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。     

基于概率神经网络的高压断路器故障诊断模型

针对高压断路器在线监测与故障诊断问题,提出了一种基于概率神经网络的高压断路器故障诊断模型.该模型利用Parzen窗函数和Bayes分类规则建立了前向型自监督神经网络,在分析分（合）闸线圈信号的基础上提出了高压断路器故障模型.仿真结果表明,该模型对断路器的故障模式识别过程具有训练速度快、输出误差小和收敛性好等特点.     

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%.     

关于分合闸线圈保护

第一部分 1.高压断路器分合闸线圈烧毁原因分析：我们知道断路器分合闸线圈是按照短时通电原理设计的,在分合闸完成后自动接触（脉冲）命令。造成分合闸线圈烧毁主要是线圈中的电流不能正常切断,长时通电引起线圈慢慢发热导致最终线圈烧毁。分合闸线圈长时通电原因可以总结为以下几种：（1）分合闸电磁铁机械故障：分合闸线圈松动造成分闸时线圈内铁芯发生位移,使得铁芯卡涩,造成线圈烧毁。或是铁芯活动冲程小,断路器分（合）闸时铁芯顶（拉）不动脱扣机构使得线圈长时通电造成线圈烧毁。     

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。     

电气设备中高压断路器的机械故障监测研究

高压断路器是一种重要的电气设备，保证断路器的正常运行十分重要。高压断路器是依靠其机械部件的正确动作来完成其职能的，因而每个组成部件的机械可靠性极为重要。本文重点对高压断路器的机械故障状态监测进行了研究。     

基于小波包理论的高压断路器机械状态检测

为有效地检测高压断路器的机械状态,文章基于小波包理论,对高压断路器分合闸过程中的振动信号进行了详细分析。首先选取合理小波基,将测试得到的高压断路器分合闸过程中的振动信号进行3层小波包分解,提取第3层各节点重构信号的能量谱;然后根据能量谱定义并计算不同工况下的能量变化指数并进行比较,从而实现对高压断路器的状态检测。对实验室断路器样机正常和2种典型故障下的振动信号进行分析,结果显示故障情况下的能量分布情况相比于正常情况发生了较为明显的变化,同时每种故障下能量变化指数的变化区间均不相同,从而证明了该方法检测高压断路器机械故障的正确性和有效性,为现场应用提供了理论依据。     

高压断路器状态在线监测系统研究

高压断路器关系到电力系统的安全运行，对断路器状态进行在线监测有助于提高系统的可靠性．首先给出断路器故障诊断所需监测的项目，根据这些监测项目，提出了一种基于DSP和CPLD的断路器在线监测系统，然后具体分析了断路器各状态参数的检测方法及采用的传感器、DSP、A／D转换器、CPLD、通信接口等系统各环节的工作原理及作用．利用系统中DSP强大的信号处理功能。完成复杂的故障诊断运算，为断路器状态监测提供较好的硬件平台.     

基于改进的贝叶斯分类算法的断路器故障诊断

通过监测断路器分合闸线圈电流识别断路器状态是断路器故障诊断重要方法.但是,由于断路器动作频率不高,分合闸线圈电流的数据样本较小.为了在数据样本较小的前提下对断路器进行快速准确的故障诊断,提出了一种基于改进的贝叶斯分类算法的断路器故障诊断方法.针对原始的贝叶斯算法只适用于处理离散型变量的分类问题、应用范畴较为局限的特点,利用入侵杂草优化算法合理选取标准状态,并以此为基础引入基于标准状态概率分配的连续变量离散化方法对特征量进行离散化,对原始的贝叶斯算法进行了改进.研究表明,改进的贝叶斯分类算法将贝叶斯的应用范畴扩展至连续变量的分类问题,提高了故障诊断的准确率.通过仿真分析验证改进的贝叶斯分类算法在不同训练样本数量的情况下故障诊断的准确性,并与原始的贝叶斯算法和支持向量机进行比较.仿真结果表明在训练样本数量为10的情况下,原始贝叶斯算法、支持向量机和改进贝叶斯算法的故障诊断准确率分别为45.05%、83.15%、92.25%,改进的贝叶斯算法故障诊断准确率明显高于支持向量机,说明改进的贝叶斯算法诊断效果更好;改进的贝叶斯算法故障诊断准确率明显高于原始贝叶斯算法,说明入侵杂草优化算法的优化及基于标准状态概率分配的连续变量离散化方法在提高小样本状态下故障诊断准确率方面有良好的效果;改进的贝叶斯算法故障诊断准确率最高,这表明本文所提改进贝叶斯算法能够在样本数据较小的前提下快速准确地对断路器进行故障诊断.     

非平稳信号分析在断路器故障诊断中的应用

介绍两种非平稳信号的分析建模的算法，即Ｗｉｇｎｅｒ 方法和时域衰减振荡模型方法，并将它们应用在高压断路器的操作振动分析上，从而建立模型、萃取特征参数、辨识结构状态，为断路器操作系统的故障诊断提供有用手段。Ｗｉｇｎｅｒ 算法能获得形象的信号时域及频域特征，而模型参数方法则更适合于定量的判断识别。     

高压真空断路器智能在线监测系统研制及故障诊断

为了提高断路器运行的可靠性,设计了一种基于数字信号处理器(DSP)和LabV IEW的高压真空断路器智能在线监测系统的开发新方案.该系统主要由上位机、下位机和传感器环节等三大部分组成,其中传感器和下位机构成现场监测模块,并安装于断路器本体上.下位机硬件平台以TM S320F2812DSP为核心完成对断路器机械参数、分合闸电流信号和振动信号的采集、处理与显示,同时通过CAN总线将数据送至上位机.上位机管理软件采用LabV IEW软件开发,主要完成对测量数据的存储、显示和分析处理等.测试结果表明,研制开发的高压真空断路器智能在线监测系统能够实时地反映真空断路器机械运行状态,具有人机交互友好、功能齐全和可靠性较高等特点,并且实现了在线监测系统预期的功能.     

高压断路器机械振动信号特征与故障诊断方式

就目前的情况来看，我国发电装机容量和发电量在世界占据领先水平，且在近些年来呈现不断上升态势，在电力系统容量持续增长的背景下，促进了高电压开关设备数量持续增加。高压断路器作为其中最重要的开关设备之一，具有保护电压、隔离故障等的重要作用，且对于保证电力系统的安全稳定运行发挥着至关重要的作用。本文主要对W32-12型高压断路器机械振动信号特征与故障诊断方式进行研究，提出基于小波包-关联维数、EEMD-特征熵的高压断路器特征提取理论方法并进行仿真分析。     

高压断路器机械特性在线检测探讨

针对高压断路器机械故障相对频繁的特点,建议对高压断路器机械特性实行在线检测。以某公司500kV高压断路器机械隐患导致线路故障时无法开断而扩大了事故范围为例证,得出当前离线试验还不能真正判定断路器是否合格的结论,分析了实施在线检测的必要性,介绍了一种目前可以在线移动检测高压断路器机械特性的方法。     

机电设备系统的故障诊断方法探讨

本文在阐述机械故障类别的基础上,对机械故障诊断实施方法进行了探讨,并提出了机械滚动轴承的振动信号分析诊断方法,最后通过一具体例子进行了基于振动信号的故障诊断方法的应用探讨.     

基于局域波时频分析的机械故障诊断

提出一种新的自适应时频分析方法——局域波法．结合仿真信号与故障检测信号进行分析研究,提出一种新的机械故障诊断方法并将其成功地应用到齿轮箱故障诊断中．振动信号能量在局域波时频分布中的变化,是局域波法诊断齿轮磨损故障的特征．诊断结果表明,局域波时频分析为齿轮磨损故障诊断提供了一种更为有效的手段,在故障诊断工程中具有广泛的应用前景．     

利用改进EEMD的高压断路器声波故障诊断方法

高压断路器是电力系统中重要的一次设备,其安全直接关系到电力系统的稳定运行。近年来,高压断路器的健康状况已成为业界关注的焦点,及时、准确地诊断出断路器故障、快速地查出故障原因,从而有依据的进行检修,具有非常重要的意义。利用分数阶微分对原始声波信号进行滤波,继而应用盲源分离方法分离信号,然后利用EEMD方法进行特征向量的提取,最后将提取出的特征向量作为基本参数应用支持向量机进行故障诊断。试验结果表明,该文方法能够有效的诊断高压断路器的状态。     

基于小波-支持向量机的齿轮故障诊断研究

针对齿轮工作状态的识别与智能故障诊断问题,提出了应用小波与支持向量机相结合进行齿轮智能故障诊断的方法.将齿轮不同工作状态下的振动信号经小波包分解后的频带能量作为特征向量,并以此作为训练样本对多个支持向量机构成的齿轮多故障分类器进行训练,进而实现对齿轮的智能诊断.通过对提升机齿轮的故障诊断研究表明,小波包与支持向量机相融合的故障诊断与识别技术发挥了两者的优点,是提取机械故障特征进行设备状态自动识别的有效方法.     

基于自适应神经网络的智能故障诊断研究

探讨了动量系数和学习率自适应调整的神经网络算法,给出了动量系数和学习率的调整方法,并将此作为机械故障的特征识别方法,以频谱分析作为机械故障特征信号的提取手段,由此建立了基于自适应神经网络的旋转机械故障智能诊断系统,给出了诊断系统的训练学习方式和工作方式,通过实际测试数据的诊断结果,说明此诊断系统对故障诊断是有效的．     

一种改进后测量行程的断路器脱扣装置电路

通过在断路器电磁脱扣机构中增加IGBT晶体管模块来改进控制与信号反馈电路,确保断路器分合闸操作时开关行程在既定时间内熄灭电弧和信号快速响应。针对电机储能和二极管为保护模块,出现过电流反向击穿线圈和过电压烧毁电机储能为安全前提,利用控制与信号回路中电容吸收与释放能量的特性,实验表明脱扣装置对于快速分合闸动作的断路器,电磁线圈和电机都会被IGBT晶体管模块控制与保护,断路器控制与信号反馈电路中具备电流防护和抑制信号滤波的功能。     

小波变换在机械故障信号检测中的应用

小波变换由于具有良好的时频局部特性，能够反映信号在局部范围内的特征，是机械故障诊断中信号突变点检测的有力工具。文中阐述了小波变换用于机械振动信号的突变点检测以发现机械故障的方法，根据对振动信号小波变换的系数模极值点来定位突变点，检测机械故障。实例仿真表明，该方法可以发现故障机械振动信号带有的奇异性，实现机械的故障诊断。