CN111473860B - 一种用于高压交流断路器振动信号特征参数提取方法 - Google Patents

Abstract

本发明公开了一种用于高压交流断路器振动信号特征参数提取方法，属于高压断路器状态监测与故障诊断领域。通过对振动信号数据应用三次样条拟合作包络线和prony算法提取特征参数相结合，获得振动信号数据的m个特征参数数组[I_mk，f_k，a_k，t_Nk]，k＝1,2,…,n。将f_k、a_k作为模态参量进行振动故障模式识别，将I_mk用来评估该模式的振动强度，t_Nk用来表示该模式振动故障发生的时刻。本发明可以快速、准确地提取振动信号特征参数，对机械故障进行模式识别和状态评估。

Description

一种用于高压交流断路器振动信号特征参数提取方法

技术领域：

本发明属于高压交流断路器状态监测与故障诊断领域，特别涉及一种用于高压交流断路器振动信号特征参数提取方法。

背景技术：

高压交流断路器是电力***控制和保护的重要核心设备，常见的故障有机械故障、绝缘故障、过热性故障。运行经验表明，机械故障在高压交流断路器所有故障中占比约为70％，机械故障是最主要的故障，断路器操作机构故障占了重大故障的37％。高压断路器经常会发生基座螺丝松动、动触头位置软连接夹片松动、锁栓运行失常、机构卡涩等故障。因此，积极、有效地开展高压交流断路器机械故障的状态监测和故障诊断工作，可以及时发现运行中存在的问题，并安排维护或检修工作，提高设备利用率和运维管理水平。

高压交流断路器的机械故障通常会产生多个振动事件，振动事件所激励的信号可以表达为多个瞬态非稳定衰减的振动信号，即

式中，A_i为第i个振动事件的最大振幅，a_i为衰减系数，f_i为振动频率，t_i为振动事件发生时刻，ε(t)为阶跃函数。通过监测高压断路器振动信号，应用合适的数据分析算法提取振动信号的特征参数，可以对故障模式进行识别和评估，可以为检修和维护提供可靠的依据。因此，提出快速、准确获取振动信号特征参数提取和故障模式识别的计算方法尤为重要，可以为进一步的高压断路器状态评估提供可靠的依据。

发明内容：

本发明的目的是提供一种用于高压交流断路器振动信号特征参数提取方法，该方法可以快速、准确地提取振动信号特征参数，对机械故障进行模式识别和状态评估。

本发明所采用的技术方案是：

一种用于高压交流断路器振动信号特征参数提取方法，包括以下步骤：

S100，根据时间轴上采集得到的振动信号数据(t_i,A_i)，构造离散函数，即：

A_i＝f(t_i) i＝1,2,…,N (1)

式中，t为时间，A为振动信号幅值，N为采样点数；

应用中值滤波函数g＝medfilt(y,n)对离散函数A_i＝f(t_i)进行两次消噪处理，y为待滤波离散数据，n为邻域窗口的大小；

S200，通过对振动信号数据应用三次样条拟合作包络线和prony算法提取特征参数相结合，获得振动信号数据的m个特征参数数组[I_mk，f_k，a_k，t_Nk]，k＝1,2,…,n；

S300，假定经过m次运算后计算终止，得到m个特征参数数组，即：[I_mk，f_k，a_k，t_Nk]，k＝1,2,…,m；将特征参数f_k、a_k作为模态参量进行振动故障模式识别，假定典型振动故障模式标准特征参数分别为I_ref、f_ref、a_ref，定义加权欧式距离λ为：

当λ≤ε时，则表示存在该种典型振动故障；k₁、k₂为权重系数，ε为评价偏差；

将特征参数I_mk和I_ref比值

作为本次振动信号强度的评价指标，得出故障和警告两种提示信息；特征参数t_Nk表示本次振动故障发生的时刻。

本发明进一步的改进在于：步骤S100中，振动信号的采集装置由加速度传感、采集卡和上位机软件***组成。

本发明进一步的改进在于：步骤S200具体包括以下步骤：

S201，第一次运算时，对消噪后的离散函数A_i＝f(t_i)在时间窗口上截取第一段单频振动数据，即：

A_1i＝f(t_i) i＝N₁,2,…,N_1end (2)

式中，N₁为截取采样数据的起始位置，N_1end为截取样采样数据的结束位置；

应用prony算法对单频振动数据A_1i＝f(t_i)进行运算，计算得出该单频数据特征参数：起始振动幅值I_m1、频率f₁、衰减系数a₁；

进而得出该单频振动信号的离散表达式为：

S202，第二次运算时，从采集到的离散数据A_i＝f(t_i)中剥离掉第一次运算所确定的第一个单频振动信号A'_1i；

进而，在时间窗口上截取第二段单频振动数据，即：

A_2i＝f(t_i) i＝N₂,2,…,N_2end (4)

式中，N₂为截取采样数据的起始位置，N_2end为截取采样数据的结束位置；

应用prony算法对单频振动数据A_2i＝f(t_i)进行运算，计算得出该单频数据特征参数：起始振动幅值I_m2、频率f₂、衰减系数a₂

进而得出该单频振动信号的解析表达式为：

S203，第k次运算时，从采集到的离散数据A_i＝f(t_i)中剥离掉前k-1次所确定的k-1个单频振动信号

进而在时间窗口上截取第k段单频振动数据，即：

A_ki＝f(t_i) i＝N_k,2,…,N_kend (6)

式中，N_k为截取采样数据的起始位置，N_kend为截取采样数据的结束位置；

应用prony算法对单频振动数据A_ki＝f(t_i)进行运算，计算得出该单频数据特征参数：起始振动幅值I_mk、频率f_k、衰减系数a_k；得出该单频振动信号的解析表达式为:

设定阈值Γ，当第k次运算的起始振动幅值I_mk<Γ时，运算终止；否则，重复步骤S203的计算过程。

本发明进一步的改进在于：S201中，N₁为振动信号(t_i,A_i)的起始位置，应用三次样条拟合算法得出振动信号A_i＝f(t_i)峰值的上、下包络线s₁、s₂，当均值线

在时间轴上的发生较大波动时，取该时刻对应的采样点N_1end为截取采样数据的结束位置。

本发明进一步的改进在于：S203中，k₁、k₂分别取值为0.9和0.1，ε的取值范围为0～0.3，或依据现场经验值设定。

本发明进一步的改进在于：S300中，当0.8≤R_str<1时，发出故障信号。

本发明进一步的改进在于：当0.2≤R_str<0.5时发出警告信号；当0.5≤R_str<0.8时，可依据现场经验决定发出故障或警告信号。

与现有技术相比，本发明至少具有以下技术效果：

本发明用于高压交流断路器振动信号特征参数提取方法，通过对振动信号数据应用三次样条拟合作包络线和prony算法提取特征参数相结合，获得振动信号数据的m个特征参数数组[I_mk，f_k，a_k，t_Nk]，k＝1,2,…,n。将f_k、a_k作为模态参量进行振动故障模式识别，将I_mk用来评估该模式的振动强度，t_Nk用来表示该模式振动故障发生的时刻。本发明可以快速、准确地提取振动信号特征参数，对机械故障进行模式识别和状态评估。

附图说明：

图1振动信号数据；

图2第一次计算时的上、下包络线及均值线；

图3振动信号振动模式分解结果。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

一种用于高压交流断路器振动信号特征参数提取方法，包括以下步骤：

1)根据时间轴上采集得到的振动信号数据(t_i,A_i)，构造离散函数，即：

A_i＝f(t_i) i＝1,2,…,N (1)

式中，t为时间，A为振动信号幅值，N为采样点数。

应用中值滤波函数g＝medfilt(y,n)对离散函数A_i＝f(t_i)进行消噪两次处理，y为待滤波离散数据，n为邻域窗口的大小。

其中，振动信号的采集装置由加速度传感、采集卡和上位机软件***组成，加速度传感器为振动信号的前端测量设备，将其测量到的振动信号输入到数据采集卡，并经采集卡传输到上位机进行数据的获取和处理。

2)第一次运算时，对消噪后的离散函数A_i＝f(t_i)在时间窗口上截取第一段单频振动数据，即：

A_1i＝f(t_i) i＝N₁,2,…,N_1end (2)

式中，N₁为截取采样数据的起始位置，N_1end为截取样采样数据的结束位置。

应用prony算法对单频振动数据A_1i＝f(t_i)进行运算，计算得出该单频数据特征参数：起始振动幅值I_m1、频率f₁、衰减系数a₁。进一步，可以得出该单频振动信号的离散表达式为:

优选的，步骤2)中，N₁为振动信号(t_i,A_i)的起始位置，应用三次样条拟合算法得出振动信号A_i＝f(t_i)峰值的上、下包络线s₁、s₂，当均值线

在时间轴上的发生较大波动时，取该时刻对应的采样点N_1end为截取采样数据的结束位置。

3)第二次运算时，从采集到的离散数据A_i＝f(t_i)中剥离掉第一次运算所确定的第一个单频振动信号A'_1i。进一步，在时间窗口上截取第二段单频振动数据，即：

A_2i＝f(t_i) i＝N₂,2,…,N_2end (4)

式中，N₂为截取采样数据的起始位置，N_2end为截取采样数据的结束位置。

应用prony算法对单频振动数据A_2i＝f(t_i)进行运算，计算得出该单频数据特征参数：起始振动幅值I_m2、频率f₂、衰减系数a₂。进一步，可以得出该单频振动信号的解析表达式为:

4)第k次运算时，从采集到的离散数据A_i＝f(t_i)中剥离掉前k-1次所确定的k-1个单频振动信号

进一步，在时间窗口上截取第k段单频振动数据，即：

A_ki＝f(t_i) i＝N_k,2,…,N_kend (6)

式中，N_k为截取采样数据的起始位置，N_kend为截取采样数据的结束位置。

应用prony算法对单频振动数据A_ki＝f(t_i)进行运算，计算得出该单频数据特征参数：起始振动幅值I_mk、频率f_k、衰减系数a_k。进一步，可以得出该单频振动信号的解析表达式为:

设定阈值Γ，当第k次运算的起始振动幅值I_mk<Γ时，运算终止。否则，重复本步骤的计算过程。

5)假定经过m次运算后计算终止，可以得到m个特征参数数组，即：[I_mk，f_k，a_k，t_Nk]，k＝1,2,…,m。将特征参数f_k、a_k作为模态参量进行振动故障模式识别，假定典型振动故障模式标准特征参数分别为I_ref、f_ref、a_ref，定义加权欧式距离λ为：

当λ≤ε时，则表示存在该种典型振动故障。k₁、k₂为权重系数，ε为评价偏差。

将特征参数I_mk和I_ref比值

作为本次振动信号强度的评价指标，得出故障和警告两种提示信息。特征参数t_Nk表示本次振动故障发生的时刻。

作为优选实施例，k₁、k₂分别取值为0.9和0.1，ε的取值范围为0～0.3，或依据现场经验值设定。

当0.8≤R_str<1时，发出故障信号；当0.2≤R_str<0.5时发出警告信号；当0.5≤R_str<0.8时，可依据现场经验决定发出故障或警告信号。

下面结合附图和具体实施方式对本发明进行详细说明。

实施例

结合附图1至附图3，一种用于高压交流断路器振动信号特征参数提取方法，包括下述步骤：

1)根据图1所示的振动信号(t_i,A_i)，构造离散函数，即：

A_i＝f(t_i) i＝1,2,…,N (1)

式中，t为时间，A为振动信号幅值，N为采样点数。

2)第一次运算时，对离散函数A_i＝f(t_i)在时间窗口上截取第一段单频振动数据，即：

A_1i＝f(t_i) i＝N₁,2,…,N_1end (2)

式中，N₁为截取采样数据的起始位置，N_1end为截取采样数据的结束位置。如图2所示应用样条拟合得出振动信号A_i＝f(t_i)峰值的上、下包络线s₁、s₂，当均值线

在时间轴上的发生较大波动时，取该时刻对应的采样点为结束位置。

应用prony算法对单频振动数据A_1i＝f(t_i)进行运算，计算得出该单频数据特征参数：起始振动幅值I_m1、频率f₁、衰减系数a₁。进一步，可以得出该单频振动信号的离散表达式为:

3)第二次运算时，从采集到的离散数据A_i＝f(t_i)中剥离掉第一次运算所确定的第一个单频振动信号A'_1i。进一步，在时间窗口上截取第二段单频振动数据，即：

A_2i＝f(t_i) i＝N₂,2,…,N_2end (4)

式中，N₂为截取采样数据的起始位置，N_2end为截取采样数据的结束位置。

应用prony算法对单频振动数据A_2i＝f(t_i)进行运算，计算得出该单频数据特征参数：起始振动幅值I_m2、频率f₂、衰减系数a₂。进一步，可以得出该单频振动信号的解析表达式为:

4)经过5次运算，计算终止，得到5个振动模式，各模式的特征参数如下表所示：

振动模式	振幅(m/s<sup>2</sup>)	频率(Hz)	衰减系数	起振时刻(s)
					1	0.15	1000	64.9	0.15
2	0.30	4000	79.9	0.02
					3	1.00	6000	70.0	0.025
4	0.50	8000	54.9	0.04
					5	0.20	2600	49.6	0.05

6)将特征参数f_k、a_k作为模态参量进行振动故障模式识别，假定典型振动故障模式标准特征参数分别为I_ref、f_ref、a_ref，定义加权欧式距离λ为：

当λ≤0.1时，则表示存在该种典型振动故障。k₁、k₂分别取值为0.9和0.1，ε为评价偏差。

7)将特征参数I_mk和I_ref比值

作为本次振动信号强度的评价指标，得出故障和警告两种提示信息。当0.8≤R_str<1时，发出故障信号；当0.2≤R_str<0.8时发出警告信号。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

应该理解，以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述，在所提供的示例之外的许多实施例和许多应用对本领域技术人员来说都将是显而易见的。因此，本教导的范围不应该参照上述描述来确定，而是应该参照前述权利要求以及这些权利要求所拥有的等价物的全部范围来确定。出于全面之目的，所有文章和参考包括专利申请和公告的公开都通过参考结合在本文中。在前述权利要求中省略这里公开的主题的任何方面并不是为了放弃该主体内容，也不应该认为申请人没有将该主题考虑为所公开的发明主题的一部分。

Claims (6)

1.一种用于高压交流断路器振动信号特征参数提取方法，其特征在于，包括以下步骤：

S100，根据时间轴上采集得到的振动信号数据(t_i,A_i)，构造离散函数，即：

A_i＝f(t_i) i＝1,2,…,N (1)

式中，t为时间，A为振动信号幅值，N为采样点数；

应用中值滤波函数g＝medfilt(y,n)对离散函数A_i＝f(t_i)进行两次消噪处理，y为待滤波离散数据，n为邻域窗口的大小；

S200，通过对振动信号数据应用三次样条拟合作包络线和prony算法提取特征参数相结合，获得振动信号数据的m个特征参数数组[I_mk，f_k，a_k，t_Nk]，k＝1,2,…,n；

S300，假定经过m次运算后计算终止，得到m个特征参数数组，即：[I_mk，f_k，a_k，t_Nk]，k＝1,2,…,m；将特征参数f_k、a_k作为模态参量进行振动故障模式识别，假定典型振动故障模式标准特征参数分别为I_ref、f_ref、a_ref，定义加权欧式距离λ为：

当λ≤ε时，则表示存在所述典型振动故障模式；k₁、k₂为权重系数，ε为评价偏差；

将特征参数I_mk和I_ref比值

作为本次振动信号强度的评价指标，得出故障和警告两种提示信息；特征参数t_Nk表示本次振动故障发生的时刻；

步骤S200具体包括以下步骤：

S201，第一次运算时，对消噪后的离散函数A_i＝f(t_i)在时间窗口上截取第一段单频振动数据，即：

A_1i＝f(t_i) i＝N₁,2,…,N_1end (2)

式中，N₁为截取采样数据的起始位置，N_1end为截取样采样数据的结束位置；

应用prony算法对单频振动数据A_1i＝f(t_i)进行运算，计算得出第一段单频振动数据的特征参数：起始振动幅值I_m1、频率f₁、衰减系数a₁；

进而得出单频振动数据的离散表达式为：

S202，第二次运算时，从采集到的离散数据A_i＝f(t_i)中剥离掉第一次运算所确定的第一个单频振动信号A′_1i；

进而，在时间窗口上截取第二段单频振动数据，即：

A_2i＝f(t_i) i＝N₂,2,…,N_2end (4)

式中，N₂为截取采样数据的起始位置，N_2end为截取采样数据的结束位置；

应用prony算法对单频振动数据A_2i＝f(t_i)进行运算，计算得出第二段单频振动数据的特征参数：起始振动幅值I_m2、频率f₂、衰减系数a₂

进而得出第二段单频振动数据的解析表达式为：

S203，第k次运算时，从采集到的离散数据A_i＝f(t_i)中剥离掉前k-1次所确定的k-1个单频振动信号

进而在时间窗口上截取第k段单频振动数据，即：

A_ki＝f(t_i) i＝N_k,2,…,N_kend (6)

式中，N_k为截取采样数据的起始位置，N_kend为截取采样数据的结束位置；

应用prony算法对单频振动数据A_ki＝f(t_i)进行运算，计算得出k-1个单频振动数据的特征参数：起始振动幅值I_mk、频率f_k、衰减系数a_k；得出k-1个单频振动数据的解析表达式为:

设定阈值Γ，当第k次运算的起始振动幅值I_mk＜Γ时，运算终止；否则，重复步骤S203的计算过程。

2.根据权利要求1所述的一种用于高压交流断路器振动信号特征参数提取方法，其特征在于：步骤S100中，振动信号的采集装置由加速度传感、采集卡和上位机软件***组成。

3.根据权利要求1所述的一种用于高压交流断路器振动信号特征参数提取方法，其特征在于：S201中，N₁为振动信号(t_i,A_i)的起始位置，应用三次样条拟合算法得出振动信号A_i＝f(t_i)峰值的上、下包络线s₁、s₂，当均值线

在时间轴上的发生较大波动时，取该时刻对应的采样点N_1end为截取采样数据的结束位置。

4.根据权利要求1所述的一种用于高压交流断路器振动信号特征参数提取方法，其特征在于：S203中，k₁、k₂分别取值为0.9和0.1，ε的取值范围为0～0.3，或依据现场经验值设定。

5.根据权利要求1所述的一种用于高压交流断路器振动信号特征参数提取方法，其特征在于：当0.8≤R_str＜1时，发出故障信号。

6.根据权利要求5所述的一种用于高压交流断路器振动信号特征参数提取方法，其特征在于：当0.2≤R_str＜0.5时发出警告信号；当0.5≤R_str＜0.8时，可依据现场经验决定发出故障或警告信号。

Images