CN101893686B - 基于摄影数字化的断路器动作特性在线检测装置和方法 - Google Patents

Abstract

本发明公开了一种基于摄影数字化的断路器动作特性在线检测装置和方法，装置包括标点、影像获取装置和计算机，标点设置在断路器传动机构上，影像获取装置设置在与断路器传动机构上的标点相适应的位置，计算机的信号输入端与影像获取装置的影相输出端连接。本发明采用高速摄像机对被测断路器传动机构的运动过程进行拍摄得到运动影像并将运动影像输入到计算机内，由计算机对影像进行分析处理，得到标点的运动(行程时间)曲线，根据得到的运动曲线分析出被试断路器的动作特性参数。本方法能够在线检测断路器的动作特性，更为掌握断路器运行状况、了解其运行特性奠定了基础，提高其运行可靠性起到重要作用，并且还为保障电力***的可靠运行提供了支持。

Description

基于摄影数字化的断路器动作特性在线检测装置和方法

技术领域

本发明涉及高压断路器机械特性检测技术领域，尤其涉及一种基于摄影数字化的非接触式断路器动作特性在线检测装置和方法。

背景技术

目前，断路器是电网中数量最为庞大的主设备，起着两方面的作用：一是控制作用，即根据电网运行要求，将一部分电气设备或线路投入或退出运行状态，转为备用或检修状态；二是保护作用，即当电气设备或线路发生故障时，通过继电保护及自动装置动作断路器，将故障部分从电网中迅速切除，保护电网的无故障部分得以正常运行。断路器发生故障时会直接引起电网事故或导致现有事故的进一步扩大，造成相当大的经济及社会损失。据可靠统计，断路器的大多数故障(主要故障的70％和次要故障的86％)属于机械性质，主要涉及操作机构、监视装置和辅助装置。例如原电力部电力科学研究院统计的1990年全国6kV以上断路器的故障中，拒分、拒合和误动作三类机械故障共占46％，而衡量断路器机械性能的唯一手段就是对断路器进行机械特性检测。目前，现场主要采用传统的断路器机械特性测试仪对断路器的机械特性进行检测，该方法采用断路器机械特性测试仪对断路器进行时间特性(分合闸时间、分合闸同期)及速度特性(刚分、刚合速度)进行检测，其特点是需要被试断路器停电，需要在断路器断口两端及二次端子箱内引接断口测试线；进行速度特性测试时，还需要在被试断路器传动机构上安装速度传感器。但是随着对供电可靠性要求的日益提高，电气设备停电检修的机会越来越少，即使申请停电，停电时间一般也较为紧张，采用机械特性测试仪对断路器进行机械特测试需要登高引接断路器断口测试线，且需要安装速度传感器，不同型号的断路器需要不同结构的传感器，安装难度较大；并且由于机械特性测试仪功能不全，缺乏足够的数据积累，即使有了大量数据，故障诊断的分析能力也不足。因此，需要一种能够在线对运行中断路器进行非接触式机械特性检测的新方法和技术。

发明内容

本发明的目的是提供一种基于摄影数字化的非接触式断路器动作特性在线检测装置和方法，能够在线并且非接触式地检测断路器的动作特性。

本发明采用下述技术方案：一种基于摄影数字化的断路器动作特性在线检测装置，其特征在于：它包括标点，用来标记传动机构的运动过程，标点设置在断路器传动机构上；

影像获取装置，用来拍摄断路器上标点的运动过程，其设置在与断路器传动机构上的标点相适应的位置；

计算机，用来对图像进行处理及分析，计算机的信号输入端与影像获取装置的影相输出端连接。

还包括有补光灯，用来给影响获取装置对所拍摄的标点进行补光，补光灯设置在能够对影像获取装置进行补光的相对应的位置。

所述影像获取装置为一个高速摄像机，所述标点为一个标点，标点用来设置在三相操动机构的主轴上。

所述影像获取装置还可以为三个高速摄像机，三个高速摄像机之间通过同步线连接；此时所述标点为三个标点，三个标点用来设置在单相操动机构的三个动触头拉杆上。

一种基于摄影数字化的断路器动作特性在线检测方法，包括以下步骤：(1)、在被测断路器传动机构上选择合适的位置作为拍摄对象；(2)、用标点对拍摄位置进行标记；(3)安装高速摄像机和补光灯，如果被测断路器为单相操动机构，则需要将三个高速摄像机用同步线进行同步连接；(4)用高速摄像机对被测断路器传动机构的运动过程进行拍摄得到运动影像；(5)将运动影像输入到计算机内，由计算机对影像进行分析处理，得到标点的运动曲线，根据得到的运动曲线分析出被试断路器的动作特性参数。

所述的步骤(5)中计算机对影像进行分析处理具体包括：(1)、初始化获得第一帧的目标图像；(2)、对追踪目标进行特征模板的建立，包括对追踪目标进行差分高斯滤波，滤除图像中的低频干扰成分，弱化图像内部数据之间的相关性，保留下可匹配的特征；对滤波算子进行补零运算；为了减少运算量进行频域变换，使滤波时的卷积运算变为频域中的乘积运算；(3)、获取其他帧的图像；(4)、频域变换，在频域中采用差分高斯滤波滤除图像的低频干扰成分，与特征模板共轭相乘，实现追踪目标与背景的互相关运算，进行FFT反变换，直接搜索运算结果中实部的峰值位置就是所追踪目标的位置；(5)、输出目标位置；(6)、对定位目标进行双重相似度检测，通过当前模板和历史模板与背景区域相似度来判断是否需要更新模板：如需要更新则进行形心修正等操作，继续下一帧图像的跟踪，重新确立图像的特征模板；否则继续获取其它帧的图像。

本发明基于摄影数字化的非接触式断路器动作特性在线检测装置通过摄像机拍摄断路器传动机构的运动过程，由计算机对所拍摄的影像进行处理分析，提取其行程、速度等特征从而得到断路器机械特性的动作特性数据。本发明开创了将高速摄影技术及影像数字化信息提取技术应用于高压断路器机械特性检测的先河，不仅能够对运行中断路器的机械特性进行在线检测，而且真正实现了非接触式检测，分析能力强，可靠性高；同时还建立了断路器常见早期机械故障模式识别***，有效弥补了传统断路器机械特性测试手段的不足，更为掌握断路器运行状况、了解其运行特性奠定了基础，提高其运行可靠性起到重要作用，并且还为保障电力***的可靠运行提供了支持。总之本发明具有重要的学术意义和实用价值，有广阔的前景。

附图说明

图1为本发明中检测装置的实施例一的框图；

图2为本发明中检测装置的实施例二的框图；

图3是本发明中计算机分析处理的流程图；

图4是本发明中检测量定义的分闸示意图；

图5是本发明中检测量定义的合闸示意图；

图6是本发明中模式识别***的储能弹簧卡滞的行程-时间(X方向)曲线图；

图7是本发明中模式识别***的储能弹簧卡滞的速度-时间(X方向)曲线图；

图8是本发明中模式识别***的储能弹簧卡滞的加速度-时间(X方向)曲线图；

图9是本发明中模式识别***的储能弹簧卡滞的行程-时间(Y方向)曲线图；

图10是本发明中模式识别***的储能弹簧卡滞的速度-时间(Y方向)曲线图；

图11是本发明中模式识别***的储能弹簧卡滞的加速度-时间(Y方向)曲线图；

图12是本发明中模式识别***的储能弹簧卡滞的行程(X方向)-行程(Y方向)曲线图；

具体实施方式

实施例一：如图1所示，本发明基于摄影数字化的断路器动作特性在线监测装置包括标点、高速摄像机、补光灯和计算机，当被测断路器为三相操动机构时，标点设置在被测断路器传动机构的主轴上；高速摄像机设置在与断路器传动机构上的标点相适应的位置，用来拍摄断路器传动机构分合过程中标点的运动过程，补光灯设置在能够对高速摄像机进行补光的相对应的位置；高速摄像机的影像输出端与计算机的信号输入端连接，由计算机对所拍摄图像进行处理及分析。

实施例二：如图2所示，当被测断路器为单相操动机构时，需要同时拍摄三相的传动机构的三个动触头拉杆，则本装置包括标点1、标点2和标点3、高速摄像机1、高速摄像机2和高速摄像机3和补光灯1、补光灯2、补光灯3，以及计算机，标点1、标点2和标点3分别设置在被测断路器传动机构的三个动触头拉杆上；三个高速摄像机分别设置在与断路器传动机构上的标点相适应的位置，并且三个高速摄像机之间通过同步线连接；三个补光灯分别设置在能够对三个高速摄像机进行补光的相对应的位置；三个高速摄像机的影像输出端均与计算机的信号输入端连接，由计算机对所拍摄图像进行处理及分析。

实施例一与实施例二中所用标点为一个边长为5mm的红色不粘胶，可方便的贴在断路器传动机构上，通过其RGB值可以提取标点中心的坐标。标点同时还具有标定功能，由于我们拍摄到的图片是由一个一个像素点组成的，为了得到实际距离，需要知道像素点个数和实际距离的对应关系，因为标点的边长一定，所以可以在图像中观察到标点边长占几个像素点，两者相除便可得到一个像素点对应的实际距离，即比例系数。所用高速摄像机是能够以很高的频率记录动态图像的摄像机，高速摄像机最高分辨率1280x1024时的拍摄速度是500帧每秒，最高拍摄速度16000帧每秒，通过USB2.0接口与计算机连接，且本高速摄像机是手持式的，方便携带，可用自带充电电池供电，也可用交流电源供电，适合野外和实验室使用；标准配置1GB缓存，最大可以扩展内存3G；拥有缓存记忆功能，使用CF卡可以拓展其存储量；具有同步功能，可以对断路器的三相进行同时拍摄。由于高速摄像机的拍摄速度帧数很高，因此每帧图片的曝光时间非常短，实际拍摄时需要用强光补光灯对拍摄对象进行补光，所使用的补光灯每个都含有两个1300W的灯管，拆装简便，可伸缩支架的极限高度为2.3米。

使用实施例一中和实施例二中所述装置进行测试时的步骤如下所述：(1)、在被测断路器传动机构上选择合适的位置作为拍摄对象(其中实施例一中选择断路器的主轴，实施例二中选择短路器的动触头主拉杆)；(2)、用标点对拍摄对象进行标记；(3)安装高速摄像机和补光灯(其中实施例二中需要将三个高速摄像机用同步线进行同步连接)、(4)用高速摄像机对被测断路器传动机构的分和过程进行拍摄得到运动影像；(5)将运动影像输入到计算机内，由计算机对影像进行分析处理，得到标记点的运动(行程时间)曲线，根据得到的运动曲线分析出被试断路器的动作特性参数。计算机进行处理分析时将相关匹配追踪运算转换到频域中进行，基本的相关匹配追踪算法是把一个预先存储的目标图像模板作为识别和检测目标位置的依据，用目标样板与图像的各子区域按照一定的相似性度量准则进行匹配，找出和目标样板最相似的一个子区域，即可认为是当前目标的位置。它无需对图像进行分割和特征提取，只在原始图像数据上进行运算，从而保留了图像的全部信息，在许多复杂环境场景中相关匹配追踪算法是一种切实可行的跟踪方法。如图3所示，计算机分析处理的具体步骤如下：

(a)、初始化获得第一帧的目标图像，把视频转换为图片；

(b)、对追踪目标进行特征模板的建立，包括对追踪目标进行差分高斯滤波，滤除图像中的低频干扰成分，弱化图像内部数据之间的相关性，保留下可匹配的特征；对滤波算子进行补零运算；为了减少运算量进行频域变换，使滤波时的卷积运算变为频域中的乘积运算；

在实际的时频转换过程中，追踪目标模板与待搜索区域图像的大小不一样，一次需要将统一到相同尺寸才能实现时频运算的转换，实现这种统一的方法便是补零运算。统一图像的尺寸可以对待搜索区域图像f(x，y)与模板h(x，y)进行补零实现。实现补零的操作是统一它们的尺寸到H×H(H＝2^m，m＝3，4，5，6，7...)大小的图像模板上来，对图像的补零采取对准图像模板H×H中央的方式，将待搜索背景图像和掩膜对准到图像模板H×H的中央。这样便能实现时频运算空间的转换。将图像以及掩膜尺寸补到2的整数次方，目的是在时频域转换时能够使用快速傅里叶变换的算法，同时补零还可以减弱由于傅里叶变换带来的周期延拖影响，从而能够保证匹配区域边缘数据的准确性。

(c)、获取其他帧的图像；

(d)、频域变换：对获取的图像数据进行FFT变换，然后在频域中采用差分高斯滤波滤除图像的低频干扰成分，与特征模板共轭相乘，实现追踪目标与背景的互相关运算，进行FFT反变换，直接搜索运算结果中实部的峰值位置就是所追踪目标的位置；

其中时域频域转换运算：由于互相关和卷积存在着一定的转换关系，所以对于大运算量的卷积运算，可以从时域转化到频域中进行，从而为减少运算量提供了一条切实可行的办法，具体推导如下：

对于图像f(x，y)与模板h(x，y)的卷积运算，如下式：

g(x，y)＝f(x，y)*h(x，y)          (1)

对应的频域表现为乘积运算，如下式：

G(u，v)＝F(u，v)H(u，v)           (2)

其中F(u，v)为图像的频域形式，H(u，v)为模极的频域形式，对上式进行傅里叶反变换，得到图像f(x，y)与模板h(x，y)的卷积，结果如下：

g(x，y)＝IFFT2(G(u，v))

       ＝IFFT2(F(u，v)H(u，v))           (3)

因为图像f(x，y)与模板h(x，y)的相关算法和卷积运算存在如下关系：

$r_{\mathrm{fh}}(x,y)=\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}f(m,n)h(x+m,y+n)$

$=f(x,y)*h(-x,-y)$

则时域相关对应频域的共轭相乘，如下式：

R(u，v)＝F(u，v)H^*(u，v)                 (5)

因此，图像f(x，y)与模板h(x，y)的相关运算结果表示如下：

r_fh(x，y)＝IFFT2(F(u，v)H^*(u，v))        (6)

经过傅里叶反变换后结果为复数序列，只需要取实部即可，因为虚部为误差结果，几乎为零，可忽略。由此便实现了相关匹配运算时频转换，从而可以将大规模的相关匹配运算转换到频域中进行，其中包括对图像的DoG(差分高通函数)算子滤波，目标与背景的互相关运算。

设t(x，y)追踪目标模板，s(x，y)为待搜索背景，h(x，y)为DoG算子，算法推导过程如下：

首先对追踪目标以及背景进行滤波运算：

模板的滤波运算：

t_th(x，y)＝t(x，y)*h(x，y)         (7)

背景的滤波运算：

s_sh(x，y)＝s(x，y)*h(x，y)         (8)

目标与背景的互相关运算：

peak(x，y)＝t_thοs_sh

          ＝(t(x，y)*h(x，y))ο(s(x，y)*h(x，y))      (9)

直接搜索peak(x，y)的峰值位置即为目标位置。以上操作为时域运算过程，对应的频域运算过程如下：

PEAK(u，v)＝T(u，v)H(u，v)[S(u，v)H(u，v)]^*

          ＝T(u，v)H(u，v)H^*(u，v)S^*(u，v)           (10)

其中T(u，v)、S(u，v)和H(u，v)分别为t(x，y)、s(x，y)和h(x，y)频域形式，则经过上述频域变换运算后，追踪目标的定位结果为：

peak(x，y)＝IFFT2[PEAK(u，v)]

          ＝IFFT2[(T(u，v)H(u，v)H^*(u，v))S^*(u，v)]       (11)

(10)式和(11)式的运算量包含(T(u，v)H(u，v)H^*(u，v))和S(u，v)以及IFFT2[PEAK(u，v)]，其中(T(u，v)H(u，v)H^*(u，v))是在对追踪目标的特征进行建模的时候就已经完成，因此实际运算量主要是对背景图像的傅里叶变换以及对频域乘积结果的傅里叶反变换，这些主要运算量都将使用快速傅里叶变换算法完成。

(e)、输出目标位置；

(f)对定位目标进行双重相似度检测：通过当前模板和历史模板与背景区域相似度来判断是否需要更新模板，如需要更新则进行形心修正等操作，继续下一帧图像的跟踪，重新确立图像的特征模板；否则继续获取其它帧的图像；

其中对追踪目标和背景的相似度检测使用互相关函数检测，具体操作如下：设经过特征提取的模板T(m，n)大小为M×N，而待搜索区域图像大小为H×L，此时相似度测量函数可定义为模板与当前覆盖子模板的互相关函数：

$R_{S,T}(i,j)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}T(m,n)S(m+i,n+j)---\left(12\right)$

使用此方法可以大幅度减少算法运算量，使算法得到简化；该算法还能够实现对目标的相关匹配，相关峰值呈现单峰特性，和传统的相关匹配算法相比，具有更高稳定性和精度，对局部干扰不敏感，对噪声抑制性强。

在实际跟踪中，因为目标在不断的运动，状态也在不断的发生变化，使用固定特征模板是不能实现稳定跟踪的，最终会由于特征模板过时而导致跟踪失败，所以需要在跟踪的过程中对模板进行更新，保证模板始终包含目标新的特征。为了兼顾跟踪的实时性以及模板更新的漂移问题，使用加权质心修正追踪目标形心的模板更新方法，弱化模板更新过程中的漂移现象；同时通过双重对比相似度检测的方法检测目标是否发生变形或者部分遮挡，正确实现对目标模板更新时机的把握。

采用模板加权质心与形心的偏差量来修正目标形心的方法，首先对图像进行预处理，提取追踪目标边缘，然后进行高斯加权增强目标中心区域，经过加权求取的边缘质心总是指向追踪目标内部，这样能够适应模板更新时背景的干扰。经过边缘检测后，已去除***光照的影响，随后产生与目标模板大小的高斯核，对边缘模板进行加权处理，加权的目的在于增强目标区域，减弱模板更新时背景的影响。边缘模板经过加权后，需要求取其质心与目标形心(中心)偏差量，作为模板更新时的偏差修正量。对于当前定位的子图像为T(m，n)大小为MxN，其中(m，n)表示象素坐标点，追踪目标形心位置为(M/2，N/2)，即为追踪目标的中心，w(m，n)为高斯加权值，则此时追踪目标的加权质心(G_x，G_y)计算如下：

$G_x=\frac{{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^{N}w(i,j)\·T(i,j)\·i}{{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^{N}w(i,j)\·T(i,j)}---\left(13\right)$

$G_y=\frac{{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^{N}w(i,j)\·T(i,j)\·j}{{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^{N}w(i,j)\·(i,j)}---\left(14\right)$

在模板更新时刻，计算并保存当前帧的质心与目标形心偏差量(dx，dy)：

dx＝G_x-M/2

dy＝G_y-N/2          (15)

在实际跟踪过程中，当检测到需要更新特征模板时，计算当前定位追踪目标的加权质心(G′_x，G′_y)，利用上一次模板更新时的质心与形心偏差量(dx，dy)对当前加权质心(G′_x，G′_y)进行修正，将其修正到追踪目标形心位置(x，y)上，如下式：

x＝G′_x-dx

y＝G′_y-dy          (16)

将修正后的区域更新的为当前的追踪目标模极，从而减弱了直接利用形心或者质心更新模板时带来的漂移问题。

计算机处理分析的方法使用MATLAB7.0作为软件***编程的实现工具，MATLAB编程工具是国际公认的最优秀的科技应用软件之一，具有编程简单、数据可视化功能强、操作性强等特点，而且配有功能强大、专业函数丰富的图像处理工具箱，是进行图像处理方面工作必备的软件工具。本方法中使用MATLAB GUI制作图形化用户界面，大大提高了软件程序的可视性，操作界面简洁明快，功能模块清晰明确、操作简单。

由于计算机处理分析的方法采用的原理与现阶段使用的动特性测试仪的原理有很大区别，因此检测量需重新定义。如表1所示为本方法(摄像法)检测量定义与动特性测试仪检测量定义的对比，如图4、图5所示分别为检测量定义的分闸与合闸的示意图，图4与图5中横坐标为时间，纵坐标为行程，a1、a2为加速度曲线，v1、v2为速度曲线，s1、s2为行程曲线。

检测量	摄像法	传统方法	是否一致
				总行程	行程最终值与行程最初值之差	行程最终值与行程最初值之差	一致
超行程(触头***深度)	刚分/合点与行程最初/终值之差	刚分/合点与行程最初/终值之差	一致
				行程	刚分/合点与行程最终/初值之差	刚分/合点与行程最终/初值之差	一致
最大速度	速度最大值	速度最大值	一致
				刚合速度	刚合点前10ms的平均速度	刚合点前10ms的平均速度	一致
刚分速度	刚分点后10ms的平均速度	刚分点后10ms的平均速度	一致
				刚合/分点	加速度曲线负向第一峰值点对应的时间点	1、触头间所加电压的阶跃时间点(合闸时阶跃到0，分闸时阶跃到高电位)2、行程曲线达到超行程数值时对应的时间点(需已知断路器超行程数值)	不一致
合/分闸时间	行程起点与加速度曲线负向第一峰值点对应的时间点，即触头开始动作到刚合/分点的时间	合/分闸线圈上电到以触头间所加电压的阶跃时间	不一致
				不同期时间	三相刚合/分时刻差最大值	三相刚合/分时刻差最大值	一致

                                    表1

由表1可知摄像法与动特性测试仪检测量的主要区别有两点：

a、刚合/分点的确定方法：动特性测试仪测量断路器机械特性通常是在离线状态下通过施加在断路器端口两端电压的变化来判断断路器的合分状态，进而判断刚合/分点，而摄像法无法直接获得这一信息。通过理论分析可以发现，分闸过程中，当动触头与静触头分开时，由于动触头和静触头间的摩擦力消失，使得动触头获得了与运动方向一致的最大加速度，该时间点即为刚分点，之后由于驱动力的下降，动触头的加速度逐渐下降，当动触头运动到位时，动触头会受到一个与运动方向相反的峰值加速度，使之停止运动；合闸过程中，当动触头与静触头接触时，会受到一定程度的冲击，使得动触头获得了与运动方向相反的峰值加速度，该时间点即为刚合点，当动触头完全***静触头时还会受到一定的冲击，使之停止运动，会出现第二峰值加速度，上述分析已得到试验的验证。b、合/分闸时间起始点：动特性测试仪测量断路器机械特性是利用合/分闸线圈上电的时间作为合/分闸时间起始点，而摄像法也无法获得这一信息。摄像法将行程起点的定为合/分闸时间起始点，忽略了合/分闸线圈上电至触头开始动作间的时间差，因而根据摄像法测量的合/分闸时间要比用动特性测试仪测量的结果短，但不同期时间没有区别。

由现有经验可知，断路器的机械故障有很多种，例如断路器分合闸拒动、机械传动机构卡滞引起的分合闸无力和三相不同期等。其中有很多机械故障属于早期机械故障，早期机械故障的故障特征不明显，容易被忽视，但是任由其进一步发展会造成严重的损失。由于很多存在早期机械故障的断路器的机械特性技术指标仍在正常范围内，因此检测方法无法对其进行识别。采用本方法一共模拟三种早期故障，分别是储能弹簧卡滞故障、主连杆销子卡滞故障和灭弧室动触头卡滞故障，试验对象为ZW9-40.5型35kV真空断路器。人为的将胶皮塞在储能弹簧层间造成弹簧卡滞，通过本发明所述方法得出储能弹簧卡滞故障的曲线；人为的将胶皮塞在主连杆销子连接处造成主连杆运动时卡滞，通过本发明所述方法得出种主连杆销子卡滞的曲线；人为的将胶皮塞在灭弧室动触头主连杆处造成动触头卡滞，通过本发明所述方法得出灭弧室动触头卡滞的曲线。如图6至图12所示是对储能弹簧卡滞故障进行模拟的分析结果：图6为行程-时间曲线(X方向)示意图，其中曲线1为正常分闸曲线，曲线2为储能弹簧卡滞曲线；图7为速度-时间曲线(X方向)示意图，其中曲线3与曲线4分别为正常分闸曲线和储能弹簧卡滞曲线；图8为加速度-时间曲线(X方向)示意图，其中曲线5与曲线6分别为正常分闸曲线和储能弹簧卡滞曲线；图9为行程-时间曲线(Y方向)示意图，其中曲线7与曲线8分别为正常分闸曲线和储能弹簧卡滞曲线；图10为速度-时间曲线(Y方向)示意图，其中曲线9与曲线10分别为正常分闸曲线和储能弹簧卡滞曲线；图11为加速度-时间曲线(Y方向)示意图，其中曲线11与曲线12分别为正常分闸曲线和储能弹簧卡滞曲线；图12为行程(X方向)-行程(Y方向)曲线示意图，其中曲线13与曲线14分别为正常分闸曲线和储能弹簧卡滞曲线。表2归纳了在不同断路器早期机械故障类型和行程、速度、加速度这三种不同技术指标下，正常状态曲线和故障状态曲线的区别和各自特点，从而达到对储能弹簧卡滞、主连杆销子卡滞，灭弧室动触头卡滞这三种断路器早期机械故障的识别，对检测被测断路器的故障有深远的意义。

主连杆销子卡滞

故障状态曲线的总行程略小于正常状态曲线，自第一个波峰后，其余的波峰值和波谷值都是故障状态曲线小。

故障状态曲线的波谷值皆小于正常状态曲线。总行程大于正常状态曲线。0.085s～0.1s时间段，即两曲线第一个波谷过后的上升期中，故障状态曲线震荡更为剧烈。

正常状态曲线在第一个波峰附近比故障状态曲线平滑，故障状态曲线在第一个波峰附近震荡剧烈，毛刺较多。

故障状态曲线的最大值大于正常状态曲线，最小值小于正常状态曲线，在0.085s～0.125s时间段，正常状态曲线更为平滑。

正常状态曲线在第一个波峰附件比故障状态曲线平滑，故障状态曲线在第一个波峰附近毛刺较多。故障状态曲线的最小值小于正常状态曲线。

故障状态曲线的波峰值均大于正常状态曲线，而波谷值均小于正常状态曲线。

灭弧室动触头卡滞

正常状态曲线的波峰值均大于故障状态曲线。

正常状态曲线的最小值小于故障状态曲线，正常状态曲线更为平滑。

正常状态曲线的最大值略大于故障状态曲线，故障状态曲线在最大值附近的震荡更为剧烈。

正常状态曲线的最大值大于故障状态曲线，最小值小于故障状态曲线。故障状态曲线的震荡更为剧烈，曲线中毛刺很多。

正常状态曲线的最小值小于故障状态曲线，故障状态曲线在最大值和最小值附近震动更为剧烈。

正常状态曲线的最大值大于故障状态曲线，最小值小于故障状态曲线。在每个波峰和波谷处，故障状态曲线震荡更为剧烈，毛刺很多。

                                            表2

Claims (1)

1.一种基于摄影数字化的断路器动作特性在线检测方法，其特征在于：包括以下步骤：（1）、在被测断路器传动机构上选择合适的位置作为拍摄对象；（2）、用标点对拍摄位置进行标记；（3）安装高速摄像机和补光灯，如果被测断路器为单相操动机构，则需要将三个高速摄像机用同步线进行同步连接；如果被测断路器为三相操动机构时，需要一个高速摄像机，则不需进行同步连接；（4）用高速摄像机对被测断路器传动机构的运动过程进行拍摄得到运动影像；（5）将运动影像输入到计算机内，由计算机对影像进行分析处理，得到标点的运动曲线，根据得到的运动曲线分析出被试断路器的动作特性参数，所述的步骤（5）中计算机对影像进行分析处理具体包括：1、初始化获得第一帧的目标图像；2、对追踪目标进行特征模板的建立，包括对追踪目标进行差分高斯滤波，滤除图像中的低频干扰成分，弱化图像内部数据之间的相关性，保留下可匹配的特征；对滤波算子进行补零运算；为了减少运算量进行频域变换，使滤波时的卷积运算变为频域中的乘积运算；3、获取其他帧的图像；4、频域变换，在频域中采用差分高斯滤波滤除图像的低频干扰成分，与特征模板共轭相乘，实现追踪目标与背景的互相关运算，进行FFT反变换，直接搜索运算结果中实部的峰值位置就是所追踪目标的位置；5、输出目标位置；6、对定位目标进行双重相似度检测，通过当前模板和历史模板与背景区域相似度来判断是否需要更新模板：如需要更新则进行形心修正操作,继续下一帧图像的跟踪，重新确立图像的特征模板；否则继续获取其它帧的图像。

Images