基于高阶累积量故障特征提取的化工设备电子电路故障诊断

米 鑫，戴国强，王 黎，张志强，肖 伟

(北京地铁科技发展有限公司，北京 100160)

在现代化工生产及原料、产品的质量检测分析工作中,大量使用自动化控制装置和仪器仪表等电子设备,这对安全生产和质量控制提出了更高、更严的要求。化工设备电子设备的电路集成度越高、功能越多，在应用过程直接影响化工设备运行和数据信息生产。如果化工设备电子系统发生故障且没有及时检测出来，影响化工设备系统功能的正常使用，严重时给化工企业带来巨大的经济损失。

针对上述存在的问题，利用混杂模型来模拟化工设备电力电路的运行，通过分析化工设备电路信号识别出化工设备电路中各元件的参数，全面检测所有化工设备电子元件的运行状态。但这种方法对化工设备电力建模较为困难，针对具体对象电路，通用性不强。基于ADT提出对电力电路进行可靠性评估，根据预测样本的退化度从而判断电子设备的运行情况。但由于特征难以确定且实验样本数量有限，给复杂的电子设备评估带来困难。

1 电子电路故障诊断方法

1.1 电子电路故障诊断系统设计

电路硬故障发生时间较快，由瞬间意外造成的，很难由电力系统的历史数据进行预测。软故障是指电路中元器件的参数偏离正常的容差范围，但仍然能够使电子设备保持一定的运行状态，不会使电路完全失效。软故障一般由电子元件本身的老化、变质造成的，或受到工作环境恶劣的运行条件影响。若发现电子系统中存在软故障不进行维护的话，元器件参数值逐渐趋于无穷大或无穷小，导致所在支路出现短路或开路的故障。

为及时发现电子系统中发生的故障，获得准确的故障信息，本研究设计出电子电路故障诊断系统，采用LabVIEW软件对系统进行设计与开发，在系统界面上以数字化和波形化的方式实时显示电路信号数据。通过预设的参数选择采集的模拟信号转换成电压信号，利用以太网网口将数据传输到上位机，实现信号的实时显示。系统采用了J2EE的平台框架，能够更好地实现内部业务的数据共享，通过标准化语言的程序段输入，合理调度各环节资源数据实现高效运转。JSP经过HTTP和系统客户进行交互操作，内部对象request用于接收信息和操作请求，Application用于建立对象，并且在服务器关闭的同时自动结束相应对象。

本研究对电路故障进行诊断前进行预处理，筛序出包有故障信息的数据。将电子电路不同的异常状态划分为不同的故障模式，实现故障元件的检测。系统对采集到的故障信号进行去噪处理、归一化处理、标准化处理等，得到的特征信号在合适的范围内以取得更好的故障分类效果。处理后的故障数据划分为训练样本集合测试样本集，分类器对训练样本数据进行处理并学习，再将测试样本输入到训练完成的分类器中，得到电路的故障模式，并对故障元件进行定位。由于系统应用范围广泛，涉及到大量的数据集成，系统设计时使用Oracle数据库作为系统开发的后台数据库，能够将很多服务器内的信息和线索实施共享。OracleServer由instance和database 2个实体组成，数据库的分布能力更加灵活，实际应用群集(Real ApplicationClustrs)可以提升数据库的可伸缩性。系统客户端用来接收用户请求，并展现故障信息，在Servlet界面通过调整模型来完成需求。

1.2 电子电路故障信号采集模块设计

根据系统的故障诊断的需要，系统通过软件控制硬件的信号发生和数据采集等，故障诊断设备的主控单元使用STM32F407VET6芯片的嵌入式控制器，通过PA11、PA12与上位机相连，实现与上位机之间的通信。故障信号采集模块需要同时对待诊断电路的输入和输出同时进行采集，为获取更多的采样信号，采集模块选用具有8路通道采集的模数转换芯片，采集故障电路的输出信号。

为了更加符合电子电路实际应用场景，本研究选择二次电源28～12 V DC-DC变换电路作为故障电路进行仿真，对电路中发生的硬故障、软故障进行诊断研究；变换电路原理图，如图1所示。

图1 变换电路原理图Fig.1 Schematic diagram of transformation circuit

主电路由功率二极管、电容、和电感、及4个电阻组成，控制电路的直流输入电压为28 V，负载电阻为15 Ω。控制电路中使用UC3843A芯片，本研究在二次电源电路中加入LM317单片线性的电源电压调节器，输出电压为1.2～37 V，计算公式为：

(1)

式中：表示调节端电流；表示调节端对地电阻；表示调节端与输出端之间的电阻。变换电路中的主要测点为、、、、、、、、和等。主电路中使用SEPIC斩波变换器，使电路在连续导通模式下能够限制启动电流和冲击电流。功率MOSFRT的2种状态如图2所示。

图2 功率MOSFRT导通状态Fig.2 On-state of power MOSFET

功率MOSFRT导通状态下变换器产生3个回路，有电源、电感和功率MOSFET构成一个回路，此时经过的电流在电源电压作用下线性增长。第2个回路由电容、功率MOSFET和电感构成，此时电感的电流在电容放电的影响下增加。最后一个回路由电容向主电路的负责供电，根据·dd=，电容上的电压下降，由于的值较大，=。

测点、、L、电压信号的峰值和峰峰值能够反映电路的硬故障类型，进行故障诊断时选用故障特征参数为峰值___L_，峰峰值___L_。选用故障特征参数为功率MOSFET断开期间的峰值__、_L_，峰峰值__和_L_，功率MOSFET导通期间的峰值__、_L_，测点电压信号的峰值，测点电压信号的峰值_作为软故障特征参数。

1.3 基于HOC的故障特征提取方法

由于元件值受到环境因素影响出现漂移现象，同时电路为强非线性电路，噪声干扰和测量误差导致采集到的故障电路输出的响应序列中的特征信息不完整，包含许多不确信性，给电路故障诊断带来困难。在对故障电路进行测试时，由于测量电路的响应电路需要串联电流测量仪器，需要将支路断开，所以使用响应电流作为故障的采集量的情况较少，一般选用响应电压作为采集量。进行故障诊断前，需要根据采集量划分电路的故障类型，电子电路元件值软硬故障的划分如图3所示。

图3 电力电路软硬故障划分示意图Fig.3 Schematic diagram of soft and hard fault division of power circuit

其中，表示标称值，软故障的定义为[01,(1-))∪((1+),10]，硬故障的定义为[0,01)∪(10,∞]。本研究采用HOC算法处理采集到的电子电路的原始数据集，用来加强各类故障特征数据的辨识度。基于HOC的故障特征提取诊断流程如图4所示。

图4 基于HOC的故障特征提取诊断流程Fig.4 Flow chart of fault feature extraction and diagnosis based on HOC

采集到的电路中输出的原始样本数据特征向量为=(,,…,)，其联合概率密度函数为(,,…,)，向量(,,…,)的阶累积可通过累积量生成函数得到：

(2)

式中：当==…==1时，可以得到阶矩和阶累积量；阶累积量可通过阶矩计算得到，转换公式M-C可表示为：

(3)

式中：符号集={1,2,…,}；为集合不相交的非空子集；为子集的个数。对于电路故障信号的随机变量{,,…,}，它的三阶累积量可由式(3)推导得到：

={}-{}{}-{}{}-
{}{}+2{}{}{}

(4)

设定采集到故障电路的特征信号的离散时间序列为0用来减少计算量，非零序列能够根据其均值相减估算得到均值为0的序列。当采样故障的特征信号{()}为均值为0的平稳随机过程时，特征信号的阶累积量可表示为：

(5)

特征信号的阶累积量与时间的变化无关，为滞后相关的函数，特征信号{()}为平稳的。由式(5)可以看出，故障电路的采样信号为过程{()}的阶矩和阶累积量，取(+)后的一个随机向量的阶矩和阶累积量，且仅有-1个独立元。简化得到的电路特征信号的三阶累积量可表示为：

3=(,)={()(+)(+)}

(6)

根据特征信号的阶矩和阶累积量可得到信号{()}的峭度和偏度，令式(6)中==0，得到3阶累积量的一维切片表示偏度={()}。令4阶累积量的===0得到峭度={()}-3{()}。得到电路故障特征信号的峭度和偏度均为无量纲的信号特征值，这与电子电路的运行状态有关，根据参数变化对电路进行故障诊断。通过偏度可以判断电路信号的概率分布是否对称，峭度反映了信号概率分布的陡峭程度。通过以上分析可知，信号中均值为，方差为的高斯随机变量的阶累积量=0，HOC能够完全抑制高斯噪声的影响，过滤掉采集信号中的高斯分量，但保持高阶矩并不全为0。

2 应用测试

本研究使用QT Creator 4.11.0开发工具进行系统模块化编程，系统客户端主要完成对终端设备采集到的数据进行分析计算，将计算和诊断结果显示到系统交互界面。系统界面主要包括对激励信号的参数设置，对故障特征选择提取的控制及输入输出的波形显示等功能。系统交互界面如图5所示。

图5 系统交互界面Fig.5 System interface

为验证本研究电子电路故障诊断技术的性能，分别采用文献[3]、文献[4]系统和本研究系统进行实验，对比3种系统的故障诊断率。实验环境硬件电路中电容选择50 V/220 μF的电解电容；电容选择25 V/220 μF的电解电容；电感、均使用3 A/470 μH，功率MOSFET型号为IRF540、功率二极管型号为MBR3045，负载选用10 W/10 Ω的大功率电阻。实验环境中数据采集模块如图6所示。

图6 数据采集模块Fig.6 Data acquisition module

在标准工作状况下，使用数据采集模块对电路正常工作时测点、、、的电压信号进行采集，输出信号波形如图7所示。

图7 主要测点的电压波形Fig.7 Voltage waveforms at main measuring points

通过去除电路元件来模拟电路中出现的硬故障，通过公式计算故障诊断率：

(9)

式中：表示电路的工作模式数；表示某个电路的工作模式；表示第个工作模式的时间；表示所有电路工作模式中正确诊断的样本总数。使用3种系统诊断实验电路中的硬故障，经过计算得到3种系统的硬故障诊断率，具体如表1所示。

表1 3种系统的硬故障诊断率Tab.1 Hard fault diagnosis rates of three systems

由表1可以看出，本研究系统的故障诊断方法对电子电路中出现的硬故障的诊断率最高，故障检测效果最好。对出现的硬故障功率MOSFET开路(F1)、二极管DIODE开路(F2)、电容短路(F3)、电容开路(F4)和电感(F5)开路情况，故障诊断率为100%。文献[3]系统对电路中出现硬故障的平均故障诊断率为94%，对硬故障中二极管DIODE开路情况的故障诊断率达到100%；文献[4]系统对硬故障的平均故障诊断率为97.6%，其中对电路中出现电感开路情况的诊断率高达100%。

通过替换元器件及串并联电阻来模拟软故障区间的某些取值，使用3种系统诊断实验电路中的软故障，经过计算得到3种系统的软故障诊断率，具体如表2所示。

表2 3种系统的软故障诊断率Tab.2 Soft fault diagnosis rates of three systems

由表2可以看出，本研究对于软故障中电容值减小20%～50%的情况(f2)，故障诊断率最大达到100%。当功率MOSFET导通阻抗增大20%～50%时(f5)，故障诊断率低至93%。文献[3]系统对电容开路的故障(f1)诊断率低至90%。当出现电容电容值减小20%～50%，等效阻抗增大25%～100%软故障(f3)时，文献[3]的故障诊断率仅为88%，功率MOSFET导通阻抗增大时的故障(f5)诊断率低至80%。说明文献[3]系统对电路出现软故障的诊断效果不好；文献[4]系统对软故障的平均故障诊断率为91.2%。

3 结语

本研究基于HOC算法设计出电子电路故障诊断技术，采集故障电路的特征信号，对信号进行处理后突出了样本点特征信息，减少了数据维度。将信号的特征向量样本一部分作为训练样本，一部分作为测试样本进行故障模式识别，得到电子电路的故障诊断结果。本研究的创新点在于：

(1)对化工设备故障诊断单元的数据采集模块进行设计，配置多个化工设备数据采集通道能够对8路的数据进行采集，并加入化工设备电压跟随器提高阻抗。选择二次电源28～12 V DC-DC变换电路作为化工设备仿真电路，并在化工设备控制电路中加入LM317单片线性的电源电压调节器，选用化工设备测点电压信号的峰值和峰峰值反应电路的故障类型；

(2)使用HOC算法处理化工设备电子电路的故障特征数据。各类化工设备故障特征之间的辨识度，设定离散时间序列均值为0简化了阶累积量，对化工设备累积量计算得到信号的峭度和偏度，反应故障特征信号的概率分布特征。

随着化工设备故障特征数目的增大给实际测试工作造成一定困难，且各故障特征量间可能会存在信息冗余，增加了化工设备分类器模型的复杂度，本研究还需对化工设备故障特征信息融合进行深入研究。