2. 基于故障录波的过流波形特征提取与初步判读

录波数据的三条证据链

故障录波是过流事件发生瞬间唯一能还原“电—磁—控制”同步过程的原始证据。判读时不要只盯住某一相电流的峰值，而要把三相输出电流、直流母线电流和门极驱动信号放在同一时间轴上对齐，看它们是否在同一时刻、以同一因果顺序发生变化。真实过流与传感器干扰的差别，恰恰体现在这三条证据链是否“自洽”。

下面这张图给出本节的核心判读框架：以触发时刻 t₀ 为基准，把录波窗口划分为触发前、触发瞬间和封锁后三段，并标出真实过流与传感器干扰在三条通道上的典型差异。

录波文件的关键通道与提取要点

城轨牵引逆变器录波通常以固定采样率（常见 5～20 kHz）记录多路模拟量与数字量。判读前先确认三件事：采样率是否足以捕捉过流上升沿（至少每周期 20 点以上）、各通道是否同一时基、门极信号是原始 PWM 还是经过状态压缩的开关量。若门极通道只有“封锁/未封锁”两态，则重点看封锁时刻与电流峰值时刻的先后关系。

用 Python 做特征提取与初步判读

下面给出一个可直接运行的脚本，读取录波 CSV（列名：t, iu, iv, iw, idc, gate, udc），自动定位触发点、计算三相峰值与一致性、母线电流相关性，并输出初步判读结论。示例数据由脚本内置生成，便于先跑通流程再替换为真实录波。

import numpy as np
import pandas as pd

# ---------- 1. 构造示例录波（真实使用时替换为 pd.read_csv("rec.csv")） ----------
fs = 10000                      # 采样率 10 kHz
t = np.arange(0, 0.2, 1/fs)
t0 = 0.10                       # 触发时刻
f = 50.0

def make_case(kind):
    iu = 200*np.sin(2*np.pi*f*t)
    iv = 200*np.sin(2*np.pi*f*t - 2*np.pi/3)
    iw = 200*np.sin(2*np.pi*f*t + 2*np.pi/3)
    idc = 0.05*(iu + iv + iw) + 5
    gate = (np.sin(2*np.pi*500*t) > 0).astype(float)
    udc = np.full_like(t, 1500.0)
    if kind == "real":
        mask = t >= t0
        iu[mask] += 900*np.exp(-(t[mask]-t0)/0.004)
        iv[mask] += 900*np.exp(-(t[mask]-t0)/0.004)
        iw[mask] += 900*np.exp(-(t[mask]-t0)/0.004)
        idc[mask] += 120*np.exp(-(t[mask]-t0)/0.004)
        gate[mask] = 0.0
        udc[mask] -= 80*np.exp(-(t[mask]-t0)/0.006)
    else:  # sensor glitch
        idx = np.argmin(np.abs(t - t0))
        iu[idx:idx+3] += 1200
    return pd.DataFrame({"t": t, "iu": iu, "iv": iv, "iw": iw,
                         "idc": idc, "gate": gate, "udc": udc})

# ---------- 2. 特征提取 ----------
def extract(df, thr=600.0):
    pre = df[df.t < t0]
    post = df[df.t >= t0]
    res = {}
    for ph in ["iu", "iv", "iw"]:
        res[f"{ph}_peak"] = float(post[ph].abs().max())
    res["three_phase_peak"] = max(res["iu_peak"], res["iv_peak"], res["iw_peak"])
    res["phase_spread"] = res["three_phase_peak"] - min(res["iu_peak"], res["iv_peak"], res["iw_peak"])
    # 母线电流与三相电流之和的相关性（真实过流应强相关）
    isum = post["iu"] + post["iv"] + post["iw"]
    res["idc_corr"] = float(np.corrcoef(isum, post["idc"])[0, 1])
    # 门极封锁：t0 后是否持续为 0
    res["gate_blocked"] = bool((post["gate"] < 0.5).all())
    # 母线电压跌落
    res["udc_drop"] = float(pre["udc"].mean() - post["udc"].min())
    res["over_thr"] = res["three_phase_peak"] > thr
    return res

# ---------- 3. 判读规则 ----------
def judge(r):
    if not r["over_thr"]:
        return "未超过阈值，非过流事件"
    if r["phase_spread"] > 400 and r["idc_corr"] < 0.3:
        return "疑似传感器干扰误触发：单相异常、母线无对应"
    if r["gate_blocked"] and r["idc_corr"] > 0.7 and r["udc_drop"] > 30:
        return "真实过流：三通道自洽，保护正确动作"
    return "证据不足，需补充零漂/增益校验"

for kind in ["real", "glitch"]:
    df = make_case(kind)
    r = extract(df)
    print(f"--- {kind} ---")
    for k, v in r.items():
        print(f"  {k}: {v}")
    print("  结论:", judge(r))

运行后可以看到：real 案例三相峰值接近、idc_corr 高、gate_blocked 为真、udc_drop 明显；glitch 案例仅 iu_peak 异常、phase_spread 大、idc_corr 低。判读规则据此给出不同结论。实际使用时把 make_case 替换为读取真实录波即可，阈值 thr 按该车型过流保护定值填写。