适应滤波是一种数字信号的处理统计方法，它不需要知道信号一二阶的先验统计知识，直接利用观测资料，通过运算改变滤波器的某些参数，而使自适应滤波器的输出能自动跟踪信号特性的变化。在电力电子系统故障诊断中，可以用自适应处理来实现噪声抵消，谱线增强等功能，从噪声背景下提取故障特征，从而实现准确的诊断。2.2 参数模型与故障诊断如果系统的数学模型是已知的，就可以通过测量，估计系统的状态和参数，确定状态变量和系统参量是否变化。采用基于系统数学模型的故障诊断方法，可以从较少的测量点去估计系统的多个状态量或系统参数，从而实现故障诊断。进一步又可以分为检测滤

5、波器方法、状态估计法和参数辨识方法三种。2.2.1 检测滤波器方法它将部件、执行机构和传感器的故障的输出方向分别固定在特定的方向或平面上。2.2.2 状态估计法通过监测系统的状态变化，也能反映由系统参数变化引起的故障，并对故障进行诊断。与一般的状态估计不同，在进行故障诊断时，并不是去估计未知的状态信息，而是借助观测器或卡尔曼滤波器去重构系统的输出，以便取得系统输出的估计值。这个估计值与实际输出值之差就叫量测残差。残差中含有大量的系统内部变化的信息，因此可以作为故障诊断的依据。状态估计法的优点是在线计算量小，诊断速度快。2.2.3 参数辨识方法实时辨识出系统模型的参数，与正常时模型的参数比较，确

6、定故障。常用的有最小二乘法。2.3 模式识别在故障诊断中的应用故障的模式识别就是从那些反映系统的信息中抽取出反映故障的特征，并根据这些特征的不同属性，对故障进行分类。用模式识别方法进行故障诊断，是根据样本的数学特征来进行的，因此它不需要精确的数学模型。对于一些被诊断对象数学模型过于复杂、不易求解的问题，模式识别方法也是适用的。另外，在对工业系统的故障诊断中应尽量利用非数学（包括物理和结构）方面的特征，设计出各种各样的特征提取器，这样将有利于利用对已有系统的知识，有利于减少计算工作量。由于特征的选择和提取与待识别的模式紧密相关，故很难有某种泛泛的规律可循。目前常用的方法有：最小距离分类法，Bay

7、es分类法，Fisher判别法，从参数模型求特征，用K-L变换提取特征等2.4 基于神经网络的故障诊断方法利用神经网络的自学习、自归纳能力，经过一定的训练，建立起故障信号与故障分类之间的映像关系。利用学习后的神经网络，实现故障诊断。神经网络是由大量的神经元广泛互连而成的网络，这里以BP网络为例加以介绍。BP网络（Back Propagation NN）是单向传播的多层前向网络，它由输入层、中间层和输出层组成，中间层可有若干层，每一层的神经元只接受前一层神经元的输出。BP网络中没有反馈，同一层的节点之间没有耦合，每一层的节点只影响下一层节点的输入。BP网络一般采取的学习算法是：网络的输出和希望的

8、输出进行比较，然后根据两者之间的差调整网络的权值，最终使误差变为最小。当电力电子电路发生故障时，如果能够利用神经网络的学习能力，使故障波形与故障原因之间的关系通过神经网络的学习后保存在其结构和权中，然后将学习好的神经网络用于故障诊断，神经网络就可以通过对当前电压或电流波形的分析，得出故障原因，从而实现故障的在线自动诊断。2.5 专家系统由于故障诊断是从被监测和诊断的对象表征去寻找故障的成因、部位，并确定故障的严重程度的，因此，如果把由已知故障去分析系统或设备的运行特性与表征叫做正问题，那么故障诊断就是逆问题了。这种逆问题的求解明显不同于正问题的求解，而人工智能AI（Artificial Int

9、elligence）技术中的专家系统ES（Expert System）正是解这种逆问题的有利工具。专家系统是人工智能研究的一个分支，它是通过模拟专家的经验，实现故障诊断。专家系统的结构如下表所示：一个典型的诊断专家系统通过在线监测并进行数据采集、存贮，然后传送到诊断运行中心，在这里由专家系统进行处理、分析和诊断，最后将诊断结果和处理建议自动地反馈回运行现场。因此，专家系统是诊断系统中最核心的部分。本文后面将介绍作者在实际中应用专家系统方法进行故障诊断的实例。2.6 小波变换的方法在故障诊断中,突变信号往往对应着设备的某种故障，分析和识别系统中产生的各种波形信号，并判别其状态，是进行电路故障诊断

10、中的有效方法之一。设备正常运行时发出的信号较平稳，一旦设备出现故障，就将发出具有奇异性的动态非平稳信号。为了实现设备故障的快速、准确检测，必须有效地识别故障发生瞬间的非平稳信号。信号的处理与分析是故障预测和诊断的基础，提高诊断的准确度需要信号处理和分析方法，小波变换以其对非平稳信号局部化分析，及良好的时频定位功能的突出优点，为故障诊断提供了新的、强有力的分析手段，弥补了传统故障诊断中因为专家的经验知识很难精确描述，存在知识获取的“瓶颈”问题。2.7 遗传算法遗传算法GA（Genetic Algorithm）是一种新发展起来的优化算法，目前它已经成为人们用来解决高度复杂问题的一个新思路和新方法。

11、它依据适者生存、优胜劣汰的进化规则，对包含可能解的群体进行基于遗传学的操作，不断生产新的群体并使群体不断进化，同时以全局并行搜索优化群体中的最优个体以求得满足要求的最优解。GA以其能以较大概率求得全局最优解、计算时间较少、具有较强鲁棒性等特点在电力电子故障诊断系统中也得到了应用。合理利用采集信息（即把采集信息分为三层），运用遗传算法进行分层信息故障诊断；将遗传算法应用在故障诊断专家系统的推理和自学习中，可以克服专家系统存在的推理速度慢和在先验知识很少的情况下知识获取困难的障碍，提高了专家系统的适应性。3 故障诊断的可靠性分析这里不再赘述可靠性的基本概念，仅仅简单介绍一下两种故障分析方法。3.1

12、 故障模式影响及危害性分析 故障模式影响分析FMEA（failure mode effect analysis），就是在产品设计过程中，通过对产品各组成单元潜在的各种故障模式及其对产品功能的影响进行分析，并把每一个潜在故障模式按它的严酷程度予以分类，提出可以采取的预防改进措施，以提高产品可靠性的一种设计分析方法。故障模式影响及危害度分析FMECA（failure mode effect and criticality analysis）包括故障模式影响分析（FMEA）和危害性分析（CA）两个步骤。FMEA又包括故障模式分析、故障原因分析、故障影响分析、故障检测方法分析与补偿措施分析等步骤。故障

13、模式分析是找出系统中每一产品（或功能、生产要素、工艺流程、生产设备等）所有可能出现的故障模式。故障原因分析是找出每一个故障模式产生的原因。故障影响分析是找出系统中每一产品（或功能、生产要素、工艺流程、生产设备等）每一可能的故障模式所产生的影响，并按这些影响的严重程度进行分类。故障检测方法分析是分析每一种故障模式是否存在特定的发现该故障模式的检测方法，从而为系统的故障检测与隔离设计提供依据。补偿措施分析是针对故障影响严重的故障模式，提出设计改进和使用补偿的措施。CA是对系统中每一产品（或功能、生产要素、工艺流程、生产设备等）按其故障的发生概率和严重程度进行综合评估。进行系统的FMECA一般按图1

14、所示的步骤进行。 图1 故障模式影响及危害性分析步骤3.2 故障树分析故障树分析FTA（fault tree analysis）可以让人们知道哪些事件的组合可以导致危及系统安全的故障，并计算它们的发生概率，然后通过设计改进和有效的故障监测、维修等措施，设法减小它们的发生概率。故障树分析法还可以让分析者对系统有更深入的认识，对有关系统结构、功能、故障及维修保障的知识更加系统化，从而使在设计、制造和操作过程中的可靠性改进更富有成效。故障树分析法就是在系统设计过程中，通过对可能造成系统故障的各种因素（包括硬件、软件、环境、人为因素等）进行分析，画出逻辑框图（即故障树），从而确定系统故障原因的各种可能

15、组合方式及其发生概率，计算系统故障概率，以采取相应的纠正措施，提高系统可靠性的一种设计分析方法。故障树是实际系统故障组合和传递的逻辑关系的正确抽象的表达。在FTA分析过程中，建树是第一个关键，是最基本、最实际、最艰苦的，在一定意义上也是最有用的环节。建树是否完善直接影响定性分析和定量分析计算结果的准确性。因此，建树时应首先对系统及其组成部件产生故障的原因、后果以及各种影响因素和它们之间的因果关系有透彻的了解。一个复杂系统的建树过程往往需要多次反复，需要逐步深入和逐步完善。在这一过程中应对发现的薄弱环节采取改进措施，以提高系统的可靠性，这比简单算出可靠性的意义更大。故障树建立完成后，还要对其进行

16、定性与定量分析。故障树定性分析的目的在于寻找导致顶事件发生的原因和原因组合，识别导致顶事件发生的所有故障模式。它可以帮助判明潜在的故障，以便改进设计，也可以用于指导故障诊断，改进运行和维修方案。而故障树的定性分析过程就是找出故障树的全部最小割集或全部最小路集的过程。故障树定量分析的主要任务是计算顶事件发生概率和底事件的重要度。4 电力电子系统故障诊断方法应用实例及结果分析 我们的实验中采用IR2130芯片驱动三相全桥逆变器功率管拖动一台165W的无刷直流电动机运行，应用专家系统的方法对电机运行过程中功率器件的状态进行监测与故障诊断。图2所示为该专家诊断系统的结构。专家系统使用实际测量数据和知识库诊断出故障并解释其发生的原因，知识库中包含系