CN110780191B - 基于多传感器的断路器机械特性在线监测方法及装置 - Google Patents

Abstract

本发明涉及监测领域，尤其涉及基于多传感器的断路器机械特性在线监测方法及装置，包括：S1：通过位移传感器测量断路器总行程及运行时间；S2：采集断路器分合闸加速度振动信号，并获得断路器刚分和刚合点，实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测，并实现断路器触头超程状态的在线自动识别；S3：通过压力传感器获得断路器刚分和刚合点，实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；并实现断路器触头超程状态的在线自动识别；S4：根据步骤S2和S3对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果，本发明最终目的是实现断路器机械特性在线监测。

Description

基于多传感器的断路器机械特性在线监测方法及装置

技术领域

本发明涉及监测领域，尤其涉及基于多传感器的断路器机械特性在线监测方法及装置。

背景技术

断路器在电力系统中发挥着重要作用，对于电力系统的稳定、安全运行具有重要的意义。在断路器的机械参数中，触头超程是一个重要的性能参数，超程过小表明触头磨损严重，会导致断路器触头接触不良，导致触头发热严重，超程过大则会损坏触头机械结构。

现有断路器机械特性检测由于受刚分和刚合点的判断技术的限制基本局限于离线式检测，离线式检测通过在断路器回路中加入小电压信号，在刚分和刚合瞬间断路器回路中电流会产生突变，根据电流突变点，再结合位移传感器就可以实现断路器总行程、开距和超程等参数的检测，但是运行的断路器在主回路中有几千伏到几万伏高压接入，监测主回路电流目前还无法解决高电压物理隔离问题，所以，到目前还没有更好的办法解决断路器机械特性在线检测问题，为此本发明提出一种基于多传感器的断路器机械特性在线监测方法及装置，利用压力传感器、加速度振动传感器及位移传感器，可以解决断路器机械特性在线监测难题。

发明内容

为解决上述问题，本发明提出基于多传感器的断路器机械特性在线监测方法及装置。

基于多传感器的断路器机械特性在线监测方法，包括：

S1：通过位移传感器测量断路器总行程及运行时间；

S2：通过加速度振动传感器采集断路器分合闸加速度振动信号，并获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；将加速度振动信号输入已训练好的触头超程状态自动识别数学模型中，实现断路器触头超程状态的在线自动识别；

S3：通过压力传感器获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；根据断路器超程实现断路器触头超程状态的在线自动识别；

S4：根据步骤S2和S3对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果。

优选的，所述触头超程状态自动识别数学模型的训练包括：

S21：确定需要初始化的w和b的值；

S22：从训练样本中随机选取特征点(x_i,y_i)，则预测值为sign(w*x_i+b)，其中w表示比例权重，b表示偏置值；

S23：在预测过程中，若预测值sign(w*x_i+b)≤0，则更改w和b的值，继续预测；

S24：重复迭代步骤S22和S23，直至预测值小于期望误差。

优选的，所述更改w和b的值包括：

计算所有误差点到超平面的总距离：

其中M为所有误差点的集合；根据最小梯度下降法计算w_i+1＝w_i+ηy_ix_i，b_i+1＝b_i+ηy_i，其中η表示梯度值。

优选的，所述根据步骤S2和S3对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果包括：

S41：若步骤S2和S3对断路器触头超程状态的在线自动识别结果完全相同，则将在线自动识别结果作为最终判断结果；

S42：若步骤S2和S3对断路器触头超程状态的在线自动识别结果不完全相同，则将在线自动识别结果不作为最终判断结果。

优选的，还包括：

S5：通过第一电流互感器测量断路器操作机构驱动电机线圈电流，绘制电流-时间曲线，通过电流指纹识别技术比对历史电流-时间曲线与标准的电流-时间曲线的相似度，从而判断驱动结构是否存在故障。

优选的，还包括：

S6：通过第二电流互感器测量断路器操作机构驱动电机线圈电流，绘制电流-时间曲线，通过电流指纹识别技术比对历史电流-时间曲线与标准的电流-时间曲线的相似度，从而判断驱动结构是否存在故障。

基于多传感器的断路器机械特性在线监测装置，包括：

位移传感器，用于测量断路器总行程及运行时间；

安装在断路器拉杆下端的加速度振动传感器，用于采集断路器分合闸加速度振动信号；

安装在断路器真空泡下端的压力传感器，用于获得真空泡下端的压力信号；

在线自动识别模块，用于将加速度振动信号输入已训练好的触头超程状态自动识别数学模型中，实现断路器触头超程状态的在线自动识别；

处理模块，用于根据真空泡下端的压力信号以及断路器分合闸加速度振动信号，分别获得断路器刚分和刚合点，再结合断路器总行程，分别获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；根据断路器超程实现断路器触头超程状态的在线自动识别；

判断模块，用于根据在线自动识别模块和处理模块对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果。

优选的，所述触头超程状态自动识别数学模型的训练包括：

S21：确定需要初始化的w和b的值；

S22：从训练样本中随机选取特征点(x_i,y_i)，则预测值为sign(w*x_i+b)，其中w表示比例权重，b表示偏置值；

S23：在预测过程中，若预测值sign(w*x_i+b)≤0，则更改w和b的值，继续预测；

S24：重复迭代步骤S22和S23，直至预测值小于期望误差。

优选的，所述更改w和b的值包括：

计算所有误差点到超平面的总距离：

其中M为所有误差点的集合；根据最小梯度下降法计算w_i+1＝w_i+ηy_ix_i，b_i+1＝b_i+ηy_i，其中η表示梯度值。

优选的，所述根据步骤S2和S3对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果包括：

S41：若步骤S2和S3对断路器触头超程状态的在线自动识别结果完全相同，则将在线自动识别结果作为最终判断结果；

S42：若步骤S2和S3对断路器触头超程状态的在线自动识别结果不完全相同，则将在线自动识别结果不作为最终判断结果。

本发明具备以下有益效果：

通过加速度振动传感器采集断路器分合闸加速度振动信号，并获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测，将加速度振动信号输入已训练好的触头超程状态自动识别数学模型中，实现断路器触头超程状态的在线自动识别；通过压力传感器获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；根据断路器超程实现断路器触头超程状态的在线自动识别；根据上述对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果，从而最终实现对断路器机械特性的监测。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1是本发明一实施例一种基于多传感器的断路器机械特性在线监测方法的流程图；

图2是本发明一实施例一种基于多传感器的断路器机械特性在线监测方法中步骤S2的流程图；

图3是本发明一实施例一种基于多传感器的断路器机械特性在线监测方法中步骤S4的流程图；

图4是本发明一实施例一种基于多传感器的断路器机械特性在线监测方法中步骤S5和S6的流程图；

图5是本发明一实施例一种基于多传感器的断路器机械特性在线监测方法中断路器驱动机构电流-时间标准曲线图；

图6是本发明一实施例一种基于多传感器的断路器机械特性在线监测装置的结构示意图；

图7是本发明一实施例一种基于多传感器的断路器机械特性在线监测装置中第一电流互感器和第二电流互感器的结构示意图；

图8是本发明一实施例一种基于多传感器的断路器机械特性在线监测装置中分闸命令控制单元、合闸命令控制单元、合闸状态输入单元、分闸状态输入单元的结构示意图；

图9是本发明一实施例一种基于多传感器的断路器机械特性在线监测装置中电源模块的结构示意图；

图10是本发明一实施例一种基于多传感器的断路器机械特性在线监测装置中通信模块的结构示意图；

图11是本发明一实施例一种基于多传感器的断路器机械特性在线监测装置中存储模块的结构示意图；

图12是本发明一实施例一种基于多传感器的断路器机械特性在线监测装置中显示模块的结构示意图；

图13是本发明一实施例一种基于多传感器的断路器机械特性在线监测装置中地址选择模块的结构示意图。

具体实施方式

以下结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

本实施例的基本思想是通过位移传感器测量断路器总行程及运行时间；通过加速度振动传感器采集断路器分合闸加速度振动信号，并获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测，将加速度振动信号输入已训练好的触头超程状态自动识别数学模型中，实现断路器触头超程状态的在线自动识别；通过压力传感器获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；根据断路器超程实现断路器触头超程状态的在线自动识别；根据上述对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果，从而最终实现对断路器机械特性的监测。

基于上述思想，本发明一实施例提出一种基于多传感器的断路器机械特性在线监测方法，如图1所示，包括：

S1：通过位移传感器测量断路器总行程及运行时间；

S2：通过加速度振动传感器采集断路器分合闸加速度振动信号，并获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；将加速度振动信号输入已训练好的触头超程状态自动识别数学模型中，实现断路器触头超程状态的在线自动识别；

S3：通过压力传感器获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；根据断路器超程实现断路器触头超程状态的在线自动识别；

S4：根据步骤S2和S3对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果。

在本实施例中，如图2所示，触头超程状态自动识别数学模型的训练包括：

S21：确定需要初始化的w和b的值；

S22：从训练样本中随机选取特征点(x_i,y_i)，则预测值为sign(w*x_i+b)，其中w表示比例权重，b表示偏置值；

S23：在预测过程中，若预测值sign(w*x_i+b)≤0，则更改w和b的值，继续预测；

S24：重复迭代步骤S22和S23，直至预测值小于期望误差。

在本实施例中，更改w和b的值包括：

计算所有误差点到超平面的总距离：

其中M为所有误差点的集合；根据最小梯度下降法计算w_i+1＝w_i+ηy_ix_i，b_i+1＝b_i+ηy_i，其中η表示梯度值。

本发明提出基于多层感知机的断路器超程状态识别新方法，利用加速度振动传感器采集多组断路器分合闸加速度振动信号，通过多层感知机函数对振动信号特征提取，构造特征量，并建立触头超程状态(偏大、正常、偏小)自动识别数学模型，断路器分合闸动作后，将采集到断路器动作加速度振动信号传送到触头超程状态自动识别数学模型中，便可实现断路器触头超程状态的自动识别。

对于一个输入信号，假如输入信号为

输入空间是Y＝{+1,-1},其中X＝{X₁,……，X_n}，X_i为一个特征向量，

定义从输入到输出的空间函数为：f(x)＝sign(w.x+b)为感知机函数，w为的例权重，b为偏置值，

在本实施例中，如图3所示，根据步骤S2和S3对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果包括：

S41：若步骤S2和S3对断路器触头超程状态的在线自动识别结果完全相同，则将在线自动识别结果作为最终判断结果；

S42：若步骤S2和S3对断路器触头超程状态的在线自动识别结果不完全相同，则将在线自动识别结果不作为最终判断结果。

本发明采用上述两种断路器触头超程状态的判断方法，当两者的判断结果一致时，则将该结果作为最终的判断结果，若两者的判断结果不一致，则不作为最终的判断结果，从而满足了供电公司为防止误判对一个事件采用不同方法进行需双验证的要求，提高判断的可靠性。

通过加速度振动传感器采集断路器分合闸加速度振动信号，并获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；通过压力传感器获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；根据断路器超程实现断路器触头超程状态的在线自动识别。

在断路器合闸和分闸的过程中，加速度振动传感器所采集到的加速度振动信号是不同的，利用加速度振动传感器采集断路器分合闸时动静触头接触或分离瞬间加速度振动信号的突变值，进而获得断路器刚分和刚合点。同理，在断路器合闸和分闸的过程中，压力传感器所采集到的压力信号是不同的，利用压力传感器采集断路器分合闸时动静触头接触或分离瞬间压力的突变值，进而获得断路器刚分和刚合点。

位移传感器可以测量得到断路器真空泡总行程量，也就是断路器的总行程，再结合断路器的刚分和刚合点，可以获得断路器开距和超程。再结合断路器的合闸和分闸的时间，还可以计算得到断路器的平均分闸速度和平均合闸速度。

当根据加速度振动信号所计算得到的参数与根据压力信号所计算得到的参数的差值在设定范围内时，则计算两者的平均值作为最终的参数值，若两者的差值大于设定的范围时，则需要通过加速度振动传感器和压力传感器再次采集数据进行计算。通过加速度振动传感器和压力传感器分别采集数据，目的是满足了供电公司为防止误判对一个事件采用不同方法进行需双验证的要求，提高判断的可靠性。

当获得断路器的超程后，与标准的超程相比较，当大于标准的超程时，则判断超程偏大，当小于标准的超程时，则判断超程偏小。根据超程的变化量可以获得触头磨损情况，超程越小磨损越严重，接触电阻变大，负载能力降低。

在本实施例中，为实现对断路器储能驱动机构的监测，如图4所示，还包括：

S5：通过第一电流互感器测量断路器操作机构驱动电机线圈电流，绘制电流-时间曲线，通过电流指纹识别技术比对历史电流-时间曲线与标准的电流-时间曲线的相似度，从而判断驱动结构是否存在故障。

在本实施例中，为实现对断路器操作机构的监测，如图4所示，还包括：

S6：通过第二电流互感器测量断路器操作机构驱动电机线圈电流，绘制电流-时间曲线，通过电流指纹识别技术比对历史电流-时间曲线与标准的电流-时间曲线的相似度，从而判断驱动结构是否存在故障。

图5为断路器驱动机构电流-时间标准曲线图，图中A点表示电磁驱动机构连杆出现移动，储能弹簧也会随之出现相应的形变；C点和D点表明电磁驱动机构连杆到达最大位移处；E点表示到达最大位移处；F点表示主控触头开始动作；G点表示辅助触头也开始动作；H点表示电磁连杆恢复，储能弹簧无形变。

电机扭矩与电机电流的关系为：

其中：T为电机转矩；K_T为比例系数；φ_m为气隙磁通；I为电机电流。当电机扭矩T增大时，根据公式可以看出电流I也随之增加，因此通过操作机构驱动电机电流大小，可以间接地反映出操作机构连杆受力状况。

类比于人脸识别要对人脸特征进行提取，声纹识别要对声音特征进行提取，电流指纹识别是对电流特征进行提取。针对电流频谱、波形等多个特征进行采集分析，结合电流-时间曲线及+5％的包络线的电流特征数据，对于断路器机械结构运行初期电流-时间曲线的包络线可以小些，例如+2-3％，对于运行后期电流-时间曲线的包络线可以大些，例如+3-5％，可以判断出操作机构是否存在线圈断线、机构卡涩、驱动力不足等问题。同时根据累计的真空泡动作次数，给出断路器预期机械寿命。

本发明通过位移传感器、加速度振动传感器、压力传感器、第一电流互感器、第二电流互感器分别采集断路器在线工作时不同的数据，结合对这些数据的分析，实现对断路器机械特性多个参数的在线监测。

基于上述一种基于多传感器的断路器机械特性在线监测方法，相应的硬件方面，本实施例还提出一种基于多传感器的断路器机械特性在线监测装置，如图6所示，包括：位移传感器，用于测量断路器总行程及运行时间；安装在断路器拉杆下端的加速度振动传感器，用于采集断路器分合闸加速度振动信号；安装在断路器真空泡下端的压力传感器，用于获得真空泡下端的压力信号；在线自动识别模块，用于将加速度振动信号输入已训练好的触头超程状态自动识别数学模型中，实现断路器触头超程状态的在线自动识别；处理模块，用于根据真空泡下端的压力信号以及断路器分合闸加速度振动信号，分别获得断路器刚分和刚合点，再结合断路器总行程，分别获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；根据断路器超程实现断路器触头超程状态的在线自动识别；判断模块，用于根据在线自动识别模块和处理模块对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果。

在本实施例中，触头超程状态自动识别数学模型的训练包括：

S21：确定需要初始化的w和b的值；

S22：从训练样本中随机选取特征点(x_i,y_i)，则预测值为sign(w*x_i+b)，其中w表示比例权重，b表示偏置值；

S23：在预测过程中，若预测值sign(w*x_i+b)≤0，则更改w和b的值，继续预测；

S24：重复迭代步骤S22和S23，直至预测值小于期望误差。

在本实施例中，更改w和b的值包括：

计算所有误差点到超平面的总距离：

其中M为所有误差点的集合；根据最小梯度下降法计算w_i+1＝w_i+ηy_ix_i，b_i+1＝b_i+ηy_i，其中η表示梯度值。

在本实施例中，根据步骤S2和S3对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果包括：

S41：若步骤S2和S3对断路器触头超程状态的在线自动识别结果完全相同，则将在线自动识别结果作为最终判断结果；

S42：若步骤S2和S3对断路器触头超程状态的在线自动识别结果不完全相同，则将在线自动识别结果不作为最终判断结果。

为实现对断路器驱动机构和操作机构的监测，如图7所示，本实施例还包括：第一电流互感器和第二电流互感器。通过第一电流互感器测量断路器储能驱动机构电磁铁线圈电流，绘制电流-时间曲线及电流-时间+5％的包络线，根据电流指纹识别技术判断驱动结构是否存在故障。通过第二电流互感器测量断路器操作机构驱动电机线圈电流，绘制电流-时间曲线及电流-时间+5％的包络线，根据电流指纹识别技术判断操作机构是否存在故障。同时根据累计的真空泡动作次数，给出断路器预期机械寿命。

在本实施例中，位移传感器采用直线位移传感器或角位移传感器。对于空气绝缘直线运动的断路器，真空泡总行程的测量采用直线电位器式位移传感器或非接触式的光电位移传感器或电磁式直线位移传感器。电位器式位移传感器或非接触式的光电位移传感器或电磁式直线位移传感器有三个，分别安装在断路器A相、B相、C相各拉杆下端，通过电阻的变化量，间接反应出断路器各真空泡总行程量，进而实现断路器总行程及运行时间的在线测量。

对于气体绝缘的断路器，利用一个角位移传感器，通过测量断路器操作结构旋转角度，实现断路器总行程及运行时间的在线测量；角位移传感器的安装可以与断路器操作结构同轴安装，使角位移传感器与断路器操作结构转轴一起旋转，也可以采用摩擦轮与断路器操作结构转轴接触摩擦，断路器操作结构转轴旋转带动摩擦轮旋转，摩擦轮与角位移传感器同轴安装。

在本实施例中，加速度振动传感器采用薄膜加速度振动传感器，加速度振动传感器有三个，分别用螺丝固定安装在断路器各拉杆下端，用于采集断路器分合闸加速度振动信号。处理单元根据断路器分合闸运行时加速度振动信号的突变点获得断路器刚分和刚合点，再结合位移传感器获得开距和超程具体数值，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测。

在本实施例中，压力传感器采用圆饼形压力传感器，压力传感器有三个，分别安装在各断路器真空泡下端压簧最下端。处理单元根据断路器分合闸运行时压力信号的突变点获得断路器刚分和刚合点，再结合位移传感器获得开距和超程具体数值，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；处理单元根据断路器超程变化量判断断路器触头是否存在磨损，从而解决断路器触头磨损在线监测难题。

在本实施例中，第一电流互感器、第二电流互感器均穿心式霍尔电流互感器，额定电流5ADC，第一电流互感器测量断路器储能驱动机构电磁铁线圈电流，处理单元通过测量的电流与标准的电流比较，判断驱动结构是否存在线圈断线、机构卡涩、驱动力不足等问题；第二电流互感器测量断路器操作机构驱动电机线圈电流，处理单元通过测量的电流与标准的电流比较，判断操作机构是否存在线圈断线、机构卡涩、驱动力不足等问题。

本发明采用加速度振动传感器和压力传感器，结合位移传感器获得开距和超程具体数值，进而分别实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测。根据在线自动识别模块以及处理模块的断路器触头超程状态的在线自动识别结果，当根据两者的采集数据进行判断结果一致时，则将该结果作为最终的判断结果，若两者的判断结果不一致，则不作为最终的判断结果。满足了供电公司为防止误判对一个事件采用不同方法进行需双验证的要求，提高判断的可靠性。

如图8所示，作为本实施例的优选，本装置还包括：与处理单元连接的分闸命令控制单元、合闸命令控制单元、合闸状态输入单元、分闸状态输入单元。其中，分闸命令控制单元用于向处理模块发送分闸的命令，合闸命令单元用于向处理模块发送合闸的命令，以实现断路器合闸和分闸的控制。而合闸状态输入单元用于输入合闸的参数值，分闸状态输入单元用于输入分闸的参数值。

如图9所示，作为本实施例的优选，本装置还包括：与处理单元连接的电源模块，用于为处理单元供电。

如图10所示，作为本实施例的优选，本装置还包括：与处理单元连接的通信模块，用于将断路器机械特性的判断结果进行传输。通信模块采用RS485模块，通信模块将断路器机械特性的判断结果以及其他所采集的数据传输到服务器、智能终端等设备，便于对这些数据进行存储以及分析。

如图11所示，作为本实施例的优选，本装置还包括：与处理单元连接的存储模块，存储模块采用MB85RC04V存储器用于存储位移传感器、加速度振动传感器、压力传感器、第一电流传感器、第二电流传感器的数据。

如图12所示，作为本实施例的优选，本装置还包括：与处理单元连接的显示模块，用于显示断路器机械特性的判断结果。处理单元对断路器的机械特性判断之后，将判断结果在显示模块上显示，便于用户获取判断结果。

如图13所示，作为本实施例的优选，本装置还包括：与处理单元连接的地址选择单元，地址选择单元采用10位拨码开关。地址选择单元用于对不同的断路器进行不同的地址设置，以区分不同断路器机械特性的监测结果。

本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.基于多传感器的断路器机械特性在线监测方法，其特征在于，包括：

S1：通过位移传感器测量断路器总行程及运行时间；

S2：通过加速度振动传感器采集断路器分合闸加速度振动信号，并获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；将加速度振动信号输入已训练好的触头超程状态自动识别数学模型中，实现断路器触头超程状态的在线自动识别；

S3：通过压力传感器获得断路器刚分和刚合点，再结合断路器总行程获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；根据断路器超程实现断路器触头超程状态的在线自动识别；

S4：根据步骤S2和S3对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果；

所述触头超程状态自动识别数学模型的训练包括：

S21：确定需要初始化的

和

的值；

S22：从训练样本中随机选取特征点

，则预测值为

，其中

表示比例权重，

表示偏置值；

S23：在预测过程中，若预测值

，则更改

和

的值，继续预测；

S24：重复迭代步骤S22和S23，直至预测值小于期望误差；

定义从输入到输出的空间函数为：

为感知机函数，

为比例权重,

为偏置值，

；

所述根据步骤S2和S3对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果包括：

S41：若步骤S2和S3对断路器触头超程状态的在线自动识别结果完全相同，则将在线自动识别结果作为最终判断结果；

S42：若步骤S2和S3对断路器触头超程状态的在线自动识别结果不完全相同，则将在线自动识别结果不作为最终判断结果。

2.根据权利要求1所述的基于多传感器的断路器机械特性在线监测方法，其特征在于，所述更改

和

的值包括：

计算所有误差点到超平面的总距离：

，其中M为所有误差点的集合；根据最小梯度下降法计算

，其中

表示梯度值。

3.根据权利要求1所述的基于多传感器的断路器机械特性在线监测方法，其特征在于，还包括：

S5：通过第一电流互感器测量断路器储能驱动机构电磁铁线圈电流，绘制电流-时间曲线，通过电流指纹识别技术比对历史电流-时间曲线与标准的电流-时间曲线的相似度，从而判断驱动结构是否存在故障。

4.根据权利要求1所述的基于多传感器的断路器机械特性在线监测方法，其特征在于，还包括：

S6：通过第二电流互感器测量断路器操作机构驱动电机线圈电流，绘制电流-时间曲线，通过电流指纹识别技术比对历史电流-时间曲线与标准的电流-时间曲线的相似度，从而判断操作机构是否存在故障。

5.基于多传感器的断路器机械特性在线监测装置，其特征在于，包括：

位移传感器，用于测量断路器总行程及运行时间；

安装在断路器拉杆下端的加速度振动传感器，用于采集断路器分合闸加速度振动信号；

安装在断路器真空泡下端的压力传感器，用于获得真空泡下端的压力信号；

在线自动识别模块，用于将加速度振动信号输入已训练好的触头超程状态自动识别数学模型中，实现断路器触头超程状态的在线自动识别；

处理模块，用于根据真空泡下端的压力信号以及断路器分合闸加速度振动信号，分别获得断路器刚分和刚合点，再结合断路器总行程，分别获得断路器开距和超程，进而实现断路器总行程、开距、超程、平均分闸速度、平均合闸速度的在线监测；根据断路器超程实现断路器触头超程状态的在线自动识别；

判断模块，用于根据在线自动识别模块和处理模块对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果；

所述触头超程状态自动识别数学模型的训练包括：

S21：确定需要初始化的

和

的值；

S22：从训练样本中随机选取特征点

，则预测值为

，其中

表示比例权重，

表示偏置值；

S23：在预测过程中，若预测值

，则更改

和

的值，继续预测；

S24：重复迭代步骤S22和S23，直至预测值小于期望误差；

定义从输入到输出的空间函数为：

为感知机函数，

为比例权重,

为偏置值，

；

所述根据步骤S2和S3对断路器触头超程状态的在线自动识别结果，得到对断路器触头超程状态的最终判断结果包括：

S41：若步骤S2和S3对断路器触头超程状态的在线自动识别结果完全相同，则将在线自动识别结果作为最终判断结果；

S42：若步骤S2和S3对断路器触头超程状态的在线自动识别结果不完全相同，则将在线自动识别结果不作为最终判断结果。

6.根据权利要求5所述的基于多传感器的断路器机械特性在线监测装置，其特征在于，所述更改

和

的值包括：

计算所有误差点到超平面的总距离：

，其中M为所有误差点的集合；根据最小梯度下降法计算

，其中

表示梯度值。

Images