断路器振动信号处理方法.docx

《断路器振动信号处理方法.docx》由会员分享，可在线阅读，更多相关《断路器振动信号处理方法.docx（3页珍藏版）》请在第一文库网上搜索。

1、断路器振动信号处理方法在研究的初期，时域包络法、短时能量、短时谱、人工神经网络法等方法被引入到断路器振动诊断中。随着断路器振动诊断研究的深入发展，除了在原有的方法上进行改进之外，越来越多的新方法被吸纳采用，如细化频谱分析、小波分析、小波包分析、希尔伯特变换、信息端、分形方法、相空间重构等。(1)时域法时域分析法可以直接从时域振动信号中获取振动事件的发生时刻、振动幅值及其他表示时域波形变化的指标作为特征参数错误!未找到引用源。o包括包络分析法、短时能量法等。利用包络分析(Envelope Analysis)方法，可以获得振动事件发生的时刻，如电磁铁动作、触头接触、缓冲器撞击等信息，而且包络幅值还

2、能反映出不同时段振动事件的剧烈程度。短时能量法(Short Time Energy, STE)对时域信号序列的平方变换进行窗函数滤波，得到能量函数序列再进行后续分析。(2)频域法频域法将时域的振动信号变换为频域数据，根据各频率成分的分布和变化来进行故障诊断，例如包络谱分析、细化频谱分析等。包络谱分析对信号包络进行频谱分析，可得到信号包络的频域表示，即包络谱(Envelope Spectrum)。从而，可以进一步从频域表达信号特征，对高压断路器的状态进行诊。细化频谱分析(Zoom Spectrum Analysis)采用选带分析方法增加选定频段的谱线密度，有效地改善了频率分辨率。将线性调频Z变换

3、(Chirp ZTransform, CZT)引入断路器振动信号分析中，并对快速傅里叶变换(FFT)、细化FFT (ZoomFFT)、线性调频z变换进行了比较分析。(3)时频法时频法将时域信号变换到时频综合平面上，保持了信号的局部特征，特别适合于对非平稳信号进行分析。时频法对时域振动信号的时间和频率信息同时进行提取，是断路器机械故障振动诊断研究的主要方法，包括短时傅里叶变换、小波分析、小波包分析、经验模态分解(Empirical Mode Decomposition, EMD)、希尔伯特变换、振荡子波分解等方法。短时傅里叶变换(Short Time Fourier Transform, STF

4、T)是一种比较传统的时频分析方法，通过对信号施加移动窗进行傅里叶变换，在时域和频域上均具有一定的分辨率。在计算信号能量时由于进行了平方运算，使得信号的强弱对比更加明显，而噪声产生的影响减弱，因此该方法还具有信号降噪的作用。通过短时能量法对高压断路器振动信号进行分析，提取了合闸时间以及合闸同期性等断路器状态参量。将短时能量分析用于断路器振动信号的处理，不仅能够对断路器振动信号有效降噪，而且这种方法本身受断路器承载电流的影响也较小，具有良好的精度和稳定性。利用短时傅里叶变换可获得信号的短时谱(Short Time Spectrum).短时功率谱(Short Time Power Sp6ctmm)等

5、作为特征向量。利用了振动信号短时功率谱的分布特点，区分了气体绝缘组合电器(Gas Insulated Switchgear,GIS)中不同成因的振动信号。采用小波包变换对断路器振动信号进行分解和重构，并采用短时能量法对重构信号进行分析，以辨识断路器合闸变位点，获得了较好的效果。短时能量法能够有效辨识断路器分合闸同期性问题，而对于其他类型的断路器故障，该方法尚缺乏相应的诊断性能验证。小波变换(Wavelet Transform, WT)通过对小波母函数进行平移和伸缩构造小波基，利用小波基进行时频局部变换，因而，具有可变的时频分辨率，在低频段频率分辨率高，高频段时间分辨率高。小波包分解(Wavel

6、et Packet Decomposition,WPD)相较于普通的小波变换，在时频分辨率上具有优势。由于小波包变换在全频段都能保持高的分辨率，因而，在许多应用中用来替代小波分析。通常依据小波包分解后，选定节点的频带的能量分布、对数能量分布、各频带的能量端等作为特征向量。小波变换和小波包变换是信号时-频分析的理想工具，适合于非平稳信号的处理。采用小波分解首先对高压断路器振动信号进行去噪处理，并提取小波重构信号的包络，然后进一步采用小波变换将信号包络分解为各尺度分量,计算各分量信号的奇异性指数作为故障诊断的特征量。小波包分解是在小波分解的基础上提出的，能够克服小波变换分别在高低频段的频率和时间分

7、辨率较差的缺点，是一种更精细的信号分析方法。采用小波包分解断路器振动信号，并选择状态变化敏感节点的最大系数作为故障诊断的特征向量。将小波包变换和端理论相结合，提取振动信号的小波包特征嫡作为断路器故障诊断的特征向量。采用小波包分解断路器振动信号，提取分解信号的能谱嫡作为故障诊断的特征向量。小波分析能够表征信号在时域和频域的局部特征，广泛应用于机械故障诊断。但是小波变换实质上是可调窗的傅里叶变换，可能会出现能量泄漏问题，而且在实际应用中小波变换的基函数和分解尺度的选择也是一个难题。经验模态分解(EMD)是一种具有自适应分解特性的信号时频分析方法，适合非平稳信号的分析和处理。EMD根据信号自身的时间

8、尺度特征将信号分解为若干个固有模态函数，具有良好的时频分辨率，能够详细地刻画非平稳信号的时频特性。借助于希尔伯特变换(Hilbert Transform, HT)可从实信号构造其解析信号，在此基础上可以方便地求取信号的包络、瞬时相位、瞬时频率等信息。希尔伯特变换通常与其他方法相结合，共同完成对信号的特征提取。采用EMD方法将断路器振动信号分解为若干个模态分量，然后计算各模态分量包络的能量燃作为故障诊断的特征量。通过EMD算法分解断路器振动信号获得相应的固有模态函数，并选取能够包含主要故障特征的几个模态分量，计算其能量总量作为分类器输入特征向量。采用EMD分解断路器振动信号后，选择原始信号的均方

9、值和峭度以及EMD前五阶模态分量的能量比作为故障诊断的特征向量。采用EMD分解振动信号获得各模态分量，然后通过希尔伯特谱分析得到信号时-频矩阵，再通过矩阵奇异值分解方法提取振动信号特征向量。EMD在分析和和处理非平稳信号中表现出了良好的性能，但其算法性质也具有一些固有缺点，如模态混叠、端点效应等。(4)数据序列法分形维数(Fractal Dimension)是对复杂形体不规则性的一种度量，一般认为一个确定的系统状态对应了一定的分形维数。研究表明，同一台断路器在相同状态下的振动信号局部分形维数可保持在一个稳定的范围，而不同状态下的分形维数则可以较好地区分。分形方法的关键在于分形维数的求取。基于小波变换方法求取了振动信号的局部分形维数曲线，可作为高压断路器机械机构状态特征量；另一种可行的方法则是利用相空间重构方法。信息嫡(Entropy)与分形维数类似，是对随机信号的一种信息测度，其数值大小表明了数据的复杂程度。信息燧通常用来对数据序列进行量化表达，如计算小波包分解各频带。相空间即系统的状态空间，系统的任一状态必与和空间中的一点相对应。相空间重构(Phase Space Reconstruction)理论认为，用系统的一个观察量可以重构系统的等价相空间。相空间重构理论为利用断路器的振动信号进行状态辨识提供了理论依据。