南方電網(wǎng)文山供電局 李開(kāi)平 竇體權(quán)

斷路器的機(jī)械結(jié)構(gòu)在動(dòng)作過(guò)程中會(huì)產(chǎn)生包含豐富信息的振動(dòng)信號(hào)，并且這種振動(dòng)信號(hào)在斷路器各部件間進(jìn)行傳播時(shí)不會(huì)發(fā)生太大的損耗，十分有助于傳感器的高效捕捉，除此之外，還可靈活的選擇傳感器的安裝點(diǎn)，為安裝提供便利。因此，在對(duì)斷路器的機(jī)械故障進(jìn)行診斷時(shí)，利用振動(dòng)信號(hào)這一方式十分常見(jiàn)。

目前振動(dòng)信號(hào)的采集技術(shù)已較為完善，目前研究的重點(diǎn)相對(duì)集中在如何對(duì)信號(hào)進(jìn)行分析和處理。通常情況下，經(jīng)振動(dòng)信號(hào)檢測(cè)裝置采集到的數(shù)據(jù)維數(shù)較高，而相應(yīng)的機(jī)械狀態(tài)的內(nèi)在維數(shù)較低，兩者之間并不統(tǒng)一。因此，斷路器故障特征提取指的是通過(guò)利用各種方法，在低維的特征子空間將振動(dòng)信號(hào)檢測(cè)裝置采集到的高維數(shù)據(jù)進(jìn)行反映，然后從中提取特征向量；而斷路器故障識(shí)別，即在低維的特征子空間中通過(guò)分類器進(jìn)行分類[1]。在研究初期，常見(jiàn)的分析方法有人工神經(jīng)網(wǎng)絡(luò)、時(shí)域包絡(luò)法、短時(shí)譜等。隨著研究的深入，還發(fā)現(xiàn)了多種新型的數(shù)學(xué)工具在研究中的應(yīng)用。

總體上來(lái)說(shuō)，斷路器的故障診斷對(duì)研究的發(fā)展具有重大意義，一方面優(yōu)化完善原有的傳統(tǒng)研究方法，另一方面還引進(jìn)了如支持向量機(jī)、小波分析、分形方法等新方法，為相關(guān)研究奠定了堅(jiān)實(shí)的基礎(chǔ)[2]。

1 特征提取方法

隨著社會(huì)的發(fā)展，數(shù)字信號(hào)處理方法被普遍應(yīng)用于信號(hào)的特征提取上。通過(guò)分析測(cè)量數(shù)據(jù)，不僅能提取具有明確物理意義的時(shí)頻特征，如時(shí)間、頻奉等，除此之外，對(duì)無(wú)明確物理意義的數(shù)據(jù)序列特征，如分形維數(shù)等同樣可以進(jìn)行提取。

1.1 時(shí)域法

時(shí)域法是指在時(shí)間域內(nèi)直接對(duì)采集數(shù)據(jù)的分析，主要研究系統(tǒng)的動(dòng)態(tài)性能，能夠?qū)⑷绶档忍卣鲄⒘康闹笜?biāo)提取[3]。

短時(shí)能量法。簡(jiǎn)稱STE，這種方法在使用時(shí)需先將數(shù)據(jù)進(jìn)行平方變換，然后利用窗函數(shù)濾波獲取能量函數(shù)序列，從而深入研究分析。相較于其他傳統(tǒng)方法還具有信噪比較高的優(yōu)點(diǎn)。除此之外，將短時(shí)能量法與分辨系數(shù)等參數(shù)結(jié)合，還能應(yīng)用到提取振動(dòng)事件的幅值和起始時(shí)刻等信息的變化情況。

包絡(luò)分析。通常情況下，信號(hào)包絡(luò)會(huì)隨著振動(dòng)信號(hào)的改變相應(yīng)發(fā)生變化，當(dāng)振動(dòng)信號(hào)發(fā)生突變時(shí)相應(yīng)的信號(hào)包絡(luò)隨之發(fā)生顯著變化。因此，常常通過(guò)包絡(luò)分析進(jìn)行振動(dòng)事件的信息提取。我國(guó)西安交大的著名學(xué)者張國(guó)鋼等人在分析采集數(shù)據(jù)時(shí)通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解，將較好時(shí)間分辨率的模態(tài)分量進(jìn)行提取，再利用分量包絡(luò)提取時(shí)間信息，最后將其與標(biāo)準(zhǔn)值比對(duì)，從而完成斷路器的故障診斷。

1.2 頻域法

頻域法并不在時(shí)間域內(nèi)直接對(duì)采集數(shù)據(jù)進(jìn)行分析，而是將其由時(shí)域轉(zhuǎn)換到頻域，之后有針對(duì)的分析各頻率成分，從而完成斷路器的故障診斷。

模態(tài)分析。一般來(lái)說(shuō)，在振動(dòng)激勵(lì)的作用下機(jī)械結(jié)構(gòu)往往會(huì)表現(xiàn)出一定的動(dòng)態(tài)特性，因此能夠通過(guò)模態(tài)分析法分析，從而提取阻尼比、固有頻率等特性，完成故障診斷。

包絡(luò)譜分析。為了將振動(dòng)信號(hào)的包絡(luò)在頻域內(nèi)進(jìn)行表示，能夠通過(guò)包絡(luò)譜分析法分析。不僅一方面能夠從頻域角度表述信號(hào)特征提高特異性，另一方面還能更精確的診斷斷路器故障。

1.3 時(shí)頻法

時(shí)頻法同樣不在時(shí)間域內(nèi)對(duì)采集數(shù)據(jù)直接進(jìn)行分析，而是將其轉(zhuǎn)換到時(shí)頻域，然后從時(shí)域和頻域兩方面同時(shí)進(jìn)行分析，從而完成故障診斷。通常時(shí)頻法在斷路器的機(jī)械故障診斷中被廣泛使用，這是因?yàn)槠湎噍^于時(shí)域法和頻域法診斷更全面，不僅能保留信號(hào)中的局部特征，且在進(jìn)行非平穩(wěn)振動(dòng)信號(hào)的分析時(shí)更具優(yōu)勢(shì)[4]。

經(jīng)驗(yàn)?zāi)B(tài)分解。簡(jiǎn)稱為EMD，被普遍應(yīng)用于非平穩(wěn)信號(hào)的分析。這是由于EMD具有一定的自適應(yīng)性，在進(jìn)行信號(hào)分析時(shí)，能將其分解為不同的模態(tài)分量從而突顯局部特征。重慶大學(xué)的陳偉根等通過(guò)這一方法對(duì)信號(hào)進(jìn)行分析處理后，進(jìn)一步求解各分量的能量熵，以此對(duì)特征量進(jìn)行構(gòu)造后進(jìn)行斷路器故障診斷。

小波分析。簡(jiǎn)稱WT，其具備時(shí)頻分辨率可變的特性，能夠在伸縮、平移等操作下，將小波母函數(shù)構(gòu)建成小波基，以此達(dá)到時(shí)頻局部變換的目的。哈工大著名學(xué)者胡曉光等人通過(guò)小波分解及重構(gòu)實(shí)現(xiàn)了振動(dòng)信號(hào)去噪的效果。

1.4 數(shù)據(jù)序列法

數(shù)據(jù)序列法主要是分析采集到的數(shù)據(jù)序列。通過(guò)這種方式能夠直接獲得代表數(shù)據(jù)特征的數(shù)值或數(shù)學(xué)模型，并不要求具有明確的物理意義。

分形方法。1982年此領(lǐng)域著名學(xué)者M(jìn)andelbrot提出分形理論，研究幾何的自相似性方面受到廣泛應(yīng)用。一般來(lái)說(shuō)，系統(tǒng)的狀態(tài)與分形維數(shù)間是相對(duì)應(yīng)的，就同一臺(tái)斷路器而言，其信號(hào)的分形維數(shù)會(huì)隨著機(jī)械狀態(tài)的不同而差異較大，而狀態(tài)相同時(shí)其維數(shù)則會(huì)保持相對(duì)穩(wěn)定狀態(tài)。北京交大的吳振升等相關(guān)學(xué)者在小波變換分析的基礎(chǔ)上對(duì)信號(hào)的分形維數(shù)進(jìn)行提取，并以此作為特征量診斷斷路器故障。

信息熵。通常情況下，數(shù)據(jù)的復(fù)雜度將會(huì)影響到信息熵的大小，因此信息熵能夠度量信號(hào)的復(fù)雜程度。在這一方法的研究上，陳偉根等通過(guò)WPD計(jì)算出各頻帶的信息熵，將其數(shù)據(jù)序列進(jìn)行量化，從而有助于更直觀的反映與表達(dá)。

2 故障識(shí)別方法

總體來(lái)說(shuō)，在斷路器的故障診斷上，除提取振動(dòng)信號(hào)外還需進(jìn)一步分析提取其特征向量，以此完成對(duì)斷路器故障的診斷。如今在故障診斷系統(tǒng)使用最為廣泛的是基于統(tǒng)計(jì)與人工智能算法二者。系統(tǒng)能對(duì)比已有故障與待診斷故障的特征，從比對(duì)結(jié)果中找出其異同，以此實(shí)現(xiàn)斷路器故障診斷的目的。一般來(lái)說(shuō)，基于統(tǒng)計(jì)與人工智能算法二者主要包括了協(xié)方差法、動(dòng)態(tài)時(shí)間規(guī)整法、支持向量機(jī)等[5]。

協(xié)方差。利用這一方法進(jìn)行兩個(gè)不同變量的誤差分析時(shí)，能夠在整體上進(jìn)行綜合性的評(píng)估，而方差則是指兩個(gè)變量相同的這一特殊情況。清華大學(xué)的黃瑜瓏等在進(jìn)行斷路器的故障識(shí)別研究中應(yīng)用這一方法進(jìn)行分析，結(jié)果表明，在斷路器不同狀態(tài)下協(xié)方差會(huì)根據(jù)區(qū)域的不同分類。

動(dòng)態(tài)時(shí)間規(guī)整。簡(jiǎn)稱DTW算法，指的是通過(guò)動(dòng)態(tài)規(guī)整函數(shù)對(duì)兩個(gè)數(shù)據(jù)序列進(jìn)行對(duì)比分析，從而獲取兩者之間的相似性關(guān)系。DTW算法在幅值、時(shí)間等特征量方面靈敏度高。國(guó)外學(xué)者RundeM等人通過(guò)DTW算法，對(duì)待處理和正常狀態(tài)下的振動(dòng)信號(hào)進(jìn)行比對(duì)分析，從二者幅值、時(shí)間等特征量的差異來(lái)判斷斷路器的狀態(tài)情況。

支持向量機(jī)。簡(jiǎn)稱為SVM算法，核函數(shù)會(huì)對(duì)這一算法的分類效果產(chǎn)生影響，數(shù)據(jù)序列在核函數(shù)的映射下，至高維特征空間并進(jìn)行分類，適用于二分類問(wèn)題。相對(duì)來(lái)說(shuō)，斷路器在正常狀態(tài)下很少發(fā)生合閘動(dòng)作，因此常用支持向量機(jī)算法進(jìn)行斷路器故障識(shí)別。