一種航空發電機旋轉整流器故障在線診斷技術*

劉 繁, 崔 江, 林 華

(南京航空航天大學 自動化學院，江蘇 南京 211106)

0 引 言

航空三級式同步發電機是飛機電源系統的重要構件之一，其正常運行和飛機的安全息息相關[1]。經國內外研究，位于此類發電機轉子上的旋轉整流器容易發生故障，影響發電機的工作甚至對飛機安全造成嚴重隱患，因此需要對旋轉整流器進行故障診斷分析[2-4]。目前該領域的診斷方法主要集中在信號處理上，或者采用將信號處理與人工智能相結合的方法。例如，文獻[5]針對旋轉整流二極管開路故障，采用頻譜分析對其電壓和電流信號進行了研究；文獻[6]研究了一種基于深度置信網絡(DBN)的改進方法，先使用快速傅里葉變換(FFT)提取勵磁電流信號的頻譜信息，而后采用DBN對該信息進行自適應診斷處理。

目前對旋轉整流器的故障診斷主要是在離線條件下進行的，但其一旦發生故障，會在短時間內對飛機安全造成影響，因此對故障的在線診斷尤為重要。一些學者提出了相關思路，例如，文獻[7]采用轉子電流的二次諧波與基波的幅值比進行故障診斷，經離線和在線試驗證明均能對單個旋轉二極管實現故障定位，但在線診斷時存在動態響應延遲的問題；文獻[8]提出了一種動態FFT技術，針對發電機輸出電壓信號采用FFT進行動態處理，得到其主頻幅值的動態曲線，以該曲線的斜率作為故障特征進行診斷。但文獻[8]中的斜率是通過曲線上某兩點形成連線計算而得，這樣處理導致特征的抗干擾能力較弱，其診斷結果也因此存在一定的誤差。針對這一現象，本文在其基礎上進行了進一步研究，提出了一種角度軌跡監測技術，所提取的故障特征抗干擾能力強，經試驗證明能夠快速檢測出不同的故障模式，具有更好的診斷效果。

1 角度軌跡監測技術簡介

1.1 幅值變化軌跡實現原理

本文采用FFT對交流勵磁機的勵磁電流信號進行處理[9]。當發電機旋轉整流器出現故障時，諧波電樞反應會在交流勵磁機上感應出相應的電流分量，引起勵磁電流的變化[10]。這一現象可用圖1表示，其中縱軸為勵磁電流信號大小，橫軸為采樣時間，勵磁電流信號按故障發生前后可分為x(n)和y(n)，x(n)表示正常狀態，y(n)表示發生了故障。從圖1中可以看出，故障后的信號也分為剛發生時短暫的過渡期和之后的穩定期。

圖1 故障前后勵磁電流波形

一般情況下，一個或多個二極管故障都會導致勵磁電流本身產生波動，因此，原始信號在經過FFT處理后的頻域幅值大小在故障前后也會時刻產生變化。本文針對FFT處理后諧波的幅值變化軌跡進行進一步研究，其幅值軌跡的提取思路與文獻[8]中所用技術相近，先使用該技術對故障前后的勵磁電流信號進行處理。經研究，勵磁電流經FFT處理后，其直流分量的幅值大小在故障前后具有非常明顯的變化，其變化過程可用圖2進行表示。

圖2 直流分量幅值軌跡變化

可以看出，在正常狀態勵磁電流的直流分量幅值大小一直保持穩定。而在故障發生后，幅值逐漸增大，進入故障過渡期，直到一段時間后再達到新的穩定，即維持在故障穩定狀態。

1.2 角度變化軌跡實現原理

采用圖2中直流分量的幅值變化軌跡可初步監測整流器二極管的健康狀況，但該軌跡的變化趨勢比較平緩，不太明顯。在試驗中，由于器件本身存在的誤差，勵磁電流信號大小會同樣產生一定的誤差，只通過該幅值軌跡來進行區分很容易造成錯誤診斷，因此要實現精準的在線診斷必須尋找變化更為明顯的故障特征。觀察圖2軌跡，可以發現在故障點及以后很短的時間內，曲線的陡峭程度突然增大，因此可以通過監測該幅值軌跡各點處的角度變化來實施更為快速和精準的診斷。且監測角度變化還在一定的程度上抵消了試驗所帶來的誤差現象。該角度變化軌跡的具體提取流程如圖3所示。

圖3 角度軌跡提取流程

對任意一點處的角度進行計算首先要選取一定長度的點進行直線擬合。圖3中針對j點，選取該點及其前n-1個點一起構成直線擬合的區間，即每次直線擬合的點長為n，然后以擬合出的直線和水平軸形成夾角并計算其值，即為j點處的角度。再針對下一點j+1和j-n+2之間的n點進行直線擬合并計算角度，以此類推，最終得到連續的角度變化軌跡。由于直流分量幅值軌跡的變化趨勢是先上升再不變，角度軌跡的變化趨勢是先增大再下降，其變化的響應速度更快，變化過程更加明顯。采用該角度軌跡作為一組故障特征，記為fa。另外經研究，基波的幅值軌跡跟直流分量的角度軌跡有著相似的變化趨勢，因此再采用基波幅值軌跡作為第二組故障特征，記為fT，采用這兩組故障特征實現旋轉整流器的在線診斷具有更好的效果。

其中，直線擬合采用最小二乘法進行線性擬合，對滿足直線方程的x和y有如下關系：

y=kx+b

(1)

式中：k為斜率；b為截距。

對于n組數據(xi,yi)，i=1,2,…,n，其中xi均間隔相同的長度，因此xi值認定無誤，所有誤差只與yi相關，則利用最小二乘法進行直線擬合時要求觀測值yi偏差的加權平方和為最小，需滿足如下方程：

(3)

在試驗中，由于存在噪聲的干擾，還要對角度軌跡進行相應的濾波操作。本文采用多種濾波方案進行對比，最終選取卡爾曼濾波進行去噪，具有良好的效果。

1.3 特征提取和診斷流程

將該角度軌跡監測技術應用于航空發電機旋轉整流器故障特征提取和診斷中，具體流程如下：

(1) 采集發電機的勵磁電流數據樣本集，并對數據樣本集進行劃分：一份作為訓練樣本產生故障字典，另一份作為測試樣本評估方法的效果。

(2) 對不同故障模式下的訓練樣本采用FFT進行連續處理，提取出fa和fT作為故障特征信息，并存入故障字典。

(3) 把測試樣本同樣采用本文方法進行處理并提取故障特征信息，然后采用故障字典方法進行匹配完成故障診斷。

2 試驗驗證

2.1 試驗平臺介紹

利用一臺三級式交流同步發電機作為試驗平臺，其結構組成如圖4所示。平臺主要由變頻器、三相異步調速電機(模擬原動機)、民用三級式無刷同步交流發電機、電流霍爾傳感器、阻性負載與數據采集系統等部分組成。

圖4 試驗平臺組成

為了實現對試驗平臺中旋轉整流器的任意一個二極管開路故障的人為控制，本文對旋轉整流器做了一些改裝，改裝后二極管的故障可通過開關控制，方便了試驗。發電機和電動機的詳細參數如表1所示。

表1 試驗平臺主要參數

試驗中，分別在空載、0.34 kW阻性負載、1.48 kW阻性負載、0.38 kW阻性和0.36 kVA感性混合負載、0.64 kW阻性和0.68 kVA感性混合負載下對故障特征信號進行采集。得到不同負載下各故障模式下的勵磁電流波形如圖5所示。在每種負載條件下均得到500個樣本，將其中 250個作為訓練樣本，另外250個作為測試樣本進行診斷。

圖5 不同負載下各故障模式勵磁電流

2.2 試驗結果分析

首先根據文獻[8]中幅值軌跡的提取技術，對每個數據樣本進行定長為256點、每次間隔長度為10個數據點的連續FFT處理。對每一個包含2 000點的數據樣本共進行了180次連續FFT處理，得到其直流分量幅值變化軌跡。

再對直流分量幅值軌跡進行直線擬合并提取角度特征。經多次研究分析，采取每次長度為10個數據點的直線擬合處理效果較好。再計算每次擬合所得的直線與水平軸的角度。由于試驗存在噪聲的干擾，其幅值軌跡的誤差波動較大，這樣在進行直線擬合后計算得到的角度軌跡是存在較大誤差的，因此最后要進行濾波操作。以空載情況為例，本文將計算出的角度軌跡采用中值濾波、小波濾波和卡爾曼濾波等多種濾波方案進行對比研究，具體對比如圖6所示。

圖6 多種濾波方案對比

由圖6可見卡爾曼濾波的效果最好。經過卡爾曼濾波后的角度軌跡在旋轉整流器不同的故障模式下有著明顯的區分度，由此提取的fmax可以作為一組故障特征來實現旋轉整流器的在線診斷。另外，對基波的幅值軌跡同樣進行卡爾曼濾波處理，處理結果如圖7所示，可見基波的幅值軌跡同樣有著較大的區分度，由此提取的Tmax可以作為另一組故障特征。

圖7 卡爾曼濾波后基波幅值軌跡

在不同的阻性負載條件下，上述兩種變化軌跡依然與空載條件下保持一致，均具有良好的區分度，提取出的故障特征均可以快速檢測出故障。再進行故障分類，提取測試樣本的故障特征并通過訓練樣本生成的故障字典進行模式識別，具體操作過程以圖8為例，其中測試樣本軌跡是使用單管短路樣本處理形成的。由圖8可見，該測試樣本的軌跡與單管短路軌跡之間的距離最近，因此故障匹配時采用歐氏距離法(ED)來計算軌跡間的距離。該測試樣本軌跡經ED方法計算后與單管短路軌跡間的距離最小，因此判定為單管短路故障。

圖8 故障分類操作過程

具體的故障診斷結果如表2所示。此處，仿真軟件為 Matlab2019a，計算機主頻為2.9 GHz，內存為16 GB，操作系統為Windows 10，其中故障分析時間是FFT處理和卡爾曼濾波的時間之和。可見本文所提出的角度軌跡在線診斷技術不僅在特征提取上速度快，而且診斷正確率高，具有良好的效果。

表2 不同工況下診斷正確率

3 結 語

本文利用FFT實現了一種角度軌跡監測技術，并將其應用于航空發電機旋轉整流器的在線診斷應用中。通過試驗可以得出如下結論：

(1) 該角度軌跡監測技術是可行和有效的，可以應用于航空發電機旋轉整流器的故障診斷技術中。

(2) 通過該技術提取的故障特征區分度高，特征提取速度快，完全可以實現故障的在線診斷，并取得良好的效果，為航空發電機旋轉整流器的快速診斷提供了新思路。