劉力宇，崔 江

(南京航空航天大學(xué) 自動(dòng)化學(xué)院，南京 211106)

0 引 言

旋轉(zhuǎn)整流器式無刷交流發(fā)電機(jī)是現(xiàn)代獨(dú)立電力系統(tǒng)的重要組成部分。無刷交流發(fā)電機(jī)發(fā)明于20世紀(jì)中葉，其冷卻方式、材料及工藝在之后的數(shù)十年間得到了不斷的完善和發(fā)展，其功率密度越來越大，可靠性顯著提高[1]。旋轉(zhuǎn)整流器的發(fā)明與應(yīng)用取代了原本交流同步發(fā)電機(jī)所必要的電刷結(jié)構(gòu)，避免了由于電刷故障而導(dǎo)致的頻繁維修與更換，交流同步電機(jī)的應(yīng)用也隨之更加廣泛。而旋轉(zhuǎn)整流器的故障診斷也成為交流同步發(fā)電機(jī)能否正常運(yùn)行的關(guān)鍵因素之一。

目前，常用的發(fā)電機(jī)故障診斷實(shí)現(xiàn)平臺(tái)，有以微處理器(例如DSP)為核心的嵌入式設(shè)備和仿真軟件(例如MATLAB)等。哈爾濱理工大學(xué)的研究人員采用DSP實(shí)現(xiàn)發(fā)電機(jī)輸出電壓與電流信號的采集與故障診斷[2]；還有些研究人員以DSP芯片為核心，搭建了發(fā)電機(jī)旋轉(zhuǎn)整流器故障診斷系統(tǒng)，提高了診斷的實(shí)時(shí)性與正確率[3]。華北電力大學(xué)的于海波使用MATLAB軟件建立風(fēng)力發(fā)電機(jī)的仿真模型，并在軟件中實(shí)現(xiàn)了希爾伯特-黃變換(HHT)方法用于發(fā)電機(jī)定子匝間短路故障的診斷，診斷效果良好[4]；中國地質(zhì)大學(xué)的劉旭使用MATLAB軟件對風(fēng)力發(fā)電機(jī)的數(shù)據(jù)進(jìn)行挖掘，將K-means聚類與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，提高了發(fā)電機(jī)故障診斷的正確率[5]。嵌入式設(shè)備需要將算法程序燒錄進(jìn)存儲(chǔ)器中，難以根據(jù)不同情況靈活選擇相應(yīng)的方法，操作界面也并不友好；MATLAB等軟件占用PC機(jī)資源多，功能冗余，只適合算法的功能性驗(yàn)證。本文所設(shè)計(jì)的診斷平臺(tái)，主要基于C++ Builder實(shí)現(xiàn)其軟件算法，硬件采用泰普HandyScope4(HS4)作為電機(jī)平臺(tái)的數(shù)據(jù)采集模塊。整個(gè)軟件系統(tǒng)包含圖形顯示、特征提取和故障分類等功能，具有較強(qiáng)的診斷功能和可操作性。

1 旋轉(zhuǎn)整流器故障分析

旋轉(zhuǎn)整流器(如圖1所示)的數(shù)學(xué)模型是一個(gè)雙橋結(jié)構(gòu)，其中的6個(gè)二極管(D1～D6)可以將三相交流輸入轉(zhuǎn)換為直流輸出。二極管開路是其故障的常見原因[6]，模式可分為正常、單管(例如D1)開路故障、同相雙管(例如D1D3)開路故障、同橋雙管(例如D1D4)開路故障、異相異橋雙管(例如D1D6)開路故障共5種。

圖1 旋轉(zhuǎn)整流器模型

因二極管具有單向?qū)ㄐ裕l(fā)電機(jī)交流勵(lì)磁機(jī)的電樞繞組上會(huì)產(chǎn)生一定的諧波分量，這些諧波分量又會(huì)在勵(lì)磁機(jī)的勵(lì)磁繞組中產(chǎn)生對應(yīng)的諧波分量，這種現(xiàn)象通常被稱為諧波電樞反應(yīng)[7]。當(dāng)發(fā)電機(jī)整流二極管發(fā)生開路故障時(shí)，交流勵(lì)磁機(jī)勵(lì)磁繞組中的諧波分量將發(fā)生改變。因此，傳統(tǒng)方法往往是根據(jù)勵(lì)磁電流的諧波分析及其變化情況來進(jìn)行故障診斷的[8-9]。本設(shè)計(jì)采用深度置信網(wǎng)絡(luò)等深度學(xué)習(xí)理論模型，自適應(yīng)提取勵(lì)磁電流信號中蘊(yùn)含的故障特征，可以獲得較高的故障診斷率。

2 平臺(tái)設(shè)計(jì)

2.1 硬件介紹

本平臺(tái)使用的硬件主要包括三大模塊(如圖2所示)，其中使用霍爾傳感器作為采集電流信號的傳感器元件，將發(fā)電機(jī)交流勵(lì)磁機(jī)的勵(lì)磁電流信號轉(zhuǎn)換為大小合適的電壓信號，然后使用HS4信號采集卡進(jìn)行信號采集與傳輸。HS4擁有高速采樣率和12～16位可調(diào)節(jié)分辨率，與PC機(jī)間利用USB進(jìn)行信號傳輸。

圖2 硬件框架圖

2.2 軟件設(shè)計(jì)

本平臺(tái)使用基于C++語言,在Borland C++ Builder 6.0(BCB 6.0)編譯器中編寫。BCB 6.0是Borland公司在 Delphi 基礎(chǔ)上推出的可視化集成開發(fā)工具，它使用Visual Component Library(VCL)可視組件庫，在開發(fā)應(yīng)用程序時(shí)更加簡單、便捷[10]。

本平臺(tái)由TEdit，TButton，TPaintBox，TCheckBox等多個(gè)控件構(gòu)成，集成了數(shù)據(jù)采集、數(shù)據(jù)讀取與存儲(chǔ)、特征提取、故障診斷等功能模塊，故障診斷的步驟如圖3所示。平臺(tái)可使用信號采集模塊獲取實(shí)時(shí)信號進(jìn)行在線故障診斷，也可使用數(shù)據(jù)讀取與存儲(chǔ)模塊加載PC機(jī)本地?cái)?shù)據(jù)進(jìn)行分析診斷。平臺(tái)的特征提取模塊與故障診斷模塊包含深度置信網(wǎng)絡(luò)等深度學(xué)習(xí)模型。原始信號和特征信號的圖形可直觀地顯示在信號顯示窗口中，便于進(jìn)行波形的人工分析和觀察對比。

圖3 故障診斷流程圖

3 平臺(tái)各模塊功能與實(shí)現(xiàn)

3.1 數(shù)據(jù)采集模塊

數(shù)據(jù)采集模塊用于從信號采集卡獲得原始數(shù)據(jù)，使用該模塊時(shí)需要將HS4信號采集卡通過USB接口與PC機(jī)連接，并安裝泰普公司發(fā)布的驅(qū)動(dòng)程序。該模塊擁有4個(gè)實(shí)時(shí)采樣頻道，50 MHz的最大采樣率，單次最大采集點(diǎn)數(shù)為4 096點(diǎn)。本平臺(tái)使用4個(gè)6 000點(diǎn)double數(shù)組儲(chǔ)存采集到的原始數(shù)據(jù)并使用信號顯示區(qū)域的第一個(gè)TPaintBox控件顯示各數(shù)組的前1 000點(diǎn)。每個(gè)采樣頻道都配備一個(gè)TEdit控件用于調(diào)節(jié)顯示圖形的y軸幅值。

3.2 數(shù)據(jù)讀取與存儲(chǔ)模塊

數(shù)據(jù)讀取與存儲(chǔ)模塊用于加載本地?cái)?shù)據(jù)或?qū)⒉杉K各通道的信號儲(chǔ)存到PC機(jī)中。本平臺(tái)使用兩個(gè)6 000點(diǎn)double數(shù)組加載本地?cái)?shù)據(jù)，并在信號顯示區(qū)域的第二個(gè)TPaintBox控件中顯示各數(shù)組的前1 000點(diǎn)，每個(gè)數(shù)組配備一個(gè)TEdit控件用于調(diào)節(jié)顯示圖形的y軸幅值。平臺(tái)通過TOpenDialog和TSaveDialog控件進(jìn)行數(shù)據(jù)的讀取與存儲(chǔ)。

3.3 特征提取模塊

特征提取模塊主要采用了離散傅里葉變換(Discrete Fourier Transform，以下簡稱DFT)等方法對信號進(jìn)行處理，對儲(chǔ)存原始數(shù)據(jù)的數(shù)組中的一個(gè)或多個(gè)進(jìn)行特征提取并將得到的數(shù)據(jù)儲(chǔ)存在新的double數(shù)組中，數(shù)據(jù)顯示窗口區(qū)第三個(gè)TPainBox控件中繪制出相應(yīng)圖形。使用DFT算法進(jìn)行特征提取時(shí)，由一個(gè)TEdit控件決定進(jìn)行傅里葉變換的點(diǎn)數(shù)，使用TSpeedButton控件控制特征提取模塊是否運(yùn)行，使用TComboBox控件配合switch函數(shù)確定特征提取中的算法。

3.4 故障診斷模塊

故障診斷模塊主要包括了深度置信網(wǎng)絡(luò)(Deep Belief Networks，以下簡稱DBN)及最小距離法(Minimum Distance Classification，以下簡稱MDC)等算法，用于對特征提取模塊的輸出數(shù)組進(jìn)行故障診斷，返回一個(gè)int參數(shù)來顯示故障類型。該模塊可對6個(gè)采樣通道同時(shí)進(jìn)行診斷并分別在各通道下方的TEdit控件中顯示診斷結(jié)果。本平臺(tái)使用一個(gè)TComboBox控件根據(jù)多種負(fù)載情況調(diào)整算法參數(shù)，使用一個(gè)TEdit控件確定信號的采樣頻率。使用2個(gè)TEdit控件在診斷完成后分別輸出診斷次數(shù)和正確率。

4 算法介紹

本系統(tǒng)使用了MDC作為典型方法的一個(gè)代表，其特點(diǎn)是占用內(nèi)存空間小，運(yùn)算速度較快，但存在準(zhǔn)確率不高，魯棒性較差，距離閾值選取不靈活等缺陷。

一般而言， MDC使用勵(lì)磁電流信號的1，2，6次諧波幅值作為診斷依據(jù)[11]。訓(xùn)練MDC時(shí)，首先對原始信號進(jìn)行DFT運(yùn)算，根據(jù)式(1)可計(jì)算出，勵(lì)磁電流信號的1，2，6次諧波分別位于頻譜的6，11，31點(diǎn)處：

(1)

式中：n為諧波次數(shù)；f為實(shí)驗(yàn)發(fā)電機(jī)勵(lì)磁機(jī)頻率50 Hz；F為采樣頻率10 kHz；N為采樣點(diǎn)數(shù)1 000點(diǎn)。

計(jì)算出不同負(fù)載情況下1，2，6次諧波幅值的平均值，將其作為算法參數(shù)輸入到C++程序中，由于數(shù)據(jù)總量較小，平臺(tái)設(shè)計(jì)時(shí)直接將其寫入算法中以提高診斷效率。

DBN是Hinton等人在2006年提出的一種目前應(yīng)用廣泛的深度學(xué)習(xí)網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以對輸入的數(shù)據(jù)自動(dòng)地逐層提取能夠反映原始數(shù)據(jù)的本質(zhì)特征[12]。DBN是一種具有多個(gè)隱層的神經(jīng)網(wǎng)絡(luò)，由多個(gè)限制玻爾茲曼機(jī)(Restricted Boltzmann Machine,以下簡稱RBM)組成(如圖4所示)，RBM是一種基于熱力學(xué)能量函數(shù)的概率網(wǎng)絡(luò)模型，它的網(wǎng)絡(luò)結(jié)構(gòu)符合玻爾茲曼分布，其能量函數(shù)模型如下：

(2)

式中：bi，cj分別為隱含層與可見層的閾值；vi，hj分別為隱含層與可見層的神經(jīng)元輸出；Wij為各節(jié)點(diǎn)間的權(quán)值。其可見層與隱含層各神經(jīng)元的條件似然函數(shù)如下：

(3)

式中：Ψ為網(wǎng)絡(luò)使用的激活函數(shù)，本文使用“sigmoid”函數(shù)作為激活函數(shù)：

(4)

式中：exp為以自然常數(shù)e為底數(shù)的指數(shù)函數(shù)；z為RMB隱含層中各神經(jīng)元對應(yīng)的輸入向量。

整個(gè)DBN的訓(xùn)練過程主要分為兩步，首先使用無監(jiān)督方式對RBM網(wǎng)絡(luò)進(jìn)行逐層訓(xùn)練，提取出能夠反映輸入信號的本質(zhì)特征(即故障特征)；其次，加入監(jiān)督信號對整體網(wǎng)絡(luò)進(jìn)行反向有監(jiān)督微調(diào)，如果考慮分類則需要在輸出接一個(gè)分類器，使其能夠?qū)斎胄盘栠M(jìn)行一一對應(yīng)，達(dá)到分類效果。

圖4 DBN的組成結(jié)構(gòu)

本平臺(tái)使用的DBN由兩個(gè)RBM網(wǎng)絡(luò)和一個(gè)神經(jīng)網(wǎng)絡(luò)組成。訓(xùn)練前，先將之前采集的原始信號作DFT變化并歸一化處理[13]。取其前250個(gè)點(diǎn)作為DBN的第一層輸入，將輸出層節(jié)點(diǎn)數(shù)設(shè)置為5， 兩層隱含層節(jié)點(diǎn)數(shù)分別設(shè)值為100、20，RBM訓(xùn)練完成后將其導(dǎo)入神經(jīng)模型進(jìn)行有監(jiān)督微調(diào)。訓(xùn)練完成后將得到的權(quán)值、閾值等參數(shù)導(dǎo)入到C++程序中進(jìn)行實(shí)驗(yàn)。

深度學(xué)習(xí)算法擁有較強(qiáng)的特征提取與分類能力，可以有效地避免MDC等常規(guī)算法可能產(chǎn)生的診斷誤差。

5 實(shí)驗(yàn)與結(jié)果分析

使用預(yù)先采集的信號樣本在本平臺(tái)上對DBN和MDC兩種診斷方法進(jìn)行測試。為便于仿真和實(shí)際實(shí)驗(yàn)比較，發(fā)電機(jī)負(fù)載為空載，特征提取方法均選擇DFT，結(jié)果如表1所示。

表1 離線實(shí)驗(yàn)結(jié)果

利用物理實(shí)驗(yàn)平臺(tái)對算法進(jìn)行驗(yàn)證，平臺(tái)構(gòu)成如圖5所示。此處，實(shí)驗(yàn)的發(fā)電機(jī)基本頻率為50 Hz，故障模式設(shè)置為正常模式、單管開路、同相雙管開路、同橋雙管開路、異相異橋雙管開路五種情況，每種情況進(jìn)行200次實(shí)驗(yàn)(共1 000次在線測試)。采集主勵(lì)磁機(jī)勵(lì)磁電流信號，通過HS4采集信號并傳輸給計(jì)算機(jī)，采樣率設(shè)置為10kHz，采樣點(diǎn)數(shù)為1 000點(diǎn)。兩種方法均獲得了100%的診斷率。MDC算法雖然簡單，但也獲得了較好的診斷效果，這說明豐富的專家知識在診斷領(lǐng)域也是十分重要的。而DBN方法無需專家信息，可以自動(dòng)對信號進(jìn)行分析，也能獲取媲美專家的診斷結(jié)果。

圖5 故障診斷實(shí)驗(yàn)

具體的軟件運(yùn)行操作界面如圖6所示。在PC機(jī)上使用本平臺(tái)對發(fā)電機(jī)勵(lì)磁電流進(jìn)行實(shí)時(shí)處理，能夠準(zhǔn)確地對發(fā)電機(jī)旋轉(zhuǎn)整流器故障進(jìn)行在線診斷。

圖6 在線實(shí)驗(yàn)的軟件界面

6 結(jié) 語

本文主要基于C++語言編寫程序，研究和設(shè)計(jì)了發(fā)電機(jī)旋轉(zhuǎn)整流器故障診斷上位機(jī)系統(tǒng)，系統(tǒng)主要包括必要的硬件和算法軟件。該平臺(tái)的操作界面簡潔，功能豐富，可集成和嵌入多種故障特征提取和分類算法，可移植性強(qiáng)。仿真和在線實(shí)驗(yàn)均證明了所設(shè)計(jì)的算法和系統(tǒng)的有效性。