航空电弧故障识别：基于相空间重构的高效方法

本文主要探讨了"基于相空间重构的航空电弧故障识别方法"，发表于2020年1月的《电工技术学报》增刊1，由中国电气技术学会主办，卷号35，DOI为10.19595/j.cnki.1000-6753.tces.L80275。作者崔芮华和曹欢来自河北工业大学电器研究所，天津300130。 研究背景是针对航空交流串联电弧故障的检测需求，他们在115V/400Hz的航空供电环境下，遵循美国标准UL1699和SAEAS5692，进行了点接触试验、切割试验（Guillotine test）和振动试验，旨在获取电流信号的正常状态和故障模式下的数据。通过工业级个人计算机和数据采集卡，他们成功地分离出了正常电流信号与电弧故障信号。 文章的核心技术是基于相空间重构方法。相空间是一个系统的状态随时间演变的多维空间，通过对电流信号进行处理，计算得到如计盒维数（Lyapunov exponent）、信息维数（Kolmogorov entropy）、均值比和标准差以及峰峰值等特征值。这些特征值在正常状态下和故障发生后的变化显著，能够反映电弧故障的独特信号特性。 进一步，研究者将这些特征值组合成电弧故障的样本，将其作为遗传算法优化的BP（Backpropagation）神经网络的输入。BP神经网络是一种常见的机器学习模型，用于处理非线性问题，通过训练可以学习到不同特征之间的关系，并据此判断电路是否处于正常状态。结果显示，该识别方法具有很高的效率，识别准确率达到了96%以上，显示了其在实际航空电气系统故障检测中的应用潜力。 这篇论文提供了有效的航空电弧故障识别策略，利用相空间重构技术提取关键特征，结合遗传算法优化的BP神经网络，实现了对航空交流串联电弧故障的高效识别，对于提升飞行器电力系统的安全性和可靠性具有重要意义。