【技术实现步骤摘要】
基于SVDD的开关设备机械故障诊断方法和系统
[0001]本专利技术属于故障诊断
，更具体的说，尤其涉及一种基于SVDD的开关设备机械故障诊断方法和系统。
技术介绍
[0002]作为电力系统的关键组成部分，开关设备广泛应用于输配电的各个环节，其正常运行对于电力系统的可靠平稳安全运行具有十分重要的意义。在开关设备引发的非停运事件中，由于机械缺陷未得到及时预警而发展为机械故障甚至事故的案例占比将近40％。现有技术中，基于信号进行开关设备机械缺陷/故障诊断和机械状态评估是常用的方法，其中振动信号的非侵入式的采集方式不会影响开关设备的正常运行且包含丰富的设备状态信息，能够综合反映设备内部众多元件的机械变化，可以体现80％的机械特性类缺陷/故障，逐渐成为新的研究热点。
[0003]基于信号分析的开关设备机械故障诊断方法，通常流程为采集开关设备在正常状态和多种模拟故障状态下的信号作为样本，对预处理后的信号进行相关处理后提取一组特征量形成特征向量，将该特征向量输入神经网络或支持向量机等机器学习分类算法进行模型训练，再将待分析...
【技术保护点】
【技术特征摘要】
1.一种基于SVDD的开关设备机械故障诊断方法，其特征在于，包括：采集并将所述开关设备在稳定运行状态下，其动作过程中的多源信号作为待诊断样本信号；对所述待诊断样本信号进行截取，并对所述待诊断样本信号中的振动信号进行去噪、去趋势项的预处理操作；对预处理后的待诊断样本信号采用两步特征提取方法，提取典型特征量，形成一组特征向量；其中，所述典型特征量包括：关键位置时刻的特征量以及，所述关键位置时刻对应的振动短时能量和行程短时积分的特征量；所述关键位置时刻为能够反映所述开关设备的机械状态的位置对应的时刻；将所述特征向量输入至预先训练好的最优超球体故障诊断模型，得到所述待诊断样本信号的诊断结果；其中，所述最优超球体故障诊断模型为通过SVDD方法对所述开关设备稳定运行状态下机械正常状态的正常样本进行训练得到的。2.根据权利要求1所述的基于SVDD的开关设备机械故障诊断方法，其特征在于，所述两步特征提取方法包括：先提取所述关键位置时刻的特征量；再针对所述预处理后的待诊断样本提取所述关键位置时刻对应的振动短时能量和行程短时积分的特征量。3.根据权利要求2所述的基于SVDD的开关设备机械故障诊断方法，其特征在于，所述提取所述关键位置时刻的特征量包括：通过所述多源信号中的振动信号和断口信号分别提取所述关键位置点的发生时刻，得到关键位置时刻的特征量；其中，所述关键位置包括：行程起始点、断口位置、过冲点和行程结束点。4.根据权利要求1所述的基于SVDD的开关设备机械故障诊断方法，其特征在于，对所述待诊断样本信号进行截取，并对所述待诊断样本信号中的振动信号进行去噪、去趋势项的预处理操作，包括：以所述多源信号中的动作命令发出信号对应时刻作为样本信号起始时刻点，分别对所述多源信号中的各个信号截取时长为预设时长的信号片段；其中所述预设时长需覆盖合闸动作全程；对截取后的所述振动信号进行基于小波变换的信号阈值去噪，以及，采用最小二乘法进行去趋势项处理；其中，所述基于小波变换的信号阈值去噪方法包括：先进行小波分解，接着进行阈值处理，最后进行小波重构。5.根据权利要求1所述的基于SVDD的开关设备机械故障诊断方法，其特征在于，将所述特征向量输入至预先训练好的最优超球体故障诊断模型，得到所述待诊断样本信号的诊断结果，包括：若所述特征向量落在所述最优超球体故障诊断模型内，则判定该开关设备的机械状态为正常；若所述特征向量落在所述最优超球体故障诊断模型外，则判定该开关设备的机械状态为故障。6.根据权利要求1
‑
5任一项所述的基于SVDD的开关设备机械故障诊断方法，其特征在
于，所述最优超球体故障诊断模型的建立过程，包括：采集所述开关设备在稳定运行状态且机械正常状态下，其动作过程中的多源信号作为训练样本信号；对所述训练样本信号进行截取，并对所述训练样本...
【专利技术属性】
技术研发人员：吕红红，蒋宗敏，常艳，李元超，
申请(专利权)人：中国西电电气股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。