论文部分内容阅读
随着电力系统建设规模不断扩大,对提供保护和控制作用的断路器可靠性要求也随之不断提高。弹簧操动机构的断路器中机械故障发生的概率较高,操动过程中会伴随多种信号的变化,通过对这些信号提取的多种特征信息进行融合,可以分辨断路器典型机械故障的类型。因此,研究断路器机械故障诊断技术对断路器的检修及电力系统运行具有重要意义。
本文在分析ZN65-12型断路器弹簧操动机构的基本结构与工作原理的基础上,选择合适的传感器采集断路器操动过程中声音信号、振动信号以及合闸弹簧力信号,通过对以上三种信号提取的有效信息进行融合,深入研究断路器机械故障诊断方法。
结合断路器操动过程伴随多种外在表现信号的特点,首先分析弹簧操动机构操动过程中外在表现信号特点,选择了声音、振动和力学信号传感器,采集了断路器操动过程时的三种表征信号。其次列举了多种信号的特征提取方法,运用小波谱减法对声音信号进行去噪,然后运用基于局部均值分解(LMD)和多尺度熵算法提取了声音信号和振动信号的特征,运用时域法提取合闸弹簧力信号的特征。最后研究了基于主成分分析的多信息融合方法,将融合后的特征输入烟花算法改进支持向量机(SVM)模型进行分类。实例分析表明,应用本文方法能够有效提高断路器事故判别的精确度和可信度,同时融合的信息越多,故障诊断的准确性越高,验证了基于声振力三种信号融合的断路器故障诊断方法的可行性。
本文在分析ZN65-12型断路器弹簧操动机构的基本结构与工作原理的基础上,选择合适的传感器采集断路器操动过程中声音信号、振动信号以及合闸弹簧力信号,通过对以上三种信号提取的有效信息进行融合,深入研究断路器机械故障诊断方法。
结合断路器操动过程伴随多种外在表现信号的特点,首先分析弹簧操动机构操动过程中外在表现信号特点,选择了声音、振动和力学信号传感器,采集了断路器操动过程时的三种表征信号。其次列举了多种信号的特征提取方法,运用小波谱减法对声音信号进行去噪,然后运用基于局部均值分解(LMD)和多尺度熵算法提取了声音信号和振动信号的特征,运用时域法提取合闸弹簧力信号的特征。最后研究了基于主成分分析的多信息融合方法,将融合后的特征输入烟花算法改进支持向量机(SVM)模型进行分类。实例分析表明,应用本文方法能够有效提高断路器事故判别的精确度和可信度,同时融合的信息越多,故障诊断的准确性越高,验证了基于声振力三种信号融合的断路器故障诊断方法的可行性。