在线传感器突变信号的检测与区分

　　在测控系统中，传感器的输出信号受多种因素的影响，常发生突变.这些突变点数值包含有重要的故障信息，准确捕捉并区分导致这些突变点产生的原因，是传感器故障诊断的关键．文献仅依赖于传感器的输出时间序列来诊断传感器的故障，把传感器输出信号的突变都归结于传感器的故障．文献的做法是对控制系统的输入和输出信号分别进行小波变换，当小波函数可看作某一平滑函数的一阶导数时，信号的突变点对应于其小波变换的模极大值，由此检测突变点，并产生残差序列和分析传感器故障，并认为传感器输出信号的突变是由于传感器的故障或系统输入信号的突变引起的.事实上，引起传感器输出信号突变的原因很多，除了系统输入突变和传感器本身的故障之外，还有过程扰动、执行器故障、控制器故障、被控对象及外部电磁场干扰等.在实际应用中，上述传感器故障诊断方法具有一定的局限性．通常，在工业过程控制中,被控对象的时间常数较大，不能响应突变信号中的高频分量．作者基于小波变换的频带分析技术，探讨分析导致传感器输出信号发生突变的原因，为在线传感器的故障诊断与性能评估提供一种实用的分析方法．

　　1 突变信号的产生及特征分析

　　典型控制系统一般由控制器(Gc(s))、执行器(Gv(s))、被控对象(Go(g)，Gd(s))和传感器((Gm(s))4个部分组成，其框图如图l所示．

　　图中X(s)为传感器输出(即控制系统被控参数的测量值).

　　一般工业过程中的大多数被控对象动态特性的时间常数较大，为了保证快速不失真地检测其输出信号，传感器动态特性的时间常数相对较小．

　　系统(传感器)的突变信号是指其输出幅值和频率突然以较大的速率增大或减小，且二者相互依从.

　　1．1由输入R(s)引起的突变

　　在图1中，设


　　其对数频率特性曲线如图2所示.

　　由曲线可得该组合环节的截止频率ωc≈1 Hz．

　　曲线高频段(ω>100ωc的区段)的特性由Gc(s)，Gv(s)，Go(s)中较小的时间常数决定，由于远离ωc，且以较大的斜率向-∞dB方向衰减，反映出该组合环节的低通滤波特性，形成了系统对输入信号中的高频分量不能响应的特点.高频段的特点对系统瞬态性能影响较小，但反映时域响应不可能阶跃变化。因而有延迟时间存在．高频段直接反映了系统对输入信号中的高频分量的抑制能力，其分贝值越低，抑制能力越强.

　　由于一般工业对象的时间常数To普遍较大，使得截止频率ωc较小，因而在输入R(s)突变时，对象输出Xo(s)及传感器输出X(s)的响应突变信号的频率分布较低，且频带较窄.

　　1．2 由控制器、执行器的故障及过程扰动的突变引起的突变

　　用同样的分析方法，可以得出同样的结论：由控制器、执行器的故障及过程扰动的突变引起的输出响应突变信号的频率分布较低，频带较窄．

　　1．3由外部强电磁场干扰引起的突变

　　一般认为，传感器能够抗各种高频电子(无线电，这里不予考虑)干扰．外部强电磁场干扰一般不会引起被控对象输出Xo(s)的变化，它常常通过电路耦合，直接引起传感器输出信号X(s)变化，而且一般是脉冲信号．

　　1．4由传感器故障引起的突变

　　传感器故障分为突发型故障(abrupt)和缓变型故障(incipient)，作者仅对突发型故障进行分析.传感器突发型故障主要有：偏差型故障、脉冲型故障、漂移型故障和周期型故障，不论那种突发型故障，都将直接导致传感器输出信号X(s)的突变．由于这些突发型故障是由于传感器内部元部件参数的突变引起，输出X(s)响应突变信号的频带较宽，不仅包含由低频分量，还有一定的高频分量，这是区别于由输入信号突变、控制器故障、执行器的故障及过程扰动的突变引起的传感器输出X(s)响应突变信号的显著特点，是本文中区分突变原因及进行传感器故障诊断的理论依据．

　　1．5被控对象故障引起的突变

　　被控对象发生故障时，突变信号的频谱与传感器的输入频带密切相关,当传感器的输入频带较宽时，突变信号中将含有高频分量，但一般工业过程中使用的传感器输入频带较窄，突变信号中一般不含高频分量.各种突变原因及其信号特征见表1.

　　2 基于小波变换的频带分析

　　狭义的小波分析仅指多分辨率分析，广义的小波分析则包括多分辨率分析和小波包分析两部分，它们的关系如图3所示．

　　图3中粗实线部分为多分辨率分解过程，小波包分解是小波变换的多分辨率分解的推广，多分辨率分解只将尺度空间V进行了分解，即

　　而小波包分解将多分辨率分解中未分解的小波空间Wj进一步分解．因为小波空间划分对应着频带划分，所以小波包分解可获得更高的频率分辨率．通常的频带分析大多是基于小波包分析的，但它在提高频率分辨率的同时，算法的复杂度也加大．作者从实际问题的需要出发，选择了基于多分辨率分析的方法，可以满足要求.