[发明专利]一种基于人耳听觉特性的断路器机械故障识别方法及系统

说明书

本发明提供了一种基于人耳听觉特性的断路器机械故障识别方法，所述识别方法为：提取断路器合闸过程声音序列组成联合特征向量；对其进行降维优化；利用改进稀疏表示分类算法对特征向量进行识别，完成对断路器机械故障的在线诊断。本发明还提供了一种基于人耳听觉特性的断路器机械故障识别系统，包括声音传感器以及控制模块，所述声音传感器用于采集断路器合闸对应的声音序列；所述控制模块用于执行上述的基于人耳听觉特性的断路器机械故障识别方法的步骤流程。本发明具有诊断精度高、抗干扰性强、适用范围广等优点。

技术领域

本发明涉及故障识别技术领域，特别涉及一种基于人耳听觉特性的断路器 机械故障识别方法及系统。

背景技术

众所周知，断路器是维持电网安全运行的基本保障，及时检测出断路器的 机械故障对于断路器的维护工作具有十分重要的意义。

在现有技术中，可以通过分析断路器分合闸过程的振动信号来实现对常见 机械故障的在线诊断，但考虑到振动传感器为接触式安装，其安装位置与方式 均会对监测的振动信号数据产生影响。因此，这种通过振动信号对断路器的机 械故障进行检测受人的主观因素影响较大，在工程实践中应用效果并不理想， 尚不能普遍应用。

发明内容

为解决上述问题，本发明旨在提出一种基于人耳听觉特性的断路器机械故 障识别方法及系统，通过利用非接触的声音传感器采集断路器合闸的声音序列， 并通过提取合闸的声音序列特征实现断路器的机械故障诊断，具有诊断精度高、 适用性强等优点。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于人耳听觉特性的断路器机械故障识别方法，所述识别方法为：提 取断路器合闸过程声音序列组成联合特征向量；对其进行降维优化；利用改进 稀疏表示分类算法对特征向量进行识别，完成对断路器机械故障的在线诊断。

进一步的，所述识别方法具体包括以下步骤：

S1、采集断路器合闸对应的声音序列；并将断路器一次合闸对应的声音序 列作为一帧信号，对每帧信号进行加窗处理；

S2、对声音序列进行快速傅里叶变换，得到声音序列的频谱序列X(ω)；

S3、将频谱序列X(ω)分别输入梅尔滤波器组和伽马滤波器组，以提取声音 序列的梅尔滤波器倒谱系数和伽马滤波器倒谱系数；

S4、基于梅尔滤波器倒谱系数和伽马滤波器倒谱系数构建声音序列的特征 向量；

S5、对特征向量进行信息凸显处理和降维处理，得到处理后的特征向量矩 阵；

S6、采用改进稀疏表示分类算法对特征向量矩阵进行识别，以识别断路器 机械故障。

进一步的，所述步骤S3是指：将频谱序列X(ω)分别输入梅尔滤波器组和 伽马滤波器组，然后对滤波器组的输出进行指数压缩按压，并控制压缩系数取 为0.2。

进一步的，所述步骤S3包括以下步骤：

S31、以梅尔滤波器倒谱系数的提取过程为例，第m个梅尔滤波器组的压 缩过程如下述公式所示：

在上述公式中，H_m(ω)表示第m个滤波器的频率响应；m表示第m个滤波 器；n表示为各声音序列对应帧数信号的傅里叶变换点数；

S32、相应地，对梅尔滤波器组和伽马滤波器组的输出进行指数压缩后， 通过离散余弦变换进行去相关，以提取梅尔滤波器倒谱系数和伽马滤波器倒谱 系数；其中，离散余弦变换可以如下述公式所示：

在上述公式中，d(j)表示为第j维的倒谱系数；P表示为滤波器的个数；m 表示第m个滤波器；n表示为各声音序列对应帧数信号的傅里叶变换点数。