[发明专利]一种含噪背景下的断路器机械故障诊断方法及装置

说明书

本发明提供了一种含噪背景下的断路器机械故障诊断方法，包括：选用M个声音传感器采集具有N个声源的声音信号的混合声音信号；通过盲源分离算法对上述混合声音信号进行处理；采用变分模态分解方法对各声源的声音信号进行信号分解；再采用含负样本支持向量描述方法对作为训练样本的断路器各种机械故障合闸时的声音信号的特征向量进行训练并构建含负样本支持向量描述方法的超球体；若作为待识别样本的声音信号的特征向量T_p属于超球体，则认为其属于目标声音类别所表征的断路器机械故障类型。本发明还提供了一种含噪背景下的断路器机械故障诊断装置。本发明通过合理的设计，能够在噪声环境下完成对断路器常见机械状态的准确识别，其适用性广泛。

技术领域

本发明涉及电力设备故障诊断技术领域，特别涉及一种含噪背景下的断路器机械故障诊断方法及装置。

背景技术

众所周知，高压断路器是电力系统中的重要组成部分，目前对高压断路器检修主要包括定期巡检和故障事后检修两部分，这两种检测手段的自动化程度较低，且效率不高，费时费力。因此，研究断路器机械状态的在线智能诊断技术具有十分重大的经济意义。

在现有的断路器机械故障诊断方法中，断路器分合闸期间设备壳体的振动信号成为主流的分析对象。在现有技术中，可以通过分析断路器分合闸过程的振动信号来实现对常见机械故障的在线诊断。然而，振动传感器的安装方式与位置目前尚无统一标准，考虑到断路器设备结构较为复杂，振动信号在通过机械构件传播时会发生衰减，因此不同位置的传感器采集到的振动信号波形存在差异，这种方式所得到的诊断结果受人为因素影响较大。

由于声音与振动是同步发生的，二者为同源信号，利用断路器分合闸的声音信号进行断路器机械故障的诊断已然成为一种新的研究方向。但是目前现有技术中的非接触式安装会导致声音传感器采集到的声音信号波形易受变电站环境噪声影响，进而会影响最终的诊断结果。

发明内容

为解决上述问题，本发明旨在提出一种含噪背景下的断路器机械故障诊断方法及装置，通过运用盲源分离算法对声音传感器采集到的声音信号进行预处理，以从复杂声音信号中分离各声源的声音信号，然后运用变分模态分解对各声音信号进行信号分解，分别提取其能量熵、奇异谱熵以及峭度熵组成特征向量，最后运用含负样本支持向量描述对特征向量进行识别，最终完成高压断路器的机械状态诊断。

为达到上述目的，本发明的技术方案是这样实现的：

一种含噪背景下的断路器机械故障诊断方法，所述方法包括以下步骤：

S1、选用M个声音传感器采集具有N个声源的声音信号的混合声音信号；

S2、对上述混合声音信号进行处理，以分离得到各声源的声音信号；

S3、对各声源的声音信号进行信号分解，然后分别提取经过分解的各声音信号的能量熵、奇异谱熵以及峭度熵，以组成各声音信号的特征向量T；

S4、采用含负样本支持向量描述方法对作为训练样本的断路器各种机械故障合闸时的声音信号的特征向量进行训练以得到含负样本支持向量描述方法的超球体；

S5、求取超球体的半径R和中心a；

S6、求取作为待识别样本的声音信号的特征向量T_p与所述中心a的欧式距离，若该欧式距离≤半径R，则认为其属于目标声音类别所表征的断路器机械故障类型。

进一步的，所述步骤S2包括根据盲源分离算法完成对各声源的声音信号的估计：