信息融合电路应用论文

滤波的效果。

1.诊断实例

采用文献[56]中的电路作为诊断电路如图 4.3 所示，电阻的容差范围 5%，电容的容差范围 10%。二阶压控电压源带通滤波器的中心频率为

图 4.3 二阶压控电压源带通滤波器

R =15.915kΩ= R 2； R1 =48.58kΩ； R 3=31.83kΩ； R f=92.3kΩ； C 1= 0.01μF；

C 2=0.01μF。R、 C 2、 R2 及 C1 在容差范围内认为无故障，现只研究电路单一成份故障，在无故障和所有单一成份故障情况下，电路的冲激响应以同样的方式送入预处理器进行特征选择而形成故障分类，如 C 1减小和 C1 增大、 C 2减小和 C2 增大、R 2减小和 R 2增大、R 减小和 R 增大，它们与正常状态(NF)一起组成 9 种不同的电路工作状态，这里的增大或减小均在额定值的 50%左右，滤波器的冲激响应可通过一个窄脉冲来近似产生，该窄脉冲宽度 T 远小于滤波器的带宽的倒数，脉冲幅度为 5V。根据前面的特征提取方法，在仿真实例中，原始信号(故障电路冲激响应)经离散(二进制)的小波变换式(6.13)分解为低频系数 A j和高频系数 D j，这些系数分别反映了信号

43

的逼近和细节内容，逼近部分一般给出了信号本身的基本结构，因此信号主要特征由低频系数 A j中获得，所以选择每一层小波分解的低频系数作为特征。对上述工作类别，激励每一个类别产生多个冲激响应。小波分解进行 5 层可区分各种工作类别。利用如下 MATLAB 小波分解仿真程序计算得到与这些冲激响应联系的逼近部分系数 A j(故障特征)。

[C,L]=wavedec(s,5,’db3’); %用 db3 小波对故障信号进行 5 尺度分解 CA1=appcoef(C,L,’db3’,1); %从小波分解结构[C,L]中提取尺度 1 的低频系数A1

CA2=appcoef(C,L,’db3’,2); %从小波分解结构[C,L]中提取尺度 2 的低频系数A2

CA3=appcoef(C,L,’db3’,3); %从小波分解结构[C,L]中提取尺度 3 的低频系数A3

CA4=appcoef(C,L,’db3’,4); %从小波分解结构[C,L]中提取尺度 4 的低频系数A4

CA5=appcoef(C,L,’db3’,5); %从小波分解结构[C,L]中提取尺度 5 的低频系数A5

它们为带状曲线，每一层有九条带状曲线分别对应九种不同的电路工作类别，只用一层的低频系数 A j是不可能对电路的所有故障进行准确分类，因为同一层次的 9 条带状曲线中有些是极为相似的或难以区分，因此无法从这些曲线中区分故障类别，只有其中那些差异很大或易于区分的带状曲线方可准确地区分对应的故障类别，所以必须对故障信号进行多层次分解(本例子中选为 5 层)以实现对电路所有故障类别进行完全准确分类。

44

图 4.4 正常状态分解图

在本例子中从图 6.4 和图 6.5 可以看出第 1 层分解所得到的低频系数 A1 可以区分 R 2增大和 C 1减小，第 2 层或第 3 层的 A2 或 A3 可以区分 NF、 C 2减小和 R 2减小， R 减小，第 4 层的 A4 可以区分 NF 和 R 增大，第 5层的 A5 可以区分 C1 增大和 C2 增大，这样，电路的 9 种工作类别均可借助各层的故障特征 A j实现准确的故障辨识。

45

b) C1 减小

c) c1 增大

d) c2 增大

46