一种高压断路器机械故障诊断方法技术

本发明专利技术涉及一种高压断路器机械故障诊断方法。首先，通过采集装置获取高压断路器振动信号；接着，对振动信号进行CEEMDAN分解，并采用基于Hilbert变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵；其次，划分时段构造分块能量矩阵，并分别在时域方向和频域方向归一化的能量矩阵中提取时频熵；再者，采用正态累积分布函数（NCDF）对各频带振动信号进行归一化处理，提取各分块时频矩阵的奇异熵；最后，采用集成极限学习机作为分类器用于小样本高压断路器机械故障的识别。通过实例验证，本发明专利技术方法具有较高的辨识度。

【技术实现步骤摘要】
一种高压断路器机械故障诊断方法
本专利技术涉及电力电气设备领域，特别涉及一种高压断路器机械故障诊断方法。
技术介绍
高压断路器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。正常工作情况下，高压断路器承载着电流以及控制着电网的通断。当电网中某处发生故障时，高压断路器首先做出保护响应；如果故障不能及时消除或隔离，备用保护系统将波及更大范围的网络，导致更多架空线、母线、变电站中断。此外，更为严重的是引起电力系统动态稳定性问题。因此，高压断路器快速、有效、可靠地消除或隔离故障是保证电力系统稳定运行的一个先决条件。研究表明，大部分高压断路器故障是由机械故障引起的。通常，高压断路器机械故障诊断方法主要是定期维护。定期维护不仅耗时、费力，而且反复的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。随着机器学习的发展，智能诊断技术已成功应用于各个领域，如汽轮机、柴油机、医疗领域等。在此基础上，建立可靠、精准、智能化的高压断路器机械故障识别模型逐渐成为发展的一种趋势。许多专家学者不断提出以触头行程位移、电磁线圈电流、振动信号等为分析对象的高压断路器机械故障诊断方法；其中，基于振动信号分析的方法易于数据获取，逐渐成为高压断路器机械故障诊断技术研究的主流方向。
技术实现思路
本专利技术的目的在于提供一种高压断路器机械故障诊断方法，该方法具有较高的辨识度。为实现上述目的，本专利技术的技术方案是：一种高压断路器机械故障诊断方法，首先，通过采集装置获取高压断路器振动信号；接着，对振动信号进行自适应噪声的完备经验模态分解(CEEMDAN)，并采用基于希尔伯特(Hilbert)变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵；其次，划分时段构造分块能量矩阵，并分别在时域方向和频域方向归一化的能量矩阵中提取时频熵；再者，采用正态累积分布函数(NCDF)对各频带振动信号进行归一化处理，提取各分块时频矩阵的奇异熵；最后，采用集成极限学习机(I-ELM，IntegratedExtremeLearningMachine)作为分类器用于小样本高压断路器机械故障的识别。在本专利技术一实施例中，所述高压断路器振动信号采用基于LabVIEW的虚拟仪器数据采集系统获取。在本专利技术一实施例中，所述对振动信号进行CEEMDAN分解，并采用基于Hilbert变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵的具体方式为：对振动信号进行CEEMDAN分解：假定原始信号为x(t)，设定噪声标准差比值、辅助噪声添加次数，经过CEEMDAN分解可得到：其中，ck(t)(k＝1,2,…,K)为第k阶本征模态函数IMF分量，r(t)为残差分量；采用基于Hilbert变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵：对IMF分量ck(t)(k＝1,2,…，K)进行Hilbert变换：由上式可构造相位函数φk(t)：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fk(t)：确定带宽以及频带数量；对于其中一个频带，对各阶IMF分量数据点对应的瞬时频率进行判断：若瞬时频率在该频带内，则保留IMF分量对应的数据点，否则，置零；最后，将各阶滤波处理后的新序列累加起来，即为该频带的振动波形；同理，对每个频带进行此操作，最后获得信号在不同频带的振动波形。在本专利技术一实施例中，所述划分时段构造分块能量矩阵，并分别在时域方向和频域方向归一化的能量矩阵中提取时频熵的具体方式为：经Hilbert变换与带通滤波可将频域划分成M个频带，形成M×N大小的时频矩阵，其中N为时间序列的长度；在时域方向，将时间序列等间距划分成L个时段，构成M×L个分块时频矩阵，每个分块矩阵的长度为N/L；设为第m个频带中第l个时段对应的时间序列，其能量值El,m的计算公式如下：接着，从时域和频域方向分别对能量矩阵进行归一化处理，转化公式如下：其中，Pl,m表示El,m在第m个频带内沿时域方向的归一化值；Ql,m表示El,m在第l个时段内沿频率方向的归一化值；而后，采用香农熵表征信号的特征，香农熵Θ的计算公式如下：其中，是随机事件yi的概率，且以熵作为特征属性，分别对时域和频域方向归一化的能量矩阵进行特征提取，具体计算公式如下：其中，为时域方向第l个时段对应的特征值，为频域方向第m个频带对应的特征值；为总的特征集合，即时频熵。在本专利技术一实施例中，所述采用正态累积分布函数对各频带振动信号进行归一化处理，提取各分块时频矩阵的奇异熵的具体方式为：正态累积分布函数NCDF是对服从正态分布的概率密度函数的积分，能够完整地描述随机变量X的概率分布，其公式可表示为：其中，μ、σ2、σ分别为随机变量X的均值、方差、标准差；在完成NCDF对各频带信号标准化处理后，接下来提取奇异熵，奇异熵的计算过程如下：假定D是一个m×n大小的矩阵，根据奇异值分解的理论，对任一个m×n的矩阵，总存在一个m×r的矩阵U，r×n的矩阵V，r×r的对角矩阵Λ，使得矩阵D可表示为：D＝UΛVT其中，矩阵Λ中的对角元素λl(l＝1,2,…,r)称为矩阵D的奇异值，此外，奇异值具有非负性且按递减方式排列；接着，对奇异值进行归一化处理：其中，pl为λl在总奇异值中所占的比例；最后，奇异熵SE可定义为：为获得更细微的特征，需要将由重构波形组成的时频矩阵进行分块划分；对于一个M×L大小的时频矩阵，沿时域方向将其等间距划分G个分块子矩阵，其中，每个分块子矩阵的大小为M×(L/G)；奇异熵特征向量是可从分块时频矩阵中提取而来的。在本专利技术一实施例中，所述采用集成极限学习机作为分类器对小样本高压断路器的机械故障进行识别的具体方式为：针对从高压断路器振动信号中提取的时频熵、奇异熵两种特征类型，分别训练出m个弱分类器，即2m个弱分类器，并利用这些弱分类器构造一个集成极限学习机，其函数可表示为：其中，arg(·)是获取自变量的值函数，上式等号右侧表示2m个弱分类器输出结果中机械故障类别为i的弱分类器个数最大的机械故障类别；sum(i)表示预测结果为机械故障类别i的弱分类器个数；根据上式，2m个分类器的输出结果，以投票的方式进行决策，票数最多的类别即判定为最终的输出结果，即得出高压断路器的机械故障类别。极限学习机(ELM)源于单隐含层前馈神经网络，由输入层、隐含层、输出层组成。ELM算法的主要优点是在输入层与隐含层之间的连接权值及偏置随机生成，且在整个训练过程中无需调整，因此，计算速度非常快。此外，仅需设置隐含层神经元的个数以及选择合适的激活函数类型，便可以获得唯一的最优解。ELM的原理如下：假定，x为输入样本，对应于n个输入神经元；σ对应于l个隐含层神经元；y对应于m个输出神经元。输入层与隐含层的连接权值矩阵w可表示为：其中，wij表示输入层第i个神经元与隐含层第j个神经元之间的连接权值。隐含层与输出层的连接权值矩阵β可表示为：其中，βjk表示隐含层第j个神经元与输出层第k个神经元之间的连接权值。隐含层神经元的偏置矩阵b可表示为：b＝[b1b2…bl]T其中，T表示矩阵的转置运算。设具有Q个样本的训练集输入矩阵X和输出矩阵Y分别为：若隐含层神经元的激活函数为本文档来自技高网...

【技术保护点】
1.一种高压断路器机械故障诊断方法，其特征在于，首先，通过采集装置获取高压断路器振动信号；接着，对振动信号进行CEEMDAN分解，并采用基于Hilbert变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵；其次，划分时段构造分块能量矩阵，并分别在时域方向和频域方向归一化的能量矩阵中提取时频熵；再者，采用正态累积分布函数对各频带振动信号进行归一化处理，提取各分块时频矩阵的奇异熵；最后，采用集成极限学习机作为分类器对小样本高压断路器的机械故障进行识别。

【技术特征摘要】
1.一种高压断路器机械故障诊断方法，其特征在于，首先，通过采集装置获取高压断路器振动信号；接着，对振动信号进行CEEMDAN分解，并采用基于Hilbert变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵；其次，划分时段构造分块能量矩阵，并分别在时域方向和频域方向归一化的能量矩阵中提取时频熵；再者，采用正态累积分布函数对各频带振动信号进行归一化处理，提取各分块时频矩阵的奇异熵；最后，采用集成极限学习机作为分类器对小样本高压断路器的机械故障进行识别。2.根据权利要求1所述的一种高压断路器机械故障诊断方法，其特征在于，所述高压断路器振动信号采用基于LabVIEW的虚拟仪器数据采集系统获取。3.根据权利要求1所述的一种高压断路器机械故障诊断方法，其特征在于，所述对振动信号进行CEEMDAN分解，并采用基于Hilbert变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵的具体方式为：对振动信号进行CEEMDAN分解：假定原始信号为x(t)，设定噪声标准差比值、辅助噪声添加次数，经过CEEMDAN分解可得到：其中，ck(t)(k＝1,2,…,K)为第k阶本征模态函数IMF分量，r(t)为残差分量；采用基于Hilbert变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵：对IMF分量ck(t)(k＝1,2,…，K)进行Hilbert变换：由上式可构造相位函数φk(t)：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fk(t)：确定带宽以及频带数量；对于其中一个频带，对各阶IMF分量数据点对应的瞬时频率进行判断：若瞬时频率在该频带内，则保留IMF分量对应的数据点，否则，置零；最后，将各阶滤波处理后的新序列累加起来，即为该频带的振动波形；同理，对每个频带进行此操作，最后获得信号在不同频带的振动波形。4.根据权利要求3所述的一种高压断路器机械故障诊断方法，其特征在于，所述划分时段构造分块能量矩阵，并分别在时域方向和频域方向归一化的能量矩阵中提取时频熵的具体方式为：经Hilbert变换与带通滤波可将频域划分成M个频带，形成M×N大小的时频矩阵，其中N为时间序列的长度；在时域方向，将时间序列等间距划分成L个时段，构成M×L个分块时频矩阵，每个分块矩阵的长度为N/L；设为第m个频带中第l个时段对应的时间序列，其能量值El,m的计算公式如下：接着，从时域和频域方向分别对能量矩阵...

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