[发明专利]基于SVDD的开关设备机械故障诊断方法和系统有效
| 申请号: | 202111175434.1 | 申请日: | 2021-10-09 |
| 公开(公告)号: | CN113884292B | 公开(公告)日: | 2023-07-21 |
| 发明(设计)人: | 吕红红;蒋宗敏;常艳;李元超 | 申请(专利权)人: | 西安西电开关电气有限公司;中国西电电气股份有限公司 |
| 主分类号: | G01M13/00 | 分类号: | G01M13/00 |
| 代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 周初冬 |
| 地址: | 710077 陕*** | 国省代码: | 陕西;61 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 svdd 开关设备 机械 故障诊断 方法 系统 | ||
1.一种基于SVDD的开关设备机械故障诊断方法,其特征在于,包括:
采集并将所述开关设备在稳定运行状态下,其动作过程中的多源信号作为待诊断样本信号;
对所述待诊断样本信号进行截取,并对所述待诊断样本信号中的振动信号进行去噪、去趋势项的预处理操作;
对预处理后的待诊断样本信号采用两步特征提取方法,提取典型特征量,形成一组特征向量;其中,所述典型特征量包括:关键位置时刻的特征量以及,所述关键位置时刻对应的振动短时能量和行程短时积分的特征量;所述关键位置时刻为能够反映所述开关设备的机械状态的位置对应的时刻;
将所述特征向量输入至预先训练好的最优超球体故障诊断模型,得到所述待诊断样本信号的诊断结果;其中,所述最优超球体故障诊断模型为通过SVDD方法对所述开关设备稳定运行状态下机械正常状态的正常样本进行训练得到的。
2.根据权利要求1所述的基于SVDD的开关设备机械故障诊断方法,其特征在于,所述两步特征提取方法包括:
先提取所述关键位置时刻的特征量;
再针对所述预处理后的待诊断样本提取所述关键位置时刻对应的振动短时能量和行程短时积分的特征量。
3.根据权利要求2所述的基于SVDD的开关设备机械故障诊断方法,其特征在于,所述提取所述关键位置时刻的特征量包括:
通过所述多源信号中的振动信号和断口信号分别提取所述关键位置点的发生时刻,得到关键位置时刻的特征量;
其中,所述关键位置包括:行程起始点、断口位置、过冲点和行程结束点。
4.根据权利要求1所述的基于SVDD的开关设备机械故障诊断方法,其特征在于,对所述待诊断样本信号进行截取,并对所述待诊断样本信号中的振动信号进行去噪、去趋势项的预处理操作,包括:
以所述多源信号中的动作命令发出信号对应时刻作为样本信号起始时刻点,分别对所述多源信号中的各个信号截取时长为预设时长的信号片段;其中所述预设时长需覆盖合闸动作全程;
对截取后的所述振动信号进行基于小波变换的信号阈值去噪,以及,采用最小二乘法进行去趋势项处理;其中,所述基于小波变换的信号阈值去噪方法包括:先进行小波分解,接着进行阈值处理,最后进行小波重构。
5.根据权利要求1所述的基于SVDD的开关设备机械故障诊断方法,其特征在于,将所述特征向量输入至预先训练好的最优超球体故障诊断模型,得到所述待诊断样本信号的诊断结果,包括:
若所述特征向量落在所述最优超球体故障诊断模型内,则判定该开关设备的机械状态为正常;
若所述特征向量落在所述最优超球体故障诊断模型外,则判定该开关设备的机械状态为故障。
6.根据权利要求1-5任一项所述的基于SVDD的开关设备机械故障诊断方法,其特征在于,所述最优超球体故障诊断模型的建立过程,包括:
采集所述开关设备在稳定运行状态且机械正常状态下,其动作过程中的多源信号作为训练样本信号;
对所述训练样本信号进行截取,并对所述训练样本信号中的振动信号进行去噪、去趋势项的预处理操作;
对预处理后的训练样本信号采用两步特征提取方法,提取典型特征量,形成一组特征向量样本;
对提取获得的特征向量样本采用SVDD方法进行训练,得到所述最优超球体故障诊断模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安西电开关电气有限公司;中国西电电气股份有限公司,未经西安西电开关电气有限公司;中国西电电气股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111175434.1/1.html,转载请声明来源钻瓜专利网。





