论文部分内容阅读
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。