基于振动信号的高压断路器状态监测与诊断

基于振动信号的高压断路器状态监测与诊断

0械状态的监测由于机械故障是故障的主要原因，监测仪器机械状态的方法主要包括行程和速度的监测、切断闸圈电流的监测、在操作过程中振动信号的监测等。基于机械振动信号的断路器状态监测与诊断尚在研究。1hs-ct/b.滤波器机械振动检测a.振动传感器的尺寸小、重量轻、工作可靠、价格低;b.断路器机械振动的检测信噪比高,但只能在操作过程中获取信号,除频繁操作的断路器外,信号量明显不足;c.信号不够稳定、重复性有时较差。22机械振动监测的范围a.在线监测;b.临时性监测,如SF6等不宜在现场进行拆卸的断路器,在离线条件下采用外附传感器进行内部状态检测。3振动信号比较a.按处理的方式分为多个振动事件分别处理以及总体处理两类。b.按故障的判断方式分为与正常振动信号相比较以及和已知故障类型的振动信号相比较两类。后者由于开关种类繁多、结构差别很大,造成工业应用上工作量过大。c.按判断所用的信息可分为只根据振动信号进行判断以及与其他信号(如控制线圈电流波形、断路器行程、速度等)联合进行判断两类。1振动信号的时序高压断路器操作过程中,机构零部件之间的碰撞或摩擦会引起机械振动。通常称机构零部件的一次碰撞或摩擦为一个振动事件。不同振动事件产生的机械振动信号在时域上形成一个振动信号的时间序列。当各振动事件的信号易于区分时,可以根据每个子振动信号出现时间的变化来判断断路器的机械状态。并可以求出各子振动信号的幅值或能量。机械振动事件时间的确定方法主要有中值滤波器法、微分法、时域包络法、幅值法和互相关法等。2信号特征量的确定鉴于断路器机械操作振动信号是瞬变的非平稳信号,在信号处理方法上可用时频结合的方法来处理。Wigner-Ville分布是信号能量在时频两维空间上的分布,与短时付立叶变换相比,能够更加合理的描述非平稳信号的时频特性。实际处理时要利用Hilbert变换以及FFT等,其优点是直观,所得到的结果为三维的图形数据;其缺点是计算量大,在特征量的确定上有一定的困难。图1是文中给出的一种“时频幅值谱”图,其中b)、c)中信号幅值为经过归一化处理得出的相对值。3状态监测与故障诊断文从振动信号的均值、方差、距、过零次数、翻转次数等为特征量中最终筛选出四个特征量,利用人工神经网络对断路器进行状态监测与故障诊断。信号数据处理的结果“状态图”是一个四维的图形,每个坐标表示一个特征量。文中指出,当微小缺陷发生时,其特征量对应的“簇”可能会与正常时的“簇”发生重叠,而导致分辨困难。这种方法在特征量的提取和主特征量的确定时需要大量的原始数据和计算时间。4信号信号的时间战时比较图2是对配弹簧机构的145kVSF6断路器进行检测的结果,在信号处理方法上采取了语音信号处理中经常使用的动态时间规整(DTW)法,计算出检测状态与基准状态之间信号的动态时间距离,通过与其对应的时间短时谱相比较,对断路器的工作状态进行判断。在正常情况下,对信号进行DTW的结果近似为一条45°的直线,断路器出现异常时其规整结果将出现明显的弯曲。这种方法对事件出现时间上的变化有较高的灵敏度,能反映触头运动过程的信息,并能对机构零部件工作状态的一些小的变化在检测结果中能得到明显的反映(如润滑不良、曲柄卡滞、触头位置不正常等)。但是,这种方法偏重于对振动事件出现时间变化的分析,对信号强度变化的反映较差。此外其运算过程中需要的存储量近似与信号长度的平方成正比,而振动信号长度通常为几千个数据点甚至更长,要求DTW有较大的存储量和较高的计算速度。另外,目前尚未完全建立起各种故障相应的特征图形。5正常状态下振动信号的平均包络式(1)为通过对油断路器和SF6断路器操作过程中机械振动信号分析提出的χ2偏差测试法(VCS法):VCS=χ2[A(t)‚S(t)]/χ2[A(t)‚d(t)](1)VCS=χ2[A(t)‚S(t)]/χ2[A(t)‚d(t)](1)其中,A(t)=1m∑i=1mei(t)A(t)=1m∑i=1mei(t),是正常状态下振动信号的平均包络,两个信号间的差异。实际监测时对离散能量统计(DES)和短时谱(STS)进行包络信号处理,由VCS的值是否超过阈值来判断断路器的机械状态是否正常。这种方法在确定正常状态下振动信号的平均包络A(t)之前需要积累大量的运行或实验数据,而且因其分散性而难以制定统一的A(t)是其主要缺陷。另外,对故障类型的分辨上存在一定的困难,需进一步研究和完善。6振动信号的特征参数一种考虑有时延的指数衰减振荡参数估计方法的基本思想是把原始信号s(t)用一组(n个)有时延的指数衰减振荡子波描述,如式(2):s(t)=∑i=1nAisin[ωi(t−ti)+θi]eαi(t−ti)⋅(t−ti)(2)s(t)=∑i=1nAisin[ωi(t-ti)+θi]eαi(t-ti)⋅(t-ti)(2)其中Ai为振荡子波i的振荡幅度;αi为振荡子波i的衰减指数;ωi为振荡子波的角频率(ωi=2πfi);ti为振荡子波的起始时刻;θi为初始相角,考虑各振荡子波都是由零值开始,θi=0。根据原始信号和给定的数学模型,通过积分和曲线拟合的方法提取一组以Ai、αi、ωi、ti为特征值的振动信号的特征参数。但采用积分法提取信号特征参数使用的是近似公式,适用于ωi和αi都比较大的情况。当ωi和αi比较小时,误差较大。利用特征参数对在断路器外壳上测得振动信号进行重构的结果见图3。当把信号分解为250组特征参数时,利用特征参数对信号进行重构后可得到与原始振动信号十分接近的结果。振动波的几何弥散现象会使信号波形发生畸变,即因不同频率振动信号的传播速度不同,随着传播距离的增加,不同频率成分波形的相位将发生不同程度的变化。当只选取10组主要的特征参数进行信号重构时,波形上存在很大的差别。而在实际对断路器状态进行检测和诊断中,很难通过250组特征参数对机构状态进行识别和判断。文改进了积分法,可以在理论上消除其产生的误差。另外,在积分方法基础上引入了带有奇异值分解(SVD)的互相关Prony方法,这种方法直接从原始信号中求出频率fi和衰减系数αi,不存在频率分辨率的问题。同时,从原始数据中除去了奇异值较低的噪声信号,提高了信噪比和抑制噪声的能力。7控制线圈电流等特征参数应用人工神经网络对弹簧机构的工作状态进行估计和检测,由振动信号和控制线圈电流等提取特征参数,在估计和检测合闸电磁铁顶杆的空行距离、锁钩与拐臂锁闩扣结距离、拐臂转轴摩擦等状态时,取得了较好的效果。其不足之处在于