[发明专利]一种多源融合的高压断路器机械故障诊断方法

说明书

本发明公开了一种多源融合的高压断路器机械故障诊断方法，属于多传感器信息融合诊断领域。该方法首先基于振动测量装置同时采集高压断路器多个位置的振动信号，计算振动信号的小波能量熵，构成描述高压断路器机械状态的振动特征向量；然后，将每个传感器的振动数据分组，形成模型训练集和评估集，根据模型训练集设计Softmax回归诊断模型，并利用评估集计算每个传感器在Softmax回归诊断模型下的诊断准确率，形成多个传感器机械故障诊断的置信性权重；最后，提出基于各传感器诊断权重的改进D‑S证据融合方法，实现高压断路器机械故障辨识。本发明有效降低单一传感器诊断的片面影响，极大提高了高压断路器机械缺陷诊断准确率。

技术领域

本发明属于多传感器信息融合诊断领域，具体是一种多源融合的高压断路器机械故障诊断方法。

背景技术

高压断路器是电力系统中重要的设备之一，承担着关键的控制和保护作用。随着电网规模的扩大，高压断路器的使用率持续稳定增长。为了应对电力系统的复杂性，电网对不同电压等级下的断路器性能要求不同，其作用不可替代。为了防止断路器故障，需要更换老旧或者失效部件来维持断路器的运行状态，目前对高压断路器的检修方式有事后检修、定期检修和状态检修。事后检修不能降低高压断路器故障对电网造成的影响，而且危害大；定期检修存在盲目性，导致检修成本过大，浪费人力和物力。因此，及时了解高压断路器运行状态、辨识预测其故障类型，对提高其运行可靠性极为重要。

目前，有效反应高压断路器机械特性的检测和状态诊断，主要依赖于高压断路器的动触头行程、分合闸操作机构电流以及机械振动信号。其中触头行程和线圈电流检测技术在现有的应用测试过程中存在诸多不便，且部分机械缺陷难以辨识。而高压断路器机械振动检测，对振动信号特征提取与故障分类方法仍存在诊断准确率低以及通用性差等。基于振动信息的高压断路器机械故障诊断精度低的原因众多，如振动信号分散性大、特征提取不充分、单一位置振动信息难以独立获得对多种故障场景的全面描述等。

因此，研发多位置振动信息融合的高效、高精度断路器机械故障诊断方法，将有利于提高辨识准确性，促进高压断路器机械状态评估的进一步发展。

发明内容

本发明针对上述问题，提出了一种多源融合的高压断路器机械故障诊断方法，提高多传感器诊断融合的准确性。

具体步骤如下：

步骤一、获取不同缺陷的多传感器位置振动信号构成测量样本，对每个传感器位置下的每个测量样本进行小波包时-频变换，获得各测量样本的时-频能量矩阵；

首先，同时采集高压断路器在不同机械缺陷的n个传感器位置的机械振动信号，每个传感器对应的样本数量为m个；针对第i个传感器的第q个测量样本X_i,q进行小波包时-频变换，获得时-频能量矩阵Y_i,q,t×f；矩阵Y_i,q,t×f的行数为t，列数为f。

步骤二、将每个测量样本的时-频能量矩阵沿着时间轴和频率轴分别等分，构成各自的若干时-频块；

针对时-频能量矩阵Y_i,q,t×f，在时间轴t和频率轴f方向分别等分n₁和n₂份，构成n₁×n₂个时-频块；

n₁表示沿时间方向对矩阵Y_i,q,t×f的等分个数；n₂表示沿频率方向对矩阵Y_i,q,t×f的等分个数；每个子时间段元素个数为t/n₁，每个子频率段元素个数为f/n₂。

步骤三、计算每个时-频块的能量，构建每个测量样本的振动信息特征描述；