基于分合闸线圈电流特征的断路器机械故障诊断研究
发布时间：2021-09-22 02:13
高压断路器作为配电网中重要的开关元件,对于人们的生产生活具有十分重要的作用。一旦高压断路器出现机械故障,对于人民和国家都会造成重大的损失,所以对于高压断路器机械故障进行监测和诊断,对于保障电力系统安全和国民生产生活具有重大价值。文章主要基于分合闸线圈电流特征对于高压断路器的机械故障进行诊断。首先介绍了高压断路器机械故障诊断的研究现状,确定了文章以分合闸线圈电流信号为研究对象,并详细分析了分合闸线圈电流的相关理论以及对应的故障类型。然后对电流信号进行了预处理、特征提取和模式识别。电流曲线预处理采用了插值、拟合和形态学三种方法进行预处理,选定拟合算法光滑效果较好。采用近似求导法对信号的电流和幅值特征进行提取,并加入了均值、标准差、峭度和能量四个全局特征。应用动态时间规整（DTW）以及支持向量机（SVM）两种模式识别方法对分合闸线圈电流特征进行了分类。最后在分析电流信号的基础上,采集弹簧操作机构的振动信号,应用短时能量法和双门限法对高压断路器振动信号进行了特征提取,并与电流特征组成多源特征。鉴于特征数目较多,采用主分量分析（PCA）对特征进行降维优化,应用支持向量机对多源特征进行模式识别。实...
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
国网2013年高压断路器主要缺陷统计
的不同状态进行了模式识别，得到了较好的效果。部分学者对断研究[24,25]，利用短时能量法从三相振动信号中提取时间差，取得是该方法对大的冲击振动提取效果较好，对于较小的冲击并不明限性。国内外众多学者的研究，状态监测与故障诊断是未来的发展方向采集不同的断路器信号，提取特征量对断路器进行模式识别，为检修方向和检修频率等辅助建议，从而减少停机时间并降低维护态评估方法评估是依据现有的机器学习和深度挖掘等人工智能算法的热门学状态评估具有非侵入性。应用传感器采集断路器的不同的物理信行模式识别，得到断路器的状态信息，同时，通过信号不同特征够判断故障部件和故障原因，并对故障的发展趋势进行预测，并略。常用的状态评估方法有人工神经网络、支持向量机、专家系神经网络状态评估方法
是一种动力学网络系统，具有较好的非线性和容错性，在故障识别常广泛的应用。人工神经网络主要有三个方面的应用：预测、分类和。图 1-2 为神经网络的结构图。献[26]在对振动信号的故障诊断中，应用了小波包和神经网络进行特分类，效果优于传统的神经网络方法。文献[27]在诊断识别中，运用络，并在其中融合了密度函数估计和贝叶斯理论，取得了良好的诊断8]中，利用粒子群优化算法优化权值，并应用到神经网络中。综合人应用，人工神经网络对于状态评估具有较好的自适应性，但是良好的大的训练样本的基础上，随着样本数据的减少，会出现局部最优等缺分类的效果不理想。) 支持向量机状态评估方法持向量机[14,29,30]是现在应用较为广泛的数据分类算法，是基于机器学性数据处理方法。支持向量机基于机构风险最小原理，且在小样本数中具有一定的优势。其基本原理如图 1-3 所示，是将样本数据映射到从而构造最优分类超平面，解决线性不可分问题。
【参考文献】：
期刊论文
[1]基于声音信号的高压断路器机械故障诊断方法[J]. 杨元威,关永刚,陈士刚,王静君,赵科. 中国电机工程学报. 2018(22)
[2]基于Rete算法的自动装填系统故障诊断系统设计[J]. 郝天宇,李英顺,石阳,李广进. 电子设计工程. 2018(21)
[3]基于专家系统的船舶电力系统故障诊断研究[J]. 赵磊磊. 舰船电子工程. 2018(09)
[4]高压断路器分合闸线圈电流采集实验平台与故障模拟实验研究[J]. 彭在兴,王颂,刘芹,易林,陈曦,褚飞航,梁梦婕,曹辰,严海波,刘定新. 高压电器. 2018(07)
[5]基于EEMD样本熵和支持向量机的高压断路器故障诊断[J]. 刘荣海,豆龙江,万书亭,杨迎春,郑欣. 华北电力大学学报(自然科学版). 2018(02)
[6]短时能量法在断路器机械振动信号分析中的应用[J]. 王静君,王飞,杨元威,赵科,刘通,关永刚. 高压电器. 2017(12)
[7]语音端点检测算法研究[J]. 费宇泉,王英健,夏愉乐. 自动化技术与应用. 2017(08)
[8]断路器操动状态声音辨识的优化算法的研究[J]. 赵书涛,李沐峰,王亚潇,孙会伟. 电测与仪表. 2017(10)
[9]基于电机电流分析的万能式断路器机械故障诊断[J]. 孙曙光,赵黎媛,杜太行,于晗,王岩. 仪器仪表学报. 2017(04)
[10]基于振动信号样本熵和相关向量机的万能式断路器分合闸故障诊断[J]. 孙曙光,于晗,杜太行,王景芹,赵黎媛. 电工技术学报. 2017(07)
硕士论文
[1]基于改进动态时间规整算法的断路器故障诊断研究[D]. 蒋志浩.山东科技大学 2017
[2]高压断路器机械特性带电检测技术与论断方法的研究[D]. 赵媛.北京交通大学 2015
[3]基于图像处理的断路器动触头运动参数识别方法研究[D]. 徐玉涛.华北电力大学 2015
[4]基于压力、振动、声音信号的压气机喘振故障诊断和监测[D]. 曹昳劼.上海交通大学 2010
[5]VS1断路器在线监测与故障诊断系统的研究[D]. 安涛.浙江大学 2010
本文编号：3402931
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
国网2013年高压断路器主要缺陷统计
的不同状态进行了模式识别，得到了较好的效果。部分学者对断研究[24,25]，利用短时能量法从三相振动信号中提取时间差，取得是该方法对大的冲击振动提取效果较好，对于较小的冲击并不明限性。国内外众多学者的研究，状态监测与故障诊断是未来的发展方向采集不同的断路器信号，提取特征量对断路器进行模式识别，为检修方向和检修频率等辅助建议，从而减少停机时间并降低维护态评估方法评估是依据现有的机器学习和深度挖掘等人工智能算法的热门学状态评估具有非侵入性。应用传感器采集断路器的不同的物理信行模式识别，得到断路器的状态信息，同时，通过信号不同特征够判断故障部件和故障原因，并对故障的发展趋势进行预测，并略。常用的状态评估方法有人工神经网络、支持向量机、专家系神经网络状态评估方法
是一种动力学网络系统，具有较好的非线性和容错性，在故障识别常广泛的应用。人工神经网络主要有三个方面的应用：预测、分类和。图 1-2 为神经网络的结构图。献[26]在对振动信号的故障诊断中，应用了小波包和神经网络进行特分类，效果优于传统的神经网络方法。文献[27]在诊断识别中，运用络，并在其中融合了密度函数估计和贝叶斯理论，取得了良好的诊断8]中，利用粒子群优化算法优化权值，并应用到神经网络中。综合人应用，人工神经网络对于状态评估具有较好的自适应性，但是良好的大的训练样本的基础上，随着样本数据的减少，会出现局部最优等缺分类的效果不理想。) 支持向量机状态评估方法持向量机[14,29,30]是现在应用较为广泛的数据分类算法，是基于机器学性数据处理方法。支持向量机基于机构风险最小原理，且在小样本数中具有一定的优势。其基本原理如图 1-3 所示，是将样本数据映射到从而构造最优分类超平面，解决线性不可分问题。
【参考文献】：
期刊论文
[1]基于声音信号的高压断路器机械故障诊断方法[J]. 杨元威,关永刚,陈士刚,王静君,赵科. 中国电机工程学报. 2018(22)
[2]基于Rete算法的自动装填系统故障诊断系统设计[J]. 郝天宇,李英顺,石阳,李广进. 电子设计工程. 2018(21)
[3]基于专家系统的船舶电力系统故障诊断研究[J]. 赵磊磊. 舰船电子工程. 2018(09)
[4]高压断路器分合闸线圈电流采集实验平台与故障模拟实验研究[J]. 彭在兴,王颂,刘芹,易林,陈曦,褚飞航,梁梦婕,曹辰,严海波,刘定新. 高压电器. 2018(07)
[5]基于EEMD样本熵和支持向量机的高压断路器故障诊断[J]. 刘荣海,豆龙江,万书亭,杨迎春,郑欣. 华北电力大学学报(自然科学版). 2018(02)
[6]短时能量法在断路器机械振动信号分析中的应用[J]. 王静君,王飞,杨元威,赵科,刘通,关永刚. 高压电器. 2017(12)
[7]语音端点检测算法研究[J]. 费宇泉,王英健,夏愉乐. 自动化技术与应用. 2017(08)
[8]断路器操动状态声音辨识的优化算法的研究[J]. 赵书涛,李沐峰,王亚潇,孙会伟. 电测与仪表. 2017(10)
[9]基于电机电流分析的万能式断路器机械故障诊断[J]. 孙曙光,赵黎媛,杜太行,于晗,王岩. 仪器仪表学报. 2017(04)
[10]基于振动信号样本熵和相关向量机的万能式断路器分合闸故障诊断[J]. 孙曙光,于晗,杜太行,王景芹,赵黎媛. 电工技术学报. 2017(07)
硕士论文
[1]基于改进动态时间规整算法的断路器故障诊断研究[D]. 蒋志浩.山东科技大学 2017
[2]高压断路器机械特性带电检测技术与论断方法的研究[D]. 赵媛.北京交通大学 2015
[3]基于图像处理的断路器动触头运动参数识别方法研究[D]. 徐玉涛.华北电力大学 2015
[4]基于压力、振动、声音信号的压气机喘振故障诊断和监测[D]. 曹昳劼.上海交通大学 2010
[5]VS1断路器在线监测与故障诊断系统的研究[D]. 安涛.浙江大学 2010
本文编号：3402931
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3402931.html
