动作电流--中文百科全书

基于小波分析的电动转辙机动作电流的分析

採用人工方法来分析电动转辙机动作电流曲线、进而判断其相应故障，存在着故障诊断效率低、漏判等问题，提出将小波分析套用到电动转辙机动作电流曲线的自动分析，结果作为故障诊断的基础，实现快速、準确、自动的故障诊断。首先对採集的动作电流曲线进行A/D转换，然后对数据做小波包特徵向量提取，把提取的特征向量输入故障分类器进行分析，以确定各种特徵向量对应的故障类型，实验结果证明了该方法的合理性和有效性及在故障诊断理论上的可行性。

电动转辙机动作电流曲线分析

电动转辙机动作电流曲线各种各样，不同的动作电流曲线预示着不同的故障类型，下面以ZD6型电动转辙机正常状态下动作电流曲线为例分析原理。电动转辙机牵引道岔正常动作的过程可分为：解锁———转换———锁闭。可以把电动转辙机动作电流曲线分为4个时段来分析；第一时段为道岔解锁的过程，第二时段为道岔的转换过程，第三时段为道岔进入锁闭过程，第四个时段为曲线尾部电流为0的阶段。正常情况下道岔电流曲线的采集是从1DQJ吸起开始，落下停止。在道岔转换完毕后，切断动作电流，1DQJ缓放（缓放时间不小于0.4s）落下，从尾部曲线可观察1DQJ的缓放时间符合要求。

道岔在转换过程中，动作电流存在较大的波动，曲线表现为锯齿波状。道岔在转换的过程中阻力逐渐加大，这就很容易造成道岔转换不到位；道岔反弹、道岔的尖轨与基本轨密贴不好、滑床板吊板严重造成尖轨下沉都有可能是这种情况发生的原因。动作电流值固定在一个不同于正常值的状态，造成转换过程逾时且道岔不能锁闭。动作电流一直保持在一个很大的值，减速器故障或电机定子线圈绝缘不良都可能造成这种情况的发生。

小波包特徵向量提取方法

小波包分析能够将频带进行多层次划分，不仅对低频部分进行分解，同时对高频部分进一步分解，并能够根据被分析信号的特徵自适应地选择相应频带，使之与信号频谱相适应，从而提高了时频解析度，使故障特徵提取能在更加细化的频带内进行。S表示原始信号，A表示低频轮廓信号分解，D表示高频细节信号分解，后面的数字表示小波包分解的层数，分解具有如下关係：

S=AAA3+DAA3+ADA3+DDA3+AAD3+DAD3+ADD3+DDD3

同理，小波包重构过程是小波包分解过程的逆．由于电动转辙机故障时机体振动会受到脉冲力的作用，在靠近脉冲力作用的时刻振动信号的能量比较大，而在远离脉冲力作用的时刻振动信号的主要成分是平稳振动信号和噪声以及低频干扰，信号能量相对较小。因此可以利用各个频带能量的变化来提取故障特徵，具体步骤如下：

1）信号消噪。利用在时域和频域都有良好的局部化特性的db4小波，选用软阈值（软阈值方法克服了硬阈值方法不连续的缺点），对信号进行消噪。

2）小波包分解。採用db4对动作电流曲线进行3层小波包分解，取小波包分解后信号第三层各节点係数进行后续分析。

3）重构第三层节点係数S3i（i=0，1，2，…，7）．利用 Wprcoef命令对小波包分解后第三层各节点係数进行重构。

4）计算重构係数的频带总能量，以频谱总能量为元素构造特徵向量，并进行归一化处理。特徵向量构造如下：

R=[E'0，E'1，E'2，E'3，E'4，E'5，E'6，E'7]

当频谱能量较大时，E'j通常是一个比较大的数值，在数据分析时计算量会很大。归一化的特徵向量为：

T=[E0，E1，E2，E3，E4，E5，E6，E7]

利用小波包分析方法能有效的提取动作电流的特徵向量，电流曲线的频谱能量比较集中，主要分布在分解电流曲线的第一个频带範围内，其他各频带範围内的频谱能量相对较小。从特徵向量并不能直接辨别电动转辙机的故障类型，需要将特徵向量作为故障分类器的输入，定义故障代码作为输出，进行学习、分类，从直观的看出电动转辙机故障属于哪一类故障。