工況監(jiān)測與故障診斷

工況監(jiān)測與故障診斷學(xué)中的概念系統(tǒng)故障指系統(tǒng)的構(gòu)造處于不正常狀態(tài)（劣化狀態(tài)）。它導(dǎo)致系統(tǒng)相應(yīng)的功能失常，故又稱失調(diào)或約束條件不滿足，即導(dǎo)致系統(tǒng)相應(yīng)的行為不滿足期望的要求。系統(tǒng)的這種劣化狀態(tài)稱之為故障狀態(tài)。判斷系統(tǒng)發(fā)生故障的準(zhǔn)則是：在給定的工作條件下，系統(tǒng)的功能與約束的條件若不滿足正常運行或原設(shè)計期望的要求，則可判定系統(tǒng)發(fā)生故障。狀態(tài)監(jiān)測指系統(tǒng)在工作狀態(tài)下，特征信號的檢測、變換、分析處理以及顯示記錄，并輸出診斷所需的或適用的信息，提供故障診斷的依據(jù)。故障診斷指查明導(dǎo)致系統(tǒng)發(fā)生故障的指定層次子系統(tǒng)、聯(lián)系的劣化狀態(tài)。顯然，故障診斷的實質(zhì)就是狀態(tài)識別。特征信號指系統(tǒng)的某部分輸出，而這部分輸出是同所關(guān)心的系統(tǒng)功能與約束條件緊密相關(guān)的。系統(tǒng)的功能往往是特征信號的一部分。系統(tǒng)無故障、有故障時的輸出分別稱為正常的、異常的輸出；相應(yīng)的，有故障、無故障時的特征信號分別稱為異常的、正常的特征信號。顯然，特征信號必然包含了系統(tǒng)中相應(yīng)的元素、聯(lián)系的有關(guān)狀態(tài)的信息。因此，如何選取包含有關(guān)狀態(tài)信息量最多的特征信號，成為電氣設(shè)備診斷學(xué)中重要內(nèi)容之一。征兆指對特征信號加以處理而提取的、直接用于診斷故障的信息。顯然，這種處理是去粗取精、提煉信息的過程。當(dāng)然，特征信號本身有時也可以作為征兆。因此，如何提取最有效地用于診斷的征兆，也是機械設(shè)備診斷學(xué)中重要內(nèi)容之一。河北師范大學(xué)職技學(xué)院學(xué)士學(xué)位論文第2章信息融合技術(shù)2.1信息融合技術(shù)簡介近20年來，傳感器技術(shù)獲得了迅猛的發(fā)展，各種面向復(fù)雜應(yīng)用背景的信息融合系統(tǒng)也隨之大量出現(xiàn)。在這些系統(tǒng)中，信息表現(xiàn)形式的多樣性、信息容量以及信息的處理速度等要求已大大超出人腦的信息融合能力，信息融合技術(shù)便應(yīng)運而生。在公開的技術(shù)文獻中，基于信息整合意義的融合一詞最早出現(xiàn)在70年代末期。由于信息融合系統(tǒng)本身所具有良好的性能穩(wěn)定性、寬闊的時空覆蓋區(qū)域、很高的測量維數(shù)和良好的目標(biāo)空間分辨率以及較強的故障容錯與系統(tǒng)重構(gòu)能力等潛在特點，因此，自信息融合技術(shù)一開始提出，就引起了西方各國國防部門的高度重視，并將其列為軍事高技術(shù)研究和發(fā)展領(lǐng)域中的一個重要專題。美國國防部早在1984年就成立了數(shù)據(jù)融合專家組(DFS，DataFusionSubanal)，指導(dǎo)、組織并協(xié)調(diào)有關(guān)這一國防關(guān)鍵技術(shù)的系統(tǒng)性研究，從而在80年代中期，信息融合技術(shù)首先在軍事領(lǐng)域研究中取得了相當(dāng)?shù)倪M展。根據(jù)國內(nèi)外研究成果，信息融合比較確切的定義可以概括為：充分利用不同時間與空間的多種信息資源，采用計算機技術(shù)對按時序獲得的觀測信息在一定準(zhǔn)則下加以自動分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，以完成所需的決策和估計任務(wù)，使系統(tǒng)獲得比各組成部分更優(yōu)越的性能。2.2多傳感器信息融合的基本原理在智能控制系統(tǒng)中，依靠單一的傳感器提供信息已無法滿足控制需要，必須運用多傳感器提供觀測信息，實時進行故障檢測、優(yōu)化綜合處理來獲得狀態(tài)估計、目標(biāo)屬性、態(tài)勢評估、故障估計等信息。多傳感器檢測的實現(xiàn)方式有兩種，即信息集成和信息融合?！凹伞笔嵌鄠鞲衅饕惑w化的初級階段，其基本特征是通過不同頻段的多種傳感器的“疊加”，實現(xiàn)性能和功能的“互補”。多傳感器集成雖然實現(xiàn)了結(jié)構(gòu)上的一體化以及性能和功能上的互補，但信息的綜合利用程度較低，特別是冗余信息幾乎未被利用。而在多傳感器測量系統(tǒng)中使用信息融合技術(shù)，不僅使系統(tǒng)組合的結(jié)構(gòu)更加合理，而且綜合利用多種傳感器信息的互補性和冗余性，提高了信息的確定性和可靠性，提高了低可觀性目標(biāo)的探測和識別能力，有助于提高決策的實時性和準(zhǔn)確性，同時也有利于降低系統(tǒng)的成本。它是今后更多地實現(xiàn)多傳感器偵察第2章信息融合技術(shù)的必然技術(shù)趨勢。信息融合是指利用計算機技術(shù)對來自多傳感器的探測信息按時序和一定準(zhǔn)則加以自動分析和綜合的信息處理過程，是對多種信息的協(xié)調(diào)優(yōu)化，又稱數(shù)據(jù)融合。從故障檢測角度講，信息融合可解釋為：對來自多源的數(shù)據(jù)和信息進行檢測、互聯(lián)、相關(guān)、估計和綜合等多層次多方面的處理，以獲得準(zhǔn)確的狀態(tài)和故障估計、完整而及時的故障因素。在多傳感器系統(tǒng)中，各種傳感器提供的信息可能具有不同的特質(zhì)：時變的或者非時變的，實時的或者非實時的，模糊的或者確定的，精確的或者不完整的，相互支持的或者互補的。多傳感器信息融合就像人腦綜合處理信息的過程一樣，它充分利用多個傳感器資源，通過對各種傳感器及其觀測信息的合理支配與使用，將各種傳感器在空間和時間上的互補與冗余信息依據(jù)某種優(yōu)化準(zhǔn)則結(jié)合起來，產(chǎn)生對觀測環(huán)境的一致性解釋或描述。信息融合的目標(biāo)是基于各種傳感器分離觀測信息，通過對信息的優(yōu)化組合導(dǎo)出更多的有效信息。這是最佳協(xié)同作用的效果，它的最終目的是利用多個傳感器共同或聯(lián)合操作的優(yōu)勢來提高整個系統(tǒng)的有效性。2.3多傳感器檢測系統(tǒng)中信息融合的級別層次多傳感器信息融合的關(guān)鍵問題之一是模型設(shè)計。信息融合模型主要包括功能模型、結(jié)構(gòu)模型和數(shù)學(xué)模型。要設(shè)計信息融合模型必須綜合考慮以下五個方面的因素，即：應(yīng)用領(lǐng)域、融合的目的和目標(biāo)、傳感器類型、傳感器的布置以及融合的級別等。對于多傳感器信息融合層次的問題，人們存在著不同的看法。按照四層結(jié)構(gòu)方式可分為：信號級融合，像素級融合，特征級融合和符號級融合；以輸入輸出數(shù)據(jù)類型可分為：數(shù)據(jù)入一一數(shù)據(jù)出融合，特征入一一特征出融合，決策入一一決策出融合，數(shù)據(jù)入一一特征出融合，特征入一一決策出融合，數(shù)據(jù)入一一決策出融合。對于多傳感器檢測系統(tǒng)，信息融合一般可分為三個層次，即數(shù)據(jù)級融合、特征級融合和決策級融合。信息融合技術(shù)己經(jīng)廣泛應(yīng)用于各個領(lǐng)域，并取得了巨大的經(jīng)濟效益和社會效益.。2.4在故障診斷領(lǐng)域中引入信息融合技術(shù)的意義進入90年代后，設(shè)備的功能要求和復(fù)雜程度大為改觀，以機、電、光、氣（汽）一體化為主要特點，設(shè)備向著高速度、高功率、高可靠性、大型化的趨勢發(fā)展，使得在對這些復(fù)雜設(shè)備進行工況監(jiān)測與故障診斷，實現(xiàn)按需維修、狀態(tài)維修的工作中，出現(xiàn)了令人們難以接受的高幾率的狀態(tài)辨識“瓶頸”一一虛警、漏報等。如美國空軍現(xiàn)役F-15、F-16戰(zhàn)機，其機內(nèi)BIT測試的虛警率為30%-50%。之所以出現(xiàn)如此高的虛警、誤報、漏報率，其根本原因在于在實際設(shè)備監(jiān)測與故障診斷過程中往往只是對設(shè)備運行狀態(tài)信息中的某一種信息進行觀測和分析，從中提取有關(guān)設(shè)備運行狀態(tài)的征兆信息。雖然這種方法有時可以判斷出機器的故障，但在許多情況下得出的診斷結(jié)果并不可靠。第3章單容水箱系統(tǒng)3.1單容水箱開環(huán)系統(tǒng)單容水箱的數(shù)學(xué)模型可用一階慣性環(huán)節(jié)來近似描述，且用下述方法求取對象的特征參數(shù)。單容水箱液位開環(huán)控制結(jié)構(gòu)圖如下：圖3-1單容水箱液位開環(huán)控制結(jié)構(gòu)圖設(shè)水箱的進水量為Q1,出水量為Q2,水箱的液面高度為h,出水閥V2固定于某一開度值。根據(jù)物料動態(tài)平衡的關(guān)系，求得：RCd^h+△h=RAQ

2dt2在零初始條件下，對上式求拉氏變換，得:H(s)_R_KS~Q(s)一RCS+1一TS+13-1式中，T=R2*C為水箱的時間常數(shù)（注意：閥V2的開度大小會影響到水箱的時間常數(shù)），K=R2為過程的放大倍數(shù)，也是閥V2的液阻，C為水箱的底面積。令輸入流量Q1（S）=R0/S，Ro為常量，則輸出液位的高度為：KRS(TS+1)KRKR—00SS+1/T3-2即1h(t)=KR0(1-e-Tt)當(dāng)tT8時，h(8)=KR0因而有:3-3h（s）輸出穩(wěn)態(tài)值K==——-————R0階躍輸入當(dāng)t=T時，則有:h(T)=KR(1-e-1)=0.63KR=0.63h(s)h（t）A°-63h（0）h（o）T圖3-2階躍響應(yīng)曲線式（3-3）表示一階慣性環(huán)節(jié)的響應(yīng)曲線是一單調(diào)上升的指數(shù)函數(shù)，如圖3-2所示。由式（3-4）可知該曲線上升到穩(wěn)態(tài)值的63%所對應(yīng)的時間，就是水箱的時間常數(shù)h（t）A°-63h（0）h（o）T圖3-2階躍響應(yīng)曲線其理論依據(jù)是：dh（t）_KR_匕KR_h（s）dt'=0-~T^€丁t=0―-T^廠3-5上式表示h（t）若以在原點時的速度h（g）IT恒速變化，即只要花T秒時間就可達到穩(wěn)態(tài)值h（8）。式（3-2）中的K值由下式求取：K=h（8）/R°=輸出穩(wěn)態(tài)值/階躍輸入3.2單容水箱閉環(huán)控制系統(tǒng)將單容水箱的開環(huán)控制系統(tǒng)連接成閉環(huán)控制系統(tǒng)，液位傳感器將檢測到的液位信號通過單片機通訊接口傳送到計算機，使其與設(shè)定值比較，判斷有無偏差存在或計算偏差大小。上位計算機調(diào)用MATLAB的PID算法程序，對偏差實現(xiàn)PID運算，運算結(jié)果通過單片機的通訊接口，來控制水泵轉(zhuǎn)速，從而調(diào)整水槽的進水量，達到控制液位的目的。天煌教儀的THKGK-1型過程控制實驗裝置水箱系統(tǒng)采用了感壓式傳感器和水流量傳感器。感壓傳感器用靜壓測量原理：當(dāng)液位變送器投入到被測液體中某一深度時，傳感器迎液面受到的壓力公式為：P=pgH+P（P：變送器液面壓力；p被測液體密度；g：重力加速度；H：變送器所處深度；P:液面上大氣壓）；水流量傳感器是利用霍爾元件的霍爾效應(yīng)來測量磁性物理量。在霍爾元件的正極串入負(fù)載電阻，同時通上5V的直流電壓并使電流方向與磁場方向正交。當(dāng)水通過渦輪開關(guān)殼推動磁性轉(zhuǎn)子轉(zhuǎn)動時，產(chǎn)生不同磁極的旋轉(zhuǎn)磁場，切割磁感應(yīng)線，產(chǎn)生高低脈沖電平。由于霍爾元件的輸出脈沖信號頻率與磁性轉(zhuǎn)子的轉(zhuǎn)速成正比，轉(zhuǎn)子的轉(zhuǎn)速又與水流量成正比。

圖3-3基于MATLAB的計算機單回路控制閉合回路的階躍響應(yīng)曲線如圖3-4圖3-4PID調(diào)節(jié)的階躍響應(yīng)曲線基于計算機控制的水箱液位實驗：圖3-6液位圖3-7流量第4章基于MATLAB編程的數(shù)據(jù)采集實驗所采用的是天煌教儀的THKGK-1型過程控制實驗裝置，并且此次實驗是基于單片機的計算機控制，他所采集的實驗數(shù)據(jù)都以*.mbd的文件保存在數(shù)據(jù)庫中，因此要想分析數(shù)據(jù)就要通過編程從數(shù)據(jù)庫中采出需要的信息。4.1從計算機上提取數(shù)據(jù)步驟4.1.1配置數(shù)據(jù)源從實驗計算機中復(fù)制出來計算機實驗所生成的*.mbd（Access數(shù)據(jù)庫文件）到所用計算機，然后進入計算機“控制面板”一“管理工具”一“數(shù)據(jù)源（ODBC）”一“添加”出現(xiàn)如下對話框：堡建潮數(shù)據(jù)i原迭擇您想為其安裝數(shù)據(jù)源的驅(qū)動程序S）o名稱DriverdoMicrosoftF：=q_adox(*.dbJDriverp:eltaoMicrosoftVisualFoxFroMicroEoftAccessDriver(*.mdbjMicrosoftMicrosoftMicrosoftMicrosoftMicrosoftAccess~Treiber(*.mdb)■IE!aseDriver(+.dbf)dBaseVFFDriver(*.db￡)dBase-Treiber(*.dbf)ExcelDriver(+.xls)圖4-1選擇數(shù)據(jù)類型取消選擇MicrosoftAccessDriver開始創(chuàng)建數(shù)據(jù)源名稱和選擇數(shù)據(jù)庫文件框：，如圖4-2對話i.號ODBCMicrosoftAccess圖4-2添加數(shù)據(jù)源4.1.2建立鏈接對象database調(diào)用格式:conna=database(?datasourcename,,,username,,,password,)如conna=database('sss','','');其中sss為上文中創(chuàng)建的數(shù)據(jù)源名稱，當(dāng)默認(rèn)情況下，數(shù)據(jù)庫文件的MicrosoftMicrosoftMicrosoftMicrosoftMicrosoft圖4-1選擇數(shù)據(jù)類型取消選擇MicrosoftAccessDriver開始創(chuàng)建數(shù)據(jù)源名稱和選擇數(shù)據(jù)庫文件框：，如圖4-2對話i.號ODBCMicrosoftAccess4.1.3建立并打開游標(biāo)——exec調(diào)用格式：curs=exec(conna,'sqlquery')；如curs=exec(conna,'select*fromdata')其中conna為上文中鏈接對象，select*fromdata表示從表data中選擇所有的數(shù)據(jù).4.1.4把數(shù)據(jù)庫中的數(shù)據(jù)讀取至ljMatlab中fetch調(diào)用格式：curs=fetch(curs,RowLimit);aa=curs.Data；%把讀取到的數(shù)據(jù)用變量aa保存.其中RowLimit為每次讀取的數(shù)據(jù)參數(shù)的行數(shù)，默認(rèn)為全部讀取，但是全部讀取會很費時間(和計算機性能很大關(guān)系)。4.1.5關(guān)閉鏈接對象和游標(biāo)close當(dāng)不再使用數(shù)據(jù)庫的鏈接對象時要及時關(guān)閉，這樣才能及時的釋放出內(nèi)存，而且每次鏈接后所需要的內(nèi)存量是非常大的，要是不及時關(guān)閉的話對后續(xù)計算的影響將非常非常的大。格式如下：close(curs)close(conna)4.2MATLAB編程調(diào)用數(shù)據(jù)庫%%數(shù)據(jù)連接%%conna=database('sss','','');ping(conna)%%液位%%curs=exec(conna,'selectd1fromdata')curs=fetch(curs)aa=curs.data;%把讀取到的數(shù)據(jù)用變量aa保存A=[];fori=1:rows(curs)%rows()讀取數(shù)據(jù)行數(shù)A1=str2num(cat(1,aa{i}));%str2num將字符轉(zhuǎn)換成數(shù)字if(~isempty(A1))A(i)=A1/9.8;endendjT;Ye=[0];fori=430:1080Ye(j)=(A(i-5)+A(i-4)+A(i-3)+A(i-2)+A(i-1)+A(i)+A(i+1)+A(i+2)+A(i+3)+A(i+4)+A(i+5))/11;%均值濾波j=j+1;endfigure(1)plot(Ye)%%壓力%%curs=exec(conna,'selectd2fromdata')curs=fetch(curs)aa=curs.data;A=[];fori=1:rows(curs)A1=str2num(cat(1,aa{i}));if(~isempty(A1))A(i)=A1;endendjT;Ya=[0];fori=430:1080Ya(j)=(A(i-5)+A(i-4)+A(i-3)+A(i-2)+A(i-1)+A(i)+A(i+1)+A(i+2)+A(i+3)+A(i+4)+A(i+5))/11;%均值濾波j=j+1;endfigure(2)plot(Ya)%%流量%%curs=exec(conna,'selectd4fromdata')curs=fetch(curs)aa=curs.data;A=[];fori=1:rows(curs)A1=str2num(cat(1,aa{i}));if(~isempty(A1))A(i)=A1;endendL=[0];jT;fori=430:1080L(j)=(A(i-5)+A(i-4)+A(i-3)+A(i-2)+A(i-1)+A(i)+A(i+1)+A(i+2)+A(i+3)+A(i+4)+A(i+5))/11;%均值濾波j=j+1;endfigure(3)plot(L)%%結(jié)束數(shù)據(jù)連接%%close(curs)close(conna)運行上面程序輸出液位、壓力、流量波形為:

Figure2I■=■IBFileEdit\^iewInsertToolsDesktopWindowHelp“□序原昌fe蟻■僉座□a"□o'

第？章信號的處理與分析5.1信號奇異性檢測信號中的奇異點及不規(guī)則的突變部分經(jīng)常帶有比較重要的信息，它是信號重要的特征之一。比如，在故障診斷(特別是機械故障診斷)中，故障通常表現(xiàn)為輸出信號發(fā)生突變，因而對突變點的檢測在故障診斷中有著非常重要的意義。長期以來，傅里葉變換是研究函數(shù)奇異性的主要工具，其方法是研究函數(shù)在傅里葉變換域的衰減以推斷函數(shù)是否具有奇異性及奇異性的大小。但傅里葉變換缺乏空間局部性，它只能確定一個函數(shù)奇異性的整體性質(zhì)，而難以確定奇異點在空間的位置及分布情況。我們知道，小波變換具有空間局部化性質(zhì)，因此，利用小波變換來分析信號的奇異性及奇異性位置和奇異度的大小是比較有效的。通常情況下，信號奇異性分兩種情況：一種是信號在某一個時刻內(nèi)，其幅值發(fā)生突變，引起信號的非連續(xù)，幅值的突變處是第一種類型的間斷點；另一種是信號外觀上很光滑，幅值沒有突變，但是信號的一階微分有突變產(chǎn)生，且一階微分是不連續(xù)的，稱為第二種類型的間斷點。5.2小波變換理論基礎(chǔ)小波變換是一種新的變換分析方法，它主要特點是通過變換能夠充分突出問題某些方面的特征，因此小波變換在許多領(lǐng)域都得到了成功的應(yīng)用，下面簡單介紹下連續(xù)小波變換。設(shè)x(t)GL2(R),W(t)GL2(R),且w(t)滿足允許條件2W(①)①V+85-15-25-3①則連續(xù)小波變換定義為WT(a,b)=j+3x(。-(—dta,。0x-3a或用內(nèi)積形式記作WT(a,b)=xw::5-15-25-3xa,b其中W(tW(t)二a,b5-4通常滿足允許條件式(5-1)的可積函數(shù)v(t)為一基本小波或小波母函數(shù)，V般(t)是由第5章信號的處理與分析母小波生成的連續(xù)小波或小波。對于小波母函數(shù)W(t)，由條件式(5-1)知，必有礦(0)=05-55-5從而等價地有j+"V(t)dt=0e5-6這就是說W(t)與整個橫軸所圍面積的代數(shù)和是0，因此W(t)的圖形應(yīng)是在橫軸上下波動的“小波”故稱其為小波。像任何一種線性變換用作信號重構(gòu)時都應(yīng)滿足完全重構(gòu)的要求一樣，對于小波變換的基本要求之一也是完全重構(gòu)。這一要求直接決定對基本函數(shù)w(t)的約束條件。小波變換的重構(gòu)公式為x(t)=x(t)=C—"J+8WT(abW(a,bW-8x-8一db25-7其中△/\W(①)5-8C=j+8W一8與實現(xiàn)上述完全重構(gòu)，必須要求Cw<8，也就是J+8-8d?<8①5-9這就是從信號完全重構(gòu)的角度對小波W(t)提出的約束條件，常稱為完全重構(gòu)條件。5-8J+8-8d?<8①5-95.3小波分析的應(yīng)用在信號的小波分解中，高頻部分將信號的不連續(xù)點顯示得相當(dāng)明顯，因為信號的斷裂部分包含的是高頻部分。小波分析比傳統(tǒng)的傅立葉分析有更大的優(yōu)越性，如果用傅立葉分析方法進行，在頻域中是很難檢測出信號在時域中的突變點的，而在小波在信號處理中，信號中含有噪聲是一種相當(dāng)普遍的情況，而噪聲的存在增加了辨別信號不連續(xù)點的復(fù)雜性。一般說來，如果信號用小波分解的第一層能夠估計出噪聲的大體位置，則信號的斷裂點（頻率變化點）就能夠在小波分解的更深的層次上顯示出來，利用小波分析檢測信號突變點的一般方法是：對信號進行多尺度分析，在信號出現(xiàn)突變時，其小波變換后的系數(shù)具有模量極大值，因而可以通過對模量極大值點的檢測來確定故障發(fā)生的時間點。（注意:在選擇小波的過程中，正則性是一條很重要的規(guī)則。）因為信號中的高頻部分反映信號的突變，低頻部分反映信號的趨勢，隨著尺度的增加，時間分辨率的降低，對應(yīng)最大尺度的低頻系數(shù)對信號的發(fā)展趨勢表現(xiàn)的更明顯，所以小波分析在展示信號的發(fā)展趨勢中也很有作用。另外，還可以在頻率中理解它，尺度分解中的低頻部分隨著層次的增加，它含有的高頻信息會隨之減少。當(dāng)分解到下一個層次時，就有更高頻率的信息被去除，則剩下的就是信號的發(fā)展趨勢。用小波分解并重構(gòu)信號的第一層高頻信號得到如下波形：圖5-1原始信號和高頻重構(gòu)信號從上圖中可以看到信號的時域和頻域的變化，但由于水箱的反饋環(huán)節(jié)采用了延時PID控制，以至于信號變化比較緩慢，從而不容易看出信號的突變點，所以參考液位和流量的dl層高頻不是很容易分析水箱故障。根據(jù)信號中的高頻部分反映信第5章信號的處理與分析號的突變，低頻部分反映信號的趨勢”，可以把這種變化緩慢的故障當(dāng)作一種漸變故障去分析，也就是通過低頻量來分析信號的發(fā)展趨勢來判斷水箱系統(tǒng)是否存在故障。去掉信號的過渡部分（水箱系統(tǒng)開始工作的瞬間），只采取水箱進入正常工作時的數(shù)據(jù)，然后用小波變換進行信號的濾波并重構(gòu)信號低頻分量，可以得到如下波形：圖5-2原始信號和低頻重構(gòu)信號由上圖可以看出液位的總體趨勢為下滑，而流量的趨勢卻是上升的，即流量的上升卻不能滿足液位的穩(wěn)定輸出，從而可以假設(shè)水箱系統(tǒng)存在故障，為了驗證這個假設(shè)我們提取更小區(qū)間數(shù)據(jù)進行更細致的分析，根據(jù)上圖提取250-340區(qū)間段進行再次小波變換并重構(gòu)低頻信號，得出圖5-3從圖5-3可以看到液位的趨勢雖然是在下滑，但一直是高于所設(shè)定穩(wěn)定值（h（8）=4cm），但是流量還是處于上升的趨勢，從而可以斷定水箱進水管道存在泄漏故障。程序中用到了Daubechies（dbN）小波系，Daubechies函數(shù)是由世界著名的小波分析學(xué)者InridDaubechies構(gòu)造的小波函數(shù)，除了db1（即haar小波）外，其它小波沒有明確的表達式。dbN大多數(shù)不具有對稱性；對于有些小波函數(shù)，不對稱性是非常明顯的；正則性隨著序號N的增加而增加。Daubechies系中的小波基記為dbN,N為序號，且N=1,2,?…10。圖5-3小區(qū)間內(nèi)原始信號和低頻重構(gòu)信號總結(jié)\r1Vzi-l_j總結(jié)本文介紹的是水箱故障檢測的一種分析方法，我校使用的是天煌教儀公司生產(chǎn)的THKGK-1型實驗設(shè)備。大體的步驟是從開始的故障模擬到信號采集，再到數(shù)據(jù)的提取，然后是信號的分析。首先是故障的模擬信號的采集，本人從2010年元旦就開始進行水箱故障的模擬，在杜老師的耐心幫助下，歷時兩周的時間終于從實驗室中完成了故障的模擬。接下來是數(shù)據(jù)的恢復(fù)，因為從實驗臺上面采集到的數(shù)據(jù)是以數(shù)據(jù)庫形式存放的*.mdb文件。首先我要學(xué)習(xí)MATLAB語言，通過MATLAB編程與數(shù)據(jù)庫連接從而取出數(shù)據(jù)庫中的實驗數(shù)據(jù)，并進行簡單的濾波處理后輸出波形。然后是本文最關(guān)鍵的部分，分析液位和流量信號的數(shù)據(jù)特征，我主要是采用小波分解的辦法進行的信號分析，進行了信號的高頻和低頻的重構(gòu)，并結(jié)合兩個信號各自的特征對信號進行分析，即通過特征級融合的思維對兩信號進行關(guān)聯(lián)分析。最后通過兩個信號的特點確定水箱故障的所在。概括地說本次論文設(shè)計我工作分以下幾步：一、故障模擬以及信號的采集。二、通過MATLAB編程調(diào)用數(shù)據(jù)庫并恢復(fù)實驗數(shù)據(jù)。三、用MATLAB的小波工具箱對信號進行處理。四、對處理后的信號進行特征分析。五、判斷水箱系統(tǒng)是否存在故障。通過本次畢業(yè)論文設(shè)計，我學(xué)到了很多專業(yè)知識，例如：MATLAB和數(shù)據(jù)庫的連接、數(shù)據(jù)的分析、利用小波變換對信號處理等等。也更加認(rèn)識到了自己的不足，讓我認(rèn)識到繼續(xù)學(xué)習(xí)的重要性，不管是步入社會還是繼續(xù)深造我們都不能在求知的路上止步，掌握更多的知識才能幫我們解決更復(fù)雜的問題。一、原始信號與高頻信號重構(gòu)程序(圖5-1)loadshuju%裝入信號subplot(4,1,1);plot(Ye);title('原始信號與最高頻信號');Ylabel('液位');[c,l]=wavedec(Ye,6,'db1');%小波分解%重構(gòu)d1高頻信號decmp=wrcoef('d',c,l,'db1',1);subplot(4,1,2);plot(decmp);Ylabel('液位d1');subplot(4,1,3);plot(L);Ylabel('流量');[c,l]=wavedec(L,6,'db1');%小波分解%重構(gòu)d1高頻信號decmp=wrcoef('d',c,l,'db1',1);subplot(4,1,4);plot(decmp);Ylabel('流量d1');二、原始信號與低頻信號重構(gòu)程序(圖5-2)loadshusubplot(411);plot(Ye);title('原始信號與信號發(fā)展趨勢');Ylabel('液位');[c,l]=wavedec(Ye,10,'db5');%小波分解apcmp=wrcoef('a',c,l,'db5',10);%低頻信號重構(gòu)subplot(412);plot(apcmp);Ylabel('ca10');subplot(413);plot(L);Ylabel('流量');[c,l]=wavedec(L,10,'db5');%小波分解apcmp=wrcoef('a',c,l,'db5',10);%低頻信號重構(gòu)subplot(414);plot(apcmp);Ylabel('ca10');附錄三、原始信號與低頻信號重構(gòu)程序（圖5-3）loadshulsubplot(411)