基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法技术

本发明专利技术涉及配电网技术领域，具体为一种基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法，包括步骤1，通过加速度或速度信号数据采集系统获取振动信号；步骤2，通过CEEMDAN方法分解振动信号以获取振动信号的各阶IMF分量；步骤3，通过Hilbert变换获取各阶IMF分量分别对应的瞬时频率；步骤4，通过带通滤波方法结合瞬时频率对IMF分量进行等频带划分以构造出规定带宽的时频矩阵；步骤5，在时域方向对时频矩阵进行等间距划分以获得分块时频矩阵，并求取各分块时频矩阵的能量值以构造分块能量矩阵。本发明专利技术鉴于各频带时间序列复杂度存在的差异，提出以各频带归一化的样本熵为权值，分别从时域和频域方向归一化的能量矩阵中提取加权时频熵以增强特征的表征能力。

Mechanical Fault Feature Extraction Method of Distribution Switch Based on CEMDAN and Weighted Time-Frequency Entropy

The invention relates to the technical field of distribution network, in particular to a method for extracting mechanical fault features of distribution switches based on CEEMDAN and weighted time-frequency entropy, which includes step 1, acquiring vibration signals through acceleration or speed signal data acquisition system, step 2, decomposing vibration signals to obtain various order IMF components of vibration signals by CEEMDAN method, and step 3, acquiring various order I by Hilbert transform. MF components correspond to instantaneous frequencies respectively; step 4, IMF components are divided equally by band-pass filtering and instantaneous frequencies to construct time-frequency matrix with specified bandwidth; step 5, time-frequency matrix is divided equally in time-domain direction to obtain block time-frequency matrix, and energy values of block time-frequency matrix are obtained to construct block energy matrix. In view of the difference of time series complexity in each frequency band, the weighted time-frequency entropy is extracted from the energy matrix normalized in the direction of time domain and frequency domain, respectively, to enhance the characterization ability of features.

【技术实现步骤摘要】
基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法
本专利技术涉及配电网
，具体为一种基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法。
技术介绍
配电开关是电力系统中重要的开关设备，具有控制和保护电网的双重功能。研究表明，大部分配电开关故障是由机械故障引起的，通常配电开关机械故障诊断方法主要是定期维护，而定期维护不仅耗时、费力，而且反复地拆卸检修可能引起部件疲劳，甚至在维护过程中产生新的故障。此外，定期维护的诊断结果取决于维护人员的经验评估，存在一定的主观性。针对定期维护存在的不足，建立可靠、精准、智能化的配电开关机械故障识别模型逐渐成为发展的一种趋势。而配电开关分合闸所产生的振动信号蕴含着丰富的机械状态信息，在过去十几年的机械故障诊断中，采用基于振动信号分析的非侵入式故障诊断方法得到了广泛的应用。
技术实现思路
本专利技术针对现有技术存在的问题，提出了一种基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法。本专利技术解决其技术问题所采用的技术方案是：一种基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法，包括步骤1，通过加速度或速度信号数据采集系统获取振动信号；步骤2，通过CEEMDAN方法分解振动信号以获取振动信号的各阶IMF分量；步骤3，通过Hilbert变换获取各阶IMF分量分别对应的瞬时频率；步骤4，通过带通滤波方法结合瞬时频率对IMF分量进行等频带划分以构造出规定带宽的时频矩阵；步骤5，在时域方向对时频矩阵进行等间距划分以获得分块时频矩阵，并求取各分块时频矩阵的能量值以构造分块能量矩阵；步骤6，从时域和频域方向对能量矩阵进行归一化处理以得到时域能量矩阵和频域能量矩阵；同时，计算时频矩阵各频带的样本熵并进行归一化处理以得到归一化样本熵；步骤7，计算时域加权能量矩阵和频域加权能量矩阵；步骤8，计算每个时段的香农熵和每个频带的香农熵以提取所需的信号特征；步骤9，验证所需提取信号特征的有效性。作为优选，所述步骤1包括设置采样频率、波形启动阈值、信号截取时间参数。作为优选，所述步骤2由公式（1）进行分解，（1）其中，为原始信号，为第k阶IMF分量，为残余分量。作为优选，所述步骤3具体包括，通过公式（2）对IMF分量进行Hilbert变换，（2）通过公式（3）构造相位函数，（3）通过公式（4）计算各阶IMF分量的瞬时频率，（4）。作为优选，所述步骤4具体包括将频域等间距划分成M个频带，每一频带均对每阶IMF分量各数据点的瞬时频率进行判断，若在对应频带内则保留IMF分量对应的数据点，否则置零以形成新序列，将各阶新序列的对应数据点进行累加以形成对应频带的新数据序列；对M个频带进行相同处理以得到等带宽间距的时频矩阵。作为优选，所述步骤5具体包括在时域方向将时频矩阵划分成L个时段，构成L*M个分块时频矩阵，通过公式（5）分别计算各分块时频矩阵的能量值以构成分块能量矩阵，（5）其中，为第l个时段、第m个频带的新数据序列的时间序列。作为优选，所述步骤6具体包括通过公式（6）从时域方向对能量矩阵进行归一化处理以得到时域能量矩阵，通过公式（7）从频域方向对能量矩阵进行归一化处理以得到频域能量矩阵，（6）（7）同时，通过公式（8）计算时频矩阵各频带的样本熵并进行归一化处理，（8）其中，为归一化样本熵，在计算样本熵时，需设置嵌入维数、相似容限参数。作为优选，所述步骤7具体为通过公式（9）计算时域加权能量矩阵，通过公式（10）计算频域加权能量矩阵，（9）（10）。作为优选，所述步骤8具体为通过公式（11）计算每个时段的香农熵，通过公式（12）计算每个频带的香农熵以提取所需的信号特征，（11）（12）其中，为时域特征中第l个加权时频熵，为频域特征中第m个加权时频熵，为时域特征向量，为频域特征向量。作为优选，所述步骤9具体为采用支持向量机、K-最近邻法、神经网络、贝叶斯、决策树分类算法对所提取的信号特征进行有效性验证。本专利技术的有益效果是，1、常见的配电开关振动信号分解方法主要有小波变换（WT）、小波包变换(WPT)、局部均值分解(LMD)、经验模态分解(EMD)等。其中，WT与WPT属于非自适应分解的方法，难以选择选择合适的基函数类型；LMD与EMD属于自适应分解的方法，但均出现模态混叠，影响信号的正确分析。本专利技术采用CEEMDAN处理配电开关振动信号，能够消除模态混叠现象；虽需对辅助噪声添加次数进行设定，但该参数易于选择，对结果影响较小。此外，CEEMDAN分解与带通滤波相结合应用于配电开关振动信号的处理过程中，在降低辅助噪声添加次数的情况下，既消除了模态混叠，又从整体上提高了信号处理的效率。2、常见的时频熵特征提取方法中，以小波时频熵应用最为广泛。由上可知，小波变换存在一定的不足；此外，配电开关振动信号过于复杂，时频熵特征存在表征能力不足的问题。本专利技术鉴于各频带时间序列复杂度存在的差异，提出以各频带归一化的样本熵为权值，分别从时域和频域方向归一化的能量矩阵中提取加权时频熵以增强特征的表征能力。附图说明图1为本专利技术基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法的流程图。具体实施方式下面结合附图并通过具体实施方式来进一步说明本专利技术的技术方案。如图1所示，一种基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法，主要包括以下内容：采用加速度或速度信号数据采集系统获取振动信号，需设置采样频率（不小于20kHz）、波形启动阈值、信号截取时间参数。采用CEEMDAN（完备经验模态分解）方法分解振动信号。假定原始信号为，设定噪声标准差比值、EMD迭代上限、辅助噪声添加次数，经过CEEMDAN分解可得到：其中，为第k阶IMF（固有模态函数）分量，为残余分量。CEEMDAN分解能够消除模态混叠，最大限度的实现信号分解；通过对不同分量进行重构并与原始信号进行相关性比较，选择主要的分量用于后续分析。通过Hilbert变换，可获取各阶IMF分量对应的瞬时频率，其计算过程如下：对IMF分量进行Hilbert变换：构造相位函数：由于各阶IMF分量的相位函数具有随时间变化的瞬时特性，进而可求得各阶IMF分量的瞬时频率：假定将频域等间距划分成M个频带，对于每阶IMF分量各数据点的瞬时频率进行判断，若在规定频带内则保留IMF分量对应的数据点，否则置零；最后将各阶新序列累加起来，即为规定频带的数据波形。同理，对每个频带进行此操作，最终可得到等间距的时频矩阵。在时域方向将时频矩阵划分成L个时段，构成个分块时频矩阵；分别计算各分块时频矩阵的能量值，构成分块能量矩阵，其计算过程如下：其中，为第l个时段、第m个频带的时间序列。从时域和频域方向对能量矩阵进行归一化处理，可得到时域能量矩阵和频域能量矩阵，其计算公式如下：计算时频矩阵各频带的样本熵，并进行归一化处理：（m为频带数)为归一化样本熵，即为权值；在计算样本熵时，需设置参数：嵌入维数、相似容限。在时域方向归一化的能量矩阵中，通过公式进行加权，可得到时域加权能量矩阵：计算每个时段的香农熵：其中，代表时域特征中第l个加权时频熵。在频域方向归一化的能量矩阵中，通过公式进行加权，可得到频域加权能量矩阵：计算每个频带的香农熵：其中，代表频域特征中第m个加本文档来自技高网...

【技术保护点】
1.基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法，其特征在于：包括步骤1，通过加速度或速度信号数据采集系统获取振动信号；步骤2，通过CEEMDAN方法分解振动信号以获取振动信号的各阶IMF分量；步骤3，通过Hilbert变换获取各阶IMF分量分别对应的瞬时频率；步骤4，通过带通滤波方法结合瞬时频率对IMF分量进行等频带划分以构造出规定带宽的时频矩阵；步骤5，在时域方向对时频矩阵进行等间距划分以获得分块时频矩阵，并求取各分块时频矩阵的能量值以构造分块能量矩阵；步骤6，从时域和频域方向对能量矩阵进行归一化处理以得到时域能量矩阵和频域能量矩阵；同时，计算时频矩阵各频带的样本熵并进行归一化处理以得到归一化样本熵；步骤7，计算时域加权能量矩阵和频域加权能量矩阵；步骤8，计算每个时段的香农熵和每个频带的香农熵以提取所需的信号特征；步骤9，验证所需提取信号特征的有效性。

【技术特征摘要】
1.基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法，其特征在于：包括步骤1，通过加速度或速度信号数据采集系统获取振动信号；步骤2，通过CEEMDAN方法分解振动信号以获取振动信号的各阶IMF分量；步骤3，通过Hilbert变换获取各阶IMF分量分别对应的瞬时频率；步骤4，通过带通滤波方法结合瞬时频率对IMF分量进行等频带划分以构造出规定带宽的时频矩阵；步骤5，在时域方向对时频矩阵进行等间距划分以获得分块时频矩阵，并求取各分块时频矩阵的能量值以构造分块能量矩阵；步骤6，从时域和频域方向对能量矩阵进行归一化处理以得到时域能量矩阵和频域能量矩阵；同时，计算时频矩阵各频带的样本熵并进行归一化处理以得到归一化样本熵；步骤7，计算时域加权能量矩阵和频域加权能量矩阵；步骤8，计算每个时段的香农熵和每个频带的香农熵以提取所需的信号特征；步骤9，验证所需提取信号特征的有效性。2.根据权利要求1所述的基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法，其特征在于：所述步骤1包括设置采样频率、波形启动阈值、信号截取时间参数。3.根据权利要求1所述的基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法，其特征在于：所述步骤2由公式（1）进行分解，（1）其中，为原始信号，为第k阶IMF分量，为残余分量。4.根据权利要求1所述的基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法，其特征在于：所述步骤3具体包括，通过公式（2）对IMF分量进行Hilbert变换，（2）通过公式（3）构造相位函数，（3）通过公式（4）计算各阶IMF分量的瞬时频率，（4）。5.根据权利要求1所述的基于CEEMDAN及加权时频熵的配电开关机械故障特征提取方法，其特征在于：所述步骤4具体包括将频域等间距划分成M个频带，每一频带均对每阶IMF分量各数据点的瞬时频率进行判断，若在对应频带内则保...

【专利技术属性】
技术研发人员：杨耿杰，乔苏朋，郭谋发，高伟，翁秉钧，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35