CN110231529A - 一种控制柜智能故障诊断系统及故障诊断方法 - Google Patents

Abstract

本发明公开了一种控制柜智能故障诊断系统及故障诊断方法。所述控制柜智能故障诊断系统由振动传感器、温度变送器、电流变送器、电压变送器、数据采集卡、工控机、显示装置、报警装置、接线端子排、故障诊断软件、振动采样电阻、温度采样电阻、电流采样电阻、电压采样电阻、电源组成；在控制柜工作过程中，通过采集其振动、温度、电流、电压参数，实现控制柜的故障状态检测，从而判断控制柜是否为健康状态或者变压器短路故障、变频器输入缺相故障、变频器输出缺相故障、继电器跳动故障、变压器扰动温升故障中的某一类故障。

Description

一种控制柜智能故障诊断系统及故障诊断方法

技术领域

本发明专利涉及电控系统控制柜的故障诊断，特别是含变压器及变频器的电控柜的智能故障诊断。

背景技术

控制柜是电控系统重要的组成部分，对电控系统运行的安全可靠性起着至关重要的作用。控制柜发生故障后的迅速准确的诊断与排查是维持电控设备稳定运行的重要保障。控制柜主要通过定期、不定期检修来掌握设备运行状态，发现设备缺陷，预防事故的发生，保障设备安全、可靠运行，但当前电控柜故障检测依靠专业技术人员凭借多年的工作经验进行检测和诊断，工作量大，且不能准确的判断故障和失效的原因，不能及时对故障进行处理。近几年来，随着人工智能技术的发展，神经网络等技术逐渐被应用在各行各业，但在对于控制柜的故障诊断上，这种技术的应用还尚属空白。因此，有必要开发一款控制柜智能故障诊断系统，可以实现控制柜故障诊断的智能化。该技术智能程度高，技术先进，生产成本低，具有较好的市场竞争优势和推广应用价值。

发明内容

本发明实施例的目的在于提供一种控制柜智能故障诊断系统及故障诊断方法，旨在解决控制柜的智能化故障诊断。

本发明实施例是这样实现的，所述控制柜智能故障诊断系统包括：

振动传感器，安装在控制柜变压器壳体上，用于采集控制柜变压器的振动信息；

温度变送器，安装在控制柜变压器壳体上，用于采集控制柜变压器温度信息；

电流变送器，安装在控制柜变频器附近的导轨上，变频器U、V、W相输出线从所述电流变送器的互感器空心穿过，用于采集控制柜变频器的三相输出电流信息；

电压变送器，安装在控制柜变频器附近的导轨上，变频器输出端的U、V、W相电压接入所述电压变送器的输入侧，用于采集控制柜变频器三相输出电压信息；

接线端子排，安装在控制柜下侧面板上，用于汇集所述振动传感器、所述温度变送器、所述电流变送器、所述电压变送器采集的信号，通过排线电连接至数据采集卡；

振动采样电阻，与所述振动传感器电连接，并经过所述接线端子排信号地公共接线端，将所述振动传感器采集的4-20mA电流信号转换成0-10V电压信号；

温度采样电阻，与所述温度变送器电连接，并经过所述接线端子排信号地公共接线端，将所述温度变送器采集的4-20mA电流信号转换成0-10V电压信号；

电流采样电阻，与所述电流变送器电连接，并经过所述接线端子排信号地公共接线端，将所述电流变送器采集的4-20mA电流信号转换成0-10V电压信号；

电压采样电阻，与所述电压变送器电连接，并经过所述接线端子排信号地公共接线端，将所述电压变送器采集的4-20mA电流信号转换成0-10V电压信号；

数据采集卡，安装在工控机的PCI插槽上，与所述接线端子排通过排线电连接，用于将所述振动传感器、温度变送器、电流变送器、电压变送器采集到的信号A/D转换给工控机进行分析处理；

工控机，接收所述振动传感器、温度变送器、电流变送器、电压变送器采集的振动信号、温度信号、电流信号、电压信号，并通过故障诊断软件对接收到的信号处理后进行处理和分析，在故障诊断方法下得到诊断结果，完成控制柜故障的状态识别与分类，实现故障诊断与预警，并生成故障诊断报表；

显示装置，与所述工控机通过VGA接口电连接，将分析过程与诊断结果显示出来，并且可以对物理通道、阈值标准值进行调整；

电源，与所述振动传感器、所述温度变送器、所述电流变送器、所述电压变送器电连接，为这4个检测原件提供DC24V的直流电源；

报警装置，与所述工控机电连接，接受所述工控机发送来的控制柜非正常工作状态的警报信号，进行声光报警。

本发明的另一个目的在于提供一种具有很强的智能化和鲁棒性的控制柜故障诊断方法。

为实现以上目的，本发明采用的技术方案为：一种控制柜智能故障诊断方法，其步骤为：

a.信号处理过程，包含以下步骤：

步骤(a-1)：对控制柜在已知变压器短路故障、变频器输入缺相故障、变频器输出缺相故障、继电器跳动故障、变压器扰动温升故障及无故障六类状态下所检测的振动、温度、电压、电流信号进行傅里叶变换得到上述故障状态下各自的频谱图；

步骤(a-2)：通过尺度空间对由傅里叶变换得到的各自的频谱划分频带分界点；

步骤(a-3)：以频带能量均值为标准将大于均值频带保持不变，小于均值的频带就近合并，实现对初始频带分界点的筛选，得到各自故障状态下新的傅里叶频谱划分图；

步骤(a-4)：利用Meyer小波构造的经验尺度函数式和经验模态小波包函数得到正交小波滤波器，进行各自故障信号的滤波降噪；

步骤(a-5)：使用与对确定细节系数和近似系数进行确定，得到各自故障信号的经验模态分量函数为：

步骤(a-6)：通过式计算各分量信号的能量E₁(t)，E₂(t)，…，E_n(t)(在此n＝12)，通过式计算各分量信号的总能量E，构建能量特征向量T，T＝[E₁，E₂，...E_n]，为方便计算对T进行归一化处理，得到特征向量T′，最后得到经验模态小波包能量熵为：

b.状态分类过程，包含以下步骤：

步骤(b-1)：构造12个输入6个输出的4层BP神经网络，初始化阈值为0.1，误差允许值为0.01；

步骤(b-2)：随机产生该BP神经网络的连接权值；

步骤(b-3)：将a过程得到的12个经验模态小波包能量熵H_E1-H_E12输入神经网络，进行网络训练；

步骤(b-4)：根据6个输出的初始化阈值及误差允许值，对BP神经网络各层间的权值参数进行调整；

步骤(b-5)：对BP神经网络各层的连接权值学习参数进行趋同与异化操作；

步骤(b-6)：调整BP神经网络的权值，计算权值适应值；

步骤(b-7)：对BP神经网络输出值与期望值进行误差计算，得到的误差与误差允许值进行对比，大于误差允许值时进入步骤(b-4)，小于误差允许值时进行步入(b-8)；

步骤(b-8)：保存训练合格的神经网络；

c.状态判别过程，包含以下步骤：

步骤(c-1)：利用所述控制柜故障诊断系统在线采集被检测控制柜的振动、温度、电流、电压信号；

步骤(c-2)：对上述信号进行a.信号处理过程的计算；

步骤(c-3)：采用b.状态分类过程获取的训练好的BP神经网络进行计算；

步骤(c-4)获取被检测控制柜的状态。

本发明实现了控制柜故障诊断的智能化，极大地降低了工作人员的劳动强度，提高了故障诊断精确度，科研成果将极大地带动科技进步和社会、经济的发展。

附图说明

图1是本发明实施例提供的控制柜智能故障诊断系统的总体组成结构框图。

图2是本发明实施例提供的控制柜智能故障诊断系统的位置关系示意图。

图中，1.振动传感器；2.温度变送器；3.电流变送器；4电压变送器；5.数据采集卡；6.工控机；7.显示装置；8.报警装置；9.接线端子排；10.故障诊断软件；11.振动采样电阻；12.温度采样电阻；13.电流采样电阻；14.电压采样电阻；20.电源。

图3是本发明实施例提供的控制柜智能故障诊断方法的实施步骤。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1示出了本发明提供的控制柜智能故障诊断系统的总体组成结构。为了便于说明，仅仅示出了与本发明相关的部分。

本发明的控制柜智能故障诊断系统包括；振动传感器1、温度变送器2、电流变送器3、电压变送器4、数据采集卡5、接线端子排9、故障诊断软件10、振动采样电阻11、温度采样电阻12、电流采样电阻13、电压采样电阻14、电源20。

所述振动传感器1，采用CT1010LC系列一体化振动速度变送器，安装在控制柜变压器壳体上，由所述电源20提供DC24V的直流电压，进行控制柜变压器振动信号采集。

所述温度变送器2，采用PT100温度变送器，安装在变压器壳体上，由所述电源20提供DC24V的直流电压，进行控制柜变压器温度信号采集。

所述电流变送器3，采用SIN-DJI-B-30A-V1-B1型号电流变送器，安装在控制柜变频器附近的导轨上，由所述电源20提供DC24V的直流电压，进行控制柜变频器输出端电流信号采集。

所述电压变送器4，采用MIK-DJU型电压变送器，安装在控制柜变频器附近的导轨上，由所述电源20提供DC24V的直流电压，进行控制柜变频器输出端电压信号采集。

所述振动采样电阻11，为500Ω的精密采样电阻，与所述振动传感器1电连接，将所述振动传感器1变送输出的4-20mA电流信号在进入所述数据采集卡5之前转换成2-10V的电压信号。

所述温度采样电阻12，为500Ω的精密采样电阻，与所述温度变送器2电连接，将所述温度变送器2变送输出的4-20mA电流信号在进入所述数据采集卡5之前转换成2-10V的电压信号。

所述电流采样电阻13，为500Ω的精密采样电阻，与所述电流变送器3电连接，将所述电流变送器3变送输出的4-20mA电流信号在进入所述数据采集卡5之前转换成2-10V的电压信号。

所述电压采样电阻14，为500Ω的精密采样电阻，与所述电压变送器4电连接，将所述电压变送器4变送输出的4-20mA电流信号在进入所述数据采集卡5之前转换成2-10V的电压信号。

所述接线端子排9，与所述振动采样电阻11、所述温度采样电阻12、所述电流采样电阻13、所述电压采样电阻14电连接，用于集成采集的振动、温度、电流、电压信号。

所述数据采集卡5，采用研华PCI-1716数据采集卡，安装在所述工控机6的PCI槽内，与所述接线端子排9通过排线电连接，把采集的振动、温度、电流、电压信号进行A/D转换。

所述工控机6，采用研华610L工业控制计算机，通过故障诊断软件进行控制柜的故障诊断。

所述故障诊断软件，由所述故障诊断方法编写的程序算法，用于实现控制柜的振动、温度、电流、电压信号分析计算及状态识别。

下面结合附图2及具体实施例对本发明的应用原理作进一步描述。

如图2所示，本发明实施例的控制柜智能故障诊断系统位置关系示意图。图中，所述振动传感器1安装在变压器壳体上，由所述电源20供电，保障了所述振动传感器1能够对控制柜中包括变压器与继电器的振动信号进行采集；所述温度变送器2安装在变压器壳体上，由所述电源20供电，保障了所述温度变送器2对变压器温度信号的采集；所述电流变送器3安装在变频器输出线路附近的安装导轨上，由所述电源20供电，利用霍尔感应原理完成对变频器的输出电流信号的采集；所述电压变送器4安装在变频器输出线路附近的安装导轨上，由所述电源20供电，所述电压变送器4的输入侧与变频器输出直流母线并联，完成对变频器输出电压信号的采集；所述数据采集卡5安装在所述工控机6的PCI插槽内，通过所述接线端子排9将振动、温度、电流、电压信号传输至所述工控机6，完成对信号的采集；所述工控机6放置在机房内，保障了在控制柜运行过程中，接收所述振动传感器1、温度变送器2、电流变送器3、电压变送器4采集的振动信号、温度信号、电流信号、电压信号，并通过所述故障诊断软件10进行分析计算，完成故障的状态识别与分类，实现故障诊断与预警；所述显示装置7放置在监控室内，保障了振动信号、温度信号、电流信号、电压信号的实时监控与数据的显示，并且可以显示出故障种类；所述报警装置8安装在监控室内，保障了故障发生时发出警报，提醒工作人员进行停机维修或运行维护。

图3是本发明公开的一种控制柜智能故障诊断方法，包括a.信号处理过程；b.状态分类过程；c.状态判别过程。

a.信号处理过程，包含以下步骤：

步骤(a-1)：对控制柜在已知变压器短路故障、变频器输入缺相故障、变频器输出缺相故障、继电器跳动故障、变压器扰动温升故障及无故障六类状态下所检测的振动、温度、电压、电流信号进行傅里叶变换得到上述故障状态下各自的频谱图；

步骤(a-2)：通过尺度空间对由傅里叶变换得到的各自的频谱划分频带分界点；

步骤(a-3)：以频带能量均值为标准将大于均值频带保持不变，小于均值的频带就近合并，实现对初始频带分界点的筛选，得到各自故障状态下新的傅里叶频谱划分图；

步骤(a-4)：利用Meyer小波构造的经验尺度函数式和经验模态小波包函数得到正交小波滤波器，进行各自故障信号的滤波降噪；

步骤(a-5)：使用与对确定细节系数和近似系数进行确定，得到各自故障信号的经验模态分量函数为：

步骤(a-6)：通过式计算各分量信号的能量E₁(t)，E₂(t)，…，E_n(t)(在此n＝12)，通过式计算各分量信号的总能量E，构建能量特征向量T，T＝[E₁，E₂，...E_n]，为方便计算对T进行归一化处理，得到特征向量T′，最后得到经验模态小波包能量熵为：

b.状态分类过程，包含以下步骤：

步骤(b-1)：构造12个输入6个输出的4层BP神经网络，初始化阈值为0.1，误差允许值为0.01；

步骤(b-2)：随机产生该BP神经网络的连接权值；

步骤(b-3)：将a过程得到的12个经验模态小波包能量熵H_E1-H_E12输入神经网络，进行网络训练；

步骤(b-4)：根据6个输出的初始化阈值及误差允许值，对BP神经网络各层间的权值参数进行调整；

步骤(b-5)：对BP神经网络各层的连接权值学习参数进行趋同与异化操作；

步骤(b-6)：调整BP神经网络的权值，计算权值适应值；

步骤(b-7)：对BP神经网络输出值与期望值进行误差计算，得到的误差与误差允许值进行对比，大于误差允许值时进入步骤(b-4)，小于误差允许值时进行步入(b-8)；

步骤(b-8)：保存训练合格的神经网络；

c.状态判别过程，包含以下步骤：

步骤(c-1)：利用所述控制柜故障诊断系统在线采集被检测控制柜的振动、温度、电流、电压信号；

步骤(c-2)：对上述信号进行a.信号处理过程的计算；

步骤(c-3)：采用b.状态分类过程获取的训练好的BP神经网络进行计算；

步骤(c-4)获取被检测控制柜的状态。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种控制柜智能故障诊断系统，其特征在于：所述控制柜智能故障诊断系统包括：

振动传感器，安装在控制柜变压器壳体上，用于采集控制柜变压器的振动信息；

温度变送器，安装在控制柜变压器壳体上，用于采集控制柜变压器温度信息；

电流变送器，安装在控制柜变频器附近的导轨上，变频器U、V、W相输出线从所述电流变送器的互感器空心穿过，用于采集控制柜变频器的三相输出电流信息；

电压变送器，安装在控制柜变频器附近的导轨上，变频器输出端的U、V、W相电压接入所述电压变送器的输入侧，用于采集控制柜变频器三相输出电压信息；

接线端子排，安装在控制柜下侧面板上，用于汇集所述振动传感器、所述温度变送器、所述电流变送器、所述电压变送器采集的信号，通过排线电连接至数据采集卡；

振动采样电阻，与所述振动传感器电连接，并经过所述接线端子排信号地公共接线端，将所述振动传感器采集的4-20mA电流信号转换成0-10V电压信号；

温度采样电阻，与所述温度变送器电连接，并经过所述接线端子排信号地公共接线端，将所述温度变送器采集的4-20mA电流信号转换成0-10V电压信号；

电流采样电阻，与所述电流变送器电连接，并经过所述接线端子排信号地公共接线端，将所述电流变送器采集的4-20mA电流信号转换成0-10V电压信号；

电压采样电阻，与所述电压变送器电连接，并经过所述接线端子排信号地公共接线端，将所述电压变送器采集的4-20mA电流信号转换成0-10V电压信号；

数据采集卡，安装在工控机的PCI插槽上，与所述接线端子排通过排线电连接，用于将所述振动传感器、温度变送器、电流变送器、电压变送器采集到的信号A/D转换给工控机进行分析处理；

工控机，接收所述振动传感器、温度变送器、电流变送器、电压变送器采集的振动信号、温度信号、电流信号、电压信号，并通过故障诊断软件对接收到的信号处理后进行处理和分析，在故障诊断方法下得到诊断结果，完成控制柜故障的状态识别与分类，实现故障诊断与预警，并生成故障诊断报表；

显示装置，与所述工控机通过VGA接口电连接，将分析过程与诊断结果显示出来，并且可以对物理通道、阈值标准值进行调整；

报警装置，与所述工控机电连接，接受所述工控机发送来的控制柜非正常工作状态的警报信号，进行声光报警；

电源，与所述振动传感器、所述温度变送器、所述电流变送器、所述电压变送器电连接，为这4个检测原件提供DC24V的直流电源。

2.一种控制柜智能故障诊断方法，其步骤为：

a.信号处理过程，包含以下步骤：

步骤(a-1)：对控制柜在已知变压器短路故障、变频器输入缺相故障、变频器输出缺相故障、继电器跳动故障、变压器扰动温升故障及无故障六类状态下所检测的振动、温度、电压、电流信号进行傅里叶变换得到上述故障状态下各自的频谱图；

步骤(a-2)：通过尺度空间对由傅里叶变换得到的各自的频谱划分频带分界点；

步骤(a-3)：以频带能量均值为标准将大于均值频带保持不变，小于均值的频带就近合并，实现对初始频带分界点的筛选，得到各自故障状态下新的傅里叶频谱划分图；

步骤(a-4)：利用Meyer小波构造的经验尺度函数式和经验模态小波包函数得到正交小波滤波器，进行各自故障信号的滤波降噪；

步骤(a-5)：使用与对确定细节系数和近似系数进行确定，得到各自故障信号的经验模态分量函数为：

步骤(a-6)：通过式计算各分量信号的能量E₁(t)，E₂(t)，…，E_n(t)(在此n＝12)，通过式计算各分量信号的总能量E，构建能量特征向量T，T＝[E₁，E₂，...E_n]，为方便计算对T进行归一化处理，得到特征向量T′，最后得到经验模态小波包能量熵为：

b.状态分类过程，包含以下步骤：

步骤(b-1)：构造12个输入6个输出的4层BP神经网络，初始化阈值为0.1，误差允许值为0.01；

步骤(b-2)：随机产生该BP神经网络的连接权值；

步骤(b-3)：将a过程得到的12个经验模态小波包能量熵H_E1-H_E12输入神经网络，进行网络训练；

步骤(b-4)：根据6个输出的初始化阈值及误差允许值，对BP神经网络各层间的权值参数进行调整；

步骤(b-5)：对BP神经网络各层的连接权值学习参数进行趋同与异化操作；

步骤(b-6)：调整BP神经网络的权值，计算权值适应值；

步骤(b-7)：对BP神经网络输出值与期望值进行误差计算，得到的误差与误差允许值进行对比，大于误差允许值时进入步骤(b-4)，小于误差允许值时进行步入(b-8)；

步骤(b-8)：保存训练合格的神经网络；

c.状态判别过程，包含以下步骤：

步骤(c-1)：利用所述控制柜故障诊断系统在线采集被检测控制柜的振动、温度、电流、电压信号；

步骤(c-2)：对上述信号进行a.信号处理过程的计算；

步骤(c-3)：采用b.状态分类过程获取的训练好的BP神经网络进行计算；

步骤(c-4)获取被检测控制柜的状态。