基于改进S变换的高压真空断路器机械故障诊断方法研究.pdf

:./.基于改进 变换的高压真空断路器机械故障诊断方法研究肖鹏斌韦云清(.海军装备部甘肃 兰州 .甘肃省航空电作动重点实验室甘肃 兰州)摘 要:目前一种新型电磁斥力机构已在高压真空断路器中获得应用 为了对电磁斥力机构中发生的故障类型进行诊断文章提出了一种基于改进 变换和支持向量机的故障诊断方法 首先通过电磁斥力机构在高压真空断路器的两个不同位置获得了运行过程中的振动信号 然后使用改进 变换对振动信号进行时频分析并基于归一化能量熵来提取特征量再使用主成分分析来降低特征向量的维数 最后将特征量输入 训练模型进行故障分类并与小波包分解进行比较 结果表明:所提故障诊断方法性能良好能够快速准确地识别出电磁斥力机构中发生的故障关键词:改进 变换支持向量机高压真空断路器机械故障诊断中图分类号:文献标识码:文章编号:()(.):.:引 言近年来高压真空断路器在电力系统中得到了广泛的应用和发展 但同时电力系统也对其机械开关及操动机构的快速性、可靠性和经济性方面提出了更高的要求 因此一种应用在高压真空断路器中的新型电磁斥力机构成为研究热点 而目前对电磁斥力机构的研究主要集中在机械结构的设计和改进方面忽略了其故障问题 国际大电网会议()对高压设备可靠性的国际调查报告中指出的高压电力设备故障出现在操动机构上 因此有必要对电磁斥力机构中出现的机械故障进行监测和诊断而利用振动信号对高压断路器进行机械故障诊断已取得了较多成果 但目前的这些方法均存在缺陷如:传统的小波包分解不具有自适应性存在基函数选择困难的问题并且受噪声影响较大经验模态分解具有自适应性但存在边界效应和模态混叠等现象影响特征量的有效性 变换()由 在 年提出 作为小波变换和短时傅立叶变换的继承和发展 采用高斯窗函数且窗宽与频率的倒数成正比免去了窗函数的选择并改善了窗宽固定的缺陷在电能质量扰动分析领域得到广泛应用 然而 中固定的高斯窗函数限制了其应用效果 为此 等提出广义 变换()但无论 还是 都无法在全时段兼顾频率分辨率和时间分辨率 因此学者周竹生等提出一种 变换改进方法即含可变因子的广义 变换进一步提高非平稳信号的时频分辨率 笔者通过改进 变换对高压真空断路器的振动信号进行分解利用支持向量机进行故障分类使针对断路器机械故障诊断的准确率达到更高水平电力与装备 年第 期(第 卷总第 期)机械研究与应用收稿日期:作者简介:肖鹏斌()男湖南东安人高级工程师研究方向:航空产品质量可靠性研究通信作者:韦云清()男甘肃白银人硕士研究方向:航空电作动 改进 变换标准 的表达式为:()()()()式中:()为输入信号()为高斯窗函数 为位移因子由于控制高斯窗在时轴上位置高斯密函数表达式为:()()/()高斯窗函数的窗宽因子 被定义为频率 的倒数 为改善 时频分辨率固定的缺点将窗宽因子定义为/其中 为频率 的线性函数其表达式为:()其中参数 和 共同控制高斯窗的窗宽 增加高频段频率分辨率上升时间分辨率下降 增加低频段的时间分辨率提高 从而高斯窗函数的表达式变为:()()/()由此得到的改进 变换()的表达式为:()()()()/()()当 时 即退化为标准 振动信号经 处理后得到的结果为一个二维复矩阵其行向量表示时间列向量表示频率 对该二维复矩阵求模后即可得到 模矩阵()从中可以提取特征量作为支持向量机输入向量进而用于电磁斥力机构机械故障诊断 特征量提取小波包能量熵在高压断路器故障诊断领域的应用已经较为广泛 文章参考小波包能量熵的思想提出一种改进 变换能量熵提取方法首先将 分别按照行和列划分为 段则 被划分为 个小的时频块 对每一个时频块求能量 计算公式为:.()式中:表示每个时频块中所有元素的幅值 然后求每个时频块的归一化能量:/()式中:为所有时频块的能量总和 最后可求得 变换能量熵 和:()()式中:为时域能量熵为频域能量熵 则振动信号特征量.由此可得到基于改进 变换和支持向量机的高压真空断路器机械故障诊断流程如图 所示图 高压真空断路器机械故障诊断流程图 高压真空断路器故障诊断.故障模拟及数据处理建立电磁斥力机构高压真空断路器实验平台模拟电磁斥力机构中的正常信号和 种故障信号:类别正常信号类别 控制回路电压过低(线圈充电电图 振动信号实验测试平台压降为 额定电压)类别 控制回路电压过高(线圈充电电压升至 额定电压)类别 控制回路电阻增大(模拟线圈老化)类别 缓冲器卡涩类别 基座固定螺丝松动 综合分析断路器不同位置的振动信号后选择位置、位置 安装加速度传感器采集振动信号如图 所示两个位置传感器对断路器各个故障敏感度不同将两个位置振动信号的特征量共同作为分类器的输入向量能够取得更好的故障诊断效果 文章数据采集器采用示波器采样速率设置为 采样时间为 则每组数据共 个采样点最高频率为 每种状态采集 组数据其中 组作为训练样本 组作为预测样本位置、正常状态下振动信号如图 所示机械研究与应用 年第 期(第 卷总第 期)电力与装备图 正常状态下振动信号 按照公式()选取不同的 和 计算改进 变换 经大量测试后取 分别得到位置、正常状态下振动信号在 采样点、频率范围为 的改进 变换结果如图 所示 从图中可以清楚地看出振动信号在时频平面的能量分布图 正常状态下振动信号改进 变换结果.特征量提取结果根据前文所述的特征量提取方法观察原始振动的时域波形和快速傅里叶变换()频谱后发现振动信号的能量集中在 采样点 频率范围之间因此将 采样点、频率范围为 分别分为 段计算得到位置 正常状态和五种故障状态下的 能量熵 位置 和位置 正常状态下三组数据的对比如图 所示图 正常状态下三组数据对比 由图 可以看出不同状态下的特征量可区分度较高相同状态下特征量一致性较好可以作为 的输入向量进行故障诊断.基于主成分分析支持向量机的故障诊断主成分分析()是一种使用最广泛的数据降维算法 首先将前述位置 和位置 的 能量熵 和 共同作为特征量 之后对 进行 降维得到输入向量 采用 模型并使用径向基函数()作为分类器核函数分别通过网格搜索算法()、粒子群算法()、遗传算法()三种优化算法进行参数寻优得到 故障诊断模型 图 给出了 模型、模型的预测结果图 模型预测结果 不同诊断模型以 能量熵作为输入向量得到的故障分类结果如表 所列 从表中可以看出在未使用 降维的情况下 模型表现最佳达到了 的分类准确率但分类效率最低使用了.完成分类 使用 降维后三种参数寻优算法的效率都得到了提升而 则是达到了的分类准确率 但 和 模型的分类准确率都有所下降究其原因 虽然降低了数据的维数但同时也损失了部分信息而 和 参数寻优模型都很复杂因此 降维后的分类效果很难保证 综合分类准确率和效率可以看出 为最优模型表 不同分类器使用 能量熵的故障分类结果分类器故障类别准确率/运行时间/.为了显示文章提出的改进 变换的优越性将小波包能量熵作为输入向量进行故障诊断小波基函数选取 小波进行 层小波包分解选取第七层小波的前八个分量计算能量熵诊断结果如表 所列电力与装备 年第 期(第 卷总第 期)机械研究与应用对比表、可以看出虽然使用小波包能量熵也取得了较好的诊断效果但使用 能量熵作为输入向量时诊断模型的准确率和运行时间均优于使用小波包能量熵 另外 相比小波包的另一个优点是可以直观地看出振动信号在时频平面的分布并且可以根据信号特点选择合适的 和 改善了标准 变换时频分辨率固定的缺点也避免了小波包分解选择小波基函数的困难表 不同分类器使用小波包能量熵的故障分类结果分类器故障类别准确率/运行时间/.结 论文章对标准 变换进行了改进参考小波包能量熵思想从改进 变换模型矩阵中提取能量熵作为特征量输入 模型进行电磁斥力机构高压真空断路器机械故障诊断 研究结果表明()提出的 时频分辨率高振动信号经过 后可直观看出信号在时频平面的能量分布且不同状态下的可区分度较高()提出的故障诊断模型取得了较好的诊断效果其中 和 均达到了的准确率并且准确率和效率均优于传统的小波包能量熵为小样本下高压真空断路器机械故障诊断提供了一种新的思路参考文献:.():.刘亚芳.高压断路器事故调查.国际电力():.吴振升王 玮杨学昌等.基于分形理论的高压断路器机械振动信号处理.高电压技术():.孙来军胡晓光纪延超.一种基于振动信号的高压断路器故障诊断新方法.中国电机工程学报():.陈伟根邓帮飞杨彬.基于振动信号经验模态分解及能量熵的高压断路器故障识别.高压电器():.黄 建胡晓光巩玉楠.基于经验模态分解的高压断路器机械故障诊断方法.中国电机工程学报():.:.():.():.():.周竹生陈友良.含可变因子的广义 变换及其时频滤波.煤田地质与勘探():.徐建源张彬林莘等.能谱熵向量法及粒子群优化的 神经网络在高压断路器机械故障诊断中的应用.高电压技术():.():.(上接第 页)./.:.():.李世孝.永磁同步电机单电流传感器矢量控制.沈阳:沈阳工业大学.薛斐.基于 芯片的永磁同步电机控制器设计.长春:吉林大学.机械研究与应用 年第 期(第 卷总第 期)电力与装备