CN109507557A - 一种飞机故障电弧检测方法 - Google Patents

Abstract

本发明涉及一种飞机故障电弧检测方法，基于能量比方选取近似最优小波基，用其对采集的电流信号进行小波分解，提取小波高频分量周期标准差作为典型特征，利用基于该特征的综合判据检测故障电弧。本发明采用能量比方法选取了最能够凸显飞机故障电弧特征的Db3小波作为分解信号的基小波，对采集的电流信号进行小波分解，提取d₂信号，利用小波高频分量周期标准差作为航空故障电弧的时频域特征，将飞机故障电弧时域特征与时频域特征相结合，提供一种包含电流小波分解高频系数的周期标准差、电流上升率和可疑电弧连续出现周期数三层判据的综合检测识别算法，提高了飞机故障电弧检测的可靠性。

Description

一种飞机故障电弧检测方法

技术领域

本发明涉及飞机(包括军用和民用飞机)低压故障电弧的检测领域，具体涉及飞机上的电线或电缆的故障电弧的检测方法。

背景技术

随着航空、计算机、电传等领域的高速发展，飞机工业水平得到显著提升，机载电气设备日益增多，大量现代飞机的飞控系统也由原始的机械操控变为了先进的电传控制，同时科研人员正在大力推进多电飞机、全电飞机的研制。因此，机载电气设备数量进一步增加是飞机未来发展的必然趋势。电气设备的增多必然使得飞机的供配电网络更加复杂，飞机电缆的布设更加密集，据统计飞机电缆的总长度可达到上百千米。

技术革新使得性能提升的同时也暴露出了严重的安全问题，飞机故障电弧就是其中之一。由于飞机所处的工作环境十分恶劣，长期处于高温、严寒、潮湿、太阳辐射、沙尘、震动等环境中，航空电缆或电气设备接头很有可能出现绝缘层破损、连接松动、插头接触不良等问题，这些问题都有可能会导致裸露的电极击穿空气电离进而引发故障电弧的情况。

飞机在飞行过程中若出现故障电弧极有可能会导致信号传输失效、引燃周围易燃物引发飞机火灾等事故，严重影响飞行安全。其中几起较为典型的案例有20世纪末，洛克希德的L1011三星客机、波音公司的波音757客机、Bond公司的A5332L直升机等多种型号的飞机都因故障电弧导致通信故障，引发严重的飞行事故；同样是由于电弧故障，1996年7月17日，一架波音747-100型飞机出现电弧故障引燃油箱引发严重火灾，212名乘客及18名机组人员全部遇难；1998年9月2日，一架麦德MD-11飞机由于电弧故障引燃周围易燃物导致飞机火灾，全机207名乘客及22名机组人员全部遇难；2000年7月25日，著名的协和号客机电缆断裂诱发电弧引燃了油箱，爆发严重火灾后坠机，最终导致100名乘客及9名机组人员死亡。由此可见，飞机电弧故障严重威胁飞行安全，装配有效地故障电弧识别断开装置十分必要。

除去机械部件强力切断电缆产生电弧的情况，一般故障电弧的产生往往较为隐蔽。由于目前飞机上没有安装专门的故障电弧识别断开装置，故障电弧的电流又很小，常规的熔断器、断路器、SSPC等装置都不能有效识别故障电弧，一旦飞机的某个部位发生故障电弧，并达到能够持续燃弧的条件，长时间燃弧发出的高热量极有可能会引燃电弧周围的易燃物，从而导致飞机该部位起火，如果不能有效控制甚至会出现更加严重的飞行事故。

因此，飞机故障电弧危害大、检测困难，十分值得关注和探索。针对目前飞机故障电弧研究不足、检测算法可靠性低的现状，研究和探索飞机故障电弧的检测识别方法是十分必要的。

发明内容

本发明的主要目的是克服现有技术的缺点，提供一种基于小波变换综合判据的飞机故障电弧识别方法，提高飞机故障电弧检测的有效性和可靠性。

本发明采用如下技术方案：

一种飞机故障电弧检测方法，基于能量比法选取近似最优小波基，用其对采集的电流信号进行小波分解，提取小波高频分量周期标准差作为典型特征，利用三层判据检测故障电弧，所述三层判据具体为小波分解高频分量的周期标准差、电流上升率和可疑电弧连续出现周期数。该检测方法步骤如图1所示。

基于能量比的近似最优小波基选取是一种对比实验的方法，该方法不仅可以选取出近似最优小波基，还可以确定使用哪一种变换尺度。假设采集的故障电弧电流信号小波分解后第i个频带的能量为E_i，可以表示为：

其中，F_ij为第i个频带的第j个高频系数，n为分解层数，N为系数总数。

小波分解后正常电流信号第i个频带的能量用E_i ^*用表示，则第i个频带的能量比γ_i为：

故障电弧检测方面广泛采用的小波基有Db1、Db3、Db10和bior1.5小波，使用这四种小波对11个周期的故障电弧电流进行3层分解，并将计算出的各小波能量比绘制柱状图，如图2-4所示。从图中可以看出，Db1和bior1.5在d₁、d₂、d₃这3层的能量比都非常小，区分是否发生故障电弧的能力很差，因此这两种小波都不符合要求。Db3和Db10两种小波在三层的能量比都很大，而Db3在高频区d₁、d₂表现都比Db10要好，能量比分别达到了45.7867和177.5556，因此Db3小波应为近似最优小波基。由能量比图2-4可以看出，d₂系数的区分度最大，因此选择d₂系数进行特征提取。

用Db3小波分别对正常情况下和出现故障电弧情况下的电流波形进行三层分解，得到图形如图5、6所示，并计算电流小波高频分量波动情况如表1所示。

表1电流小波高频分量波动情况

由图5、6可以看出，在正常情况下电流波形小波分解后高频分量几乎为零，而发生故障电弧后电弧电压小波分解的高频分量在电流零休区域达到模极大值，因此可以明显表现出现故障电弧后电流的零休现象。由表1可以看出，故障电弧电流小波高频分量的波动区间和波动率明显比正常电流要大很多。

单纯使用波形小波分解后的高频分量作为故障电弧的特征参量存在难以设置阈值和检测不方便的问题，为了实现实时检测，对每个周期的波形高频分量计算标准差。

设σ_i为第i个周期的小波高频分量标准差，N为一个周期内采样点的个数，x_j为第j个采样点的数据，为第i个周期采样点的算术平均值，则标准差σ_i可表示为：

根据(3)式，假设在第3个周期以后产生故障电弧，对电流波形进行小波分解，绘制20个周期的周期标准差值曲线，如图7所示。由图7可以看出，第3个周期以后，故障电弧状态的周期标准差值远远大于正常状态的周期标准差值，例如，取波形的周期标准差值0.05作为阈值，若经(3)式计算的周期标准差值大于阈值，则怀疑出现了电弧故障；若小于阈值，则认为正常。

针对正常信号与故障电弧信号波形相似的检测难点，将时域特征和时频域特征相结合，设置电流小波分解高频分量的周期标准差、电流上升率和可疑电弧连续出现周期数三个阈值为判据，即基于小波综合判据的故障电弧的识别方法。

由上述对本发明的描述可知，与现有方法相比，本发明的有益效果是：借助小波优秀的时频域分析能力，用小波高频分量周期标准差法提取了飞机故障电弧的时频域特征，将时域特征和时频域特征相结合，提出了一种快速、有效的综合检测识别方法，为航空故障电弧断路器算法的设计提供了一种思路。

附图说明

图1飞机故障电弧检测方法步骤图；

图2 Db1、Db3、Db10和bior1.5四种小波基下的d₁能量比图；

图3 Db1、Db3、Db10和bior1.5四种小波基下的d₂能量比图；

图4 Db1、Db3、Db10和bior1.5四种小波基下的d₃能量比图；

图5正常情况下电流波形小波分解图；

图6故障电弧情况下电流波形小波分解图；

图7正常状态与故障电弧状态电流信号小波高频分量周期标准差对比图；

图8飞机故障电弧检测方法具体执行流程图。

具体实施方式

针对检测中部分正常信号与故障电弧信号波形相似的问题，可以通过设计可靠的算法来克服。由于故障电弧电流信号可以容易地采集到，采用检测电流信号的方法识别故障电弧，方法流程图如图8所示。具体执行流程如下：

Step1：电弧计数器N置零，输入第i个周期的电流信号；

Step2：故障标记K置零，判断电流坡度是否大于阈值，若大于则故障标记K+1，否则跳过下一步；

Step3：提取第i个周期电流小波高频参数d₂，判断周期标准差σ_i是否大于阈值，若大于则故障标记K+1，否则跳过下一步；

Step4：判断故障标记K是否等于2，若等于2则说明该周期可能发生了故障电弧，电弧计数器N+1，执行Step5；否则跳出该程序，重新执行Step1；

Step5：判断电弧计数器N是否大于8，若大于8，认定发生了故障电弧，输出脱扣信号给相应的执行机构；若不大于8，则将i＝i+1，重新执行Step2，进行下一个周期信号的检测。

该算法优点是计算量较小、需存储的数据较少，可以在一般的单片机中运行，并且方法中设置了电流上升率、电流小波分解高频分量的周期标准差和可疑电弧连续出现周期数三层判据，有效避免了误识别，检测可靠性较高。

Claims (3)

1.一种飞机故障电弧检测方法，其特征在于：基于能量比法选取近似最优小波基，用其对采集的电流信号进行小波分解，提取小波高频分量的周期标准差作为典型特征，利用三层判据检测故障电弧，所述三层判据具体为小波分解高频分量的周期标准差、电流上升率和可疑电弧连续出现周期数。

2.如权利要求1所述的一种电弧检测方法，其特征在于：选取凸显飞机故障电弧特征的Db3小波，作为近似最优小波基。

3.如权利要求1所述的一种电弧检测方法，其特征在于：提取小波分解高频分量的d₂信号，计算出其周期标准差作为典型特征。