[发明专利]一种高压断路器机械故障诊断方法及系统

说明书

本发明提供了一种高压断路器机械故障诊断方法，包括：将加速度传感器设置在被诊断的高压断路器的预设位置上；在预设时间区间内接收加速度传感器发送的原始振动信号；基于预设采样方法从加速度传感器的原始振动信号中提取出采样振动信号；将所有加速度传感器的采样振动信号拼接为采样振动信号二维阵列；将振动信号二维阵列输入至用于断路器故障识别的卷积神经网络，并经用于断路器故障识别的卷积神经网络输出被诊断的高压断路器的诊断结果。该方法使高压断路器机械故障诊断可基于一套不依赖人工观察经验的方法实现，具有良好的实用性。另外，本发明还提供了一种高压断路器机械故障诊断系统。

技术领域

本发明涉及到检测领域，具体涉及到一种高压断路器机械故障诊断方法及系统。

背景技术

传统的高压断路器机械故障诊断，主要是通过人工观察的方式进行。一方面，人工观察识别高压断路器机械故障需要有多年的检测经验，这导致了该方面的工作仅能通过工作多年的技术人员作业，不利于普及；另一方面，由于高压断路器的故障问题较多，而不同的故障问题所导致高压断路器的故障可能存在重复性，这就为高压断路器的机械故障诊断带来了很多困难。

发明内容

为了克服现有通过人工观察方式进行高压断路器机械故障诊断的缺陷，本发明提供了一种高压断路器机械故障诊断方法及系统，以加速度传感器获取振动信号并对振动信号加以分析的方式导出高压断路器机械故障的具体故障内容，使高压断路器机械故障诊断可基于一套不依赖人工观察经验的方法实现，具有良好的实用性。

具体的，本发明提供了一种一种高压断路器机械故障诊断方法，包括：

将所述n个加速度传感器设置在被诊断的高压断路器的预设位置上。

在预设时间区间内接收n个加速度传感器发送的原始振动信号；其中，第i个加速度传感器发送的原始振动信号为第i个加速度传感器发送的原始振动信号的数量为m_i，i＝1,2,…,n，j＝1,2,…,m_i；

基于预设采样方法从第i个加速度传感器的m_i个原始振动信号中提取出m个原始振动信号作为采样振动信号0＜m≤min{m_i|i＝1,2,…,n}，k＝1,2,…,m；

将n个所述加速度传感器的采样振动信号拼接为采样振动信号二维阵列

将所述振动信号二维阵列输入至用于断路器故障识别的卷积神经网络，并经所述用于断路器故障识别的卷积神经网络的输出得到所述被诊断的高压断路器的诊断结果。

可选的实施方式，所述加速度传感器的设置位置分别为合闸弹簧的本体、分闸弹簧的本体、合闸电磁铁的本体、合闸电磁铁的对象、分闸电磁铁的本体和分闸电磁铁的对象。

可选的实施方式，所述预设采样方法为下采样方法。

可选的实施方式，所述用于断路器故障识别的卷积神经网络基于以下方式生成：

构建用于断路器故障识别的卷积神经网络的基本模型，所述用于断路器故障识别的卷积神经网络的基本模型包括输入层、内核层和输出层；

以训练集训练所述用于断路器故障识别的卷积神经网络的基本模型并得到所需的用于断路器故障识别的卷积神经网络，其中，所述训练集包括若干组训练数据，每一组所述训练数据包括作为输入层的故障振动信号二维矩阵和相对应的作为输出层的机械故障问题。

可选的实施方式，所述内核层包括五个卷积层C1-C5、一个池化层P1、两个全连接层和一个输出层,其中，池化层P1输出至卷积层C3输出、卷积层C4输入至卷积层C5输出分别设置有一个恒等映射通道，卷积层C1的核大小为12*6，卷积层C2-C4的核大小为6*6。

可选的实施方式，所述若干个故障振动信号二维矩阵中的每一组故障振动信号二维矩阵基于以下方法获取：