前言：本站為你精心整理了光纖傳感器下電氣設備狀態(tài)檢測淺析范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：針對當前方法存在的電氣設備狀態(tài)檢測正確率低，誤檢率、漏檢率高居不下的難題，為了改善電氣設備狀態(tài)檢測結(jié)果，設計基于光纖傳感器的電氣設備狀態(tài)檢測方法。分析電氣設備狀態(tài)檢測的研究現(xiàn)狀，找到各種電氣設備狀態(tài)檢測方法的局限性；通過光纖傳感器采集電氣設備狀態(tài)信號，對電氣設備狀態(tài)信號進行預處理，并從電氣設備狀態(tài)信號中提取特征；采用ＲＢＦ神經(jīng)網(wǎng)絡根據(jù)特征擬合電氣設備狀態(tài)變化特點，建立電氣設備狀態(tài)檢測模型，并與其他電氣設備狀態(tài)檢測方法進行仿真對比測試實驗。實驗結(jié)果表明，提出的方法的電氣設備狀態(tài)檢測正確率超過９０％，電氣設備狀態(tài)的誤檢率、漏檢率均低于５％，檢測效果明顯優(yōu)于對比方法，可以應用于實際的電氣設備安全維護中。

關鍵詞：電氣設備；狀態(tài)信號；ＲＢＦ神經(jīng)網(wǎng)絡；信號去噪；檢測效率

０引言

隨著電氣自動技術(shù)的不斷發(fā)展，出現(xiàn)了大量的電氣設備，電氣設備在工作過程中，如果狀態(tài)不正常，出現(xiàn)故障，那么會影響電氣設備的正常工作，甚至可能會影響到其他相關設備的正常工作［１－２］。電氣設備工作狀態(tài)檢測可以幫助管理人員了解電氣設備的運行情況，及時或者提前發(fā)現(xiàn)電氣設備的故障，快速處理這些電氣設備故障，保證電氣設備的正常工作。因此，電氣設備狀態(tài)檢測具有十分重要的研究意義［３－５］。由于電氣設備狀態(tài)檢測具有較高的實際應用價值，國內(nèi)外許多研究機構(gòu)的研究人員、相關專業(yè)人員以及高校一些科研人員對其進行了有益的研究，并取得了一系列的電氣設備狀態(tài)檢測研究成果，提出了許多有效的電氣設備狀態(tài)檢測方法［６］。最初一些專業(yè)人員通過專業(yè)工具進行電氣設備狀態(tài)檢測，該方法的檢測過程繁鎖，而且檢測結(jié)果具有一定的盲目性和主觀性，錯誤率高，結(jié)果可信度低［７］。隨后出現(xiàn)基于信號處理技術(shù)的電氣設備狀態(tài)檢測方法，該方法通過信號的變化去跟蹤電氣設備狀態(tài)，并結(jié)合一些人工智能技術(shù)進行電氣設備狀態(tài)檢測模型的設計，如基于決策樹的電氣設備狀態(tài)檢測方法、基于ＢＰ神經(jīng)網(wǎng)絡的電氣設備狀態(tài)檢測方法、基于支持向量機的電氣設備狀態(tài)檢測方法、基于ＲＢＦ神經(jīng)網(wǎng)絡的電氣設備狀態(tài)檢測方法等。決策樹方法的電氣設備狀態(tài)檢測速度快，但是檢測正確率較低；支持向量機的電氣設備狀態(tài)檢測正確率高，但是檢測實時性差；神經(jīng)網(wǎng)絡的電氣設備狀態(tài)檢測效果要優(yōu)于決策樹，檢測實時性要優(yōu)于支持向量機，成為當前主要的研究方向［８－１０］。在神經(jīng)網(wǎng)絡的電氣設備狀態(tài)檢測過程中，信號采集和去噪十分關鍵，當前主要采用普通傳感器采集電氣設備狀態(tài)信號，這些狀態(tài)信號包含了大量的噪聲，對電氣設備狀態(tài)檢測結(jié)果產(chǎn)生不利影響，使得電氣設備狀態(tài)檢測效果有待進一步提升。為了解決當前方法存在的缺陷，提高電氣設備狀態(tài)檢測正確率，提出基于光纖傳感器的電氣設備狀態(tài)檢測方法。該方法結(jié)合了光纖傳感器、小波去噪方法以及ＲＢＦ神經(jīng)網(wǎng)絡的優(yōu)點，通過它們對電氣設備狀態(tài)變化特點進行擬合，并與其他電氣設備狀態(tài)檢測方法進行仿真對比測試實驗，驗證了光纖傳感器的電氣設備狀態(tài)檢測方法的優(yōu)越性。

１基于光纖傳感器的電氣設備狀態(tài)檢測方法

１．１光纖傳感器采集電氣設備狀態(tài)信號

當電氣設備狀態(tài)發(fā)生變化時，其信號的波形也會發(fā)生相應的變化，因此通過光纖傳感器對電氣設備狀態(tài)信號進行采集。相對于普通傳感器，光纖傳感器對環(huán)境的要求低，可以將被測對象的狀態(tài)轉(zhuǎn)變?yōu)楣庑盘?，使得采集電氣設備狀態(tài)信號的速度加快。本文選擇的光纖傳感器參數(shù)見表１。

１．２電氣設備狀態(tài)信號的降噪處理

設Ψ（ｔ）∈Ｌ２（Ｒ），Ｌ２（Ｒ）的傅里葉變換為Ψ（ω），當Ψ（ω）滿足式（１），Ψ（ｔ）表示母小波，ＣΨ＝∫ＲΨ（ω）２ωｄω（１）對Ψ（ｔ）進行伸縮和平移得到小波序列，具體如：Ψａ，ｂ（ｔ）＝１ａΨｔ－ｂ（）ａ，ａ，ｂ∈Ｒ（２）由于光纖傳感器采集的電氣設備狀態(tài)信號為數(shù)字信號，因此構(gòu)建離散小波序列，具體為Ψｊ，ｋ（ｔ）＝２－ｊ／２Ψ（２－ｊｔ－ｋ），ｊ，ｋ∈Ｚ（３）小波變換具體為Ｗｆ（ａ，ｂ）＝〈ｆ，Ψａ，ｂ（ｔ）〉＝ａ－１／２∫Ｒｆ（ｔ）Ψｔ－ｂ（）ａｄｔ（４）小波逆變換為ｆ（ｔ）＝１ＣΨ∫Ｒ∫Ｒ１ａ２Ｗｆ（ａ，ｂ）Ψｔ－ｂ（）ａｄａｄｂ（５）電氣設備狀態(tài)信號降噪實質(zhì)為通過小波變換得不同的小波系數(shù)，將噪聲對應的小波系數(shù)置為０，然后重構(gòu)電氣設備狀態(tài)信號，獲取濾除噪聲后的電氣設備狀態(tài)信號。

１．３ＲＢＦ神經(jīng)網(wǎng)絡建立電氣設備狀態(tài)檢測模型

１．３．１ＲＢＦ神經(jīng)網(wǎng)絡。相比其他神經(jīng)網(wǎng)絡，ＲＢＦ神經(jīng)網(wǎng)絡的最大不同點為隱含層采用了徑向基核函數(shù)，通過該核函數(shù)對隱含層節(jié)點的輸入和輸出進行非線性映射，可以采用圖１對其結(jié)構(gòu)進行描述［１１］。設Ｗｉｋ表示節(jié)點之間的連接權(quán)值，對一個輸入向量Ｘ′，通過非線性映射數(shù)Ｒ（）可以得到節(jié)點的相應輸出計算式為ｌｉ＝１ＷｉｋＲｉ（Ｘ′）（６）式中，ｉ為神經(jīng)網(wǎng)絡的節(jié)點編號。徑向基核函數(shù)為Ｒｉ（Ｘ′）＝ｅｘｐ－１２Ｘ′－ｃｉσ（）（）ｉ（７）式中，ｃｉ表示徑向基的中心。對于第ｊ個樣本，計算其與所有徑向基的中心之間的距離，并找到最小的中心ｃｍｉｎ，具體如：ｃｍｉｎ（ｊ）＝ｃｍｉｎ（ｊ－１）＋α（Ｘ′（ｊ）－ｃｍｉｎ（ｊ－１））（８）ＲＢＦ神經(jīng)網(wǎng)絡的學習步驟如下。Ｓｔｅｐ１：根據(jù)待求解的問題對ＲＢＦ神經(jīng)網(wǎng)絡的相關參數(shù)進行初始化，并設置學習的允許的最大誤差。Ｓｔｅｐ２：根據(jù)式（８）確定輸入樣本與隱含層節(jié)點之間的最小距離。Ｓｔｅｐ３：不斷調(diào)整徑向基核函數(shù)的中心。Ｓｔｅｐ４：對于整個訓練樣本反復執(zhí)行Ｓｔｅｐ２至Ｓｔｅｐ３，直到滿足式（９）設定的條件為止，Ｊｅ＝∑ｌｉ＝１ｘ（ｋ）－ｃｉ（ｋ）≤ε（９）Ｓｔｅｐ５：確定最優(yōu)徑向基核函數(shù)的中心后，對權(quán)值ｗｉｋ進行更新操作：ｗｋｉ（ｋ＋１）＝ｗｋｉ（ｋ）＋Δｗｋｉ（ｋ）（１０）１．３．２ＲＢＦ神經(jīng)網(wǎng)絡的電氣設備狀態(tài)檢測原理。首先采集電氣設備狀態(tài)信號，并采用小波變換去掉電氣設備狀態(tài)信號的噪聲；然后提取電氣設備狀態(tài)檢測特征，并對其進行歸一化處理；最后采用ＲＢＦ神經(jīng)網(wǎng)絡對特征和電氣設備狀態(tài)之間的關系進行學習，建立電氣設備狀態(tài)檢測模型。

２電氣設備狀態(tài)檢測方法的性能測試

２．１測試平臺

為了測試基于光纖傳感器的電氣設備狀態(tài)檢測方法的有效性和優(yōu)越性，選擇沒有降噪＋ＲＢＦ神經(jīng)網(wǎng)絡的電氣設備狀態(tài)檢測方法（ＲＢＦＮＮ）、普通傳感器的電氣設備狀態(tài)檢測方法進行對比實驗，采用電氣設備狀態(tài)檢測正確率、電氣設備狀態(tài)的誤檢率和漏檢率以及電氣設備狀態(tài)檢測效率分析各種檢測方法的測試結(jié)果，采用相同的測試平臺，具體如表２所示。

２．２測試對象

為了使電氣設備狀態(tài)檢測結(jié)果更具說服力，將電氣設備狀態(tài)劃分為５種類型：正常狀態(tài)、元件故障、電路故障、負載不均衡、電源故障，分別采用１～５進行編號，對各種狀態(tài)的樣本進行采集，采集的各種樣本數(shù)量如表３所示。２．３電氣設備狀態(tài)檢測結(jié)果分析采用不同電氣設備狀態(tài)檢測方法對表３中的測試數(shù)據(jù)進行學習和建模，并統(tǒng)計電氣設備狀態(tài)檢測正確率、電氣設備狀態(tài)的誤檢率和漏檢率，結(jié)果如圖２所示。從圖２可以看出。（１）普通傳感器的電氣設備狀態(tài)檢測正確率為８１．４７％，電氣設備狀態(tài)的誤檢率和漏檢率分別為１０．０２％和８．５１％，電氣設備狀態(tài)檢測結(jié)果無法達到理想狀態(tài)，缺陷十分明顯，這是因為普通傳感器對環(huán)境因素比較敏感，影響了電氣設備狀態(tài)信號的采集。（２）ＲＢＦＮＮ的電氣設備狀態(tài)檢測正確率為８６．２５％，電氣設備狀態(tài)的誤檢率和漏檢率分別為８．１２％和５．６３％，電氣設備狀態(tài)檢測結(jié)果并非最優(yōu)，這是因為沒有進行降噪處理，噪聲干擾了電氣設備狀態(tài)檢測結(jié)果。（３）光纖傳感器的電氣設備狀態(tài)檢測正確率為９３．３４％，電氣設備狀態(tài)的誤檢率和漏檢率分別為４．２６％和２．４０％，電氣設備狀態(tài)檢測結(jié)果十分理想，克服了ＲＢＦＮＮ和普通傳感器的缺陷，這是因為本文方法采用光纖傳感器采集信號，并對噪聲進行了去除處理，改善了電氣設備狀態(tài)檢測結(jié)果。

２．４電氣設備狀態(tài)的檢測效率對比

統(tǒng)計不同方法的電氣設備狀態(tài)檢測時間，結(jié)果如圖３所示。對圖３的電氣設備狀態(tài)檢測時間進行分析可以發(fā)現(xiàn)，對不同的狀態(tài)，電氣設備狀態(tài)檢測時間有一定的差異性，但是對于同一種狀態(tài)，光纖傳感器的電氣設備狀態(tài)檢測時間要少于普通傳感器和ＲＢＦ神經(jīng)網(wǎng)絡，這主要是由于通過降噪處理，簡化了電氣設備狀態(tài)檢測的建模過程，提升了電氣設備狀態(tài)的檢測效率。

２．５電氣設備狀態(tài)檢測方法的通用性測試

為了本文方法的通用性，采用本文方法對１００個電氣設備的各種狀態(tài)進行檢測，統(tǒng)計電氣設備狀態(tài)檢測正確率，結(jié)果如圖４所示。從圖４可以看出，本文方法的電氣設備狀態(tài)檢測正確率均高于９０％，電氣設備狀態(tài)檢測結(jié)果十分穩(wěn)定，具有較好的通用性，實際應用范圍廣泛。

３總結(jié)

針對當前的電氣設備狀態(tài)檢測過程中受噪聲干擾和檢測效果不理想的問題，為了獲得更優(yōu)的電氣設備狀態(tài)檢測結(jié)果，本文提出了基于光纖傳感器的電氣設備狀態(tài)檢測方法，并通過具體仿真實驗可以得到如下結(jié)論。

作者:施力仁 單位:中山市中等專業(yè)學校