[发明专利]一种基于振动信号的万能式断路器分合闸故障诊断方法

摘要

一种基于振动信号的万能式断路器分合闸故障诊断方法，通过加速度传感器采集到的万能断路器分合闸过程中的机身振动信号，包括以下步骤：第一步通过加速度传感器采集万能式断路器分合闸动作过程中的机身振动信号并转化为数字信号，得到初始的振动信号；第二步采用改进的小波包阈值去噪算法对所采集振动信号；第三步采用互补总体平均经验模态分解算法对降噪振动信号提取固有模态函数分量；第四步确定固有模态函数分量的数量Z；第五步选择的前Z阶固有模态函数分量提取作为特征量的样本熵；第六步建立基于相关向量机的二叉树多分类器；第七步以第六步中得到的基于相关向量机的二叉树多分类器建立万能式断路器故障识别模型。

主权项

一种基于振动信号的万能式断路器分合闸故障诊断方法，所振动信号为通过加速度传感器采集到的万能断路器分合闸过程中的机身振动信号，其特征是所述方法包括以下步骤：第一步，通过加速度传感器采集万能式断路器分合闸动作过程中的机身振动信号，并将采集到的模拟信号转化为数字信号，得到初始的振动信号s'(t)，t为分合闸动作时间；第二步，采用改进的小波包阈值去噪算法对所采集振动信号s'(t)去噪，得到降噪振动信号s(t)；第三步，采用互补总体平均经验模态分解算法对降噪振动信号s(t)提取若干个反映断路器状态信息的固有模态函数分量，具体包括1)将符号相反的白噪声信号成对地添加到降噪振动信号s(t)，形成两个新的信号s₁(t)，s₂(t)；2)对目标信号s₁(t)，s₂(t)进行经验模态分解；3)循环上述步骤1)～2)，重复向降噪振动信号s(t)添加符号相反的成对白噪声信号然后将得到的新信号进行经验模态分解；分解得到的模态需要满足以下条件，a.整个时间序列中的极值点与过零点的数量最多相差一个；b.任何时刻通过局部极大值和局部极小值而得出的上、下包络线的均值为零；最后将分解结果进行总体平均运算，得到分解结果如式(5)，即式(5)中，为经过总体平均运算得到的分解结果信号；c_j(t)(i＝1,2,…,n)为第j个固有模态函数分量；r_n(t)为残余分量；第四步，确定所需提取特征量的固有模态函数分量的数量Z，即依据各固有模态函数分量的能量分布特点，归一化能量值累计大于90％时的Z值；第五步，选择第三步得到的n阶固有模态函数分量中的前Z阶固有模态函数分量提取作为特征量的样本熵；第六步，依照第一步到第五步，分别求出不同机械状态下前Z阶固有模态函数分量的样本熵并形成有效的特征样本后，通过计算不同机械状态下的样本间欧氏距离来定量评价类间样本平均距离，建立基于相关向量机的二叉树多分类器；第七步，以分合闸动作过程中虚假合闸、分闸不彻底或单相不同期的机械状态以及正常状态下选定的前Z阶样本熵特征向量为相关向量机的输入向量，以万能式断路器正常、虚假合闸、分闸不彻底或单相不同期的机械状态为相关向量机的输出向量，以第六步中得到的基于相关向量机的二叉树多分类器建立万能式断路器故障识别模型。