直流伺服電機故障多源異構數據關聯技術研究

昝少東 邱德敏 霍曾元 臧衛邦 張椰

摘要：針對測控天線伺服系統在線故障診斷需求，提出基于小波包降噪、功率譜分析等信號處理手段的電機故障數據分析方法，建立基于多源異構故障數據快速關聯篩選的搜索模型，從重構降噪后大量不同來源的數據中提取出關鍵故障特征信息，使相關故障數據篩選的準確率由70.5%提升至92%，大幅提高故障診斷結果的可信度。經工程驗證，該模型能及時觸發天線電機故障報警，準確判斷故障部位。

關鍵詞：伺服系統；故障診斷；小波包；降噪；功率譜；信息關聯

中圖分類號：TP277文獻標志碼：A文章編號：1008-1739（2022）22-67-5

0引言

大型拋物面測控天線的口徑一般為十米～六十幾米，由伺服電機驅動天線主反射面轉動，在跟蹤近地軌道衛星等航天器時，由于目標的動態范圍變化較大，電機長時間及頻繁加減速運行易造成機械及電氣結構的損耗，從而導致電機故障，影響航天任務的實施。因此，需要對電機電流進行實時監視測量，及時報告異常狀態，并進行故障診斷。

傳統的電機故障診斷方法較為籠統，僅能檢測一般電機電流信號，缺乏將故障特征信息從采集到的大量冗余信息中篩選出來的有效手段[1]，特別是測控天線跟蹤衛星時，自檢準備及跟蹤流程復雜，電機經常工作在急加速、急減速狀態，電流變化劇烈，容易造成故障誤報。測控天線在跟蹤衛星時，受衛星姿態及星上對地天線指向的影響，接收到的衛星下行信號自動增益控制（Auto Gain Control，AGC）電壓起伏變化較大，導致跟蹤衛星不平穩。電機電流變化劇烈，也容易造成電機故障誤報和漏報，故障診斷的可信度不高。因此，提供一種能從測控天線復雜運行環境中有效提取電機電流故障特征參數的測控天線電機故障特征篩選方法十分必要。

1電機電流數據關聯分析處理

1.1電機故障數據采集流程

測控天線伺服直流電機電流采集系統主要由計算機、數據采集系統及電流傳感器組成[2]，其結構如圖1所示，各部件的主要功能為：

①電機驅動及電流采樣電路：按控制指令提供電機驅動電流，通過電流傳感器將電流信號轉換為相應的電壓信號，提供給數據采集卡。

②數據采集卡：完成電流傳感器提供信號的自動采集并轉換為數字信號，提供給數據處理計算機。

③數據處理計算機：對電機電流信號進行濾波降噪，結合其他數據完成電機故障數據的篩選與特征識別。

在電機運行過程中，可以對記錄的某段電機穩態電流數據求平均，得到穩態電流均值va，進而可求出這段數據的方差，得到穩態電流標準差std。

電流脈動頻率w，穩態電流，起動電流峰值m，峰值點電流變化率的計算方法得出的值為理論值，可作為實際測量值的參考，這4個量作為后續分析電機故障的特征向量[4]。

1.2多源異構數據分析

測控天線伺服系統結構復雜，運行過程中影響電機電流的因素主要有電機自身參數、齒輪箱、衛星下行信號AGC電平值、控制系統帶寬等。這些數據不僅類型復雜，且數據量大、結構不統一、存儲路徑不同、關聯性差，增加了數據處理和故障信息挖掘的難度。本文通過分析多源異構數據內涵，選擇與電機電流密切關聯的衛星下行信號AGC電平值作為判決條件，從而提高篩選電機電流數據的準確率。

AGC變化較大時的電機電流如圖2所示。當衛星AGC電平值起伏變化較大時，會引起測控天線跟蹤衛星不穩定，導致電機電流產生較大振蕩，極易造成對電機故障的誤判。對100圈的衛星跟蹤數據分析統計表明，衛星AGC電平值標準差超過1 V的圈次占23.5%，剔除衛星AGC電平值標準差超過1 V時對應的電流歷史數據，可以使篩選出的電機電流數據準確率達到92%以上，而不經篩選的電機電流數據準確率只有70.4%。

AGC較平穩時的電機電流如圖3所示。測控天線跟蹤某一圈次衛星時，衛星AGC電平值較為平穩，而電機電流起伏變化劇烈，其穩態電流均值、穩態電流標準差超過了神經網絡設定的閾值，觸發了人工神經網絡故障報警，并根據訓練樣本給出故障診斷結果。

由此可見，本文方法避免了將衛星信號不穩等干擾因素導致的非故障電流數據混淆在電流樣本數據中提供給人工神經網絡進行分析診斷，極大地提高了測控天線電機故障診斷的準確性和可信度。

1.3電機故障信息分析處理流程

電機故障信息分析處理流程可分為：電機電流采集、降噪處理、信息關聯、特征向量提取等步驟，如圖4所示。