嵌入式智能仪器仪表弱故障信号的有效检测

嵌入式智能仪器仪表弱故障信号的有效检测

刘丹丹

（国网甘肃省电力公司酒泉嘉峪关供电公司）

摘要：嵌入式仪器仪表设备结构复杂，由于故障信号出现频率快，短促故障信号很难有效提取，识别困难。利用动态模型算法进行嵌入式智能仪器仪表弱故障信号检测，能够提高检测的准确性，保证嵌入式智能仪器仪表的正常运行。本文对此进行了分析探讨。

关键词：仪器仪表;故障信号;动态模型；检测

引言：嵌入式仪器仪表广泛应用在工业生产领域，仪器仪表故障会影响生产运行，带来经济损失。传统的故障检测模型进行故障信号检测时，对短促的故障信号难以准确有效的提取，故障识别模型难以有效建立，致使信号识别难度加大。如何准确检测嵌入式智能仪器仪表弱故障信号，进行有针对性的措施进行预防和维护，成为仪器仪表领域一项重要的研究课题。

1嵌入式智能仪器仪表弱故障信号检测方法

嵌入式智能仪器仪表弱故障信号检测方法主要包括基于K均值聚类算法、基于蚁群算法、基于最小二乘支持向量机算法三种方法。其中最常用的方法是基于最小二乘支持向量机算法的弱故障信号检测方法。可以说，嵌入式智能仪器仪表弱故障信号检测方法应用前景广阔，成为仪器仪表领域研究的重点课题。因为嵌入式仪器仪表设备的转数不太稳定，负荷变化呈现非周期性，容易破坏故障信号的平稳过程，可识别特征难以有效形成或呈现局部奇异性，通过传统算法提取嵌入式智能仪器仪表弱故障信号有一定难度，特别是对于短促的故障信号无法提取和识别，仪器仪表故障信号检测的准确性大大降低。为解决传统算法的弊端，采用一种基于连续模糊动态模型的嵌入式智能仪器仪表弱故障信号检测方法，利用提升小波变换阀值去噪的相关理论，通过将采集的嵌入式智能仪器仪表故障信号的噪声去除，从而提升信号提取的质量。通过实验和研究显示，建立连续模糊动态模型，能高效的完成嵌入式智能仪器仪表弱故障信号的检测，准确性大大提高，生产的顺利进行得到了更大保障。

2嵌入式仪器仪表弱故障信号检测原理

进行嵌入式智能仪器仪表弱故障信号检测，需要对嵌入式智能仪器仪表的状态数据进行采集和有效整理，将带有明显故障特征的信号提取出来，作为故障信号检测的有效参考依据。主要包括以下过程:首先对采集得到的故障信号进行科学的分类，确保生产正常运行。其分类公式如下:

ap(m+1)=h(ar(m－1)，…，ar(m－q);w(m－1)，…，w(m－p)式中，ar(m)代表仪器仪表故障实际状态参数，ap(m)代表仪器仪表故障预测状态参数，w(m)代表仪器仪表弱故障信号控制参数，p和r分别表示预测状态参数和实际故障信号的数目。将智能仪器仪表弱故障信号检测方法应用到故障检测模型，模型的适应性大大提高，弱故障信号检测模型即使面临干扰依然能保持较高的检测准确度。需要注意的是，仪器仪表弱故障信号检测中需要设置故障信号运行区间，结合采集的运行状态数据，通过最小二乘支持向量机算法，实现仪器仪表弱故障信号的检测。根据弱故障信号预测结果和实际模型输出的结果，计算二者差值，实现嵌入式仪器仪表弱故障信号检测。但是弱故障信号检测很难根据实际情况调整模型相关参数，实际生产需求难以高效满足。另外，即使嵌入式智能仪器仪表没有故障，由于检测模型本身的误差，嵌入式智能仪器仪表弱故障信号检测的准确性也会受到影响。

利用最小二乘支持向量机相关原理，建立弱故障信号检测模型，该模型输入数据是w(m－1)，…，w(m－p)和ar(m－1)，…，ar(m－q)，最终获取弱故障信号检测模型:a(z)=yTγ(z)+d，式中γ(•)表示状态变换参数，y表示状态信号权重，d表示状态信号的对应误差。如果状态信号误差大于设置的嵌入式智能仪器仪表弱故障信号检测的阈值，说明仪器仪表存在故障，反之不存在故障。根据以上方法可以得到嵌入式智能仪器仪表故障检测模型全局范围与局部模型的关系:设置P1表示全局故障信号检测模型，获取全部故障信号检测结果；设置P2表示局部故障信号检测模型，获取小区域故障信号检测结果。融合处理所有故障信号，就可以将故障信号检测结果求出；根据采集的状态信号获取故障信号，实现对仪器仪表故障信号的检测。如果故障信号持续性差，故障特征难以提取，仪器仪表故障信号检测的准确性也会降低。

3仪器仪表弱故障信号检测优化方法

嵌入式智能仪器仪表故障信号检测采用传统算法，因为故障信号频率快造成的难以提取准确的故障信号问题难以避免，致使仪器仪表故障信号检测的准确性大大降低。基于连续模糊动态模型的嵌入式智能仪器仪表弱故障信号检测方法的应用，有效避免了这一问题，提升了检测的准确率。

3.1仪器仪表故障信号噪声去除。按照提升小波变换阀值去噪相关原理，将采集的嵌入式智能仪器仪表故障信号的噪声去除，能明显改善信号质量，为故障信号检测提供有效的参考。去噪处理要选取合理的阀值函数，量化处理故障信号分解细节。一般情况下阀值函数包括硬阀值函数和软阀值函数两个类别。软、硬阀值函数都是嵌入式智能仪器仪表故障检测去噪处理主要方法，将故障信号噪声去除，为连续模糊动态模型提供更加准确的数据输入。

3.2连续模糊动态模型的建立。通过建立连续模糊动态模型能够实现嵌入式仪器仪表的弱故障信号检测。另外，嵌入式智能仪器仪表弱故障信号检测过程中使用鲁棒残差，故障信号检测误差能降到最低，连续模糊动态模型相关数据具有较强鲁棒性。需要利用有关公式对鲁棒残差进行最小化处理。通过建立连续模糊动态模型，能够实现对嵌入式智能仪器仪表弱故障信号的准确检测，从而为嵌入式智能仪器仪表故障检测提供准确详实的参考依据。

4实验结果分析

本文提出的基于连续模糊动态模型的嵌入式智能仪器仪表弱故障信号的检测方法，结合提升小波变换阀值去噪相关理论，能通过对采集的嵌入式智能仪器仪表故障信号的噪声进行去除，从而改善信号质量，使获取信号的准确性大大提升。为了验证本文算法有效性，需要通过实验对相关数据进行整理分析，通过实验和分析得知，进行嵌入式智能仪器仪表弱故障信号检测，有效根除了传统算法带来的干扰，嵌入式智能仪器仪表弱故障信号检测的准确性大大提高，体现了本文算法在嵌入式智能仪器仪表弱故障信号检测中，获取的检测结果与实际情况更接近，更能准确的完成仪器仪表的故障检测。

结语

由于嵌入式仪器仪表设备结构复杂，故障信号出现的频率快、周期短，长时间的可识别特征难以形成，而传统的故障检测模型进行故障信号检测时，对短促的故障信号难以准确有效的提取，故障识别模型难以有效建立，致使信号识别难度加大。通过连续模糊动态模型的建立和应用，能高效完成嵌入式智能仪器仪表故障信号的检测，检测失误率大大降低。经过大量的研究和实验表明，借助动态模型算法进行嵌入式智能仪器仪表弱故障信号检测，不仅能有效提升检测的准确性，而且还更加高效和详实，为嵌入式智能仪器仪表故障检测提供了坚强的保证，更好的促进了嵌入式智能仪器仪表的正常高效运行，为生产运行的可靠性提供保障。

参考文献：

[1]刘玲,王雪,马秀莲,等.基于嵌入式的智能移动棚室故障监测系统的开发与应用[J].电子制作,2016(4x):23-23.

[2]王海斌,王永虎,丁发军,等.基于嵌入式系统的放电故障紫外检测平台[J].自动化与仪表,2016,31(7):66-69.

[3]裴生财,郑志忠.浅析嵌入式的智能化与网络化的自动化仪表[J].工程技术:引文版,2016(11):00255-00255.

[4]孙振伟.嵌入式智能仪器仪表平台的研究与设计[J].机电信息,2012(24):67-68.