高压断路器电磁铁动作特性的实验研究

针对关于高压断路器电磁铁动作特性研究较少的现状,为深入了解电磁铁运动过程,得到其运动特性相关参数,为状态监测提供依据,对一弹簧操动机构的12 kV真空断路器进行实验和分析。主要基于振动信号,并结合合闸线圈电流,从振动时间、频谱特性和小波包分解能量分布来分析断路器的电磁铁动特性;并模拟铁心卡涩故障,对比正常和故障两种状态,找出相应的特征量。研究结果表明,振动信号反映断路器脱扣过程的运行特性,通过振动信号的分析,可以诊断出电磁铁的状态,能提高现有的高压断路器状态监测系统的水平。     

小波包频带能量分解在断路器机械状态监测中的应用

基于小波包原理,将断路器操作振动信号分解到独立的频带内,不同频带内信号能量的变化反映了断路器机械运行状态的改变.提取主要的频带能量作为断路器状态监测的特征向量,并根据试验结果确定了不同状态下能量特征向量的容差范围,从而实现了不同机械状态的简单分类,为断路器的机械状态监测提供了相应的量化依据.试验模拟了ZN12-35型真空断路器4种不同的合闸同期性状态,采用单个加速度传感器在机构箱上获取合闸时的触头振动信号.该信号经过小波包频带能量分解后,可以将各种合闸同期性状态分类集中在复平面中明显区分的不同区域内,从而验证了该方法在断路器机械状态监测中的有效性.重复试验表明,在保证监测系统稳定的前提下,该方法具有较高的状态监测准确率.     

基于小波包能量谱及SVM算法的轴承故障检测

针对小波分析在故障诊断时的局限性,将小波分析和支持向量机算法相结合,提出基于小波包能量谱及支持向量机算法(SVM)的故障检测方法.该方法以振动信号小波包分解后各子频带的能量作为故障检测特征,利用SVM算法对轴承故障进行检测实验.结果表明:小波包能量谱能有效地反映轴承信号特征,并对故障进行检测.该方法同基于Lipschitz指数熵、单奇异点检测,以及小波包能量谱与神经网络相结合的故障检测方法进行比较,检测率均优于其他三种常用方法.     

基于小波包分解的整循环征兆提取与故障识别

为了检测内燃机气阀漏气的气密性故障,利用小波包分解改进算法,通过对柴油机完整工作循环内的缸盖振动信号进行小波包分解,从小波包分解系数中提取柴油机振动诊断的整循环征兆.由整循环特征向量图表明,正常状态时柴油机气缸盖振动信号中低频部分能量相对较大,高频部分能量相对较小;漏气状况时振动信号中的低频部分能量减小,而高频部分能量增加,由此实现了故障的识别.这说明基于小波包分解的整循环征兆提取与故障识别方法有效、可行.     

基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.     

液压挖掘机反铲切削过程振动信号去噪处理

针对小波包频带能量分解和Hilbert-Huang变化在信号的去噪研究中的优势,对比2种方法在液压挖掘机反铲切削过程中振动信号去噪的准确度.以液压挖掘机工作装置的振动信号为例,利用小波包频带能量分解算法与Hilbert-Huang变化算法分别对振动信号进行重构.其中,Hilbert-Huang变换首先是对振动信号通过经验模态分解(empirical mode decomposition,EMD)得到IMF分量;然后,对IMF分量进行Hilbert谱分析,得到IMF分量的能量特征,选择有用的IMF分量进行信号重构,从而消除噪音信号的干扰.研究结果表明:与小波包频带能量分解方法相比, Hilbert-Huang变换的液压挖掘机反铲切削过程振动的重构信号更加接近真实信号.     

基于小波分析和支持向量机的轴承故障诊断

滚动轴承的故障诊断对于旋转机械的正常可靠运行具有重要意义。采集滚动轴承正常、内圈故障、外圈故障及滚动体故障四种工况下的振动信号,对振动信号进行三层小波包分解,将第三层的小波包系数进行重构并计算每个子频带系数的对数能量熵,得到滚动轴承在不同工况下的特征向量。基于抽取到的特征向量建立支持向量机模型,实现对滚动轴承不同故障类型的识别。支持向量机参数采用网格搜索法进行寻优,惩罚参数为2048,核函数半径为0.03125,模型在测试集上的预测准确率为100%。本文研究表明,小波包对数能量熵特征提取结合支持向量机是一种较为有效的滚动轴承故障检测方法。     

小波包能谱熵与神经网络在断路器故障诊断中的应用

提出了一种以振动信号小波包能谱熵为特征量的断路器故障神经网络诊断方法。利用小波包分解原理将高压断路器振动信号分解到不同频段中,计算各频段的能谱熵值,以此构造小波包能谱熵向量作为神经网络的输入向量,并利用遗传算法对网络的连接权值进行了优化。引入置信度的概念,对改进神经网络输出的故障模式识别结果进行评价。通过试验分析结果表明了该方法的有效性,改进后的神经网络具有新故障模式的识别功能。     

基于小波包分析的结构实时损伤报警数值研究

研究了基于小波包分析的结构实时损伤报警技术．利用小波分析优良的时一频局部化特性对结构振动信号进行精细分析，从而能实时地实现结构损伤报警．以简支梁裂缝为例，将环境振动信号采用小波包分解后得到小波包能量谱，采用基于Monte-Carlo方法计算得到的能量谱极值指数和变异指数2个指标作为筒支梁裂缝损伤报警的判据．该技术不需要对整体结构进行计算分析，只需要环境振动信号．计算机数值模拟表明该技术能较为敏感地发现简支梁的微小损伤，从而证实了该技术的可行性．     

基于小波包能量谱的天气雷达伺服电机故障预警系统研究

设计了数据采集的硬件系统,对天气雷达伺服电机振动信号进行实时采集;对采集的数据采用小波包特征的提取方法,利用小波包能量谱的方法将故障信号进行量化、分解,从而达到对天气雷达伺服电机故障的预警目的。经现场安装实验验证,表明基于小波包能量谱分析的天气雷达伺服电机故障诊断方法是一种方便灵活并且准确度很高的故障诊断方法。     

短时能量分析法在断路器机械状态监测中的应用

针对断路器机械特性在线监测中触头关合时刻难以获取的缺点 ,研究了短时能量法在断路器机械振动信号分析中的应用 .通过定量分析指出 ,短时能量法的优点在于有效提高了信噪比 ,可以从现场复杂的噪声环境中提取出振动事件的起始时间 .试验中将该方法应用于ZN12 35型真空断路器的合闸振动信号分析 ,准确得到了空载情况下三相触头的闭合时刻 ,从而计算出不同机械状态下的合闸同期性与合闸时间等状态参数 .在关合单相短路电流的情况下测试了VS1 12型真空断路器的合闸振动信号 ,分析了不同短路电流对振动信号测量及合闸同期性的影响 ,进一步验证了短时能量分析法的有效性和准确性 .试验结果表明 ,在选择合适的窗函数的基础上 ,短时能量分析法的测量精度能达到 0 2ms .     

基于小波包神经网络分析的滚动轴承故障诊断

针对轴承故障识别率低、故障信号不平稳的问题,提出了改进小波包能量特征提取和神经网络的故障诊断方法.首先利用改进小波包算法将轴承内圈、外圈、滚动体三个部位的采集信号进行三层分解与重构;然后通过小波包能量谱提取不同节点能量,形成故障特征集;最后依次建立BP和Elman神经网络故障分类模型,将所得的小波包节点能量作为特征向量输入到故障模型,进行轴承不同故障状态的分类识别.实验结果表明,本文算法可准确分类并预测轴承运行状况,提高了诊断准确率.     

基于Lipschitz指数熵的轴承故障检测方法

针对利用小波奇异点进行故障检测无法克服噪声影响的不足,提出采用Lipschitz指数熵作为特征进行故障检测.该方法以信号在小波域上分解形成的Lipschitz指数谱向量的熵值作为故障的诊断特征,建立了基于Lipschitz指数熵的故障检测模型,并提出了基于粒子群优化的特征阈值选择方法.将该方法同基于小波能量谱、小波包能量谱熵特征和小波奇异点检测的方法进行比较,实验结果表明采用Lipschitz指数熵作为特征都能有效克服噪声影响,在检测时间及检测率上较另外3种方法有显著提高.     

振动环境中法兰连接结构状态的声发射辨识

在法兰连接结构振动试验的基础上,利用MATLAB对采集到的声发射信号进行处理,主要对重构后的信号进行分析。用特征频带与优势频带的概念,确定出小波包分解层数,得到声发射信号的频带分布特征。利用小波包能量百分比定量给出优势频带及其与扭矩之间的关系,发现能量随扭矩变化具有一定规律性,并提出用小波包能量谱变化率这一指标来表达其规律特征,从而实现对连接结构状态的辨识。     

串联型故障电弧的实验研究

为准确识别不稳定串联故障电弧、合闸操作电弧、负载正常工作电流信号,开展了串联型故障电弧模拟实验.首先对三种电流信号进行小波包分解及重构,求取重构信号的信息熵;然后对信息熵进行K均值聚类分析,从而区分出正常工作电流信号及电弧电流信号;最后求每种负载在发生串联型故障电弧及合闸操作电弧时相邻两周期电流信号导数最大值比值,并设定相邻两周期导数最大值比值阈值,实现对不稳定串联型故障电弧及合闸操作电弧的识别,防止断路器对故障电弧的误判,进而提高供电系统的可靠性.     

润扬大桥悬索桥小波包能量谱识别的环境变异性

对润扬大桥悬索桥结构的实测加速度响应进行了小波包分析,详细地考察了环境激励下悬索桥实测小波包能量谱的环境变异性.分析结果表明,实际环境条件(交通荷载、环境温度和台风荷载)与悬索桥实测小波包能量谱存在较为明显的相关性,主要表现为环境温度的变化对小波包能量谱的影响是长期性的趋势,而交通荷载的影响则由于荷载的非平稳性呈现瞬时的颤动变化.实测数据的分析结果进一步表明,环境温度和台风作用对于小波包能量谱的影响规律存在着较为明显的差异.相比模态频率而言,利用小波包能量谱可以更敏感地发现大跨悬索桥结构的振动特性变化.因此,基于小波包能量谱的结构损伤预警参数更适合于环境振动测试下的大跨悬索桥整体状态监测.     

基于精细复合多尺度散布熵的高压断路器机械故障诊断方法

针对高压断路器机械故障识别准确率不高的问题,提出了一种基于精细复合多尺度散布熵(RCMDE)的断路器故障诊断方法。利用实验室10 kV户内真空高压断路器进行合闸动作时正常、螺丝松动、传动机构卡涩、合闸弹簧储能不足4种状态的振动数据采集。对采集到的数据计算RCMDE值,并构成特征向量集,将特征向量集分作训练集及测试集。利用粒子群算法(PSO)优化后的极限学习机(ELM)训练训练集得到智能故障识别模型,将测试集输入模型进行测试,实现断路器机械故障诊断。结果表明,基于RCMDE-PSO-ELM的高压断路器机械故障诊断方法能有效识别不同状态的机械故障,并且在噪声干扰以及数据丢失下仍能对故障进行准确识别,具有很好的抗干扰能力,在背景干扰较强的高压断路器故障检测环境下具备一定的实用性。     

高压断路器机械状态的监测

介绍了一种高压断路器操作过程中外部振动信号的检测和处理系统。系统由计算机、机械振动信号加速度传感器和系统处理软件等组成,具有数据采集、信号处理等功能。通过信号处理技术,分析了振动信号时域和频域的响应特性,揭示了外部振动信号与内部机械部件运动和撞击的对应关系。以试品断路器的合闸缓冲器为例,运用振动信号的检测和处理,定量描述了合闸缓冲器的机械状态。监测系统从安装在断路器的表面上的传感器获取振动信号,不需要电气接线,这种检测方法适用于高压断路器的在线监测。     

基于小波能量谱的轨道表面凹陷检测

为了弥补现有轨道表面凹陷检测不及时、检测成本高等缺陷,提出一种基于小波能量谱的轨道表面凹陷检测方法。首先,在运营车辆上加装轴箱振动传感器,获取轴箱垂向和横向振动信号;其次对振动信号进行滤波处理,降低车轮扁疤等外界因素对检测精度的影响;然后对滤波后的信号进行小波尺度分析,并定位信号的故障特征频率范围;最后,依据故障特征频率范围计算信号的小波能量谱,根据其最大值是否超出阈值检测轨道表面凹陷情况。仿真结果验证了本方法在轨道表面凹陷检测中具有良好的应用效果。     

高压断路器合(分)闸线圈电流在线监测系统的研制

针对目前高压断路器在线监测系统的研究现状与不足,为及时发现运行中的高压断路器故障,提高运行可靠性,提出了一种基于DSP的高压断路器合(分)闸线圈电流在线监测系统的设计方案.该方案以TMS320C28346为系统控制核心,利用AD7606实时采集断路器合(分)闸线圈电流信号,采用包络均值法去除波形中的噪声和干扰,提取线圈电流波形中的关键时间点和电流最大值,计算合(分)闸时间,根据电流最大值与合(分)闸时间是否在正常范围内进行故障判断,并将电流最大值、合(分)闸时间、日期和运行状态显示在LCD上.实验结果证明,该方案可实现断路器合(分)闸线圈电流的实时监测,可及时发现故障,具有实时性能好、精度高等优点,合闸线圈电流最大值误差在1.29%,合闸时间误差在0.26%;分闸线圈电流最大值误差在1.61%,分闸时间误差在0.7%.