[发明专利]基于高压断路器振动信号的故障诊断方法

权利要求书

1.一种基于高压断路器振动信号的故障诊断方法，其特征在于，包含以下步骤：

步骤1，利用加速度传感器采集高压断路器在合闸操作过程中产生的加速度波形信号；

步骤2，采用VMD-SVD技术提取高压断路器在不同状态下的振动信号特征量；

步骤3，利用粒子群算法对BP神经网络进行优化，得到PSO-BP神经网络；

步骤4，采用PSO-BP神经网络对断路器状态进行识别分类。

2.根据权利要求1所述的基于高压断路器振动信号的故障诊断方法，其特征在于，步骤1中加速度传感器采样频率为40kHz，设置原始信号的采样点共计为8000点，再通过一个长度为100～150点且能够移动的矩形窗寻找有效数据的起始点，设置好矩形窗的阈值，在高压断路器合闸启动时，矩形窗内部的数据方差会突变，以此作为判断条件，来截取有效的振动信号数据序列，截取有效信号的长度为4096点，此段信号包含了合闸启动后100ms内的加速度波形信号。

3.根据权利要求1或2所述的基于高压断路器振动信号的故障诊断方法，其特征在于，步骤2所述VMD-SVD技术，在进行VMD分解时，本征模态分量IMF的个数K的选取采用归一化距离法，即通过比较原始正常状态下的振动信号与经过VMD分解再重构得到的振动信号的相似性来确定K值，具体流程为：

(1.1)将正常状态下的一组振动信号b在预先设置的不同K值情况下进行分解；

(1.2)将分解得到的K个模态分量进行信号重构，得到新的一组振动信号p；

(1.3)根据式(1)计算归一化距离d(b,p)；

式中，归一化距离为d(b,p)，原始信号b＝(b₁,...,b_n)，经VMD分解再重构的信号p＝(p₁,...,p_n)；

(1.4)通过比较归一化距离的大小确定K值：归一化距离d(b,p)越大，则信号b与p之间的差距就越大；反之归一化距离d(b,p)越小，信号b与p就越相似差距就越小。

4.根据权利要求3所述的基于高压断路器振动信号的故障诊断方法，其特征在于，步骤2所述采用VMD-SVD技术提取高压断路器在不同状态下的振动信号特征量，其中VMD算法中引入了交替方向乘子法ADMM对原始问题进行优化求解，具体步骤如下：

(2.1)初始化并设置参数：αⁿ,n＝0；为第n次迭代的中心频率，为第n次迭代对应所有模态分量的集合，其中k＝1,...,K，αⁿ为第n次迭代的拉格朗日因子，上标n代表迭代次数；

(2.2)按照式(2)更新模态分量m_k,k＝1,...,K；

式中，表示增广拉格朗日函数取得最小值时变量m_k的取值；表示第n+1次迭代，i＜k的模态分量集合；表示第n次迭代后，i≥k的模态分量集合；

(2.3)按照式(3)的方法，继续依次更新第k个模态分量的中心频率ω_k；

式中，表示增广拉格朗日函数取得最小值时变量ω_k的取值；表示第n+1次迭代，i＜k的中心频率集合；表示第n次迭代后，i≥k的中心频率集合；

(2.4)再按照式(4)更新拉格朗日因子α；

式中，τ是一个常量，τ＞0；

(2.5)n＝n+1；

(2.6)重复运算(2.2)～(2.5)，当迭代满足误差在给定的误差e以内如式(5)所示，迭代结束：

式中，表示向量元素的L₂范数的平方；

(2.7)对求得的模态分量m_k进行SVD奇异值分解。