基于传感器的多频中波发射机远程故障监测研究

摘要： 传统故障监测方法直接对多频中波发射机故障检测模型进行构建，未对多频中波发射机的多特征信息进行采集，造成故障检出率较低，对此，文章提出基于传感器的多频中波发射机远程故障监测方法。文章首先采集了多频中波发射机的多特征信息，并基于这些信息构建了多频中波发射机故障检测模型，随后，给出发射机远程故障监测流程，实现对多频中波发射机远程故障的监测。实验结果表明，该研究方法对于不同种类的故障都有较好的检测能力，且检出率较高。

关键词：传感器技术；多频中波发射机；远程故障监测；故障诊断；数据处理分析

中图分类号：TP18 文献标志码：A

0 引言

传统的中波发射机故障监测方法主要依赖于人工巡检和现场维修，不仅效率低下，而且难以及时发现和处理故障。随着物联网、大数据等技术的不断发展，基于传感器的远程故障监测技术逐渐成为研究热点。

国内外虽然已经有一些学者和研究机构开始探索中波发射机远程故障监测技术，但大多数研究仍停留在理论分析和实验验证阶段。例如，任晓东［1］介绍了单频网地面数字电视发射机的基本工作原理和常见的故障类型，并详细阐述了故障异常检测的方法和步骤，但是未全面考虑发射机故障的多样性和复杂性，导致某些特定类型的故障无法被有效检测。于海泉等［2］介绍了态势感知技术在发射机故障预警领域的应用背景和意义，详细描述了智能预警系统的架构和功能，但是未充分考虑实际运行环境中发射机的复杂性和多变性，导致预警系统的准确性和可靠性受到一定影响。

本文旨在针对基于传感器的多频中波发射机远程故障监测技术进行深入研究，通过设计合理的传感器布局和数据采集方案，提取和分析多频中波发射机的运行状态信息，实现对故障的远程监测和预警。

1 基于传感器的多频中波发射机远程故障监测方法设计

1.1 多频中波发射机多特征信息获取

在针对多频中波发射机的多特征信息获取过程中，传感器的选型显得尤为重要。考虑到发射机运行稳定性和输出功率的关键性，本文选择具有高精度、高稳定性的NRP-Z11型功率传感器安装在发射机的输出端。该传感器能够精确地捕捉到发射机当前的工作频率，确保其稳定在630 kHz。同时，传感器还能实时测量输出功率，确保输出功率维持在10 kW的水平。通过实时监测，本文方法能够及时获取发射机的运行状态，确保其在特定频率下运行状况良好，从而避免产生功率波动或频率偏移等问题。一旦平均波传输过程中受到扰动，传感器会迅速捕捉到信号的变化。这种扰动会导致信号出现大约2.40 s的高电平脉冲。在此情况下，中波发射机的电源会自动断开2.40 s，传感器会记录这一中断事件，并在中断结束后重新检测发射机的状态。当中波发射机重新开机并清除故障后，传感器会立即检测到其回归正常工作状态。然而，如果故障未能得到及时清除，传感器将持续监测到中波传输的禁用状态，并向控制系统发出警报，提示进行故障排查和修复。

该功率传感器的应用，实现了对多频中波发射机运行状态的全面监控，及时发现并处理潜在的故障，确保发射机的稳定运行和高效工作。同时，传感器的精确测量和实时监测功能也为后续的数据分析和优化提供了有力的支持。

提取并分析多频中波发射机的多种特征信息，是保障其稳定运行不可或缺的一环。为了实现对提取过程的精确控制，本文规划以下步骤。

（1）设定每5 min为信息采集周期，确保实时性，避免数据冗余。采集频率根据需求设定，关键参数如工作频率和输出功率每秒采集10次，其他参数则每分钟采集1次，以减少数据处理负担。以此确保所获取信息的实时性与准确性，使能够随时掌握发射机的当前状态。

（2）在中波发射机上安装温度传感器，以便实时记录其日平均工作温度［3-4］。这为判断发射机是否处于正常工作状态提供依据。

（3）利用中波发射机原有的级数和电平信息，深入分析发射机的电流变化情况。在此过程中，特别关注低电平位置的记录，并妥善保存相关备用数据，以备后续分析参考。

（4）一旦成功获取所有必要的信息，会立即将其整理并存储在指定的数据库中［5］。这些数据将成为进一步检测发射机故障、分析性能表现的重要基础，使用户能够随时调用数据进行比对和分析，及时发现并解决潜在问题。

当中波发射机的平均波发射出现偏差时。设定中波信号的脉冲序列为Y，并据此分析单位脉冲信号的特征。特征可以具体表述为：

ST=∑δ（t-nY）（1）

在上述公式中，定义ST作为单位脉冲信号的性质；t表示故障时间，反映信号传输过程中的微小偏差；δ表示周期函数；nY代表第n个平均波脉冲序列，是分析中波信号的参数之一。基于故障脉冲信号的特性，推导出脉冲信号的相应特性。

在计算出脉冲信号的相应特性后，为确保与数据周期的一致性，本文依照双重数据预防方法对这些信息进行重新处理。在此过程中，本文采取预处理措施，避免重复数据的出现，减少数据误差，提高信息的可靠性。将相似度高的数据识别为重复数据并予以去除。通过计算数据相似度计算数据相似性的具体公式如下：

在上述公式中，引入一系列关键指标以量化数据特性。其中C（s）用于衡量目标数据集的相似性，帮助快速识别数据间的关联性和差异。s（a）表示聚焦于数据集的属性，通过对不同属性的分析和比较，理解数据的本质特征。s（l）表示相似性指标，用于评估相同类型数据集之间的相似程度。该指标在处理多频中波发射机的多特征信息时尤为关键，有助于识别和整合具有相似特性的数据集，进一步提高数据处理的效率和准确性。除了相似性指标外，引入负载系数这一概念。负载fs表示数据的负载系数，反映数据在处理或传输过程中的负载情况。该指标对于评估数据处理的性能和资源消耗具有重要意义。C（s）表示使用系数，提供了数据使用情况的量化指标，有助于更好地管理和优化数据资源。使用上述公式处理未知或异常数据，为数据研究提供数据源。

1.2 构建故障检测模型

在中波发射机故障特征提取的基础上，本文构建了基于传感器的远程故障检测模型。为了确保故障位置的准确性，该模型进一步对故障位置的供电电压进行检测。这一步骤能够更精确地锁定故障发生的具体位置［6］。

构建故障检测模型的表达式为：

该模型的核心要素包括脉冲序列系数ε、频率系数υ、理想谐波η以及故障位置特征Lw。这些参数共同协作，为精确检测中波发射机的故障提供了有力支持。

1.3 实现发射机远程故障监测

本文通过设计远程故障检测模型，对收集到的数据进行处理和分析，从而能够准确识别出发射机存在的故障及其位置。此外，通过实时监测和预警，本文还设计了发射机远程故障监测流程，以实现多频中波发射机远程故障监测和传输。

（1）部署传感器，采集多特征信息：在多频中波发射机的关键部位部署多种传感器，以此收集发射机的多特征信息。在结合传感器技术完成多特征信息提取后，能够实时监测发射机的运行状态，并获取与其性能、健康状态相关的各种数据。

（2）多频中波发射机多特征信息传输：将收集到的多特征信息通过有线或无线方式传输到远程监控中心。

（3）数据预处理与特征提取：对接收到的多特征信息进行预处理，提取与故障检测相关的关键特征。

（4）基于传感器构建远程故障检测模型：结合预处理后的多特征信息，构建远程故障检测模型。该模型能够对发射机的多特征信息进行分析，自动识别是否存在故障，并预测故障的类型和可能的原因。

（5）故障识别与定位：利用构建的远程故障检测模型对多特征信息进行分析，识别是否存在故障。根据故障类型和多特征信息，定位故障发生的具体位置或部件。

（6）远程故障传输：一旦故障被识别与定位，相关的故障信息需要被迅速且准确地传输到远程监控中心或指定的维修人员手中。

（7）维护记录与反馈：记录故障处理的过程、结果和维修操作的相关信息。将维护记录反馈到远程故障检测模型中，用于优化模型参数和算法，提高故障检测的准确性和效率。

2 实验论证

为了验证基于传感器的多频中波发射机远程故障监测方法的有效性，本文进行了对比实验，设置任晓东［1］（传统方法1）和于海泉等［2］的方法（传统方法2）为对照组，对3种方法的检出率进行对比。

2.1 实验准备

本次实验选取某厂家生产的3种常见中波发射机作为实验对象，分别是功率为1000 W的S1型、功率为2000 W的S2型以及具有数字调制功能的S3型。通过统一划分子系统和连接器件，并设定故障器件，以模拟实际运行环境中的故障情况。

本文选取的3种中波发射机具有相似的技术规格和性能指标，以确保实验结果的可比性。预先设定故障器件，模拟实际运行中的常见故障情况。

在实验中，采用中值滤波方法对收集到的传感器数据进行处理。通过调整中值滤波的次数，发现当中值滤波次数从0增加到6次时，特征值从59显著下降到9。进一步地，当中值滤波次数达到6～8次时，数据保持稳定状态，表明此时滤波效果已趋于稳定。

2.2 对比实验

为了验证本文设计的监测方法的有效性，将其与任晓东［1］（传统方法1）和于海泉等［2］（传统方法2）的方法进行比较，对选定的S1、S2、S3 3种中波发射机进行远程故障检测。3种方法在不同发射机上的故障检出率如表1所示。

从实验结果可以看出，对于3种不同的中波发射机，本文设计的监测方法均取得了较高的故障检出率，显著优于2种传统方法。具体而言，对于S1发射机，本文方法的检出率高达98.54%，比传统方法1高出12.79个百分点，比传统方法2高出18.76个百分点。类似地，在S2和S3发射机上，本文方法也显示出更高的故障检出率。

3 结语

本文围绕基于传感器的多频中波发射机远程故障监测进行了深入研究，并取得了一系列有益的成果。本研究设计了一套高效且可靠的传感器布局和数据采集方案，该方案能够实时、准确地获取多频中波发射机的运行状态信息。同时，利用先进的数据处理算法和传输协议，该方案有效提高了数据的准确性和可靠性，为远程故障监测提供了坚实的数据支撑，从而进一步提升了远程故障监测的准确性。

参考文献

［1］任晓东.单频网地面数字电视发射机故障异常检测［J］.卫星电视与宽带多媒体，2024（4）：10-12.

［2］于海泉，吴金友，梁秀文.基于态势感知的发射机故障隐患智能预警系统应用研究［J］.西部广播电视，2023（16）：237-240.

［3］赵英杰.中波广播发射机的故障处理策略［J］.卫星电视与宽带多媒体，2024（5）：37-39.

［4］于海泉，吴金友，梁秀文.广播电视发射机故障隐患大数据分析系统应用研究［J］.西部广播电视，2023（14）：222-225.

［5］周坤鹤，陈鸿，刘强，等.全固态DAM中波发射机电源系统故障检测盲区的分析与处理［J］.广播电视信息，2023（5）：85-88.

［6］张蓝青.DAM10kW中波发射机射频部分工作原理及故障维修［J］.电视技术，2022（12）：139-142，158.

Research on remote fault monitoring of multi-frequency medium wave transmitter based on sensor

Abstract： The traditional fault monitoring method directly constructs the fault detection model for multi frequency medium wave transmitters， without collecting the multi feature information of multi frequency medium wave transmitters， resulting in a low fault detection rate. Therefore， this paper proposes a remote fault monitoring method for multi frequency medium wave transmitters based on sensors. Firstly， the multi feature information of multi frequency medium wave transmitters was collected， and a fault detection model for multi frequency medium wave transmitters was constructed based on this information. Subsequently， a remote fault monitoring process for transmitters is provided to achieve remote fault monitoring of multi frequency medium wave transmitters. The experimental results indicate that the research method has good detection ability and high detection rate for different types of faults.

Key words： sensor technology; multi-frequency medium wave transmitter; remote fault monitoring; fault diagnosis; data processing and analysis