點火線圈絕緣故障檢測和分類方法研究.pdf

1、點火線圈是汽車中的重要關鍵部件,它主要的故障形式是絕緣故障,目前點火系統(tǒng)高電壓、高能量、高帶寬、高頻率的發(fā)展趨勢向點火線圈絕緣故障檢測提出了更高的要求。國內點火線圈制造商缺少專用于絕緣故障的檢測、分析方法和關鍵技術,國外現有的點火線圈絕緣故障檢測方法無法快速完成絕緣故障快速在線檢測。并且雖然大型高壓電器的絕緣故障檢測與分析方法已經較為成熟,但是由于小型密封絕緣高壓電器的絕緣故障的研究條件更苛刻、故障脈沖識別難度更大,所以這些方法并不適用

2、于點火線圈。
　　本文針對小型密封絕緣高壓電器的特性,為點火線圈絕緣故障檢測存在的上述問題提供了解決方法:首先在線識別絕緣故障脈沖的存在,其次在故障信號中確定絕緣故障發(fā)生的時刻,以發(fā)生時刻為中心提取故障信息,依據故障信息區(qū)分不同特征的故障源,指導制造工藝的改進?；谏鲜鏊枷?本文的主要研究內容如下:
　　為準確捕捉絕緣故障脈沖,現有點火線圈絕緣故障檢測方法要求高速高采樣率,在信號處理和特征提取過程中處理的信息大部分與檢測任務

3、無關,窄脈沖難以定位等問題。針對上述問題提出的檢測方法在分析絕緣故障脈沖時、頻特征的基礎上,首先提取絕緣故障脈沖的高頻成分提高檢測效率。在進行去噪和特征提取過程中,同時將模擬信號中由多個10ns級極窄脈沖組成的故障脈沖的能量估計轉化為μs級數字脈沖的寬度計算,節(jié)約檢測時間,保留有用特征,排除噪聲干擾?？焖?、有效地在線識別絕緣故障點火線圈,再通過對故障的進一步分析確定故障源。
　　針對絕緣故障脈沖奇異點不同于一般奇異點檢測統(tǒng)計模型的

4、特點,本文絕緣故障信號奇異點檢測算法在排除信號自身奇異點影響的基礎上,根據絕緣故障脈沖奇異點鄰域內模極大值點的分布特征制定追蹤策略。針對小波變換模極大值奇異點檢測傳統(tǒng)算法抗噪性差的問題,本文算法在追蹤過程中對模極大值點和線進行篩選,避免由噪聲產生的模極大值點連接成線。針對復雜算法繪制模極大值線步驟繁瑣的問題,本文算法在追蹤模極大值點的同時,兼顧模極大值點的選擇、模極大值線的篩選、交叉模極大值線的合并、模極大值線間的續(xù)接等,優(yōu)化繪制模極大

5、值線的步驟。本文提出的基于小波變換模極大值路線修正追蹤的奇異點檢測算法針對脈沖奇異點檢測問題提高了現有算法的檢測精度和速度。
　　針對現有高壓電器絕緣故障分類使用原始特征量,原始特征量中含有冗余和無關信息的問題,本文提出的主成分分析方法使用先分析后均衡的方法處理特征量,在保存原始特征量有效信息的基礎上,實現特征量降維并增強特征量與目標標簽的聯(lián)系。針對神經網絡依賴先驗知識和充足樣本,不適合小型密封絕緣高壓電器絕緣故障分類的問題,使用

6、更適合小樣本和無先驗知識的支持向量機分類。針對所有樣本對訓練過程貢獻均等,離群點影響分類器收斂速度等問題,根據分類問題的樣本分布對每個樣本分別使用不同的懲罰系數,提出一種基于PSO樣本加權的支持向量機分類算法。與傳統(tǒng)的神經網絡、標準支持向量機和PCA支持向量機算法相比,本文提出的改進的主成分分析特征提取方法和基于PSO樣本加權支持向量機的絕緣故障分類算法提高了分類準確度,減少了分類算法的迭代次數。
　　本文提出的檢測與分類方法改善