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。     

基于振动信号的高压断路器螺栓松动故障诊断研究

断路器在电力系统中肩负着控制和保护的重要任务,加强对断路器机械系统潜伏性故障诊断研究,对提高断路器在运行中的可靠性具有重要意义。文中以ZN98型真空断路器为研究对象,依据其振动强度建立了一套高压断路器振动加速度测试系统,基于MATLAB小波包频带能量分解算法提取故障诊断特征量。以紧固螺栓松动的潜伏性故障为例,分析了不同频段的振动信号能量图谱,提出了一套高压断路器弹簧操动机构螺栓松动潜伏性故障的诊断方法。研究表明,设置单个紧固螺栓故障时,传感器测试位置距离故障螺栓越近所得的特征量阈值越大,应选取特征量阈值的最小值作为测试位置的故障诊断判据;相较于断路器的分闸过程,合闸过程的特征量阈值更能明显准确地反映断路器的机械状态。     

基于概率神经网络的高压断路器故障诊断

高压断路器是最重要的电力设备之一,在电力系统中起控制和保护作用。为了提高高压断路器故障诊断的准确率,提出了一种基于概率神经网络(PNN)的高压断路器故障诊断方法。该方法在分析高压断路器的故障特性来确定特征信号的基础上建立了PNN故障诊断模型,该模型将采集的特征数据作为网络的输入,通过Parzen窗估计法得到类条件概率密度,进而按Bayes决策规则对特征数据进行分类。经仿真表明,概率神经网络故障诊断模型具有收敛速度快、故障诊断准确率高、容易训练等特点。因此,该方法是一种有效的故障诊断方法,具有良好的应用前景。     

基于振动信号的高压断路器机械故障诊断

评述了近年来国内外基于操作过程中振动信号的高压断路器状态监测、故障诊断技术及其分析处理方法     

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...     

基于径向基函数分类器的断路器机械故障诊断

机械性能损坏是引起断路器故障的主导因素,因而针对断路器的机械故障诊断研究具有非常重要的理论价值与实际意义.为了实现对断路器机械故障的有效诊断,文中提出一种基于高斯径向基函数的识别分类算法.该算法将信号整个有效频段内的归一化能谱作为特征向量,其中每一个频率分量对应着一个特征维度,而且不再涉及时频域分割,所以无需考虑分割依...     

基于模糊神经网络的高压断路器故障诊断

提出了一种基于模糊神经网络的高压断路器故障诊断方法,通过参数的相对化屏蔽了外界干扰和随机性因素的影响,增加参数模糊化层,对特征参数的相对模糊化运算,较好地解决了在外界干扰情况下的低诊断精度的问题。改进的BP算法有效避免了局部极小化问题,提高了收敛速度。研究结果表明:该网络即使在断路器受到较大外界干扰的情况下依然能得到较准确的诊断结果。     

基于小波神经网络和特征熵的高压断路器故障诊断研究

作为电力系统的一种重要设备,高压断路器的故障诊断一直是研究中的重点。针对传统神经网络收敛速度慢,容易陷入局部极小等不足,提出了一种基于小波神经网络的高压断路器故障诊断方法。首先利用特征熵方法提取振动信号的特征值,然后利用小波神经网络进行分类识别。同时还给出了一种小波神经网络的改进方法,提高了其收敛速度。实验结果表明,相比较于传统神经网络,改进的小波神经网络训练速度更快,分类准确率更高,对于高压断路器的故障诊断效果更佳。     

高压断路器机械故障振动诊断综述

针对高压断路器的机械故障诊断问题,笔者评述了近十年来国内外高压断路器机械故障振动诊断的方法.从振动信号的特征提取、故障识别的角度,对其进行了具体的分析.展望了高压断路器机械故障振动诊断的发展趋势,为后续的深入研究打下基础.     

基于分合闸线圈电流信号的高压断路器机械故障诊断

高压断路器作为常用的电气设备,其中分合闸线圈是其操动机构的关键部件。文中阐述了根据监测断路器分合闸线圈电流信号来判断其故障的一种新方法,首先介绍了磁通随电磁铁的气隙变化而变化的监测原理,然后进行了以DSP为核心的硬件电路的设计,最后利用小波分析法和动态时间规整法相结合的方法对信号作了具体的分析,从而能够准确的得出断路器的状态信息。根据状态信息可以及时发现断路器运行过程中存在的隐患,然后进行必要的检修。     

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.     

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。     

一种基于线圈电流的高压断路器机械故障诊断方法

断路器动作过程中的分/合闸电磁铁线圈电流包含了丰富的断路器状态信息,且线圈电流具有采集方式简单、易于分析且重复性较好的特点;在对线圈电流划分为4个阶段基础上,文中提出一种更加全面的利用线圈电流信息的特征提取方法;试验模拟了5种断路器故障,利用支持向量机建立断路器故障诊断模型,并利用上述方法进行了诊断,结果表明,该方法可以更加准确有效地诊断断路器机械故障。     

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。     

基于机械振动信号的高压真空断路器故障诊断研究

提出一种基于小波-包络谱能量提取振动信号特征并进行故障诊断的新方法。首先应用小波分析对振动信号进行降噪处理,然后与希尔伯特变换相结合,提取振动信号的低频和高频包络,最后对包络信号进行谱分析及能量特征提取。实验结果表明,该方法对提取高压真空断路器机械振动信号的特征是有效的,可为故障诊断提供依据。     

基于经验模态分解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的特性,提出一种以改进的经验模态分解(empirical mode decomposition,EMD)能量熵和支持向量机(support vector machine,SVM)相结合的诊断高压断路器机械故障的方法,并给出了可行的诊断步骤和分析.首先利用经验模态分解方法将高压断路器的振动信号分解成一些相互独立的内禀模态函数"(intrinsic mode function,IMF),然后利用正常状态标准信号所得各固有内禀模态函数包络信号的等能量分段方式,实现对待测状态信号各IMF包络的时间轴分段,计算各待测信号IMF包络的能量熵向量,以此构造的经验模态分解能量熵向量作为支持向量机的输入向量.采用"次序二叉树"向量机分类,利用梯度法和交叉检验优化支持向量机模型参数.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.     

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。     

基于SOM的真空断路器机械故障诊断

给出了适用于小样本训练的自组织映射(SOM)网络的基本概念和突出特点,分析了真空断路器的机械特性与对应机械故障的关系。在此基础上,提出以真空断路器的机械特性作为训练与识别样本并基于SOM的真空断路器机械故障诊断方法。重点介绍了应用该方法进行断路器机械故障分类的全过程:通过提取正常与故障状态下断路器的机械特性并输入至SOM网络中进行故障区分。实验分析表明,该故障诊断方案可有效对真空断路器常见机械故障进行分类。     

基于最小二乘支持向量机的高压断路器故障诊断

为了快速、准确地对高压断路器发生的故障进行分析和诊断,确定故障的性质、类别和部位,提出了一种高压断路器故障诊断的新方法。首先对高压断路器分合闸线圈电流进行分析,提取电流和时间特征量形成特征向量,然后用遗传算法对最小二乘支持向量机(least square support vector machine,LS-SVM)参数进行优化,最后,将特征向量输入到优化后的最小二乘支持向量机中进行故障识别、分类。试验表明,该方法可以准确地识别断路器的多种故障类型,为断路器故障定位和状态检修提供了依据。与广泛使用的神经网络方法相比,该方法在样本较少时仍能获得较好的诊断效果,更适用于高压断路器等小样本设备的故障诊断。     

基于随机模糊理论的高压断路器剩余机械寿命评估

针对高压断路器机械寿命评估参数具有随机性和模糊性的特点,将随机模糊理论应用到高压断路器的机械寿命评估中。通过高压断路器机械寿命试验,结合机械寿命评估参数随机性与模糊性的分布特点,引入三角形模糊变量,并运用曲线拟合的方法,得到高压断路器机械寿命评估参数的随机模糊分布函数,进而建立随机模糊双重不确定条件下的高压断路器剩余机械寿命模型,并实现对高压断路器剩余机械寿命的预测。对比试验结果表明,所建立模型能够客观有效地评估高压断路器的机械寿命。