一种用于大功率电源车接触器的故障检测方法技术

本发明专利技术公开了一种用于大功率电源车接触器的故障检测方法，其具体步骤为：搭建故障检测系统；加速度传感模块（8）进行振动信号采集；数据采集模块（1）进行电压信号调理；小波包分解模块（2）进行特征向量提取；特征向量构造模块（3）采用归一法构造特征向量；支持向量机分析模块（4）进行特征向量分类；遗传算法优化模块（5）进行支持向量机优化；数据传输模块（6）进行数据整理输出；输出结果显示模块（7）进行人机界面交互显示。本发明专利技术采用遗传算法方法优化支持向量机参数及核函数参数，从而得到优化的接触器状态，提高了电源车配电接触器在故障检修方面的效率。

【技术实现步骤摘要】

本专利技术涉及一种故障检测方法，特别是一种用于大功率电源车接触器的故障检测方法。
技术介绍
目前基于振动信号的接触器检测诊断的分析方法主要有：小波变换和经验模态分解的方法。目前国内应用较多的经验模态分解的分析方法，即信号通过经验模态分解，分解为不同频域上的内禀模态函数(IMF)，通过计算各个IMF的单位能量来提取能量信号的特征向量进行数据分析。经验模态分解方法的主要缺点就是模态混叠的频繁出现，一个单独的内禀模态函数(IMF)中含有全异尺度以及相同尺度在不同的IMF中出现，最终导致经验模态分解对于振动信号的分析精确度不高、不够稳定的问题。
技术实现思路
本专利技术目的在于提供一种用于大功率电源车接触器的故障检测方法，解决经验模态分解对于振动信号的分析精确度不高、不够稳定的问题。一种用于大功率电源车接触器的故障检测方法，其具体步骤为：第一步搭建故障检测系统故障检测系统包括：加速度传感模块、数据采集模块、小波包分解模块、特征向量构造模块、支持向量机分析模块、遗传算法优化模块、数据传输模块和输出结果显示模块。加速度传感模块的功能是：将大功率电源车接触器分合闸时产生的振动信号转换成电信号进行输出。数据采集模块的功能是：采集大功率电源车接触器的分合闸振动信号，将采集结果传到数据库中等待分析。小波包分解模块的功能是：将数据采集模块中得到的数据信号进行分解，通过小波包频带分析提取特征向量，并将提取的特征向量输入到特征向量构造模块。特征向量构造模块的功能是：将小波包分解模块得到的特征向量通过无量纲归一化处理，得到进行数据分析的归一化特征向量。支持向量机分析模块的功能是：将归一化的特征向量进行支持向量机训练得到训练完成的支持向量机，再将需要进行故障状态分类的归一化特征向量输入到支持向量机中进行分类。遗传算法优化模块的功能是：对支持向量机参数及核函数参数进行优化，提高故障状态分类的准确度，缩短分类时间，使特征向量能够达到最佳的分类效果。数据传输模块的功能是：对最终的故障状态信息进行标记，并通过通信的方式输送给上位机等待最终结果显示。输出结果显示模块的功能是：将数据传输模块输出的故障状态信息进行界面化显示输出。第二步加速度传感模块进行振动信号采集加速度传感模块采集大功率电源车接触器的分合闸振动信号Ain，将分合闸振动信号Ain转换成电压信号Vin输出给数据采集模块，加速度传感模块中传感器的量程为0g～200g，灵敏度为5pc/ms-2，方向为：x轴，y轴，z轴三个方向。第三步数据采集模块进行电压信号调理数据采集模块接收到的加速度传感模块调理出的电压信号Vin进行滤波及稳压处理，得到稳定的滤波稳压后的电压信号V20，并将滤波后电压信号V20输出给小波包分解模块，将采集结果传到数据库中等待分析。第四步小波包分解模块进行特征向量提取数据采集模块得到滤波后的电压信号V20通过小波包分解将振动信号分解成不同频带的信号S，通过小波包频带分析提取特征向量T，并将提取的特征向量T输入到特征向量构造模块。将滤波后电压信号V20进行小波包分解，按照信号的特性预先设定信号分解尺度，提取最后分解层中每个频率成分的信号特征Sij，i和j分别表示小波包分解树中第i层第j个节点，其中，i＝1,2,3,…,N，j＝1,2,3…2N-1，N为分解层数，则小波包的分解系数为Xij。对小波分解系数进行重构，提取频带范围的信号Sij，求各个频带信号的总能量，设信号Sij对应的能量为Ei,j：Ei,j=∫|Sij(t)|2dt=Σk=1n|xij(k)|2---(1)]]>其中，Xi,j表示第i层第j个节点重构信号的离散点幅值。当大功率电源车接触器出现故障时，会对分合闸各频带内信号的能量有影响。因此，以能量为元素构造一个特征向量。特征向量T构造如下：T＝[Ei,0,Ei,1,Ei,2,…,Ei,2N-1]。第五步特征向量构造模块采用归一法构造特征向量特征向量构造模块将小波包分解模块得到的特征向量T通过无量纲归一化处理，得到特征向量T'。对特征向量进行归一化处理，令：E=(Σj=02n-1|Eij2|)2---(2)]]>归一化向量为：T＝[Ei,0/E,Ei,1/E,Ei,2/E,…,Ei,2N-1/E](3)第六步支持向量机分析模块进行特征向量分类支持向量机分析模块将归一化的特征向量G10…n进行训练，得到训练完成的支持向量机，再将需要进行故障状态分类的归一化特征向量G20…n输入到支持向量机中进行状态分类。第七步遗传算法优化模块进行支持向量机优化遗传算法优化模块对支持向量机参数及核函数参数进行优化，从而提高故障状态分类的准确度，缩短分类时间，使支持向量机故障状态分类能够达到最佳的分类效果。初始化参数：种群数量记为P，最大进化代数记为Tmax，遗传代数记为t，其中t的初始值为0，个体适应度函数值为F(t)，当最佳适应度无改进时给出最佳的核函数参数σ2和惩罚因子C，并用最佳的核函数参数σ2和惩罚因子C训练数据集以获得全局最优分类面。否则进入下一次t＝t+1；采用选择算子法从P(t-1)中选择P(t)；对P(t)进行交叉、变异操作，得到个体适应度函数值F(t)；给出最佳的核函数参数σ2和惩罚因子C，并用最佳的核函数参数σ2和惩罚因子C训练数据集以获得全局最优分类面。编码区间的确定：从核函数K(xi,xj)＝exp(-σ||xi-xj||2)得出σ2的大小完全是针对||xi-xj||2而言的；当σ2的取值比训练样本之间的最小距离小20倍以上，便能达到σ2趋于0的效果；相类似当σ2比训练样本之间的最大间隔大100倍以上时达到σ2趋于无穷大的效果。σ2的搜索空间为：[min(||xi-xj||2)*10-3,max(||xi-xj||2)*10-3](4)第八步数据传输模块进行数据整理输出数据传输模块对最终的分类结果进行标记，并通过通信的方式输送给上位机等待最终结果显示。第九步输出结果显示模块进行人机界面交互显示输出结果显示模块将故障状态分类信息进行界面可视化显示，将大功率电源车接触器振动信号状态分类信息输出。本专利技术通过对接触器分合闸产生的振动信号进行小波包分解及对信号进行小波包频带分析，通过SVM进行故障状态分类，并采用遗传算法(GA)方法优化支持向量机(SVM)参数及核函数参数，从而得到优化的接触器状态。本专利技术提高了电源车配电接触器在故障检修方面的效率。本专利技术采用小波包分解及对信号进行小波包频带分析进行特征向量提取，此外GA方法优化支持向量机(SVM)参数及函数参数大大提高了支持向量机的分类准确度。同时，还具有上位机界面显示人机交互的功能，提供了更好的用户体验。附图说明图1一种用于大功率电源车接触器的故障检测方法的故障检测系统示意图。1.数据采集模块2.小波包分本文档来自技高网...

【技术保护点】
一种用于大功率电源车接触器的故障检测方法，其特征在于具体步骤为：第一步搭建故障检测系统故障检测系统，包括：加速度传感模块(8)、数据采集模块(1)、小波包分解模块(2)、特征向量构造模块(3)、支持向量机分析模块(4)、遗传算法优化模块(5)、数据传输模块(6)和输出结果显示模块(7)；加速度传感模块(8)的功能是：将大功率电源车接触器分合闸时产生的振动信号转换成电信号进行输出；数据采集模块(1)的功能是：采集大功率电源车接触器的分合闸振动信号，将采集结果传到数据库中等待分析；小波包分解模块(2)的功能是：将数据采集模块(1)中得到的数据信号进行分解，通过小波包频带分析提取特征向量，并将提取的特征向量输入到特征向量构造模块(3)；特征向量构造模块(3)的功能是：将小波包分解模块(2)得到的特征向量通过无量纲归一化处理，得到进行数据分析的归一化特征向量；支持向量机分析模块(4)的功能是：将归一化的特征向量进行支持向量机训练得到训练完成的支持向量机，再将需要进行故障状态分类的归一化特征向量输入到支持向量机中进行分类；遗传算法优化模块(5)的功能是：对支持向量机参数及核函数参数进行优化，提高故障状态分类的准确度，缩短分类时间，使特征向量能够达到最佳的分类效果；数据传输模块(6)的功能是：对最终的故障状态信息进行标记，并通过通信的方式输送给上位机等待最终结果显示；输出结果显示模块(7)的功能是：将数据传输模块(6)输出的故障状态信息进行界面显示输出；第二步加速度传感模块(8)进行振动信号采集加速度传感模块(8)采集大功率电源车接触器的分合闸振动信号Ain，将分合闸振动信号Ain转换成电压信号Vin输出给数据采集模块(1)，加速度传感模块(8)中传感器的量程为0g～200g，灵敏度为5pc/ms‑2，方向为：x轴，y轴，z轴三个方向；第三步数据采集模块(1)进行电压信号调理数据采集模块(1)接收到的加速度传感模块(8)调理出的电压信号Vin进行滤波及稳压处理，得到稳定的滤波稳压后的电压信号V20，并将滤波后电压信号V20输出给小波包分解模块(2)，将采集结果传到数据库中等待分析；第四步小波包分解模块(2)进行特征向量提取数据采集模块(1)得到滤波后的电压信号V20通过小波包分解将振动信号分解成不同频带的信号S，通过小波包频带分析提取特征向量T，并将提取的特征向量T输入到特征向量构造模块(3)；将滤波后电压信号V20进行小波包分解，按照信号的特性预先设定信号分解尺度，提取最后分解层中每个频率成分的信号特征Sij，i和j分别表示小波包分解树中第i层第j个节点，其中，i＝1,2,3,…,N，j＝1,2,3…2N‑1，N为分解层数，则小波包的分解系数为Xij；对小波分解系数进行重构，提取频带范围的信号Sij，求各个频带信号的总能量，设信号Sij对应的能量为Ei,j：其中，Xi,j表示第i层第j个节点重构信号的离散点幅值；当大功率电源车接触器出现故障时，会对分合闸各频带内信号的能量有影响；因此，以能量为元素构造一个特征向量；特征向量T构造如下：T＝[Ei,0,Ei,1,Ei,2,…,Ei,2N‑1]；第五步特征向量构造模块(3)采用归一法构造特征向量特征向量构造模块(3)将小波包分解模块(2)得到的特征向量T通过无量纲归一化处理，得到特征向量T'；对特征向量进行归一化处理，令：归一化向量为：第六步支持向量机分析模块(4)进行特征向量分类支持向量机分析模块(4)将归一化的特征向量G10…n进行训练，得到训练完成的支持向量机，再将需要进行故障状态分类的归一化特征向量G20…n输入到支持向量机中进行状态分类；第七步遗传算法优化模块(5)进行支持向量机优化遗传算法优化模块(5)对支持向量机参数及核函数参数进行优化，从而提高故障状态分类的准确度，缩短分类时间，使支持向量机故障状态分类能够达到最佳的分类效果；初始化参数：种群数量记为P，最大进化代数记为Tmax，遗传代数记为t，其中t的初始值为0，个体适应度函数值为F(t)，当最佳适应度无改进时给出最佳的核函数参数σ2和惩罚因子C，并用最佳的核函数参数σ2和惩罚因子C训练数据集以获得全局最优分类面；否则进入下一次t＝t+1；采用选择算子法从P(t‑1)中选择P(t)；对P(t)进行交叉、变异操作，得到个体适应度函数值F(t)；给出最佳的核函数参数σ2和惩罚因子C，并用最佳的核函数参数σ2和惩罚因子C训练数据集以获得全局最优分类面；编码区间的确定：从核函数K(xi,xj)＝exp(‑σ||xi‑xj||2)得出σ2的大小完全是针对||xi‑xj||2而言的；当σ2的取值比训练样本之间的最小距离小20倍以上，便能达到σ2趋于0的效果；相类似当σ2比训练样本之间的最大间隔大100倍以上时达到σ2趋于无穷大的效果；σ...

【技术特征摘要】
1.一种用于大功率电源车接触器的故障检测方法，其特征在于具体步骤为：
第一步搭建故障检测系统
故障检测系统，包括：加速度传感模块(8)、数据采集模块(1)、小波包分解模块(2)、特征向量构造模块(3)、支持向量机分析模块(4)、遗传算法优化模块(5)、数据传输模块(6)和输出结果显示模块(7)；
加速度传感模块(8)的功能是：将大功率电源车接触器分合闸时产生的振动信号转换成电信号进行输出；
数据采集模块(1)的功能是：采集大功率电源车接触器的分合闸振动信号，将采集结果传到数据库中等待分析；
小波包分解模块(2)的功能是：将数据采集模块(1)中得到的数据信号进行分解，通过小波包频带分析提取特征向量，并将提取的特征向量输入到特征向量构造模块(3)；
特征向量构造模块(3)的功能是：将小波包分解模块(2)得到的特征向量通过无量纲归一化处理，得到进行数据分析的归一化特征向量；
支持向量机分析模块(4)的功能是：将归一化的特征向量进行支持向量机训练得到训练完成的支持向量机，再将需要进行故障状态分类的归一化特征向量输入到支持向量机中进行分类；
遗传算法优化模块(5)的功能是：对支持向量机参数及核函数参数进行优化，提高故障状态分类的准确度，缩短分类时间，使特征向量能够达到最佳的分类效果；
数据传输模块(6)的功能是：对最终的故障状态信息进行标记，并通过通信的方式输送给上位机等待最终结果显示；
输出结果显示模块(7)的功能是：将数据传输模块(6)输出的故障状态信息进行界面显示输出；
第二步加速度传感模块(8)进行振动信号采集
加速度传感模块(8)采集大功率电源车接触器的分合闸振动信号Ain，将分合闸振动信号Ain转换成电压信号Vin输出给数据采集模块(1)，加速度传感模块(8)中传感器的量程为0g～200g，灵敏度为5pc/ms-2，方向为：x轴，y轴，z轴三个方向；
第三步数据采集模块(1)进行电压信号调理
数据采集模块(1)接收到的加速度传感模块(8)调理出的电压信号Vin进行滤波及稳压处理，得到稳定的滤波稳压后的电压信号V20，并将滤波后电压信号V20输出给小波包分解模块(2)，将采集结果传到数据库中等待分析；
第四步小波包分解模块(2)进行特征向量提取
数据采集模块(1)得到滤波后的电压信号V20通过小波包分解将振动信号分解成不同频带的信号S，通过小波包频带分析提取特征向量T，并将提取的特征向量T输入到特征向量构造模块(3)；
将滤波后电压信号V20进行小波包分解，按照信号的特性预先设定信号分解尺度，提取最后分解层中每个频率成分的信号特征Sij，i和j分别表示小...

【专利技术属性】
技术研发人员：孙一航，杨润宇，袁红升，
申请(专利权)人：北京机械设备研究所，
类型：发明
国别省市：北京;11