基于小波变换的微生物燃料电池故障诊断方法，涉及燃料电池故障诊断方法，本发明专利技术针对不同故障情况下采集到的输出电压信号应用倍频小波进行分析，通过计算小波系数，实现高低频段信号的重构，提取出故障信号频域特征值，展现出故障信号的主要分布情况，从而诊断出电池故障。本发明专利技术可以实现对微生物燃料电池系统的故障诊断，起到早期报警，减少和避免故障范围的作用，确保设备安全可靠的运行，在实际工程中具有较高的应用价值。
【技术实现步骤摘要】
本专利技术涉及燃料电池故障诊断方法，特别是涉及一种基于小波变换的微生物燃料 电池故障诊断方法。
技术介绍
近年来，随着环境污染和能源危机的加剧，绿色清洁能源技术得到越来越多的关 注，微生物燃料电池能在微生物的作用下将化学能转化为电能，实现污水处理和产电双重 效果，因而广大学者对其展开了广泛深入的研究，并取得了一定的成果。成果主要集中在实 验研究方面，还有小部分成果体现在对微生物燃料电池系统的建模与仿真上。这些文献仅 研究了在正常条件下微生物燃料电池的运行情况，很少对其进行故障分析。在实际运行中 每一元件发生故障或失效都会影响其输出，导致输出性能下降或无法正常运行，因此如何 提高系统的安全性是推进微生物燃料电池商业化和产业化的关键。 上世纪80年代，Morlet首次提出了小波分析这一概念。小波分析可以实现在 低频处频率细分，高频出时间细分，能自动聚焦到信号的任意细节，保留了傅里叶变换的优 点，又弥补了其在信号分析上的不足。迄今为止，小波分析在理论上和工程应用中均取得了 丰硕的成果，并在信号处理、计算机视觉、图像处理、语音分析与合成等众多的领域得到应 用。 与傅里叶方法相比，利用小波分析可有效提高故障诊断的准确率，实现对微生物 燃料电池的检测与故障诊断。
技术实现思路
本专利技术的目的在于提供一种，该方 法采用了基于小波变换方法，针对不同故障情况下采集到的输出电压应用小波变换进行分 析，通过计算小波系数，实现高低频段信号的重构，提取出故障信号频域特征值，展现出故 障信号的主要分布情况，从而诊断出电池故障。 本专利技术的目的是通过以下技术方案实现的： ，所述方法包括以下过程： 51 :采集电压信号：待燃料电池系统运行平稳后，采集正常情况下和四种故障下的电 压信号； 52 :进行小波分解：将采集到的电压信号进行3层小波分解，得到各个结点所代表的小 波分解层上的小波系数； 53 :信号重构：利用小波分解系数进行重构，得到各个频段上的重构信号； 54 :计算各个频段特征值，将故障情况的特征值与正常情况的特征值比较进行故障诊 断。 所述的，所述步骤S2中对电压信 号进行分解时采用Db小波基，进行三层小波树分解。 所述的，所述步骤S2中小波分解 将依据以下公式：式中，:为离散序列，f代表小波分解各序列的序列点，^/代表小波分 解层数。 所述的，所述S3中小波重构将依 据以下公式： 所述的，所述步骤S4中计算各个 频段特征值将依据以下公式：其中7为小波分解层数；Λ为采样信号数。 本专利技术的优点与效果是： 为了对微生物燃料电池的主要故障进行故障诊断，本专利技术采用了基于小波变换方法， 针对不同故障情况下采集到的输出电压应用小波变换进行分析，通过计算小波系数，实现 高低频段信号的重构，提取出故障信号频域特征值，展现出故障信号的主要分布情况，从而 诊断出电池故障。该方法充分利用小波分析独有的尺度伸缩功能进行故障诊断，确保设备 安全可靠的运行，在实际工程中有较高的应用价值。【附图说明】 图1三层小波分析树结构图； 图2无故障时小波重构电压信号； 图3故障一时小波重构电压信号； 图4故障二时小波重构电压信号； 图5故障三时小波重构电压信号； 图6故障四时小波重构电压信号。【具体实施方式】 下面结合实施例对本专利技术进行详细说明。 实验时，系统上电后，电池连续工作稳定后，分别对正常情况及四种故障情况下进 行电压信号采集，采样频率采集12小时的数据，每种情况重复采样7次。 参看图1，采用三层小波分析树结构。 参看表1，经过3层分解后各个频段所代表的频率范围。 参看表2,经计算后得到各个频段的特征能量值，经过分析，可知：若八个结点的 特征值与无故障时相比都变小，则是故障一；若结点，，，，的 特征值变为无故障时的1.5倍，结点，，与无故障时相比放大万倍，则是 故障二；若结点，，，的特征值与无故障时相比变大，结点， ，，数值较无故障时变略减小，则是故障三；若结点，，， ，的特征值变为无故障时的两倍左右，结点，，与无故障时相 比放大万倍，则是故障四。通过表2可以综合反应出，利用小波分析，能够得到多个频段的 信号特征值，进行微生物燃料电池故障诊断，故障发生时，在某些结点处，故障与无故障时 特征值差异较大，因此，可以实现正确的故障诊断。表1经过3层分解后各个频段所代表的 频率范围；表2为不同故障情况下各个频段的特征值；以上公开的本专利技术实施例只是用于帮助阐述本专利技术。所述实例并没有详尽叙述所有的 细节，也不限制该专利技术仅为所述的【具体实施方式】。【主权项】1. ，其特征在于，所述方法包括以下过 程： 51 :采集电压信号：待燃料电池系统运行平稳后，采集正常情况下和四种故障下的电 压信号； 52 :进行小波分解：将采集到的电压信号进行3层小波分解，得到各个结点所代表的小 波分解层上的小波系数； 53 :信号重构：利用小波分解系数进行重构，得到各个频段上的重构信号； 54 :计算各个频段特征值，将故障情况的特征值与正常情况的特征值比较进行故障诊 断。2. 根据权利要求1所述的，其特征在 于，所述步骤S2中对电压信号进行分解时采用Db小波基，进行三层小波树分解。3. 根据权利要求1所述的，其特征在 于，所述步骤S2中小波分解将依据以下公式：式中，、：为尚散序列，j:_.代表小波分解各序列的序列点，7代表小波分 解层数。4. 根据权利要求1所述的，其特征在 于，所述S3中小波重构将依据以下公式：5. 如权利要求1所述的，其特征在于， 所述步骤S4中计算各个频段特征值将依据以下公式：其中7为小波分解层数；Λ为采样信号数。【专利摘要】，涉及燃料电池故障诊断方法，本专利技术针对不同故障情况下采集到的输出电压信号应用倍频小波进行分析，通过计算小波系数，实现高低频段信号的重构，提取出故障信号频域特征值，展现出故障信号的主要分布情况，从而诊断出电池故障。本专利技术可以实现对微生物燃料电池系统的故障诊断，起到早期报警，减少和避免故障范围的作用，确保设备安全可靠的运行，在实际工程中具有较高的应用价值。【IPC分类】H01M8/04298【公开号】CN105355945【申请号】CN201510793411【专利技术人】颜闽秀, 郑小帆, 樊立萍, 薛竹隐 【申请人】沈阳化工大学【公开日】2016年2月24日【申请日】2015年11月18日本文档来自技高网...
【技术保护点】
基于小波变换的微生物燃料电池故障诊断方法，其特征在于，所述方法包括以下过程：S1：采集电压信号：待燃料电池系统运行平稳后，采集正常情况下和四种故障下的电压信号；S2：进行小波分解：将采集到的电压信号进行3层小波分解，得到各个结点所代表的小波分解层上的小波系数；S3：信号重构：利用小波分解系数进行重构，得到各个频段上的重构信号；S4：计算各个频段特征值，将故障情况的特征值与正常情况的特征值比较进行故障诊断。
【技术特征摘要】
【专利技术属性】
技术研发人员：颜闽秀，郑小帆，樊立萍，薛竹隐，
申请(专利权)人：沈阳化工大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。