CN1339166A - 高压机电开关系统中的振动声学特征的处理方法 - Google Patents
高压机电开关系统中的振动声学特征的处理方法 Download PDFInfo
- Publication number
- CN1339166A CN1339166A CN00802911.3A CN00802911A CN1339166A CN 1339166 A CN1339166 A CN 1339166A CN 00802911 A CN00802911 A CN 00802911A CN 1339166 A CN1339166 A CN 1339166A
- Authority
- CN
- China
- Prior art keywords
- signal
- value
- sampling
- drift
- feature
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000008569 process Effects 0.000 title description 10
- 230000008859 change Effects 0.000 claims abstract description 41
- 230000003595 spectral effect Effects 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000005070 sampling Methods 0.000 claims description 142
- 230000008707 rearrangement Effects 0.000 claims description 70
- 238000001914 filtration Methods 0.000 claims description 42
- 230000000875 corresponding effect Effects 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000006243 chemical reaction Methods 0.000 claims description 25
- 230000002596 correlated effect Effects 0.000 claims description 13
- 230000010354 integration Effects 0.000 claims description 12
- 230000002950 deficient Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000007493 shaping process Methods 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims 8
- 238000012952 Resampling Methods 0.000 claims 2
- 239000000654 additive Substances 0.000 claims 2
- 230000000996 additive effect Effects 0.000 claims 2
- 230000000007 visual effect Effects 0.000 claims 2
- 238000011144 upstream manufacturing Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 58
- 239000006185 dispersion Substances 0.000 description 52
- 230000006870 function Effects 0.000 description 44
- 230000014509 gene expression Effects 0.000 description 24
- 230000007704 transition Effects 0.000 description 24
- 239000013598 vector Substances 0.000 description 18
- 238000001228 spectrum Methods 0.000 description 17
- 230000004044 response Effects 0.000 description 16
- 238000012937 correction Methods 0.000 description 15
- 238000005259 measurement Methods 0.000 description 15
- 238000012360 testing method Methods 0.000 description 15
- 230000002123 temporal effect Effects 0.000 description 14
- 238000000605 extraction Methods 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 13
- 230000001052 transient effect Effects 0.000 description 11
- 230000006399 behavior Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000007792 addition Methods 0.000 description 9
- 238000010891 electric arc Methods 0.000 description 9
- 230000000737 periodic effect Effects 0.000 description 9
- 230000035945 sensitivity Effects 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000001915 proofreading effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000007634 remodeling Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003679 aging effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013017 mechanical damping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003534 oscillatory effect Effects 0.000 description 1
- 239000002304 perfume Substances 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3272—Apparatus, systems or circuits therefor
- G01R31/3274—Details related to measuring, e.g. sensing, displaying or computing; Measuring of variables related to the contact pieces, e.g. wear, position or resistance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3275—Fault detection or status indication
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01H—ELECTRIC SWITCHES; RELAYS; SELECTORS; EMERGENCY PROTECTIVE DEVICES
- H01H9/00—Details of switching devices, not covered by groups H01H1/00 - H01H7/00
- H01H9/0005—Tap change devices
- H01H2009/0061—Monitoring tap change switching devices
Abstract
在本发明提供的一种用于处理由高压开关系统发出的振动声学信号(1)的方法和装置中,把振动声学信号(1)转换成数字信号(3)。对数字信号(3)进行整流产生整流信号(5)。对整流信号(5)应用具有频谱窗口(6)的卷积滤波器从而产生滤波信号(7)。按照预定的抽样系数(202)抽样滤波信号(7),从而产生代表所述振动声学信号(1)的包络的抽样信号(9)。相对于一个参考特征(13A)进行抽样信号(9)的时间重排,从而产生一个重排信号(11)。如果时间偏差值超过一个预定门限,则产生报警。加所述重排信号(11)作为一个平均值的系数,从而产生提供参考特征(13A)和现实化的特征(13B)。计算重排信号(11)相对于参考特征和现实化特征(13A,13B)的改变(15A,15B)。比较重排信号(11)和现实化特征以及参考特征(13A,13B),从而考虑所述改变(15A,15B)检测逐渐的行为的改变或突发的故障。
Description
技术领域
本发明一般涉及在电力网络中的高压开关设备的监视,尤其涉及用于处理由高压开关系统产生的振动声学信号的方法和装置。
背景技术
利用本发明,可以在固定系统的情况下以连续方式进行监视,或者在便携系统的情况下以定期的方式进行监视,或者用于进行抽头变换器、电路断路器或电力传输遮断器的诊断。
目前具有一些用于进行电网设备的诊断的产品。
服务公司Hydro-Quebec的商品名为“MONITEQ”的系统和Doble Engineering公司的“INSITE”系统是两种用于电路断路器的监视系统,其中使用多种检测器用于测量压力和湿度。所述压力测量在电路断路器的操作期间提供动态的一部分,但是这种测量和加速度测量非常不同;在两种情况下使用的方法不是振动声学型的(即声音特征)。使用压力测量的方法不适用于其它的开关设备,例如抽头变换器或遮断器。
Harley公司的商品名为“LTC-MAP”和QualiTROL公司的商品名为“SENTRY”的产品是用于变压器市场的产品,其中包括抽头变换器,但是不包括电路断路器或遮断器。如果它们监视若干个参数,例如抽头变换器的位置,温度差和电动机的电流,则它们不依赖于振动声学方法,因而失去非常合适的诊断信息源。
Programma公司还提出了几种电路断路器监视和测试装置。通常对电路断路器测试以下的参数:闭合和打开时间,主触点的电阻和触点操作的同步性,触点行程和速度等。为此目的,测量值和由制造者规定的限制值或者由负责维修的组织通过试验确定的值进行比较。在许多情况下,汇集由在电路断路器是新的电路断路器时取的不同测量构成的特征。这些特征然后可以作为以后测量的参考。任何明显的改变都能清楚地表明电路断路器状态的改变。这些试验是在断电状态下进行的。这种系统不是一种监视系统。其使用在断电的断路器的顶上临时安装的加速度计进行试验,并且依赖于振动声学方法。然而,加速度计必须位于设备的下面,处于地电位,用于对遮断器进行连续地监视。因为检测器和振动源之间的距离会引起信号处理的结果改变,所以需要相位滤波器校正沿着路径被放大的相位分散。Programma的系统在和参考信号比较期间提取特征的时间变形,并使用这个信息进行诊断。不过,由该系统实行的处理基于在语音处理领域内已知的DTW(动态时间变形)算法,所述算法局部地不完全地调节所述特征。例如相对于通电条件下存在而在断电条件下不存在的电弧放电的随机性,使用这种算法提供一种可靠性较低的允差较差的系统。此外,Programma的系统不能提供平均值,因为其测量时间变形而不从信号中除去时间变形;所述特征不被在时间上重新排列。在没有平均值的情况下,作为该方法的灵敏度的表示的特征是分散的(≈30%),特征的平均值不分散。因而参考特征是被试验的那种设备的先前的特征或典型特征,因为Programma比较原始信号而不是信号的包络,所以其不能在不改变原始信号的频率含量的条件下校正原始信号的时间变形。
ABB Research Ltd.的国际专利申请公开WO97/34161披露了一种包络模拟(不是数字的)提取方法,该方法对于在0.1和100kHz之间采样的包络(不是振动信号)根据统计的超过Ti的无量纲计算,其中包括常数No和Nt。该系统被设计用于观察0-10kHz的信号。因而在10kHz下发生的现象被忽略了,尽管在直到10kHz的范围内能够更精确地进行时间重排。此外,所述系统只进行一阶时间重排,即在特征的位置上的完全排列。该方法不进行任何内插,这使得时间重排的分辨率被限制在0.1ms。原始平均值是固定的。系统的采集时间间隔只有0.25s的数量级,而较长的时间间隔(例如25s以上)才能够捕获抽头变换器和遮断器中的较宽的范围。
没有已知的系统或装置能够实现抽头变换器或遮断器的振动声学特征处理。旨在用于电路断路器的方法是昂贵的和侵入性的。
现有技术的问题之一在于没有根据不同设备的特征对比较算法的参数化进行优化。
发明内容
本发明的目的在于提供一种用于处理由高压开关系统发出的振动声学信号的方法,该方法能够优化对特征进行的比较,并对于不同的设备所进行的所述比较的参数化进行优化。
本发明的另一个目的在于,提供一种适用于实施所述方法的装置,和现有技术的装置相比,所述装置具有合适的成本、效率、健壮性以及操作简单的优点。
按照本发明的方法包括以下步骤:
(a)把振动声学信号转换成数字信号;
(b)对数字信号进行整流产生整流信号;
(c)对整流信号应用具有频谱窗口的卷积滤波器从而产生滤波信号;
(d)按照预定的抽样系数抽样滤波信号,从而产生代表所述振动声学信号的包络的抽样信号;
(e)相对于一个参考特征进行抽样信号的时间重排,从而产生一个重排信号;
(f)累加所述重排信号作为一个平均值的系数,从而产生参考特征,所述平均值具有一个预定的参考信号作为初始系数;
(g)累加所述重排信号作为一个平均值的系数,从而产生一个现实化的特征,所述平均值具有由步骤(e)产生的第一重排信号作为初始系数;
(h)计算重排信号相对于参考特征和现实化特征的改变;以及
(i)比较重排信号和现实化特征以及参考特征,从而考虑所述改变来检测逐渐的行为改变或突发的故障。
按照本发明的装置包括:
用于把振动声学信号转换成数字信号的转换装置;
用于对数字信号进行整流产生整流信号的装置;
滤波装置,用于对整流信号应用具有频谱窗口的卷积滤波器从而产生滤波信号;
抽样装置,用于按照预定的抽样系数抽样滤波信号信号,从而产生代表所述振动声学信号的包络的抽样信号;
重排装置,用于相对于一个参考特征进行抽样信号的时间重排,从而产生一个重排信号;
第一计算装置,用于加所述重排信号作为一个平均值的系数,从而产生参考特征,所述平均值具有一个预定的参考信号作为初始系数;
第二计算装置,用于加所述重排信号作为一个平均值的系数,从而产生一个现实化的特征,所述平均值具有由重排装置产生的第一重排信号作为初始系数;
第三计算装置,用于计算重排信号相对于参考特征和现实化特征的改变;以及
比较装置,用于比较重排信号和现实化特征以及参考特征,从而考虑所述改变来检测逐渐的行为改变或突发的故障。
本发明的优点包括:非侵入、低成本和高灵敏度。需要一个外部检测器。在由振动声学信号携带的信息中具有表示故障的表征。
附图说明
下面参照附图说明本发明的优选实施例,在附图中相同的标号表示相同的元件,其中:
图1是用于综合按照本发明的用于处理由高压开关系统发出的振动声学信号的方法和装置的示意图;
图2是表示发射分析信号和相应的实际信号的包络的示意图;
图3是用于提供信号的包络的现有技术的模拟电路的简图;
图4是表示在采样周期的一部分信号的时间位移的效果的示意图;
图5是表示在瞬变时两个不同的时间常数的效果的示意图;
图6是表示通过在抽样间隔传送峰值进行包络提取的示意图;
图7A、7B分别是从峰值提取的包络的平均值偏移和有效功率(RMS)的直方图;
图8是从有效功率(RMS)和从观测的峰值提取的包络的平均值与峰值包络的对照曲线;
图9是从有效功率提取的包络和从峰值提取的包络与峰值包络之间的相对标准偏差的对照曲线;
图10是说明用于按照本发明从瞬时功率提取包络的电路的示意图;
图11是适用于形成按照本发明的图10所示的整流器的电路的示意图;
图12是按照本发明的图11所示的Hilbert卷积滤波器的一般系数的曲线;
图13是说明用于实行按照本发明的Hilbert变换包络计算的功能的方块图;
图14是在图13中使用的以及在以后的图中使用的符号综合图;
图15A、15B是分别表示对于一个频谱窗口和FIR滤波器的系数分布的曲线;
图16是通过具有频谱窗口的卷积和FIR滤波器滤波的平均包络之间的对照曲线;
图17是通过平方增值操作和通过频谱窗口卷积滤波获得的平均值包络以及由Hilert变换获得的平均值包络的对照曲线;
图18是在图17中表示的平均值包络的相对标准偏差的对照曲线;
图19A-C分别是在希尔伯特变换包络计算中的有功功率、瞬时功率和单独的瞬变信号的合成包络的曲线;
图20是低通滤波器的不同范围的包络的对照曲线;
图21是低通滤波器的不同范围的标准偏差的对照曲线;
图22是说明在图10所示的整流器的输出端施加的滤波器的范围的函数的分散性的减少的曲线;
图23是说明按照本发明的执行相位补偿的功能的方块图;
图24是说明可以用于设置按照本发明卷积滤波器的系数的线性调频脉冲的曲线;
图25是说明具有按照本发明双防混淆滤波器的用于检测信号包络的电路示意图;
图26是说明按照本发明的用于进行时间重排的迭代环的操作的流程图;
图27是说明按照本发明的时间重排功能的方块图;
图28,29A,29B是分别说明按照本发明的在图27所示的时间重排功能中使用的内插、校正、和截断功能的方块图;
图30是按照本发明使用时间重排获得的包络平均值的曲线;
图31是在图30所示的曲线的一部分的放大;
图32是在抽头变换器的相继的抽头改变前后的标准偏差的曲线,表示分别对于抽头变换器的100次抽头变换的0时间移动的一阶演进;
图33A和33B是表示别对于抽头变换器的100次抽头变换的0时间移动的一阶演进;
图34A-C是说明按照本发明的和运行装置相关的时间演进加权的曲线;
图35是按照本发明的作为加权的函数的在若干个特征中的平均值的瞬变响应和标准偏差曲线;
图36是按照本发明的变压器有载抽头改变时在1-26kHz的带宽中的在加速度和速度包络之间的对照曲线;
图37A-40B是按照本发明的4个无载和有载抽头改变时的包络的对照曲线;
图41是按照本发明的从低频带和高频带中提取的包络的曲线;
图42和43是分别由在±3.9σ下的2k采样/秒和极值支持的低频和高频包络的曲线;
图44是说明按照本发明的高频和低频包络的对照曲线;
图45是说明按照本发明的计算的在0-10kHz的包络的曲线,其由在±3.9σ下的2k采样/秒和极值支持;
图46是说明按照常规的检测器模拟的在0-10kHz带宽内的包络的曲线,其由在±3.9σ下的2k采样/秒和极值支持;以及
图47和48分别是按照常规的检测器和按照本发明的平均值和0-10kHz包络之间的对照曲线。
具体实现方式
参见图1,图1是用于综合按照本发明的用于处理由高压开关系统发出的振动声学信号的方法和装置的示意图。振动声学信号例如可以利用被安装在要被监视的设备上的加速度计(图中未示出)产生,或者利用其它的检测器或变换器产生,这些检测器产生代表被监视的设备的振动声学特征的信号。虚线中的方块图表示任意选择的元件或其它兼容的元件,或者是来自外部产地的可以被组合在本发明的装置的电路中的元件。
简明地说,所示的装置包括在输入端的转换级2,用于把振动声学信号1转换成数字信号3。整流电路4整流数字信号3,产生整流信号5。滤波电路6向卷积滤波器提供关于整流信号3的频谱窗口,并产生滤波信号7。抽样电路8按照预定的抽样系数抽样滤波信号7,并产生代表振动声学信号的包络也称为振动声学信号的特征的抽样信号9。重排电路10相对于参考特征13A对抽样信号9进行时间重排,并产生重排信号11。计算电路12提供第一计算装置,用于加重排信号11作为平均值的系数,从而产生参考特征13A,所述的平均值具有对于初始系数的预定的参考信号。计算电路12还提供有第二计算装置,用于累加重排信号11作为平均值的系数,产生计算特征13B,所述平均值具有由重排电路10产生的对于初始系数的第一重排信号11。所述计算电路12还提供第三计算装置,用于计算重排信号相对于参考信号的改变15A,15B,并对特征13A,13B进行现实化。比较电路14比较重排信号11和参考以及现实化特征13A、13B,从而考虑改变15A,15B来检测逐渐的性能改变或突发故障,并产生报警信号17。
利用上述装置实施的处理方法包括以下步骤:
(a)把振动声学信号1转换成数字信号3;
(b)对数字信号3进行整流产生整流信号5;
(c)对整流信号5应用具有频谱窗口6的卷积滤波器,从而产生滤波信号7;
(d)按照预定的抽样系数抽样滤波信号7,从而产生代表所述振动声学信号的包络的抽样信号9;
(e)相对于一个参考特征13A进行抽样信号的时间重排,从而产生一个重排信号11;
(f)加所述重排信号11作为一个平均值的系数,从而产生参考特征13A,所述平均值具有一个预定的参考信号作为初始系数;
(g)加所述重排信号11作为一个平均值的系数,从而产生一个现实化的特征13B,所述平均值具有由步骤(e)产生的第一重排信号作为初始系数;
(h)计算重排信号11相对于参考特征和现实化特征13A,13B的改变15A,15B;以及
(i)比较重排信号11和现实化特征以及参考特征13A,13B,从而考虑所述改变来检测逐渐的性能改变或突发的故障。
振动特征的包络的计算在所述方法的第一步进行。这个功能是基本的,并且其执行的精度对于执行该方法的其它步的精度有影响;这些其它的步骤作为放大包络的计算的。精度对最终结果的影响的放大器。问题是寻找最好的包络计算,不是产生信号的真正的包络,而是产生监视对象的最接近的包络。
参看图2,在数学上,由16表示的分析信号A(t)e-jθ(t)的包络相应于幅值A(t)。这个幅值是围绕时间轴20转动的矢量18的幅值。但是这个定义对于实际的信号22显得比较复杂,实际的信号相应于相应的分析信号的投影。此外,在实际上,频率非常低的信号被认为是信号的漂移,在包络计算中不被考虑。例如,直流分量在实际上不被使用,因而被舍弃。
对于一些应用,包络的性质之一是独立于原始信号的各个分量之间的相位关系。不过,对于另一些应用,例如对机械零件的老化计算,则必须利用观测的峰值,因而利用不同幅值的几个波的相位的一致性确定包络。示出了两个叠加波包的一个简单的例子。在一种情况下,需要包络等于这些波包的包络的和,而在另一些情况下,需要这些包的和的包络。简短地说,根据需要进行包络计算。
即使在对信号采样之前,也可以利用模拟方法提取包络,正如现有技术的系统中那样,以便使数字电路中的处理负担最小。图3是在这种应用中的现有技术的一个模拟电路的简图。所述的电路包括和RC电路26并联连接的二极管桥24,在该电路的输出端28提供在电路的输入端30接收的信号的包络。响应脉冲a0δ(t-t0),该电路提供电压a0e-(t-t)/RCu-1(t-t0)。在实际电路中,运算放大器和二极管相连,以便限制其在0.5V以下不导通的效果。等效的数字功能不完全精确地相应于由一阶IIR(无限脉冲响应)滤波器跟随的绝对值;必须增加只考虑超过滤波器的输出电压的幅值信号的比较器,以便模拟二极管。这种选择具有许多缺点。第一个缺点涉及采样法则不通用(non-respect)。的确,输出的包络具有和原始信号类似的带宽,具有稍微损失的高频分量。不引入频谱混淆这种信号不能被采样(如果是模拟信号)或者被抽样(如果是数字信号)。第二,来自在抽样之后提取的采样的内容的位于抽样边界的瞬变冲击有时存在有时不存在。图4表示最轻的时间位移Δt32极大地影响靠近瞬变38的采样36的值,在瞬变38附近的两个采样36之间的差由箭头40表示。第三,参见图5,其中表示时间常数分别等于RC42和0.3RC44的结果,如果RC电路26(图3所示)的时间常数太长,则将隐藏较小幅值的情况,这是由于在它们之前存在较高幅值的瞬变。相反,如果时间常数太短,则存在对于因为最后提取的采样而出现的瞬变幅值估计不足的危险;所以时间常数必须合适,使得对于峰值响应的幅值从一个采样到另一个采样只减少某个百分数。最后,时间常数太短则放大频谱混淆。
时间常数RC的选择关系到测量的振动的平均阻尼。应当这样选择时间常数,使得相关的指数减少和在瞬变峰值之后的振动幅值的减少相匹配。如果振动中大部分是高频,则时间常数应当较短,相反,如果发觉在信号中存在的是低频,则将被调整到较长的时间常数。当低频和高频同时存在时,则平均的自然减少不完全是对数的;更重要的是在开始时的奈培/秒和在结束时由于低频占优势而减少。实际上,对于某个设备必须根据观测的阻尼调整RC常数,因为起支配作用的方式按照设备而不同。一般地说,对于检测0-10kHz的带宽,必须在3和10ms之间进行选择。
参见图6,其中所示为通过以抽样间隔(数字处理)或以采样间隔(模拟处理)延长峰值进行包络提取。
由信号峰值进行的包络计算基本上是不对称地、系统地向着将来扩散瞬变过程。正是存在RC或IIR滤波器26使得产生这种不对称的扩散。不过,在数字方法中,滤波器可以被容易地除去,只延长在抽样间隔观测到的峰值。还具有用于进行这种包络提取的模拟电路。在比较复杂的情况下,这种电路使用采样和保持电路,其按照间隔保持观测的峰值。这种方法提供含有更详细的细节的峰值包络,并且不需要对时间常数进行折中。
参见图7A,7B,其中分别示出了由峰值(RC=5ms)提取的包络的对数的平均偏移直方图和由有效功率(RMS)提取的包络的直方图。由统计的观点看来,按照对数比例,峰值包络和RMS包络明显地接近于拉普拉斯-高斯包络(正态分布)。例如,图7A,7B使得能够进行峰值包络的平均偏移和由希尔伯特变换(下面讨论)获得的RMS包络的平均偏移的比较。由希尔伯特变换获得的包络的标准偏差略小(图7B)。应当注意,按照对数比例,峰值和有效值之间的差似乎是一个附加的常数,而不是比例倍增系数;上面观测到的标准偏差的减少因而独立于测量的类型,RMS,峰值或峰值对峰值。
参见图8,其中示出了由瞬时有效功率提取的包络46、由观测的峰值(以20抽样)提取的包络48、以及一般由图3所示的电路提供的峰值包络50的平均值。峰值包络50的平均值是表示的细节较少的包络,并且具有最高的幅值。峰值包络50的平均值的缺少的细节按照线性比例是更明显的。观测的峰值包络48和RMS包络46的平均值是类似的,尽管差一个被称为峰值系数的比例系数。在旋转机器的监视中,这个系数被称为缺陷标记,并被定义为峰值对有效值的比。正弦波的峰值系数为1.414,方波是2。然而,对于这种振动声学特征,峰值系数在1.6和2.0之间。分辨率、存在的细节、和动态(瞬变的max/min)在这些包络中也是类似的。不过,当比较某每个包络的相对标准偏差时,则出现明显的不同,如图9所示,其中示出了观测的峰值包络52、有效值包络54和由图3所示的电路(RC=5ms)得到的峰值包络56的相对标准偏差。由峰值提取的包络的分散平均高1.8倍,而其它两类包络表明具有相同大小的分散。实际上,在这个例子中,由图3的电路获得的峰值包络具有比有效值包络低的分散,对于所述低的分散付出的代价是特征的细节的丢失。减少时间常数RC能够同时增加包络的细节和峰值包络的分散。以后可以看出,有效值包络作为用于在整流之后对包络进行滤波的卷积滤波器6(图1)的带宽的函数具有相同的行为。
由峰值提取的包络的改善分散部分地来自其对振动声学波包之间的相位灵敏度和其对噪声的灵敏度。引起分散的其它原因是瞬变的影响,如图4所示;此外,在峰值的直的部分峰值系数超过3.0。如后所述,按照本发明,这个贡献可以通过时间重排被大大减少。
由峰值提取的包络或者由模拟型峰值计算提取的包络对于相同程度的细节不仅具有明显较高的分散,此外,在多带方法中其不能被预料。的确,在多带方法中,信号路径必须根据频率确定。可以发现一个波包在一个频带中,而另一个波包在另一个频率中。每个频带的包络的平方和在多频带被分离之前将恢复原始信号的包络的平方。不过,从每个频带中的观测的峰值提取的包络的平方和将不恢复从原始信号中提取的包络的平方。
为了估算由瞬时功率产生的包络,使用3种不同的计算。
参见图10,其中示出了按照本发明的一个实施例用于由瞬时功率计算包络的一个例子。所示的电路按照顺序包括:低通滤波器6(也叫做具有频谱窗口的卷积滤波器)和抽样器8。高通滤波器58用于提取信号漂移59,即直流分量和仪表的低的漂移,也用于提取在交流网络应用中的120Hz的振动谐波。至少有三种整流器4可以使用:绝对值、平方增值操作和希尔伯特变换。绝对值提供RMS大小的基本的估计,因为在峰值和RMS值之间不能获得“2的平方根”这个比例。对于正弦曲线,增加到平方操作,再被低通滤波器6平均,则能够提供瞬时功率的好的估算。由2乘这个功率并取方根从而获得相应的峰值包络,或者仍然简单地取方根获得RMS幅值包络是一个简单的处理(如后所述)。最后,希尔伯特变换使得能够恢复瞬时幅值矢量的幅值而不会产生整流谐波。当以数字方式执行这些步骤时,由信号的瞬时功率进行处理更精确。
参见图11,其中以示意图的形式示出了一个适用于实施图10所示的整流器4的电路的例子。所示电路使用卷积希尔伯特变换器62,其具有如图12所示的希尔伯特滤波器系数64,其中的参数NHilbert被设置为6(实际上,这个参数值通常被设置为10和20之间)。这些系数相应于具有插入0的模糊函数(y=1/x)。在其合成形式中,所述电路具有第一电路分支,其包括操作器68,用于产生在输入端66接收的振动声学信号的实部的平方。第二电路分支包括卷积希尔伯特滤波器62,截断操作器70和用于产生信号的虚部的平方的操作器72。加法器74加由操作器68和72产生的两个平方,获得的和备送到在输出端78提供瞬时峰值幅值的平方根操作器76中。希尔伯特变换器62使得能够找到和所述实部信号相应的虚部分量;然后,平方的矢量和提供一个分析信号,其中矢量的幅值相应于瞬时幅值(见图2)。换句话说,如果信号是余弦的,则希尔伯特变换器将其变换为正弦的这使得能够求得幅值,因为
。截断器70使得能够重新调整在卷积62之后的时间框架。
参见图13,其中以方块图的形式示出了进行包络计算的函数(以后对于虚拟仪表也称为“v.i”)的例子,其中利用国际仪器公司的软件LabVIEWTM的图形编程环境。图14是在图13中以及在下面讨论的其他图中使用的LabVIEWTM符号的图例。其中在对希尔伯特系数应用频谱窗口之后没有标称化。实际上,在目前的精度范围内,不需要NHilbert>15。所述函数在输入端接收抽样系数202,截取长度204,要被处理的信号206,要被提供的滤波器的类型208(低通)以及NHilbert参数210。所述函数在输出端在应用低通滤波器前后提供瞬时峰值幅值214和212。
参见图10,低通滤波器6具有3种功能。第一种是滤掉由提升到平方整流器4产生的谐波。确实,在这种类型的整流器4中,提升到平方操作产生必须备滤除(当整流器是希尔伯特卷积整流器时则不需要)的断续波,如同在60周的部分上连接的连续的电压源部分中那样。第二个功能是抑制相位对包络值的影响,并和由希尔伯特变换提取的包络相关。最后,第三个功能是使得能够在没有频谱混淆的条件下进行抽样。此时滤波器必须切断半抽样频率之外的信号。
一些低通滤波器的主要问题是负包络值的幻影现象。因此,如同负功率值一样,负包络值在一般意义上和在物理定律上是相反的。只有使用由在所有正的点上的系数构成的窗口例如一些频谱窗口的卷积的滤波器,才能确保所有的点都是正的包络。
参见图15A,15B,其中分别示出了对于3项Blackman-Harris频谱窗口和FIR(“有限脉冲响应”)滤波器。在卷积的输出端,在存在突然的瞬变时,FIR滤波器的负值产生负包络值。
高斯形状是相应于最小时间频率的目标,Blackman-Harris窗口是在高斯和有限时间窗口之间的一种折中。有限时间窗口接近高斯形状的3到7个正弦的和。和这个频谱窗口的卷积相比,许多FIR和IIR型的滤波器对于排斥水平、在带通中获得的均匀性以及转换宽度具有优越得多的特性。
参见图16,其中示出了在由具有FIR滤波器的系数的卷积滤波的平均包络80和由具有3项Blackman-Harris型频谱窗口的卷积滤波的平均包络82之间的对照曲线。由FIR滤波器得到的包络80在较慢的瞬变上升的条件下具有更细致的减压作用。其中由于在滤波器的输出端设置绝对值函数,从而没有负包络值而掩盖了一些真实性(显示负值的对数有些困难)。确实,分辨率的增加是感兴趣的,但是当滤波的包络值接近0时,在对数比例表示上出现一个重要的负脉冲。因为精确地选择这种比例用于在一些被监视的设备的包络之间进行比较,不可能实现允许包络过零的FIR或IIR滤波器。因而剩下低性能的滤波器利用所述信号进行标称的频谱窗口的卷积。所述标称化包括利用系数的和除窗口的每个系数,使得通过应用所述窗口使恒定的信号保持不变。
参见图17,其中示出了在通过简单的平方增值操作并由频谱窗口滤波获得的平均包络84和使用希尔伯特卷积变换获得的平均包络86之间的对照曲线。
关于在简单的整流器即平方升值操作和希尔伯特卷积变换之间的选择,图17表示后者具有更多的特征细节。幅值相差2的平方根,因为是有效值幅值和峰值进行比较。其中,正是在利用希尔伯特变换计算的瞬时幅值的小的脉动允许使用在时间上较窄的低通滤波器,借以允许更大的频谱带宽,因而允许更多的细节。
尽管所述细节的增加,图18,其是表示图17所示的平均包络84,86的相对标准偏差的曲线,具有标准偏差88,和利用平方升值操作获得的包络84的标准偏差90相比,所述标准偏差88对于利用希尔伯特变换获得的包络86具有略微减少的标准偏差。此外,如果保持相同的低通滤波器宽度用于这个比较,则分辨率几乎相同,不过,具有由希尔伯特变换获得的包络86的标准偏差88的附加的减少。
这些结果说明,使用希尔伯特变换的对数对于这种应用是最好的宽带包络检测器。
图19A-C表示在使用希尔伯特变换的包络计算中的不同阶段信号的演进。图19A表示信号的平方(表示有功功率),在不经过希尔伯特变换的有效值包络的计算中,其经整流器4通过低通滤波器6。图19B清楚地表示通过加信号的虚部的平方(然后信号表示瞬时功率)获得的增益:获得的波形的整流使得能够应用能够通过更细与/或更少的噪声的滤波器。图19C表示在低通滤波器6的输出端得到的包络。
参见图10,在构成抽样器8时,必须考虑两个因素,即抽样系数和时间分辨率损失。
第一个问题和用于监视抽头变换器所需的时间分辨率有关。要求分辨率尽可能地高,但是又要考虑成本,所述成本不是计算时间的增加,而是噪声的增加,或者从统计的意义上看,是特征分散的增加。所述分辨率对应用于包络的抽样系数也有重要影响,因而对将要由监视系统处理的矢量的幅值有重要影响,对调用的存储器的大小和计算功率有重要影响。
用于连续改变的抽头变换器的机械时间重复性(切断电源和切断负载)是零点几毫秒(≈0.2ms或5KHz)的数量级,因而寻求最好的分辨率不是非常有用的。不过,以后将会看出,对1kHz以下的包络滤波会引起分辨率的损失,这对于观看曲线似乎是有意义的。此外,通过短暂的特征表示的缺陷应当利用具有低的截止频率的滤波器滤除。因此,包络必须被正确地抽样,以便提供一个最终的采样速率,其为100/s-100k/s,最好为1k/s-10k/s。
此外,采样周期或者支持抽样包络的频带具有一个人类工程学的值是有用的。要求2k/s的采样速率的略低于1kHz的频带对于显示和把数据传递到另一个环境中将是一个合适的折中。因而这些值的设置将是一种简单的用户接口和系统配置的编程。不过,对于用途而调整的抽样,例如抽头改变操作的时间,则应当优化存储器空间和时间分辨率。
为了量化时间分辨率和作为抽样的函数的分散,可以对低通滤波器6的截止频率进行对照试验,其中已知在比两倍于所述滤波器6的截止频率略高的抽样速率是合适的。对于这个对照,使用频谱窗口的卷积作为在整流器4之后的低通滤波器。在所述试验中,使用了平方增值整流器,而不是希尔伯特变换。截止频率大约相应于2.5/(LT),其中LT是采样次数L乘以采样周期T所得之积,即窗口的持续时间间隔。在这些试验中,原始的即在抽样之前的采样频率是65536/s。利用20作为抽样系数把新的采样频率设置为接近3.25k/s。这个采样速率在理论上相应于1.6kHz的可访问的带宽。
在图20和21上,它们分别表示包络91,93,95,97和不同长度的低通滤波器6的相对的标准偏差99,101,103,105的对照曲线,试验的频谱窗口的宽度、512个采样(轨迹91,99),256个采样(轨迹93,101),128个采样(轨迹95,103)和64个采样(轨迹97,105)分别相应于312,625,1250和2500Hz的低通滤波器6。64个采样窗口不能足够地对信号进行滤波,因而可能产生频谱混淆,即在1.6kHz-2.5kHz之间的频率的反送。在图20和21中,时间分辨率和分散程度(标准偏差)一样,随着L的减少而逐渐增加。对于64个采样窗口,随着分辨率的增加,可以局部地感到频谱混淆的存在。
图22表示频谱窗口的长度L和在图20中的轨迹上观察到的分散的平均值的关系。注意到,对于抽头变换器和产生图20和图21所示的的结果的检测器,分散程度是L-0.388的函数,其中L是Blackman-Harris窗口的长度。这个关系意味着,对于两倍大的窗口,分散被减少25%。
注意到,抽样的增加使得同时能够减少存储空间,并减少特征包络的分散。不过,图20清楚地表明,太高的滤波(512个采样滤波器)将删除信号的细节,并衰减信号的动态改变范围。其中偶然发现,大约1kHz,0.5ms的采样周期的低通滤波器6是合适的,其对于所述窗口的宽度提供略高于160的采样。
参见图1,附加的相位滤波器51使得能够补偿被处理的信号的相位分散。有些类似于光纤中的光,当在发送位置和接收位置之间的距离大时,则观察到振动波的分散,因为以依赖于其自身的频率的速度行进。相位分散补偿旨在实行按照不同的波包在发送时的顺序进行时间重排。其提供一种得到“虚拟的”接近发送源的方式。对不同的抽头变换器的振动声学测量的采样使得能够得到这样的结论,即校正相位分散对于监视而言似乎没有关系。不过,在按照本发明的监视装置最终在操作中的电路断路器或其它设备的应用中,这种补偿可能是需要的。的确,对于电路断路器和其它设备,此时在振动声波的发送和接收之间的距离的重要性增加2-5倍。
参见图23,其中示出了相位补偿的v.i,进行相位校正的方式是要在频域内实行这种校正。然后,对信号在92进行傅里叶变换,并恢复其相位。因为所述相位必须在±nπ上连续,所以必须在94对相位进行“展开”,以便抑制从-π到+π的瞬变。在96增加具有2πτ斜率的相位斜坡,从而产生时间延迟τ。为了根据频率修改组延迟,在98增加二阶相位斜坡。斜坡98具有由所需的校正程度确定的幅值,所述斜坡的最大值产生最高频率的角度校正。在96增加二阶相位斜坡98之后,进行反傅里叶变换100,并输出结果。
上述的处理具有如下的数学证明:
假定信号:
S(ω,x)=A(ω,x)e-je(ω,x) (1)
表示为角频率ω的函数,单位是弧度/秒,并假定到信号源的距离是x。在不分散的环境中,其可以表示为:
其中c是波在所述环境中的传播速度。在分散的环境中,其被表示为:
因为波的速度是其频率的函数。速度函数的简单的改变给出:
c(ω))≌(1.0+β·ω)c0 (4)
一旦插入公式3,便产生以下的表示:
因为β.ω<<1.0,所以可以表示为:
其中注意到分散项是频率的二阶函数。
在相位校正之后,上述的相位补偿对数借助于傅里叶变换92和反变换100使用数字处理的原始功率。可能具有更简单和更经济的措施,只要编码和计算功率相关,其中利用信号进行线性调频脉冲的卷积运算。使用线性调频脉冲设置卷积滤波器的系数,从而进行相位补偿。
图24说明借助于对二阶相位斜坡进行反傅里叶变换获得的这种线性调频脉冲。这种线性调频脉冲由从0.0到0.5bin(1bin=采样频率)的频率范围构成。在时间上越宽的线性调频脉冲,对于校正越重要。在线性调频脉冲上,频率的空间分散是显见的。直觉上可以理解,在左侧将进行低频校正,而在线性调频脉冲的右测进行高频校正。
所需的相位校正的大小可以通过在时间频率平面上查看施加于振动声学信号的不同的相位补偿值获得的效果来确定。当在时间频率平面上在垂直方向出现瞬变的影响时获得最大的分辨率。对于无价值的或者无意义的补偿,至今在不同的抽头变换器上收集的在包络上的振动声学特征都具有最大的时间分辨率。参见图1,前面已经看出,应用FIR或IIR型的防混淆滤波器是危险的,因为后者易于产生负包络值。借助于平方增值函数或者借助于希尔伯特变换4应用于整流波形的卷积低通滤波器6必须消除任何负的系数。因为所有的特征都在以后按照对数比例进行处理,所以负的包络值、或者接近0的值是不能允许的。在对数计算112之后,可以应用第二滤波器110,其中不再担心负值。
在由对数112形成的包络上进行抽样8。如果在抽样之前引入对数(如图所示),则在抽样之前获得一个具有负值的信号。确实,当包络的“x”值具有1m/s2以下的幅值时,因为x<1而使得log(x)是负的。因此,FIR或IIR型防混淆滤波器例如滤波器110可以在抽样之前应用于所述信号。
图25表示在具有对数112和双防混淆滤波器整形的包络检测器的不同的点上信号的形状的示意图,其中第一滤波器6在所有正的点进行频谱窗口的卷积,第二滤波器110是FIR或IIR滤波器。
最好是,第二低通滤波器110不对信号的太大的部分滤波,而只对在带宽的末尾存在的易于引起频谱混淆的低幅值的部分滤波。为了除去信号的重要的部分,第二滤波器110在这个信号上应当产生像差,例如摆动过大或者产生奇怪的振荡。如果在这个处理之后按照线性比例重新表示所述的包络,则任何的过摆动或者衰减,即使在瞬变的上部按照对数比例很难觉察出,也将被放大。第二滤波器110必须备理解为第一个频谱变迹器。
时间变形或者重排10是作为所述监视装置的特征的工具之一。如同包络计算一样,重要的是优化这个部分分处理。量化利用利用这个工具获得的增益也是重要的;和其相关的算法的执行结果一定能够得到真正的增益。
在更详细地讨论这个主题之前,重要的是指出在时间变形和时间重排之间的区别。在时间变形中,可以改变事件的到达顺序,或者,在最坏的情况下,使时间流反向(局部的和有限的持续时间的暂时对象f(t-t0)在另一个轨迹上作为f(t1-t)出现)。如果事件歪曲算法可以实行时间重排,则时间重排算法不能反过来校正时间变形。时间重排算法不能使备其处理的轨迹的时间流反向或者停止。
在许多监视应用中,要求比较由在不同的时间测量的同一个机械作用引起的时间振动特征。利用时间特征,指的是振动信号的包络、在几个频带上分布的包络或者是一种时间频率分布;必须具有时间的量纲。在另一方面,机械作用永远不能完全地再现,此外,操作条件例如温度以及设备的老化将引入附加的偏移。这些偏移可能引起或不引起新的机械事件,引起或不引起事件的大小或事件的时间序列的改变。不过,时间框架的改变可能引起错误的新事件的幻影或者由于事件序列的简单的加速或减速而引起大小的改变;在任何比较之前,重要的是分离由其他改变引起的时间框架流的波动引起的特征变化。
时间重排使得能够按照其他特征并排具有各自的特征的每个事件而不受不适时的延迟的影响。在重排期间在所述时间框架上发生的改变的大小还提供一个有价值的诊断标记。在语音处理领域,时间重排算法比十年前开始增多,并且其中一些用于监视变电站的大功率电路断路器。不过,和用于处理语音信号相比,这些算法用于监视领域还不成熟。可以使用多级校正作为所述时间框架的估算工具。和在语音处理中使用的算法相反,多级校正使得能够校正时间序列,并且不仅用于轨迹的排列。
不过,多级校正事件复杂的,并要求较高的计算能力。因为观测的特征不按照事件的到达顺序或者时间流的反转表示变化,所以不完全依赖于时间变形。不过,对于具有可以适当调整的加权系数P的这些任务永远不会使用多级校正,例如在题目为“Vibro-acousticsignature comparison and time warping correction with multiscalecorrelation”,F.Leonard中所述,该文由名称为“Methodes desurveillance et techniques de diagnostic acoustiques etvibratoires”,Societe Francaide des Mecaniciens-Soiete FrancaisedAcoustique-Internationl Measurement Conference,CETIM(Senlis),France on 13-15 October 1998的第三次会议发表。实际上,简单的时间重排算法在本发明的范围内更为合适,因为只需要调节时间框架的头两个偏差,即延迟D0和时间流速度D1。按照这些偏差进行的特征的调整使得能够校正观测的油温对抽头转换速度的影响,借以减少特征平均值的分散,并且使得能够比较在这个平均值和新的特征之间被剥夺的温度的影响。
参看图26,其中示出了用于说明按照本发明进行时间重排的迭代环的操作的流程图。其操作性是简单的:对所述的算法提供要被评价的包络,例如通过抽样信号9和通常是包络的平均值的参考包络13A而形成的包络。在输出端,提供第一内插包络11,使得其时间框架相应于参考包络13A的时间框架。由算法求得的漂移系数116,118的值也可以用于诊断。算法的操作例如被以下参数控制:
-时间漂移的初始值D0,0(53)和D1,0(55);
-每个时间漂移的开始范围的宽度,以及
-通过迭代要达到的分辨率的限制,所述限制由迭代次数确定。
根据在包络和参考包络之间的最大相关性的探究,提出的算法通过在迭代处理中反复进行试验得到发展。在每次迭代中,进行两个选择,即一个对于零阶漂移D0(延迟),另一个对于一阶漂移D1(时间流的速度)。
迭代在两个块中进行,第一个块用于零阶漂移,第二个块用于一阶漂移。按照这些块的执行顺序,找到值的选择器120,120’,内插器122,122’,相关器124,124’,用于选择最好的漂移值的选择器和搜索范围缩减器126,126’。要被检验的值的选择器120,120’在第一次迭代时只取最近转换的值Dx,i,或者取初值Dx,0,对于DOi和D1,i的搜索范围计算值Dx,i±1/2。对于每个漂移,在每次迭代时检验这些值。内插器122按照由零阶漂移设置的起点并利用等于一阶漂移的时间间隔对包络进行采样。利用重构函数“sinc”(即sin(x)/x)进行内插,对其应用布莱克曼-哈里型频谱窗口,以便限制宽度。借以计算3个包络,并提供给相关器124。最高的相关值,或者最低的平方偏差确定由选择器126实现的最好的漂移值的选择。因为迭代在两个块内进行,因而零阶漂移的最好值被传递到和一阶最好漂移的选择相关的内插器122’。一旦在迭代周期之后提供两个漂移值,每个漂移的搜索范围就除以2的方根。如果这些范围比需要的具有较低的尺寸,则迭代停止,否则返回值120,120’的选择器进行新的迭代。
图27表示用于实现时间重排执行的算法的LabView图。在同一个环中具有相应于漂移的阶数(零阶号一阶)的两个迭代序列132,134。在左上部,内插滤波器122,122’的半个宽度的零值缓冲器128被加于要被调整的特征矢量9的开头:此处假定在时间框架上第一瞬变在更远处发生,并且在此之前信号是0。还是在左方,求得斜坡{x=i,i=0,1}140,其从0.0开始,并以采样次数减去内插滤波器122,122’的长度所得之值结束。所述斜坡用于按照下式计算内插位置:
xpos=(x+D0)·D1-(D1-1.0)·I/2 (7)
其中利用D0和D1作为漂移值。表达(D1-1.0)·I/2使得能够对参数D0和D1进行解耦或者解除相关。确实,在内插处理中,斜率D1的调整的同时不引起零D0的改变。表达式D0+(x-I/2)·D1+I/2可以用于代替前一个表达式而不会对迭代变换产生影响。D0和D1的初值分别被设置为0.0和1.0。设根据参考被调整的特征sn为:
sn=s(t)|1=nT (8)
其中T是采样周期。内插由提供下式表示的特征构成:
s′n=s(t)|t=((x+D0)D1-(D1-1.0)·1/2)·T
(9)
图28表示在相关12,124’中的一个之前的内插122,122’的v.i,所述的相关由图29A表示。图29B表示在图29A的相关的v.i中使用的截断146的v.i。在图28中的左面的小环144确定要被内插的点数;在已知采样sn的外部不进行内插(即没有外推)。按照同样的思路,在计算图29A所示的平方偏差之前进行的截断使得能够确保在两个矢量当中的非零值的比较。此处不是真正进行相关,而是进行简单的平方误差计算。因为当平方误差最小时获得最大的相关,所以使一个最大化或者使另一个最小化将产生相同的结果。相关和平方误差(或者标准偏差)之间的联系在下面更详细地讨论。
参见图27,对于一维的迭代搜索空间,在每次迭代时使搜索范围除以2。如果在K维上的每次同时内插时需要每两个内插减少K维的超曲面,则对于k维搜索,所述范围一般除以21/K。在所述算法中K=2。
在每次迭代,进行6个内插122,122’和相关124,124’。正是内插122,122’需要最大的计算能力。为清除起见,代码没有被优化。有经验的程序员会注意到可以大大减少迭代和校正次数。例如,对于下一个迭代,只需传递最近的最大相关、其值和相应的内插包络。此外,在没有本地最小值的情况下,如果第一个被检验的可能性提供优于中心值的相关值,则检验在最近最大值左侧的一个和右测的一个的两种可能性是无用的。存在着收敛较快的其他算法,例如牛顿方法。不过,怀疑存在本地最小值和其他可能影响收敛的不规则性。各种试验和由上述算法执行的迭代避免了迭代朝向错误的结果收敛。这个额外的计算是为健壮性付出的代价。
对于零阶D0利用有效的时间重排进行的试验,对于一阶D1利用无效的时间重排进行试验。注意到包络的排列的可以检测的改善。实际上,在通过时间重排之前进行包络的首次粗的排列。然后进行在两个包络之间的简单的相关,指向延迟的相关的最大值可归于粗重排,因而采样是整数。当然这样获得的分辨率大约是半个周期。即,利用时间重排迭代算法,借助于在采样周期的一个小的部分使两个包络对齐,两个采样之间的内插显著地改善了包络之间的相关性。
当然,利用两个有效的漂移进行时间重排的相关性较高。
图30表示100个包络150的平均值的例子,其中利用这些包络150的±3倍特征的标准偏差(±3sigma)152,154。利用所述的时间重排,在受到瞬变影响时不再使分散被系统地放大。图31是图30的部分放大,其中在没有时间重排时的曲线±3sigma156,158相加。通过正确地排列瞬变攻击,似乎时间重排相当大地减少了直接受所述攻击的分散性。此外,还观察到除去在瞬变攻击时分散的略微减小。尽管其具有中等程度的复杂性,但是在监视系统中更希望使用这种算法。
时间重排可以用于更仔细地检验特征在时间框架中的演进。图32表示一种典型的平方偏差减少的时间演进,其中对于抽头变换器的100次抽头变换。利用第一包络借助于应用时间重排159,而不利用时间重排157。注意到在起初的减小很小,这是因为操作条件相似。逐渐地,操作条件变得不同,从而增加和初始时间框架(由改变n1设置)的差别。
起始特征和当前特征之间的距离的增加也可以在图33A,33B所示的零阶漂移D0和一阶漂移D1上看到。有时还注意到,当一阶漂移高时,零阶漂移超过单位1。更深入的研究将考虑温度和负载,从而表明这些操作条件对D0和D1的影响。最后,可以积累其他的统计学特征,以便设置D0和D1的起始偏差的最佳值以及对这些漂移值所需的最终的分辨率,即在重排算法中的迭代次数。被设置为1.5的D0的启动偏差在可信度试验期间以被证明太大,并且对于D1的启动偏差设置为3/N似乎太小,或者在跳闸范围的限制内。确实,对特征按照N=469进行采样,对于D1的启动偏差获得3/N=3/469=0.0064,并且因为多次迭代给出:
在D1上的最大的跳闸范围被限制为1±(2.4.0.0064),因而被限制为1±(0.0154)。即,在图33A和33B中,这样的范围限制达到两次。对于这种设备在本例中,似乎这种范围限制必须增加。经验表明,启动范围的宽度和要被监视的设备的类型有关。
在上述的算法中,正是记录的第一特征确定参考的时间框架。所有相继的特征都相应于其时间框架进行时间调整。重要的是所述第一特征代表其它特征。最好是,这个特征尤其不应当在断电时或者在极端的操作条件下获取。解决方案应当包括以按照一阶对第一特征进行时间调整开始,并在此后利用一阶和二阶时间重排进行处理。
在所述特征包括一个重要的随机部分的情况下使用平均值是不可避免的。这就是在许多现有技术的监视算法中发现使用平均值的原因。
其中,在抽头变换器的监视中使用两个游动平均值,用于每种类型的抽头改变操作(1-2,2-3,......,3-2,2-1)。第一个平均值和在启动时的特征有关,而第二个平均值是最后测量的特征的平均值。第一个平均值被称为原始的或参考平均值,其基于遥远的过去,而第二个被称为现实化的平均值基于最近的过去和现在。图34A-C说明参考160(原始的)和现实化的特征162的各自的加权的演进的例子。
参见图1,在每次抽头变换测量中,测量值9可以和参考特征13A(或现实化特征13B)比较,用于检测突然出现的故障。这个比较借助于相关器149来实现,其产生一个确认信号151,用于提供振动声学信号的确认标记。在没有故障时,计算电路12由最近排列的测量计算新的现实化特征13B,和新的参考特征13A。此后,这些特征13A和13B利用比较器14进行比较,从而检测中期的或者长期的行为偏差的出现。因而重要的是使游动平均值计算的问题细化,以及相对于白噪声和周期噪声(年温度和日负荷)这些平均值的灵敏度。此外,通过更换检测器或者低的仪表漂移,在计算的平均值上的分散的减小必须不会引起报警被触发:所选的报警门限例如±3.9∑(lin 10000)必须不低于所述仪表的预期漂移的2倍,即5%的突然偏差。
现有技术中提出的一种算法使用均匀加权的固定平均值产生原始特征,并使用游动平均值产生现实化特征。利用固定的平均值,意味着对N个第一包络简单求和,数N被预先设定(从3到30),当相关的抽头变换达到这个数量的特征时监视开始。此外,前述的算法计算峰值包络的平均值,而在本发明中,使用最好由希尔伯特变换6获得的包络的平均值,并且由时间重排10重构。
M个包络的均匀的平均值表示如下:
其中Sm是含有标记为m的矢量,例如Sm={S1,m,S2,m,…Sn,m}。利用所述的均匀平均值,为了不发生平均值重叠,对于两种类型的平均值,即原始平均值和现实化平均值,数M必须是有限数。确实,和图34A-C所示的不同,在两个均匀类型的平均值之间的平均值的重叠是不希望的,因为在存在重叠时加权是相同的。对这些平均值增加的相同的数量根本不能改变这些平均值之间的差别。求取原始平均值的均匀型的平均值的继续计算是简单的,只需要包络的和与相加的包络的数量。不过,对于现实化的平均值,必须存储所有的包络,以便从包络的和中减去M+1个最前的包络。在这种情况下,需要进行类似于缓冲器平均值(Cm=1)的处理。
缓冲器平均值是用于在求和的包络加权的选择中提供最多可能性的平均值。其被表示为:
其中利用Cm作为加权系数,所述系数必须被简单地调整,从而获得固定的平均值或获得一个后面说明的不同的递归平均值。缓冲器平均值的问题是缓冲器的精度,其需要存储被求和的所有的包络。
取决于加权函数P(i),其中的和代表对m+1个累加的包络的累加结果。对于P(i)=1.0获得均匀平均值是没有意义的。
递归平均值只需要知道最后平均的值和数m。必须强调,在平均数大的情况下,对于指定给这个未加符号的整数变量的大小(通常,对于2字节为32768或对于4字节为4.2千兆),数m必须不超过所用的编辑器所允许的最大值。利用第二种表示,即公式14,也需要加权的和不超过编辑器的浮点限制值。。实际上,在抽头变换器的寿命期间,抽头变换器在同一对抽头上可以进行500000次以上的操作。感到吃惊的是,抽头变换器的同一个抽头的操作超过10千兆次(在95年期间每5分钟操作一次)。因而所述整数和浮点值在4个字节上可以允许而不会有变量的溢出。
作为例子,取原始特征作为平均值:
这相当于把下式代入式(13)得到的结果:
对于α=1,求得均匀的加权平均。当α>1时,相对于先前的测量,加权减少最近测量的重要性。在原始平均中,正是搜索这后一个特性。
作为有用的原始平均值,还有下式表示的游动平均值:
这相当于把下面的加权代入式(14)得到的结果:
对于η<<1和η>0,得到代表新的测量的加权的常数。在式(13)中对于这个平均值容易推断f(m)=η。其中,和原始平均值不同,当η>(1-η)m时,最后测量的加权对于足够高的m是最重要的。当m=0时强加的初始条件,因而Am=S0时中断整个的现实化特征。正是和使用用于相对加权的表达式(13)有关的问题必须随m而增加;对于第一到第二包络的加权的通过,具有从(1-η)mS0到η(1-η)m-1S1的突然的通过,这是对于其它特征用(1-η)/η代替(1-η)所得的比。实际上,瞬变响应具有一个依赖于η的持续时间,即相加的包络数。因为所述瞬变响应引起使包络的和减小的系统噪声,其显然是可以容忍的。
由上述可见,为了计算原始(参考)特征,选择了使用游动平均值,并由计算电路12计算现实化特征。同时游动平均值的类型的选择基于分散减小的增益和平均值的瞬变响应。这两个准则是抵触的,重要的是细化这些内容使得达到折中。
尽管均匀加权平均值不被保留,把分散提供在这个平均值上是有用的,因为其构成下部边界。确实,对于给定数量的相加包络,均匀加权是用于减少大部分分散的加权。对于服从拉普拉斯高斯分布的噪声,在M个包络上均匀平均值的分散由以下的变量表示:
σ是代表在每个包络上的分散的标准偏差。所有其它类型的平均值对于高斯噪声将具有较大的不同。不过,必须考虑根本不相应于拉普拉斯高斯分布规律的的定义的周期噪声(日负荷,季负荷......)的存在。因为均匀加权平均值对于周期现象具有较大的灵敏度,其必须被代表一个合适的折中的平均值代替。此外,假定存在一个错误的包络,如果这个包络被加上,则均匀平均值给出1/M的加权,并且如果这个包络发生在由数M确定的宽度和的范围内,则得到零加权:其成为全部或者成为0。
一般地说,窗口的宽度必须是周期噪声的周期的3倍,以便使周期噪声衰减。此时,在所有的滤波器的系数可被使用之前,需要3年的观测窗口,以便使滤波器满足这些要求。这个延迟是不能接收的。实际上,从单位1开始并逐渐减少的加权在求和开始时相当于进行均匀平均。当平均更被提前时,新的采样(对于原始平均值)的加权或者是前者的加权(对于现实化平均)则基本上成为按比例缩小的,因而将用于稳定平均值对周期噪声的振荡响应。在几个包络相加并改善随时间的不确定性(在平均值上的标准偏差连续地减少)之后,可以使用后一个平均值。和数字滤波器相比,高斯加权应当是FIR滤波器,而逐渐减少的加权应当是多个IIR型的滤波器。
逐渐减少的加权可以利用递归函数例如式13、14表示的函数被有效地实施。当相加的包络数趋于无穷大时,比较这些公式的最终的分散是有用的。关于公式15中给出的表达式,对于m→∞,计算噪声的传播将产生零分散。同样,利用公式16的表达,对于m→∞,则总数趋于无穷大,从而后者也趋于零分散(即对于m→∞,1/I的和趋于无穷大)。不管选择哪个公式,周期噪声的减少必须认为是滤波器的瞬变响应的函数。对于原始平均值,这个响应确定平均值的稳定时间。直观地看,应当理解,如果需要年循环的减小,则原始平均值的稳定应当用一年以上的时间。为了稳定,(15)的表达式使得能够根据相加包络的数量调整α的值。已知:
limε→0{x1+ε}=x+ε·x·ln(x) (21)
如果取α=1+ε,则当以下的条件成立时开始稳定:
ε·ln(m)>1 (22)
例如,如果已知在一年期间从7到8平均具有500次抽头转换,α将被设置为
此处肯定出现一个问题:加权必须根据操作次数m设置还是最好根据时间设置?根据m设置似乎简单,但是不能得到最佳的关于依赖于时间的周期噪声。应当对每种类型的抽头变换提供相同的值α,或者应当较并频繁的抽头变换增加α?再一次,为了简化,跟上α的唯一的值应当是应力的。对于α的唯一的值,需作为m的函数而不是时间的函数详细设计每次抽头变换的行为的检查。还有许多和x→y相关的操作有联系的老化因素取决于mx→y,即操作的次数,而不是时间。概括地说,对于不同的抽头变换,某种老化处理、简化以及健壮性需要作为m的函数以相同的系数α加权。
则所得的游动平均被表示为:
对于这种精确的信号的情况,其是m特征+1的函数。注意到,对于函数0<f(j)<1,Sk的加权随着每个新的特征的和而变小。这个加权可以在非零特征Sm的一般情况上进行。我们调用总体参数:
其表示m+1特征的加权和。因而相对的加权等于公式24除以公式25。更一般地说,可以推断,由式13以回归方式表示的游动平均值也可以表示为:
按照误差传播定理,假定在每个特征上的高斯白噪声,例如:
通过在后式中引入f(m)=7,则获得:
在经过一些运算并由积分代替和之后,例如有:
其最终提供:
当η<<1时。后式使得能够预测在相应于现实化的特征的特征的平均值上的标准偏差。注意到,不像被建议用于计算原始特征的方法那样,所述的改变不随m为无穷大而成为0,而是和η有关。要使标准偏差减少10倍,则需要η=0.02。当然,η越小,则在达到现实化的特征之前必须被相加的特征的数量越大。当新的特征的加权是在平均值上的标准偏差的幅值数量级时,即当 此时相加的特征的数量将大于:
为了使平均值稳定,要求使公式26有效(即对于这个公式,认为m无穷大)。
必须在标准偏差的减少和所需的特征的数量之间进行折中。以便实现平均值的稳定性。在另一方面,寻求低偏差的平均值,而在另一方面,如果发生行为改变,则需要对这个改变尽可能最快地调节的平均值。换句话说,平均值算法的响应速度和在特征上的分散的减少成反比。
图35表示标准偏差σmean/σsignature的减少153和在作为加权η的函数的总的特征中的平均值的瞬变响应155,其中具有一个有用的性质用于折中,以便在现实化的平均值中选择η。其中,η=0.1大约使标准偏差减少4倍,同时具有平均值为15的瞬变响应。
重要的是原始平均具有在相加的包络数下趋于0的标准偏差,虽然,对于现实化的平均,可以允许非零分散。确实,这第二个平均值和已经具有重要的分散的孤立特征相比较。平均值的分散必须小3倍,使得其只产生5%的比较误差。比较误差等于平方的误差的和的平方根,即,对于后一个例子,
。此外,如前所述,用户必须允许在更换测量线路的一个元件的情况下出现的相对于原始平均的现实化平均的5%的以外偏差。因而,寻求在现实化特征上减少小于5%的分散是无用的。然而,在没有电弧情况下,使用时间重排10和利用希尔伯特变换卷积算法444进行卷积计算,孤立的特征的实际的分散小于信号幅值的20%。把η设置为等于0.1构成产生整个分散的5%的分散的第二个折中。
在特征上的标准偏差一定不要和特征的平均值上的标准偏差混淆。在特征上的分散的计算中,尤其重要的是比较每个测量包络和代表最后包络的平均值。在具有包络漂移的情况下,如果平均值不能足够块地调整,则具有将被加到所述分散计算上的偏差。在另一方面,在平均值的分散的计算中,重要的是正确计算在平均值上特征的分散的传播,并考虑包络的低的漂移。
利用特征分散的计算,偏移的但是简单而有效的平均值通过取每个新的特征具有的和平均值的偏差的平方的和,并除以相加的偏移的数量来得到,即: 其中
当然,在平均的开始,并且当Sm-1只基于一个特征时,在统计上获得两倍的改变(即2σ2)。因而分散被估计过高。此后,这个偏移逐渐减少。不过,这个计算具有这样的优点:其比较包络和游动平均的最后值,因而,如果游动平均值伴随着漂移,这种计算对特征漂移不敏感。其它的计算是经典的,即:
其中计算在包络中获得的能量和在最后平均值的能量之间的差。然而,如果在m个特征内在平均值特征上具有波动,则该波动被解释为分散源。在开始分散时,这种分散计算不会被估计过高,但是在系统上包括特征的所有的慢漂移。
在式33中提出的计算对于在最近获取的包络和现实化平均值之间的比较是有用的。确实,在开始分散时在平均值计算还不稳定时估计过高,从而使得不会不需要地向用户报警,这是非常有用的。这个选择能够实现健壮性。此外,使得对特征的慢的漂移不敏感,由这样的计算提供的分散值接近现实化的分散值。
相反地,在式34中提出的分散的计算对于限定在原始平均值和现实化平均值之间比较的门限是更有意义的。现实化的平均值将被周期噪声干扰,而随着测量的积累,原始平均将被逐渐地从中免除。
公式33和34没有考虑通过平均施加的加权。在恒定的标准偏差的情况下,不需要提供这个加权。但是当不知道所述偏差是否真的是常数时,除去产生一个能够考虑这个加权的标准偏差估算算法之外,别无选择。对于现实化的平均值,建议使用以下的递归计算:
这种计算将使得能够根据特征的行为调节方差。加权现实化平均值的优点之一在于能够逐渐消除由大噪声的抽头变换引起的差别的增加,或者因为独特的操作条件(例如切断负载和切断电源的抽头变换)引起的差别。在监视系统启动时和在抽头变换器的维修期间容易产生几次有噪声的或者分歧的抽头变换。对于η=0,对于在扰动之后的100次抽头变换,系统的灵敏度将被降低(查看在图35上相应于η2=0.01的值)。因而所获取的特征必须相应于正常工作条件。使用现实化方差计算的变换器是一个能够减少监视灵敏度的恒定的和重要的噪声的器具。现实化的方差计算的选择必须伴随着报警或者跟随特征分散的增加。特征的分散对于测量线路可以构成一个重要的诊断信息。零分散是不可能的,除非监视系统有缺陷(信道故障,计算算法中的故障......),并且一个总是高的分散表示在变压器或抽头变换器中的随机振动,或者是由仪器提供的大的噪声。
对于原始特征平均值,如果进行由式15定义的平均,则建议进行以下的计算:
这将使得能够设置方差,同时在其中包括特征的低的周期漂移。对于α=1,应当获得式34。
在式35和36中给定的两个分散值之间的比较应当使得能够诊断随时间而改变的现实化的分散。
在许多应用中,对于分散计算所要求的精度通常比用于平均值计算的精度小得多。不过,因为分散值被用作在特征周围必须不被超过的限制,所以分散必须和特征的平均值那样精确。最好是其精度接近平均值的精度。
相关是一个简单的工具,在存在高斯噪声的情况下,其使得能够在不同的优化算法中达到最大似然性。在监视作用中,相关旨在用于以下目的:
-粗略地使测量的包络和现实化的包络对准;
-完全证实两个特征之间的对应性;以及
-给出在两个特征之间的偏差的整体标记。
相关系数/因数用矢量表示如下:其中
A={A1,A2,...An}并且
B={B1,B2,...Bn} (37)
其对应于相关矢量的协方差。在对准中心的相关中,从矢量中除去直流分量,即每个矢量的平均值,从而给出: 其中
并且
当特征被对准时,即在时间重排10之后,这后一个表达式是合适的。其中,按照对数比例进行的对准中心的相关可以抑制仪表的增益的漂移。确实,按照对数比例,漂移似乎是一个附加于信号的常数,一个利用对中相关抑制的常数。
当特征未被对准时,作为代替,使用作为施加的延迟的函数的给出相关值的公式。为此,首先使用在两个变量x,y之间的相关函数的分析表达式,即:
其中x,y可以是对中函数或者不是(即具有零平均值)。如果目标是要定位最大的相关性,而不求取它的值,则从两个矢量中提出直流分量是无用的。对于限制于N次采样的转换的小心的测量,以下的相关函数对于使特征和最大似然性对准的整数k将是最大的: 其中{n∈[1,N]|(n-k>0)⌒(n+k≤N)} (40)
某些现有技术的仪器的算法限制于提供半个采样周期分辨率的时间对准。在本监视算法中,采用时间重排算法10,用于调整在k值周围的整数值以下的特征。
设在两个矢量之间的标量积:A·
B=|
A|·|
B|cos(θ) (41)
相关取决于在两个矢量之间的角度,例如:
γ2=cos(θ) (42)
同样,让我们检查这些矢量之间的差的平方,即:
(
A-
B)2=|
A|2+|
B|2-2|
A|·|
B|·cos(θ)=|
A|2+|
B|2-2|
A|·|
B|·γ2 (43)
在本应用中,其考虑了在两个特征之间的平方偏差。后一个公式正确地表示出了平方偏差和相关值之间的关系。显然,当相关系数γ最大时,获得最小的偏差。
均方差和相关性是两个全程值,它们分别表示在两个特征之间的距离和接近的相对运动。从实用的观点看来,为了确定报警门限是否被超过,最好使用均方差,因为其比相关具有更具体的比例。不过,为了判断特征之间的对应性,相关允许使用其它标准。
特征的识别有两个目的:证实具有预料的抽头变换和进行诊断。有许多环境在其中获得的特征和预料的不一致,例如:
-所获得的偶然的跳闸;
-抽头数的错误的测量;
-不完全的抽头转换(主要缺陷);
-具有大的不寻常的噪声(例如有故障的风扇、压缩机或在附近进行焊接)。
特征的识别必须适用于特征的第一确认,并向监视系统对任何异常的存在及其重要性报警。低的相关性意味着特征未被识别。如果相关看起来和相邻的抽头数的抽头变换特征十分相关,则意味着可能在抽头数的测量上存在错误。附带说明,利用在在试验期间采集的数据,已经表明特征的识别是足够精确的,从而使得不用抽头数的信息。一般地说,对于来自相同操作的特征,相关值接近单位1(0.95或更大),而对于不相当于相同操作的特征,相关值在0.8以下。在确立监视系统的算法所过程中,一个任务是确定使得能够检测产生低相关的环境的相关范围或门限。必须执行不同的策略,以便识别表征相关损失的不同的诊断征兆。例如,利用消音的抽头变换器进行的补充测量(在转换前后)应当使得能够确认已经存在的或者发生在两个抽头变换之间的异常噪声的存在。
当探查的对象被精确地知道时,可以使用相关进行有目标的诊断。例如,如果通过相当确定的的频率和包络振动能够确定故障本身的类型,如果在信号中存在故障,则故障信号的相关使得能够定位这种故障。不过,相关的这种使用要求具有允许执行这种诊断机制的典型的故障特征。
参见图1,按照本发明的监视装置可以具有被连接在转换级2和整流器4之间的带分离器170,用于把数字信号3按照不同的进行分离,所述频带由分离器170的下游的单独的电路(整流器4,卷积滤波器6等等)进行处理。
多带方法是一种在特征的唯一的包络和时间频率分布之间的折中。在一方面,存储器的实际成本不允许存储抽头变换器的每类操作的时间频率特征。在另一方面,在本领域中获得的经验还不能够进行时间频率特征的可理解的解释,最后,潜在用户的知识水平以及它们的关注距离时间频率特征的概念还相差太远。
在多带分析中,最好不通过把信息置于一个以上的带上复制信息,频带必须包含补充的并且不是多余的信息。当达到这个目的时,频带的内容的和则必须给出原始信号。普通的减法
构成了一种简单的用于确保无多余的方法。
对于在两个带之间的分离,被表示为:
Band2(t)=signal(t)-Band1(t) (45)
这使得能够应用一个卷积滤波器求出第一频带的信号,第二频带的信号利用简单的减法计算。注意:要求信号的足够的截断,使得在进行减法之前时间采样被正确地对准。加速度信号的积分给出速度。不过,如果加速度表示冲击的幅值(F=ma),则速度表示振动的能量或涉及与吸收的功率(E=0.5mV2)。对于速度包络和高频加速度包络的组合,则具有更强的诊断能力。如图1所示,在整流器4之前可以插入积分器102,以便根据使用或者未使用频带分离器170在一个或多个频带上获得速度信号。积分使得低频幅值增加,而损害高频。积分相当于在每个频带上应用20db/decade的低通滤波器,或者相当于由频率除频谱的幅值。因而积分可以用作低通滤波器用于保留信号的低频分量。当然,此处在两个带之间没有相互排斥的分离作用,除非在低频带中的信号被积分,而在高频带中的信号不被积分,这两个频带是相互排斥的。
重要的是需要强调,检测器的定位对于信号积分的成功具有极端的重要性。的确,如果具有一种主要的传输方式,则除去无关紧要的比例系数之外,获得的包络将是类似的,如果取的是速度或者加速度。理想地,信号必须具有均匀的频谱分布。
例如,图36表示对于具有电弧缺陷的抽头变换具有在1000Hz到26kHz的频带中的加速度包络201和速度包络203。原始信号的时间频率分布具有低频方式和在19kHz的主要方式。高通滤波器51抑制低于1000Hz的频率的信号,保留几个信息以便分离这些包络:由主要方式传输的信号的包络在积分之后基本上保持相同。不过,如图43所示被分离成两个不同的加速度频带之后,一个205范围为0-2.56kHz,另一个207范围为10k-25kHz,所获得的包络非常不同。电弧出现在10k-25kHz的包络207的1.44s的位置上。
常数的积分给出一个无穷大的值。同样,非常低的频率通过积分将不被极度地放大。此外,120Hz的振动以及其产生的谐波是无关紧要的。这便是在积分之后必须提供高通滤波器的原因,其目的是为了消除这些振动,幸好这些振动不包含和诊断抽头变换器的操作相关的信息。最后,在图38中包络201、203之间的相似性不是由于低频带的抑制,而是由于其中具有由19kHz振动方式提供分相同的信息。
由被限制于一个频带的信号提取的包络具有和所述频带一样的带宽。因而在包络计算之前可以对获得的包络抽样,直到采样速率等于信号的带宽的两倍。进一步的抽样同样会产生频谱混淆,除非在包络计算之后应用低通滤波器,如前所述。
应当注意,以N个相等距离的频带分离的在X k/s速率下采样的原始信号需要采样速率为N.X/N k/s,即X k/s,以便在所有这些频带上传输包络信息;对于合适的抽样,信息载体的容量保持恒定。
通过特征的抽样进行压缩可以使得所需的存储空间为最小,并且避免处理多余的信息。可以使用内插进行解压,以便对用户重现包络的图形。也可以使用内插细化在压缩的包络的两个采样之间出现的峰值。通过缩放和舍去以便获得16个字节的整数的压缩和解压主要用于使所需的存储空间最小,并且向最终用户表示应当使用按照本发明的监视算法。
重要的是不要弄错在一定的时间分辨率下的每秒的采样数。时间分辨率直接取决于被分配给信号的频带,当然要考虑符合奈奎斯特-香侬采样定理。这个定理规定采样频率必须大于信号中存在的最高频率的两倍,即信号带宽的两倍。因而每秒采样的次数必须符合这个定理,如果这个数字不是所需的结果,则进行内插、抽样或其它任何所需的数字处理。因而每秒的采样次数可以容易地超过时间分辨率。当为了使存储空间最小而减少采样次数时,则把后者设置为略高于信号中的最高的频率。被限定为“略高”的存储空间具有其重要性,因为某些数字处理影响被分配给信号的的频带的末尾。在频谱上,信号的通带在所述频带的末尾其幅值必须减少,这个转换占据频带的10%以下。值得一提的是在获取期间,在民用频谱分析仪上(对于512FFT频谱线,显示400线)防混淆滤波器的转换一般占据频谱带宽的28%。在数字处理中,要求不超过10%,因而要求一定的滤波器长度(或级)。
还有一个问题是:在标准偏差矢量上压缩或抽样可以被更多地进行吗?在一方面,所需的存储空间可以再减少一些,但是相反,某些特征比较算法的复杂性却增加了。确实,如果标准偏差矢量的抽样加倍,则必须进行两次同样的采样,或者需要在两个标准偏差采样之间进行内插,以便覆盖所有特征平均值的采样。
利用内插进行的解压是利用类似于在时间重排10的迭代算法中使用的技术实现的。其中利用理想的重构函数,即sinc()函数,以便通过被频谱窗口相乘限制其时间宽度,注意要利用系数的和进行标称化,并且,最后,利用被插入等距零采样的原始包络进行卷积运算。卷积起低通滤波器的作用,用于滤除具有被插入的值的零采样;所述的幅值必须利用和内插比例(即,对于5倍采样,则幅值乘以5)相应的比例系数进行校正。必须强调一个重要的细节:因为sinc()函数包括负值,所以如果具有频谱混淆,对于负值可以产生按照线性比例表示的特征的内插。但是,如前所述,负值是没有意义的,并且不能按对数比例设置。不过,可以进行特征的内插,而对对数比例没有危险。
在抽头变换器中,燃弧是观察到的最典型的缺陷之一。可以充分地观察是否存在过量的看得出的缺陷而不用细化特征。不过,如果在监视系统的监视过程中在抽头变换器中存在燃弧,总是观察到没有过量,因为其存在于原始特征上。识别抽头变换特征上存在燃弧的能力构成一个重要的诊断进程,这在本发明中是可能的。
电弧的独特的频谱特性在于其似乎是粉红噪声。粉红噪声意味着没有均匀频谱的随机噪声。这个非均匀性被由电弧产生的到达检测器的压力信号流强化。最终的传递函数将很大地影响电弧信号,使得其不容易和其它的高频机械噪声区别。
在机械特征(切断电源)和带有负载的特征之间的比较也提供了机电力和所存在的电弧的好的构思。图37A-40B表示4种无载抽头变换的包络37A-40A和有载抽头变换包络37B-40B的这种比较。选择器被启动,直到在1.75s负载转换为止。在有载条件下的这4个包络上在0.6s存在瞬变现象。所述瞬变似乎是正常的。不过,在图38B在抽头变换的包络上在1.44s出现的瞬变是异常的,并且具有大的幅值。这种抽头变换的低频信号包络表示在1.44s没有发生异常(图38A)。对此,如果高频包络和低频包络进行比较,如图41所示,则可以看出只有在高频带的包络176上才能够看到电弧。因而可以明显看出多带包络的实用性。
电弧检测器的实施依赖于电弧具有频谱和时间图形,这是特定的并和其它的机械情况不同。在机械特征和有载特征之间的比较得到非常有用的补充信息,但是这使得系统的关于监视算法的应用更加困难。在监视系统的功能当中应当设计具有存储特定特征的能力。当然,只有受过专门训练的用户才能进行这种存储的特征的比较。当只在高频带的包络上存在过量时,在多带中的过量的检测只能够指出燃弧存在的可能性。其中,对于这种类型的设备,通过检查独特的特征或者通过在一个特征和共用的参考模板之间的比较可以作出绝对的诊断。确实,灵敏度是较低的,不过,当新的设备投入使用时,其使得在没有背景的情况下能够检测误装配或其它缺陷。
参看图1,利用按照本发明的监视系统的一些方法进行了试验,其中利用推荐的配置参数,在100个特征上产生具有极大偏差的特征平均值。被处理的特征是由所安装的测量系统积累的对于预定的抽头变换的月份特征。信号被分成两个相互独立的频带具有被设置在0.1bin,即6.4kHz的截止频率。这样提取具有各自的特征的两个包络。每个包络利用上述的实行希尔伯特变换4的卷积算法被计算。抽样速率8是32,以便把采样频率从65000降低到2000/s。在包络上的低通滤波器100具有192个采样的长度,因而具有6倍的抽样速率,这能够抑制频谱混淆。
对于这个比较,目标是计算统计的分散,并且选择动态的均匀的平均值计算算法,用于计算每个频带的包络的平均值12。
图42表示由在2k/s下的采样支持的高频包络157(6.4kHz-32kHz),其具有偏差±3.9∑159,161和极值163,165,而图43表示由在2k/s下的采样支持的低频包络167(0-6.4kHz),其具有偏差±3.9∑169,171和极值173,175。在这些包络157、167之间具有明显的不同。高频信号包络157具有40 dB的动态,而另一个包络167达到20dB动态。然而,20dBB的差别意味着10的动态偏差,这是相当可观的。实际上,需要知道是否需要保持120Hz的振动信号以及该信号的12个一次谐波,要知道这种分布严重地限制低频包络167的动态。此外,抽头变换的操作和这些信号的相位不同步,附加有噪声成分,这扰乱了时间重排算法10。在这个例子中,如果120Hz的谐波不被滤除,因为它们具有小的幅值,则可以设置高通滤波器51,以便从低频包络计算过程中消除这些谐波。图44表示这些包络平均值按照线性比例的比较。和高频包络179相比,低频包络177具有较低的幅值和较低的吸收。
在上述的图中,已经加上对于每个包络观察到的极端的偏差163,165等。这些极值在一些位置超过了限制±3.9∑159,161等,即对于高斯噪声的1∶10000的限制。实际上,少数的特征超过这个统计限制。在这种监视算法的验证训练中,将观察这些超过是否被重复,以及它们是否在同一位置按时间分布。超过的次数是可以用统计方法证明的,因为其涉及关于和限制±3.9∑相关的比例为1∶10000的40000个采样(100个特征×400采样)。高频和低频包络的标准偏差几乎是相同的(接近6%):正是高频包络的动态使其对于行为偏差更敏感。
对于这两个频带,时间框架的重排10已被独立地实现。不过,对于监视系统,建议恢复在高频包络上的时间重排的结果,并将其应用在低频包络上,高频包络具有较大的动态,从而使得能够进行更精确的时间重排。
最后,似乎是,在2000/s的特征上具有的细节的丰富性达到或超过了需要。通过增加滤波器的宽度,从而使得从192-320采样的频谱窗口的宽度通过,可以实现进一步被滤波。此时可以在包络的算法112上应用低通滤波器110,从而对其进一步抽样。提供1000/s的抽样可以很好地用于这个特征。这同样适用于其它的抽头变换的特征。
在国际申请WO97/34161中提出的包络是一种利用模拟方法提取的峰值包络。在以下的比较中,具有设置为5ms的RC常数的模拟电路已被模拟(见图3),从而这个电路的减少的指数可以和具有的机械阻尼的试验特征(这个信号的最佳选择是0-10kHz)相比较。在提取之后,包络相对于参考特征以±1采样在时间上被调整,以便补偿特征之间的最后延迟。
此外,按照本发明,此处推荐的包络依赖于其瞬时功率检测器中的希尔伯特变换4,所述功率利用频谱窗口6的卷积被滤波,并且滤波的包络被抽样。窗口的宽度是320个采样,以便模拟和RC滤波器相同的滤波程度,即,5ms(320采样/65000采样/s)的时间常数。然后,使用时间重排算法对于参考特征调整新的包络。所述的调整在两个采样之间的距离下,并且对于延迟和特征之间的时间流的斜率差进行。
按照关于上述现有技术的电路的技术,已经从在0-10kHz的频带中的信号计算出包络,尽管从和本发明相关的研究的观点看来,5-25kHz或者甚至10-30kHz的频带是优选的。
图45,46表示对于100次抽头变换获得的统计结果。其中分别示出了按照推荐的计算181(图45)的0-10kHz的包络和按照现有技术的电路183的模拟(图46)的包络,其由2k/s采样支持,并具有偏差±3.9∑185,187,189,191和极值193,195,197,199。具有推荐的包络181(图45)的统计分散相对于现有技术的检测器(图46)的包络183似乎略有减少。细节的程度和从这两种类型的包络计算得到的包络平均值相似,如图47所示,其中示出了按照现有技术检测器209和按照推荐的计算211的包络的平均值。所示的分散显然不同,如图48所示,其中示出了按照现有技术的模拟和按照推荐的计算215的0-10kHz的包络的标准偏差。在这些标准偏差之间的平均差按照对数比例是38%,按照线性比例是42%。
因而,提出的用于进行原始信号的采样和用于通过数字处理进行包络计算的方法使得能够进行灵活的多频带监视,同时提供非常低的分散。
通过卷积希尔伯特变换4进行的振动声学特征的包络的数字计算提供了高的精度和低的分散,这是非常重要的优点,作为对照,现有技术中利用模拟方法得到的峰值包络具有30%以上的分散。
提出的用于校正相位分散的相位滤波器51似乎对于校正抽头变换的振动声学特征是不需要的。不过,这个方法在声源远离测量地点的应用中例如当监视电路断路器时是不可缺少的。
时间重排处理10在瞬变开始时把分散减少到平均值。在上述的PCT申请中披露的系统的算法的一个重要限制是在瞬变上升时特征的分散的增加。这个增加迫使用户增加用于减少算法的灵敏度的滤波器。
因为二阶时间重排算法对于实际采集的数据似乎是合适的(常数+时间斜率),所以不需要研制三阶算法。不过,可以使用三阶算法或更高阶的算法。
和用于估算特征包络的分散的方法一道,已经提出了几种不同的平均值计算算法。这些算法使得能够在测量线路的稳定条件下减少分散。使得特征之间的比较更精确。特征分散的行为似乎和拉普拉斯-高斯定律一致,结果,只在3.9倍的标准偏差有少量的溢出,大约为1比10000的比例。这种监视算法必须对付这些不可避免的偶然的溢出。
提出了不同的算法和装置用于对特征进行压缩和解压。根据需要也可以使用现有技术中的其它的方法。
总而言之,参见图1,在本发明的操作中,利用检测器(图中未示出)例如加速度计,实现了在被监视的开关系统的操作期间发出的振动声学信号的记录。在抽头变换器的情况下,实现了在变换前后抽头位置的测量。对于所有类型的设备,在转换操作期间利用检测器进行一个或多个定时的噪声测量,以便量化噪声。使用加速度计作为检测器的优点在于,其具有公认的不可否定的长期的稳定性和可靠性(在喷气式飞机的振动监视中可使用30年以上)。其制造成本低,并且可以例如通过麦克风从近处或者远方对一个测量地点进行访问。
按照本发明的优选实施例,振动声学信号1经过防混淆滤波器164,在166被采样,在168进行数字转换,其采样速率最好在5000和106/s之间。
数字化的振动声学信号3的分散可以借助于相位滤波器51进行校正。当振动源远离检测器时或者当信号由于其发送和测量之间的路径而失真时,这种校正是合适的。
最好是,虽然选择地,数字化的振动声学信号3通过频带分离器170被分离成一个或几个频带,然后在每个频带上进行包络计算。如果使用一个频带,则最好使用高通或者带通滤波器51。
对于每个频带,通过利用卷积滤波器4进行希尔伯特变换,从而确定瞬时幅值5,然后,所述瞬时幅值5利用合适的所有的点都是正的频谱窗口的卷积被滤波,最后通过抽样器8对包络7抽样,从而获得100-100k/s的采样的包络9。细化包括取未被抽样的包络7的对数112,并在抽样之前对所述对数应用防混淆滤波器100。
然后对包络或其对数9进行后处理。
最好是,在最近的转换操作获得的包络9借助于利用参考装置13A如同由相关器149实行的一种相关被证实。
获得的包络9利用数字内插被再次采样,使得在其中发现的瞬变和在相应的参考包络13A中的相同的瞬变对准。这个操作通过N阶时间重排电路10进行,其中N由在1和采样次数减1之间的数构成。应当注意,零阶时间重排相应于延迟的调整,因而是经常使用的。
利用计算电路12,由包络11计算两个游动平均值。平均值的包络相应于同一个转换操作(例如从抽头6转换到抽头7),通过加上最后的再次采样包络11利用回归方法计算每个平均值的更新。第一个游动平均值被称为参考特征13A,其具有随时间或转换操作的次数逐渐减少的加权。第二个游动平均值被称为现实化特征13B,并具有随时间或转换操作的次数逐渐增加的加权。
对于每个频带和抽头变换器的每种类型的转换计算包络11的参考标准偏差15A和现实化标准偏差15B。
在最后的转换操作的包络11、参考特征13A和现实化特征13B之间进行比较,以便检测逐渐的行为改变或突然的故障,其中考虑到在转换前后的噪声测量和标准偏差值15A,15B。最好是,在D0和D1上观察的偏差也进行比较,以便确定是否存在定时缺陷。可以通过比较器14自动地进行比较,或者通过视觉检查进行比较,其中通过在任何合适的显示装置104上显示各个参数和在设备的电路的各点产生的信号,此时需要用户能够正确地解释所显示的信息。最好是,通过合适的报警装置104报告可能引起被监视的设备破坏的任何故障。
按照本发明的各个电路和设备元件的参数化可以通过合适的软件提供的接口来实现,它们可以处理或者不处理信号的显示,并向用户提供各种有用的功能,例如用于进行调试、分析、信号处理和存储等的功能。
虽然上面结合附图说明了本发明的实施例,显然,不脱离本发明的构思,本领域的技术人员可以作出各种改变和改型。这些改变和改型都落在所附的权利要求的范围内。
Claims (64)
1.一种用于处理由高压开关系统发出的振动声学信号(1)的方法,所述方法包括以下步骤:
(a)把振动声学信号(1)转换成数字信号(3);
(b)对数字信号(3)进行整流以产生整流信号(5);
(c)对整流信号(5)应用具有频谱窗口(6)的卷积滤波器,从而产生滤波信号(7);
(d)按照预定的抽样系数(202)抽样滤波信号(7),从而产生代表所述振动声学信号(1)的包络的抽样信号(9);
(e)相对于一个参考特征(13A)进行抽样信号(9)的时间重排,从而产生一个重排信号(11);
(f)累加所述重排信号(11)作为一个平均值的系数,从而产生参考特征(13A),所述平均值具有一个预定的参考信号作为初始系数;
(g)累加所述重排信号(11)作为一个平均值的系数,从而产生一个现实化的特征(13B),所述平均值具有由步骤(e)产生的第一重排信号作为初始系数;
(h)计算重排信号(11)相对于参考特征和现实化特征(13A,13B)的改变(15A,15B);以及
(i)比较重排信号(11)和现实化特征以及参考特征(13A,13B),从而考虑所述改变(15A,15B)来检测逐渐的行为的改变或突发的故障。
2.如权利要求1所述的方法,其中所述步骤(a)包括以下步骤:
采样振动声学信号(1),从而产生采样信号;以及
把所述采样信号转换成数字值,从而形成数字信号(3)。
3.如权利要求2所述的方法,其中所述步骤(a)包括以下附加步骤:
在采样步骤之前使振动声学信号通过防混淆滤波器。
4.如权利要求1所述的方法,包括下面的附加步骤:
使在步骤(a)产生的数字信号(3)通过相位滤波器(51)。
5.如权利要求4所述的方法,其中相位滤波器(51)进行数字信号的傅里叶变换(92)、相位展开(94)、通过附加相位斜坡进行角度校正和反傅里叶变换,从而产生被补偿的数字信号。
6.如权利要求5所述的方法,其中相位斜坡(98)是二次的。
7.如权利要求4所述的方法,其中相位滤波器(51)利用线性调频脉冲对数字信号进行卷积(62)。
8.如权利要求1所述的方法,包括以下附加步骤:
在步(a)和步(b)之间对数字信号(3)积分。
9.如权利要求1所述的方法,包括以下附加步骤:
把在步(a)产生的数字信号(3)分离在不同的频带中,对于每个不同的频带,应用步(b)到步(i)。
10.如权利要求9所述的方法,包括以下附加步骤:
在每个不同的频带上积分在步(a)和步(b)之间的数字信号(3) 。
11.如权利要求1所述的方法,其中步(b)通过希尔伯特变换进行。
12.如权利要求1所述的方法,包括以下附加步骤:
利用对数对(112)在步(c)产生的滤波信号(7)进行整形。
13.如权利要求1所述的方法,包括以下附加步骤:
使在步(c)产生的滤波信号通过防混淆滤波器。
14.如权利要求13所述的方法,其中防混淆滤波器(110)对在滤波信号的频带末尾的低幅值部分进行滤波。
15.如权利要求13所述的方法,其中防混淆滤波器(110)是带通滤波器,其截止频率在50Hz到50kHz之间,采样周期在10ms到10μs之间。
16.如权利要求1所述的方法,其中在步(d)产生的抽样信(9)号具有在100/s和100k/s之间的最终的采样速率。
17.如权利要求1所述的方法,其中步(e)的时间重排通过具有迭代周期的迭代处理进行,包括以下步骤:
选择零阶(D0)时间漂移的3个值和一阶(D1)时间漂移的3个值,在第一迭代周期期间,对于每阶漂移取一个初值(D0,0,D1,0)和相应于初值±1/2搜索范围的值,然后,在第二迭代周期期间转移一个值和相应于转移的值±1/2搜索范围的值;
在第一迭代周期期间,按照由零阶漂移的值分别设置的起点,并利用等于一阶漂移的初值的周期来采样抽样信号(9),然后,在下一个迭代周期期间,按照一阶漂移的转移的值,从而产生3个第一采样信号;
利用重构函数sin(x)/x(122)内插第一采样信号,对重构函数应用布莱克曼-哈里型频谱窗口,从而产生3个第一内插的信号,x表示从第一采样信号中采样的位置;
利用参考特征(13A)相关第一内插信号,从而产生3个第一相关信号;
确定第一相关信号中的哪一个具有零阶漂移的最高的相关值,然后相应于零阶漂移的最高相关值的漂移值成为下一个迭代周期的零阶漂移的转移值;
按照由一阶漂移的值分别设置的起点,并利用等于零阶漂移的转移值的周期来采样抽样信号(9),从而产生3个第二采样信号;
利用重构函数sin(x)/x(122’)内插第二采样信号,对重构函数应用布莱克曼-哈里型频谱窗口,从而产生3个第二内插的信号,x表示从第二采样信号中采样的位置;
利用参考特征(13A)相关第二内插信号,从而产生3个第二相关信号;
确定第二相关信号中的哪一个具有一阶漂移的最高的相关值,然后相应于一阶漂移的最高相关值的漂移值成为下一个迭代周期的一阶漂移的转移值;
由预定的系数除每阶漂移的搜索范围;
如果达到预定的停止标准,则使用零阶和一阶漂移的转移值来重新采样和内插抽样信号(9),从而产生重排信号(11),或者跳回下一个迭代周期。
18.如权利要求17所述的方法,其中停止标准是要被重复的迭代周期的最大数。
19.如权利要求17所述的方法,其中停止标准是相应于所需的分辨率的搜索范围的尺寸。
20.如权利要求17所述的方法,其中相关步骤利用简单的方差计算进行。
21.如权利要求17所述的方法,包括以下附加步骤:
把在步(a)产生的信号(3)分离成不同的频带,对每个不同的频带应用步(b)-(i),步(e)的迭代处理被应用于一个不同的频带中的抽样信号(9)上,使用对于所述一个不同的频带获得的零阶和一阶转移值,在每个不同的频带中进行再次采样和内插步骤。
22.如权利要求1所述的方法,其中所述步(e)的时间重排通过通用换算相关或者通过DTW进行。
23.如权利要求1所述的方法,其中步(f)和(g)的平均值是游动平均值。
24.如权利要求23所述的方法,其中游动平均值通过回归被更新,所述游动平均值产生参考和现实化特征(13A,13B),它们分别具有随时间或随在平均值中考虑的重排信号(11)的数量而逐渐减少或者逐渐增加的加权系数。
25.如权利要求1所述的方法,其中步(h)的偏差利用回归被更新。
26.如权利要求1所述的方法,其中步(i)包括以下步骤:
使偏差(15A,15B)相互比较;以及
如果偏差(15A,15B)具有一个超过预定允许门限的偏移,则发生报警。
27.如权利要求1所述的方法,其中通过相关,重排信号(11)在步(i)中和现实化特征以及参考特征(13A,13B)进行比较。
28.如权利要求1所述的方法,其中通过均方差,重排信号(11)在步(i)中和现实化特征以及参考特征(13A,13B)进行比较。
29.如权利要求1所述的方法,包括以下附加步骤:
使抽样信号(9)和参考特征以及现实化特征(13A,13B)中的一个相关,从而产生振动声学信号(1)的有效标记。
30.如权利要求17所述的方法,包括附加步骤:
对各个平均值附加零阶和一阶(D0,D1)漂移的转移值;
计算零阶和一阶漂移的转移值相对于各个平均值的标准偏差;
比较零阶和一阶漂移的转移值和各个平均值,只要一个转移值或一个标准偏差超过预定允许门限,则发出报警。
31.如权利要求1所述的方法,包括附加步骤:
通过内插解压重排信号(11),从而产生内插信号;以及
显示所述内插信号,以便进行视觉分析。
32.如权利要求1所述的方法,包括附加步骤:
比较最初获得的抽样信号(9)和被监视的开关系统的典型特征,从而在开关系统使用时检测装配缺陷或其它缺陷。
33.一种用于处理由高压开关系统发出的振动声学信号的装置,包括:
用于把振动声学信号(1)转换成数字信号(3)的转换装置(2);
用于对数字信号进行整流并产生整流信号的装置(4);
滤波装置(6),用于对整流信号应用具有频谱窗口的卷积滤波器从而产生滤波信号;
抽样装置(8),用于按照预定的抽样系数抽样滤波信号信号,从而产生代表所述振动声学信号的包络的抽样信号;
重排装置(10),用于相对于一个参考特征进行抽样信号的时间重排,从而产生一个重排信号;
第一计算装置(12),用于累加所述重排信号作为一个平均值的系数,从而产生参考特征,所述平均值具有一个预定的参考信号作为初始系数;
第二计算装置(12),用于累加所述重排信号作为一个平均值的系数,从而产生一个现实化的特征,所述平均值具有由重排装置产生的第一重排信号作为初始系数;
第三计算装置(12),用于计算重排信号相对于参考特征和现实化特征的改变;以及
比较装置(14),用于比较重排信号和现实化特征以及参考特征,从而考虑所述改变来检测逐渐的行为改变或突发的故障。
34.如权利要求33所述的装置,其中转换装置(2)包括:
采样振动声学信号(1),从而产生采样信号的采样器;以及
把所述采样信号转换成数字值从而消除数字信号(3)的转换器。
35.如权利要求34所述的装置,包括:
使振动声学信号通过的防混淆滤波器(164),所述防混淆滤波器被连接在采样器的上游。
36.如权利要求33所述的装置,包括:
使数字信号(3)通过的相位滤波器(51),其被连接在转换装置和整流装置(2,4)之间。
37.如权利要求36所述的装置,其中相位滤波器(51)进行数字信号的傅里叶变换(92)、相位展开(94)、通过附加相位斜坡进行角度校正和反傅里叶变换,从而产生被补偿的数字信号。
38.如权利要求37所述的装置,其中相位斜坡(98)是二次的。
39.如权利要求36所述的装置,其中相位滤波器(51)利用线性调频脉冲对数字信号进行卷积(62)。
40.如权利要求33所述的装置,包括:
积分器(102),用于对数字信号(3)积分,其被连接在转换装置和整流装置(2,4)之间。
41.如权利要求33所述的装置,包括:
分离器(170),用于把数字信号(3)分离在不同的频带中,所述分离器被连接在转换和整流装置(2,4)之间,每个不同的频带分别由整流、滤波、抽样、重排、计算和比较装置(4,6,8,10,12,14)处理。
42.如权利要求41所述的装置,包括:
积分器(102),用于在每个不同的频带上积分在步(a)和步(b)之间的数字信号(3),所述积分器被连接在分离器和整流装置之间。
43.如权利要求33所述的装置,其中整流装置(4)包括希尔伯特卷积滤波器(62)。
44.如权利要求33所述的装置,包括:
被连接在滤波和抽样装置之间的装置(112),用于利用对数对在步(c)产生的滤波信号(7)进行整形。
45.如权利要求33所述的装置,包括:
防混淆滤波器(110),其被连接在滤波和抽样装置(6,8)之间。
46.如权利要求45所述的装置,其中防混淆滤波器(110)对在滤波信号的频带末尾的低幅值部分进行滤波。
47.如权利要求45所述的装置,其中防混淆滤波器(110)是带通滤波器,其截止频率在50Hz到50kHz之间,采样周期在10ms到10μs之间。
48.如权利要求33所述的装置,其中由抽样装置(9)产生的抽样信(9)号具有在100/s和100k/s之间的最终的采样速率。
49.如权利要求33所述的装置,其中重排装置(10)进行具有迭代周期的迭代处理,并且包括:
第一和第二选择装置,用于选择零阶(D0)时间漂移的3个值和一阶(D1)时间漂移的3个值,在第一迭代周期期间,对于每阶漂移取一个初值(D0,0,D1,0)和相应于初值±1/2搜索范围的值,然后,在第二迭代周期期间转移一个值和相应于转移的值±1/2搜索范围的值;
采样装置(122),用于在第一迭代周期期间,按照由零阶漂移的值分别设置的起点,并利用等于一阶漂移的初值的周期来采样抽样信号(9),然后,在下一个迭代周期期间,按照一阶漂移的转移的值,从而产生3个第一采样信号;
内插装置(122),用于利用重构函数sin(x)/x(122)内插第一采样信号,对重构函数应用布莱克曼-哈里型频谱窗口,从而产生3个第一内插的信号,x表示从第一采样信号中采样的位置;
相关装置(124),用于利用参考特征(13A)相关第一内插信号,从而产生3个第一相关信号;
确定装置(126),用于确定第一相关信号中的哪一个具有零阶漂移的最高的相关值,然后相应于零阶漂移的最高相关值的漂移值成为下一个迭代周期的零阶漂移的转移值;
采样装置(122’),用于按照由一阶漂移的值分别设置的起点,并利用等于零阶漂移的转移值的周期来采样抽样信号(9),从而产生3个第二采样信号;
内插装置(122’),用于利用重构函数sin(x)/x(122’)内插第二采样信号,对重构函数应用布莱克曼-哈里型频谱窗口,从而产生3个第二内插的信号,x表示从第二采样信号中采样的位置;
相关装置(124’),用于利用参考特征(13A)相关第二内插信号,从而产生3个第二相关信号;
确定装置(126’),用于确定第二相关信号中的哪一个具有一阶漂移的最高的相关值,然后相应于一阶漂移的最高相关值的漂移值成为下一个迭代周期的一阶漂移的转移值;
除法装置(142),用于由预定的系数除每阶漂移的搜索范围;
迭代装置(142),用于如果达到预定的停止标准,则使用零阶和一阶漂移的转移值来重新采样和内插抽样信号(9),从而产生重排信号(11),或者否则跳回下一个迭代周期;以及
再次采样和内插装置(145),用于当迭代处理停止时,使用零阶和一阶漂移的转移值来采样和内插抽样信号(9),从而产生重排信号(11)。
50.如权利要求49所述的装置,其中停止标准是要被重复的迭代周期的最大数。
51.如权利要求49所述的装置,其中停止标准是相应于所需的分辨率的搜索范围的尺寸。
52.如权利要求49所述的装置,其中相关装置(124,124′)进行简单的方差计算。
53.如权利要求49所述的装置,包括:
分离器(170),用于把信号(3)分离成不同的频带,其被连接在转换和整流装置(2,4)之间,每个不同的频带分别由整流、滤波、抽样、重排、计算和比较装置(4,6,8,10,12,14)处理,由重排装置(10)进行的的迭代处理被应用于一个不同的频带中的抽样信号(9)上,再次采样和内插装置(145)使用对于所述一个不同的频带获得的零阶和一阶转移值,在每个不同的频带上工作。
54.如权利要求33所述的装置,其中所述重排装置(10)利用通用换算相关或者通过DTW重排抽样信号(9)。
55.如权利要求33所述的装置,其中所述平均值是游动平均值。
56.如权利要求55所述的装置,其中第一和第二计算装置(12)通过回归来更新游动平均值,所述游动平均值产生参考和现实化特征(13A,13B),它们分别具有随时间或随在平均值中考虑的重排信号(11)的数量而逐渐减少或者逐渐增加的加权系数。
57.如权利要求33所述的装置,其中第三计算装置(12)通过回归更新偏差(15A,15B)。
58.如权利要求33所述的装置,其中比较装置(14)使偏差(15A,15B)相互比较,并且如果偏差(15A,15B)具有一个超过预定允许门限的偏移,则发生报警。
59.如权利要求33所述的装置,其中比较装置(14)包括相关器,用于比较重排信号(11)和现实化特征以及参考特征(13A,13B)。
60.如权利要求33所述的装置,其中比较装置(14)利用均方差使重排信号(11)和现实化特征以及参考特征(13A,13B)进行比较。
61.如权利要求33所述的装置,包括相关器(149),用于使抽样信号(9)和参考特征以及现实化特征(13A,13B)中的一个相关,其被连接在抽样装置和第一计算装置之间,从而产生振动声学信号(1)的有效标记。
62.如权利要求49所述的装置,包括:
第四计算装置(12),用于对各个平均值附加零阶和一阶(D0,D1)漂移的转移值;
第五计算装置(12),用于计算零阶和一阶漂移的转移值相对于各个平均值的标准偏差;
比较装置(14),用于比较零阶和一阶漂移的转移值和各个平均值,只要一个转移值或一个标准偏差超过预定允许门限,则发出报警。
63.如权利要求33所述的装置,包括:
用于通过内插解压重排信号(11),从而产生内插信号的装置;以及
用于显示所述内插信号,以便进行视觉分析的装置(104)。
64.如权利要求33所述的装置,包括:
用于比较最初获得的抽样信号(9)和被监视的开关系统的典型特征,从而在开关系统使用时检测装配缺陷或其它缺陷的装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CA002258223A CA2258223A1 (fr) | 1999-01-22 | 1999-01-22 | Procede de traitement de signatures vibro-acoustiques dans un systeme de commutation electromecanique haute-tension |
CA2,258,223 | 1999-01-22 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1339166A true CN1339166A (zh) | 2002-03-06 |
Family
ID=4163166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN00802911.3A Pending CN1339166A (zh) | 1999-01-22 | 2000-01-06 | 高压机电开关系统中的振动声学特征的处理方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US6215408B1 (zh) |
EP (1) | EP1145262B1 (zh) |
JP (1) | JP2002535664A (zh) |
CN (1) | CN1339166A (zh) |
CA (1) | CA2258223A1 (zh) |
DE (1) | DE60009450D1 (zh) |
MX (1) | MXPA01007356A (zh) |
WO (1) | WO2000044011A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101294791B (zh) * | 2007-04-28 | 2010-11-17 | 财团法人工业技术研究院 | 动态量测干涉信号解析的方法 |
CN104502676A (zh) * | 2015-01-09 | 2015-04-08 | 珠海派诺科技股份有限公司 | 一种无限脉冲响应的高精度瞬时信号检测方法 |
CN106646205A (zh) * | 2015-10-30 | 2017-05-10 | 国网山西省电力公司电力科学研究院 | 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 |
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 |
CN110108467A (zh) * | 2019-05-20 | 2019-08-09 | 长沙理工大学 | 基于便携式移动设备的主动发声测速方法 |
CN110307893A (zh) * | 2018-03-20 | 2019-10-08 | 斯万特克有限公司 | 远程检查噪声监测系统中的传声器状况 |
CN113836679A (zh) * | 2021-10-14 | 2021-12-24 | 国网湖南省电力有限公司 | N-k攻击模式下脆弱线路组合的识别方法及装置 |
Families Citing this family (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6577966B2 (en) * | 2000-06-21 | 2003-06-10 | Siemens Corporate Research, Inc. | Optimal ratio estimator for multisensor systems |
US7145760B2 (en) * | 2000-12-15 | 2006-12-05 | Abb Technology Ltd. | Tap changer monitoring |
AU2002216530A1 (en) * | 2000-12-15 | 2002-06-24 | Abb T And D Technology Ltd | Tap changer condition diagnosing |
AUPR272001A0 (en) * | 2001-01-25 | 2001-02-22 | Health Smarts Group Pty Ltd | System for calculating heart rate |
US6618128B2 (en) * | 2002-01-23 | 2003-09-09 | Csi Technology, Inc. | Optical speed sensing system |
US20030171900A1 (en) * | 2002-03-11 | 2003-09-11 | The Charles Stark Draper Laboratory, Inc. | Non-Gaussian detection |
FR2855922B1 (fr) * | 2003-06-06 | 2005-08-19 | Thales Sa | Procede et dispositif de traitement des informations provenant d'equipements primaires de vol repondants |
US7876909B2 (en) * | 2004-07-13 | 2011-01-25 | Waves Audio Ltd. | Efficient filter for artificial ambience |
US7640139B2 (en) * | 2004-10-18 | 2009-12-29 | Nsk Ltd. | Abnormality diagnosing system for mechanical equipment |
US7148696B2 (en) * | 2005-01-12 | 2006-12-12 | Eaton Corporation | Electrical switching apparatus and method including fault detection employing acoustic signature |
US7411403B2 (en) * | 2005-05-10 | 2008-08-12 | Eaton Corporation | Electrical switching apparatus and method employing active acoustic sensing to detect an electrical conductivity fault of a power circuit |
US8811468B2 (en) * | 2005-05-26 | 2014-08-19 | Broadcom Corporation | Method and system for FM interference detection and mitigation |
US7634387B2 (en) * | 2005-08-03 | 2009-12-15 | Network Integrity Systems | Frequency envelope detection method for signal analysis |
WO2007038777A2 (en) * | 2005-09-29 | 2007-04-05 | Techwell, Inc. | Carrier phase independent symbol timing recovery methods for vsb receivers |
US20070194927A1 (en) * | 2006-02-15 | 2007-08-23 | Johannes Maximilian Peter | Electronic article surveillance marker |
US7403129B2 (en) * | 2006-05-10 | 2008-07-22 | Eaton Corporation | Electrical switching apparatus and method employing acoustic and current signals to distinguish between parallel and series arc faults |
JP5052198B2 (ja) * | 2007-05-01 | 2012-10-17 | 株式会社松浦機械製作所 | ワーク及び又は工具の工作段階における振動状態測定方法 |
CN101266277B (zh) * | 2008-04-24 | 2010-06-16 | 中兴通讯股份有限公司 | 一种直流开关保护电路的通断检测装置和方法 |
TWI474023B (zh) * | 2008-12-10 | 2015-02-21 | Ind Tech Res Inst | 馬達故障診斷方法及其診斷裝置 |
JP5724161B2 (ja) * | 2009-08-19 | 2015-05-27 | 株式会社島津製作所 | 材料試験機 |
JP5604275B2 (ja) * | 2010-12-02 | 2014-10-08 | 富士通テン株式会社 | 相関低減方法、音声信号変換装置および音響再生装置 |
JP2013007667A (ja) * | 2011-06-24 | 2013-01-10 | Ulvac Japan Ltd | 表面形状測定用触針式段差計における測定精度の改善方法及び装置 |
EP2839490B1 (de) * | 2012-04-16 | 2016-03-16 | Maschinenfabrik Reinhausen GmbH | Verfahren zur überwachung eines stufenschalters |
WO2014043391A1 (en) * | 2012-09-12 | 2014-03-20 | Finley Lee Ledbetter | System and method for vibration analysis |
CN103822793B (zh) * | 2014-01-20 | 2016-05-11 | 北京邮电大学 | 一种复杂设备声学故障识别定位方法 |
US8977858B1 (en) * | 2014-05-27 | 2015-03-10 | Support Intelligence, Inc. | Using space-filling curves to fingerprint data |
CN106198749B (zh) * | 2015-05-08 | 2019-03-15 | 中国科学院声学研究所 | 一种基于金属裂纹监测的多路传感器的数据融合方法 |
US10533978B2 (en) * | 2015-08-13 | 2020-01-14 | Eaton Intelligent Power Limited | Vibration sensor assembly for prognostic and diagnostic health assessment of a power circuit breaker's power transmission and distribution system in real time |
FR3046232B1 (fr) * | 2015-12-28 | 2018-02-16 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede pour detecter un arc electrique par analyse de sa signature acoustique |
FR3050277B1 (fr) * | 2016-04-14 | 2018-04-13 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Systeme et procede de detection d'un arc electrique |
FR3053122B1 (fr) * | 2016-06-27 | 2018-07-27 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Dispositif de detection d'un arc electrique a partir de sa signature acoustique |
CN106019138B (zh) * | 2016-07-25 | 2018-10-19 | 深圳供电局有限公司 | 一种高压断路器机械故障的在线诊断方法 |
US9881634B1 (en) * | 2016-12-01 | 2018-01-30 | Arm Limited | Multi-microphone speech processing system |
FR3067472B1 (fr) * | 2017-06-07 | 2020-08-07 | Inst Vedecom | Procede et dispositif de detection de defaut et protection pour des dispositifs electroniques de commutation de puissance |
KR102170392B1 (ko) * | 2017-06-13 | 2020-10-27 | 주식회사 엘지화학 | 소리 센서를 통한 컨텍터 진단 시스템 및 방법 |
FR3069064B1 (fr) * | 2017-07-13 | 2022-02-11 | Schneider Electric Ind Sas | Dispositif de commutation electrique et procede de detection d'usure associe |
CN109302730A (zh) * | 2017-07-25 | 2019-02-01 | 华为技术有限公司 | 一种网络搜索方法及终端 |
US10546143B1 (en) | 2017-08-10 | 2020-01-28 | Support Intelligence, Inc. | System and method for clustering files and assigning a maliciousness property based on clustering |
DE102018105087B3 (de) | 2018-03-06 | 2019-06-27 | Maschinenfabrik Reinhausen Gmbh | System, Verfahren und Computerprogrammprodukt zur Erfassung physikalischer Größen von mindestens einer Komponente eines Stufentransformators und zum Monitoring der Komponenten eines Stufentransformators |
CN111025139B (zh) * | 2019-12-19 | 2022-04-22 | 国网陕西省电力公司西咸新区供电公司 | 一种基于信息融合的有载分接开关状态监测方法及系统 |
CN111999753B (zh) * | 2020-08-27 | 2023-01-06 | 贵州电网有限责任公司 | 一种配电线路单相接地故障定位技术及自愈决策方法 |
WO2022056104A1 (en) * | 2020-09-09 | 2022-03-17 | Kai Systems, Inc. | Autonomous system for monitoring the structural integrity of marine pilings |
EP4124874A1 (en) * | 2021-07-30 | 2023-02-01 | Abb Schweiz Ag | Monitoring system for a low voltage, medium voltage, or high voltage circuit breaker |
EP4124873A1 (en) * | 2021-07-30 | 2023-02-01 | Abb Schweiz Ag | Monitoring system for a low voltage, medium voltage, or high voltage circuit breaker |
JP7386278B2 (ja) | 2022-02-28 | 2023-11-24 | 株式会社日立製作所 | 検査装置及び方法 |
DE102022126547A1 (de) * | 2022-10-12 | 2024-04-18 | Maschinenfabrik Reinhausen Gmbh | Vorrichtung und Verfahren zur Überwachung eines Laststufenschalters |
CN115372816B (zh) * | 2022-10-25 | 2023-01-24 | 华能辛店发电有限公司 | 基于数据分析的配电开关设备运行故障预测系统及方法 |
CN116296329B (zh) * | 2023-03-14 | 2023-11-07 | 苏州纬讯光电科技有限公司 | 一种变压器铁芯机械状态诊断方法、设备及介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4159446A (en) | 1978-02-21 | 1979-06-26 | General Electric Company | Acoustic diagnostic system for contacts in power distribution systems |
DE4217065A1 (de) | 1992-05-22 | 1993-11-25 | Siemens Ag | Prüfverfahren zur Qualitätskontrolle von elektromagnetisch betätigten Schaltgeräten |
DE4217105A1 (de) | 1992-05-22 | 1993-11-25 | Siemens Ag | Verfahren zur Beurteilung des Geräusches von Relais, insbesondere von Kfz-Blinkrelais |
US5629864A (en) | 1992-05-22 | 1997-05-13 | Siemens Aktiengesellschaft | Testing process for the quality control of electromagnetically actuated switching devices |
JP3100757B2 (ja) | 1992-06-02 | 2000-10-23 | 三菱電機株式会社 | 監視診断装置 |
SE510450C2 (sv) | 1996-03-11 | 1999-05-25 | Abb Research Ltd | Förfarande för övervakning av lindningskopplare genom ljudanalys |
-
1999
- 1999-01-22 CA CA002258223A patent/CA2258223A1/fr not_active Abandoned
- 1999-04-30 US US09/302,287 patent/US6215408B1/en not_active Expired - Lifetime
-
2000
- 2000-01-06 DE DE60009450T patent/DE60009450D1/de not_active Expired - Lifetime
- 2000-01-06 EP EP00900193A patent/EP1145262B1/en not_active Expired - Lifetime
- 2000-01-06 WO PCT/CA2000/000019 patent/WO2000044011A1/en active IP Right Grant
- 2000-01-06 JP JP2000595354A patent/JP2002535664A/ja active Pending
- 2000-01-06 MX MXPA01007356A patent/MXPA01007356A/es unknown
- 2000-01-06 CN CN00802911.3A patent/CN1339166A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101294791B (zh) * | 2007-04-28 | 2010-11-17 | 财团法人工业技术研究院 | 动态量测干涉信号解析的方法 |
CN104502676A (zh) * | 2015-01-09 | 2015-04-08 | 珠海派诺科技股份有限公司 | 一种无限脉冲响应的高精度瞬时信号检测方法 |
CN104502676B (zh) * | 2015-01-09 | 2017-08-11 | 珠海派诺科技股份有限公司 | 一种无限脉冲响应的高精度瞬时信号检测方法 |
CN106646205A (zh) * | 2015-10-30 | 2017-05-10 | 国网山西省电力公司电力科学研究院 | 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 |
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 |
CN110307893A (zh) * | 2018-03-20 | 2019-10-08 | 斯万特克有限公司 | 远程检查噪声监测系统中的传声器状况 |
CN110307893B (zh) * | 2018-03-20 | 2023-05-05 | 斯万特克有限公司 | 远程检查噪声监测系统中的传声器状况 |
CN110108467A (zh) * | 2019-05-20 | 2019-08-09 | 长沙理工大学 | 基于便携式移动设备的主动发声测速方法 |
CN110108467B (zh) * | 2019-05-20 | 2020-10-20 | 长沙理工大学 | 基于便携式移动设备的主动发声测速方法 |
CN113836679A (zh) * | 2021-10-14 | 2021-12-24 | 国网湖南省电力有限公司 | N-k攻击模式下脆弱线路组合的识别方法及装置 |
CN113836679B (zh) * | 2021-10-14 | 2024-02-23 | 国网湖南省电力有限公司 | N-k攻击模式下脆弱线路组合的识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
EP1145262B1 (en) | 2004-03-31 |
CA2258223A1 (fr) | 2000-07-22 |
DE60009450D1 (de) | 2004-05-06 |
WO2000044011A1 (en) | 2000-07-27 |
US6215408B1 (en) | 2001-04-10 |
EP1145262A1 (en) | 2001-10-17 |
MXPA01007356A (es) | 2002-04-24 |
JP2002535664A (ja) | 2002-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1339166A (zh) | 高压机电开关系统中的振动声学特征的处理方法 | |
CN1026438C (zh) | 用于高压电力设备异常诊断的系统及方法 | |
CN1022138C (zh) | 信号频率和相位的数字化测定法及其装置 | |
CN1323789C (zh) | 焊接评估 | |
CN1180271C (zh) | 并行双输电线故障定位装置和方法 | |
CN1136459C (zh) | 检测电力系统失调的方法和装置 | |
CN1203648C (zh) | 电力供应设备的监视系统及其监视方法 | |
CN1169788A (zh) | 谱削减噪声抑制方法 | |
CN1209744C (zh) | 编码装置和解码装置 | |
CN1249987C (zh) | 辐射图像数据处理设备和辐射图像数据处理方法 | |
CN1303585C (zh) | 噪声抑制 | |
CN1282445A (zh) | 用于检测情绪的装置和方法 | |
CN1210579C (zh) | 叠加地震记录迹的方法 | |
CN101046960A (zh) | 处理语音中的话音的装置和方法 | |
CN1596030A (zh) | 数字音频预补偿 | |
CN1316083A (zh) | 使用语音识别模型的自动的语言评估 | |
CN1512486A (zh) | 声码器特殊应用集成电路 | |
CN1197317A (zh) | 电力系统保护与控制系统以及分布式控制系统 | |
CN1747608A (zh) | 音频信号处理装置和方法 | |
CN1898674A (zh) | 用于校准质谱仪(ms)与其它仪器系统和用于处理ms与其它数据的方法 | |
CN1274482A (zh) | 利用局部信号特性的信号处理器 | |
CN1671253A (zh) | 测试装置、测试方法和计算机程序 | |
CN1269012A (zh) | 用于检测噪声中的周期信号的信号处理系统 | |
CN1950711A (zh) | 状态把握装置以及使用了该状态把握装置的电力开关设备的开关控制装置 | |
CN1898723A (zh) | 信号解码装置以及信号解码方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |