一种高压断路器机械故障诊断方法及系统技术方案

本发明专利技术提供了一种高压断路器机械故障诊断方法，包括：将加速度传感器设置在被诊断的高压断路器的预设位置上；在预设时间区间内接收加速度传感器发送的原始振动信号；基于预设采样方法从加速度传感器的原始振动信号中提取出采样振动信号；将所有加速度传感器的采样振动信号拼接为采样振动信号二维阵列；将振动信号二维阵列输入至用于断路器故障识别的卷积神经网络，并经用于断路器故障识别的卷积神经网络输出被诊断的高压断路器的诊断结果。该方法使高压断路器机械故障诊断可基于一套不依赖人工观察经验的方法实现，具有良好的实用性。另外，本发明专利技术还提供了一种高压断路器机械故障诊断系统。

A mechanical fault diagnosis method and system of high voltage circuit breaker

【技术实现步骤摘要】
一种高压断路器机械故障诊断方法及系统
本专利技术涉及到检测领域，具体涉及到一种高压断路器机械故障诊断方法及系统。
技术介绍
传统的高压断路器机械故障诊断，主要是通过人工观察的方式进行。一方面，人工观察识别高压断路器机械故障需要有多年的检测经验，这导致了该方面的工作仅能通过工作多年的技术人员作业，不利于普及；另一方面，由于高压断路器的故障问题较多，而不同的故障问题所导致高压断路器的故障可能存在重复性，这就为高压断路器的机械故障诊断带来了很多困难。
技术实现思路
为了克服现有通过人工观察方式进行高压断路器机械故障诊断的缺陷，本专利技术提供了一种高压断路器机械故障诊断方法及系统，以加速度传感器获取振动信号并对振动信号加以分析的方式导出高压断路器机械故障的具体故障内容，使高压断路器机械故障诊断可基于一套不依赖人工观察经验的方法实现，具有良好的实用性。具体的，本专利技术提供了一种一种高压断路器机械故障诊断方法，包括：将所述n个加速度传感器设置在被诊断的高压断路器的预设位置上。在预设时间区间内接收n个加速度传感器发送的原始振动信号；其中，第i个加速度传感器发送的原始振动信号为第i个加速度传感器发送的原始振动信号的数量为mi，i＝1,2,…,n，j＝1,2,…,mi；基于预设采样方法从第i个加速度传感器的mi个原始振动信号中提取出m个原始振动信号作为采样振动信号0＜m≤min{mi|i＝1,2,…,n}，k＝1,2,…,m；将n个所述加速度传感器的采样振动信号拼接为采样振动信号二维阵列将所述振动信号二维阵列输入至用于断路器故障识别的卷积神经网络，并经所述用于断路器故障识别的卷积神经网络的输出得到所述被诊断的高压断路器的诊断结果。可选的实施方式，所述加速度传感器的设置位置分别为合闸弹簧的本体、分闸弹簧的本体、合闸电磁铁的本体、合闸电磁铁的对象、分闸电磁铁的本体和分闸电磁铁的对象。可选的实施方式，所述预设采样方法为下采样方法。可选的实施方式，所述用于断路器故障识别的卷积神经网络基于以下方式生成：构建用于断路器故障识别的卷积神经网络的基本模型，所述用于断路器故障识别的卷积神经网络的基本模型包括输入层、内核层和输出层；以训练集训练所述用于断路器故障识别的卷积神经网络的基本模型并得到所需的用于断路器故障识别的卷积神经网络，其中，所述训练集包括若干组训练数据，每一组所述训练数据包括作为输入层的故障振动信号二维矩阵和相对应的作为输出层的机械故障问题。可选的实施方式，所述内核层包括五个卷积层C1-C5、一个池化层P1、两个全连接层和一个输出层,其中，池化层P1输出至卷积层C3输出、卷积层C4输入至卷积层C5输出分别设置有一个恒等映射通道，卷积层C1的核大小为12*6，卷积层C2-C4的核大小为6*6。可选的实施方式，所述若干个故障振动信号二维矩阵中的每一组故障振动信号二维矩阵基于以下方法获取：针对预设的一种机械故障问题对高压断路器进行改造，使所述高压断路器产生预设的机械故障问题，将n个加速度传感器设置在所述高压断路器的相应位置上；在预设时间区间内接收n个加速度传感器发送的原始振动信号，其中，第i个加速度传感器发送的原始振动信号为第i个加速度传感器发送的原始振动信号数量为mi，i＝1,2,…,n，j＝1,2,…,mi；基于所述预设采样方法从第i个加速度传感器的mi个原始振动信号中提取出m个原始振动信号作为故障振动信号m≤min{mi|i＝1,2,…,n}，k＝1,2,…,m；将n个所述加速度传感器的故障振动信号拼接为故障振动信号二维阵列可选的实施方式，所述用于断路器故障识别的卷积神经网络还包括：基于验证集验证所述用于断路器故障识别的卷积神经网络的诊断准确率，基于所述诊断准确率调整所述用于断路器故障识别的卷积神经网络。选的实施方式，可所述验证集包括若干组验证数据，每一组验证数据包括作为输入层的验证故障振动信号二维矩阵和相对应的作为输出层的验证机械故障问题；所述每一组验证数据与所述每一组故障数据基于同一方法得出。可选的实施方式，所述诊断结果为良好或若干种机械故障问题中的其中一种机械故障问题；所述若干种机械故障问题包括线圈电压偏移、缓冲器少油、电磁铁卡涩、弹簧疲劳和电磁铁线圈烧坏。相应的，本专利技术还提供了一种高压断路器机械故障诊断系统，用于实现以上任一项所述的高压断路器机械故障诊断方法。本专利技术提供了一种高压断路器机械故障诊断方法及系统，该高压断路器机械故障诊断方法通过以加速度传感器获取振动信号并对振动信号加以分析的方式导出高压断路器机械故障的具体故障内容，使高压断路器机械故障诊断可基于一套不依赖人工观察经验的方法实现，具有良好的实用性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1示出了本专利技术实施例的高压断路器机械故障诊断方法流程示意图；图2示出了本专利技术实施例的加速度传感器设置位置示意图；图3示出了本专利技术实施例的用于断路器故障识别的卷积神经网络结构示意图；图4示出了本专利技术实施例的用于断路器故障识别的方法流程图；图5示出了本专利技术实施例的用于断路器故障识别的卷积神经网络的生成方法。。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。图1示出了本专利技术实施例的高压断路器机械故障诊断方法流程示意图。本专利技术实施例提供了一种高压断路器机械故障诊断方法，包括：S101：将所述n个加速度传感器设置在被诊断的高压断路器的预设位置上。为了获取高压断路器的机械运动动作，需要通过加速度传感器设置在高压断路器的特定位置上。图2示出了本专利技术实施例的加速度传感器设置位置示意图。具体的，本专利技术实施的加速度传感器数量为6个，所述加速度传感器的设置位置分别为合闸弹簧的本体、分闸弹簧的本体、合闸电磁铁的本体、合闸电磁铁的对象、分闸电磁铁的本体和分闸电磁铁的对象。S102：在预设时间区间内接收n个加速度传感器发送的原始振动信号；其中，第i个加速度传感器发送的原始振动信号为第i个加速度传感器发送的原始振动信号的数量为mi，i＝1,2,…,n，j＝1,2,…,mi；S103：基于预设采样方法从第i个加速度传感器的mi个原始振动信号中提取出m个原始振动信号作为采样振动信号0＜m≤min{mi|i＝1,2,…,n}，k＝1,2,…,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，包括：/n将所述n个加速度传感器设置在被诊断的高压断路器的预设位置上；/n在预设时间区间内接收n个加速度传感器发送的原始振动信号；其中，第i个加速度传感器发送的原始振动信号为

【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，包括：
将所述n个加速度传感器设置在被诊断的高压断路器的预设位置上；
在预设时间区间内接收n个加速度传感器发送的原始振动信号；其中，第i个加速度传感器发送的原始振动信号为第i个加速度传感器发送的原始振动信号的数量为mi，i＝1,2,…,n，j＝1,2,…,mi；
基于预设采样方法从第i个加速度传感器的mi个原始振动信号中提取出m个原始振动信号作为采样振动信号0＜m≤min{mi|i＝1,2,…,n}，k＝1,2,…,m；
将n个所述加速度传感器的采样振动信号拼接为采样振动信号二维阵列
将所述振动信号二维阵列输入至用于断路器故障识别的卷积神经网络，并经所述用于断路器故障识别的卷积神经网络输出所述被诊断的高压断路器的诊断结果。


2.如权利要求1所述的高压断路器机械故障诊断方法，其特征在于，所述加速度传感器的设置位置分别为合闸弹簧的本体、分闸弹簧的本体、合闸电磁铁的本体、合闸电磁铁的对象、分闸电磁铁的本体和分闸电磁铁的对象。


3.如权利要求1所述的高压断路器机械故障诊断方法，其特征在于，所述预设采样方法为下采样方法。


4.如权利要求1所述的高压断路器机械故障诊断方法，其特征在于，所述用于断路器故障识别的卷积神经网络基于以下方式生成：
构建用于断路器故障识别的卷积神经网络的基本模型，所述用于断路器故障识别的卷积神经网络的基本模型包括输入层、内核层和输出层；
以训练集训练所述用于断路器故障识别的卷积神经网络的基本模型并得到所需的用于断路器故障识别的卷积神经网络，其中，所述训练集包括若干组训练数据，每一组所述训练数据包括作为输入层的故障振动信号二维矩阵和相对应的作为输出层的机械故障问题。


5.如权利要求4所述的高压断路器机械故障诊断方法，其特征在于，所述内核层包括五个卷积层C1-C5、一个池化层P1、两个全连接层和一个输出层,其中，池化层P1输出至卷积层C3输出、卷积层C4输入至...

【专利技术属性】
技术研发人员：王晓明，周柯，林翔宇，周卫，芦宇峰，苏毅，李文伟，李海勇，彭博雅，
申请(专利权)人：广西电网有限责任公司电力科学研究院，广西电网有限责任公司钦州供电局，
类型：发明
国别省市：广西;45