CN112284707A - 一种断路器振动信号的处理方法 - Google Patents

一种断路器振动信号的处理方法 Download PDF

Info

Publication number
CN112284707A
CN112284707A CN202011140578.9A CN202011140578A CN112284707A CN 112284707 A CN112284707 A CN 112284707A CN 202011140578 A CN202011140578 A CN 202011140578A CN 112284707 A CN112284707 A CN 112284707A
Authority
CN
China
Prior art keywords
peak
peak value
point
measured
sharp
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.)
Granted
Application number
CN202011140578.9A
Other languages
English (en)
Other versions
CN112284707B (zh
Inventor
陈云
樊万昌
马文强
宋博
刘伟军
李占东
原金鹏
孙静文
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.)
Haixi Power Supply Co Of State Grid Qinghai Electric Power Co
State Grid Qinghai Electric Power Co Ltd
Original Assignee
Haixi Power Supply Co Of State Grid Qinghai Electric Power Co
State Grid Qinghai 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 Haixi Power Supply Co Of State Grid Qinghai Electric Power Co, State Grid Qinghai Electric Power Co Ltd filed Critical Haixi Power Supply Co Of State Grid Qinghai Electric Power Co
Priority to CN202011140578.9A priority Critical patent/CN112284707B/zh
Publication of CN112284707A publication Critical patent/CN112284707A/zh
Application granted granted Critical
Publication of CN112284707B publication Critical patent/CN112284707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种断路器振动信号的处理方法，包括以下步骤：A、采集振动信号；B、求取振动信号x(t)的单边功率谱S(f)；C、提取估计峰值P(f,h)和反映峰值锐利程度的锐利函数S(2)(f)；D、根据不同的阈值设定，得到待测峰值和锐利点，在待测峰值中筛选出锐利峰值Pψ(f,h)；E、将待测峰值归一化后，以功率谱原点为起始点、待测峰值为终点构成峰值向量集合W；F、依据峰值向量集合中峰值向量的锐利程度，划分不同的权重后转换到极坐标下；G、以极点为中心、呈辐射状将整个极坐标平面划分为若干等面积的子区域；H、统计峰值向量集合分布在各个子区域的频数，由各子区域的频数构成峰值向量概率密度U。本发明能够精准、有效地刻画功率谱包含的断路器振动信息。

Description

一种断路器振动信号的处理方法
技术领域
本发明涉及电气设备状态辨识技术领域，尤其是一种断路器振动信号的处理方法。
背景技术
断路器是电力系统中极为重要的动作型电气设备，分合闸动作由一系列的运动部件启动、撞击和制动过程组成。振动检测作为一种非侵入检测方法能够反映断路器各部件动作的能量变化信息。运用现代信息处理技术提取振动信号的有效特征，可以实现对断路器的运行状态评估和缺陷辨识。
随着计算机技术、传感技术的迅速发展，使得断路器的运行状态与故障辨识进入实际运用阶段。动态时间规整法可以描述待测信号与参考信号在时域上的特征相似度，对信号在时间上的差异有较好的分辨力而对信号的强度变化不敏感。短时能量法通过计算信号在某一滑动时间窗内的能量来分析信号特性，是提取振动事件发生时刻的有效方法。小波变换及小波包变换方法属于时-频分析方法，但是其分析能力过分依赖于小波基和分解尺度的选取。
功率谱分析是经典的信号频域分析方法，反映了信号功率在频域的分布状况。功率谱的横坐标能够反映信号包含的频率成分，当断路器发生冲击振动后各部件的振动子波随时间衰减并产生局部共振，由此生成不同的频率分量。功率谱的纵坐标能够反映各频率成分的振动强度，断路器在同一状态各振动事件产生的振动强度是一定的，频率强度的变化同样可以反映振动部件的动作信息。现有分析方法仅是单一分析功率谱的横坐标或纵坐标，无法精准、有效地刻画功率谱包含的断路器振动信息。而将断路器振动信号功率谱的频率(横坐标)与其强度(纵坐标)融合分析，对实现断路器运行状态评估和缺陷辨识功能有重要意义。
发明内容
本发明要解决的技术问题是提供一种断路器振动信号的处理方法，能够解决现有技术的不足，利用峰值向量概率密度将振动信号功率谱中的频率变化特征与频率强度特征融合分析，能够精准、有效地刻画功率谱包含的断路器振动信息。
为解决上述技术问题，本发明所采取的技术方案如下。
一种断路器振动信号的处理方法，包括以下步骤：
A、采用压电加速度传感器采集振动信号；
B、对去噪处理后的信号，利用快速傅里叶变换求取振动信号x(t)的单边功率谱S(f)；
C、提取估计峰值P(f,h)和反映峰值锐利程度的锐利函数S(2)(f)；
D、根据不同的阈值设定，得到待测峰值和锐利点，在待测峰值中筛选出锐利峰值Pψ(f,h)；
E、将待测峰值归一化后，以功率谱原点为起始点、待测峰值为终点构成峰值向量集合W；
F、依据峰值向量集合中峰值向量的锐利程度，划分不同的权重后转换到极坐标下；
G、以极点为中心、呈辐射状将整个极坐标平面划分为若干等面积的子区域；
H、统计峰值向量集合分布在各个子区域的频数，由各子区域的频数构成峰值向量概率密度U。
作为优选，步骤A中，压电加速度传感器采用磁吸方式固定在断路器箱体，以分闸线圈电流信号作为采集卡的触发源。
作为优选，步骤B中，单边功率谱S(f)的计算方法为，
Figure BDA0002738105660000021
其中
Figure BDA0002738105660000022
表示取复共轭，n是x(t)的采样数。
作为优选，步骤C中，对单边功率谱S(f)进行非抽取小波变换；选取细节系数中最大尺度的过零点作为峰值的粗略估计；对粗略峰值估计点在更细的尺度上搜索最接近的过零点作为最终的估计峰值P(f,h)；采用最小二乘法求单边功率谱S(f)的峰值及其二阶导数S(2)(f)，S(2)(f)即为锐利函数，S(2)(f)的绝对值越大表示所对应的峰值越尖锐。
作为优选，步骤D中，根据阈值参量μ滤除估计峰值P(f,h)中幅值较小的峰值点，得到待测峰值Pμ(f,h)；根据阈值参量ψ滤除锐利函数S(2)(f)中幅值较小的锐利点，将得到的锐利点横坐标与待测峰值Pμ(f,h)的横坐标利用锐利搜索匹配算法进行匹配，得到锐利峰值Pψ(f,h)，
Figure BDA0002738105660000031
{Pψ(f,h)}∪{Pσ(f,h)}＝{Pμ(f,h)}，
其中{Pσ(f,h)}为普通峰值；
匹配过程为：将锐利点的横坐标fi与待测峰值Pμ(f,h)横坐标fn进行基于二分法思想的尖锐搜索，即fi依次与
Figure BDA0002738105660000032
比较，直到在fn中找出与fi最接近的数值fψ；若|fi-fψ|＞Δ，则认为存在较大的误差，舍弃该锐利点；若|fi-fψ|＜Δ，则认为fψ对应的峰值为锐利峰值Pψ(f,h)；其中Δ为锐利参数。
作为优选，步骤E中，采用如下归一化公式将待测峰值Pμ(f,h)的横坐标和纵坐标归一化至[-1,1]之间，
Figure BDA0002738105660000033
Figure BDA0002738105660000034
以功率谱波形的原点O(0,0)为起点、以归一化的待测峰值点
Figure BDA0002738105660000035
为终点，构建峰值向量集合W，
Figure BDA0002738105660000036
作为优选，步骤F中，将笛卡尔坐标下的普通峰值向量
Figure BDA0002738105660000041
转换到整个极坐标内，尖锐峰值向量
Figure BDA0002738105660000042
强制转换到极角为0～90°范围的极坐标内；笛卡尔坐标与极坐标转换公式如下，
Figure BDA0002738105660000043
Figure BDA0002738105660000044
尖锐峰值向量
Figure BDA0002738105660000045
极角强制转换公式如下，
Figure BDA0002738105660000046
作为优选，步骤G中，以极点为中心，沿极角和极径方向将整个极坐标平面划分为N个等面积的子区域I，子区域的划分尺度由极径尺度a和极角尺度b共同决定，
Figure BDA0002738105660000047
bj＝j i,j∈Z
N＝2×i×j，
划分尺度a和b确定后，若ε＞2b，
Figure BDA0002738105660000048
的商记为n、余数记为m，则第ε个子区域的范围可表示如下，
{rε|an-1＜rε＜an,m＝0}
{rε|an＜rε＜an+1,m≠0}
Figure BDA0002738105660000049
若ε≤2b，则令{rε|an＜rε＜an+1,m≠0}中n＝0，
Figure BDA0002738105660000051
中m＝ε。
采用上述技术方案所带来的有益效果在于：
本发明提出一种“峰值向量概率密度”参数，将功率谱的频率及其强度深度融合来刻画断路器振动信号的特征。利用快速傅里叶变换(FFT)求取断路器振动信号的功率谱。采用小波变换和最小二乘法相结合的方法，提取功率谱的峰值点及其锐利程度。利用阈值滤除较小的峰值并提取待测峰值点坐标。功率谱中峰值较大的点表征其所对应的频率是振动过程中的主要频率成分，是断路器运行过程中各机械部件动作的外在表现，而峰值的锐利程度则反映了峰值与其两侧谱线的大小关系。以功率谱原点为起点、待测峰值点为终点，构成峰值向量集合。根据各峰值的锐利程度划分相应的权重，将笛卡尔坐标系下的峰值向量集合转换到极坐标系下。以极点为中心、呈辐射状将整个极坐标平面划分为若干等面积的子区域。统计峰值向量集合分布在各个子区域的频数，实现由一个参数(频数)来描述功率谱的多个特征(频率、强度、锐利程度)的功能，对于不同的断路器状态具有良好的特异性和抗干扰性。
本发明提出一种波形峰值点提取方法，并依据尖锐程度将峰值点进行细化分类。以峰值点作为特征量的优势在于，峰值点能够将频率及其强度的变化情况融合，属于二维特征。
极坐标中极角在0～90°的范围对应功率谱S(f)中大于2.5kHz部分的波形。由于该区域幅值较低、峰值较小，大多数的峰值在步骤4中已被滤除。因此在极坐标中极角为0～90°范围内峰值向量的分布极为稀疏，所以将尖锐峰值向量转换到极角为0～90°范围的极坐标内，可以对峰值向量的细化分类能够进一步精准的刻画波形特征。
附图说明
图1是峰值向量概率密度参数提取流程图。
图2是正常合闸状态的功率谱波形图。
图3是正常合闸状态的锐利函数波形图。
图4是正常合闸状态的归一化待测峰值笛卡尔坐标分布图。
图5是正常合闸状态的峰值向量极坐标示意图。
图6是基座松动状态的峰值向量极坐标示意图。
图7是铁芯卡涩状态的峰值向量极坐标示意图。
图8是连杆脱落状态的峰值向量极坐标示意图。
具体实施方式
参照图1-4，本发明的一个具体实施方式包括以下步骤：
A、采用压电加速度传感器采集振动信号；
B、对去噪处理后的信号，利用快速傅里叶变换求取振动信号x(t)的单边功率谱S(f)；
C、提取估计峰值P(f,h)和反映峰值锐利程度的锐利函数S(2)(f)；
D、根据不同的阈值设定，得到待测峰值和锐利点，在待测峰值中筛选出锐利峰值Pψ(f,h)；
E、将待测峰值归一化后，以功率谱原点为起始点、待测峰值为终点构成峰值向量集合W；
F、依据峰值向量集合中峰值向量的锐利程度，划分不同的权重后转换到极坐标下；
G、以极点为中心、呈辐射状将整个极坐标平面划分为若干等面积的子区域；
H、统计峰值向量集合分布在各个子区域的频数，由各子区域的频数构成峰值向量概率密度U。
步骤A中，压电加速度传感器采用磁吸方式固定在断路器箱体，以分闸线圈电流信号作为采集卡的触发源。
步骤B中，单边功率谱S(f)的计算方法为，
Figure BDA0002738105660000061
其中
Figure BDA0002738105660000062
表示取复共轭，n是x(t)的采样数。
步骤C中，对单边功率谱S(f)进行非抽取小波变换；选取细节系数中最大尺度的过零点作为峰值的粗略估计；对粗略峰值估计点在更细的尺度上搜索最接近的过零点作为最终的估计峰值P(f,h)；采用最小二乘法求单边功率谱S(f)的峰值及其二阶导数S(2)(f)，S(2)(f)即为锐利函数，S(2)(f)的绝对值越大表示所对应的峰值越尖锐。
步骤D中，根据阈值参量μ滤除估计峰值P(f,h)中幅值较小的峰值点，得到待测峰值Pμ(f,h)；根据阈值参量ψ滤除锐利函数S(2)(f)中幅值较小的锐利点，将得到的锐利点横坐标与待测峰值Pμ(f,h)的横坐标利用锐利搜索匹配算法进行匹配，得到锐利峰值Pψ(f,h)，
Figure BDA0002738105660000071
{Pψ(f,h)}∪{Pσ(f,h)}＝{Pμ(f,h)}，
其中{Pσ(f,h)}为普通峰值；
匹配过程为：将锐利点的横坐标fi与待测峰值Pμ(f,h)横坐标fn进行基于二分法思想的尖锐搜索，即fi依次与
Figure BDA0002738105660000072
比较，直到在fn中找出与fi最接近的数值fψ；若|fi-fψ|＞Δ，则认为存在较大的误差，舍弃该锐利点；若|fi-fψ|＜Δ，则认为fψ对应的峰值为锐利峰值Pψ(f,h)；其中Δ为锐利参数。
步骤E中，采用如下归一化公式将待测峰值Pμ(f,h)的横坐标和纵坐标归一化至[-1,1]之间，
Figure BDA0002738105660000073
Figure BDA0002738105660000074
以功率谱波形的原点O(0,0)为起点、以归一化的待测峰值点
Figure BDA0002738105660000075
为终点，构建峰值向量集合W，
Figure BDA0002738105660000081
步骤F中，将笛卡尔坐标下的普通峰值向量
Figure BDA0002738105660000082
转换到整个极坐标内，尖锐峰值向量
Figure BDA0002738105660000083
强制转换到极角为0～90°范围的极坐标内；笛卡尔坐标与极坐标转换公式如下，
Figure BDA0002738105660000084
Figure BDA0002738105660000085
尖锐峰值向量
Figure BDA0002738105660000086
极角强制转换公式如下，
Figure BDA0002738105660000087
步骤G中，以极点为中心，沿极角和极径方向将整个极坐标平面划分为N个等面积的子区域I，子区域的划分尺度由极径尺度a和极角尺度b共同决定，
Figure BDA0002738105660000088
bj＝j i,j∈Z
N＝2×i×j，
划分尺度a和b确定后，若ε＞2b，
Figure BDA0002738105660000089
的商记为n、余数记为m，则第ε个子区域的范围可表示如下，
{rε|an-1＜rε＜an,m＝0}
{rε|an＜rε＜an+1,m≠0}
Figure BDA00027381056600000810
若ε≤2b，则令{rε|an＜rε＜an+1,m≠0}中n＝0，
Figure BDA0002738105660000091
中m＝ε。
参照图5-8，实验结果表明按照上述步骤执行提取的振动信号功率谱峰值向量概率密度参数具有良好的鲁棒性和特异性，能够有效地刻画断路器振动信号的特征，在断路器运行状态评估和缺陷辨识领域发挥重要作用。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种断路器振动信号的处理方法，其特征在于包括以下步骤：
A、采用压电加速度传感器采集振动信号；
B、对去噪处理后的信号，利用快速傅里叶变换求取振动信号x(t)的单边功率谱S(f)；
C、提取估计峰值P(f,h)和反映峰值锐利程度的锐利函数S(2)(f)；
D、根据不同的阈值设定，得到待测峰值和锐利点，在待测峰值中筛选出锐利峰值Pψ(f,h)；
E、将待测峰值归一化后，以功率谱原点为起始点、待测峰值为终点构成峰值向量集合W；
F、依据峰值向量集合中峰值向量的锐利程度，划分不同的权重后转换到极坐标下；
G、以极点为中心、呈辐射状将整个极坐标平面划分为若干等面积的子区域；
H、统计峰值向量集合分布在各个子区域的频数，由各子区域的频数构成峰值向量概率密度U。
2.根据权利要求1所述的断路器振动信号的处理方法，其特征在于：步骤A中，压电加速度传感器采用磁吸方式固定在断路器箱体，以分闸线圈电流信号作为采集卡的触发源。
3.根据权利要求1所述的断路器振动信号的处理方法，其特征在于：步骤B中，单边功率谱S(f)的计算方法为，
Figure FDA0002738105650000011
其中
Figure FDA0002738105650000012
表示取复共轭，n是x(t)的采样数。
4.根据权利要求3所述的断路器振动信号的处理方法，其特征在于：步骤C中，对单边功率谱S(f)进行非抽取小波变换；选取细节系数中最大尺度的过零点作为峰值的粗略估计；对粗略峰值估计点在更细的尺度上搜索最接近的过零点作为最终的估计峰值P(f,h)；采用最小二乘法求单边功率谱S(f)的峰值及其二阶导数S(2)(f)，S(2)(f)即为锐利函数，S(2)(f)的绝对值越大表示所对应的峰值越尖锐。
5.根据权利要求1所述的断路器振动信号的处理方法，其特征在于：步骤D中，根据阈值参量μ滤除估计峰值P(f,h)中幅值较小的峰值点，得到待测峰值Pμ(f,h)；根据阈值参量ψ滤除锐利函数S(2)(f)中幅值较小的锐利点，将得到的锐利点横坐标与待测峰值Pμ(f,h)的横坐标利用锐利搜索匹配算法进行匹配，得到锐利峰值Pψ(f,h)，
Figure FDA0002738105650000021
{Pψ(f,h)}∪{Pσ(f,h)}＝{Pμ(f,h)}，
其中{Pσ(f,h)}为普通峰值；
匹配过程为：将锐利点的横坐标fi与待测峰值Pμ(f,h)横坐标fn进行基于二分法思想的尖锐搜索，即fi依次与
Figure FDA0002738105650000022
比较，直到在fn中找出与fi最接近的数值fψ；若|fi-fψ|＞Δ，则认为存在较大的误差，舍弃该锐利点；若|fi-fψ|＜Δ，则认为fψ对应的峰值为锐利峰值Pψ(f,h)；其中Δ为锐利参数。
6.根据权利要求1所述的断路器振动信号的处理方法，其特征在于：步骤E中，采用如下归一化公式将待测峰值Pμ(f,h)的横坐标和纵坐标归一化至[-1,1]之间，
Figure FDA0002738105650000023
Figure FDA0002738105650000024
以功率谱波形的原点O(0,0)为起点、以归一化的待测峰值点
Figure FDA0002738105650000025
为终点，构建峰值向量集合W，
Figure FDA0002738105650000031
7.根据权利要求1所述的断路器振动信号的处理方法，其特征在于：步骤F中，将笛卡尔坐标下的普通峰值向量
Figure FDA0002738105650000032
转换到整个极坐标内，尖锐峰值向量
Figure FDA0002738105650000033
强制转换到极角为0～90°范围的极坐标内；笛卡尔坐标与极坐标转换公式如下，
Figure FDA0002738105650000034
Figure FDA0002738105650000035
尖锐峰值向量
Figure FDA0002738105650000036
极角强制转换公式如下，
Figure FDA0002738105650000037
8.根据权利要求1所述的断路器振动信号的处理方法，其特征在于：步骤G中，以极点为中心，沿极角和极径方向将整个极坐标平面划分为N个等面积的子区域I，子区域的划分尺度由极径尺度a和极角尺度b共同决定，
Figure FDA0002738105650000038
bj＝j i,j∈Z
N＝2×i×j，
划分尺度a和b确定后，若ε＞2b，
Figure FDA0002738105650000039
的商记为n、余数记为m，则第ε个子区域的范围可表示如下，
{rε|an-1＜rε＜an,m＝0}
{rε|an＜rε＜an+1,m≠0}
Figure FDA0002738105650000041
若ε≤2b，则令{rε|an＜rε＜an+1,m≠0}中n＝0，
Figure FDA0002738105650000042
中m＝ε。
CN202011140578.9A 2020-10-22 2020-10-22 一种断路器振动信号的处理方法 Active CN112284707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011140578.9A CN112284707B (zh) 2020-10-22 2020-10-22 一种断路器振动信号的处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011140578.9A CN112284707B (zh) 2020-10-22 2020-10-22 一种断路器振动信号的处理方法

Publications (2)

Publication Number Publication Date
CN112284707A true CN112284707A (zh) 2021-01-29
CN112284707B CN112284707B (zh) 2023-01-24

Family

ID=74425000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011140578.9A Active CN112284707B (zh) 2020-10-22 2020-10-22 一种断路器振动信号的处理方法

Country Status (1)

Country Link
CN (1) CN112284707B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113341306A (zh) * 2021-04-19 2021-09-03 云南电网有限责任公司临沧供电局 一种基于振动信号的高压断路器状态评估系统与方法
CN116736099A (zh) * 2023-06-15 2023-09-12 中国铁路上海局集团有限公司徐州供电段 一种铁路开关柜断路器故障诊断方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103014A (zh) * 2010-12-13 2011-06-22 苏州大学 一种信号中周期瞬态成分检测方法
CN105911349A (zh) * 2016-05-31 2016-08-31 清华大学 基于重排时频谱的线性扫频信号基本参数估算方法及装置
CN107679290A (zh) * 2017-09-14 2018-02-09 北京空间飞行器总体设计部 一种多学科微振动评估优化设计方法及系统
CN107942342A (zh) * 2017-09-29 2018-04-20 南京牧镭激光科技有限公司 测风激光雷达的数据处理方法、装置、系统及存储介质
CN108760327A (zh) * 2018-08-02 2018-11-06 南昌航空大学 一种航空发动机转子故障的诊断方法
CN110411361A (zh) * 2019-05-15 2019-11-05 首都师范大学 一种移动隧道激光检测数据处理方法
CN110794170A (zh) * 2019-11-07 2020-02-14 北京石油化工学院 一种加速度计两自由度动态模型参数辨识的方法
US20200080975A1 (en) * 2018-09-10 2020-03-12 Shanghai Maritime University System for Determining Excitation Frequency of Vibratory Stress Relief and Method therefor
CN111289892A (zh) * 2020-04-07 2020-06-16 南京机电职业技术学院 一种基于pca-svm的高压断路器故障诊断方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103014A (zh) * 2010-12-13 2011-06-22 苏州大学 一种信号中周期瞬态成分检测方法
CN105911349A (zh) * 2016-05-31 2016-08-31 清华大学 基于重排时频谱的线性扫频信号基本参数估算方法及装置
CN107679290A (zh) * 2017-09-14 2018-02-09 北京空间飞行器总体设计部 一种多学科微振动评估优化设计方法及系统
CN107942342A (zh) * 2017-09-29 2018-04-20 南京牧镭激光科技有限公司 测风激光雷达的数据处理方法、装置、系统及存储介质
CN108760327A (zh) * 2018-08-02 2018-11-06 南昌航空大学 一种航空发动机转子故障的诊断方法
US20200080975A1 (en) * 2018-09-10 2020-03-12 Shanghai Maritime University System for Determining Excitation Frequency of Vibratory Stress Relief and Method therefor
CN110411361A (zh) * 2019-05-15 2019-11-05 首都师范大学 一种移动隧道激光检测数据处理方法
CN110794170A (zh) * 2019-11-07 2020-02-14 北京石油化工学院 一种加速度计两自由度动态模型参数辨识的方法
CN111289892A (zh) * 2020-04-07 2020-06-16 南京机电职业技术学院 一种基于pca-svm的高压断路器故障诊断方法

Non-Patent Citations (12)

* Cited by examiner, † Cited by third party
Title
于志达等: ""动态载荷作用下大型复杂结构的振动"", 《装备环境工程》 *
孙凯等: "基于谐波小波的非平稳地震动时频功率谱研究", 《云南大学学报(自然科学版)》 *
张志强等: "基于MOMEDA和极坐标时频特征级联增强的轴承早期特征提取", 《振动与冲击》 *
李晋炬等: "基于旋转、平移和尺度不变的平稳小波图像去噪", 《激光与红外》 *
沈虹等: "基于时频图像极坐标增强的柴油机故障诊断", 《振动.测试与诊断》 *
田玉芳: ""变压器绕组状态的振动检测法研究"", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑 (月刊) 电力工业》 *
蒋培等: "非高斯随机应力载荷频域疲劳寿命估计方法", 《机械工程学报》 *
许允之等: "基于3s/2r变换的改进互功率谱MUSIC算法的电动机故障诊断", 《煤矿机电》 *
谢献忠等: "结构损伤诊断与系统时域辨识研究综述", 《中国安全科学学报》 *
赵德尊等: "齿轮噪声干扰及变转速下的滚动轴承故障诊断", 《华南理工大学学报(自然科学版)》 *
赵洋等: "采用功率谱估计法的真空断路器振动分析", 《电气应用》 *
邵伟芹等: "基于振幅熵和功率谱重心的转子振动故障诊断", 《中国工程机械学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113341306A (zh) * 2021-04-19 2021-09-03 云南电网有限责任公司临沧供电局 一种基于振动信号的高压断路器状态评估系统与方法
CN116736099A (zh) * 2023-06-15 2023-09-12 中国铁路上海局集团有限公司徐州供电段 一种铁路开关柜断路器故障诊断方法
CN116736099B (zh) * 2023-06-15 2023-12-05 中国铁路上海局集团有限公司徐州供电段 一种铁路开关柜断路器故障诊断方法

Also Published As

Publication number Publication date
CN112284707B (zh) 2023-01-24

Similar Documents

Publication Publication Date Title
CN105548832B (zh) 高压电力电缆故障识别方法
CN112284707B (zh) 一种断路器振动信号的处理方法
CN110197209B (zh) 一种基于多特征融合的辐射源识别方法
CN110490071A (zh) 一种基于mfcc的变电站声信号特征提取方法
CN104964738A (zh) 一种基于噪声分离的电力变压器噪声评估方法
CN106646205A (zh) 一种声振联合分析断路器故障的随机大扰动信号剔除算法
CN111044814A (zh) 一种对变压器直流偏磁异常进行辨识的方法及系统
CN106326918A (zh) 一种变压器局部放电超高频信号多尺度能量特征线性识别方法
Chen et al. Automatic modulation classification of radar signals utilizing X-net
CN115510909A (zh) 一种dbscan进行异常声音特征的无监督算法
Huang et al. A practical fundamental frequency extraction algorithm for motion parameters estimation of moving targets
Yang et al. Radar emitter signal recognition based on time-frequency analysis
CN111553370A (zh) 一种基于混沌智能图像识别的弱信号检测方法及装置
Deng et al. Selection of optimal wavelet basis for signal denoising
Li et al. Magnetotelluric signal-noise separation method based on SVM–CEEMDWT
Czúni et al. Time domain audio features for chainsaw noise detection using WSNs
CN102789780B (zh) 基于谱时幅度分级向量辨识环境声音事件的方法
WO2021088176A1 (zh) 基于二值多频带能量分布的低信噪比声音事件检测方法
CN116453544A (zh) 一种基于声纹识别的工业设备运行状态监测方法
CN111025100A (zh) 变压器特高频局部放电信号模式识别方法与装置
CN116699400A (zh) 一种发电机转子短路故障监测系统、方法及可读存储介质
Seo et al. A novel signal extraction technique for online partial discharge (PD) measurement of transformers
CN115310477A (zh) 基于分形特征和捕食者算法的泵机设备故障声音检测方法及其系统
Changjun et al. The research of vehicle classification using SVM and KNN in a ramp
CN115410599A (zh) 一种基于声纹感知的变压器运行状态识别的方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant