[發明專利]一種控制柜智能故障診斷系統及故障診斷方法在審
| 申請號: | 201910529915.4 | 申請日: | 2019-06-11 |
| 公開(公告)號: | CN110231529A | 公開(公告)日: | 2019-09-13 |
| 發明(設計)人: | 宋慶軍;姜海燕;劉浩;趙協廣;沈瀟;王忠勇;宋慶輝 | 申請(專利權)人: | 山東科技大學;山東華輝自動化設備有限公司 |
| 主分類號: | G01R31/00 | 分類號: | G01R31/00;G06N3/04;G06N3/08 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 266590 山東省青島*** | 國省代碼: | 山東;37 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 控制柜 智能故障診斷系統 故障診斷 缺相故障 變頻器 變壓器 繼電器 電流采樣電阻 電壓采樣電阻 故障診斷軟件 故障狀態檢測 溫度采樣電阻 電流變送器 電壓變送器 接線端子排 數據采集卡 溫度變送器 振動傳感器 報警裝置 采樣電阻 電壓參數 短路故障 健康狀態 顯示裝置 工控機 擾動 溫升 跳動 電源 采集 輸出 | ||
1.一種控制柜智能故障診斷系統,其特征在于:所述控制柜智能故障診斷系統包括:
振動傳感器,安裝在控制柜變壓器殼體上,用于采集控制柜變壓器的振動信息;
溫度變送器,安裝在控制柜變壓器殼體上,用于采集控制柜變壓器溫度信息;
電流變送器,安裝在控制柜變頻器附近的導軌上,變頻器U、V、W相輸出線從所述電流變送器的互感器空心穿過,用于采集控制柜變頻器的三相輸出電流信息;
電壓變送器,安裝在控制柜變頻器附近的導軌上,變頻器輸出端的U、V、W相電壓接入所述電壓變送器的輸入側,用于采集控制柜變頻器三相輸出電壓信息;
接線端子排,安裝在控制柜下側面板上,用于匯集所述振動傳感器、所述溫度變送器、所述電流變送器、所述電壓變送器采集的信號,通過排線電連接至數據采集卡;
振動采樣電阻,與所述振動傳感器電連接,并經過所述接線端子排信號地公共接線端,將所述振動傳感器采集的4-20mA電流信號轉換成0-10V電壓信號;
溫度采樣電阻,與所述溫度變送器電連接,并經過所述接線端子排信號地公共接線端,將所述溫度變送器采集的4-20mA電流信號轉換成0-10V電壓信號;
電流采樣電阻,與所述電流變送器電連接,并經過所述接線端子排信號地公共接線端,將所述電流變送器采集的4-20mA電流信號轉換成0-10V電壓信號;
電壓采樣電阻,與所述電壓變送器電連接,并經過所述接線端子排信號地公共接線端,將所述電壓變送器采集的4-20mA電流信號轉換成0-10V電壓信號;
數據采集卡,安裝在工控機的PCI插槽上,與所述接線端子排通過排線電連接,用于將所述振動傳感器、溫度變送器、電流變送器、電壓變送器采集到的信號A/D轉換給工控機進行分析處理;
工控機,接收所述振動傳感器、溫度變送器、電流變送器、電壓變送器采集的振動信號、溫度信號、電流信號、電壓信號,并通過故障診斷軟件對接收到的信號處理后進行處理和分析,在故障診斷方法下得到診斷結果,完成控制柜故障的狀態識別與分類,實現故障診斷與預警,并生成故障診斷報表;
顯示裝置,與所述工控機通過VGA接口電連接,將分析過程與診斷結果顯示出來,并且可以對物理通道、閾值標準值進行調整;
報警裝置,與所述工控機電連接,接受所述工控機發送來的控制柜非正常工作狀態的警報信號,進行聲光報警;
電源,與所述振動傳感器、所述溫度變送器、所述電流變送器、所述電壓變送器電連接,為這4個檢測原件提供DC24V的直流電源。
2.一種控制柜智能故障診斷方法,其步驟為:
a.信號處理過程,包含以下步驟:
步驟(a-1):對控制柜在已知變壓器短路故障、變頻器輸入缺相故障、變頻器輸出缺相故障、繼電器跳動故障、變壓器擾動溫升故障及無故障六類狀態下所檢測的振動、溫度、電壓、電流信號進行傅里葉變換得到上述故障狀態下各自的頻譜圖;
步驟(a-2):通過尺度空間對由傅里葉變換得到的各自的頻譜劃分頻帶分界點;
步驟(a-3):以頻帶能量均值為標準將大于均值頻帶保持不變,小于均值的頻帶就近合并,實現對初始頻帶分界點的篩選,得到各自故障狀態下新的傅里葉頻譜劃分圖;
步驟(a-4):利用Meyer小波構造的經驗尺度函數式和經驗模態小波包函數得到正交小波濾波器,進行各自故障信號的濾波降噪;
步驟(a-5):使用與對確定細節系數和近似系數進行確定,得到各自故障信號的經驗模態分量函數為:
步驟(a-6):通過式計算各分量信號的能量E1(t),E2(t),…,En(t)(在此n=12),通過式計算各分量信號的總能量E,構建能量特征向量T,T=[E1,E2,...En],為方便計算對T進行歸一化處理,得到特征向量T′,最后得到經驗模態小波包能量熵為:
b.狀態分類過程,包含以下步驟:
步驟(b-1):構造12個輸入6個輸出的4層BP神經網絡,初始化閾值為0.1,誤差允許值為0.01;
步驟(b-2):隨機產生該BP神經網絡的連接權值;
步驟(b-3):將a過程得到的12個經驗模態小波包能量熵HE1-HE12輸入神經網絡,進行網絡訓練;
步驟(b-4):根據6個輸出的初始化閾值及誤差允許值,對BP神經網絡各層間的權值參數進行調整;
步驟(b-5):對BP神經網絡各層的連接權值學習參數進行趨同與異化操作;
步驟(b-6):調整BP神經網絡的權值,計算權值適應值;
步驟(b-7):對BP神經網絡輸出值與期望值進行誤差計算,得到的誤差與誤差允許值進行對比,大于誤差允許值時進入步驟(b-4),小于誤差允許值時進行步入(b-8);
步驟(b-8):保存訓練合格的神經網絡;
c.狀態判別過程,包含以下步驟:
步驟(c-1):利用所述控制柜故障診斷系統在線采集被檢測控制柜的振動、溫度、電流、電壓信號;
步驟(c-2):對上述信號進行a.信號處理過程的計算;
步驟(c-3):采用b.狀態分類過程獲取的訓練好的BP神經網絡進行計算;
步驟(c-4)獲取被檢測控制柜的狀態。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于山東科技大學;山東華輝自動化設備有限公司,未經山東科技大學;山東華輝自動化設備有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910529915.4/1.html,轉載請聲明來源鉆瓜專利網。





