CN103823180B - 一种配电开关机械故障诊断方法 - Google Patents

一种配电开关机械故障诊断方法 Download PDF

Info

Publication number
CN103823180B
CN103823180B CN201410069266.1A CN201410069266A CN103823180B CN 103823180 B CN103823180 B CN 103823180B CN 201410069266 A CN201410069266 A CN 201410069266A CN 103823180 B CN103823180 B CN 103823180B
Authority
CN
China
Prior art keywords
frequency
signal
dimensional
vibration signal
component
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410069266.1A
Other languages
English (en)
Other versions
CN103823180A (zh
Inventor
郭谋发
陈立纯
李文勇
陈永往
郑万伟
曾进顺
陈小鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Fuzhou University
State Grid Fujian Electric Power Co Ltd
Jinjiang Power Supply Co of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Fuzhou University
State Grid Fujian Electric Power Co Ltd
Jinjiang Power Supply Co of State Grid Fujian Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Fuzhou University, State Grid Fujian Electric Power Co Ltd, Jinjiang Power Supply Co of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201410069266.1A priority Critical patent/CN103823180B/zh
Publication of CN103823180A publication Critical patent/CN103823180A/zh
Application granted granted Critical
Publication of CN103823180B publication Critical patent/CN103823180B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于振动信号二维特征向量聚类的配电开关机械故障诊断新方法，其内容包括如下步骤：采用加速度传感器安装在开关操动机构附近，获取配电开关在不同状态下分合闸操作时的振动信号；对获取的振动信号进行HHT带通滤波提取振动信号能量、重心频率二维信息特征向量，经归一化处理后的二维特征向量代表配电开关机械状态的有效特征量，通过模糊K均值聚类（FKM），可实现配电开关不同机械故障诊断。

Description

一种配电开关机械故障诊断方法
技术领域
本发明涉及配电网开关机械故障诊断技术领域，具体涉及一种基于振动信号二维特征向量聚类的配电开关机械故障诊断方法。
背景技术
配电开关在整个配电网中有着举足轻重的地位，其分合闸操作是否正常与电网的稳定和供电可靠性息息相关。配电开关故障包括机械故障和电气故障，而许多电气故障如开关触头接触不良等，大多是由操作机构失灵、切换不到位等机械故障引起的，统计表明，约80%的开关故障是由于机械特性不良造成的，且绝大多数是操动机构的问题。监测配电开关的机械状态，从而实现对配电开关常见的机械故障如机械结构卡涩、弹簧或螺丝松动、不同期合闸等进行诊断，对电力系统安全、可靠运行具有重要意义。
配电开关在分、合闸操作过程时，由于操作机构、连接机构、动触头等运动和撞击，将产生一系列非线性、非平稳特性的振动信号，开关机械状态的改变将导致振动信号的变化，用振动信号可分析开关的动作特性，进行故障诊断具有良好的应用前景。因而可用振动信号的有效特征量识别配电开关机械状态。
配电开关振动信号属于瞬时非线性、非平稳信号，不具有周期性，如何提取振动信号的有效特征量对配电开关机械故障诊断至关重要。目前振动信号特征量提取绝大多数是基于振动信号的幅值，如频谱熵、时频能量熵等，这些特征量实质上均为一维信息，仅反映振动信号能量集中程度，无法反映其能量集中的位置，具有一定的局限性。
发明内容
本发明克服了现有技术的不足，在振动信号能量的基础上，结合重心频率故障诊断法，提出配电开关振动信号二维特征向量故障识别法，对配电开关机械故障进行诊断。
为实现上述目的，本发明提供了一种配电开关机械故障诊断新方法，其特征在于：其内容包括如下步骤：
S01:采用压电式加速度传感器获取配电开关在不同状态下的分合闸振动信号；
S02:对获取的振动信号经过有效波形截取后，做EMD分解，得到若干个IMF分量和残余分量；
S03:对该些IMF分量和残余分量做Hilbert变换，获得三维Hilbert时频谱；
S04:对该三维Hilbert时频谱的瞬时频率按一定的频带宽度进行等间隔区间划分成M个频率区间，对每个频率区间都将该频率区间外的IMF分量瞬时幅值置为零而保留该频率区间内所有的IMF分量瞬时幅值，对保留的各点进行波形重构，则可得到信号在每个频段上的重构分量，称为一次HHT带通滤波；
S05:对每个信号的一次HHT带通滤波得到的M个重构分量进行二次HHT带通滤波得到m个二次重构波形，通过这m个二次重构波形可求取一个能量值和重心频率二维特征量，则每个振动信号可得到M个能量值和M个重心频率，分别作归一化处理后形成能量矩阵El和重心频率矩阵Fg，按照信号1能量、信号1重心频率、信号2能量、信号2重心频率…依此顺序排列，重新组合成一个新矩阵EG作为配电开关机械状态二维特征向量矩阵；
S06:将新矩阵EG作为模糊K均值聚类（FKM）的输入，可识别配电开关不同机械状态。
进一步的，步骤S04重构每个振动信号作一次HHT带通滤波得M个重构波形的具体做法为：对各振动信号经EMD后得到的各阶IMF分量进行Hilbert变换，得到三维Hilbert灰度时频谱图，各IMF分量的每一个瞬时幅值都对应着Hilbert谱图中一个灰度点，即如果某个信号的采样点数为N，经过EMD后得到P个IMF分量，进行Hilbert变换得到一个三维的Hilbert时频谱图，其所含数据点数为P×N个；按要求的频带宽度及频带数量划分三维Hilbert时频谱的频率轴，可得到多个一定频带宽度的分块三维Hilbert时频谱，定义第l块三维Hilbert时频谱的瞬时幅值的集合为Hl；将集合Hl外所有分块三维Hilbert时频谱的瞬时幅值置为零，则整个三维Hilbert时频谱表示为一个新的集合H′l，若集合H′l中与某个IMF分量相对应的点的瞬时幅值为零，则把该IMF分量中对应点的值置为零，若集合H′l中与某个IMF分量相对应的点的瞬时幅值不为零，则该IMF分量中对应的点的瞬时值不变；将处理后的各IMF分量进行重构，可得到原始信号在某个频带内的分量，同理可得到原始信号在其他l-1个频带内的分量；每个振动信号可得M个一次HHT带通滤波重构波形。
进一步的，步骤S05对每个信号的一次HHT带通滤波得到的M个重构分量进行二次HHT带通滤波得到m个二次重构波形，其具体方法为：对各振动信号M个一次HHT带通滤波重构波形分别做EMD后得到的各阶IMF分量进行Hilbert变换，得到三维Hilbert灰度时频谱图，各IMF分量的每一个瞬时幅值都对应着Hilbert谱图中一个灰度点，即如果某个信号的采样点数为N，经过EMD后得到P个IMF分量，进行Hilbert变换得到一个三维的Hilbert时频谱图，其所含数据点数为P×N个；按要求的频带宽度及频带数量划分三维Hilbert时频谱的频率轴，可得到多个一定频带宽度的分块三维Hilbert时频谱，定义第l块三维Hilbert时频谱的瞬时幅值的集合为Hl；将集合Hl外所有分块三维Hilbert时频谱的瞬时幅值置为零，则整个三维Hilbert时频谱表示为一个新的集合H′l，若集合H′l中与某个IMF分量相对应的点的瞬时幅值为零，则把该IMF分量中对应点的值置为零，若集合H′l中与某个IMF分量相对应的点的瞬时幅值不为零，则该IMF分量中对应的点的瞬时值不变；将处理后的各IMF分量进行重构，可得到原始信号在某个频带内的分量，同理可得到原始信号在其他l-1个频带内的分量；每个一次HHT带通滤波重构波形可得m个二次HHT带通滤波重构波形。
进一步的，步骤S05对m个二次重构波形可求取一个能量值和重心频率二维特征向量，其具体方法为：能量值可通过式（1）求取，重心频率可通过式（2）求取。
e i = Σ n = 1 N x i 2 ( n ) e kl ′ = Σ i = 1 m e i - - - ( 1 )
f kl = Σ i = 1 m ( e i · i ) e kl ′ × Δf - - - ( 2 )
式（1）中i为二次HHT带通滤波划分的频带编号，i=1,2,Lm；n为二次HHT带通滤波重构波形的采样点，xi(n)为二次HHT带通滤波重构信号第i个频带中第n个采样点的幅值，n=1,2,LN；ei为二次HHT带通滤波重构信号中第i个频带上的能量值；e′kl为第k个信号经一次HHT带通滤波后第l个重构波形的能量值，l=1,2,L,M；fkl为第k个信号经一次HHT带通滤波后第l个重构波形的重心频率，l=1,2,L,M；Δf为二次HHT带通滤波的频带间隔。
则每个振动信号可得到M个能量值和M个重心频率，二维特征向量的构成形式如式（3）、式（4）所示。
E l = e 11 ' e 12 ' L e 1 M ' e 21 ' e 22 ' L e 2 M ' M M O M e k 1 ' e k 2 ' L e kM ' - - - ( 3 )
F g = f 11 f 12 L f 1 M f 21 f 22 L f 2 M M M O M f k 1 k k 2 L f kM - - - ( 4 )
式中，k为振动信号个数，M为一次HHT带通滤波重构的波形个数。
5、根据权利要求1所述，其特征在于：所述步骤S05对每个振动信号得到的M个能量值和M个重心频率，分别作归一化处理后形成能量矩阵El和重心频率矩阵Fg，其具体方法为：对能量值归一化通过式（5）进行，对重心频率归一化通过式（6）进行：
e ^ ij = e nj ' - min ( E l ) max ( E l ) - min ( E l ) - - - ( 5 )
f ^ nj = f nj / f - - - ( 6 )
式中，fnj为Fg中的元素，f为振动信号的频率上限；e′nj为El中的元素，min(El)为El的最小值元素，max(El)为El的最大值元素。
6、根据权利要求1所述，其特征在于：所述步骤S05归一化处理后形成能量矩阵El和重心频率矩阵Fg，按照信号1能量、信号1重心频率、信号2能量、信号2重心频率…依此顺序排列，重新组合成一个新矩阵EG作为配电开关机械状态二维特征向量矩阵，则新矩阵EG的的形式如式（7）所示：
EG = e ^ 11 f ^ 11 e ^ 12 f ^ 12 L e ^ 1 M f ^ 1 M e ^ 21 f ^ 21 e ^ 22 f ^ 22 L e ^ 2 M f ^ 2 M M M M M O M M e ^ k 1 f ^ k 1 e ^ k 2 f ^ k 2 L e ^ kM f ^ kM - - - ( 7 )
7、根据权利要求1所述，其特征在于：所述步骤S06中模糊K均值聚类（FKM）具体步骤为：
（1）预先设定分类数c、加权指数m、迭代中止因子ε，令迭代次数计数器
a=0，人为设定初始化隶属度矩阵 U ( 1 ) = u 11 u 12 . . . u 1 n u 21 u 22 . . . u 2 n M M M M M M u c 1 u c 2 . . . u cn ;
（2）计算聚类中心vi， v i = Σ j = 1 n ( ( u ij ) 2 x j / Σ j = 1 n ( u ij ) 2 ) ;
（3）由vi更新隶属度矩阵U(a+1)，
（4）判断是否达到中止条件，若||U(a+1)-U(a)≤ε，则停止迭代，聚类过程结束，否则置a=a+1，转到步骤（2）；
（5）得到EG的一个最优聚类中心V={vi}和隶属度矩阵U={uij}。
由上述对本发明的描述可知，本发明在振动信号能量的基础上，结合重心频率故障诊断法，提出配电开关振动信号二维特征向量故障识别法，为配电开关故障诊断提供更丰富的信息源，其有益效果如下：
（1）充分利用具有自适应性分解的HHT在处理非线性、非平稳信号上的独特优势，使信号时频局部动态行为和特征充分体现出来；
（2）振动信号能量、重心频率二维信息特征向量，不仅反映了振动信号能量集中程度，而且反映了能量集中的位置，较为全面地刻画了振动信号的特征；
（3）每个信号采用M个二维特征量表示，相比于只用1个特征量表示，能够更全面，更细致地描述振动信号的局部特征及全局特征；
（4）采用可人为设置初始隶属度矩阵的模糊K均值聚类（FKM）算法，对振动信号二维特征向量进行配电开关机械状态划分，提高了聚类可靠性，从而实现智能化识别不同的机械状态。
附图说明
图1本发明的流程图。
图2本发明的2种机械故障状态下振动信号二维特征向量分布图。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
参照图1至图2所示，下面将结合附图及具体实施方式对本发明作进一步的详细说明。
配电开关振动信号检测系统由加速度传感器、振动信号检测装置及振动信号检测分析软件组成，将压电式加速度传感器安装在配电开关操动机构附近，信号采样频率为80kHz，获取4种不同状态下的开关振动信号：正常状态、机械结构卡涩、底座螺丝松动、三相不同期合闸各3个振动信号作为已知状态信号，另外再任取3个振动信号作为待检验数据，共15个振动信号。对各振动信号做EMD分解，自适应得到一系列IMF分量和残余分量。
对各信号所有的IMF分量进行Hilbert变换，求出各信号的瞬时幅值和瞬时频谱构成的三维Hilbert时频谱，可知振动信号的频谱主要集中在0-20kHz。通过对三维Hilbert时频谱的瞬时频率按需要取2kHz频带宽度进行等间隔区间划分成10个频率区间，对每个频率区间都将该频率区间外的IMF分量瞬时幅值置为零而保留该频率区间内所有的IMF分量瞬时幅值，对保留的各点进行波形重构，则可得到信号在每个频段上的重构分量，称为一次HHT带通滤波重构，通过一次HHT带通滤波可得到10个子频带的重构波形。对每个带宽为2kHz的一次重构波形进行二次HHT带通滤波，取二次带通滤波的频带宽度为400Hz，则每个子频带重构波形可划分为5个二次带通滤波重构波形，由这5个二次带通滤波重构波形可提取一个能量值和重心频率作为一次重构波形的一个二维特征向量，则一个振动信号可提取10个二维特征向量，算法流程如图1所示。对机械机构卡涩和三相不同期合闸各取3组数据，其二维特征量分布如图2所示。由图2可知，配电开关机械结构卡涩和三相不同期合闸这两种机械故障状态的二维特征向量分布差别明显，可见二维特征向量能有效反映配电开关机械故障特征。由于高频部分振动信号能量接近于零，因此图2中两种机械状态在重心频率较大处有重合现象。
对配电开关在正常状态、机械结构卡涩、底座螺丝松动、三相不同期合闸等情况下的合闸振动信号各取3组作为已知状态样本数据，再任意取3组数据作为待验状态数据。对这15组样本进行编号，编号1-3为正常状态，编号4-6为三相不同期合闸状态，编号7-9为机械结构卡涩状态，编号10-12为底座螺丝松动状态，编号13-15为待验状态1、2、3。分别求取这15组数据的能量值El和重心频率Fg，归一化处理后分别如式（8）、式（9）所示：
E I = 0.9834 0.2158 0.278 0.0048 0.0004 0.0002 0.0001 0.0002 0.0001 0.0002 1.0000 0.1561 0.0199 0.0022 0.0005 0.0002 0.0002 0.0001 0.0001 0.0001 0.9580 0.1102 0.0079 0.0019 0.0001 0.0002 0.0002 0.0001 0.0001 0.0001 0.0285 0.0142 0.0082 0.0024 0.0008 0.0007 0.0001 0.0000 0.0000 0.0001 0.0343 0.0134 0.0077 0.0033 0.0020 0.0011 0.0000 0.0000 0.0000 0.0000 0.0367 0.0130 0.0076 0.0025 0.0014 0.0006 0.0000 0.0000 0.0000 0.0000 0.3689 0.0830 0.0105 0.0022 0.0001 0.0000 0.0001 0.0000 0.0000 0.0001 0.4187 0.1235 0.0050 0.0018 0.0002 0.0001 0.0000 0.0000 0.0001 0.0000 0.3787 0.1055 0.0291 0.0040 0.0008 0.0004 0.0000 0.0001 0.0000 0.0001 0.5290 0.0344 0.0037 0.0009 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.5410 0.0345 0.0027 0.0005 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.5849 0.0482 0.0078 0.0015 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.6641 0.0456 0.0049 0.0009 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.3787 0.1055 0.0291 0.0004 0.0008 0.0004 0.0001 0.0001 0.0000 0.0001 0.0318 0.139 0.0085 0.028 0.0013 0.0011 0.00001 0.0000 0.0000 0 . 0000 - - - ( 8 )
F g = 0.0333 0.0438 0.0661 0.0386 0.0628 0.0563 0.0668 0.0634 0.0611 0.0602 0.0313 0.0428 0.0649 0.0394 0.0523 0.0667 0.0493 0.0639 0.0571 0.0759 0.0284 0.0476 0.0583 0.0352 0.0639 0.0584 0.0586 0.0560 0.0521 0.0640 0.0577 0.0541 0.0544 0.0684 0.0559 0.0514 0.0289 0.0463 0.0364 0.0999 0.0628 0.0544 0.0528 0.0551 0.0477 0.0447 0.0550 0.0437 0.0634 0.0874 0.0563 0.0505 0.0561 0.0512 0.0581 0.0533 0.0380 0.0556 0.0592 0.0834 0.0318 0.0349 0.0709 0.0322 0.0457 0.0703 0.0507 0.0363 0.0592 0.0970 0.0371 0.0391 0.0551 0.0359 0.0465 0.0468 0.0600 0.0762 0.0339 0.0903 0.0374 0.0370 0.0805 0.0305 0.0347 0.0456 0.0735 0.0531 0.0602 0.0873 0.0299 0.0362 0.0665 0.0374 0.0397 0.0524 0.0563 0.0537 0.0542 0.0926 0.0337 0.0399 0.0613 0.0318 0.0588 0.0401 0.0567 0.0708 0.0561 0.0931 0.0324 0.0331 0.0695 0.0329 0.0395 0.0703 0.0659 0.0623 0.0812 0.0865 0.0305 0.0388 0.0650 0.0360 0.0411 0.0581 0.0637 0.0755 0.0692 0.0773 0.0374 0.0370 0.0805 0.0305 0.0347 0.0456 0 . 0735 0.0531 0.0602 0.0873 0.0530 0.0517 0.0545 0.0469 0.0513 0.0422 0.0383 0.0325 0.0502 0.0689 - - - ( 9 )
将能量值El和重心频率Fg按信号1能量、信号1重心频率、信号2能量、信号2重心频率…依此顺序排列，重新组合成一个新矩阵EG
将EG作为FKM的输入，已知配电开关状态是4种，设定加权指数p=2，迭代中止因子ε=10-5，最大迭代次数kmax=100。迭代收敛后，得到隶属度矩阵为：
U = ‾ 0.9711 ‾ 0.9938 ‾ 0.0660 0.009 0.005 0.0003 0.0044 0.0083 0.0011 0.0109 0.0087 0.0039 0.0580 0.0011 0.0006 0.0035 0.0007 0.0036 ‾ 0.9907 ‾ 0.9949 ‾ 0.9968 0.0139 0.0162 0.0031 0.0097 0.0070 0.0021 0.0164 0.0031 ‾ 0.9937 0.0088 0.0018 0.0096 0.0058 0.0032 0.0020 ‾ 0.9455 ‾ 0.8955 ‾ 0.9867 0.0939 0.0612 0.0150 0.0810 ‾ 0.9867 0.0039 0.0166 0.0036 0.0208 0.0026 0.0014 0.0009 0.0361 0.0799 0.0091 ‾ 0.8856 ‾ 0.9231 ‾ 0.9790 ‾ 0.08446 0.0091 0.0018
U的行表示配电开关状态，4行表示已知的4种状态；列表示振动信号编号，1-15列依次表示正常状态下振动信号1-3，三相不同期合闸状态下的振动信号4-6，机械结构卡涩状态下的振动信号7-9，底座螺丝松动状态下的振动信号10-12，待检验状态下的振动信号13-15。
U的每一列最大值所在的行即为该振动信号对应的状态。从U中标下划线的元素位置可知，采集到配电开关的4种不同状态都能正确识别出来，与实际情况一致。而待检验状态振动信号第13列，被归为第4类，判定为底座螺丝松动状态，待检验状态振动信号第14列，被归为第3类，判定为机械结构卡涩状态，均与实际状态相符，待检验状态振动信号第15列，被归为第2类，判定为三相不同期合闸状态，均与实际状态相符。
通过以上实例的详细描述，可见本发明将HHT带通滤波、二维特征向量及FKM聚类结合的配电开关机械状态诊断方法能够准确判别配电开关不同机械状态，具有一定的工程应用价值。
上述仅为本发明的一个具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (4)

1.基于振动信号二维特征向量聚类的配电开关机械故障诊断新方法，其特征在于：其内容包括如下步骤：
S01:采用压电式加速度传感器获取配电开关在不同状态下的分合闸振动信号；
S02:对获取的振动信号经过有效波形截取后，做EMD分解，得到若干个IMF分量和残余分量；
S03:对该些IMF分量和残余分量做Hilbert变换，获得三维Hilbert时频谱；
S04:对该三维Hilbert时频谱的瞬时频率按一定的频带宽度进行等间隔区间划分成M个频率区间，对每个频率区间都将该频率区间外的IMF分量瞬时幅值置为零而保留该频率区间内所有的IMF分量瞬时幅值，对保留的各点进行波形重构，则可得到信号在每个频段上的重构分量，称为一次HHT带通滤波；
S05:对每个信号的一次HHT带通滤波得到的M个重构分量进行二次HHT带通滤波得到M个二次重构波形，通过这M个二次重构波形可求取一个能量值和重心频率二维特征量，则每个振动信号可得到M个能量值和M个重心频率，分别作归一化处理后形成能量矩阵El和重心频率矩阵Fg，按照信号1能量、信号1重心频率、信号2能量、信号2重心频率…依此顺序排列，重新组合成一个新矩阵EG作为配电开关机械状态二维特征量矩阵；
S06:将新矩阵EG作为模糊K均值聚类(FKM)的输入，可识别配电开关不同机械状态。
2.根据权利要求1所述的基于振动信号二维特征向量聚类的配电开关机械故障诊断新方法，其特征在于：所述步骤S04重构每个振动信号作一次HHT带通滤波得M个重构波形的具体做法为：
对各振动信号经EMD后得到的各阶IMF分量进行Hilbert变换，得到三维Hilbert灰度时频谱图，各IMF分量的每一个瞬时幅值都对应着Hilbert谱图中一个灰度点；
按要求的频带宽度及频带数量划分三维Hilbert时频谱的频率轴，可得到多个一定频带宽度的分块三维Hilbert时频谱，定义第l块三维Hilbert时频谱的瞬时幅值的集合为Hl；
将集合Hl外所有分块三维Hilbert时频谱的瞬时幅值置为零，则整个三维Hilbert时频谱表示为一个新的集合H′l，若集合H′l中与某个IMF分量相对应的点的瞬时幅值为零，则把该IMF分量中对应点的值置为零，若集合H′l中与某个IMF分量相对应的点的瞬时幅值不为零，则该IMF分量中对应的点的瞬时值不变；
将处理后的各IMF分量进行重构，可得到信号在某个频带内的分量，同理可得到信号在其他l-1个频带内的分量；
每个振动信号可得M个一次HHT带通滤波重构波形。
3.根据权利要求1所述的基于振动信号二维特征向量聚类的配电开关机械故障诊断新方法，其特征在于：所述步骤S05对每个信号的一次HHT带通滤波得到的M个重构分量进行二次HHT带通滤波得到M个二次重构波形，其具体方法为：
对各振动信号M个一次HHT带通滤波重构波形分别做EMD后得到的各阶IMF分量进行Hilbert变换，得到三维Hilbert灰度时频谱图，各IMF分量的每一个瞬时幅值都对应着Hilbert谱图中一个灰度点；
按要求的频带宽度及频带数量划分三维Hilbert时频谱的频率轴，可得到多个一定频带宽度的分块三维Hilbert时频谱，定义第l块三维Hilbert时频谱的瞬时幅值的集合为Hl；
将集合Hl外所有分块三维Hilbert时频谱的瞬时幅值置为零，则整个三维Hilbert时频谱表示为一个新的集合H′l，若集合H′l中与某个IMF分量相对应的点的瞬时幅值为零，则把该IMF分量中对应点的值置为零，若集合H′l中与某个IMF分量相对应的点的瞬时幅值不为零，则该IMF分量中对应的点的瞬时值不变；
将处理后的各IMF分量进行重构，可得到信号在某个频带内的分量，同理可得到信号在其他l-1个频带内的分量；
每个一次HHT带通滤波重构波形可得M个二次HHT带通滤波重构波形。
4.根据权利要求1所述的基于振动信号二维特征向量聚类的配电开关机械故障诊断新方法，其特征在于：所述步骤S05对每个振动信号得到的M个能量值和M个重心频率，分别作归一化处理后形成能量矩阵El和重心频率矩阵Fg，其具体方法为：对能量值归一化通过式(5)进行，对重心频率归一化通过式(6)进行：
e ^ n j = e n j ′ - m i n ( E l ) max ( E l ) - min ( E l ) - - - ( 5 )
f ^ n j = f n j / f - - - ( 6 )
式中，fnj为Fg中的元素，f为振动信号的频率上限；e′nj为El中的元素，min(El)为El的最小值元素，max(El)为El的最大值元素。
CN201410069266.1A 2014-02-27 2014-02-27 一种配电开关机械故障诊断方法 Active CN103823180B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410069266.1A CN103823180B (zh) 2014-02-27 2014-02-27 一种配电开关机械故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410069266.1A CN103823180B (zh) 2014-02-27 2014-02-27 一种配电开关机械故障诊断方法

Publications (2)

Publication Number Publication Date
CN103823180A CN103823180A (zh) 2014-05-28
CN103823180B true CN103823180B (zh) 2017-02-01

Family

ID=50758335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410069266.1A Active CN103823180B (zh) 2014-02-27 2014-02-27 一种配电开关机械故障诊断方法

Country Status (1)

Country Link
CN (1) CN103823180B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104182889B (zh) * 2014-08-18 2017-11-21 国家电网公司 一种历史风电出力数据处理与波动辨识方法
CN104331625B (zh) * 2014-11-13 2017-10-24 云南电网公司电力科学研究院 一种电力用高压开关操作机构运行状态检测和3d重构分析方法
CN105043767B (zh) * 2015-06-29 2018-03-06 昆明理工大学 一种滚动球轴承外圈剥落故障双冲击特征提取方法及系统
CN105606353B (zh) * 2016-02-01 2018-03-16 杭州杰牌传动科技有限公司 一种机械故障诊断方法及系统
CN105974264B (zh) * 2016-04-28 2019-10-11 长沙理工大学 一种基于相电流暂态特征的故障选线方法
CN109100641A (zh) * 2017-06-20 2018-12-28 平高集团有限公司 一种高压隔离开关故障检测方法和装置
CN107607302B (zh) * 2017-08-31 2018-07-17 国网江苏省电力公司电力科学研究院 基于多维缩放统计分析的高压断路器机械故障诊断方法
CN108020405B (zh) * 2017-11-20 2019-08-02 郑州工程技术学院 一种油膜振荡二维及三维瞬时特征提取方法及装置
CN108120924A (zh) * 2018-02-28 2018-06-05 三峡大学 一种断路器触头状态故障诊断仪
CN108732421B (zh) * 2018-06-08 2020-10-27 中国铁路总公司 高速列车动态响应信号的瞬时频率的获取方法及装置
CN109029987B (zh) * 2018-09-10 2020-11-17 北航（天津武清）智能制造研究院有限公司 行星齿轮箱齿轮故障检测方法及系统
CN109238728B (zh) * 2018-09-12 2020-06-02 温州大学 一种车用发动机上零部件故障诊断的方法及系统
CN109357753B (zh) * 2018-11-07 2021-01-19 深圳中广核工程设计有限公司 降低核电厂的松脱部件与振动监测误报警率的系统和方法
CN109948597B (zh) * 2019-04-26 2022-06-07 福州大学 一种高压断路器机械故障诊断方法
CN110376455B (zh) * 2019-06-26 2021-11-16 深圳供电局有限公司 变压器工作状态检测方法、装置、计算机设备和存储介质
CN112763904A (zh) * 2020-12-29 2021-05-07 广州航天海特系统工程有限公司 一种断路器检测方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308292A (zh) * 2013-05-16 2013-09-18 国家电网公司 基于振动信号分析的真空断路器机械状态检测方法
CN103558022A (zh) * 2013-11-08 2014-02-05 国网福建晋江市供电有限公司 基于振动信号聚类的配电开关机械状态诊断方法
CN103575525A (zh) * 2013-11-18 2014-02-12 东南大学 一种断路器机械故障的智能诊断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8515167B2 (en) * 2009-08-31 2013-08-20 Peking University High dynamic range image mapping with empirical mode decomposition

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308292A (zh) * 2013-05-16 2013-09-18 国家电网公司 基于振动信号分析的真空断路器机械状态检测方法
CN103558022A (zh) * 2013-11-08 2014-02-05 国网福建晋江市供电有限公司 基于振动信号聚类的配电开关机械状态诊断方法
CN103575525A (zh) * 2013-11-18 2014-02-12 东南大学 一种断路器机械故障的智能诊断方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于EMD和模糊C均值聚类的滚动轴承故障诊断;周川等;《昆明理工大学学报》;20091231;第34卷(第6期);第34－39页 *
基于Hilbert谱奇异值的轴承故障诊断;赵志宏;《中国机械工程》;20130215;第24卷(第3期);第346－350页 *
矩阵构造对奇异值分解信号处理效果的影响;赵学智等;《华南理工大学学报》;20080930;第36卷(第9期);第86－92页 *

Also Published As

Publication number Publication date
CN103823180A (zh) 2014-05-28

Similar Documents

Publication Publication Date Title
CN103823180B (zh) 一种配电开关机械故障诊断方法
CN106017879B (zh) 基于振声信号特征融合的万能式断路器机械故障诊断方法
CN103558022B (zh) 基于振动信号聚类的配电开关机械状态诊断方法
CN105891707A (zh) 一种基于振动信号的万能式断路器分合闸故障诊断方法
CN107101813A (zh) 一种基于振动信号的框架式断路器机械故障程度评估方法
CN102736027A (zh) 一种基于断路器动特性测试仪的断路器故障诊断方法
CN110926778B (zh) 基于异常振动的气体绝缘组合开关设备机械故障诊断方法
CN109948597A (zh) 一种高压断路器机械故障诊断方法
CN105974265B (zh) 一种基于svm分类技术的电网故障原因诊断方法
CN109583386A (zh) 一种智能旋转机械故障深度网络特征辨识方法
CN105547465A (zh) 一种变压器振动信号绕组状态特征提取方法
CN104655425A (zh) 基于稀疏表示和大间隔分布学习的轴承故障分类诊断方法
CN105758644A (zh) 基于变分模态分解和排列熵的滚动轴承故障诊断方法
CN103308292A (zh) 基于振动信号分析的真空断路器机械状态检测方法
CN109633368A (zh) 基于vmd和dfa的含分布式电源配电网电能质量扰动检测方法
CN112014047A (zh) 一种有载分接开关机械故障诊断方法
CN106153179A (zh) 中速磨煤机振动故障诊断方法
CN104713714B (zh) 一种基于网格多密度聚类的高压断路器动作特性分析方法
CN112083328A (zh) 一种高压断路器故障诊断方法及系统和装置
CN104330258A (zh) 一种基于特征参量的滚动轴承故障灰色关联度辨识方法
CN105258789A (zh) 一种振动信号特征频率带的提取方法及装置
CN107328560A (zh) 一种有载分接开关诊断方法及装置
CN109632312A (zh) 基于多约束非负矩阵分解算法的轴承复合故障诊断方法
CN108398252A (zh) 基于itd与svm的oltc机械故障诊断方法
CN110207974A (zh) 基于振动信号时频能量分布特征的断路器故障识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant