CN104749532A - 一种航天器电源系统故障检测方法及装置 - Google Patents

Abstract

本发明公开一种航天器电源系统故障检测方法及装置，通过在电源系统一次母线上设置的光纤温度传感器，利用故障发生时母线温度变化特性，采用基于小波理论的故障检测方法，对故障时刻进行准确的检测。该方法首先对含有噪声的原始温度信号进行小波变换，然后通过小波熵对含有噪声的多层信号进行滤波，滤除了大部分噪声，其次通过相邻多尺度积的方法进一步抑制没有滤除的噪声干扰，最终通过对模极大值的检测，确定故障发生的准确时刻，本发明可以避免由于噪声影响导致的误判，提高故障检测的准确度。

Description

一种航天器电源系统故障检测方法及装置

技术领域

本发明涉及一种航天器电源系统故障检测方法及装置，属于航天器故障检测技术领域。

背景技术

典型航天器电源系统如图1所示，主要包括有太阳能电池阵、蓄电池、功率调节器、一次母线、配电器以及负载等，电源系统将从外部获取的太阳能转化为可利用的电能提供给有效载荷以及支持平台。航天器由于其系统复杂性、高技术性以及所处空间环境的恶劣性决定其高风险性。

电源系统中的一次母线由于受温度、机械应力以及电压电流应力的影响，会发生绝缘老化、破损，甚至断裂的情况，从而导致整个电源系统的所有负载都失去电力供应，造成航天器在轨失效。为了获取航天器失效的准确原因，避免对于失效航天器的盲目抢救，并且在后续设计中规避设计短板，对于故障检测装置及故障检测方法的需求由此产生。

电源系统中常用的传感器主要有电压、电流以及温度传感器。电压传感器需采用接触方式进行测量，与系统存在耦合，降低了系统的可靠性。电流传感器可以采用非接触的方式进行测量，但是由于其体积较大，且只能测量单根母线，安装困难，在实际使用中存在一定的局限性。因此本发明拟采用灵敏度高，受环境干扰小的光纤温度传感器对系统的状态变化进行测量。光纤温度传感器的结构示意图如图2所示。当系统中一次母线某点绝缘破损发生短路故障时，一次母线中流过短路电流，母线温度迅速上升。当系统中一次母线断裂发生断路故障时，一次母线中没有电流流过，母线温度逐渐降低。

为了获取系统发生故障的准确时刻，提高故障诊断结果的准确性，必须对故障发生的时刻点，即温度开始发生变化的时刻点，进行准确检测。然而，在光纤温度传感器获取的信号中，除了含有系统状态变化的重要数据之外，环境噪声会使得数据在采样过程中受到干扰，影响故障检测结果。因而简单地通过小波变换检测到的信号奇异点来判断故障发生及其发生的时刻是不精确的。为了准确地检测到故障发生的时刻，减少信号判读过程中，由于噪声引起的误判、漏判，需要对采集到的温度信号进行降噪。

传统的模极大值故障检测方法先对采集到的信号进行小波多尺度分解，利用小波高频系数上的模极大值，检测模极大值对应的时刻，小波高频系数模极大值点与信号突变点之间存在一一对应关系，因而可以通过对模极大值点的检测来确定故障发生的时间点。基于小波分解的高频信号模极大值故障检测的方法，虽然能很好地显示突变原始信号的奇异性特征，但由于噪声的存在，使得信号中的奇异点很难被精确地定位。而基于传统的阈值信号降噪算法在某种程度上都会将信号的部分有用信息当成噪声而被滤除，尤其是在噪声和信号具有相同的频率特性时，从而造成原信号中部分有用的故障特征信息丢失。

软阈值与硬阈值消噪法通过一个阈值函数映射，选取一个合适的阈值对小波系数进行截断处理，将绝对值小于该阈值的小波系数置零，而绝对值较大的系数予以保留或收缩，得到各层小波系数的数值，在该算法中，对小波系数进行量化处理的阈值函数的选取以及阈值的确定是影响去噪效果的关键。该方法要求信号为无限长才符合优化条件。而实际处理的信号长度是有限的，因此阈值的选取受到限制，有限长数据选取的阈值也不准确，阈值最优的边界条件难以确定，因此去噪效果并不理想。

发明内容

本发明所要解决的技术问题，是针对前述背景技术中的缺陷和不足，提供一种航天器电源系统故障检测方法和检测装置，通过利用基于小波理论的故障检测方法综合故障发生后系统温度变化特征，检测系统发生故障的时刻，避免由于噪声影响导致的误判，提高故障检测的准确度。

本发明具体采用如下技术方案：

一种航天器电源系统故障检测方法，其特征在于具体步骤如下：

步骤1：检测系统中一次母线的温度信号x(t)；

步骤2：采用正交小波函数对步骤1中的温度信号x(t)进行3层小波分解，得到一个低频分量a3以及第一层高频系数分量d1，第二层高频系数分量d2，第三层高频系数分量d3；

步骤3：设步骤2中3个高频系数分量d1,d2,d3对应的小波能量分别为E₁,E₂,E₃，信号的总能量：

E＝E₁+E₂+E₃

其中：n为多分辨分析的离散点数，D_j(k)为多分辨离散小波系数；

步骤4：分别计算3个高频系数分量在总能量中的占比为

步骤5：3个高频系数分量d1,d2,d3对应的小波熵分别为W_EE1,W_EE2,W_EE3， $W_{\mathrm{EEj}}=-\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{P}_j\log \left(P_j\right)(j=\mathrm{1,2,3})$

步骤6：在第一层高频系数分量d1上定义滑动窗口，取窗口宽度L∈n，滑动因子δ∈n，将第一层高频系数分量d1分成(n-L+1)/δ个相等的子区间；

步骤7：计算步骤6中各个子区间上的小波熵，找出小波熵最大的子区间，并将此区间方差设为噪声方差，则第一层高频系数分量d1的噪声阈值为其中σ₁为噪声的标准差，D₁(k)为第一层高频系数分量d1的多分辨离散小波系数；

步骤8：根据确定的噪声阈值λ₁对第一层高频系数分量d1进行滤波，滤波后的第一层高频系数分量d1为：

$u_{1,k}=\left\{\begin{array}{cc}0,& \left|D_1\left(k\right)\right|<{\mathrm{\&lambda;}}_1\\ \mathrm{sgn}\left(D_1\left(k\right)\right)\left(\right|D_1\left(k\right)|-{\mathrm{\&lambda;}}_1),& \left|D_1\left(k\right)\right|\&GreaterEqual;{\mathrm{\&lambda;}}_1\end{array}\right.(k=\mathrm{1,2},...,n)$

步骤9：在第二层高频系数分量d2上定义滑动窗口，取窗口宽度L∈n，滑动因子δ∈n，将第二层高频系数分量d2分成(n-L+1)/δ个相等的子区间；

步骤10：计算步骤9中各个子区间上的小波熵，找出小波熵最大的子区间，并将此区间方差设为噪声方差，则第二层高频系数分量d2的噪声阈值为其中σ₂为噪声的标准差，D₂(k)为第二层高频系数分量d2的多分辨离散小波系数；

步骤11：根据确定的噪声阈值λ₂对第二层高频系数分量d2进行滤波，滤波后的第二层高频系数分量d2为：

$u_{2,k}=\left\{\begin{array}{cc}0,& \left|D_2\left(k\right)\right|<{\mathrm{\&lambda;}}_2\\ \mathrm{sgn}\left(D_2\left(k\right)\right)\left(\right|D_2\left(k\right)|-{\mathrm{\&lambda;}}_2),& \left|D_2\left(k\right)\right|\&GreaterEqual;{\mathrm{\&lambda;}}_2\end{array}\right.(k=\mathrm{1,2},...,n)$

步骤12：计算滤波后的第一、二层高频系数分量d1和d2的积：

M_12,k＝u_1,k×u_2,k(k＝1,2,…,n)

步骤13：确定M_12,k的模极大值点，该模极大值点即为原始信号的突变点，对应的时刻即为故障发生的时间。

本发明的航天器电源系统故障检测装置包括：入射光源模块、光纤温度传感器，光电转换模块，AD转换模块，FPGA算法实现芯片；入射光源模块向光纤中注入激光脉冲，激光脉冲在光纤温度传感器处发生反射，光电转换模块以及AD转换模块接收反射光并转换成光纤温度传感器数字信号传给FPGA算法实现芯片处理；FPGA算法实现芯片包含：

(1)小波分解模块，利用小波分解算法，用于将所述光纤温度传感器数字信号分解成1个低频分量和第一、第二、第三层高频系数分量；

(2)小波熵降噪模块，利用滑动窗口，求取噪声阈值，并分别对小波分解的第一、第二层高频系数分量进行滤波；

(3)小波多尺度积模块，用于将滤波后的第一、第二层高频系数分量进行相乘运算；

(4)模极大值检测模块，用于检测小波多尺度积模块所得乘积的模极大值点，该模极大值点对应的时刻即为故障发生的时间。

本发明通过在电源系统一次母线上设置的光纤温度传感器，利用故障发生时母线温度变化特性，采用基于小波理论的故障检测方法，对故障时刻进行准确的检测。该方法首先对含有噪声的原始温度信号进行小波变换，然后通过小波熵对含有噪声的多层信号进行滤波，滤除了大部分噪声，其次通过相邻多尺度积的方法进一步抑制没有滤除的噪声干扰，最终通过对模极大值的检测，确定故障发生的准确时刻。

本发明的的有益效果：

1、本发明采用光纤温度传感器对航天器电源系统的故障进行检测，相比于电压以及电流传感器，具有非接触、体积小、易于安装的优点，且短路、断路故障能够由单一量测量体现，使得故障检测在复杂空间环境中受到的影响较小。

2、本发明使用小波熵与小波多尺度积相结合的方法对含有噪声的传感器信号进行降噪，去除了大部分的噪声，降噪效果明显，避免了单纯使用小波阈值方法中信号系数与噪声系数混淆引起的检测结果不准确。经试验证明采用本发明方法能够有效地检测到故障发生后，系统温度变化特性，且所采用的基于小波理论的方法降噪效果明显，故障检测结果准确。

附图说明

图1典型航天器电源系统示意图；

图2本发明故障检测装置应用示意图；

图3航天器电源系统故障检测装置；

图4光纤温度传感器量测数据；

图5多层小波分解结果；

图6小波熵降噪后的高频系数；

图7小波熵降噪后多尺度积结果。

具体实施方式

下面结合附图和具体实施方式详细介绍本发明。

本发明采用的航天器电源系统故障检测装置如图3所示，检测装置包括：一种航天器电源系统故障检测装置，其特征在于，所述电源系统故障检测装置包括：入射光源模块、光纤温度传感器，光电转换模块，AD转换模块，FPGA算法实现芯片；入射光源模块向光纤中注入激光脉冲，激光脉冲在光纤温度传感器处发生反射，光电转换模块以及AD转换模块接收反射光并转换成光纤温度传感器数字信号传给FPGA算法实现芯片处理；FPGA算法实现芯片包含：

(1)小波分解模块，利用小波分解算法，用于将所述光纤温度传感器数字信号分解成1个低频分量和第一、第二、第三层高频系数分量；

(2)小波熵降噪模块，利用滑动窗口，求取噪声阈值，并分别对小波分解的第一、第二层高频系数分量进行滤波；

(3)小波多尺度积模块，用于将滤波后的第一、第二层高频系数分量进行相乘运算；

(4)模极大值检测模块，用于检测小波多尺度积模块所得乘积的模极大值点，该模极大值点对应的时刻即为故障发生的时间。

故障检测装置的应用示意图如图2所示，光纤温度传感器尽可能贴合于电源系统一次母线表面，使得光纤温度传感器能够快速地反映母线温度的变化情况，达到快速检测一次母线状态的目的。

下面以一次母线第4秒时发生短路故障为例对本发明的故障检测方法进行详细说明，温度传感器的量测信号如图4所示。第4秒时，一次母线发生短路故障，电流增大，母线温度上升。

1、多层小波分解

以图3所示的电源系统母线光纤温度传感器数据为例，电源系统母线在4s左右发生了短路故障。对所采集温度数据进行多层小波分解，对故障信号进行3层分解，把传感器信号分解为高频部分和低频部分，其中，a3为小波分解的低频分量，d1,d2,d3分别代表小波分解的第一、第二、第三层高频系数分量，分解结果如图5所示。

2、小波熵降噪

在本实施例中，信号长度(即多分辨分析的离散点数)n为800，窗口宽度L∈n，步长δ∈n，其中规定L为小于n/2的整数，本实施例选择窗口宽度L为12，步长δ为1，噪声阈值为σ_j为噪声的标准差，可通过最小尺度上的小波系数来估计，其估计值 ${\mathrm{\&sigma;}}_j=\frac{2*\mathrm{median}\left(\right|D_j\left(k\right)\left|\right)}{0.6745}(k=\mathrm{1,2},...,n),$ 其中median(|D_j(k)|)表示取第j层所有小波变换系数幅值的中间值。计算各尺度上噪声的标准差分别为σ＝[σ₁,σ₂,σ₃]＝[0.0891,0.0996,0.1051]，则各尺度上对应的噪声阈值分别为λ＝[λ₁,λ₂,λ₃]＝[0.1987,0.2220,0.2343]，根据求得的噪声阈值，按下式对噪声信号进行滤值，图6所示为采用基于小波熵方法对采样信号各高频尺度上分别进行消噪，得到母线短路时滤除噪声干扰后的第j层高频系数分量dj的结果。

$u_{j,k}=\left\{\begin{array}{cc}0,& \left|D_j\left(k\right)\right|<{\mathrm{\&lambda;}}_j\\ \mathrm{sgn}\left(D_j\left(k\right)\right)\left(\right|D_j\left(k\right)|-{\mathrm{\&lambda;}}_j),& \left|D_j\left(k\right)\right|\&GreaterEqual;{\mathrm{\&lambda;}}_j\end{array}\right.(j=\mathrm{1,2,3};k=\mathrm{1,2},...,n)$

3、小波多尺度积

将经过小波熵滤波的d1和d2两个高频系数相乘积，结果如图7所示。

4、模极大值检测

从图7中可以清楚地看出模极大值点出现的时刻即为故障发生时刻。设模极大值点出现时刻对应采样序列的第m个采样点，则故障发生时刻为t＝0.1×m秒。这里0.1为采样周期，得到m＝400，因此故障发生时刻为

t＝0.1×m＝0.1×400＝4s

本发明故障检测方法在基于模极大值的故障检测方法的基础上，把小波熵和相邻多尺度积方法结合引入其中，两种方法对于消噪过程是相互补充的，基于小波熵消噪过程实际是寻找一个最优的阈值来把噪声信号滤除，那么其消噪结果是让一些信号保留，一些信号置零，基于多尺度积的小波方法引入是为了放大模极大值的系数和减小其他噪声系数，因此首先通过小波熵消噪时滤除了绝大部分的干扰噪声，其次通过相邻多尺度积的方法使没有滤除过后的噪声干扰进一步得到抑制。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (2)

1.一种航天器电源系统故障检测方法，其特征在于具体步骤如下：

步骤1：检测系统中一次母线的温度信号x(t)；

步骤2：采用正交小波函数对步骤1中的温度信号x(t)进行3层小波分解，得到一个低频分量a3以及第一层高频系数分量d1，第二层高频系数分量d2，第三层高频系数分量d3；

步骤3：设步骤2中3个高频系数分量d1,d2,d3对应的小波能量分别为E₁,E₂,E₃，信号的总能量：

E＝E₁+E₂+E₃

其中：n为多分辨分析的离散点数，D_j(k)为多分辨离散小波系数；

步骤4：分别计算3个高频系数分量在总能量中的占比为

步骤5：3个高频系数分量d1,d2,d3对应的小波熵分别为W_EE1,W_EE2,W_EE3， $W_{\mathrm{EEj}}=-\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}{P}_j\log \left(P_j\right)(j=\mathrm{1,2,3})$

步骤6：在第一层高频系数分量d1上定义滑动窗口，取窗口宽度L∈n，滑动因子δ∈n，将第一层高频系数分量d1分成(n-L+1)/δ个相等的子区间；

步骤7：计算步骤6中各个子区间上的小波熵，找出小波熵最大的子区间，并将此区间方差设为噪声方差，则第一层高频系数分量d1的噪声阈值为其中σ₁为噪声的标准差，D₁(k)为第一层高频系数分量d1的多分辨离散小波系数；

步骤8：根据确定的噪声阈值λ₁对第一层高频系数分量d1进行滤波，滤波后的第一层高频系数分量高频分量d1为：

$u_{1,k}=\left\{\begin{array}{cc}0,& \left|D_1\left(k\right)\right|<{\mathrm{\&lambda;}}_1\\ \mathrm{sgn}\left(D_1\left(k\right)\right)\left(\right|D_1\left(k\right)|-{\mathrm{\&lambda;}}_1),& \left|D_1\left(k\right)\right|\&GreaterEqual;{\mathrm{\&lambda;}}_1\end{array}\right.(k=\mathrm{1,2},...,n)$

步骤9：在第二层高频系数分量d2上定义滑动窗口，取窗口宽度L∈n，滑动因子δ∈n，将第二层高频系数分量d2分成(n-L+1)/δ个相等的子区间；

步骤10：计算步骤9中各个子区间上的小波熵，找出小波熵最大的子区间，并将此区间方差设为噪声方差，则第二层高频系数分量d2的噪声阈值为其中σ₂为噪声的标准差，D₂(k)为第二层高频系数分量d2的多分辨离散小波系数；

步骤11：根据确定的噪声阈值λ₂对第二层高频系数分量d2进行滤波，滤波后的第二层高频系数分量d2为：

$u_{2,k}=\left\{\begin{array}{cc}0,& \left|D_2\left(k\right)\right|<{\mathrm{\&lambda;}}_2\\ \mathrm{sgn}\left(D_2\left(k\right)\right)\left(\right|D_2\left(k\right)|-{\mathrm{\&lambda;}}_2),& \left|D_2\left(k\right)\right|\&GreaterEqual;{\mathrm{\&lambda;}}_2\end{array}\right.(k=\mathrm{1,2},...,n)$

步骤12：计算滤波后的第一、二层高频系数分量d1和d2的积：

M_12,k＝u_1,k×u_2,k(k＝1,2,…,n)

步骤13：确定M_12,k的模极大值点，该模极大值点即为原始信号的突变点，对应的时刻即为故障发生的时间。

2.一种航天器电源系统故障检测装置，其特征在于，所述电源系统故障检测装置包括：入射光源模块、光纤温度传感器，光电转换模块，AD转换模块，FPGA算法实现芯片；入射光源模块向光纤中注入激光脉冲，激光脉冲在光纤温度传感器处发生反射，光电转换模块以及AD转换模块接收反射光并转换成光纤温度传感器数字信号传给FPGA算法实现芯片处理；FPGA算法实现芯片包含：

(1)小波分解模块，利用小波分解算法，用于将所述光纤温度传感器数字信号分解成1个低频分量和第一、第二、第三层高频系数分量；

(2)小波熵降噪模块，利用滑动窗口，求取噪声阈值，并分别对小波分解的第一、第二层高频系数分量进行滤波；

(3)小波多尺度积模块，用于将滤波后的第一、第二层高频系数分量进行相乘运算；

(4)模极大值检测模块，用于检测小波多尺度积模块所得乘积的模极大值点，该模极大值点对应的时刻即为故障发生的时间。