CN104977504A - 一种电缆故障在线检测及定位装置 - Google Patents

Abstract

本发明公开一种电缆故障在线检测及定位装置，包括：带NIOS II软核处理器的FPGA模块，提供各模块所需时钟、产生由m序列与正弦波调制而成的检测信号、实现检测信号与反射信号的相关运算处理、对电缆故障进行定位；高速DA模块，对FPGA模块产生的检测信号进行数模转换；隔离耦合模块，用于将高速DA模块的输出信号隔离耦合至电缆，同时将电缆中的反射信号隔离耦合至检测定位装置；高速AD模块，将电缆中的反射信号进行模数转换后送至FPGA模块处理；调理电路，对高速DA模块的输出信号和高速AD模块的输入信号进行调理。本发明不仅能实现在线检测，且定位精度高，抗干扰能力强。

Description

一种电缆故障在线检测及定位装置

技术领域

本发明涉及一种电缆故障在线检测及定位装置，属于电缆故障检测领域。

背景技术

当前，国家的现代化建设快速向前推进，工业化与信息化不断深入，大量的配电网络、电气电子系统在各行各业中发挥着举足轻重的作用，所用的电线电缆亦纵横密布、日趋复杂。由于经常工作在高温、振动、摩擦等恶劣环境下，深埋在结构和底层之中的电线电缆随着使用年龄的增长容易产生裂纹和磨损，逐渐老化损坏。各行各业中因电缆故障所造成事故在不断增多，给国民经济造成了巨大的损失，人身财产安全埋下了极大的隐患。

在这种情形下，各种电缆故障检测与定位方法不断涌现，其中以反射法的应用最为广泛且效果显著。反射法通过向待测电缆中发送检测信号，同时采集故障点处的反射信号，根据反射信号相对于检测信号的变化来判定故障类型并定位故障距离。目前，反射法主要包括TDR(Time Domain Reflectomertry)、FDR(Frequency Domain Reflectometry)、STDR(SequenceTime Domain Reflectometry)、SSTDR以及NDR(Noise Domain Reflectometry)。TDR向待测电缆中发送一窄脉冲，FDR向待测电缆中发送频率步长一定的一组正弦波，NDR利用电缆中背景噪声作为检测信号。TDR和FDR技术较成熟，经济可靠，应用广泛，然而由于检测信号对电缆中原有的工作信号会造成影响，它们不能对电缆进行在线检测。STDR向待测电缆中发送PN码，PN码不影响电缆的正常工作，因而能够实现在线检测。SSTDR(Spread SpectrumTime Domain Reflectometry)即扩展频谱时域反射法，其原理框图如图1所示。当开关Sw闭合时，入射信号被送入待测电缆中，入射信号在电缆故障点处会由于阻抗不匹配而发生反射，同时接收反射信号，将入射信号与反射信号按下式进行相关运算。

$r\left(t\right)={\∫}_0^{T}s\left(t\right)*x(t-\mathrm{\τ})dt$

式中s(t)为入射信号，x(t-τ)为反射信号，r(t)为相关运算结果，T为检测信号周期。从相关运算结果(如图2所示检测曲线)中可以提取电缆故障的类型和距离(故障信息)。

SSTDR采用扩频信号作为检测信号，扩频信号具有优良的相关特性和较宽的频谱，不仅能实现在线检测，且定位精度高，抗干扰能力强。扩频信号由扩频码与正弦载波调制产生，扩频码的随机性能直接决定了扩频信号的随机性能。

目前，在扩频通信中常用扩频码为伪随机序列，如表1所示。

表1

伪随机序列包含m序列、M序列、Gold序列等，理论研究表明，m序列具有性能最优的自相关特性，是实现单根电缆故障在线诊断的最佳扩频码。

发明内容

根据前述背景技术中描述，时域脉冲反射法不能用于电缆故障的在线检测并且信号传输损耗较大，本发明的目的就在于针对现有技术存在的缺陷和不足，提出一种基于SSTDR方法的电缆故障在线检测及定位装置，采用m序列作为扩频码生成检测信号，不仅能实现在线检测，且定位精度高，抗干扰能力强。

本发明采用了如下技术方案：

一种电缆故障在线检测及定位装置，其特征在于包括：

带NIOS II软核处理器的FPGA模块，提供各模块所需时钟、产生由m序列与正弦波调制而成的检测信号、实现检测信号与反射信号的相关运算处理、对电缆故障进行定位；

高速DA模块，对FPGA模块产生的检测信号进行数模转换；

隔离耦合模块，用于将高速DA模块的输出信号隔离耦合至电缆，同时将电缆中的反射信号隔离耦合至检测定位装置；

高速AD模块，将电缆中的反射信号进行模数转换后送至FPGA模块处理；

调理电路，对高速DA模块的输出信号和高速AD模块的输入信号进行调理。

本发明在FPGA中采用SOPC技术实现SSTDR(Spread Spectral Time Domain Reflectometry,扩展频谱时域反射法)电缆故障在线检测，SSTDR与传统电缆故障检测法的区别在于，检测信号产生模块采用扩频技术，生成电缆故障在线检测的检测信号，检测信号为m序列与正弦波进行BPSK(Binary Phase Shift Keying,二相相移键控)调制的扩频信号，不影响电缆的原有信号，因而能对正在运行的电缆进行在线检测。而且由于引入了扩频技术，检测系统对信噪比的要求大大降低，增强了系统的抗干扰能力。采用相关运算实现故障信息的提取算法，大大提高了定位精度。

附图说明

图1是本发明的系统构成原理框图；

图2是电缆故障进行检测与定位的基本工作原理示意图；

图3是基于FPGA的电缆故障检测信号产生原理框图；

图4是频域相关运算的实现框图；

图5是用于低频电力电缆故障检测与定位的结果波形图。

图6是电缆故障在线检测与定位系统工作流程图。

具体实施方式

下面结合附图详细介绍本发明在实施过程中的所涉及的细节，以支持权利要求部分。

如图1所示，本发明的电缆故障在线检测与定位装置主要包括带NIOS II软核处理器的FPGA模块、高速DA模块、信号调理模块、隔离耦合模块和高速AD模块。根据循环相关定理，在构建有NIOS II软核处理器的FPGA模块中对入射信号和反射信号进行全数字化的相关运算处理，提取出包含被测电缆的故障类型及故障距离的故障信息。

带NIOS II软核处理器的FPGA模块，提供各模块所需时钟、产生由m序列与正弦波调制而成的检测信号、实现检测信号与反射信号的相关运算处理、对电缆故障进行定位。其包括一个检测信号产生模块，检测信号产生模块包括正弦波产生模块、m序列产生模块以及将m序列与正弦波按周期1:1调制生成检测信号的调制模块。

高速DA模块，对FPGA模块产生的检测信号进行数模转换；

隔离耦合模块，用于将高速DA模块的输出信号隔离耦合至电缆，同时将电缆中的反射信号隔离耦合至检测定位装置；

高速AD模块，将电缆中的反射信号进行模数转换后送至FPGA模块处理；

调理电路，对高速DA模块的输出信号和高速AD模块的输入信号进行调理。

图2为对电缆故障进行检测与定位的基本工作原理示意图，其工作的基本原理如下：通过向待测电缆发射m序列与正弦波一比一的调制信号x(t)，由故障引起的阻抗不匹配会引起行波的反射，将检测到的反射信号a_kx(t-T_i)(其中a_k为反射信号幅值，T_i为反射信号到达测试点时相对于入射信号的延迟时间)与延迟时间τ的入射信号x(t-τ)进行互相关运算，通过改变延迟时间τ，使相关器输出达到最大，根据相关运算的性质可知，此时有τ＝T_i，T_i即为故障点所对应的反射时间。移位τ的入射信号与反射信号互相关运算的表达式可以表示如下：

$r_{xy}={\∫}_0^{T_s}x(t-\mathrm{\τ})\·a_{k}x(t-T_i)dt$

图3为FPGA实现故障检测信号的原理框图，本检测系统所用的检测信号为1:1的BPSK(Binary Phase Shift Keying)信号，晶振的输入作为系统全局时钟，作为整个系统工作的时间基准。晶振的外部输入时钟经过PLL锁相模块倍频后作为信号产生模块的基准时钟，利用该时钟基准作为信号检测模块中正弦波产生模块(Direct Digital Synthesizer，直接数字合成模块，简称DDS)的时钟基准，产生调制需要的载波正弦波。由于产生的检测波形为调制比为1:1的BPSK信号，即要求载波正弦波的频率与调制波m序列的片码率相同，在本设计中，为了达到这样的要求，利用正弦波的最高位产生的时钟脉冲作为m序列产生模块的基准时钟，产生m序列，最后经过调制模块产生所需要的调制比为1:1的BPSK检测信号。

图4为本系统所采用的频域相关运算实现框图，时域相关运算是根据相关运算的定义公式直接实现的相关运算，由于其中有移位相乘的过程，因而其数据的存储空间和运算量都非常大，运算速度较非常缓慢，这对系统的实时性影响较大，从而影响了电缆故障在线检测与定位的性能，因此，本发明采用FPGA并行处理的强大处理能力，利用基于FFT的频域相关运算，使得相关运算的处理速度大大提高，从而使得系统的实时性大大增强。

相关运算的定义如下所述。

在统计通信及数字信号处理中，相关(或称线性相关)的概念是十分重要的。相关函数和信号的功率谱密度有密切的关系。通常利用相关函数来分析随机信号的功率谱密度。相关是指两个确定信号或两个随机信号之间的相互关系，即讨论两个信号之间的相似程度。随机信号一般是不确定的，但是可以对它的规律进行统计，它们的相关函数往往是可以确定的，因此在对随机信号进行处理时，可以用相关函数来描述一个平稳随机信号的统计特性。

对于两个无限长序列x(n)、y(n)，用线性相关来表征其相关，其线性相关函数定义为

$r_{xy}\left(m\right)=\underset{n=-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\Σ}}x\left(n\right)y*(n-m)$

$r_{yx}\left(m\right)=\underset{n=-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\Σ}}y\left(n\right)x^{*}(n-m)={r_{xy}}^{*}(-m)$

其中，y*(n-m)和x*(n-m)分别为y*(n)和x*(n)的线性移位。一般来说，r_xy(m)≠r_xy(-m)，这是因为x(n)与y(n+m)的相似程度是和x(n)与y(n-m)的相似程度不同。

对于两个有限长序列x(n)、y(n)，用循环相关来定义其相关，循环相关函数定义为

$\begin{array}{c}{r}_{xy}\left(m\right)=\underset{n=0}{\overset{N-1}{\Σ}}{y}^{*}\left(n\right)x{\left(\right(n+m\left)\right)}_N{R}_N\left(m\right)\\ =\underset{n=0}{\overset{N-1}{\Σ}}x\left(n\right)y^{*}{\left(\right(n-m\left)\right)}_N{R}_N\left(m\right)\end{array}$

其中，x((n+m))_NR_N(m)和y^*((n-m))_NR_N(m)分别为x(n)和y*(n)的循环移位后对序列取主值。

线性相关和循环相关有如下区别

线性相关针对的是无限长序列，而循环相关针对的是有限长序列。

线性相关公式中进行的是线性移位，而循环相关公式中进行的是循环移位。

由于相关运算处理的对象是有限长序列，因此所求相关为两序列的循环相关。

根据循环相关定理，可以将时域内的相关运算转换为频域内的运算，这样可以将复杂的算法转换为熟悉的FFT和乘法运算，便于在微机中实现。循环相关定理的推导可由下述方程式得出。

若有R_xy(k)＝X(k)Y^*(k)

将Y^*(k)与X(k)拓展成周期为N的周期序列，有

${\tilde{R}}_{xy}\left(k\right)=\tilde{X}\left(k\right)\tilde{Y}*\left(k\right)$

则 $\begin{array}{c}{\tilde{r}}_{xy}\left(m\right)=IDFS\[{\tilde{R}}_{xy}\left(k\right)\]=\frac{1}{N}\underset{k=0}{\overset{N-1}{\Σ}}\tilde{Y}\left(k\right)\tilde{X}\left(k\right)W_N^{km}\\ =\frac{1}{N}\underset{k=0}{\overset{N-1}{\Σ}}\tilde{Y}\left(k\right)\underset{k=0}{\overset{N-1}{\Σ}}\tilde{x}\left(n\right)W_N^{kn}{W}_N^{-km}=\underset{k=0}{\overset{N-1}{\Σ}}\tilde{x}\left(n\right)\frac{1}{N}\underset{k=0}{\overset{N-1}{\Σ}}\tilde{Y}\left(k\right)W_N^{k(n-m)}\\ =\underset{k=0}{\overset{N-1}{\Σ}}\tilde{x}\left(n\right)\frac{1}{N}\underset{k=0}{\overset{N-1}{\Σ}}{\[\tilde{Y}\left(k\right)W_N^{-k(n-m)}\]}^{*}=\underset{k=0}{\overset{N-1}{\Σ}}\tilde{x}\left(n\right){\tilde{y}}^{*}(n-m)\\ =\underset{n=0}{\overset{N-1}{\Σ}}{\tilde{y}}^{*}(n-m)\tilde{x}\left(n\right)=\underset{n=0}{\overset{N-1}{\Σ}}{\tilde{y}}^{*}\left(n\right)\tilde{x}(n+m)\end{array}$

等式两边取主值序列得

$\begin{array}{c}{r}_{xy}\left(m\right)=\underset{n=0}{\overset{N-1}{\Σ}}{y}^{*}\left(n\right)x{\left(\right(n+m\left)\right)}_N{R}_N\left(m\right)\\ =\underset{n=0}{\overset{N-1}{\Σ}}x\left(n\right)y^{*}{\left(\right(n-m\left)\right)}_N{R}_N\left(m\right)\end{array}$

由上述运算式可得到循环相关定理：

若R_xy(k)＝X(k)Y^*(k)

则 $\begin{array}{c}{r}_{xy}\left(m\right)=IDFT\[R_{xy}\left(k\right)\]=\underset{n=0}{\overset{N-1}{\Σ}}{y}^{*}\left(n\right)x{\left(\right(n+m\left)\right)}_N{R}_N\left(m\right)\\ =\underset{n=0}{\overset{N-1}{\Σ}}x\left(n\right)y^{*}{\left(\right(n-m\left)\right)}_N{R}_N\left(m\right)\end{array}$

根据相关循环定理，要求两个有限长序列的循环相关，可以将其转换成频域内的乘法运算。

采用基于FFT的频域相关运算的计算公式如下：

$r\left(n\right)=IFFT\[R\left(k\right)\]=IFFT\[X\left(k\right)Y*\left(k\right)\]=\frac{1}{N}FFT\[X*\left(k\right)Y\left(k\right)\]$

其中，r(n)为x(n)和y(n)的循环相关结果，X(k)、Y(k)分别为x(n)和y(n)的FFT变换，R(k)为X(k)与Y(k)共轭的乘法结果，即r(n)的FFT变换。图4为频域内的相关运算实现框图。

相关运算的结果如图5所示，当电路正常工作时，不存在反射；当电路出现断路时，其反射波头与信号的自相关波头同相；短路时，与自相关运算波头反相。根据波形中的这些特性，可以从中提取出相应的故障信息。

图6为从相关运算的曲线中提取故障信息的流程图。得出相关运算曲线r(n)之后，首先判定曲线中是否存在反射波头，如果不存在，表明线缆正常；如果存在，继续判定反射波头是否超过阀值。如果超过了设定的阀值，再判定反射波头的极性，如果是正极性，表明是开路故障，如果是负极性，表明是短路故障。根据反射波头的极性可以判定故障类型，再根据反射波头与主波头之间的延迟差可以求出故障距离。最后将得出的检测信息传递给上位机。

Claims (4)

1.一种电缆故障在线检测及定位装置，其特征在于包括：

带NIOS II软核处理器的FPGA模块，提供各模块所需时钟、产生由m序列与正弦波调制而成的检测信号、实现检测信号与反射信号的相关运算处理、对电缆故障进行定位；

高速DA模块，对FPGA模块产生的检测信号进行数模转换；

隔离耦合模块，用于将高速DA模块的输出信号隔离耦合至电缆，同时将电缆中的反射信号隔离耦合至检测定位装置；

高速AD模块，将电缆中的反射信号进行模数转换后送至FPGA模块处理；

调理电路，对高速DA模块的输出信号和高速AD模块的输入信号进行调理。

2.如权利要求1所述的电缆故障在线检测及定位装置，其特征在于所述FPGA模块包括检测信号产生模块，检测信号产生模块包括正弦波产生模块、m序列产生模块以及将m序列与正弦波按周期1:1调制生成检测信号的调制模块。

3.如权利要求2所述的电缆故障在线检测及定位装置，其特征在于利用正弦波的最高位产生的时钟脉冲作为m序列产生模块的基准时钟。

4.如权利要求2所述的电缆故障在线检测及定位装置，其特征在于所述检测信号产生模块的使能信号来自NIOS II软核处理器。