直流伺服电机故障多源异构数据关联技术研究

昝少东 邱德敏 霍曾元 臧卫邦 张椰

摘要：针对测控天线伺服系统在线故障诊断需求，提出基于小波包降噪、功率谱分析等信号处理手段的电机故障数据分析方法，建立基于多源异构故障数据快速关联筛选的搜索模型，从重构降噪后大量不同来源的数据中提取出关键故障特征信息，使相关故障数据筛选的准确率由70.5%提升至92%，大幅提高故障诊断结果的可信度。经工程验证，该模型能及时触发天线电机故障报警，准确判断故障部位。

关键词：伺服系统；故障诊断；小波包；降噪；功率谱；信息关联

中图分类号：TP277文献标志码：A文章编号：1008-1739（2022）22-67-5

0引言

大型抛物面测控天线的口径一般为十米～六十几米，由伺服电机驱动天线主反射面转动，在跟踪近地轨道卫星等航天器时，由于目标的动态范围变化较大，电机长时间及频繁加减速运行易造成机械及电气结构的损耗，从而导致电机故障，影响航天任务的实施。因此，需要对电机电流进行实时监视测量，及时报告异常状态，并进行故障诊断。

传统的电机故障诊断方法较为笼统，仅能检测一般电机电流信号，缺乏将故障特征信息从采集到的大量冗余信息中筛选出来的有效手段[1]，特别是测控天线跟踪卫星时，自检准备及跟踪流程复杂，电机经常工作在急加速、急减速状态，电流变化剧烈，容易造成故障误报。测控天线在跟踪卫星时，受卫星姿态及星上对地天线指向的影响，接收到的卫星下行信号自动增益控制（Auto Gain Control，AGC）电压起伏变化较大，导致跟踪卫星不平稳。电机电流变化剧烈，也容易造成电机故障误报和漏报，故障诊断的可信度不高。因此，提供一种能从测控天线复杂运行环境中有效提取电机电流故障特征参数的测控天线电机故障特征筛选方法十分必要。

1电机电流数据关联分析处理

1.1电机故障数据采集流程

测控天线伺服直流电机电流采集系统主要由计算机、数据采集系统及电流传感器组成[2]，其结构如图1所示，各部件的主要功能为：

①电机驱动及电流采样电路：按控制指令提供电机驱动电流，通过电流传感器将电流信号转换为相应的电压信号，提供给数据采集卡。

②数据采集卡：完成电流传感器提供信号的自动采集并转换为数字信号，提供给数据处理计算机。

③数据处理计算机：对电机电流信号进行滤波降噪，结合其他数据完成电机故障数据的筛选与特征识别。

在电机运行过程中，可以对记录的某段电机稳态电流数据求平均，得到稳态电流均值va，进而可求出这段数据的方差，得到稳态电流标准差std。

电流脉动频率w，稳态电流，起动电流峰值m，峰值点电流变化率的计算方法得出的值为理论值，可作为实际测量值的参考，这4个量作为后续分析电机故障的特征向量[4]。

1.2多源异构数据分析

测控天线伺服系统结构复杂，运行过程中影响电机电流的因素主要有电机自身参数、齿轮箱、卫星下行信号AGC电平值、控制系统带宽等。这些数据不仅类型复杂，且数据量大、结构不统一、存储路径不同、关联性差，增加了数据处理和故障信息挖掘的难度。本文通过分析多源异构数据内涵，选择与电机电流密切关联的卫星下行信号AGC电平值作为判决条件，从而提高筛选电机电流数据的准确率。

AGC变化较大时的电机电流如图2所示。当卫星AGC电平值起伏变化较大时，会引起测控天线跟踪卫星不稳定，导致电机电流产生较大振荡，极易造成对电机故障的误判。对100圈的卫星跟踪数据分析统计表明，卫星AGC电平值标准差超过1 V的圈次占23.5%，剔除卫星AGC电平值标准差超过1 V时对应的电流历史数据，可以使筛选出的电机电流数据准确率达到92%以上，而不经筛选的电机电流数据准确率只有70.4%。

AGC较平稳时的电机电流如图3所示。测控天线跟踪某一圈次卫星时，卫星AGC电平值较为平稳，而电机电流起伏变化剧烈，其稳态电流均值、稳态电流标准差超过了神经网络设定的阈值，触发了人工神经网络故障报警，并根据训练样本给出故障诊断结果。

由此可见，本文方法避免了將卫星信号不稳等干扰因素导致的非故障电流数据混淆在电流样本数据中提供给人工神经网络进行分析诊断，极大地提高了测控天线电机故障诊断的准确性和可信度。

1.3电机故障信息分析处理流程

电机故障信息分析处理流程可分为：电机电流采集、降噪处理、信息关联、特征向量提取等步骤，如图4所示。