高压断路器在线监测及故障诊断系统设计

为实时判断高压断路器运行状态、及时发现故障,提出了一种基于TMS320C28346的高压断路器合(分)闸线圈电流在线监测及故障诊断系统的设计方案。该方案集采样、处理、显示、故障诊断、存储、串行通信于一体,故障诊断系统采用EMD(经验模态分解)算法与特征值判断相结合的方法,通过EMD算法去噪声后提取电流信号中的合(分)闸时间与合(分)闸线圈电流最大值,根据阈值判断断路器故障。实验结果证明:该方案可实现断路器合(分)闸线圈电流的实时监测,可及时发现故障,具有实时性能好、精度高等优点。     

基于EMD和SVM的高压断路器机械故障诊断方法研究

高压断路器操动过程中,声波信号的变化反映了断路器机械状态,声波信号特征提取直接关系到故障诊断的准确性和实用性。提出一种基于经验模态分解(empirical mode decomposition,EMD)的状态特征提取方法,根据高压断路器分闸过程的物理特点,将分闸声波信号分为分闸前期、分闸中期、分闸后期三个阶段,各阶段声波信号等时间分段,形成等时间分段能量熵以反映声波信号的时间、频率和能量变化。将能量熵输入支持向量机(support vector machine,SVM),采用"一对其余"策略进行多级分类,可诊断出断路器的正常运行状态和典型故障。通过对ZN28A型真空断路器正常状态、拐臂润滑不足、缓冲器有多余无效撞击和其它故障的测试实验,基于EMD和SVM相结合的诊断方法,有效提高了小样本下诊断断路器机械故障的准确性。     

基于振电结合的高压断路器特征提取及分类方法研究

为了对高压断路器操作机构的工作状态进行较准确的评估,提高高压断路器机构的运行稳定性,提出了一种基于振动信号与电流信号结合的高压断路器信号特征提取和分类方法。首先通过对高压断路器分合闸线圈电流信号和振动信号的机理分析,提出利用时间节点参数作为特征向量,然后采用曲线斜率方法提取电流信号时间参数,利用基于短时能量的双门限法提取振动事件的时间参数,将两者的参数作为模式识别的特征向量。最后通过支持向量机(Support Vector Machine, SVM)分类结果表明:线圈电流曲线与振动信号相结合能够准确而全面地反映操作机构的运行状况,利用SVM可以快速准确的判断操作机构的故障类型,对于断路器的故障诊断和检修维护具有重要的意义。     

基于行程曲线的高压断路器典型故障特征参数提取

针对高压断路器振动信号提取特征参数物理意义模糊的问题,提出了一种基于行程曲线的高压断路器故障特征参数提取新方法。首先,利用ADAMS构建了高压断路器的弹簧操作机构的多体动力学模型;然后,对高压断路器典型故障进行了仿真分析,得出典型故障下高压断路器行程曲线的变化规律;最后,采用高压断路器动特性分析仪对断路器进行实验测试,验证了仿真分析结果的可靠性。通过仿真分析和实验研究得出,高压断路器典型故障下合闸时间和动触头的跳动情况都有所变化,且变化规律不同,以此作为特征参数可以识别高压断路器的故障类型。研究为高压断路器的故障诊断与识别提供了理论支撑和参考,所提出的仿真方法可以拓展到其他类型的高压断路器中。     

高压真空断路器弹簧操动机构的设计

针对１１０ＫＶ高压真空断路器弹簧操作机构总体方案设计的问题,阐述了分、合阐弹簧参数的确定方法。通过理论分析和比较,探讨了分闸弹簧及其放置位置和合阐弹参数对操动机总体方案的影响。结果表明：在满足机构所需要的分阐特性的前提下,分阐弹簧宜放置在操作机构运动链的中间行程较大之处,放置方位应使弹簧力的作用方向与力作用点的速度方向在分闸的整个过程中都趋于一致。合闸弹簧则要按输出力特性曲线来设计其参数,且相应确     

基于振动信号高压断路器故障诊断的仿真研究

基于高压短路器的机械振动信号,研究了一种高压断路器的故障诊断方法,由于高压断路器机械故障的出现,不仅引起振动冲击事件的时移,还会引起时域波形中一些波峰幅值的变化,基于径向基函数网络理论（RBF网络）,将健康振动信号和断路器实际振动信号波峰幅值之差形成的残差以及冲击事件发生的时间作为断路器故障诊断的特征参数,来判断路器是否故障及故障的类型,仿真结果表明,RBF网络故障诊断的方法具有实时性、精度高和鲁棒性,确是一种新颖而有效的方法。     

单稳态永磁机构的动态特性仿真及性能优化

基于12 kV直动式真空断路器的动作特性,介绍了一种改进型单稳态永磁机构.利用ADAMS中建立的真空断路器模型,结合MATLAB实现了多场耦合动态仿真.在触头弹簧的不同安装方式下,选取电容与分闸弹簧参数的不同组合进行断路器分合闸的动态仿真.仿真结果表明:电容容量对合闸特性影响较大;分闸弹簧刚度系数对分闸特性影响较大;触头弹簧安装在动端侧有利于提高刚分速度;触头弹簧安装在静端侧有利于降低刚合速度.     

基于低频振动信号的断路器机械故障诊断方法

针对当前断路器机械故障诊断方法过度降噪,导致故障诊断信号重叠、不完整,造成故障诊断结果可信性较低的问题,提出基于低频振动信号的断路器机械故障诊断方法.根据连续信号小波、噪声小波系数传播特性,去除低频振动信号噪声,利用总体平均经验模态分解法,改善断路器低频振动信号的不连续问题,重新选定测点和加速传感器安装方式,实现断路器机械故障诊断.实验结果表明:在两组类型不同故障测试中,该方法诊断的故障波形更加完整、连续,其故障诊断结果具备较高的可信性.     

结构优化深度网络的高压断路器机械故障诊断

高压断路器操作过程中的振动信号反映断路器的机械状态。针对基于浅层的振动信号分析模型的特征提取及故障诊断精度等方面存在的不足,提出了一种基于遗传算法优化的卷积神经网络高压断路器故障诊断方法。利用遗传算法的全局寻优能力,通过遗传算法的选择、交叉和变异等操作获得最优初始网络结构参数及全连接层神经元数等,进而优化卷积神经网络,并将优化后的卷积神经网络应用于高压断路器的故障诊断。结果表明,所提方法的诊断性能优于未进行优化的卷积神经网络、动态支持向量机和多层感知机。     

基于红外神经网络的高压断路器故障诊断方法

为了高效、快速、准确地确定高压断路器的故障,提出了一种基于红外诊断与神经网络相结合的高压断路器新型故障诊断方法。首先,利用红外测量技术采集高压断路器故障样本,并将故障样本进行归一化;其次,构造BP神经网络故障诊断模型,提出一种新型改进BP神经网络算法,将构造的高压断路器故障样本输入到改进BP神经网络中进行训练,得到改进BP神经网络的相关参数;最后,通过仿真研究验证了提出的基于红外神经网络的高压断路器故障诊断方法的合理性与优越性。