基于多路振动信号融合的高压隔离开关故障诊断方法研究

发布时间：2020-08-05 15:56

【摘要】：高压隔离开关不仅保证着正常用电,在系统发生故障时还可对其进行隔离,因此对高压隔离开关进行故障监测有着重要的实用价值。本文利用SolidWorks建立了 GW4B-252DW型高压隔离开关三维模型,并将该模型导入ANSYS Workbench中进行有限元模态分析,计算了合闸、分闸、合闸不到位等三种状态下隔离开关固有频率和振型。利用虚拟样机仿真软件ADAMS建立高压隔离开关传动机构动力学模型,根据实际工况对其进行分合闸动态过程仿真;分析了高压隔离开关连杆松动常见故障下机械特性变化规律,得到各故障情况下驱动力矩波形和触头接触力的变化特性,提出基于振动信号的高压隔离开关故障诊断方法。研制了高压隔离开关数据采集装置,通过传感器采集振动、操动电机的电压和电流信号。开发了基于LabVIEW平台的在线监测系统,实现信号采集、存储、处理和显示功能。针对GW4B-252DW隔离开关开展了故障模拟试验,现场模拟了高操作电压、低操作电压、传动装置松动(拐臂、极间、相间)、螺栓松动、闭锁松动等7种故障。采集正常和模拟故障情况下的6路振动信号及操动电机的电压电流信号,建立了8类典型状态数据库。针对隔离开关振动信号,采用时域与频域相结合的方法进行特征因子提取。对振动信号分别进行预处理、特征因子提取与融合、因子权重计算与筛选处理,建立故障特征库;利用形态学和小波包方法对振动信号去噪,分别提取了振动幅值极大值点时刻、经验模态分解能量矩作为振动信号时频特征因子。鉴于存在单路振动信号特征因子对传动机构松动型故障识别不佳的问题,本文提出了一种将多路振动信号特征进行融合;然后将Relief算法应用到特征量权重计算中,并根据权重值计算结果,实现特征因子的优化;最后通过K-Means聚类算法对多路振动信号IMF能量矩有效性进行验证的特征因子提取方法。在特征因子提取的基础上,建立支持向量机模型进行训练学习与状态预测,利用Matlab GUI完成基于SVM的故障识别系统开发。针对高压隔离开关故障诊断中存在的故障种类不完备的问题,本文提出了不完备故障类别下基于Multi-SVDD建立可识别出未知异常和已知故障种类的诊断方法,增强了诊断模型的适应性。结果表明,多路振动特征融合后更适用于隔离开关故障诊断;经ReliefF算法对特征量进行优化后可提高故障诊断准确率。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM564.1
【图文】：

图１－３振动信号分析方法及处理流程图逡逑Ｆｉｇｕｒｅ邋１－３邋Ｖｉｂｒａｔｉｏｎ邋ｓｉｇｎａｌ邋ａｎａｌｙｓｉｓ邋ｍｅｔｈｏｄ邋ａｎｄ邋ｐｒｏｃｅｓｓｉｎｇ邋ｆｌｏｗ邋ｃｈａ隔离开关机械振动信号，其常用的处理方法有：逡逑络分析法逡逑

经验模态分解１＾＾包络分析逡逑动态日￣￣￣｜频谱分析逡逑图１－３振动信号分析方法及处理流程图逡逑Ｆｉｇｕｒｅ邋１－３邋Ｖｉｂｒａｔｉｏｎ邋ｓｉｇｎａｌ邋ａｎａｌｙｓｉｓ邋ｍｅｔｈｏｄ邋ａｎｄ邋ｐｒｏｃｅｓｓｉｎｇ邋ｆｌｏｗ邋ｃｈａｒｔ逡逑对于高压隔离开关机械振动信号，其常用的处理方法有：逡逑（１）包络分析法逡逑６逡逑

２．１高压隔离开关ＡＮＳＹＳ模态分析逡逑模态是振动系统的固有特性，通过振动理论求解多自由度振动系统的固有频逡逑率及振型的过程称为模态分析［１（）］。模态分析计算过程如图２－１所示，通过将系统逡逑物理参数模型转化为模态参数模型可以获得频率、模态、阻尼参数，也可求解传逡逑递函数等非参数模型。逡逑物理参数逦模态参数逦非参数逡逑模型逦＊１模型逦模型逡逑图２－１计算模态分析逡逑Ｆｉｇｕｒｅ邋２－１邋Ｃａｌｃｕｌａｔｉｎｇ邋ｍｏｄａｌ邋ａｎａｌｙｓｉｓ逡逑通过有限元法建立结构离散后的振动方程，通过求解该数学模型，计算出的逡逑方程特征值为系统的固有频率、特征向量为系统振型。７Ｖ个自由度的振动系统的运逡逑动微分方程为：逡逑Ｍｘ邋＋邋Ｃｘ邋＋邋Ｋｘ邋＝邋ｆ逦（２－１）逡逑■ｖ的分量是各个自由度的位移；Ａ／、Ｃ＼邋／ｉｆ为系统的质量、阻尼、刚度矩阵；逡逑／为各个自由度的外力。求解得到《个大于等于零的特征值，第ｆ个特征值ｗ，称为逡逑系统的第／阶固有频率，《个自由度振动系统共有《个固有频率。逡逑１１逡逑

【参考文献】

相关期刊论文 前10条

1 吴嘉福;苏宝琴;;浅谈隔离开关触头夹紧力测量必要性[J];科技视界;2015年28期

2 邱志斌;阮江军;黄道春;姚文军;张恩伟;魏晓伟;;基于电机电流检测的高压隔离开关机械故障诊断[J];中国电机工程学报;2015年13期

3 缪希仁;吴晓梅;石敦义;郭谋发;王吴雨;;采用HHT振动分析的低压断路器合闸同期辨识[J];电工技术学报;2014年11期

4 付文龙;周建中;李超顺;肖汉;肖剑;朱文龙;;基于模糊K近邻支持向量数据描述的水电机组振动故障诊断研究[J];中国电机工程学报;2014年32期

5 程序;关永刚;张文鹏;唐诚;;基于因子分析和支持向量机算法的高压断路器机械故障诊断方法[J];电工技术学报;2014年07期

6 王树东;孙野;梁国栋;;基于LabVIEW和FPGA在数据采集系统中的开发设计[J];自动化与仪器仪表;2014年06期

7 杨X;李炜;宋杲;程鹏;;2013年高压开关设备运行分析[J];智能电网;2014年06期

8 易辉;梅磊;李丽娟;刘宇芳;袁宇浩;;基于多分类相关向量机的水电机组振动故障诊断[J];中国电机工程学报;2014年17期

9 梅飞;梅军;郑建勇;张思宇;朱克东;;粒子群优化的KFCM及SVM诊断模型在断路器故障诊断中的应用[J];中国电机工程学报;2013年36期

10 唐炬;林俊亦;卓然;陶加贵;;基于支持向量数据描述的局部放电类型识别[J];高电压技术;2013年05期

相关博士学位论文 前1条

1 姜延吉;多传感器数据融合关键技术研究[D];哈尔滨工程大学;2010年

相关硕士学位论文 前5条

1 王飞;基于线圈电流和振动信号分析的断路器机械状态评估方法研究[D];北京交通大学;2017年

2 赵媛;高压断路器机械特性带电检测技术与论断方法的研究[D];北京交通大学;2015年

3 李晓岚;基于Relief特征选择算法的研究与应用[D];大连理工大学;2013年

4 谭德波;基于虚拟样机技术精密装配系统的设计[D];大连理工大学;2013年

5 曾海平;基于经验模态分解法的滚动轴承故障诊断系统研究[D];浙江大学;2005年

本文编号：2781707