昝少東 邱德敏 霍曾元 臧衛(wèi)邦 張椰

摘要：針對(duì)測(cè)控天線伺服系統(tǒng)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(hào)處理手段的電機(jī)故障數(shù)據(jù)分析方法，建立基于多源異構(gòu)故障數(shù)據(jù)快速關(guān)聯(lián)篩選的搜索模型，從重構(gòu)降噪后大量不同來(lái)源的數(shù)據(jù)中提取出關(guān)鍵故障特征信息，使相關(guān)故障數(shù)據(jù)篩選的準(zhǔn)確率由70.5%提升至92%，大幅提高故障診斷結(jié)果的可信度。經(jīng)工程驗(yàn)證，該模型能及時(shí)觸發(fā)天線電機(jī)故障報(bào)警，準(zhǔn)確判斷故障部位。

關(guān)鍵詞：伺服系統(tǒng)；故障診斷；小波包；降噪；功率譜；信息關(guān)聯(lián)

中圖分類(lèi)號(hào)：TP277文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2022）22-67-5

0引言

大型拋物面測(cè)控天線的口徑一般為十米～六十幾米，由伺服電機(jī)驅(qū)動(dòng)天線主反射面轉(zhuǎn)動(dòng)，在跟蹤近地軌道衛(wèi)星等航天器時(shí)，由于目標(biāo)的動(dòng)態(tài)范圍變化較大，電機(jī)長(zhǎng)時(shí)間及頻繁加減速運(yùn)行易造成機(jī)械及電氣結(jié)構(gòu)的損耗，從而導(dǎo)致電機(jī)故障，影響航天任務(wù)的實(shí)施。因此，需要對(duì)電機(jī)電流進(jìn)行實(shí)時(shí)監(jiān)視測(cè)量，及時(shí)報(bào)告異常狀態(tài)，并進(jìn)行故障診斷。

傳統(tǒng)的電機(jī)故障診斷方法較為籠統(tǒng)，僅能檢測(cè)一般電機(jī)電流信號(hào)，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(lái)的有效手段[1]，特別是測(cè)控天線跟蹤衛(wèi)星時(shí)，自檢準(zhǔn)備及跟蹤流程復(fù)雜，電機(jī)經(jīng)常工作在急加速、急減速狀態(tài)，電流變化劇烈，容易造成故障誤報(bào)。測(cè)控天線在跟蹤衛(wèi)星時(shí)，受衛(wèi)星姿態(tài)及星上對(duì)地天線指向的影響，接收到的衛(wèi)星下行信號(hào)自動(dòng)增益控制（Auto Gain Control，AGC）電壓起伏變化較大，導(dǎo)致跟蹤衛(wèi)星不平穩(wěn)。電機(jī)電流變化劇烈，也容易造成電機(jī)故障誤報(bào)和漏報(bào)，故障診斷的可信度不高。因此，提供一種能從測(cè)控天線復(fù)雜運(yùn)行環(huán)境中有效提取電機(jī)電流故障特征參數(shù)的測(cè)控天線電機(jī)故障特征篩選方法十分必要。

1電機(jī)電流數(shù)據(jù)關(guān)聯(lián)分析處理

1.1電機(jī)故障數(shù)據(jù)采集流程

測(cè)控天線伺服直流電機(jī)電流采集系統(tǒng)主要由計(jì)算機(jī)、數(shù)據(jù)采集系統(tǒng)及電流傳感器組成[2]，其結(jié)構(gòu)如圖1所示，各部件的主要功能為：

①電機(jī)驅(qū)動(dòng)及電流采樣電路：按控制指令提供電機(jī)驅(qū)動(dòng)電流，通過(guò)電流傳感器將電流信號(hào)轉(zhuǎn)換為相應(yīng)的電壓信號(hào)，提供給數(shù)據(jù)采集卡。

②數(shù)據(jù)采集卡：完成電流傳感器提供信號(hào)的自動(dòng)采集并轉(zhuǎn)換為數(shù)字信號(hào)，提供給數(shù)據(jù)處理計(jì)算機(jī)。

③數(shù)據(jù)處理計(jì)算機(jī)：對(duì)電機(jī)電流信號(hào)進(jìn)行濾波降噪，結(jié)合其他數(shù)據(jù)完成電機(jī)故障數(shù)據(jù)的篩選與特征識(shí)別。

在電機(jī)運(yùn)行過(guò)程中，可以對(duì)記錄的某段電機(jī)穩(wěn)態(tài)電流數(shù)據(jù)求平均，得到穩(wěn)態(tài)電流均值va，進(jìn)而可求出這段數(shù)據(jù)的方差，得到穩(wěn)態(tài)電流標(biāo)準(zhǔn)差std。

電流脈動(dòng)頻率w，穩(wěn)態(tài)電流，起動(dòng)電流峰值m，峰值點(diǎn)電流變化率的計(jì)算方法得出的值為理論值，可作為實(shí)際測(cè)量值的參考，這4個(gè)量作為后續(xù)分析電機(jī)故障的特征向量[4]。

1.2多源異構(gòu)數(shù)據(jù)分析

測(cè)控天線伺服系統(tǒng)結(jié)構(gòu)復(fù)雜，運(yùn)行過(guò)程中影響電機(jī)電流的因素主要有電機(jī)自身參數(shù)、齒輪箱、衛(wèi)星下行信號(hào)AGC電平值、控制系統(tǒng)帶寬等。這些數(shù)據(jù)不僅類(lèi)型復(fù)雜，且數(shù)據(jù)量大、結(jié)構(gòu)不統(tǒng)一、存儲(chǔ)路徑不同、關(guān)聯(lián)性差，增加了數(shù)據(jù)處理和故障信息挖掘的難度。本文通過(guò)分析多源異構(gòu)數(shù)據(jù)內(nèi)涵，選擇與電機(jī)電流密切關(guān)聯(lián)的衛(wèi)星下行信號(hào)AGC電平值作為判決條件，從而提高篩選電機(jī)電流數(shù)據(jù)的準(zhǔn)確率。

AGC變化較大時(shí)的電機(jī)電流如圖2所示。當(dāng)衛(wèi)星AGC電平值起伏變化較大時(shí)，會(huì)引起測(cè)控天線跟蹤衛(wèi)星不穩(wěn)定，導(dǎo)致電機(jī)電流產(chǎn)生較大振蕩，極易造成對(duì)電機(jī)故障的誤判。對(duì)100圈的衛(wèi)星跟蹤數(shù)據(jù)分析統(tǒng)計(jì)表明，衛(wèi)星AGC電平值標(biāo)準(zhǔn)差超過(guò)1 V的圈次占23.5%，剔除衛(wèi)星AGC電平值標(biāo)準(zhǔn)差超過(guò)1 V時(shí)對(duì)應(yīng)的電流歷史數(shù)據(jù)，可以使篩選出的電機(jī)電流數(shù)據(jù)準(zhǔn)確率達(dá)到92%以上，而不經(jīng)篩選的電機(jī)電流數(shù)據(jù)準(zhǔn)確率只有70.4%。

AGC較平穩(wěn)時(shí)的電機(jī)電流如圖3所示。測(cè)控天線跟蹤某一圈次衛(wèi)星時(shí)，衛(wèi)星AGC電平值較為平穩(wěn)，而電機(jī)電流起伏變化劇烈，其穩(wěn)態(tài)電流均值、穩(wěn)態(tài)電流標(biāo)準(zhǔn)差超過(guò)了神經(jīng)網(wǎng)絡(luò)設(shè)定的閾值，觸發(fā)了人工神經(jīng)網(wǎng)絡(luò)故障報(bào)警，并根據(jù)訓(xùn)練樣本給出故障診斷結(jié)果。

由此可見(jiàn)，本文方法避免了將衛(wèi)星信號(hào)不穩(wěn)等干擾因素導(dǎo)致的非故障電流數(shù)據(jù)混淆在電流樣本數(shù)據(jù)中提供給人工神經(jīng)網(wǎng)絡(luò)進(jìn)行分析診斷，極大地提高了測(cè)控天線電機(jī)故障診斷的準(zhǔn)確性和可信度。

1.3電機(jī)故障信息分析處理流程

電機(jī)故障信息分析處理流程可分為：電機(jī)電流采集、降噪處理、信息關(guān)聯(lián)、特征向量提取等步驟，如圖4所示。