[发明专利]基于小波变换的微生物燃料电池故障诊断方法

说明书

技术领域

本发明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。

背景技术

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。

发明内容

本发明的目的在于提供一种基于小波变换的微生物燃料电池故障诊断方法，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。

本发明的目的是通过以下技术方案实现的：

基于小波变换的微生物燃料电池故障诊断方法，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。

所述的基于小波变换的微生物燃料电池故障诊断方法，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。

所述的基于小波变换的微生物燃料电池故障诊断方法，所述步骤S2中小波分解将依据以下公式：

式中，为离散序列，代表小波分解各序列的序列点，j代表小波分解层数。

所述的基于小波变换的微生物燃料电池故障诊断方法，所述S3中小波重构将依据以下公式：

。

所述的基于小波变换的微生物燃料电池故障诊断方法，所述步骤S4中计算各个频段特征值将依据以下公式：

其中j为小波分解层数；N为采样信号数。

本发明的优点与效果是：

为了对微生物燃料电池的主要故障进行故障诊断，本发明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发明进行详细说明。

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。