邱爱中

(郑州师范学院物理系，河南郑州 450044)

0 引言

小波分析作为一种非平稳信号的时频域分析方法，既能够反映信号的频率信息，又能够反映该频率信息随时间变化的规律，并且分辨率是可变的，所以利用小波分析提取故障的时域和频域特征能实时诊断故障。文献［1］利用小波变换的模极大值方法检测工作轴承振动信号的突变故障。文献［2］利用小波分析提取信号不同分辨率上的特征信息，并结合神经网络进行模拟电路的故障诊断。文献［3］分析了基于小波变换和支持向量机的故障诊断方法。文献［4］将小波变换与模糊逻辑相结合用于电力传输线故障的诊断。这些处理方法有的针对故障简单的信号处理，有的虽能处理复杂信号和系统，但节点多，计算复杂，精度低;另外，针对电机调速系统的故障诊断和自动修正鲜有研究。

为解决以上问题，将小波包分析理论应用于电机控制器故障检测中，对被检信号采用小波包分解和单节点重构的改进算法，细化信号的信息特征，提取小波包系数中所包含的时频信息作为故障特征，构建归一化能量特征向量，并对比事先建立的故障辞典，判定输出主电流﹑励磁电压和转速的状态出现的故障，再利用脉宽调制(Pulse Width Modulation，PWM)技术，自动修正控制输出，提高调速精度和抗干扰性能。

1 设计原理

设计的思想依据是小波包理论。故障诊断和自动修正两大功能的实现主要由以下七个步骤来完成。

(1)对被检测信号采样，进行小波包分解。

设被检测的电压信号为U(t)，通过对应的前置滤波器，模数转换后的离散信号为U(T)，Pj，i(T)表示第j层上第i个小波包，称为小波包系数。G、H为小波共轭正交镜像滤波器，H与尺度函数φi(t)有关，G与小波函数Ψj(t)有关。小波包的算法为

其中:T=1，2，…，2J-j;i=1，2，…，2j;J=log2N。

信号U(T)在第j层上共有2j个小波包，经过小波共轭正交镜像滤波器H、G，能把所检测到的电压故障信号非常完整地划分到不同的频段内，实现故障的小波包分解［5-6］。

(2)使用改进算法，消除频率混淆。

为了解决子带中的频率交错和各子带中的虚假频率分量，避免频率混叠，采用小波包分解和单节点重构的改进算法，即在前面的基础上再引出两个算子A和B。设x(n)表示2j尺度上低频子带小波包系数，且W=e-j2π/Nj。

式(2)、(3)作为算子A的输出;Nj表示2尺度的数据长度;k=0，1，…，Nj-1。

式(4)、(5)作为算子B的输出，采取该方法能有效消除频率混淆。

(3)求各个子带内的能量特征值，初步建立故障能量特征向量。

为了更加方便和准确地判定故障类型，计算分解后各频段内信号的能量。选取各个子带内信号的平方和作为能量的标志，第j层第i个小波包分解后在各个频段内的能量为

式中:ek(i)——重构信号离散点的幅值。

以各个子带内的能量元素构建故障特征向量T，用能量特征向量反映故障在时域和频域的信号信息。

(4)对样本空间统计平均，精确能量特征向量值。

为了减小误差，在建立故障特征向量时进行了多次测量，建立故障的试验数据样本，并对其统计平均。假设n次测量，特征向量的特征元素值为sk，统计平均值为

Ck容差范围参量ΔCk作为元素构成误差判别向量ΔET:

式中:K——容差系数;

σ——样本标准差。

(5)改造故障的归一化能量特征向量。

为了便于数据分析，提高运算速度和准确性，再进行归一化改造处理:

即构成了新的特征向量:

经过处理，信号故障特征更加明显。由于把故障特征从高维到低维空间压缩，建立了归一化能量特征向量ET，减少了输入节点，降低了计算复杂度，加快了收敛速度，提高了诊断的实时性和准确率。

(6)故障辞典的建立。

确定电机常见故障与能量特征向量和自动修正措施的一一映射关系，将该对应关系制成故障查询辞典储存在单片机外设的存储器中，以便在电机和控制器运行当中识别故障，显示诊断结果，实现自动校正。本文选择三项作为阐述重点:①晶闸管或者整流二极管故障引起输出电流只有正常输出的一半;②周围空间电场磁场干扰;③输入电压波动。以上三项由系统自动调节。

(7)调节修正。

对应事先建立的故障词典和校正方案，通过PWM校正网络输出PWM波控制晶闸管的通断，来调节加在电机绕组上的电压，确保输出的稳定性和精确性。

2 系统结构

该控制系统以80C196KC单片机为控制核心。外扩的存储器连接在80C196KC自带的P3、P4口，串行通信管脚接MAX485与外界串行连接，预留的PI部分管脚可以作控制命令输入接口，其结构框图如图1所示。

图1 自动检错修正的电机调速控制系统结构框图

整个系统的工作流程如下:电机电枢电流﹑励磁电压经过电流和电压传感器反馈给80C196KC，电机转速通过光电编码器测速后反馈到80C196KC的高速输入口，组成反馈系统。在80C196KC中对反馈信号进行处理，与给定的标准规定值比较，判断是否有异常，并识别故障的来源，给出合适的控制量到高速输出口，输出调节校正脉冲信号经过光耦隔离和晶闸管驱动来调节电机的转速。

电流检测电路选用型号为CSM050NPT的霍尔传感器，传感器输出信号送入单片机。电压检测电路主要由电阻R和电容C组成的端电压分压及滤波电路组成，再输入到单片机进行数据读取。速度检测采用光电编码器将电机转速转换成电信号后，送单片机的HSI口，检测电机转速。

设计的电压调节电路输入端有给定电压、负反馈电压、电流正反馈电压叠加，使装置的稳定性快速达到最佳状态。在供电电压和负载波动时，及时自动调节输出电压，使电机转速保持稳定。电流调节器限定了最大输出电流，在电机满负载、全起动时，电流控制在额定值以内，使电机快速，平稳起动;当负载增加时，使输出电压平稳下降，从而使输出电流不再上升超过限定电流。

该装置参数如下:输入电压为单相交流220 V±10%;直流电枢输出电压为0～180 V，励磁输出电压为180～220 V;电枢输出电流为40 A。

3 试验运行结果及分析

对该控制系统进行了开环运行和闭环运行试验。系统开环运行调速特性基本保持线性，说明与理论分析相吻合，符合设计要求。保持速度给定不变，调节系统负载，得到加入闭环调节后调速系统的静特性曲线，显示调速特性的硬度较好。由仪表测得该调速器的最大超调量不超过2.7%，说明其调速精度较高。

为了进一步检验该控制器与普通PID控制器的性能差异，在如下方面与普通PID控制器进行了试验比较。

(1)对晶闸管或者整流二极管故障处理对比。

图2是自动修正控制系统对遇到的晶闸管或者整流二极管故障处理的输出电流曲线，输出电流突然降低到正常输出的一半，系统能够自动识别故障，并校正至正常输出。图3是常规控制系统对故障处理的输出电流曲线，而常规PID控制器只能修正到25 A附近。

图2 自动修正控制器对故障处理的输出电流曲线

图3 常规控制器对故障处理的输出电流曲线

(2)电磁干扰情况下输出电流的变化对比。

在电机正常运转情况下，突然加入人为设置的加性单频电磁干扰，测到电机控制器的电流输出波形。图4为普通控制器的电流输出波形，电流受到干扰后有波动，数值为38.9～41.3 A;图5为自动修正调速器的电流输出波形，受干扰后数值能迅速恢复稳定在40 A。

图4 加性单频电磁干扰下普通控制器输出电流

图5 加性单频电磁干扰下自动修正调速器输出电流

(3)抗输入电压波动性能比较。

对比了两种控制器的抗输入电压波动性能。图6为采用普通控制时，在t1=0 s至t2=1.2 s时间内输入端不断叠加0～20 V线性电压下的转速响应曲线(时间起点为t=0 s)。图7为采用该自动修正控制系统时，在t=0 s至t=1.2 s时间内输入端不断叠加0～20 V线性电压下的转速响应曲线(时间起点为t=0 s)。

图6 普通控制器输入端加线性电压时速转曲线

图7 自动修正调速器输入端加线性电压时转速曲线

从图6、7可看出:普通PID控制电机输入端突加线性电压引起电压波动时速度变化较大，恢复时间较长，抗干扰性能较差;采用该自动检错修正的调速系统控制电机完全可以达到无超调，突加线性电压电机速度变化较小，抗干扰能力很强，其性能明显优于传统的PID控制，该自动修正的调速系统控制电机伺服系统具有优良的静态和动态性能。

4 结语

本文介绍了采用小波包分析技术诊断故障，采用PWM技术校正电机转速，研制了自动检错修正的电机调速系统。试验结果表明:该自动检测校正的调速系统具有抗干扰性强、调速精度高、转速平稳等特点，能大大改善调速系统的静态、动态性能，表现优良的控制效果。该系统具有对异常输入电压有较强的鲁棒性等特点，该故障诊断和转速自动修正的方法具有广阔的应用前景。

［1］Sun Q，Tang Y.Singularity analysis using continuous wavelet transform for bearing fault diagnosis［J］.Mechanical Systems and Signal Processing，2002，16(6):1025-1041.

［2］Tan Yang Hong，Ye Jia Zhuo.Wavelet method for fault diagnosis of analogue circuits［J］.Journal of Electronics and Information Technology，2006，28(9):1748-1751.

［3］Parikh U B，Das B，Maheshwari R P.Combined wavelet SVM technique for fault zone detection in a series compensated transmission line［J］.IEEE Transactions on Power Delivery，2008，23(4):1789-1794.

［4］Jayabharata R M，Mohanta D K.A wavelet-fuzzy combined approach for classification and location of transmission line faults［J］.Electrical Power and Energy Systems，2007，29(9):669-678.

［5］王芳，鲁顺昌.基于小波包分析的电机故障检测［J］.电机与控制应用，2008，35(7):53-56.

［6］杨建国.小波分析及工程应用［M］.北京:机械工业出版社，2005.