基于高斯貝葉斯的建筑水暖設備故障信號診斷分析

呂偉博

(中鐵十八局集團第四工程有限公司，天津 300350)

在大型建筑水暖設備中,水暖設備故障是導致大型建筑水暖設備失效的主要原因之一。目前,判斷水暖設備是否發生故障的方法主要是通過檢測暫態故障信號波動幅度來進行,但大型建筑水暖設備發生故事時,經常故障信號復雜,噪聲干擾較多。針對上述問題,文獻[1]提出了基于信號稀疏表示和瞬態沖擊信號多特征提取的滾動軸承故障診斷方法,該方法在分析故障信號特點的基礎上,構建IChirplet原子庫,利用優化的OMP算法進行原子尋優;文獻[2]提出了基于多尺度排列熵及PSO-SVM的輸電線路故障判別,通過MATLAB/Simulink對各種工況下的不同故障參數進行仿真,提取故障暫態電壓信號的MPE作為特征向量輸入到經粒子群算法優化的支持向量機模型中來判別輸電線故障類型和故障相別。上述改進方法雖然可以檢測大型水暖故障,但仍存在一些問題。為此,本文提出了一種基于高斯貝葉斯的建筑水暖設備故障信號診斷方法,并分析參數的影響。

1 水暖設備暫態故障信號分析

在實際設備故障中,由于信號周期通常較短,因此一般通過建設故障暫態信號模型,如式(1)所示。

(1)

式中:a為實數區間的任意數值;χ為水暖設備的基頻;λ2為衰減的電流分量;λisin(iχt)為基頻諧波分量;λisin(μi)為高次諧波分量[3]。

為了充分考慮水暖設備,將暫態故障信號在初始時間進行求導,可以計算出信號的左右導數。當左右導數不一致時,水暖設備暫態故障信號在初始時間是不可導的[4],即此時的信號具有奇異性,奇異度小于等于1。當左右導數一致時,水暖設備暫態故障信號在初始時間是可導的,此時的奇異度大于1,因此w(t)的導函數可表示為:

(2)

計算式中的左右導數即可獲取暫態故障信號。從式(2)中可以看出,初始時間導函數不能成立的,但在某種條件下卻可以成立,因此不能完全將所得函數進行排除[5]。因此,導函數在初始時間的n階時所確定出的暫態故障信號要在故障時刻的奇異度下達到不同的信號檢測為止。

2 基于高斯貝葉斯的故障信號診斷

2.1 故障信號提取過程

信號中的突變信息通常由信號的包絡線決定,而在信號當中很多高頻成分都是由脈沖所激勵的?；诖?分析出建筑中的水暖設備暫態故障信號差異,確定高頻分量就是包絡信號的載波[6],使用貝葉斯信號提取方法對故障信號進行提取診斷。

實際信號x(t)的定位為:

(3)

對式(1)解析,得到的信號可表示為:

(4)

基于此,得到的解析信號幅值可表示為:

(5)

式(5)的計算結果,就是原始信號的包絡。

2.2 基于高斯貝葉斯的信號分解

使用高斯貝葉斯方法能夠對高頻和低頻分量進行轉換,將其轉換為頻譜形式,其中暫態故障信號中的細節指的是智能高頻分量,暫態故障信號中的輪廓指的是低頻分量[7]。使用高斯貝葉斯的故障信號檢測方法,能夠有效識別信號中的高頻分量和低頻分量,將其按照分量大小,可分為大尺度分量和小尺度分量。

高斯貝葉斯分析中最早應用的緊湊性小波—— Haar小波,在時間范圍內具有良好的解析度?；诖?以式(6)為信號分解的依據。

(6)

式中使用貝葉斯技術分解信號,分解結果如圖1所示。

(a)信號輪廓電壓分量

從圖1可以看到,原始信號的光譜特征和信號的分布特征是一致的。該頻譜可視為近似于原始信號的形態,而其頻譜則為較高頻率之原始信號的頻譜,亦即該信號所含之細節分量會略微改變原信號的信息[8]。從小波分析的觀點出發,其特征實質上是信號中的高頻分量。

2.3 故障信號的參數檢測

在故障信號檢測中,使用高斯貝葉斯技術的信號分解結果與故障信號參數測定結果具有相同的模極大值,通過檢測該值能夠確定故障信號出現的位置,即為故障位置,詳細內容如下。

假設w(t)是某一點的參數異常值,那么該點的高斯貝葉斯與李氏指數必然存在內在聯系,其中李氏指數是表征函數局部特性的一種變量。如果w(t)在實數區間的信號參數滿足下式:

|wξ(t,a)|≤bαα,

(7)

式中:α為李氏指數;b為與高斯貝葉斯有關的常數。當李氏指數的數值大于0時,高斯貝葉斯的模極大值與李氏指數呈正比例關系;反之,當李氏指數的數值小于0時,高斯貝葉斯的模極大值與李氏指數呈反比例關系;當李氏指數的數值等于0時,高斯貝葉斯的模極大值與李氏指數無明顯相關關系。

由于故障信號模型w(t)在某處的變換不一定是奇異的,因此,將該模型視為最原始的故障信號。通過高斯貝葉斯理后,求解模型得到模極大值,依據該值能夠計算李氏指數,進而明確經過高斯貝葉斯診斷后的尺度最大值,也就等價于對其取對數后將所得的公式進行極小化處理,得到精準的李氏指數[9-10]。待獲取到李氏指數后,就可以對信號分類,b的值就是突變點的幅值。

3 仿真實驗

對于大型建筑水暖設備故障信號異常檢測方法,利用MATLAB軟件中的工具箱,建立仿真模型,對設備故障模式進行仿真,以確認本文提出方法的正確性。

3.1 仿真模型構建

當建筑水暖設備出現單相接地故障時,接地電流和電壓也會出現較大變化。為此,本實驗使用了輻射型網絡,避免設備負載的影響,直接反映出電壓和各線路電流的關系。

單相接地不僅影響建筑水暖設備的正常使用,而且可能出現過電壓,導致設備被燒壞。單相接地故障示意如圖2所示。

圖2 單相接地故障仿真模型

由圖2可知,如果三條線路中某一條線路不完全接地,那么需通過高電阻接地,此時的暫態故障電壓值較小,正常電壓值較高;如果三條線路中某一條線路完全接地,那么此時的暫態故障電壓值為0,正常線路的電壓與輸電線電壓一致;如果三條線路中某一條線路出現斷線時,暫態故障電壓值大于等于0,此時的線路電壓經過二次回路后,與另外兩條線路串聯后形成串聯回路[11-13]。

3.2 仿真結果與分析

假設線路1出現故障,設置好各種參數后啟動仿真,可得到線路1上的零序電壓、電流的暫態波形,如圖3所示。

(a)電壓暫態波形

由圖3可知,圖3a中的電壓暫態波形在前0.2 s始終為0,從0.25～0.4 s電壓暫態波形變化不具有規律性,而從0.4～0.8 s電壓暫態波形變化具有規律性,始終在-2.2～2 kV范圍內波動;圖3b中的電流暫態波形在前0.2 s始終為0,從0.25～0.8 s的電流暫態波形變化具有規律性,且波動范圍越來越小,在0.5 s以后,電流始終在-5～5 kV范圍內波動。

(a)電壓暫態波形

基于此,分別使用基于信號稀疏表示的多特征提取檢測方法、基于多尺度排列熵故障信號檢測方法和建筑水暖設備故障信號高斯貝葉斯檢測方法[3,14],對比分析故障時電壓、電流暫態波檢測結果如圖4所示。由圖4a可知,使用基于信號稀疏表示的多特征提取檢測方法,電壓暫態波形在時間0.25～0.51 s內變化不具有規律性,波動范圍為-4.1～2.2 kV。在時間0.51 ～0.8 s內電壓暫態波形變化具有規律性,波動范圍為-3～2.2 kV;使用基于多尺度排列熵故障信號檢測方法,電壓暫態波形在時間0.25～0.51 s內變化不具有規律性,波動范圍為-3～2.2 kV。在時間0.51～0.8 s內電壓暫態波形變化具有規律性,波動范圍為-2.2～4.2 kV;使用建筑水暖設備暫態故障信號高斯貝葉斯檢測方法,電壓暫態波形在時間0.25～0.4 s內變化不具有規律性,波動范圍為-2.4～2.5 kV。在時間0.51～0.8 s內電壓暫態波形變化具有規律性,波動范圍為-2.2～2 kV,與實際變化情況一致。

由圖4b可知,使用基于信號稀疏表示的多特征提取檢測方法,電流暫態波形是從0.25 s開始變化的,波動范圍從-23.5～20 A逐漸縮小,最終為-2.5～5 A;使用基于多尺度排列熵故障信號檢測方法,電流暫態波形從0.2 s就開始變化,波動范圍從-25～19.5 A逐漸縮小,最終為-2.5～1.5 A;使用大型建筑水暖設備暫態故障信號高斯貝葉斯檢測方法,電流暫態波形從0.25 s就開始變化,波動范圍從-23.5～19 A逐漸縮小,縮小到-4.5～5 kV后保持不變,與實際數值相差0.5 A。

4 結束語

綜上所述,利用多維高斯貝葉斯分類模型對機械設備的故障進行智能診斷,發現其存在著不確定的奇異性,并且奇性大于正的概率為0。在建筑水暖設備故障暫態信號的奇異特殊性為確保檢測奇異性的有效性時,提出了選用小波轉換方法,并給出了利用高斯貝葉斯方法對水暖設備故障暫態信號檢測的原理。與傳統方法相比,所分析的建筑水暖設備暫態信號奇異性,得出其奇異的特殊性質,從而具有不確定的奇異度,因此提出高斯貝葉斯的建筑水暖設備故障信號診斷,確保了信號差異性的準確檢出。將所研究的檢測方法用于建筑水暖設備故障時刻仿真分析時,可得到精準檢測結果。