CN113916346A - 一种具有三轴振动姿态数据判断功能的配电设备识别方法 - Google Patents
一种具有三轴振动姿态数据判断功能的配电设备识别方法 Download PDFInfo
- Publication number
- CN113916346A CN113916346A CN202111343946.4A CN202111343946A CN113916346A CN 113916346 A CN113916346 A CN 113916346A CN 202111343946 A CN202111343946 A CN 202111343946A CN 113916346 A CN113916346 A CN 113916346A
- Authority
- CN
- China
- Prior art keywords
- vibration
- signal
- axis
- frequency
- distribution equipment
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000009826 distribution Methods 0.000 title claims abstract description 50
- 230000001133 acceleration Effects 0.000 claims abstract description 51
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 22
- 238000000354 decomposition reaction Methods 0.000 claims description 21
- 238000001228 spectrum Methods 0.000 claims description 21
- 238000004804 winding Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 5
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 20
- 238000012544 monitoring process Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 9
- 238000012706 support-vector machine Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000003750 conditioning effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241001168730 Simo Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000006880 cross-coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种具有三轴振动姿态数据判断功能的配电设备识别方法,包括:采集三轴加速度振动信号,并进行滤波处理;正交放置采集三轴振动信号;对三轴振动信号进行模数转换处理,生成数字信号,并提取其不同状态振动特征;利用分类器对三轴特征向量分别进行分类,并在三轴上得到信赖度最高的特征信息,将直接级联三个轴向的多类分类器输出的结果组成一个含有三轴经过特征提取、分类判决后的结果。本发明克服了传统方法存在的有些信息获取不到,不能保证最终得到的故障判断为最终的最可靠的问题,具有抗干扰能力强,鲁棒性高等特点,可以在三轴方向得到较准确的振动特征信息,最后综合输出结果更精确更可信提供保证。
Description
技术领域
本发明涉及设备识别的技术领域,尤其涉及一种具有三轴振动姿态数据判断功能的配电设备识别方法。
背景技术
配电设备中故障监测主要是以振动监测为主,通过对振动信号进行分析是一种能够实时在线监测变压器故障的有效方法,绕组在由负载电流产生的电动力的作用下产生振动,铁芯由于磁致伸缩也会产生振动,绕组和铁芯的振动通过变压器的绝缘油和器身传递到油箱表面,引起油箱的振动,油箱表面的振动信号与绕组和铁芯的变形、压紧状况等密切相关,所以观察油箱表面的振动信号可以将变压器运行过程中铁芯和绕组的状况反映出来,这就是振动分析法应用在变压器状态监测的基本原理。
当前振动监测主要采集单轴单方向的振动,检测结果不够准确,因此,需要采用一种更加精准三轴振动姿态数据判断功能的配电设备识别的方法,以使得后续根据该方法用于监测配电设备振动更加准确。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明解决的技术问题是:目前采用的配电设备振动识别的方法,通常采集单轴单方向的振动,而配电设备中的振动方向复杂,运动状态是多维振动的耦合,同时配电设备的振动信号带宽范围大,振动方向不可预见,振动情况复杂等,现有的振动分析方法多为单方向振动信号的采集,不能精确还原原始振动的状态和形式,从而无法准确的分析配电设备的故障。
为解决上述技术问题,本发明提供如下技术方案:采集配电设备上的三轴加速度振动信号,将所述三轴加速度振动信号经过所对应的抗混叠低通滤波电路进行滤波处理,滤除高频振动信号;基于组合式策略将三个MEMS单轴加速度传感器ADXL001正交放置采集三轴振动信号;基于模数转换单元对所述三轴振动信号进行模数转换处理,生成数字信号,并将小波能谱熵作为振动信号特征向量提取三轴不同状态振动特征;利用分类器对所述三轴特征向量分别进行分类,并在三轴上得到信赖度最高的特征信息,将直接级联三个轴向的多类分类器输出的结果组成一个含有三轴经过特征提取、分类判决后的结果。
作为本发明所述的具有三轴振动姿态数据判断功能的配电设备识别方法的一种优选方案,其中:所述数据采集设备包括,三个单轴MEMS单轴加速度传感器通过三维正交组合的方式组合成三轴加速度传感器;所述三轴加速传感器后面设计独立的16位A/D转换器,其通过抗混叠低通滤波电路进行连接。
作为本发明所述的具有三轴振动姿态数据判断功能的配电设备识别方法的一种优选方案,其中:采用1GB的Micro SD数据存储卡存储所述采集的数据,所述数据储存卡通过SPI接口和MCU连接,以缓存节点的高频采样数据,并将文件系统嵌入到SD卡上,所述采集的数据以文件的形式存储在SD卡上。
作为本发明所述的具有三轴振动姿态数据判断功能的配电设备识别方法的一种优选方案,其中:基于采样定理,定义所述数据采集的加速度幅值为-70g~70g,采样频率为10kHz。
作为本发明所述的具有三轴振动姿态数据判断功能的配电设备识别方法的一种优选方案,其中:所述16位A/D转换器包括8通道的输入、16位的分辨率、100kHz的采用率、84dB的高信噪比。
作为本发明所述的具有三轴振动姿态数据判断功能的配电设备识别方法的一种优选方案,其中:所述三轴加速度振动信号为非线性、非平稳的时变信号。
作为本发明所述的具有三轴振动姿态数据判断功能的配电设备识别方法的一种优选方案,其中:所述三轴振动信号特征提取过程包括,利用下述递推式对所述变压器绕组原始振动信号进行小波包分解,所述递推式包括,
其中,n为频率指标,其取值与采样及分析频率有关,k为变量即分解层节点数,Z为整数集,t为时间位置指标,u2n(t)为经过高通滤波组合h(k)后的信号,u2n-1(t)为经过低通滤波器组合g(k)后信号,un(2t-k)为待分解的原始信号。
作为本发明所述的具有三轴振动姿态数据判断功能的配电设备识别方法的一种优选方案,其中:还包括,通过所述小波包分解获得信号细分频带上的小波包系数,根据信号的时间特性分成N段,小波包分解的第j层k节点对每一段时间的信号能量计算:
其中,Ai(t)为第i段信号的幅值,i=1,2,...,N,(ti-1,ti)为第i分段的起止时间点。
计算能量后对能量值进行归一化处理,计算小波包能谱熵,小波包分解的第j层k节点的小波包能谱熵Hjk的公式如下:
其中,εjk(i)为信号第j层k个节点能量归一化值。
作为本发明所述的具有三轴振动姿态数据判断功能的配电设备识别方法的一种优选方案,其中:所述变压器在不同工作状态下所述三轴振动信号小波包能量谱熵特征提取过程包括,对所述变压器在不同工作状态下的三轴的振动信号分别进行3层小波包分解,分别获取三轴下各频段从低频到高频所排列顺序的信号频系数;对小波包分解系数进行单支重构,对每个轴向上经过3层小波包分解得到的8个频带内的序列进行重构,得到8个小波包重构信号,各重构系数分别包含了低频相似信号及高频细节信号的信息;分别对三轴上求取小波能量,在每一轴上由公式Qi(j,k)分别求出8个小波能量,以这8个能量包为元素可以构成1个特征能量组;归一化处理并计算能谱熵,采用公式Hjk中的εjk(i)分别对三轴得到的能量组进行归一化并计算能谱熵:
T=[Hi0 Hi1 Hi2 Hi3 Hi4 Hi5 Hi6 Hi7]
其中,i表示三轴x,y,z。
本发明的有益效果:本发明克服了传统只采用单一方向数据方式中存在的有些信息获取不到,不能保证最终得到的故障判断为最终的最可靠的问题,具有抗干扰能力强,鲁棒性高等特点,在故障判断环节通过多分类器的方法分别在三轴方向得到较准确的振动特征信息,通过级联三轴分类器的结果为最后综合输出结果更精确更可信提供保证。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一个实施例提供的一种具有三轴振动姿态数据判断功能的配电设备识别方法的振动法系统示意图;
图2为本发明一个实施例提供的一种具有三轴振动姿态数据判断功能的配电设备识别方法的三轴数据采集模块框图;
图3为本发明一个实施例提供的一种具有三轴振动姿态数据判断功能的配电设备识别方法的二阶RC低通滤波器示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”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和简化描述,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。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
配电设备中的振动方向复杂,运动状态是多维振动的耦合,同时配电设备的振动信号带宽范围大,振动方向不可预见,振动情况复杂等。现有的振动分析方法多为单方向振动信号的采集,为了还原原始振动的状态和形式,准确的分析配电设备的故障,要求能够同步采集三轴加速度振动信号,本发明提供一种具有三轴振动姿态数据判断功能的配电设备识别方法,使得对配电设备故障监测结果更加准确。
参照图1~3,为本发明的一个实施例,提供了一种具有三轴振动姿态数据判断功能的配电设备识别方法,包括:
S1:采集配电设备上的三轴加速度振动信号,将三轴加速度振动信号经过所对应的抗混叠低通滤波电路进行滤波处理,滤除高频振动信号。
S2:基于组合式策略将三个MEMS单轴加速度传感器ADXL001正交放置采集三轴振动信号。
需要说明的是,S1~S2步骤具体为:
数据采集设备包括:三个单轴MEMS单轴加速度传感器通过三维正交组合的方式组合成三轴加速度传感器,三轴加速传感器后面设计独立的16位A/D转换器,其通过抗混叠低通滤波电路进行连接。
具体的,针对配电设备振动监测节点的特点和要求,为实现三轴同步采集加速度振动信号目的,设计了三轴高带宽振动监测节点,单独设计了三轴加速度传感器单元,能同步采集空间三个轴向振动信号,并提高了数据采集精度和采样频率。设计的三轴数据采集模块框图如下图2所示。数据采集模块将三个单轴MEMS单轴加速度传感器通过三维正交组合的方式组合成三轴加速度传感器,这种传感器无需复杂的信号调理电路,同时减小了信号的三轴交叉耦合问题,传感器后面设计了独立的16位A/D转换器,提高了信号的转换精度,节点的存储模块采用1GB的Micro SD数据存储卡,通过SPI接口和MCU连接,可以缓存节点大量的高频采样数据,并将文件系统嵌入到SD卡上,采集的数据以文件的形式存储在SD卡上,方便数据的管理和查看。
设计的数据采集模块包括加速度传感器单元、抗混叠低通滤波电路、16位ADS模数转换器,可以同步采集三轴加速度振动信号并转换为数字信号,采集加速度幅值为-70g~70g,采样频率达10kHz。
更加具体的,
(1)加速度传感器单元:传统的振动监测中使用的加速度传感器一般输出电压和电荷,这些传感器已经比较成熟,有较好的带宽和精度,但是它们的体积较大,输出信号微弱,难以被处理器处理,需要额外增加信号调理电路。由于半导体技术的发展,新出现的MEMS加速度传感器具有体积小、价格低、输出信号强、后期电路简单等优点,而且其带宽、精度和线性度也越来越接近传统的加速度传感器。机械设备振动幅值较大,影响因素较多,振动频率一般为1~10kHz,因此加速度传感器要有较大的频率带宽。本发明中采用的MEMS单轴加速度传感器为ADI公司的ADXL001-70g(1g=9.8m/s2),其为模拟电压输出的传感器,需要通过模数转换器才可以输入处理器,ADI公司专有的第五代iMEMS工艺让ADXL001成为一种高性能低功耗的加速度计,其功耗低,宽带宽,量程范围广,精度高。
(2)抗混叠低通滤波电路:在信号采集模块中,为防止采样信号由于高频成分出现的混叠现象,在ADXL001后面设计抗混叠滤波电路,根据采样定理,采样频率至少为采集信号频率的2倍才能还原原始采集信号,本发明设计采样频率为10kHz,则抗混叠滤波电路的截止频率为5kHz,为了使传感器输出电压信号在高频段下降快,改善率效果,同时使电路简单,采用二阶RC无源低通滤波电路进行抗混叠滤波,有效滤除5kHz以上的高频振动信号,其电路如图3所示。
(3)三轴加速度传感器的组合:在不确定物体运动方向的情况下,为了准确分析物体的运动状态,需采用三轴加速度传感器检测三个方向上的加速度信号分量。三轴加速度传感器是能够采集空间中三个正交方向的加速度信号的采集单元,具有重量轻和体积小的特点,在航空航天、机器人、医学、高端装备等领域得到了广泛的应用。本发明设计的节点中的三轴加速度传感器单元采用了组合式的方式,将三个MEMS单轴加速度传感器ADXL001正交放置采集三轴振动信号。
(4)ADS8344的16位模数转换器单元:配电设备振动信号频率带宽大,为了后期准确的信号分析,需要模数转换器具有较高的采样精度、采样率以及低功耗性能,同时A/D转换器要能同时输入三轴加速度信号。本文设计的节点采用逐次逼近型模数转换器ADS8344,其功能具有多路转换器、模数转换、逐次逼近逻辑、比较器和串行接口等部分,ADS8344自带采样和保持功能,能够存储多路开关输出的模拟信号,稳定快速变化的输入信号,较低转换误差。它具有8通道的输入、16位的分辨率、100kHz的采用率、84dB的高信噪比。它具有极低的功耗,电压供电范围为2.7~5V,在5V供电时功耗为10mW,不工作时的功耗仅为15W。数据采集模块的整体电路,传感器单元和RC低通滤波电路相连,三组模拟电压信号经过滤波后分别输入到ADS8344的CH0、CH1和CH2,其他输入引脚接地,电源输入端并联电容,达到平缓电压,滤除高频噪声的作用,AD其参考电压通过精准的稳压芯片提供3V电压,提高A/D转换的精度,ADS8344通过4线同步串行SPI接口与MSP430处理器连接,4线SPI接口包括片选引脚CS、时钟引脚CLK、从输入主输出SIMO、从输出主输入SOMI四个引脚,具有高速同步数据传输性能。
S3:基于模数转换单元对三轴振动信号进行模数转换处理,生成数字信号,并将小波能谱熵作为振动信号特征向量提取三轴不同状态振动特征。
需要说明的是,三轴振动信号特征提取的过程包括:
由于变压器振动信号属于非线性、非平稳的时变信号,其包含着丰富的特征信息量。传统的FFT变换不适用于非平稳信号的处理,小波包分析法具有良好的时频定位特性以及对信号的自适应能力,因而能够对各种时变信号进行有效的分解。在变压器绕组状态诊断中,当变压器绕组机械状态出现异常时,其器身振动特性将会有明显的改变,主要表现在不同频率段的振动信号具有不同的衰减或增强现象,因此形变与正常下的振动信号在相同频段内的能量会有相应的变化,以小波能谱熵作为振动信号特征向量更能反映出变压器绕组不同状态振动特征。变压器绕组原始振动信号可由下列的递推式进行小波包分解:
其中,n为频率指标,其取值与采样及分析频率有关,k为变量即分解层节点数,Z为整数集,t为时间位置指标,u2n(t)为经过高通滤波组合h(k)后的信号,u2n-1(t)为经过低通滤波器组合g(k)后信号,un(2t-k)为待分解的原始信号。
通过小波包分解获得信号细分频带上的小波包系数,根据信号的时间特性分成N段,小波包分解的第j层k节点对每一段时间的信号能量计算:
其中,Ai(t)为第i段信号的幅值,i=1,2,...,N,(ti-1,ti)为第i分段的起止时间点。
计算能量后对能量值进行归一化处理,计算小波包能谱熵,小波包分解的第j层k节点的小波包能谱熵Hjk的公式如下:
其中,εjk(i)为信号第j层k个节点能量归一化值。
进一步的,小波包分解的层数与振动信号的分析有直接关系,综合变压器绕组振动信号频域分布及分辨率等因素考虑,本发明选用了Daubechies小波系列的db10作为基函数进行3层小波包变换,得到8个频段各自能量分布。对变压器在不同工作状态下其三轴振动信号小波包能量谱熵特征提取的具体步骤如下:
首先对变压器在不同工作状态下的三轴的振动信号分别进行3层小波包分解,分别获取到三轴下各频段从低频到高频所排列顺序的信号频系数;
对小波包分解系数进行单支重构,对每个轴向上经过3层小波包分解得到的8个频带内的序列进行重构,得到8个小波包重构信号,各重构系数分别包含了低频相似信号及高频细节信号的信息。
分别对三轴上求取小波能量,在每一轴上由公式Qi(j,k)分别求出8个小波能量,以这8个能量包为元素可以构成1个特征能量组。
归一化处理并计算能谱熵。采用公式(3)中的分别对三轴得到的能量组进行归一化并计算能谱熵:
T=[Hi0 Hi1 Hi2 Hi3 Hi4 Hi5 Hi6 Hi7]
其中,i表示三轴x,y,z。
S4:利用分类器对三轴特征向量分别进行分类,并在三轴上得到信赖度最高的特征信息,将直接级联三个轴向的多类分类器输出的结果组成一个含有三轴经过特征提取、分类判决后的结果。
需要说明的是,基于多分类支持向量机的三轴故障特征判定,其步骤具体包括:
支持向量机(support vector machine,SVM)是以统计学为理论基础,基于结构风险最小化原则上而提出的一种通用的学习算法,高效用于分类判决。
本发明分别对三轴的能谱熵采用多对一(“one-to-rest”)方法构造多元分类器。其主要思想是先将三轴特征向量通过对分类器分别进行分类,分别在三轴上得到信赖度最高的特征信息,然后直接级联三个轴向的多类分类器输出的结果组成一个含有三轴经过特征提取、分类判决后的结果。对于多类分类问题,其主要方法需要构造多个二分类的子分类器SVM,其中,第r个子分类器把当前类内样本标记为一类,其它所有类别的样本标记为另一类,因此多个SVM分类器中输出值最大对应的那个类别判断为待识别样本所属的类别,分类时,每次对表单中的首尾两个类别进行比较,并排除掉分类对象最不可能属于的类别,从而使表单中的类别数减少1,依次类推那么当经过M-1次排除之后表单中唯一剩下的一类就是该分类对象所属的类别。
本发明提供一种基于采集三轴振动姿态数据判断配电设备故障识别的方法,通过在数据采集过程中,设计的加速度传感器单元、抗混叠低通滤波电路、16位模数转换器,实现同步高精度采集三轴加速度振动信号并转换为数字信号,克服了传统只采用单一方向数据方式中存在的有些信息获取不到,不能保证最终得到的故障判断为最终的最可靠的问题;同时对于特征提取环节通过分别对三轴振动信号设计小波包能量谱熵特征提取方法提取振动特征信号,具有抗干扰能力强,鲁棒性高等特点;最后,在故障判断环节通过多分类器的方法分别在三轴方向得到较准确的振动特征信息,通过级联三轴分类器的结果为最后综合输出结果更精确更可信提供保证。综述本方案提供的一种基于采集三轴振动姿态数据判断配电设备故障识别的方法,为配电设备故障监测基于振动分析方法提供了一种重要途径。
实施例2
该实施例为本发明另一个实施例,该实施例不同于第一个实施例的是,提供了一种具有三轴振动姿态数据判断功能的配电设备识别方法的验证测试,为对本方法中采用的技术效果加以验证说明,本实施例采用传统技术方案与本发明方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
传统的技术方案:无法快速、高效的提取振动特征信息及特征判决输出,从而导致其配电设备故障监测分析的精度和效率都很低,为验证本方法相对传统方法具有较高故障分析精度及效率。本实施例中将采用传统采集单轴单方向的振动检测方法和本方法分别对仿真配电设备的故障检测精度和效率进行实时测量对比。
测试环境:在仿真平台模拟配电设备的运行并模拟故障的发生,分别利用传统方法的采集单轴单方向的振动检测方法和本方法开启自动化测试设备并运用MATLB软件编程实现两种方法的仿真测试,根据实验结果得到仿真数据。每种方法各测试100组数据,结果如下表所示。
表1:实验结果对比表。
测试样本 | 传统方法 | 本发明方法 |
分析效率 | 85% | 97% |
分析精度 | 86.32% | 98.56% |
时间 | 35ms | 6ms |
根据上表的结果可以看出本发明方法相较于传统方法有较高的故障预测精度及较高的效率。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种具有三轴振动姿态数据判断功能的配电设备识别方法,其特征在于,包括:
采集配电设备上的三轴加速度振动信号,将所述三轴加速度振动信号经过所对应的抗混叠低通滤波电路进行滤波处理,滤除高频振动信号;
基于组合式策略将三个MEMS单轴加速度传感器ADXL001正交放置采集三轴振动信号;
基于模数转换单元对所述三轴振动信号进行模数转换处理,生成数字信号,并将小波能谱熵作为振动信号特征向量提取三轴不同状态振动特征;
利用分类器对所述三轴特征向量分别进行分类,并在三轴上得到信赖度最高的特征信息,将直接级联三个轴向的多类分类器输出的结果组成一个含有三轴经过特征提取、分类判决后的结果。
2.如权利要求1所述的具有三轴振动姿态数据判断功能的配电设备识别方法,其特征在于:所述数据采集设备包括,
三个单轴MEMS单轴加速度传感器通过三维正交组合的方式组合成三轴加速度传感器;
所述三轴加速传感器后面设计独立的16位A/D转换器,其通过抗混叠低通滤波电路进行连接。
3.如权利要求1或2所述的具有三轴振动姿态数据判断功能的配电设备识别方法,其特征在于:采用1GB的Micro SD数据存储卡存储所述采集的数据,所述数据储存卡通过SPI接口和MCU连接,以缓存节点的高频采样数据,并将文件系统嵌入到SD卡上,所述采集的数据以文件的形式存储在SD卡上。
4.如权利要求3所述的具有三轴振动姿态数据判断功能的配电设备识别方法,其特征在于:基于采样定理,定义所述数据采集的加速度幅值为-70g~70g,采样频率为10kHz。
5.如权利要求4所述的具有三轴振动姿态数据判断功能的配电设备识别方法,其特征在于:所述16位A/D转换器包括8通道的输入、16位的分辨率、100kHz的采用率、84dB的高信噪比。
6.如权利要求5所述的具有三轴振动姿态数据判断功能的配电设备识别方法,其特征在于:所述三轴加速度振动信号为非线性、非平稳的时变信号。
9.如权利要求8所述的具有三轴振动姿态数据判断功能的配电设备识别方法,其特征在于:所述变压器在不同工作状态下所述三轴振动信号小波包能量谱熵特征提取过程包括,
对所述变压器在不同工作状态下的三轴的振动信号分别进行3层小波包分解,分别获取三轴下各频段从低频到高频所排列顺序的信号频系数;
对小波包分解系数进行单支重构,对每个轴向上经过3层小波包分解得到的8个频带内的序列进行重构,得到8个小波包重构信号,各重构系数分别包含了低频相似信号及高频细节信号的信息;
分别对三轴上求取小波能量,在每一轴上由公式Qi(j,k)分别求出8个小波能量,以这8个能量包为元素可以构成1个特征能量组;
归一化处理并计算能谱熵,采用公式Hjk中的εjk(i)分别对三轴得到的能量组进行归一化并计算能谱熵:
T=[Hi0 Hi1 Hi2 Hi3 Hi4 Hi5 Hi6 Hi7]
其中,i表示三轴x,y,z。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111343946.4A CN113916346B (zh) | 2021-11-14 | 2021-11-14 | 一种具有三轴振动姿态数据判断功能的配电设备识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111343946.4A CN113916346B (zh) | 2021-11-14 | 2021-11-14 | 一种具有三轴振动姿态数据判断功能的配电设备识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113916346A true CN113916346A (zh) | 2022-01-11 |
CN113916346B CN113916346B (zh) | 2023-11-17 |
Family
ID=79246360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111343946.4A Active CN113916346B (zh) | 2021-11-14 | 2021-11-14 | 一种具有三轴振动姿态数据判断功能的配电设备识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113916346B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004218461A (ja) * | 2003-01-10 | 2004-08-05 | Fuji Electric Systems Co Ltd | 振動型圧縮機 |
CN103163420A (zh) * | 2011-12-08 | 2013-06-19 | 沈阳工业大学 | 电力变压器智能在线状态评判方法 |
CN105352582A (zh) * | 2015-11-05 | 2016-02-24 | 太原理工大学 | 高速三轴加速度无线监测系统 |
CN105632137A (zh) * | 2014-10-29 | 2016-06-01 | 上海市特种设备监督检验技术研究院 | 一种基于mems的一体化滑行车振动数据采集系统 |
CN107607303A (zh) * | 2017-09-13 | 2018-01-19 | 河海大学 | 基于小波包与som网络的高压断路器机械故障识别方法 |
US20190128946A1 (en) * | 2017-10-27 | 2019-05-02 | Wuhan University | Transformer winding fault diagnosis method based on wireless identification sensing |
CN109765455A (zh) * | 2019-02-28 | 2019-05-17 | 国网陕西省电力公司电力科学研究院 | 一种基于谐波源的变压器绕组检测平台及其操作方法 |
CN110132565A (zh) * | 2019-05-28 | 2019-08-16 | 河海大学 | 一种基于小波包和神经网络结合的oltc故障诊断方法 |
CN112945556A (zh) * | 2021-01-26 | 2021-06-11 | 大连海事大学 | 一种基于小波包分解和优选剔除分类策略的轴承故障诊断方法 |
CN112986870A (zh) * | 2021-01-26 | 2021-06-18 | 国网江苏省电力有限公司南京供电分公司 | 基于振动法的分布式电力变压器绕组状态监测方法及系统 |
-
2021
- 2021-11-14 CN CN202111343946.4A patent/CN113916346B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004218461A (ja) * | 2003-01-10 | 2004-08-05 | Fuji Electric Systems Co Ltd | 振動型圧縮機 |
CN103163420A (zh) * | 2011-12-08 | 2013-06-19 | 沈阳工业大学 | 电力变压器智能在线状态评判方法 |
CN105632137A (zh) * | 2014-10-29 | 2016-06-01 | 上海市特种设备监督检验技术研究院 | 一种基于mems的一体化滑行车振动数据采集系统 |
CN105352582A (zh) * | 2015-11-05 | 2016-02-24 | 太原理工大学 | 高速三轴加速度无线监测系统 |
CN107607303A (zh) * | 2017-09-13 | 2018-01-19 | 河海大学 | 基于小波包与som网络的高压断路器机械故障识别方法 |
US20190128946A1 (en) * | 2017-10-27 | 2019-05-02 | Wuhan University | Transformer winding fault diagnosis method based on wireless identification sensing |
CN109765455A (zh) * | 2019-02-28 | 2019-05-17 | 国网陕西省电力公司电力科学研究院 | 一种基于谐波源的变压器绕组检测平台及其操作方法 |
CN110132565A (zh) * | 2019-05-28 | 2019-08-16 | 河海大学 | 一种基于小波包和神经网络结合的oltc故障诊断方法 |
CN112945556A (zh) * | 2021-01-26 | 2021-06-11 | 大连海事大学 | 一种基于小波包分解和优选剔除分类策略的轴承故障诊断方法 |
CN112986870A (zh) * | 2021-01-26 | 2021-06-18 | 国网江苏省电力有限公司南京供电分公司 | 基于振动法的分布式电力变压器绕组状态监测方法及系统 |
Non-Patent Citations (1)
Title |
---|
张艳等: "基于振动信号的双馈异步发电机滑环装置故障诊断方法研究", 《电力系统保护与控制》, vol. 46, no. 4, pages 57 - 62 * |
Also Published As
Publication number | Publication date |
---|---|
CN113916346B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103616635B (zh) | 一种高压断路器机械特性故障诊断装置及方法 | |
CN105841961A (zh) | 一种基于Morlet小波变换和卷积神经网络的轴承故障诊断方法 | |
CN102183366A (zh) | 滚动轴承振动测量和故障分析装置及方法 | |
CN112200032A (zh) | 一种基于注意力机制的高压断路器机械状态在线监测方法 | |
CN106404399B (zh) | 基于自适应冗余提升小波包分解树的轴承故障诊断方法 | |
CN104237727B (zh) | 一种变压器近区短路信号监测装置及短路录波分析方法 | |
CN103454526B (zh) | 一种基于klc模型的电力变压器绕组故障类型判定方法 | |
CN113420691A (zh) | 一种基于皮尔逊相关系数的混合域特征轴承故障诊断方法 | |
CN112577743B (zh) | 一种基于最大局部边界准则的滚动轴承故障诊断方法 | |
CN108089126A (zh) | 调相机故障诊断方法、装置和设备 | |
CN113916346A (zh) | 一种具有三轴振动姿态数据判断功能的配电设备识别方法 | |
CN207600751U (zh) | 一种履带车辆发动机故障检测装置 | |
CN113611568A (zh) | 一种基于遗传卷积深度网络的真空断路器 | |
Goumas et al. | Intelligent on-line quality control of washing machines using discrete wavelet analysis features and likelihood classification | |
CN114084764B (zh) | 一种电梯乘运质量检测方法及检测系统 | |
CN108952687B (zh) | 一种自适应存储式电子压力计及测量方法 | |
CN112182490B (zh) | 一种电抗器状态诊断方法及系统 | |
CN204065345U (zh) | 一种高压断路器机械特性故障诊断装置 | |
CN114398922A (zh) | 一种基于CNN-BiLSTM的高压并联电抗器绕组松动的故障诊断方法 | |
CN112329825B (zh) | 基于信息分维及提升决策树的变压器机械故障诊断方法 | |
CN113686577A (zh) | 一种基于快速非线性稀疏谱的轴承故障诊断方法 | |
CN114034344A (zh) | 一种变压器模型测量分析方法 | |
CN113702666A (zh) | 一种光纤陀螺惯性测量单元信号联合降噪方法 | |
CN103018658B (zh) | 一种基于伏安特性曲线的线路板健康状态监测方法 | |
Li et al. | PSO-MCKD-MFFResnet based fault diagnosis algorithm for hydropower units |
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 |