基于分合闸线圈电流的万能式断路器故障诊断

分合闸线圈作为低压万能式断路器操作机构的关键部件,传统的检修方式只能发现其显性故障,而对内部隐性故障不易检测,根据线圈电流能够有效反映断路器的分合闸运动特性,提出一种基于线圈电流的低压万能式断路器故障诊断和程度评估方法,其适用于出厂试验和现场检修。通过对分合闸过程中线圈电流信号特性进行分析,首先将电流信号进行关键时间、电流幅值提取作为局部特征,对电流信号经过集合经验模态分解后,提取各分量的能量矩作为全局特征;其次经主成分分析法降维后构建特征向量;然后采用基于遗传算法优化权值系数的多核学习支持向量机进行模式识别;当诊断出故障需要进行故障程度评估时,通过求取故障电流信号与正常电流信号的集合经验模态分解能量矩相对熵,并参照所求得的故障程度特性曲线,即可完成故障程度的定量评估。试验结果表明,该方法对于断路器分合闸线圈回路故障诊断效果良好,同时能够有效进行故障程度定量评估。     

深度残差网络在断路器故障诊断中的应用北大核心CSCD

由于低压万能式断路器分合闸附件线圈回路为交流供电,合闸相位的随机性会导致同一运行状态下电流信号存在差异。针对此问题,提出了一种基于深度残差网络的故障诊断算法。首先采用信号堆叠的方法将一维电流信号转化为二维灰度图像;其次采用APReLU代替ReLU激活函数实现对深度残差网络的改进,并采用AMSGrad优化算法提高故障诊断识别率;最后利用断路器实测数据进行验证。结果表明:该故障诊断模型能够克服合闸相位的随机性对诊断结果的影响,完成故障分类。     

基于相对小波能量与灰色相似关联度的转子系统故障诊断

针对转子系统故障时,其各频带能量分布与其故障状态之间存在映射关系,提出了基于相对小波能量与灰色相似关联度的转子系统故障诊断。采用小波分解法将轴承加速度振动信号分解为细节部分和近似部分的小波系数,这些小波系数分别对应不同频带信号,利用得到的小波系数计算相对小波能量。由于灰色相似关联度分析对小样本模式识别具有良好的分类效果,以能量分布为元素构造特征矢量,通过计算不同状态下轴承振动信号的灰色相似关联度来判断故障类型。结果表明,该方法有效应用于转子系统故障诊断。     

基于LMD和灰色相似关联度的轴承故障诊断方法

针对轴承故障振动信号的非线性、非平稳特点及振动信号的强噪声背景,提出一种基于局部均值分解(Local Mean Decomposition,LMD)和灰色相似关联度的轴承故障诊断方法。首先对信号进行局部均值分解,得到若干个PF(Product function,简称PF)分量,再选取包含主要故障信息的PF分量进一步分析,并提取特征向量,然后通过计算标准故障模式与待识别样本的灰色相似关联度对轴承故障类型进行判断。利用该方法对试验轴承故障振动信号进行了分析,结果表明,基于LMD和灰色相似关联度方法能够有效地识别轴承运行状态,实现对轴承的故障诊断。     

大型风力发电机组齿轮劣化故障诊断研究

针对大型风力发电机组齿轮出现不同劣化故障时对应频率范围内能量会发生变化的特点,提出了利用经验模式分解(EMD)能量分布作为故障特征向量,灰色相似关联度作为故障模式识别算法的大型风力发电机齿轮劣化故障诊断方法。首先,对采集到的原始信号进行EMD分解,运用相关系数法对获得的本征模式函数(IMF)进行筛选,剔除无意义的IMF分量;然后计算有效IMF的能量及能量比,构造故障特征向量;最后,根据待识别状态特征向量和已知标准状态故障特征向量的灰色相似关联度大小判断齿轮劣化故障类型。通过实验对所提方法进行了验证,结果表明,该方法能有效用于大型风力发电机齿轮常见的劣化故障诊断。     

形态非抽样小波与灰色关联度的轴承故障诊断

文中针对滚动轴承振动信号的强噪声背景以及故障样本不易大量获取的问题,提出了一种基于形态非抽样小波与灰色关联度的滚动轴承故障诊断方法。形态非抽样小波克服了传统形态小波由于采用抽样方式分解而造成的信息丢失问题,具有良好的特征提取和抗噪性能。灰色关联度分析方法对小样本模式识别问题具有良好的分类效果,适用于滚动轴承的故障模式识别。文中首先利用差值形态滤波能够提取信号冲击成分的特点,提出一种多尺度形态非抽样小波方法提取滚动轴承故障特征,然后将形态非抽样小波分解后近似信号的归一化特征能量作为特征向量,最后通过比较待识别样本与标准故障模式的灰色关联度来对故障模式进行分类。实例表明该方法可取得良好的效果。     

基于振动-电流广域特征与软共享机制的断路器多故障诊断

万能式断路器机械结构复杂,其产生的故障具有多源性,对多源故障进行失效溯源分析是十分必要的。 然而,传统的多 任务诊断方法不能很好地处理任务间存在的干扰问题,导致故障识别率降低。 针对此问题,提出一种基于振动-电流广域特征 与软共享机制的多故障诊断方法。 首先利用 TKEO 与 DTM,实现分合闸振动信号片段的精准分割,在此基础上分别融合触头动 作关联振动信号和附件电流信号的广域特征信息合成彩色图像样本以丰富故障表征信息。 然后基于多任务学习的软共享机制 构建多故障诊断模型,并通过自适应加权方法来自动的调整两个任务损失函数的权重比例,消除了任务间的相互干扰,进而提 高了故障诊断的性能。 最后分别从合闸和分闸两个过程进行实例分析,结果表明本文所提方法在两个任务的分类准确率分别 达到了 99. 78% 和 99. 85% ,可以有效地实现万能式断路器多故障诊断。     

基于ICEEMDAN-RCMDE的高压断路器机械故障诊断方法

针对高压断路器分、合闸过程中伴随的非平稳、非线性振动信号特征提取困难的问题,应用了一种基于改进的完全自适应噪声集合经验模态分解（ICEEMDAN）和精细复合多尺度散布熵（RCMDE）结合的高压断路器机械故障诊断方法。首先对原始振动信号进行ICEEMDAN分解,得到不同频率尺度的本征模态分量（IMF）,依据故障敏感因子筛选有效IMF分量进行信号重构;然后对重构信号进行RCMDE分析,通过精细化的多尺度分析刻画信号特征;最后,将不同尺度因子下的RCMDE值作为特征向量输入支持向量机（SVM）中进行故障诊断。实验验证了该方法的可行性,故障辨识度较高。     

基于集合经验模式分解能量分布与灰色相似关联度的齿轮故障诊断

针对齿轮发生故障时,其不同频带能量分布与其故障状态间存在一定的映射关系,提出一种基于集合经验模式分解与灰色相似关联度相结合的故障诊断方法。引入循环统计学的思想对传统形态滤波方法进行改进,定义顺序形态滤波器,并结合实际选用最简单的直线结构元素,对实测齿轮原始加速度振动信号进行顺序形态滤波降噪预处理。采用集合经验模式分解方法将降噪后的齿轮非平稳加速度振动信号分解为有限个平稳的本征模态函数,从中选取包含故障主要信息的前几个本征模态函数分量并计算其能量分布。由于灰色相似关联度分析对小样本模式识别具有良好的分类效果,以能量分布为元素构造特征矢量,通过计算不同振动信号的灰色相似关联度来判断齿轮的工作状态和故障类型。实例分析结果表明,提出的方法能够有效地应用于齿轮系统的故障诊断。     

基于LMD和灰色关联度的故障诊断方法研究

针对高压隔膜泵单向阀故障振动信号的非平稳特性,提出基于局部均值分解法(LMD)和灰色关联度理论相结合的故障诊断方法。首先,利用LMD将高压隔膜泵单向阀不同运行状态下的振动信号分解成多个乘积函数。然后,计算所有乘积函数的互相关系数,并从中选择互相关程度高的乘积函数来提取相应的特征向量。最后,引入灰色关联度理论,构建单向阀故障诊断识别模型,并与基于经验模态分解法(EMD)以及基于混合特征建模、单一特征建模得到的结果进行了对比分析。实验表明,所提出的方法可以较好地分解单向阀故障信号,并有效地识别了小样本条件下的单向阀故障信号。     

基于连续小波变换和 MTL-SEResNet 的 断路器故障程度评估

考虑到万能式断路器触头系统机械故障是一个从轻微到重度的演变过程,准确识别其运行状态可以大大提高断路器的可靠性。提出一种单信号输入和多任务输出的MTL-SEResNet网络模型以兼顾故障诊断和程度评估。首先采用连续小波变换对触头系统振动信号进行时频分析,得到相应的二维时频图像;其次将SENet结构引入到改进的ResNet18中,利用多任务学习共享机制构建MTL-SEResNet网络模型;并通过调整故障分类和程度评估两个任务损失函数的权重比例,对模型进行优化;最后,通过模拟的触头系统的故障数据对所提方法进行实验验证。结果表明,模型的性能更佳,类型及程度准确率分别为99.78%和99.36%,可以有效地实现万能式断路器故障程度评估。     

基于多传感器和4G通信的真空断路器监测系统设计

为了实现对真空断路器由人工定期检修到实时状态检修的转变,文中设计了一种真空断路器监测系统。系统以STM32F103为微处理器,搭载位移传感器、加速度传感器、霍尔电流传感器和压力传感器,对真空断路器触头位移量、机械振动量、线圈电流量及触头接触压力量进行实时监测。采用EC20作为4G通信模块,将实时数据传输给上位机,实现人机交互。诊断系统根据特征波形进行故障分析,最终判断故障原因。实验结果表明,系统可以对真空断路器进行实时监测和故障诊断,确保断路器发生故障时能够及时维修。     

基于电机电流分析的万能式断路器机械故障诊断

电机电流信号常用于分析电动机本身的故障问题,但对其应用于与电机相连机构的故障分析的研究较少。提出一种基于储能电机电流分析的万能式断路器操作机构故障诊断方法。首先采用Hilbert幅值解调法和改进的小波包阈值法相结合获取交流电流信号的包络线,以解决随机噪声干扰造成的所提取包络线粗糙的问题;然后通过包络线提取电流信号的时间量、电流量以及峭度作为不同故障状态电流波形的特征参数;最后融合模糊聚类和量子粒子群优化的相关向量机实现对断路器正常状态、传动齿轮卡涩、储能弹簧卡涩以及脱落的4种状态的辨识。构建了基于电流分析的万能式断路器故障诊断系统,在不同工况下进行了验证,结果表明该方法能有效提取操作机构储能相关部件的故障特征,实现了对操作机构储能相关部件的故障诊断。     

基于EWT和多尺度熵的高压断路器故障诊断

提出了一种以经验小波变换(empirical wavelet transform,简称EWT)和多尺度熵相结合的高压断路器振动信号的特征向量提取和故障诊断的分析方法。首先,将高压断路器的振动信号进行经验小波变换,得到内禀模态函数(intrinsic mode function,简称IMF),选择相关系数较大的IMF进行重构;其次,提取重构信号的多尺度熵作为表征断路器状态的特征向量,采用归一化的方法对特征向量进行预处理并以此作为支持向量机(support vector machine,简称SVM)的输入向量进行分类训练;最后,将测试样本信号故障特征输入训练好的SVM,在SVM核函数参数进行网格算法优化的基础上进行状态识别及分类。实验结果表明,该方法可快速准确地检测高压断路器故障,实现了断路器故障的状态识别。     

基于线圈瞬态电流参数优化的真空断路器永磁操动机构动作特性研究

针对永磁操动机构出力不足、动作特性与真空断路器开断性能难以配合的问题,对单线圈双稳态真空断路器永磁操动机构进行了研究,在剖分永磁操动机构结构的基础上,分析了磁路磁链的分布关系,建立了三维电磁场数学模型。采用有限元法仿真分析方法,求解了永磁操动机构线圈瞬态电流与动铁芯合闸动作特性之间的关系,并探讨永磁操动机构储能电容容量、电源电压、线圈匝数和负载等效质量等主要参数对真空断路器合闸动作特性的影响。研究结果表明,仿真计算数据与试验测试数据吻合,优化后的电容、线圈及负载参数可对永磁操动机构的位移检测、系统故障诊断、结构改进等提供理论依据。     

新能源汽车油泵电机电磁力建模及其匝间故障监测方法研究

新能源汽车油泵电机出现匝间故障,无法保证燃料供给、控制压力、提供润滑和冷却等,威胁行车安全。对此,本文提出了一种基于电流和振动信号相结合的匝间故障在线监测方法。首先,根据麦克斯韦张量法构建含有故障电流谐波的电磁力模型。其次,设计了一个多传感器的电机信号采集电路。最后,采用改进的自适应经验模态分解法对经降噪后的振动信号进行自适应分解,利用相关系数法对所得的一系列本征模式函数筛选和重构。综合评估峭度与均方根值之比以及包络谱特征因子,得到故障特征指标提升52.3%,表明重构信号具备更高的敏感性,并通过电流波形分析验证了重构信号与故障特征的一致性。该研究对油泵电机故障诊断和状态预测具有重要工程意义。     

Quantitative diagnosis of fault severity trend of rolling element bearings

The condition monitoring and fault diagnosis of rolling element bearings are particularly crucial in rotating mechanical applications in industry. A bearing fault signal contains information not only about fault condition and fault type but also the severity of the fault. This means fault severity quantitative analysis is one of most active and valid ways to realize proper maintenance decision. Aiming at the deficiency of the research in bearing single point pitting fault quantitative diagnosis, a new back-propagation neural network method based on wavelet packet decomposition coefficient entropy is proposed. The three levels of wavelet packet coefficient entropy(WPCE) is introduced as a characteristic input vector to the BPNN. Compared with the wavelet packet decomposition energy ratio input vector, WPCE shows more sensitive in distinguishing from the different fault severity degree of the measured signal. The engineering application results show that the quantitative trend fault diagnosis is realized in the different fault degree of the single point bearing pitting fault. The breakthrough attempt from quantitative to qualitative on the pattern recognition of rolling element bearings fault diagnosis is realized.