基于SVM的低壓直流斷路器故障診斷研究

蔡昌俊，王 競(jìng)，高 勁，劉 蘭，閆雅斌，陳崇琨

(1.廣州地鐵集團(tuán)有限公司，廣州 510000；2.武漢船用電力推進(jìn)裝置研究所，武漢 430064)

0 引言

現(xiàn)在低壓直流斷路器應(yīng)用非常廣泛，特別是城軌交通饋線直流斷路器750 V/1 500 V的低壓等級(jí)。該低壓直流斷路器負(fù)責(zé)將母線電壓提供給牽引機(jī)車使用。因此研究低壓直流斷路器故障診斷很有意義[1-3]。

低壓直流斷路器作為一種復(fù)雜的機(jī)電設(shè)備，故障類型有很多。通過測(cè)試發(fā)現(xiàn)：低壓直流斷路器在發(fā)生故障時(shí)或者出現(xiàn)劣化時(shí)，斷路器的機(jī)械特征和分合閘線圈電流波形特征會(huì)發(fā)生變化[4]。融合這些特征可以實(shí)現(xiàn)斷路器故障診斷。

文獻(xiàn)[5]針對(duì)高壓斷路器采用SVM提取振動(dòng)信號(hào)和電流信號(hào)特征，并進(jìn)行了準(zhǔn)確的故障診斷。文獻(xiàn)[6]對(duì)高壓斷路器的振動(dòng)和聲音信號(hào)進(jìn)行了研究，最后采用SVM進(jìn)行故障診斷。文獻(xiàn)[7]研究了EMD和elman結(jié)合實(shí)現(xiàn)了對(duì)斷路器機(jī)械信號(hào)的故障診斷。文獻(xiàn)[8]研究了基于深度神經(jīng)網(wǎng)絡(luò)的高壓斷路器故障識(shí)別算法。文獻(xiàn)[9]研究了基于數(shù)學(xué)形態(tài)學(xué)和小波包分解的高壓斷路器機(jī)械狀態(tài)監(jiān)測(cè)和診斷。文獻(xiàn)[10]研究了基于EEMD和馬氏距離的高壓斷路器機(jī)械故障診斷研究?？偨Y(jié)發(fā)現(xiàn)：應(yīng)用斷路器振動(dòng)信號(hào)、線圈電流、聲音等可以實(shí)現(xiàn)斷路器故障診斷，但是對(duì)高壓斷路器特征研究的較多，對(duì)于低壓等級(jí)直流斷路器故障特征及其診斷方法研究較少。

城軌交通牽引變電站直流低壓斷路器，它的機(jī)械結(jié)構(gòu)、動(dòng)態(tài)特性、劣化特性、故障狀態(tài)等與高壓斷路器不同。本文以城軌交通牽引變電站低壓直流斷路器為研究對(duì)象，設(shè)計(jì)了低壓直流斷路器在線監(jiān)測(cè)系統(tǒng)采集該斷路器在分合閘過程中的振動(dòng)信號(hào)和線圈電流信號(hào)，提取特征量后，利用SVM實(shí)現(xiàn)了該低壓直流斷路器的故障診斷。

1 牽引變電站低壓直流斷路器信號(hào)監(jiān)測(cè)與特征提取

牽引變電站低壓直流斷路器應(yīng)用在地鐵變電所，分合閘比較頻繁，從斷路器日常分合過程中監(jiān)測(cè)電氣量和機(jī)械量，有助于提前發(fā)現(xiàn)斷路器的隱患，實(shí)現(xiàn)故障診斷。

1.1 牽引變電站直流斷路器特征信號(hào)采集系統(tǒng)

搭建牽引變電站直流斷路器振動(dòng)信號(hào)和線圈電流信號(hào)采集系統(tǒng)如圖1所示。分合閘線圈電流分別通過2個(gè)霍爾傳感器采集分合閘線圈的電流信號(hào)，振動(dòng)信號(hào)采用加速度傳感器實(shí)現(xiàn)測(cè)量，安裝位置如圖1所示。

圖1 直流斷路器特征信號(hào)監(jiān)測(cè)診斷系統(tǒng)框圖

整個(gè)系統(tǒng)包括3個(gè)部分：直流斷路器本體部分、信號(hào)采集傳輸部分、分析診斷部分。

1.2 斷路器信號(hào)特征提取

該直流斷路器采集的信號(hào)是：線圈電流信號(hào)和振動(dòng)信號(hào)。

1.2.1 分合閘線圈電流信號(hào)特征提取

在離線狀態(tài)下測(cè)量直流斷路器合分閘線圈電流分別如圖2、3所示。

圖2 合閘線圈電流原始波形

圖3 分閘線圈電流原始波形

從圖2～3可以看出，測(cè)量的線圈電流雜波較多，經(jīng)過低通濾波和平滑處理后的線圈電流信號(hào)如圖4～5所示。

圖4 合閘線圈電流濾波后波形

圖5 合閘線圈電流濾波后波形

由圖4～5可知，點(diǎn)(I1,t1)是合閘線圈電流極大值點(diǎn)，此時(shí)斷路器合閘鐵芯還在繼續(xù)運(yùn)動(dòng)，但是di/dt=0。此后di/dt<0，電流開始減小。同理分閘線圈電流波形中點(diǎn)(I3,t3)表示分閘鐵芯已經(jīng)停止運(yùn)動(dòng)，I3是分閘線圈的穩(wěn)態(tài)電流值，t3為表征分閘時(shí)間。本文基于線圈電流波形的實(shí)際物理意義采用極值法提取線圈電流得到特征向量組為Kc=[t1t2t3I1I2I3]，將Kc作為斷路器故障診斷的部分依據(jù)。

1.2.2 振動(dòng)信號(hào)特征提取

圖6為直流斷路器工作過程中采集的振動(dòng)信號(hào)?？梢钥闯?，振動(dòng)信號(hào)是一組隨機(jī)非平穩(wěn)信號(hào)，普通的提取時(shí)域曲線包絡(luò)特征的方法是不行的，因此選取短時(shí)能量法處理振動(dòng)信號(hào)得到如圖7所示。

圖6 原始振動(dòng)信號(hào)

圖7 短時(shí)能量法提取振動(dòng)信號(hào)特征點(diǎn)

從圖6～7可以看出，短時(shí)能量法可以提取出斷路器振動(dòng)發(fā)生的時(shí)刻和能量值，并且與時(shí)域波形是一一對(duì)應(yīng)的，因此選取振動(dòng)特征向量Kv=(T1T2E1E2)為斷路器故障診斷的部分依據(jù)。

2 基于支持向量機(jī)(SVM)的直流斷路器故障診斷

2.1 低壓直流斷路器典型故障研究

為了研究低壓直流斷路器的故障診斷，在實(shí)驗(yàn)條件下針對(duì)該型直流斷路器的機(jī)械結(jié)構(gòu)故障和電氣故障進(jìn)行了模擬：正常條件下、分合閘線圈電壓波動(dòng)、分合閘線圈老化、儲(chǔ)能反力彈簧異常、機(jī)械軸斷裂等。以掌握該低壓直流斷路器出現(xiàn)典型故障后機(jī)械信號(hào)和線圈電流信號(hào)出現(xiàn)不同特征，進(jìn)而實(shí)現(xiàn)故障診斷。采集直流斷路器在上述的多種故障條件下的線圈電流波形和振動(dòng)波形如圖8～16所示。

圖8 電壓波動(dòng)故障下合閘時(shí)電流波形和振動(dòng)波形

從圖8可以看出：當(dāng)發(fā)生了合閘線圈電壓波動(dòng)時(shí)，線圈電流和振動(dòng)波形都發(fā)生了明顯變化。當(dāng)合閘線圈電壓跌落時(shí)，線圈電流下降，對(duì)動(dòng)鐵芯吸力降低，使得鐵芯速度變慢，因此發(fā)生動(dòng)靜觸頭發(fā)生碰撞和合閘完成的時(shí)間都邊長(zhǎng)；線圈穩(wěn)態(tài)電流值減小。反之，當(dāng)電壓升高時(shí)，情況與電壓跌落相反。

圖10 合閘線圈老化故障電流波形和振動(dòng)波形

圖9為分閘線圈電壓波動(dòng)時(shí)，線圈電流波形和斷路器振動(dòng)信號(hào)。從圖9可以看出，分閘線圈電壓波動(dòng)對(duì)分閘線圈電流和振動(dòng)與合閘情況類似，此處不再贅述。在試驗(yàn)前，測(cè)量合閘線圈電阻值為23.6 Ω，分閘線圈電阻值為3.4 Ω，通過給分合閘線圈串聯(lián)電阻值以模擬該直流斷路器在長(zhǎng)時(shí)間工作后，分合閘線圈出現(xiàn)老化的情況。測(cè)得該情況下分合閘時(shí)電流波形和振動(dòng)信號(hào)如圖10～11所示。

當(dāng)斷路器合閘時(shí)該反力彈簧儲(chǔ)能，當(dāng)斷路器分閘時(shí)該彈簧立即釋能，使斷路器及時(shí)斷開。通過調(diào)整該彈簧的長(zhǎng)度，來調(diào)節(jié)彈簧的儲(chǔ)能大小。測(cè)得該情況下分合閘時(shí)電流波形和振動(dòng)信號(hào)如圖12～13所示。

圖13 反力彈簧故障下分閘時(shí)電流波形和振動(dòng)波形

從圖8～13可以看出：當(dāng)斷路器出現(xiàn)某種故障時(shí)，線圈電流信號(hào)和振動(dòng)信號(hào)的某些特征值會(huì)發(fā)生變化，如時(shí)間點(diǎn)、電流值、短時(shí)能量值等。當(dāng)線圈電源電壓升高時(shí)，線圈穩(wěn)態(tài)電流上升，線圈電磁鐵對(duì)動(dòng)鐵心吸力增強(qiáng)，使得鐵心更快到達(dá)穩(wěn)態(tài)，實(shí)現(xiàn)分閘或合閘，因此特征值(I1，I2，I3)均增大，而時(shí)間值(t1，t2，t3)均減小且振動(dòng)信號(hào)特征值也發(fā)生變化，反之，當(dāng)線圈電壓降低時(shí)，與電壓升高完全相反；當(dāng)線圈老化而阻值變大時(shí)，特征值變化與線圈電壓下降故障相似；當(dāng)反力彈簧變短時(shí)，彈簧儲(chǔ)能增大，使得鐵芯速度變快，鐵心始動(dòng)電流減小，因此電流值和時(shí)間值均減??；除此之外，還模擬了機(jī)械軸斷裂時(shí)斷路器分合閘，分閘電磁鐵鐵芯間隙變大，軸承間隙變大，合閘鎖扣卡澀等故障。

2.2 SVM基本原理與故障診斷

近年來，機(jī)械設(shè)備系統(tǒng)故障診斷需求急劇升高，基于統(tǒng)計(jì)學(xué)習(xí)理論發(fā)展的起來的支持向量機(jī)(SVM, support vector machine)為解決有樣本下的最優(yōu)解這一難題提供了途徑[11-14]，特別在臺(tái)灣大學(xué)林智仁開發(fā)設(shè)計(jì)LIBSVM工具包可以有效、快速實(shí)現(xiàn)SVM模式識(shí)別和回歸分析，是機(jī)械故障診斷的進(jìn)一步發(fā)展。

(1)

圖14 最優(yōu)分類面

圖14中，ω為最優(yōu)超平面的法向量；b為閾值。

本文SVM診斷過程如下：將特征向量Kv作為訓(xùn)練集和測(cè)試集，采用訓(xùn)練集的特征參數(shù)來訓(xùn)練模型，得到支持向量機(jī)分類模型后，將測(cè)試集的特征參數(shù)輸入此模型，判斷斷路器的故障狀態(tài)。由于分合閘區(qū)別很大，故障診斷將分閘故障和合閘故障分開診斷。具體步驟如下：

1)選取300組分閘特征值作為訓(xùn)練集，其中有48組為正常分閘，252組為模擬故障特征值，對(duì)每條特征向量賦予故障標(biāo)簽：0.正常；1.分閘電壓85%；2.分閘電壓95%；3.分閘電壓115%；4.分閘電阻3.8 Ω；5.分閘電阻4 Ω；6.分閘電阻4.4 Ω；7.反力彈簧+2 mm；8.反力彈簧-2 mm；9.反力彈簧-4 mm；10.分閘電磁鐵間隙變大；11.機(jī)構(gòu)卡澀；12.軸斷裂。

2)選取C類支持向量機(jī)分類模型C-SVC，以徑向基函數(shù)(RBF)作為分類模型的核函數(shù)。

3)以300組分閘特征訓(xùn)練集的特征參數(shù)及對(duì)應(yīng)故障標(biāo)簽進(jìn)行訓(xùn)練，尋找到最優(yōu)參數(shù)C(懲罰因子)和g(核參數(shù))，進(jìn)而得到針對(duì)這12類特征的最優(yōu)分類模型。

4)采用步驟3)得到的訓(xùn)練好的12類特征的最優(yōu)分類模型，對(duì)73組分閘故障測(cè)試集進(jìn)行分類，分類結(jié)果見圖15～18。

圖15 采用Kv和SVM分閘故障分類結(jié)果

3 試驗(yàn)結(jié)果與分析

由圖15可知，該方法可以準(zhǔn)確地區(qū)分正常和故障，并且對(duì)于電壓漸變、線圈老化漸變也能明顯區(qū)分開，故障分類準(zhǔn)確率為91.78%(67/73)。

為了進(jìn)一步研究特征向量的排列組合與SVM結(jié)合對(duì)故障診斷結(jié)果的影響，選取[KcKv]作為特征向量組，再次重復(fù)上述步驟1)～4)對(duì)分閘故障測(cè)試集進(jìn)行分類，結(jié)果見圖16。

圖16 采用[Kc Kv]和SVM分閘故障分類結(jié)果

從圖16可以看出，將電流特征值和振動(dòng)特征值融合共同診斷故障，故障分類準(zhǔn)確率為97.26%(71/73)，故障診斷的準(zhǔn)確率大大提高。結(jié)合圖15～16可知：多信號(hào)特征值融合有利于提高故障診斷的準(zhǔn)確率。

同理，采用相同步驟對(duì)合閘故障進(jìn)行診斷。選取390組合閘特征值作為訓(xùn)練集，其中有77組為正常合閘，313組為模擬故障的合閘特征值，對(duì)每條合閘特征向量賦予故障標(biāo)簽：0.正常；1.合閘電壓85%；2.合閘電壓95%；3.合閘電壓105%；4.合閘電壓115%；5.合閘電阻26.1 Ω；6.合閘電阻28 Ω；7.合閘電阻30.3 Ω；8.合閘電阻34 Ω；9.反力彈簧+2 mm；10.反力彈簧-2 mm；11.反力彈簧-4 mm；12.合閘鎖扣卡澀；13.機(jī)構(gòu)卡澀；14.軸斷裂。

采用同樣的診斷方法，選取短時(shí)能量法獲取的特征向量Kv對(duì)合閘故障測(cè)試集(92組)進(jìn)行分類，分類結(jié)果如圖17所示。

圖17 采用Kv和SVM合閘故障分類結(jié)果

從圖17可以看出：將Kv作為特征向量時(shí)，對(duì)斷路器合閘故障進(jìn)行診斷，故障診斷準(zhǔn)確率為95.65%(88/92)。同理選取[KcKv]作為特征向量組，再次重復(fù)上述步驟1)～4)對(duì)合閘故障測(cè)試集進(jìn)行分類，結(jié)果見圖18。

圖18 采用[Kc Kv]和SVM合閘故障分類結(jié)果

從圖18可以看出：將電流特征向量加入合閘故障診斷特征向量中，可以提高合閘故障診斷結(jié)果98.91%(91/92)。

結(jié)合圖15～18得：1)SVM在斷路器樣本數(shù)據(jù)量不大的條件下可以很好的實(shí)現(xiàn)該直流斷路器故障診斷，不但可以區(qū)別正常和故障狀態(tài)，而且可以對(duì)漸變的故障也有很好的分類效果，故障診斷準(zhǔn)確率在90%以上；2)將電流特征向量與振動(dòng)信號(hào)特征向量融合后，再進(jìn)行同樣的故障診斷，可以提升故障診斷準(zhǔn)確率。

4 結(jié)束語(yǔ)

本文對(duì)牽引變電站低壓直流斷路器故障診斷展開研究。首先搭建低壓直流斷路器在線監(jiān)測(cè)實(shí)驗(yàn)平臺(tái)采集了低壓直流斷路器正常工況與分合閘線圈跌落、分合閘線圈老化、機(jī)構(gòu)卡澀或斷裂等多種典型工況下的分合閘線圈電流信號(hào)和振動(dòng)信號(hào)。然后通過對(duì)振動(dòng)信號(hào)濾波、去除趨勢(shì)項(xiàng)、短時(shí)能量法提取振動(dòng)特征；此外還對(duì)電流信號(hào)濾波、提取極值點(diǎn)提取電流特征。最后采用支持向量機(jī)(SVM)算法對(duì)上述14類合閘工況和12類分閘工況進(jìn)行訓(xùn)練并診斷。通過以上研究得到以下結(jié)論：1)當(dāng)該低壓直流斷路器工作狀態(tài)改變時(shí)，監(jiān)測(cè)到的電流波形和振動(dòng)波形發(fā)生明顯變化;2)采用信號(hào)處理的方法來提取電流波形和振動(dòng)的特征參數(shù)，可將復(fù)雜的非平穩(wěn)的時(shí)域波形處理降維得到幾個(gè)特征參數(shù)，且每個(gè)特征參數(shù)都能夠反映原始變量的大部分信息;3)SVM故障分類方法可以有效識(shí)別斷路器的典型故障，準(zhǔn)確率較高;4)將電流特征和振動(dòng)特征融合，可以進(jìn)一步提高故障識(shí)別準(zhǔn)確率。