悬式绝缘子污秽放电声发射试验研究与分析

为了获取悬式绝缘子污秽放电强度与声发射信号强度之间的关系,系统研究了不同材质悬式绝缘子污秽放电声发射现象。介绍了绝缘子污秽放电声发射监测原理、声信号监测装置以及污秽试验方法,进行了多组悬式绝缘子的污秽放电声发射试验。试验和分析结果表明:整个绝缘子污秽放电过程中,即从放电起始、发展、强烈至闪络,放电强度与声发射信号之间存在着对应关系;且污秽放电过程可粗略的划分为几个阶段,各个阶段各有不同的典型放电现象,均与一定的声发射信号相对应。并在大量污秽试验基础上,总结绝缘子污秽放电声发射波的共有特征。     

最小二乘支持向量机在绝缘子污秽放电声发射监测中的应用

绝缘子污秽放电伴随着声发射现象,人工污秽试验表明,污秽绝缘子放电声发射信号与绝缘子污闪放电的发展存在复杂的非线性关系。为有效分析绝缘子放电声发射信号,从而判断绝缘子表面的污秽放电状况,利用最小二乘支持向量机这种新的机器学习工具,建立了以污秽绝缘子放电声发射信号中的多个变量作为输入参数,污秽程度作为输出的绝缘子运行状态评定模型。模型参数通过交叉检验的方式确定,并通过部分仿真数据验证了该模型的有效性。仿真结果表明,最小支持向量机具有很好的学习、分类和泛化能力,满足绝缘子污秽监测实际要求。     

电晕放电对声发射式绝缘子污秽放电监测影响的研究

对电晕放电和污秽放电声发射信号的特征进行了分析研究。利用两者放电声发射在相位与强度上的差别,提出了识别电晕放电和污秽放电声发射信号的新方法,消除了电晕放电对污秽放电声发射信号的干扰,解决了基于声发射技术的绝缘子污闪在线监测受电晕放电影响的技术难题。     

小波变换去噪在绝缘子污秽放电声发射监测中的应用

研究了绝缘子污秽放电声发射监测中用小波变换进行信号提纯与消噪的实现问题。在大量绝缘子污秽放电声发射试验基础上,分析总结了污秽放电声发射信号的共有特点。并提出一种基于声发射信号小波变换的小波基选取方法。采用选取的最优小波函数rbio3.9对声发射信号进行频谱分析,提取了声信号的特征频带,并对重构后的信号进行二重小波分解消噪。两组声发射信号的小波变换消噪结果表明,小波变换提高了信号信噪分离结果的可靠性,有效地降低了噪声对污秽放电声发射信号的影响。     

小波变换去噪在绝缘子污秽放电声发射监测中的应用

研究了绝缘子污秽放电声发射监测中用小波变换进行信号提纯与消噪的实现问题.在大量绝缘子污秽放电声发射试验基础上,分析总结了污秽放电声发射信号的共有特点.并提出一种基于声发射信号小波变换的小波基选取方法.采用选取的最优小波函数rbio3.9对声发射信号进行频谱分析,提取了声信号的特征频带,并对重构后的信号进行二重小波分解消噪.两组声发射信号的小波变换消噪结果表明,小波变换提高了信号信噪分离结果的可靠性,有效地降低了噪声对污秽放电声发射信号的影响.     

绝缘子污秽放电声发射的统计指纹分析

在深入研究绝缘子污秽放电声发射信号的基础上,提出采用统计指纹参量来评定绝缘子外绝缘状态的新方法。提出将污秽绝缘子外绝缘状态划分为3个阶段,即安全、报警和危险,为发布污闪预警信息提供依据。绝缘子污秽放电的强度和声发射信号之间存在对应关系,根据绝缘子污秽放电声发射信号的放电幅值分布和频谱分布图提取了17个统计指纹参量,绘制了绝缘子污秽放电不同发展阶段的统计指纹图谱,显著地表征了不同放电阶段的差异。并从17个统计参量中提取了3个主成分特征量。最后设计了基于最小二乘支持向量机的污秽绝缘子外绝缘状态分类器。实验结果证明了该统计指纹分析方法的可行性。     

基于经验模态分解能量分布和灰色相似关联度的污秽绝缘子放电识别

在深入研究污秽绝缘子放电声发射信号的基础上,提出通过对污秽绝缘子放电声信号进行经验模态分解和灰色相似关联度的方法实现放电程度的识别。针对不同放电模式下的声信号进行经验模态分解得到本征模态分量,计算电晕放电、局部放电和电弧放电3种放电模式的声发射信号各阶本征模态分量能量分布。根据前几阶本征模态分量的能量分布构造特征矢量,计算声发射信号与不同放电模式的特征矢量的灰色相似关联度判断绝缘子所处的放电阶段,实现绝缘子外绝缘状态的监测。实例计算结果表明该方法的有效性。     

绝缘子污秽放电的声发射核主成分诊断法

为了提高污秽绝缘子外绝缘状态的诊断准确度,利用绝缘子污秽放电时产生的声发射信号评定其外绝缘状态。通过绝缘子污秽试验,由高灵敏度声信号监测装置检测绝缘子的污秽放电声发射信号;对提取的声发射信号进行核主成分分析,将样本从低维的状态空间非线性的映射到高维核空间,在核空间采用随机森林方法训练得到分类器群,根据分类器群的分类结果对每个测试样本进行投票表决决定其最终分类。分析和诊断试验结果表明,声发射信号的3个原始特征量经核主成分分析后,变换为65个核特征量,有效地提高了分类器群之间的差异性。基于核主成分分析的随机森林模型的状态诊断结果具有很高的准确性。利用污秽放电声发射信号可进行污秽放电阶段的划分,以达到监测绝缘子的外绝缘状态的目的。     

绝缘子污秽放电声发射信号特征量提取的研究

绝缘子污秽放电的过程中存在3种不同的放电模式,即电晕放电、局部放电和电弧放电。大量的试验和研究表明绝缘子污秽放电模式与其声发射信号有紧密的关系。3种不同的放电模式下,声发射信号各参数呈现出不同的特点。进行了绝缘子污秽放电试验,获取了大量污秽放电声发射信号试验数据样本。结合试验数据样本,研究3种放电模式下声发射信号的能量、幅值及频率3个特征量的提取方法,并以这3个特征量为基础,实现污秽放电的模式识别。     

绝缘子放电声信号研究及污秽度预测

为了研究绝缘子污秽放电阶段声信号的特性,设计了污秽放电声信号监测装置,在人工雾室内对典型绝缘子在不同盐密、不同电压等级的放电声信号进行了研究。结果表明,声发射信号不仅与绝缘子表面的污秽状况有关,还受环境因素的影响,并且与各因素之间存在着复杂的非线性关系。通过模糊神经网络模型,建立了以声信号最大幅值、最大工频半周期面积、固定时间长度内工频半周期面积超过给定阈值的声信号个数、环境湿度、温度5个变量作为输入参数变量,等值附盐密度作为输出参数的智能预测模型,基于实验室实测数据验证了该模型的可靠性。     

基于 tSNE-ASC 特征选择和 DSmT 融合决策的 滚动轴承声振信号故障诊断

针对滚动轴承早期故障特征微弱且难以有效辨识的问题,提出一种基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断方法。利用多个传感器采集轴承在不同故障模式下的声振信号,将每个信号通过VMD分解得到K个IMF分量;对各个IMF分量进行特征提取,构建各个特征的数据集矩阵;利用tSNE将各特征数据集矩阵降维至二维,计算平均轮廓系数(ASC);根据ASC大于临界值提取出声振故障信号的敏感特征;基于诊断模型实现轴承故障的初级诊断;利用DSmT将声振信号初级诊断结果进行融合决策,得出最终的诊断结论。实验结果表明：基于tSNE-ASC的特征选择方法能有效提取混合域特征中的敏感特征,在不同工况、不同诊断模型中均具有很高的诊断精度;DSmT决策融合有效降低了单一信号诊断的不确定性,在变载荷和升降速非平稳工况下均有很高的诊断精度。     

全尺寸直流电缆脉冲电声法（PEA）空间电荷测量系统设计及声信号衰减与色散补偿

脉冲电声法（PEA）空间电荷测量是交联聚乙烯（XLPE）绝缘直流电缆材料选型与评价的主要技术手段,被广泛应用于直流电缆薄膜试样。但应用该方法测量厚尺寸平板试样和大尺寸同轴试样以研究材料体效应对空间电荷的影响时,声波信号在材料中传播时的衰减与色散将直接影响电荷密度测量的精度和空间分辨率。提出了在空间电荷校准过程中利用理论计算直流电场的方法确定内外电极表面的电容电荷密度,然后计算确定在绝缘介质中传播的脉冲声波信号传递函数（该函数含有衰减和色散系数）,再对原始信号进行反卷积分运算以去除系统响应。在频域利用测量信号乘以传递函数获得脉冲声波信号经过衰减、色散恢复后的信号,从而保证大尺寸直流电缆试样测量中电荷密度及空间分辨率的测量精度。同时,设计了全尺寸直流电缆空间电荷测量系统,并在LabVIEW环境下开发了数据采集与处理系统。     

数据驱动的绝缘子积污特征量识别与污秽度预测

为准确预测复杂环境下输电线路绝缘子污秽度,实现污闪的有效预警,提出数据驱动的绝缘子积污特征量识别与污秽度预测方法。该方法结合改进粗糙集与样本加权方法,基于粒子群算法优化的误差反向传播神经网络,得到绝缘子积污特征量综合量化模型,对影响积污程度的因素进行量化识别。在识别的基础上,构建基于改进粗糙集的特征加权支持向量机,来预测绝缘子污秽程度,识别污闪风险。实例分析表明,该方法完全基于数据驱动,避免人为干预,能实现不同运行环境下绝缘子积污特征量的准确识别。相较于其他方法,所提污秽度预测和风险识别方法更精确,误差更小,具有良好的应用前景。     

一种基于改进的HHT短期风电功率预测方法

风电功率短期预测对于电力系统稳定性和电能质量的提高具有非常重要的意义。文章采取一种基于Hilbert-Huang变换风电的短期预测方法。首先,对经验模态分解(EMD)中原始数据存在的端点效应利用提出的延拓抑制方法进行了抑制,然后,用经验模态分解的方法将风电场历史功率数据分解得到了七个具有不同规律特征的分量,进行希尔伯特变换,并在对各个成分的特点分析的基础上分别搭建了不同的预测模型,然后结合多个预测模型对风电场历史功率数据进行组合预测。仿真实验预测结果表明该方法使得风电预测精度大大提高,具有很好的应用前景。     

基于小波变换的煤与瓦斯突出预测去噪技术的研究

煤与瓦斯突出是煤矿开采业中最为严重的自然灾害之一。煤体的声发射信号能够反应煤体的受力情况,并通过对声发射信号的监测可以来实现煤与瓦斯突出的非接触式预测。本文将小波变换用于煤与瓦斯突出有效信号提取中,利用小波变换良好的时频特性,将采集到的声发射信号分解在不同的尺度上,从而较好的滤除噪声。这种方法的有效性在Matlab仿真软件中得到了验证了。     

基于多源信号的单向阀内泄漏预测研究

单向阀作为液压系统重要元件,发生内泄漏故障时影响液压系统的工作效率和设备的安全稳定运行。针对单向阀内泄漏预测,提出了一种基于多源信号和布谷鸟搜索支持向量回归(CS-SVR)的单向阀内泄漏无损预测方法。首先建立单向阀内泄漏检测实验平台,获得不同工况不同故障特征下单向阀内泄漏的振动信号和声发射信号。然后利用小波包能量分析方法,提取两种信号最优频带重构信号的均方根值作为预测变量,并结合阀前压力建立基于布谷鸟算法优化的支持向量机回归(CS-SVR)的多源信号预测模型。最后,将模型进行对比分析。结果表明,布谷鸟搜索算法相对于网格搜索法(GS)和粒子群算法(PSO)对SVR模型参数寻优优势更大;基于多源信号输入的预测方法相对于单源输入的预测方法精确程度更高,同时该方法能实现不同压力、不同故障类别、不同故障程度的单向阀内泄率预测,平均相对误差为8.97%鲁棒性较高,为阀内泄漏无损检测应用技术的开发奠定了基础。     

涡流式电磁声发射检测声波响应特性

涡流式电磁声发射检测由于其局部非接触式加载方式,适用于恶劣环境下对金属构件损伤在线检测,同时也是对传统声发射技术的有利补充。针对不同电磁载荷条件下电磁声发射产生的声波响应问题进行深入研究。通过引入电致塑性理论和自由电子运动理论,分析涡流加载下裂纹尖端位错滑移速率变化及声发射能量释放机理,探究不同磁场方向加载下电子的定向移动对声发射响应影响,利用希尔伯特黄变换方法实现对声发射信号的特性分析。实验结果表明:电磁声发射过程中应力波特征与电磁加载条件密切相关。因此,电磁声发射过程为定向移动电子越过障碍势垒产生的特定声波响应。     

绝缘子污秽的微波辐射特性研究

为较好地了解绝缘子上污秽的分布,根据微波辐射特性,提出了基于污秽物在微波波段的辐射特性差异来检测绝缘子绝缘状况的方法,其原理是绝缘子上有污秽物时发射率会随着污秽量和污秽性质变化导致辐射计的输出变化。在实验室中通过测量涂污绝缘子在污、湿环境中的天线温度,可得到等值盐密与天线温度的对应关系,从而可依据测量的天线温度去对应绝缘子的污秽程度。结果表明,绝缘子的污秽程度与天线温度有着较严格的对应关系。这种污秽量、水气与天线温度的确定关系,为准确监测绝缘子的污秽状况提供了理论依据,特别是对于污秽物与水共同作用,导致绝缘强度降低,造成污闪的现象,这种方法更接近实际工况。     

小波分解层数及其组合分量对短期风速多步预测的影响分析

针对风速时间序列的规律性和随机性双重特征,将小波分解和RBF神经网络相结合用于短期风速预测。针对小波分解用于风速信号的不同频率成份的趋势项提取,研究了基于小波分解后的分量RBF网络预测及综合问题,包括全部高频-低频分量组合预测、部分高频-低频分量组合预测,以及低频分量组合预测三种方法的预测性能和特点。分析了三种不同方法在短期风速预测中的应用效果。通过对不同时间、不同地点短期风速预测的研究发现,进行不同步数的预测时,只有选取合适的分解层数、合适的高频分量和低频分量组合,才能得到最优的预测效果。该结论对于将小波分解用于短期风速时间序列的预测具有一定的指导意义。     

复合材料声发射信号传播特性试验研究

为了获取直升机动部件疲劳损伤声发射信号的传播特性,搭建了声发射数据采集系统,对直升机动部件常用碳纤维材料试件和蜂窝材料试件进行了传播特性断铅试验,利用谐波小波包分析了声发射信号在各个频带上的衰减特性,克服了传统小波包分析能量泄露、频带选取不灵活、不同层频率分辨率不同的缺点.研究结果表明对于所研究两种试件,100 ～ 200 kHz频带的衰减特性与原始信号基本一致,可以代替原始信号进行定位和损伤识别研究,频率越高,衰减越快,衰减较大的无损检测场合,适合选择较低频率范围提取信号特征,对于所研究碳纤维材料试件,200 mm之后声发射信号衰减特性偏离理想衰减特性很大,限制了传统声发射源定位方法的应用.