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。     

采用功率谱估计法的真空断路器振动分析

主要研究了功率谱估计法在配有永磁操动机构的高压真空断路器机械振动信号分析中的应用.阐述了永磁操动机构的工作原理和振动信号的获取,研究了振动信号的功率谱估计并提取了正常状态下振动信号的特征向量.研究表明基于功率谱估计法可有效解决提取断路器机械振动信号特征向量的问题.     

特征评估高压断路器机械故障诊断方法的研究

分析断路器的机械振动信号的特性,针对采用单一性质故障特征难以实现整个故障状态空间上准确诊断的局限性,提出了一种基于改进的距离评估技术和多类支持向量机相结合的诊断高压断路器机械故障的方法,该方法由3部分构成:首先从高压断路器机械振动信号中提取时域统计特征、频域统计特征、经验模态分解能量熵及小波包能量特征信息;接着采用改进的距离评估技术从原始特征集合中选取最优特征,实现对原始特征空间的降维处理;最后选取的最优特征量作为"次序二叉树"策略方式的多类支持向量机的输入向量,实现对断路器3种机械故障模式的识别。实验结果表明,该方法诊断高压断路器机械故障能取得良好的效果。     

高压断路器机械故障诊断专家系统设计

针对高压断路器的操动机构故障信息能反映在线圈电流、机械振动和辅助触点位置信号中的特点,在分析各信号特征提取和利用专家系统实现故障诊断的优点的基础之上,提出一种多参数规则推理的故障诊断专家系统.首先阐述高压断路器的操作过程,并根据其操作特性提取隐含在线圈电流和机械振动信号的有效信息,找出特征参数与断路器状态的对应关系,接...     

基于多特征评估与XGBoost的高压断路器故障诊断

高压断路器是电力系统中的关键设备,其可靠运行是维护电网安全的重要保障。在智能电网的建设下,高压断路器的故障诊断研究受到广泛关注。文中研究了高压断路器不同工况下的机械振动信号,并提出一种基于多特征评估与XGBoost的故障诊断模型。从时域、频域以及时频域提取振动信号的多维特征量,采用融合特征重要性的方法并结合XGBoost模型对多维特征评估筛选,剔除冗余特征量,同时采用贝叶斯优化算法对XGBoost模型中的参数进行优化,提高了分类的准确率。结果表明,基于多特征评估与XGBoost的诊断方法准确率较高,能够有效实现对高压断路器机械振动信号的准确分类。     

基于因子分析和支持向量机算法的高压断路器机械故障诊断方法

高压断路器操作过程中的振动信号能够反映断路器的机械状态。以高压断路器机械振动信号中振动事件的起始点作为特征参量,使用因子分析对特征量进行降维优化、支持向量机(Support Vector Machine,SVM)经粒子群参数寻优(Particle Swarm Optimization,PSO)后可对断路器的不同状态进行分类。本文对断路器机械故障进行了模拟试验,结果表明,因子分析和支持向量机算法适于诊断高压断路器的机械状态。     

基于LVQ神经网络的高压断路器机械故障诊断方法

高压断路器作为电力系统的开关及保护设备,其可靠地工作对整个电力系统的安全运行具有很大的意义。为了迅速、精确地诊断高压断路器故障,提出一种基于学习向量量化(LVQ)网络的高压断路器机械故障诊断方法。首先,模拟高压断路器灭弧室机械故障状态,采集断路器的机械振动信号;其次,提取高压断路器机械故障振动信号的小波包能量作为特征量,建立基于LVQ网络的高压断路器机械故障诊断模型;最后,将LVQ网络、思维进化优化(MEA)的LVQ网络、BP网络和RBF网络在网络迭代步数、网络误差以及预测置信度方面进行比较。结果表明,提出的基于LVQ神经网络的高压断路器机械故障诊断方法相比较于其他诊断方法具有一定的快速性,并具有较高的置信度。     

小波分析在真空断路器机械振动信号分析中的应用

研究了基于高压断路器振动信号的分析对断路器的机械故障进行诊断的方法,其中对振动信号的分析采用小波分析。研究表明,小波分析在断路器机械振动信号的分析中优于传统的Fourier分析,并在机械故障诊断方面有显著的效果。     

基于振声时三维图的高压断路器机械故障诊断方法

分析高压断路器机械振动信号和声波信号的特性,针对现有诊断方法的不足,笔者提出了一种基于振声时三维图的高压断路器机械故障诊断方法,并给出了可行的诊断步骤和分析。此方法首先利用分级多时标信号对准的方法构建振声时三维图,然后提取断路器振声时三维图的包络,最后采用基于形状的分级特征向量提取方法构建支持向量机的输入向量进行故障诊断。其中,一级特征提取振声时三维图包络六面八角的特征向量,二级特征提取振声时三维图二维投影的区域弦的分布特征。实验结果表明,该方法诊断高压断路器机械故障能取得良好的效果。     

基于行程信息的断路器弹簧故障程度诊断

断路器长时间运行,分合闸弹簧产生不同程度的疲劳,在电力系统发生故障时,若无法及时开断线路、切断故障,可能产生重大事故。为了检测出高压断路器分合闸弹簧的故障类型,量化断路器弹簧故障程度,判定断路器能否继续使用,文中分析了断路器行程信号蕴含的机械振动信号,提出一种行程信号的处理方法,将行程信号进行处理得到速度、波动分布标准方差,形成特征向量P=[v,σ],运用串行决策支持向量机(support vector machine,SVM)可对弹簧故障进行分类,并定义以弹簧变化量为自变量、分布标准方差的拟合函数,以量化表征弹簧故障程度的诊断。结果表明,该方法可以有效诊断高压断路器弹簧故障,且基于波动标准方差的拟合函数可以充分判断弹簧所处状态,对预防断路器故障具有实际意义。     

基于RBFNN的高压断路器机械故障诊断系统

高压断路器是电力系统中最重要的控制和保护设备,其故障检修和诊断一直是电力运行部门高度重视的问题。为了提高高压断路器故障诊断的效率和准确率,提出了高压断路器机械故障诊断的径向基函数神经网络(RBFNN)方法;并根据其基本原理建立了高压断路器操动机构故障诊断的RBFNN模型;利用Matlab工具,使用来自现场的实际数据,通过故障诊断仿真实例,分析、验证RBFNN模型的性能,并对不同方法进行了对比分析。结果显示RBFNN训练速度快、逼近误差小,对输入输出关系比较复杂的高压断路器操动机构的故障诊断有很高的判断效率和准确率。     

基于小波算法的SF6断路器动作时间在线监测

高压断路器在线监测技术的发展越来越完善,使得在线监测的内容越来越丰富,一些需要定期检修的内容可以通过在线监测来完成。通过对高压断路器操作原理的研究,利用行程曲线实时变化的特点,通过比较分析断路器分、合闸操作过程中触头综合受力的情况,来推断触头运动状态。在此基础上提出了一种方便实用的SF6高压断路器分合闸时间的测量办法。方法利用小波算法去除噪声和干扰的影响,确保行程信号在处理过程中不失真,从而准确地提取断路器合分闸过程中的刚分、刚合时刻,以获得可靠的分、合闸时间。经过离线试验验证,该方法所测得的时间与断路器触头刚分刚合时间是一致的,且方便实用。     

基于相空间重构的高压断路器振动信号特征分析

在高压断路器运行和操作过程中,其振动信号包含了最丰富的关于操纵机构、机械连接和灭弧室内的触头动作信息,有效的信号处理方法和特征提取手段能够将这些信息反映出来,作为诊断及检修的判据。以提取诊断及检修判据为目的,将相空间重构的方法应用于高压断路器的振动信号处理,从一个新的角度对信号进行了分析,提取信号特征并加以整理。通过对相空间重构获得的相空间图直观定性分析,并进一步利用求解振动信号的关联维数的方法定量判断,提出了一种分辨断路器机械机构运行状态的方法。通过对几种工况下高压断路器的振动信号的处理,结合对各种条件下获得的振动信号的关联维数变化规律的分析,证明了该方法提取的关联维数判据能够有效分辨断路器操动机构的正常与异常状态。这表明该判据可以充当分辨断路器操动机构的工作状态是否异常的重要依据,通过与其他故障诊断方法相结合,具有一定的应用前景。     

高压断路器电动机驱动操动机构的研究

为提高高压断路器的工作特性,研究了一种运用三相永磁同步电动机(PMSM)直接驱动断路器的新型操动机构。运用MATLAB/Simulink建立了控制系统的仿真模型,基于TMS320LF2407A硬件平台设计和实现了一个断路器的控制系统。仿真计算和试验测量表明,PMSM驱动的操动机构可根据预先设定的操作特性曲线实现对断路器的操作。研究说明用电动机来驱动高压断路器操动机构的方法可行,能满足高压断路器操作的要求。     

振动信号小波包特征熵的时变与频变特性分析

为了更好的反应高压断路器的机械振动状态,介绍了一种基于小波包分解的断路器振动信号特征提取新方法。将正常状态标准信号3层小波包分解后提取第3层各节点重构信号的包络,利用能量均等的原则将各包络分成15段并提取各分段时间点并利用正常状态标准信号所得包络的分段时间点分段测试信号的对应节点包络,再利用熵原理计算各节点熵,组合后形成小波包特征熵向量用于断路器故障诊断。利用实际信号分别模拟时变和频变信号测试所得向量变化特性的仿真结果表明:无论在时变还是频变情况下,该方法所提取的振动信号特征向量都可以以不同的变化特性直观、明显地反映信号的变化。     

基于D-S算法的断路器机械故障诊断技术

研究了证据理论在高压断路器故障诊断中的应用.应用D-S(Dempster-Shafer)证据理论基于多传感器在线监测系统对高压断路器进行故障诊断.探讨了D-S(Dempster-Shafer)证据理论的有效性问题,并在D-S证据理论失效的特殊情况下给出了解决方法,提高了D-S证据理论在高压断路器状态监测中故障判断的可靠性,给出了一套可靠的高压断路器故障诊断方法.并且针对D-S证据理论,分析了Dempster的修正模型在证据高度冲突方面的缺陷,提出了一种新的基于D-S证据理论的合成规则.实验结果也表明,这种新的合成规则不但比较好地综合保留了修正模型的优点,又避免其不足,取得了更加合理的效果.     

高压断路器机械振动信号混沌吸引子形态特性

提出并探讨了基于混沌吸引子形态特性的高压断路器振动信号特征提取方法。采用功率谱和Lyapunov指数分别对高压断路器振动信号进行定性和定量混沌分析,证实了高压断路器振动信号既包含高压断路器动力学特性,也存在混沌现象;在此基础上,对振动信号进行相空间重构,分析混沌吸引子形态特性与故障类型之间的关系;最后,以不同严重程度的分闸缓冲器故障为例,深入探讨了不同严重程度故障下混沌吸引子的演变规律。研究结果表明,高压断路器振动信号混沌吸引子形态在同一故障状态下较稳定,对故障类型及故障严重程度较敏感,这表明混沌吸引子形态特性是研究高压断路器振动信号特征提取的有效实用途径。     

磨粒流工艺在高压断路器用液压机构零件制造中的应用探讨

介绍了磨粒流工艺的基本原理,对磨粒流新工艺在高压断路器用液压机构零件制造中的应用进行了探讨,论述了利用磨粒流工艺能有效的改善机构中各种缸体、阀体的加工质量,提高机构零件的精度,展望了磨粒流工艺在高压电器制造中的应用前景。     

突变理论在高压断路器运行状态模糊综合评判中的应用

根据目前国内外高压断路器的检测现状以及高压断路器状态评估方法,应用突变理论对高压断路器的复杂系统进行多层目标分解,建立事故潜势数学表达式来反映故障发生的本质特征和机理,对断路器状态进行模糊综合分析与评判,为高压断路器运行状况的综合评价提出了一种新思路.     

基于改进Hilbert-Huang变换和支持向量机的高压断路器触头超程状态识别

引入集合经验模态分解(EEMD)对Hilbert-Huang变换(HHT)方法进行改进,并将改进的HHT方法结合支持向量机(SVM)应用于高压断路器振动信号特征提取和触头超程状态识别中。采用EEMD提取反映振动信号局部特性的本征模态函数(IMF)分量,并计算IMF分量的Hilbert边际谱能量值,由此构造高压断路器触头超程状态特征量,利用得到的特征向量对SVM进行训练,实现高压断路器触头超程状态的自动识别。试验提取了高压断路器在不同触头超程下的振动信号并进行分析,结果表明所提方法能够有效识别高压断路器触头超程状态。