基于小波变换的高压断路器机械故障监测装置的研究

高压断路器在电力系统中起着重要的控制和保护作用,对电网安全运行非常重要。对高压断路器的概念进行简单介绍,并对其振动信号特点及原理进行了分析。针对目前高压断路器机械故障监测方法出现的各种弊端,研制出一种基于振动信号分析的断路器机械故障监测装置,该装置通过对振动信号进行小波变换分析能有效对断路器的运行状态和故障进行准确、及时、自动监测识别,同时能够实现故障前告警,对调整高压断路器运行状态,保证高压断路器的安全稳定运行具有重要意义。     

基于智能理论的高压断路器机械故障诊断

文中对高压断路器机械故障诊断方法进行了研究,通过监测高压断路器合闸操作振动信号,提出了一种基于小波分解和支持向量机(SVM)的机械故障智能诊断方法。首先利用小波分解对振动信号进行分解,然后提取出振动信号的低频和高频重构信号的能量并将其作为特征量,最后利用SVM实现高压断路器机械故障的分类。为了验证提出的方法,搭建了高压断路器机械故障诊断软硬件平台,并对现场的高压断路器进行了实验研究。实验结果表明,该方法能有效地完成高压断路器机械故障的诊断。     

基于低压直流断路器的机械故障机理分析与特征提取技术研究

直流断路器是轨道交通直流牵引供电系统的核心保护设备,是直流供电系统安全运行的保证,确保其稳定运行至关重要。文中针对直流牵引断路器机械结构特点,进行了断路器机械故障模拟实验,选取分合闸线圈电流及振动信号作为监测物理量,研究其机械故障机理与特征提取方法。研制信号采集硬件装置,搭建直流断路器机械故障模拟实验平台,模拟6种常见的机械故障。采集不同故障下的线圈电流及振动信号进行特征提取后进行故障机理分析,为低压直流断路器机械故障诊断提供理论支撑。     

基于VMD-Hilbert边际谱能量熵和SVM的高压断路器机械故障诊断

针对高压断路器分、合闸动作过程中产生的振动信号持续时间短暂及强烈的非线性非平稳性,导致的特征提取困难问题,提出一种变分模态分解(VMD)-希尔伯特(Hilbert)边际谱能量熵,及支持向量机(SVM)的高压断路器振动信号组合特征提取和机械故障诊断方法。采用VMD对高压断路器振动信号进行分解,得到一系列反映振动信号局部特性的本征模态函数(IMF);对IMF进行Hilbert变换,并求取对高压断路器机械状态变化敏感的Hilbert边际谱能量熵作为特征向量;将特征向量输入到SVM分类器,实现高压断路器机械故障的智能诊断。试验结果表明:该方法能够准确识别高压断路器的常见机械故障类型,具有一定的工程应用价值。     

基于小波能量与神经网络的断路器振动信号识别方法

高压断路器出现机械故障不仅会引起振动冲击事件的时间漂移,还会引起时域波形中一些波峰幅值的变化。依据同一类型断路器振动信号相似的特点,在对高压断路器故障振动信号进行特征分析的基础上,提出了一种识别高压断路器振动信号的新方法:将小波包提取算法和径向基神经网络模式识别功能相结合,利用小波包分解与重构原理将断路器合闸振动信号分解到不同频段中,提取每个频带能量作为断路器状态监测的特征向量,作为径向基神经网络的输入向量;基于径向基神经网络的故障诊断方法在系统参数未知的情况下自动建立动态模型,对于线性系统和非线性系统都有很好的跟踪能力,通过实验室断路器典型合闸振动信号的监测及识别分析验证了该方法的有效性。     

基于集合经验模态分解和多分类相关向量机的高压断路器机械故障诊断方法研究

作为电力系统中最重要的控制和保护设备的高压断路器,由于其故障中机械故障所占的比例最大,所以为了保证电力系统能够可靠地运行和电网质量的提高,有必要对高压断路器机械故障进行诊断及时了解其运行状态。通过对高压断路器分、合闸时产生的声波信号分析发现在声波信号中存在着大量的机械状态信息,因此可以依据声波信号的特征量对高压断路器机械故障进行诊断。通过集合经验模态分解方法提取高压断路器分闸过程中的声波信号特征量,并与多分类相关向量机相结合对高压断路器机械故障进行诊断,实验结果表明该方法具有良好的诊断效果。     

交流中压真空断路器机械特性在线监测装置的研制

在断路器所有故障中,机械故障占有相当大的比重,对其机械特性在线监测具有重要现实意义。文中针对某12 kV交流中压真空断路器,以分合闸线圈电流信号、角位移信号及振动信号为监测对象,研制了一种以STM32F407为主控芯片、搭载RT-Thread实时操作系统的交流中压真空断路器机械特性在线监测装置。该装置采用HNC-661霍尔电流传感器捕获分合闸线圈电流,判断断路器分合闸的动作起始时刻;在低电位处采用WDD35D4-5kΩ角位移传感器替代直线位移传感器间接测量动触头的位移曲线,有效避免了直线位移传感器在高电位处的隔离问题;利用ADXL001-70BEZ振动传感器采集断路器动作过程的振动信号,经短时能量法处理后提取出断路器刚分刚合时刻的振动事件,并在此基础上进行机械参数计算。该装置完成机械特性参数计算后可实现液晶显示、数据上传功能,实现了对断路器机械特性的在线监测。经过与机械特性测试仪对比测试,该装置的机械特性监测数据稳定可靠。     

基于分合闸线圈电流的断路器状态在线监测系统研究及应用

高压断路器故障的原因主要集中在其机械特性方面,断路器的分合闸线圈及储能电机的电流波形可反映铁芯卡滞、卡涩等机械特性方面的异常.给出了断路器在线监测装置的整体设计,通过霍尔电流传感器监测分合闸线圈 电流、三相主回路电流和储能电机电流,分析数据并诊断出断路器潜伏性机械故障,为实现高压断路器的状态检修提供了一种有效的技术手段.通过现场对比试验,结果表明该系统各项性能均达到设计要求.该系统在220kV GIS断路器运行良好.     

基于声—振信号的高压断路器机械故障设置与数据采集研究

高压断路器机械故障数据的可靠、全面采集是有效分析和准确故障诊断的前提,也是提高设备操作安全可靠性的基础。文中以LW30-252型SF6高压断路器的CT26弹簧操动机构为研究对象,分析其结构特点及数据采集难点,详细阐述了高压断路器正常、油缓冲器漏油、合闸弹簧疲劳、分闸弹簧疲劳、传动轴销磨损、主轴卡涩、地脚螺栓松动共7种典型工况的模拟过程。文中以断路器分合闸过程中的振动、声音信号为检测信号,解决了传感器型号确定及安装位置选择问题,研制了故障信号采集系统,并介绍了故障检测采集系统的软硬件组成。本研究为后续高压断路器机械故障特征提取及故障诊断提供可靠的数据基础。     

基于Kohonen网络的高压断路器机械故障识别方法

引起高压断路器故障的原因大部分都是机械故障,因此对高压断路器进行故障诊断,使其可靠、高效地工作对电力系统的运行具有很大的意义。实验室模拟断路器基座支架上的合闸振动信号,采用小波包变换对取得的3种状态下的振动信号进行分解,计算各频段能量并做归一化处理,构造特征向量作为Kohonen网络的输入,进而进行机械故障识别。最后,将基于Kohonen网络的识别方法与BP网络以及RBF网络识别方法对高压断路器机械故障的识别效果进行比较。结果表明提出的基于Kohonen网络的高压断路器机械故障识别方法优于BP网络以及RBF网络,具有较高的准确性。     

能谱熵向量法及粒子群优化的RBF神经网络在高压断路器机械故障诊断中的应用

高压真空断路器是电力系统开关设备中极其重要的一种高压电器,而高压断路器故障中80%是由于机械特性不良造成,为此通过小波包变换对高压断路器机械振动信号进行了分析,以信号的能谱熵作为特征输入向量,建立了粒子群优化(PSO)径向基函数(RBF)神经网络的高压断路器故障识别系统模型,最后对实际高压断路器振动信号进行获取分析并得到结果。实验结果表明,高压断路器正常信号能谱熵向量各元素分布比较均匀;而故障信号所得能谱熵向量各元素变化较大且有一定变化规律;粒子群优化后的RBF网络模型在正确率、精度等方面高于传统神经网络模型。实验结果表明该方法用于高压断路器的故障诊断是可行的,并且可以为断路器的故障诊断提供更好的理论依据。     

基于多分辨率奇异谱熵和支持向量机的断路器机械故障诊断方法研究

根据高压断路器机械振动信号的特点,提出一种基于多分辨率奇异谱熵的信号特征提取方法,并以此特征向量作为支持向量机的输入对断路器机械状态进行识别。多分辨率奇异谱熵是在信息熵模型的基础上,将多分辨率分析和奇异谱分析有效结合的一种信息处理方法,用信号的奇异谱熵作为特征向量更能体现断路器在不同机械状态下的不同特征。利用交叉检验和粒子群优化方法来对支持向量机模型中的参数进行寻优。通过对断路器实际振动信号分析表明,该方法能对断路器故障进行准确诊断分类。     

基于径向基函数网络的高压断路器在线监测和故障诊断

介绍了一种高压断路器在线检测和故障诊断的方法。由于高压断路器出现机械故障不仅会引起振动冲击事件的时间漂移,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（RBF）网络理论,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波峰幅值发生的时间区段作为断路器故障诊断的特征参数,来判别断路器是否发生故障及其故障类型。在实际工程应用中,可以将断路器正常工作时的动静触头接触时产生的振动信号记录下来,存入用于巡回检测的微机系统。用RBF网络预测器的输出与预先给定的阈值进行比较,实现故障的自动诊断。对模拟故障信号进行了仿真实验,仿真结果表明：RBF网络在线学习只需1组样本,因而其收敛速度比BP网络的收敛速度快,更适合于断路器在线检测。该方法还具有精度高和鲁棒性的特点,是一种比较有效的方法。     

基于小波奇异性检测的高压断路器故障诊断

高压断路器机械故障的出现不仅会引起振动冲击事件的时移,而且会引起时域波形中的一些波峰形态的变化。基于小波变换的信号奇异性检测理论,可以求取振动信号包络的奇异性指数,作为特征参数用于故障诊断。对高压断路器合闸振动信号进行了分析,取得了较好的效果。     

Method of Mechanical Fault Intelligent Diagnosis Based on Vibration Signal of High Voltage Circuit Breaker

Based on vibration signal of high voltage circuit breaker,a new method of intelligent fault diagnosis that wavelet packet extracts energy entropy which are used as characteristic vector of the support vector machine(SVM)to construct classifier for fault diagnosis is presented.The acceleration sensors are applied to collecting the vibration data of different states of high voltage circuit breakers based on self-made experimental platform in this method.The wavelet packet are fully applied to analyze the vibration signal and decompose vibration signal into three layers,and wavelet packet energy entropy of each frequency band are as the characteristic vector of circuit breaker failure mode.Then the intelligent diagnosis network is established on the basis of the support vector machine theory.It is verified that the method has a better capability of classification and a higher accuracy compared with the traditional neural network diagnosis method through distinguishing the three fault modes which are tripping device stuck,the vacuum arcing chamber fixed bolt looseness and too much friction force of the transmission mechanism of circuit breaker in this paper.     

断路器机械特性特征数据稳定性和故障机理

为研究高压断路器诊断与评估方法中特征数据可靠性和故障特征数据变化规律问题,针对断路器触头行程、操作机构电流和机械振动信号搭建数据采集平台,提出3种信号的数据特征值提取方法,在断路器同一状态不同时间下,研究各信号特征数据稳定性;在断路器操作机构控制回路电阻增大、分闸弹簧单根脱落和操作及传动机构卡涩3种不同状态下,研究3种信号的特征数据的变化规律。研究证明搭建的断路器数据采集系统的可靠性和数据特征提取方法可行,并得出了断路器机械特性不同状态下各信号特征值的变化规律,为断路器状态评估与诊断方法提供数据支持。     

真空断路器机械特性的在线监测方法

研究了真空断路器机械特性的在线监测方法。采用角位移传感器间接测量动触头的行程曲线,有效解决了直线位移传感器安装困难和高电位隔离的问题;通过监测操作过程中的振动信号,得到了在线状态下动静触头的关合和刚分时刻;用霍尔电流传感器监测分合闸线圈电流,配合动触头位移曲线,得到反映真空断路器机械特性的多个特征参量。     

动态时间规整算法诊断高压断路器故障

为诊断与分析高压断路器的故障,采用动态时间规整算法(DTW),该算法利用高压断路器振动波形具有重复性和独特性的特点,通过比较待测波形与参考波形时间特征量相似度的大小获得诊断结果。该算法只需一组健康数据作为基准参考数据,不但可诊断出高压断路器是否异常,还可确定某一时段对应动作事件的状态。用MATLAB编写动态时间规整算法程序,以试验实测波形为例,对断路器振动波形进行仿真分析,其结果与实际一致,验证了该算法应用于断路器故障诊断的有效性。