[發明專利]基于多小波分析及SVM的X射線高壓電源故障診斷方法

有效

• 申請號: 201910045296.1
• 申請日: 2019-01-17
• 公開（公告）號: CN109784279B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 張建龍;郭鑫宇;陳圓圓;何建輝;王亞南;李月
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06F18/24
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

本發明屬于電源故障探測技術領域，公開了一種基于多小波分析及SVM的X射線高壓電源故障診斷方法；利用多小波工具對采集到的電源工作信號進行多尺度分解；對獲取的多小波高頻分量系數進行軟閾值處理，去除信號中的噪聲；計算不同尺度下高頻系數的絕對值之和、能量及能量熵并歸一化，然后將多種特征組合成新的特征向量；將特征向量送入訓練好的SVM獲得最終的診斷結果。本發明克服了單小波在電源工作信號分析中的不足，結合有較強泛化能力的SVM算法進行故障診斷，提高了故障診斷的性能，并且為實現X射線高壓電源小型化、高頻化和產業化提供技術支撐和理論依據。

技術領域

本發明屬于電源故障探測技術領域，尤其涉及一種基于多小波分析及SVM的X射線高壓電源故障診斷方法。

背景技術

目前，業內常用的現有技術是這樣的：X射線高壓電源是X射線電子系統的主要部件，其性能決定了X射線應用系統的使用壽命，重要意義不言而喻。X射線高頻高壓電源具有如下優點：輸出電壓等級高、精度高、溫漂小、穩定性好、紋波系數小、體積小、重量輕等優點，因此被廣泛應用于醫療、科教、工業等領域，如醫療診病、無損檢測、公共交通、安全檢查等方面的各種類型X光機儀器設備中的X射線管專用高壓電源。然而，由于高壓電源電路集成度、復雜度高，微小故障可能引發災難性的事故，另外高壓電源高頻化也會導致電源元器件的寄生效應明顯，使設備本身轉變為一個非線性、時變的復雜系統，難以建立精確的數學模型加以描述。因此探索解決高壓電源故障診斷的有效方法，構建故障在線控制數學模型，遏制故障發生，保障設備安全運行，成為目前學者們的研究熱點和難點。一般X射線高壓電源故障診斷方法主要包含3個關鍵步驟：首先對于輸入信號進行預處理；然后對信號進行特征提取和融合；最后對信號的特征空間分類決策。目前常用的信號預處理方法有傳統的濾波器法或小波軟、硬閾值系數收縮法。特征提取的方法有多種多樣，有基于統計學方法(計算原始信號的均值、方差、最大值及最小值等)、頻域變換法、深度學習網絡法等。分類決策手段主要依賴于人工智能理論中有監督的機器學習算法，如：邏輯回歸、KNN、Adaboost和SVM等。SVM作為一種經典的有監督二分類模型，且基于結構風險最小化理論，通過構建最優超平面獲得全局最優解，具有較強的泛化能力，不僅可以解決線性與非線性問題，而且很容易擴展到多元分類，因此采用SVM作為最終的故障診斷器。目前基于統計學方法的分析目標是原始信號，忽略了信號的時頻特性，并且特征過于單一導致信號的區分度過低，無法準確診斷出故障信號。傅立葉變換作為經典的時頻分析手段能夠很好地揭示平穩信號的特征，但X射線高壓電源的工作狀態為一個非穩定、非線性的復雜系統，傅立葉變換不足以刻畫信號特性，因此小波變換成為主要的分析手段。目前應用最為廣泛的小波是Daubechies小波系列，它可以對信號實現多尺度分解，但單小波無法匹配信號中多種特征波形。

綜上所述，現有技術存在的問題是：

(1)目前基于統計學方法的分析目標是原始信號，忽略信號的時頻特性，并且特征過于單一導致信號的區分度過低，無法準確診斷出故障信號。

(2)傅立葉變換作為經典的時頻分析手段能夠很好地揭示平穩信號的特征，但X射線高壓電源的工作狀態為一個非穩定、非線性的復雜系統，傅立葉變換不足以刻畫信號特性，導致診斷精度較低。

(3)目前應用最為廣泛的小波是Daubechies小波系列，對信號實現多尺度分解，分頻抽取信號故障特征，克服單小波無法匹配X射線高壓電源工作信號中多種特征波形，進而提高診斷精度。

解決上述技術問題的難度：

本發明首先是對X射線高壓電源工作波形的表征與分析，多小波理論作為數學領域中理論基礎較為扎實的信號分析工具，如何將多小波域中的分頻信號進行特征表示是本發明的一個最大的重點與難點。

解決上述技術問題的意義：

本發明克服了單小波在電源工作信號分析中的不足，結合有較強泛化能力的SVM算法進行故障診斷，提高了故障診斷的性能，并且為實現X射線高壓電源小型化、高頻化和產業化提供技術支撐和理論依據。

發明內容