基于小波变换的电力电子装置故障诊断的研究毕业设计论文.docx
- 文档编号:9399249
- 上传时间:2023-05-18
- 格式:DOCX
- 页数:75
- 大小:545.26KB
基于小波变换的电力电子装置故障诊断的研究毕业设计论文.docx
《基于小波变换的电力电子装置故障诊断的研究毕业设计论文.docx》由会员分享,可在线阅读,更多相关《基于小波变换的电力电子装置故障诊断的研究毕业设计论文.docx(75页珍藏版)》请在冰点文库上搜索。
基于小波变换的电力电子装置故障诊断的研究毕业设计论文
摘要
随着现代化大生产的发展和科学技术的进步,电力电子装置结构越来越复杂,功能越来越完善,自动化程度越来越高,装置故障对生产的影响显著增加。
电力电子装置发生故障必须快速将主电路停电。
为保证装置的安全可靠的运行,充分发挥其效益,因此电力电子装置故障诊断技术的研究越来越具有重要的意义。
本文详细的分析了基于Matlab/Simulink的三相全控整流桥装置,分别介绍了三相全控整流桥的主电路,和各种仿真参数。
在此基础上,获得了整流装置的22种故障波形及各故障状态下的输出的电压波形。
利用小波变换的模极大值检测故障波形的突变点,确定故障发生时刻。
利用小波多分辨率分析将信号分解在不同的频带之内,对各个频带内的小波系数进行能量统计分析,形成表征故障的特征向量,提取原始数据各频段的能量值作为故障分类的数据。
论文给出了基于Matlab的BP神经网络的设计方法、实际训练和测试的仿真结果。
通过BP神经网络良好的非线性映射特性,作为故障分类器,来实现电力电子故障的诊断。
本文设计的电力电子装置故障诊断系统能快速的定位故障点,实现各类故障的精确分类使之具有广阔的应用前景。
关键词:
电力电子装置 故障诊断 小波变换 BP神经网络
Abstract
Withthedevelopmentofmodernmassproductionandtechnologicalprogress,thestructureofpowerelectronicdevicesisincreasinglycomplex,function moreandmorecomplete,automationdegreebecomesmoreandmoreadvanced,devicefailureaffectproductionincreasedsignificantly.Thepowerofmaincircuitmustbeshutdownwhenautomaticfailureoccurs.Soastokeepsystemrunningsafely,developitseffectivenessfully,thereforeitisofgreatpracticalsignificancetokeeptheresearchonthefaultdiagnosisofpowerelectronicdevices.
Thisessayanalyzesindetailthree-phase full-controlled rectifierbridge devicebasedonMatlab/Simulink,andintroducesthemaincircuitofthree-phasefullcontrolledrectifierbridge device,andallkindsofsimulationparameter.Onthisbasis,accesstotherectifyingdevice22kindsoffaultsandthefaultstateofthewaveformoutputvoltagewaveform.Usingwavelettransform modulusmaximapointmutationsto detected faultwaveform todeterminethefailuretime.Multiresolutionwaveletanalysistodecomposethesignalindifferentfrequencybandswithinthefrequencybandofeachwaveletcoefficientenergytatisticalanalysistheformationofthefeaturevectorrepresentationsignal extracted rawdata foreachfrequencyband energyvalue dataclassifiedasafault.Thispapergivesa BPneuralnetworkbasedonMatlabdesignmethods,practicaltrainingandtestingofthesimulationresults.BPneuralnetworkthroughgoodnonlinearmappingfeature,asafaultclassifier,toachievepowerelectronicfaultdiagnosis.
Thedesignedofpowerelectronicdevicesfaultdiagnosissystemfindfaultpointquickly,accuratelyclassifyvariousfaultsothatithasabroadapplicationprospect.
Alpha
Keywords:
PowerelectronicdeviceFaultdiagnosisWavelettransformBPneuralnetwork
第1章 绪论
1.1 课题研究的目的意义
随着电力电子技术的高速发展,实现能量变换的电力电子整流装置越来越广泛地应用到工业生产和社会生活的各个方面,同时电力电子整流装置的故障问题也越来越突出,因此在电力电子整流装置中应用故障诊断技术有其现实意义和经济意义,对其开展相关的理论和方法研究尤为重要。
电力电子装置故障诊断技术的基本意义在于减少由于设备故障导致的停机时间。
电力电子技术的广泛应用使得电力电子装置的用户遍布各行各业,用户可能对电力电子装置并不熟悉。
因此一旦发生故障,若仅由人工查找故障的发生点和故障类型,由于缺少详细的故障信息,要快速准确的诊断故障比较困难,因为它完全依赖于维修人员的经验,这样导致的后果就是延长停机时间,而电力电子装置通常被用于生产工艺的关键流程之中,所以延长停机时间就意味着重大的经济损失。
如果应用故障诊断技术,在故障发生后极短的时间里就能提供给维修人员详细的故障信息,故障定位准确可靠,自然大大缩短停机时间,工作效率就有较大提高[1]。
电力电子装置故障诊断技术的基本目的在于快速准确地提供报警信号和故障信息。
利用这些信息,工作人员可根据故障的轻重缓急,采取相应的措施来减小故障的影响范围,防止二次故障的发生;维护人员根据故障信息快速地维护设备,减少停机时间,提高电力电子装置整体的工作效率。
1.2 国内外研究现状
目前故障诊断技术是国内外研究的前沿课题,国内外都对其展开了积极的研究,并且已经产生了巨大的经济效益。
从故障诊断技术的各分支技术来看,美国占有领先地位,美国的许多权威机构如美国机械工程师学会(ASME),美国宇航局(NASA)等都参与了这一领域的研究,投入了大量的资金:
不少的高校和企业也都设立了诊断技术研究中心,美国的一些公司,如Bently、HP、Scientmcatalajlta等,他们的检测产品基本上代表了当今诊断技术的最高水平,不仅具有完善的监测功能,而且具有较高的诊断功能,在军事、化工等方面具有广泛的应用;其它一些国家故障诊断技术的发展也是各有特色,如英国在摩擦诊断方面、丹麦在振声诊断方面等等,他们在诊断技术应用方面都各具优势。
自上世纪80年代以来,随着电力电子技术日益广泛的应用,国内外许多学者对电力电子电路故障诊断进行了大量研究,取得了不少成果,形成了一些系统的方法,为本课题的研究提供了丰富的知识依据。
故障诊断的关键是提取故障特征。
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
目前,国内外研究的电力电子装置故障诊断方法主要有:
(1)直接检测法
通过检测电路电压或电流,得到电路的工作状态,再与触发脉冲进行时序逻辑比较,从而判断被诊断对象是否发生故障。
这种方法需检测每个被诊断元件的电压或电流,所需测试点较多,需要专门的检测电路。
(2)谱分析法
谱分析的目的:
信号中含有噪声,为了提取特征向量,故障信号的时域波形不能清楚地反映故障的特征。
在故障诊断中通常采用的信号处理方法是谱分析,常用的有傅里叶谱、沃尔什谱,还有滤波、相关分析等[2]。
(3)小波变换法
小波变换作为一种信号的时间――尺度分析和时间――频率分析法,能有效地从信号中提取信息,由于小波函数具有良好的时――频特性,因而小波分析方法为信号的时――频分析提供了有力的工具。
小波变换保留了Fourier变换的优点,并且在时间上和频率上都可以进行局部分析,特别适合于分析奇异性强的故障信号,被誉为“数学显微镜”。
小波变换用于电气设备故障诊断就是对电气设备运行中产生的各种电磁、机械等物理信号进行实时监测,判别其状态,力求在故障初期或故障时刻发出警报,及时处理、排除故障[3]。
电气设备正常运行时产生的电磁信号比较平稳,而故障时则会产生奇异点。
运用小波变换理论对所产生的奇异电磁信号作多分辨率分析(MRA),将信号分解到不同的尺度上,每个尺度上的信号反映了原信号的不同频率组成成分,可以将故障信号显示出来,从而达到状态监视和故障诊断的目的。
(4)专家系统的方法
专家系统诊断的基本思想是:
通过理论分析、实践经验及实验建立一个可靠的知识库,该知识库包含电路的环境知识、系统知识和一个规则库,其中知识库反映了系统的因果关系,具体到电路故障诊断系统中就是电路变量和故障类型、故障点之间的因果关系,然后通过人机接口得到实际运行中的特征变量值,将它应用到规则库进行推理,就得到电路的基本工作状态和故障信息。
专家系统故障诊断方法的缺点是建立知识库比较困难,特别是在进行复杂电路的故障诊断时,所需的庞大知识库更是难以建立。
(5)基于神经网络故障诊断方法
神经网络具有模拟任何连续非线性函数的能力和从样本自适应学习的能力,有大规模并行处理、分布式信息存储等特点,在信号处理、模式识别、智能控制等领域获得了成功的应用,而将神经网络用于故障诊断,可以克服基于数学模型诊断方法难以建模的问题和基于专家系统诊断方法不能处理新情况的问题,是目前电力电子电路故障诊断应用最广泛的诊断方法。
1.3 论文研究的内容
本文主要研究电力电子装置故障仿真、故障特征向量的提取和故障模式的识别。
装置故障仿真以三相全控桥式整流装置为例,利用Matlab7.0/Simulink软件仿真获得故障时的输出电压波形,利用小波理论的多分辨率分析提取特征向量,利用BP神经网络进行模式分类。
(1)电力电子装置的仿真研究
电力电子装置出现故障时,电压电流的波形发生异常。
基于这一思想,对无故障时的装置进行仿真分析,以电压波形作为诊断信息的一部分,然后根据电力电子装置的实际情况模拟各故障状态,建立故障信息。
对电力电子装置进行仿真时考虑了电力电子主装置所有可能的工作状况,以尽可能符合实际工作情况,因为不同的工作状况对应的正常情况波形和故障情况波形不相同。
(2)故障特征的提取
本文应用小波理论进行故障特征的提取。
小波变换能够通过多尺度分析提取信号的奇异点,利用小波变换系数模极大值检测故障波形的突变点,确定故障发生时刻。
应用多分辨率分析将信号分解在不同的频带之内,再对各个频带内的小波系数进行能量统计分析,形成反映信号特征的特征向量。
分析小波基函数的选取对故障特征提取的影响,说明小波系数具有能量的量纲,特征向量形成用于神经网络故障诊断的特征矩阵。
(3)故障识别方法
在提取了故障特征向量的基础上,设计一个BP神经网络分类器,用于判断故障类型,进行故障识别。
第2章 总体设计方案
2.1 电力电子装置故障诊断分析的设计思路
本设计首先要对电力电子装置的故障进行研究,装置故障仿真以三相全控桥式整流装置为例,利用Matlab7.0/Simulink软件仿真获得故障时的输出电压波形,确立故障类型。
然后对故障波形进行处理,利用小波理论的多分辨率分析提取特征数据,最后确定神经网络类型,将数据送入到神经网络,快速的检测出故障。
2.2三相全控桥式整流装置
三相桥式全控整流电路原理图如图2-1所示。
图2-1 三相桥式全控整流电路原理图
本文检测故障主要是检测输出的电压,三相桥式全控整流电路输出电压除受控α之外,负载特性也会影响其输出电压。
而对于电阻性负载,当α≤60°时输出电压Ud波形连续,而当α>60°时输出电压波形出现间断。
对于阻感性负载α≤60°时,输出电压Ud与电阻性负载时相似,当α>60°时,由于电感L的作用,输出电压Ud出现负的部分,若L足够大,当α=90°时,输出电压Ud平均值近似为零。
对三相桥式全控整流桥进行分析,晶闸管的触发顺序是:
VT6-VT1-VT2-VT3-VT4-VT5-VT6,相位依次差60°。
电路正常工作时,任何时刻都有两个晶闸管导通,其中一个晶闸管是共阴极组的,另一个是共阳极组的,且不能为同一相的晶闸管。
晶闸管的短路故障包括两种情况:
一种情况是晶闸管没有触发即可导通,无反向电流流过,即晶闸管实际上相当于二极管;另一种情况是晶闸管被击穿,有反向电流流过。
对于晶闸管的短路故障,可以由电流检测法和电压检测法来确定。
本文只研究晶闸管开路时的故障诊断,用电压检测法来确定。
2.3利用小波变换提取故障数据
小波变换具有良好的时——频特性,因此可以有效地用于电气设备故障诊断。
小波变换能够通过多尺度分析提取信号的奇异点,其基本原理是当信号在奇异点附近的Lipschitz指数α>0时,其连续小波变换的模极大值随尺度的增大而增大;当α<0时,则随尺度的增大而减小。
噪声对应的Lipschitz指数远小于0,而信号边沿对应的Lipschitz指数大于或等于0,因此,利用小波变换可以区分噪声和信号边沿,有效地检测出信号突变点。
小波变换提取故障数据设计思路如图2-2所示。
图2-2小波变换提取故障数据设计思路
2.4 神经网络检测故障
本文采用的神经网络需具有以下特点:
(1)有导师监督的学习方式。
当某组故障信号输入到神经网络中时,要求该神经网络的输出对应于所设定的故障类型代码,即要求输出信息是可靠的,有导师监督的学习方式可以达到这样的要求。
(2)样本记忆容量要比较大。
整流装置发生故障时,故障类型较多,对于每类故障,往往要求整流装置在运行情况下所发生的故障都能正确诊断,这样就要求神经网络能够记忆相当多的故障样本,神经网络所记忆的样本容量就要大。
因此本文选用了基于误差反向传播算法的前向神经网络,即BP神经网络。
BP神经网络的设计思路如图2-3所示。
图2-3BP神经网络的设计思路
第3章 三相桥式整流装置故障仿真
3.1 电力电子装置故障诊断仿真的主要问题
电力电子装置故障存在的时间较短,获取实际故障信息比较困难,一般需要采用仿真的方法,在仿真时主要需考虑下面一些问题:
(1)电力电子装置故障波形仿真研究的目的是获取进行故障特征提取的原始信号。
在进行电力电子装置仿真时,应当在了解装置所有的工作状况下,选取其中具有代表性的情况,进行合理简化之后再进行波形仿真,以最大限度保持信息的完整性,使所研究的诊断方法更具有合理性和适应性[4]。
(2)电力电子装置故障情况比较复杂,只能在主要故障的情况下进行合理简化才能得到比较满意的效果。
以三相桥式整流装置为例,能够正确诊断出的故障类型有五大类,每大类下又可以分为五六小类,加上晶闸管的不同触发角,其故障数目较多。
这仅是考虑主装置(晶闸管)开路故障时的情况。
(3)仿真时间长短的选取也要根据具体问题具体分析。
如研究对象是从正常工作向故障运行的过渡过程,还是故障出现稳定之后的故障诊断,或者是对可能出现的故障情况的预测,各种情况对仿真时间的要求都不同。
3.2 电力电子装置故障的仿真研究
3.2.1 整流装置的工作原理
三相桥式全控整流电路原理图如图3-1所示。
图3-1 三相桥式全控整流电路原理图
其中Ua、Ub、Uc为三相工频输入电压源,T为整流变压器。
晶闸管的触发顺序是:
VT6-VT1-VT2-VT3-VT4-VT5-VT6,相位依次差60°。
电路正常工作时,任何时刻都有两个晶闸管导通,其中一个晶闸管是共阴极组的,另一个是共阳极组的,且不能为同一相的晶闸管。
对于阻性负载,当α=0°时,每个晶闸管一周期内有120°处于通态,当α>0°时,每周期内晶闸管的导通角为120-α°,随着α的增大,输出电压Ud的平均值随之降低,可见,三相桥式全控整流电路可以通过调节触发角α控制输出电压Ud。
三相桥式全控整流电路输出电压除受控α之外,负载特性也会影响其输出电压。
而对于电阻性负载,当α≤60°时输出电压Ud波形连续,而当α>60°时输出电压波形出现间断,当α≥120°时,输出电压波形将全为零,其平均值也为零[5]。
对于阻感性负载α≤60°时,输出电压Ud与电阻性负载时相似,当α>60°时,由于电感L的作用,输出电压Ud出现负的部分,若L足够大,当α=90°时,输出电压Ud平均值近似为零。
3.2.2 整流装置故障仿真
按照图3-1所示的三相桥式全控整流装置原理图进行连接。
将万用表、电压测量器、示波器等测量器件从Simulink的相应元件库中调用并连接到对应的测量端口[6]。
利用Simulink仿真软件建立仿真装置模型如图3-2所示。
图3-2 仿真电路图
Ua、Ub、Uc三项分别设置为220V,50Hz,经过两个变压器分别变换成15V给6脉冲发生器供电和173V给晶闸管供电。
6脉冲送到晶闸管需要通过分配器和选择器后送给晶闸管脉冲,选择器的参数设置要和晶闸管安装顺序保持一致,即Selector为[135],Selector1为[462]。
晶闸管的触发角是通过设置6脉冲触发器的角度而决定的。
Constant2即为触发角,block为使能端等于0时开通,发出脉冲。
设计中还加入了multimeter万用表,将电压信号传到示波器中。
电力电子装置中最易发生的故障是短路故障和开路故障,当发生短路故障时,其等效电阻近似为零,开路故障时,其等效电阻为无穷大[7]。
装置进行仿真时可将晶闸管关断看作开路,导通看作短路,未发生故障的晶闸管正常触发。
晶闸管的短路故障包括两种情况:
一种情况是晶闸管没有触发即可导通,无反向电流流过,即晶闸管实际上相当于二极管;另一种情况是晶闸管被击穿,有反向电流流过。
对于晶闸管的短路故障,可以由电流检测法和电压检测法来确定。
本文只研究晶闸管开路时的故障诊断。
不导通的晶闸管桥臂包括晶闸管开路(损坏)、串接熔断器熔断、触发脉冲丢失等故障,以下简称晶闸管故障。
以图3-2所示三相桥式整流装置图为例进行故障仿真,当把Ud波形形状相同,只是在时间轴上相互平移的波形所对应的故障状态划在同一类中,把正常情况当作一种特殊的故障状态来考虑时,并且最多只有二只晶闸管同时发生故障的情况下,可将故障分为5大类,22小类:
第一类无晶闸管故障。
第二类只有一个晶闸管故障。
第三类接同一相电压的2只晶闸管故障VT3和VT6、VT1和VT4、VT2和VT5。
第四类接同一半桥电压的2只晶闸管故障VT1和VT5、VT1和VT3、VT3和VT5、VT2和VT4、VT2和VT6、VT4和VT6。
第五类既不同组也不同相的2只晶闸管故障VT5和VT6、VT3和VT4、VT1和VT2、VT1和VT6、VT2和VT3、VT4和VT5。
触发角α是30°或60°时部分典型故障的输出波形Ud,仿真时间是从0.00秒到0.06秒,即三个周期。
每个特定的α下,均有22种故障波形。
装置可以通过Simulink模拟仿真上述5种故障的波形。
部分故障输出电压Ud波形仿真结果如图3-3和图3-4所示。
图3-3 (a)30°正常状态图3-3 (b)VT1故障
图3-3 (c)VT1和VT4故障 图3-3 (d)VT1和VT3故障
图3-3 (e)VT1和VT6故障图3-4 60°正常状态
由仿真波形分析可知故障时波形的特点:
(1)在α一定的情况下,同一类型的故障在不同故障元的情况下,其输出波形Ud形状不变,只是在时间轴上平移;
(2)输出波形Ud随α变化而改变,这会给故障特征的提取带来麻烦;
(3)故障发生时信号产生突变,故障信号含有高频分量,是非平稳的,并有一个从暂态到稳态的过渡过程;
(4)不同故障类型,其高频分量的成分不同,即不同故障在同一频率中的表现不同。
非平稳故障信号的特征并不是均匀地分布在所有频率上,而是在某一个和几个频率(或者频率范围)上体现,利用小波多分辨率分析,能够准确地在任意频段内对信号进行分析,提取故障特征。
信号在计算机上应用和处理时是以数字方式传递的,因此需要将仿真得到的故障波形用数字表示。
故障波形在Matlab7.0/Simulink仿真软件中进行获得触发角α为0°、15°、30°、45°、60°、90°的故障样本,作为故障特征提取的输入信号。
这些故障信号样本以.txt文件格式存储在Matlab的工作空间内,进行小波分解时可以直接调用。
一组数据如表3-1所示。
表3-1 触发角α=30°时VT1和VT3故障数据
触发角α=30°时
0
152.0701
241.1289
123.1407
241.0363
210.7182
0
172.4642
240.4603
123.4416
241.2456
210.6938
2.5737
188.0099
239.7122
124.6244
241.4404
210.6719
2.5852
199.8817
238.885
125.7858
241.6191
210.6105
2.5852
208.9461
237.9788
126.9246
241.7822
210.5501
2.5992
218.0637
236.2216
131.2682
241.9318
210.4899
2.6131
224.3245
234.2297
135.2725
242.1551
210.2487
2.627
228.6455
232.0053
138.9519
242.3485
210.0066
2.6683
231.6326
229.5504
142.3289
242.516
209.7637
2.7093
233.6968
226.8674
151.7676
242.661
208.7839
2.75
235.6891
218.0265
158.6993
242.7865
207.7913
2.883
236.831
210.7692
163.6876
243.0458
206.7859
2.883
237.5185
210.7692
167.2391
243.2231
- 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 变换 电力 电子 装置 故障诊断 研究 毕业设计 论文
![提示](https://static.bingdoc.com/images/bang_tan.gif)