在工业生产领域，电气传动控制器局部干扰信号较为常用的识别方法包括时间域分析法、频域分析法以及小波变换法。但是，相比于数学建模的方法，上述三种方法的识别精度相对较低。尤其在识别多音干扰与线性扫频干扰方面，采用数学建模法能够获取更加精确的数据，这就给干扰源的确定与排除提供了准确可靠的参考依据。
1 电气传动控制器局部干扰信号自动识别检测方法
1.1 时间域分析法
时间域分析法作为电气传动控制器局部干扰信号自动识别领域常见一种识别方法，能够对控制器运行过程中产生的电流、电压等基础信号进行识别与监测，然后根据傅里叶变换工具将监测结果转化为能够进行直观分析的频域信号。以示波器这一监测装置为例，利用该装置对电气传动控制器的电流信号的稳定性进行实时监测，能够获取较为精准的电流波动幅度与周期，再结合曲线图来判定外界干扰噪声的频率。
1.2 频域分析法
与时间域分析法相比，频域分析法主要是针对处于不同频段内的信号进行分析，以此来查找和判定干扰噪声的产生源头。这种分析法常用的监测仪器多为频谱分析仪，比如利用频谱分析仪对电气传动控制器的电流信号波动情况进行分析，能够在较短的时间内准确地判定出哪些属于突变频率，哪些属于非突变频率，然后根据频率突变的幅度确定干扰噪声的来源。
1.3 小波变换法
小波变换分析法可以分别在时间域与频域当中对干扰信号进行分析，然后根据分析结果来判定异常信号的持续时间。相比于时间域和频域分析法，小波变换分析法能够适应高温、高湿、高压、高粉尘等恶劣的作业环境，因此，这种分析法具有极强的抗外界干扰能力，并且可以确定工业生产环境中来自于不同地方的干扰噪声源[1]。
2 电气传动控制器局部干扰信号的预处理与特征提取方法
2.1 傅里叶变换工具
傅里叶变换是将一个满足一定条件的函数表示为三角函数的线性组合，在信号处理方面，利用该变换工具能够将时域信号转化成为频域信号，这样更有利于对信号状态的分析。首先在干扰信号的预处理阶段，需要确定拦截以后的信号的传输规律与时域，然后再对信号进行分类与计算。其次，在提取干扰信号的主要特征时可以去除一些重复的干扰信号，并根据信号特性对位置进行精准定位，这一过程可以忽略电流的影响因素。在计算阶段，为了简化计算流程，技术人员可以随时对信号转化的类型与行进方向进行改变，而针对一些属性不同的信号，则需要利用傅里叶变换工具将其转化成为能够进行精准分析的频域信号，这就使整个预处理环节变得更加简单。
2.2 功率定性分析
在干扰信号预处理阶段，可以根据预处理表达式来计算出傅里叶变换以后的信号源。需要强调和说明的是，预处理表达式的使用条件是在不存在其它干扰噪声的情况下，如果被监测和识别的工业生产环境存在多余的干扰噪声，则会影响计算精度，这就使干扰信号的识别准确率大幅降低。预处理工序结束需要对干扰信号的功率进行定性分析，虽然信号的传输通道不同，但是，对系统的自动识别效率不会产生较大的影响，尤其在得到曲线图以后，完全可以根据曲线图上面所显示的信息来判定干扰信号的来源。
3 电气传动控制器局部干扰信号自动识别实现路径
3.1 干扰信号的识别流程
在识别电气传动控制器局部干扰信号之前，技术人员可以结合以往的工作经验建立一个数学识别模型，并将干扰信号的活动规律与轨迹体现在模型上面，然后可以根据模型上面的提示信息来预测和判定出每个不同时间段干扰信号的状态，这对识别精度的提升将大有帮助，电气传动控制器局部干扰信号识别流程如图1所示。
图1：电气传动控制器局部干扰信号识别流程
从干扰信号的识别流程可以看出，运用这种数学建模的方法能够将与模型无关的信号状态过滤出来，然后根据过滤结果来假设干扰信号的控制序列，在控制序列当中，应当包含以下几个基本条件：即干扰信号的初始状态、信号初始状态序列、能量转换、能量转换的信号序列、终止状态、终止状态的序列、窗口的长度以及功率，根据公式的波动规律能够判定出干扰信号的波动情况与马尔科夫特征相符。
3.2 利用决策树方法分类
马尔科夫较为明显的一个特征是一个参数的增大势必会引起另一个参数的减小，当确定这一特征之后，技术人员可以利用决策树对干扰信号的识别过程进行分类处理。在决策树上提取干扰信号特征时主要通过对干扰噪声的分析、判断、调频及线性扫频处理，来获取一个信号轨迹集合，最后根据集合所显示出来的信息来判定干扰信号状态变化情况。比如外界干扰信号一旦发生变化，其此前的信号活动轨迹也会发生变化，随着变化过程的延续，变化所反馈的数值也越加清晰，从这一点可以看出，信号回报的长短与信号的动作幅度息息相关，而这种相关性恰恰说明干扰信号的存在状态可以划分为持续状态与间隔状态，这种状态的变化都会产生干扰噪声。如果干扰信号处于持续状态，则电气传动控制器的识别动作将自动终止，为了获取最佳的决策，干扰信号应当始终处于不重复的幅度变化，这样才能有效提高电气传动控制器对干扰信号的自动识别精度[2]。
3.3 干扰信号自动识别实例
干扰信号主要包括单音干扰、多音干扰、线性扫频干扰、噪声调频干扰四种类型，如果利用电气传动控制器对不同的噪声进行多次识别，则可以得出以下结论：在单音干扰下，识别出的信号频率介于30-300MHz之间，且均匀分布，在多音干扰下，识别出的音数目介于2-10之间，呈现随机分布状态，在线性扫频干扰下，识别出的初始信号频率在30-300MHz之间，调频率在20-100THz/s之间，在噪声调频干扰下，识别出的中心频率为150MHz，带宽在8MHz-12 MHz之间，且随机分布。从上面的识别实例可以看出，利用电气传动控制器识别多种不同的噪声干扰源时，其采用的识别方法能够准确的判定出干扰信号的变化情况，这就说明电气传动控制器局部干扰信号自动识别水平已经提升到了一个新的高度。
结语：
综上，随着电气传动控制器局部干扰信号自动识别技术的不断发展，工业生产领域的生产过程得到有效改进，这就给工业生产效率与经济效益的提升创造了先决条件。因此，在工业生产过程中，为了获取更高的生产回报率，工业生产企业应当熟练掌握干扰信号自动识别技术原理，并通过对该技术的不断创新与优化来实现经济效益最大化目标。
参考文献：
[1]赵晓宇,殷海双.电气传动控制器局部干扰信号自动识别研究[J].自动化与仪表,2022,37(09):42-46.
[2]蓝建华,王裕航,张盼盼.基于PLC控制的机械电气传动同步控制器研发与设计[J].电动工具,2022,(06):28-32.
