淺談?dòng)嘘P(guān)高壓斷路器振聲聯(lián)合故障的診斷方法

王建平

摘要：根據(jù)現(xiàn)有高壓斷路器機(jī)械的故障診斷方案不足，本文就高壓斷路器發(fā)生振聲聯(lián)合故障提出一種新的診斷方法。此方法基于改進(jìn)集合經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥EMD），利用核獨(dú)立分量（fast KIcA）對采集到的聲波信號進(jìn)行分析核對盲源進(jìn)行分離處理，并對處理后的聲波信號以及振動(dòng)信號進(jìn)行EEMD處理。再對每一個(gè)分解后產(chǎn)生的固有模態(tài)函數(shù)（IMF）進(jìn)行二維譜熵求解，再以此二維譜熵矩陣為基礎(chǔ)對矩陣進(jìn)行變換，作為其支持向量機(jī)的特征向量的輸入識別斷路器機(jī)械的狀態(tài)。可以發(fā)現(xiàn)，振聲聯(lián)合分析方法可以有效提高高壓斷路器機(jī)械診斷的正確和可使用性。

關(guān)鍵詞：高壓斷路器；振聲數(shù)據(jù)級融合；振聲特征級融合；改進(jìn) EEMD 分解；改進(jìn) BEEMD 分解；支持向量機(jī)

高壓斷路器在電力系統(tǒng)中能夠起到控制和保護(hù)的關(guān)鍵作用，一旦設(shè)備出現(xiàn)問題，可能會引起很大的損失，因此高壓斷路器需要進(jìn)行定時(shí)的檢查和定期故障診斷?，F(xiàn)在人工智能技術(shù)飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)、人工免疫網(wǎng)絡(luò)和向量機(jī)等一系列新型方法開始被應(yīng)用于常規(guī)或高級機(jī)械故障的診斷。神經(jīng)網(wǎng)絡(luò)具有一定泛化抗噪能力，但在進(jìn)行實(shí)際的操作時(shí)會出現(xiàn)多樣本的情況，導(dǎo)致使用存在局限性；但人工免疫網(wǎng)絡(luò)穩(wěn)定性和學(xué)習(xí)能力都較強(qiáng)，使用過程中，其輸入的樣本種類數(shù)量較多并且模型實(shí)際診斷十分復(fù)雜，計(jì)算量巨大且浪費(fèi)時(shí)長。同時(shí)，一些小規(guī)模的、非線性關(guān)系以及高緯度的問題是適合用向量機(jī)解決的。

高壓電路器的故障診斷難就難在實(shí)際運(yùn)行環(huán)境可能十分復(fù)雜。而運(yùn)用振動(dòng)聲波信號是明顯表現(xiàn)出非線性和不穩(wěn)定性的。經(jīng)驗(yàn)和集合經(jīng)驗(yàn)?zāi)Ｊ綄收系脑\斷和分解都有一定的有效性。但是EMD在使用時(shí)可能出現(xiàn)模式混疊，EEMD解決了這方面的問題，若原始信號信噪比較低，分解效果依然不夠明顯。

1 高壓斷路器振聲聯(lián)合機(jī)械故障診斷總體方案

振動(dòng)信號有非線性和穩(wěn)定性較差的特性。應(yīng)用加速度振動(dòng)傳感器和聲波傳感器對高壓斷路器分閘的聲波信號和振動(dòng)進(jìn)行采集工作。振動(dòng)信號可以用L0102T壓電加速度傳感器來進(jìn)行采集，為使其依附到機(jī)構(gòu)箱和中間觸頭的豎直部位的機(jī)構(gòu)箱的表層上，可利用磁鐵作用吸引傳感器。采集聲波信號可以用502A型拾音器，然后與斷路器進(jìn)行非接觸安裝。

研究結(jié)果表明，振動(dòng)信號有著非線性和不穩(wěn)定性、沖擊響應(yīng)大和響應(yīng)迅速的特點(diǎn)；聲波的特點(diǎn)是噪音組成大、頻率寬、重復(fù)性低。由此，提出了斷路器振聲聯(lián)合機(jī)械診斷方法是振聲特征級進(jìn)行融合的特征故障診斷方法，還有數(shù)據(jù)級進(jìn)行融合的優(yōu)良診斷方法。

2 振聲聯(lián)合高壓斷路器故障診斷方法

2.1 振聲特征級進(jìn)行融合聯(lián)合高壓斷路器故障診斷

外界環(huán)境處于劣勢時(shí)，斷路器在分閘時(shí)就會造成較強(qiáng)的振動(dòng)信號和聲波信號。特別注意大量隨機(jī)的噪點(diǎn)會在空氣傳播的過程中混入聲波信號，即使幅值小但頻率是較高的，仍然影響故障的診斷。特征級融合診斷的方法實(shí)施原理如下：同時(shí)進(jìn)行采集振動(dòng)信號和聲波信號，利用相關(guān)快速核獨(dú)立分量分析對所收集的聲波信號進(jìn)行處理非線性的粗略分離。Fast KICA是可以去除無關(guān)的特征、并且降低噪音的，非線性信號的辨處能力是很強(qiáng)的。通過處理將斷路器分合閘施行過程中混入的無關(guān)聲波，可能是人聲、自然聲音以及短路去分著的聲波，最后從采集到的混合原始聲波中充分有效分離出來。

而混入的無關(guān)聲波等一些噪音信號的幅度一般較小、頻率較大。這些噪聲堆積越多，對分解的準(zhǔn)確度和完成度影響越大。中值濾波器可以用來對傳統(tǒng)EEMD分解的過程中所殘余的函數(shù)實(shí)行濾波工作，精準(zhǔn)完成EMD的分解過程，來更好地控制完整的EEMD 分解過程，本文提出的EEMD算法設(shè)計(jì)為：

（1）具有一定強(qiáng)度的噪音分別排列到信號序列中以便多次進(jìn)行EMD分解。

（2）高壓斷路器分閘的過程中收集到了振動(dòng)信號和聲波信號，在其中找到局部極大值點(diǎn)還有局部極小值點(diǎn)。

（3）然后擬合該次數(shù)據(jù)序列的前后包絡(luò)線，確立平均包絡(luò)線，精確計(jì)算信號和包絡(luò)線之間的差距，反復(fù)多次執(zhí)行這步，一直到這差值達(dá)到能使IMF成立的兩個(gè)條件。

（4）運(yùn)算殘余函數(shù)，對差運(yùn)用中值濾波法進(jìn)行平滑化處理。高效去消除噪聲極強(qiáng)點(diǎn)、保護(hù)信號易變的信號邊界并且抑制信號和噪聲的隨機(jī)，使得殘余函數(shù)的方差值減小。重復(fù)多次3、4步驟一直到殘余函數(shù)成為不能再次進(jìn)行分解的單調(diào)函數(shù)。

（5）EMD經(jīng)多次分解可得到對應(yīng)的IMF，從而根據(jù)得到的整體平均值求得最終的IMF。

（6）運(yùn)算各個(gè)IMF的二維譜熵（一維譜熵、中心頻率）。

2.2 振聲數(shù)據(jù)級進(jìn)行融合對高壓斷路器故障的診斷方案

用同收集的方法采集高壓斷路器的分閘振動(dòng)和聲波信號，但采集到的信號因?yàn)榄h(huán)境和傳感器的影響仍然在時(shí)間上存在差異，聲波信號一般是稍落后于其振動(dòng)信號的，那么將所采集的聲波信號進(jìn)行適量移動(dòng)，到振動(dòng)信號振聲之前。聯(lián)合圖像。

二維經(jīng)驗(yàn)集合模態(tài)分解（BEEMD）是直接應(yīng)用EMD和希爾伯特黃變換方法（HHT）到處理二維數(shù)據(jù)中，分解改進(jìn)就是用改進(jìn)版EEMD對所有維度數(shù)據(jù)進(jìn)行的分解，依據(jù)可比的最小尺度對對應(yīng)的IMF進(jìn)行最后的合并重組。

二維EEMD分解改進(jìn)后 是以EEMD為基礎(chǔ)的，相應(yīng)的設(shè)計(jì)流程如下：

（1）BEEMD首先認(rèn)為振聲聯(lián)合圖像也就是振動(dòng)和聲波信號聯(lián)合而成的二維的空間數(shù)據(jù)是簡單兩個(gè)維度的一維序列組合的。

（2）然后EMMD分解所有一維片段序列，重構(gòu)近似尺度片段，相似于IMF的二維分量隨之產(chǎn)生。

（3）進(jìn)一步分解新二維分量，此時(shí)BEEMD會聯(lián)合并集合兩個(gè)各異的維度。

（4）依據(jù)最小尺度合并的原理將經(jīng)以上步驟得到的這些分量合并，最后運(yùn)算得其能量熵。

2.3 支持向量機(jī)基礎(chǔ)下的故障識別

（1）找尋確立合適的支持向量機(jī)模型和核函數(shù)，可以使用CSVC，或者選擇徑向基函數(shù)。

（2）設(shè)置初始化模型參數(shù)。

（3）SVM分類后進(jìn)行測試模型的準(zhǔn)確率然后識別相關(guān)發(fā)生的實(shí)驗(yàn)故障。

3 結(jié)語

本文立足于Fast KICA、改進(jìn)經(jīng)驗(yàn)集合模態(tài)分解和改進(jìn)后的二維經(jīng)驗(yàn)聚合模態(tài)分解，將其應(yīng)用到高壓斷路器對振聲聯(lián)合機(jī)械的問題故障診斷方案中，再采用粒子群優(yōu)化（PSO）后的支持向量機(jī)模型來診斷故障?，F(xiàn)實(shí)情況下，是需要收集更多的現(xiàn)實(shí)現(xiàn)場數(shù)據(jù)來深入探究其他故障問題概況來增強(qiáng)振聲聯(lián)合診斷的在當(dāng)下的實(shí)用性。

參考文獻(xiàn)：

[1]張佩，趙書濤，申路，等.基于改進(jìn)EEMD的高壓斷路器振聲聯(lián)合故障診斷方法[J].電力系統(tǒng)保護(hù)與控制，2014，（8）：7781.

[2]趙書濤，張佩，申路，等.高壓斷路器振聲聯(lián)合故障診斷方法[J].電工技術(shù)學(xué)報(bào)，2014，29（7）：216221.