[发明专利]基于振动信号时频能量分布特征的断路器故障识别方法

说明书

本发明公开一种基于振动信号时频能量分布特征的断路器故障识别方法，首先通过实验获取断路器各状态的振动信号，利用这些实验数据的时频能量分布特征完成对深度自编码网络的训练；然后将待识别信号的时频能量分布特征输入训练完成的深度自编码网络，利用该网络准确可靠地识别断路器操作机构机械故障。本发明能够判断断路器的故障类型，及时发现潜在故障，帮助检修人员更有针对性的完成断路器的维护修理工作，进一步减少由断路器引起的事故损失。

技术领域

本发明涉及断路器故障诊断技术领域，具体为一种基于振动信号时频能量分布特征的断路器故障识别方法。

背景技术

断路器在电力系统中起到了控制和保护的关键作用。国内外统计结果表明，操作机构机械故障是断路器的主要故障类型。断路器振动信号包含丰富的机械状态信息，可以将其视为断路器内部操作机构中多种元件运动产生的结果，一旦断路器机械状态发生变化就会引起相应元件的运动状态发生变化，从而导致振动信号发生变化。因此通过振动信号特征信息的变化，能够反映机械结构上一些细微的变化，从而能够对操作机构机械故障类型进行诊断。

断路器内部结构复杂，多个元件间相互关联，且不确定因素众多，出现的故障往往具有随机性、传播性以及并发性等性质，整个断路器的组成有着强烈的非线型性及不确定性，无法依靠精确的物理模型进行监测诊断。因此在特征提取阶段，特征提取方法的选择依赖于专业知识及诊断经验，往往某种方法的采用只能针对特定的几种机械故障，特征提取的不确定性高、通用性较差，提高了故障诊断的难度。在利用提取出的特征信息对断路器进行故障识别的过程时，传统的支持向量机、BP神经网络等浅层网络学习复杂函数的能力不足，存在着局部最优等问题；在处理断路器振动信号这样的复杂信号时，这些浅层网络不能充分挖掘出数据的深层特征，分析处理复杂信息时局限性较大。由于特征提取与故障识别这两方面存在的缺陷，目前断路器故障诊断的可靠性较低，因此有必要引入一种通用性更高、更加可靠的断路器故障诊断方法。

发明内容

针对上述问题，本发明的目的在于提供一种能够判断断路器的故障类型，及时发现潜在故障，帮助检修人员更有针对性的完成断路器的维护修理工作，进一步减少由断路器引起的事故损失的基于振动信号时频能量分布特征的断路器故障识别方法。技术方案如下：

一种基于振动信号时频能量分布特征的断路器故障识别方法，其特征在于，包括以下步骤：

步骤A：分别采集断路器处于正常状态下，以及断路器处于操作机构卡涩、铁芯卡涩和基座螺丝松动三种故障状态下的A次实验过程中操作机构的合闸振动信号实验数据；

步骤B：从所述合闸振动信号实验数据种提取各状态下待处理合闸振动信号，并计算各状态下实验数据的时频能量分布特征；

步骤C：根据所述各状态下实验数据的时频能量分布特征训练深度自编码网络；

步骤D：采集实际工程中断路器操作机构的合闸振动信号，从中提取待识别振动信号，计算待识别振动信号的时频能量分布特征；

步骤E：将待识别信号的时频能量分布特征输入训练完成的深度自编码网络中，输出故障识别结果。

进一步的，所述步骤B具体为：

步骤B1：利用小波变换分别对采集到的各状态下断路器操作机构的合闸振动信号实验数据进行去噪；将各状态下去噪后的振动信号的每个采样点的幅值逐点与阈值α进行比较，当某个点后连续a个采样点的均值大于阈值α时认为合闸振动已经发生，选取该点前T₁秒到该点后T₂秒时间内的信号作为各状态下待处理合闸振动信号s_b(t)，b为断路器状态，b＝0表示正常状态，b＝1表示操作机构卡涩故障，b＝2表示铁芯卡涩，b＝3表示基座螺丝松动；