高材料强度或更换材料的方法进行改善；在整个啮合过程中，两轮齿接触面之间的接触力、接触面积在不断发生变化，说明了齿轮齿条啮合动态接触关系的复杂性。该研究对改进齿轮齿条结构设计，延长齿轮传动系统的使用寿命，具有一定的理论指导价值和工程意义。
参考文献：
［1］陈小安，谬莹赟，杨为，等.基于有限单元法的多间隙耦合齿轮传
动系统非线性动态特性分析［J ］.振动与冲击，2010，29(2)：46-59.［2］唐进元，周炜，陈思雨.齿轮传动啮合接触冲击分析［J ］.机械工
程学报，2011，47(7)：22-30.
［3］王建军，李其汉，李润方.齿轮系统非线性振动研究进展［J ］.力
学进展，2005，35(1)：37-51.
［4］薛军，孙宝玉，辛宏伟，等.基于有限元法的齿轮齿条动态应力分
析［J ］.长春工业大学学报(自然科学版)，2008，29(3)：275-278.［5］张兴权，何广德，郑如，等.齿轮齿条的接触应力研究［J ］.机械传
动，2011，35(7)：30-32.
［6］Johnson K L.接触力学［M ］.北京：高等教育出版社，1992.［7］亓文果，金先龙，张晓云.接触-冲击问题有限元仿真的并行计算
［J ］.振动与冲击，2006，25(4)：68-72.
作者简介：肖前进（1986-），湖北大冶人，博士研究生，主要从事刚、柔耦合的多体动力学仿真及精密机械优化设计及分析的研究，：xiaoqj1986@gmail.
责任编辑：卢盛春
收稿日期：2012－10－17
煤矿机械
Coal Mine Machinery
Vol.34No.01Jan.2013
第34卷第01期2013年01月
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
1
金属磁记忆检测方法是能够实现缺陷早期诊断和检测的一种新型无损检测方法。钢绳芯输送带在运输过程中，由于受累积性损伤和外界应力的共同作用会产生接头抽动和断丝等缺陷，在地磁场作用下输送带内部钢绳芯接头的应力集中区域磁导率减小，其表面会形成漏磁场，这一增强了的磁场“记忆”着输送带的缺陷或应力集中的位置，这就是所谓的金属磁记忆效应。磁记忆检测就是在这种情况下检测钢绳芯输送带应力集中区域最大漏磁场
基于小波模极大值钢绳芯输送带磁记忆信号的
奇异性检测
李效露，乔铁柱
（太原理工大学新型传感器与智能控制教育部重点实验室，太原030024）
摘要：金属磁记忆技术是检测钢绳芯输送带故障的一种重要方式，小波变换的多尺度瞬态分析为检测磁记忆信号突变点提供了最合适的方法。阐述了基于小波变换模极大值的信号奇异性检测理论，通过应用小波模极大值对钢绳芯磁记忆信号进行奇异性检测，可以准确得到故障点的位置。仿真结果表明，该方法对判断钢绳芯接头发生抽动和断丝位置非常有效。
关键词：钢绳芯；磁记忆；模极大值；奇异性检测中图分类号：TD532
文献标志码：A
文章编号：1003－0794（2013）01－0089－04
Singularity Detection Based on Wavelet Transform Modulus Maximum
in Magnetic Memory Singal of Steel-cord Belt
LI Xiao-lu,QIAO Tie-zhu
(Ministry of Education Key Lab of Advanced Transducers and Intelligent Control System,Taiyuan University of
Technology ，Taiyuan 030024,China)
Abstract:Metal magnetic memory technology is an important method for detecting the steel-cord belt fault,because of multi-scale transient analysis of wavelet transform provide a suitable way for detecting abrupt change points of magnetic memory signal.This paper introduces theory of signal singularity detecting based on wavelet transform modulus maximum,through applying wavelet transform modulus maximum to steel -cord magnetic memory signal for singularity detection,so that would locate fault point.The result of simulation indicates technology is effectively for judging position of steel-cord joint twitching and fracture.
K ey words:steel-cord;metal magnetic memory;modulus maximum;singularity detection 89
的变化。
金属磁记忆检测原理是钢绳芯输送带在工作过程中，在受到天然地磁场和循环载荷的共同作用下，内部钢绳芯接头的应力集中区域会发生磁致伸缩效应的磁畴组织定向和不可逆的重新取向，这种磁状态的不可逆变化在工作载荷消除后还会继续保留，从而在应力与变形集中区域形成最大漏磁场，如图1所示，产生的漏磁场使得信号发生突变。从图1可以看出钢绳芯漏磁场的切向分量H p （x ）具有最大值，而法向分量H p （y ）具有零值点且方向符号。通过测量法向分量H p （y ）过零点区域和计算漏磁场中梯度极大值，就可综合判断钢绳芯的应力集中区。总之，金属磁记忆检测方法可以准确地探测出钢绳芯输送带以应力集中为特征的损伤部位，从而可以进一步判断钢绳芯输送带发生接头抽动和断丝的区域。
图1磁记忆检测原理
2信号奇异性的小波分析（1）奇异性指数与模极大值
信号发生突变的时刻称为信号的奇异点，信号
奇异点的产生分为2种情况：①信号在某一时刻其幅值发生突变而引起信号的不连续，信号的突变点就是第1类间断点；②信号外观上很光滑，其幅值没有发生突变，但是信号的1阶微分上有突变，且1阶微分是不连续的，这是第2类间断点。
本文中所要分析的钢绳芯磁记忆信号的奇异性则属于第1种类型。在钢绳芯输送带故障检测过程中，其接头发生抽动与断丝处磁场会发生突变，从而导致检测到的信号产生突变，接头信号的突变点也就是信号的奇异点，在数学上，Lipschitz 指数（李氏指数）被用来定量地描述信号的局部奇异性。
假设信号f （t ），若存在常数K ＞0且n ≤α＜n +1阶的多项式f （t 0），使
|f （t ）-f （t 0）|≤K|t-t 0|α∨t
（1）
那么称α为f （t ）在t 0处的Lipschitz 指数（也称奇异性指数）。其中f （t 0）是f （t ）在t 0的一个领域内的泰勒级数。Lipschitz 指数α表征了该点奇异性，α越大该点越光滑，α越小该点奇异性越大。如果信号在某点具有奇异性，那么在该点的小波变换可以取得模极大值。因而可以通过小波变换系数模极大值检测信号的奇异性。
（2）小波变换模极大值法检测信号突变点
设w f （a ，b ）是f （t ）∈L 2（R ）的小波变换，在某一尺度s 0下，如果存在一点（s 0，t 0）使得坠w f （s 0，t 0）坠t
=0，
称点（s 0，t 0）是局部极值点，且坠w f （s 0，t 0）在t ＝t 0处有
一过零点。如果对属于t 0的某一领域内的任一点，有｜w f （s 0，t ）｜≤｜w f （s 0，t 0）｜，则称点（s 0，t 0）为小波变换的模极大值点。
3信号奇异点的定位
Grossmann 曾系统地论述了如何利用小波变换
的局部化特性检测信号的奇异点位置。
设θ（t ）是一个低通平滑函数，且二次可导，并定义小柳ゆき
ψ（1）（t ）=d θ（t ）d t ，ψ（2）（t ）=d 2
θ（t ）d t
2
ψ（1）（t ）、ψ（2）（t ）满足小波容许性条件，可作为小
波母函数。若记θa （t ）=1a
θt ∈∈
，则θa （t ）表示θ（t ）在尺度因子a 下的伸缩。则信号f （t ）在尺度因子a 上对应的母小波ψ（1）（t ）的小波变换为
W s （1）f （t ）=f （t ）×ψa （1）（t ）=f （t ）×a d θa （t ）
d t
22
=
a d d t
［f （t ）×θa （t ）］
（2）W s （2）f （t ）=f （t ）×ψa （2）（t ）=f （t ）×a 2d 2θa （t ）
d t
22
2
=
a 2d 2
［f （t ）×θa （t ）］
（3）由式（3）可知，f （t ）×θ（t ）起平滑f （t ）的作用，对应不同的尺度因子a ，小波变换W a （1）f （t ）、W a （2）f （t ）分别是函数f （t ）的取平滑后1阶、2阶导数，函数f （t ）、f （t ）×θ（t ）、W a （1）f （t ）以及W a （2）f （t ）它们之间的关系如图2。
图2信号突变点与小波模极大值关系图
由图2可知，f （t ）上的奇异点通过小波变换在f （t ）×θ（t ）对应于拐点，在W a （1）f （t ）上表现为极大值，而在W a （2）f （t ）上为过零点。由此可见，若把小波函数看做是平滑函数的1阶导数时，信号的小波变换模极大值点对应于信号的突变点或边缘；若把小波变换看作是某平滑函数的2阶导数时，信号的突变点或边缘则对应着信号小波变换系数的过零点。因此利用小波变换模极大值检测信号的突变点具有很大的优越性。
N S
H p （x ）
有缺陷的钢绳芯输送带H p （y ）
x
y
f （t ）×θ（t ）f （t ）W a （2）f （t ）
W a （1）f （t ）90
4信号奇异性程度的判定
Mallat给出了小波变换模极大值在多尺度上的表现与Lipschitz指数之间的关系。
设f（t）是具有n阶消失矩且n次连续可微的紧支小波，存在A＞0，如果f（t）的小波变换满足
|W f（s，t）|≤Asα（4）式（4）两边同时取对数，即
log｜W f（s，t）｜≤log A+log sα（5）在二进小波变换中s＝2j，信号f（t）的Lipschitz 指数与小波变换模极大值满足变为
log2|W f（s，t）|≤log2A+jα（6）在式（6）中jα把小波变换尺度与Lipschitz指数α联系起来，通常基于金属磁记忆技术检测出的钢绳芯缺陷信号的Lipschitz指数α＞0，模极大值降随尺度的增大而增大或保持不变；而噪声信号的Lips-chitz指数α＜0，噪声对应的小波变换模极大值点会随尺度增大而减小。从这里可以看出钢绳芯缺陷信号和噪声信号的Lipschitz指数不同。因此，小波变换可以将信噪比较低的信号中定位有用信号的奇异点。
5磁记忆信号的奇异性检测方法
通常信号的突变位置包含了所需要的信息，而在钢绳芯输送带故障检测过程中，其接头发生抽动与断丝处磁场会突然增强，对应检测到的磁记忆信号也会有突变。接头信号的突变点就是信号的奇异点，对应于钢绳芯接头发生抽动和断丝的区域。本文就是利用小波变换模极大值沿尺度变化趋势定位磁记忆信号的突变点，通过与实际测量位置对照可以到输送带故障点。实现步骤如下：
（1）对磁记忆信号进行小波多尺度分解，可以得到高、低频不同分解尺度的磁记忆信号，可以从低频分解尺度上准确地将奇异点识别出来。在对信号进行奇异性检测时，通常要求所选取的小波函数具有一定阶数的消失矩。根据钢绳芯磁记忆信号弱磁非平稳的特点，通过多次实验发现采用分解尺度为7的db4小波函数更合适，使小波在时频两域中都具有表征信号局部特征的能力，这样有利于检测磁记忆信号的突变点或奇异点；
（2）奇异点的定位一般采取二进小波变换由粗到细的算法，分别到各个尺度下小波变换的模极大值，先从最粗尺度开始然后逐级细化，直到搜索到最细的尺度。由于尺度不同高频细节中的模极大值会发生微小的偏移，采用均值法，取模极大值的平均值。平均处理后的模极大值既保留了峰值位置又很好取出伪极值点。小波变换的模极大值曲线沿着尺度减小的方向在一个锥形区域内到信号奇异点的位置。
6实验仿真分析
采用厦门爱德森EMS-2003智能磁记忆/涡流检测仪对架设在实验室已报废的钢绳芯输送带进行故障检测，该钢绳芯输送带的型号是ST2500，全长6m，宽700mm，内有钢绳芯32根，钢绳芯间距15mm，直径4.5mm，采用三级接头硫化工艺。将采集到钢绳芯输送带磁记忆信号运用MATLAB软件中的小波工具箱进行处理。对图3中采集的原始信号采用db4小波函数进行分解，分解尺度为7。图3中是检测到的钢绳芯输送带磁记忆信号，从图3中可以明显看到信号有突变，通过小波变换要准确到发生突变点的位置。图4是经过小波变换处理后的钢绳芯输送带磁记忆信号。从图4可以看出，a7是磁记忆信号的低频成分，在高频成分d3、d2、d1中可以明显看到故障点，故障出现在188mm，通过对钢绳芯输送带故障的实际对比，188mm是故障发生点。
图5是磁记忆信号模极大值系数图，从图5可以看到，去除边缘信号模极大值，中间突变信号的模极大值随尺度的减小都收敛于奇异点，也就是故障发生点，从以上分析可以总结出对钢绳芯输送带磁记忆信号采用小波模极大值分析奇异性具有很大的优势，可以准确到信号突变点。
图3采集的磁记忆信号
图4磁记忆信号小波变换检测突变点
图5连续小波变换系数图
0100200300400
长度/mm
-1500
磁
场
强
度
/
A
·
m
-
1
-1000
-500
500
1000
s
-1000
500
-500
a
-1000
500
-500
100
-100
d
7
200
-200
d
6
200
-
200
d
5
500
-500
d
4
50
-50
d
3
200
-200
d
2
50
-50
d
1
100
50150200250300350400
61
57
53
49
45
41
37
33
29
25
21
17
13
9
5
1
91
煤矿机械
Coal Mine Machinery
Vol.34No.01Jan.2013
第34卷第01期2013年01月
7结语
金属磁记忆技术是对钢绳芯输送带故障检测
一种有效的方法，通过将采集的信号进行小波变换多尺度分析，可以很容易并且准确地到故障发生点。本文利用基于小波变换模极大值的奇异性检测应用到磁记忆信号中，有效识别信号的奇异点，从而正确地判断钢绳芯输送带接头发生抽动和断丝的位置，通过实验验证了此方法是有效的。
此次实验是在实验室架设的平台进行的，因而没有噪声影响，若到现场采集数据，再进行信号分析时首先要进行去噪处理再选取一定的采样点。这样的实验会更加具有普遍性以及准确性，对于判断在煤矿、码头、电力等部门广泛使用的钢绳芯输送
带接头发生故障的位置更简单、准确。参考文献：
［1］胡广书.现代信号处理教程［K ］.北京：清华大学出版社,2004.［2］马俊超.输送带钢绳芯磁记忆检测信号小波分析方法研究［D ］.太
原：太原理工大学测控研究所,2010.
［3］关山，胡全.小波奇异性检测理论在齿轮故障诊断中的应用［J ］.煤
矿机械,2008，29（8）：188－190.
［4］张重阳，张丽娜.储罐底板的漏磁检测信号处理中小波奇异性检
测理论的应用［J ］.仪器仪表与检测技术,2010，29（6）：85－87.［5］W.-X.Yang.Detecting the singularities in engineering signals ［J ］.
Materials Processing Technology,2006,175（1）:439-445.
作者简介：李效露（1986-），女，内蒙古察右前旗人，硕士研究生，研究方向为故障诊断技术，：lxlsky1234@163.
责任编辑：卢盛春收稿日期：2012－10－16
1
直接转矩控制基本原理
（1）异步电机简化数学模型
异步电机在三相定子坐标系中可表示为
T e =321L σ
｜ψs ｜｜ψr ｜sin θ
式中
L σ———
互感；ψs 、ψr ———
定、转子磁链；θ———定子磁链和转子磁链的电角度。（2）直接转矩控制的实质
当定子磁链发生变化时，定子磁链变化是滞后
于定子磁链的，若系统的时间常数比转子时间常数快很多，就可以认为转子磁链矢量是不变的。因此，保持定子磁链矢量的幅值不变，通过改变定子与转子之间的电角度θ就可以迅速改变和控制转矩，这就是直接转矩控制的实质。磁链和转矩的控制都是使用滞环比较控制的。
转矩滞环比较控制器的原理结构如图1（a ）所示，当需要定子磁链矢量向前旋转时，若
｜T e ｜－｜T e *｜≤-|ΔT e |ΔT =1
｜T e ｜≥｜VT e ｜
ΔT =≥
0基于模糊神经网络的直接转矩控制
周
莉，张明慧，陆玉正
（安徽理工大学电气与信息工程学院，安徽淮南232001）
摘要：直接转矩控制与矢量控制相比，具有结构简单和鲁棒性强等优点。但直接转矩基于两
点式控制原理，不可避免地产生转矩脉动，在控制精度要求较高的工业领域，传统的直接转矩控制技术无法满足控制要求。提出一种基于模糊神经网络的智能控制算法应用于直接转矩系统中。在
MATLAB 中进行仿真验证，结果表明，基于智能算法的直接转矩控制系统具有良好的动态性能和
鲁棒性能，有效地抑制了转矩脉动。
关键词：直接转矩控制；模糊控制；模糊神经网络；智能控制中图分类号：TM343
文献标志码：A
文章编号：1003－0794（2013）01－0092－03
Direct Torque Control Based on Fuzzy Neural Network
ZHOU Li,ZHANG Ming-hui,LU Yu-zheng
（College of Electrical and Information Engineering ，Anhui University of Science and Technology ，Huainan 232001,
China)
Abstract:Compared with vector control,direct torque control has advantages of simple structure and strong robustness,but it based on the Bang-bang control theory.It inevitably produces pulsating torque.The traditional direct torque control technique can not meet control requirements in some industrial areas where control accuracy are very high.This paper presents a method based on fuzzy neural network intelligent control algorithm which is applied to direct torque control system.The new algorithm is verified in the MATLAB.The simulation results show that new DTC based on intelligent algorithm has good dynamic performance and robustness.It can effectively reduce torque ripple.Key words:DTC;fuzzy control;fuzzy neural network;intelligent control 92
发布评论