航空交流电弧故障和串扰问题的频域分析及特征量提取

航空交流电弧故障直接危害着飞机飞行的安全,由于航空环境复杂极易引发电弧故障,因此这一问题越来越受到人们的重视.依据标准搭建了点接触串联和电缆切割并联电弧故障实验及串话干扰实验,后者模拟了当有一个支路发生电弧故障时对另一个支路电流信号的影响,并且在故障检测时被干扰支路信号应诊断为正常情况.鉴于频域相比于时频域和时域方法兼具了实时性和可靠性的优点,因此利用快速傅里叶变换对采集的实验电流信号进行频谱分析,在特征频段内提取奇次谐波和值与偶次谐波和值之后用欧式距离算法对其进行融合处理得到特征量谐波和距离值,根据电弧故障、被干扰和正常情况下谐波含量的变化情况区分是否产生电弧故障.将特征量输入到训练之后的粒子群算法优化的支持向量机中进行测试识别,结果表明该方法的识别准确率达到了98.125％,具有较好的实时性和适用性.最后采用测试负载验证了上述电弧故障识别算法的有效性.     

基于三维熵距和熵空间的航空电弧故障检测与分类技术

鉴于常用的时频域分析方法在航空电弧故障检测中的局限性,同时为避免单特征量的偶然性,该文提出利用三维熵距的方法实现三种信息熵的特征融合,为减少特征融合带来的噪声与冗余,利用主元分析(PCA)故障检测技术以实现特征矩阵的降维处理.分别分析小波能量熵、功率谱熵、样本熵以及三种信息熵的三维熵距在电弧故障发生前后的特征差异.利用PCA故障检测技术将特征矩阵降维处理,同时给出各试验负载下的PCA的监测统计量T 2和平方预测误差(SPE)及其各自的控制限,通过电弧故障发生前后的T 2和SPE值与各自的控制限的比较,实现航空交流电弧故障的检测.分析结果表明,该方法结合了各特征量的优势,不需要人工设置阈值,能够较为准确地判别电弧故障的发生.最后利用三维熵空间,给出几种典型的电弧故障类型的分类方法.在实现电弧故障检测的同时,给出电弧故障的类型,能够更加有效地对不同电弧故障的发生做出有针对性的应对.     

基于改进经验小波变换多特征融合的航空交流串联电弧故障检测

针对时频域分析方法经验模态分解（EMD）在处理电弧信号上存在模态混叠现象,提出一种基于改进经验小波变换（IEWT）多特征融合与极限学习机（ELM）的电弧故障检测方法。该方法首先将电弧电流信号进行IEWT变换,自适应分解为5个经验模态分量（EMFs）,提取EMFs的权重能量熵、EMF4的样本熵及EMF1的方均根值作为特征量。在进行数据标准化后,将3个电弧故障特征融合并形成多维特征矩阵,最后通过ELM进行故障识别。在分析中对IEWT和EMD分解进行比较,结果表明,IEWT方法要优于EMD对信号的处理,并且在多特征提取下也避免了单一特征造成的误判,再结合ELM可以准确识别出电弧故障,经试验验证平均准确率为97.85%。     

基于Levene检验的航空交流串联电弧故障检测

航空电弧故障直接影响着航空飞行的安全,这一问题越来越受到重视,其中,交流串联电弧故障更隐蔽,造成的危害更大.该文基于航空115V/400Hz交流系统开展串联电弧故障模拟实验,并对检测方法进行了研究,鉴于目前统计学方法的局限性,提出用Levene检验对实验电流信号进行分析并提取特征量.Levene检验是分析两组及以上数据的方差齐性,从而找到正常和电弧故障情况的明显差异,与常见统计学方法峭度、偏态指标和相关系数利用粒子群算法优化的支持向量机进行识别准确率测试.结果表明,该方法的效率高于其他三种,并采用测试负载验证了其有效性.由此,在识别航空串联电弧故障时,Levene检验方法有较好的实时性和适用性,易于设定阈值,具有重要的工程应用价值.