欢迎来到天天文库
浏览记录
ID:51417064
大小:1.19 MB
页数:5页
时间:2020-03-23
《基于改进的谱峭度分析的断路器故障诊断.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、《仪器仪表与分析监测》2016年第2期基于改进的谱峭度分析的断路器故障诊断CircuitBreakerFaultDiagnosisbasedonImprovedSpectralKurtosisAnalysis蔡笋1.李沐峰2(1.广东电网有限责任公司电力科学研究院,广东广州510000;2.华北电力大学电气与电子工程学院.河北保定071003)[摘要】针对传统的断路器故障诊断办法存在的效率低下、采取指标少、准确率不高等缺点.提出了一种基于联合近似对角化算法的在线监测方式。首先采集断路器操动时产生的声音信号和振动信号并进行提纯,然后进行小波包分解并选择特征量.最后将特征量
2、与经验数据库进行比对达到故障诊断的目的。实验结果证明.方法对断路器不同类型故障的判断准确率有了明显提高。[关键词】断路器;JADE算法;信号提纯;故障诊断f中图分类号】TM561[文献标识码]A引言高压断路器作为电力系统中起重要控制和保护作用的电力设备,其安全、可靠的运行成为科研领域普遍关注的问题之一。一旦其发生故障就会造成巨大的损失,甚至威胁到相关人员的生命安全。因为断路器分合闸声波与振动是相辅相成的,在高压断路器开合闸过程中,它们是同源的,只是传播介质不同,所以将声波、振动信号与时间信号融合为一个整体对断路器机械状态进行诊断具有较高的研究价值。由于高压断路器运行现场
3、环境复杂,采集到的振动和声波信号表现出明显的非线性、非平稳特性,周围的噪声可能成为故障诊断错判的诱因,因此在进行故障诊断之前将这些噪声剔除是非常必要的。当今,断路器故障诊断应用较普遍的方法主要有:神经网络、支持向量机、人工免疫网络等。神经网络具有一定的抗噪声和泛化能力.但是训练需要大量样本,传统的神经网络学习算法(如BP算法)需要人为设置大量的网络训练参数,并且很容易产生局部最优解:支持向量机适用于解决小样本、高维数、非线性等问题,但需设置较多的中间参数。本文结合断路器的振动信号和声音信号.在此基础上提出了一种断路器机械故障诊断的新方法:首先利用基于联合近似对角化算法提
4、纯信号后,进行小波包分解获得信号的时域各个特征量:然后比较各种特征量,选取故障诊断的评价指标;最后利用该方法重点分析断路器正常、操动机构卡滞和轴销松动三种故障状态。结果表明,这种方法可以用于断路器故障诊断中,并能取得较高的诊断准确率。基金资助:南方电网科技项目GDKJ00000031断路器弹簧操动机构机械故障诊断技术研究一26—基于改进的谱峭度分析的断路器故障诊断蔡笋。等1总体方案设计高压断路器的触头相互撞击时,由固体振动产生信号,其中包括振动信号及声音信号,其传播媒介是金属固体和空气,具有冲击响应较大、响应的有效时间短、信号非平稳非线性等特点。导致其传感器的灵敏度较高
5、。由此,高压断路器多信号融合故障诊断方法的设计总体方案如图1所示:对两种信号进行同步采集,首先对采集到的声音数字信号进行基于联合近似对角化算法的声音提纯;之后,对声音信号与振动信号同时进行进一步的小波包分解提取特征量,再把选定的特征量输入诊断系统,最后与预设的故障数据库进行比对,达到诊断分析的目的。根进据振动信号行预倭霉恪信设信号的号+的’经采马勰卜采特验集征数南卜进行提纯l量据提库取诊断图l断路器故障诊断的总体方案2双数据联合诊断方法的基本原理高压断路器的触头发生撞击的时候,伴随着触头碰撞会产生机械性的运动和震荡,同时.这些震动引发的空气动荡也会产生相应的声音。因此.
6、从理论上来讲,声音信号与振动信号两者的来源相同,都是从高压断路器的触头碰撞产生出来的.不同只在于其传播媒介的差别。采用传感器对信号进行采集,虽然传感器有一定的灵敏度,但在采集声音信号时,因为信号幅值过高导致采集的饱和现象,波形出现了“平顶”现象,而且传感器在信号的连续高频率的冲击下会出现偏差。声音信号的传播媒介是空气,这种媒介中容易受到噪声干扰,因此信噪比很低,但声音信号的测量是属于非接触式的,便于安装;另外.振动信号的频带宽,可以避免信号过饱和的失效现象。综上所述,本实验中采用的声音信号传感器灵敏度高,能够捕捉信号的微小的变化,振动信号的频带宽、衰减小、抗干扰能力强,
7、可以避免振动信号的“平顶现象”对判断结果产生影响,将两种信号融合分析可充分展现各自的优点。2.1联合近似对角化算法(JADE)本文引入联合近似对角化算法(JADE)对声音信号进行提纯,提高了处理非线性信号的能力和运算结果的稳定性。联合近似对角化算法提纯声音信号的基本流程如下所述。1)对原始的观测信号x(t)进行白化处理,得到白化信号如下:z(r)=(百5月,巧j足⋯衙÷尼)1x(f)其中,九和尼分别是观测信号的自相关矩阵E[X(t)X1(,+∞)]在时间间隔取0时,按降序排列的特征值和特征向量。2)对白化信号Z(f)进行时频变换,得出白化
此文档下载收益归作者所有