基于机械振动信号的高压断路器故障诊断研究

摘要

高压断路器是电力系统中最重要的控制和保护设备，其可靠运行对电力系统的安全、稳定至关重要。在断路器操动过程中，振动信号的变化可以反映出断路器相关的机械状态。因此，本论文主要是对基于机械振动信号的高压断路器故障诊断进行研究，并着重从振动信号的采集，振动信号的特征提取以及故障识别几个方面进行研究。
　　本文首先利用虚拟仪器技术搭建断路器振动信号采集平台。以ZW32-12型真空断路器为研究对象，主要采集了断路器正常工作、润滑不足、基座螺栓松动和储能弹簧脱落四种状态的振动信号。采集到的大量信号样本用于后续的特征提取和故障识别。其次，研究了几种振动信号的特征提取方法。特征提取又可以分为特征分离和特征计算两部分。本文采用总体平均经验模态分解(Ensemble Empirical ModeDecomposition，EEMD)和小波包分解的方法分别对振动信号的特征进行分离。然后，利用分形理论中关联维数概念和熵理论中的能量熵分别对振动特征量进行计算。从而得到EEMD-关联维数、小波包-关联维数、EEMD-特征熵的振动信号特征量。最后，利用上面得到的三种振动信号特征量对断路器进行故障识别。断路器故障识别分别采用了支持向量机和BP(Back Propagation)神经网络的识别方法。从识别结果上看，这几种方法都可以获得80％以上的正确识别率。所以，本研究具有较大的工程实用价值。

目录

摘要

第1章 绪论

1．1 选题背景和意义

1．2 高压断路器振动信号分析处理方法研究现状

1．2．1 基于数理统计的方法

1．2．2 动态时间规整法

1．2．3 小波变换法

1．2．4 希尔伯特变换法

1．3 人工智能算法在断路器的机械故障诊断中的研究现状

1．3．1 人工神经网络

1．3．2 支持向量机

1．4 本论文的主要工作

第2章 基于虚拟仪器技术的振动信号采集平台

2．1 虚拟仪器的概念

2．2 虚拟仪器的硬件系统

2．2．1 振动传感器的选择

2．2．2 振动信号调理设备

2．2．3 数据采集设备

2．3 虚拟仪器软件系统

2．3．1 开发软件LabVIEW简介

2．3．2 振动信号采集模块

2．3．3 数据存储模块

2．4 振动信号采集实验

2．5 本章小结

第3章 振动信号特征分离的算法研究

3．1 EEMD算法的基本原理

3．1．1 经验模态分解

3．1．2 总体平均经验模态分解

3．2 小波包算法

3．2．1 小波分析

3．2．2 小波包分析

3．3 本章小结

第4章 振动信号特征量的计算方法研究

4．1 关联维数的振动特征量计算方法

4．1．1 分形理论简介

4．1．2 G-P算法计算关联维数

4．1．3 相空间重构参数的计算方法

4．1．4 EEMD-关联维数的振动特征提取方法

4．1．5 小波包-关联维数的振动特征提取方法

4．2 信息熵的振动特征量计算方法

4．2．1 信号包络的提取

4．2．2 信息熵的应用

4．2．3 EEMD-特征熵的振动特征提取方法

4．3 本章小结

第5章 断路器故障识别方法研究

5．1 支持向量机的故障识别方法

5．1．1 支持向量机分类机

5．1．2 支持向量机多分类策略

5．1．3 支持向量机实验应用分析

5．2 BP神经网络的故障识别方法

5．2．1 BP神经网络简介

5．2．2 BP神经网络原理

5．2．3 BP神经网络参数选取

5．2．4 BP神经网络实验应用分析

5．3 本章小结

结论

参考文献

致谢

攻读学位期间发表的论文

声明