[发明专利]一种用于大功率电源车接触器的故障检测方法

摘要

本发明公开了一种用于大功率电源车接触器的故障检测方法，其具体步骤为：搭建故障检测系统；加速度传感模块（8）进行振动信号采集；数据采集模块（1）进行电压信号调理；小波包分解模块（2）进行特征向量提取；特征向量构造模块（3）采用归一法构造特征向量；支持向量机分析模块（4）进行特征向量分类；遗传算法优化模块（5）进行支持向量机优化；数据传输模块（6）进行数据整理输出；输出结果显示模块（7）进行人机界面交互显示。本发明采用遗传算法方法优化支持向量机参数及核函数参数，从而得到优化的接触器状态，提高了电源车配电接触器在故障检修方面的效率。

主权项

一种用于大功率电源车接触器的故障检测方法，其特征在于具体步骤为：第一步搭建故障检测系统故障检测系统，包括：加速度传感模块(8)、数据采集模块(1)、小波包分解模块(2)、特征向量构造模块(3)、支持向量机分析模块(4)、遗传算法优化模块(5)、数据传输模块(6)和输出结果显示模块(7)；加速度传感模块(8)的功能是：将大功率电源车接触器分合闸时产生的振动信号转换成电信号进行输出；数据采集模块(1)的功能是：采集大功率电源车接触器的分合闸振动信号，将采集结果传到数据库中等待分析；小波包分解模块(2)的功能是：将数据采集模块(1)中得到的数据信号进行分解，通过小波包频带分析提取特征向量，并将提取的特征向量输入到特征向量构造模块(3)；特征向量构造模块(3)的功能是：将小波包分解模块(2)得到的特征向量通过无量纲归一化处理，得到进行数据分析的归一化特征向量；支持向量机分析模块(4)的功能是：将归一化的特征向量进行支持向量机训练得到训练完成的支持向量机，再将需要进行故障状态分类的归一化特征向量输入到支持向量机中进行分类；遗传算法优化模块(5)的功能是：对支持向量机参数及核函数参数进行优化，提高故障状态分类的准确度，缩短分类时间，使特征向量能够达到最佳的分类效果；数据传输模块(6)的功能是：对最终的故障状态信息进行标记，并通过通信的方式输送给上位机等待最终结果显示；输出结果显示模块(7)的功能是：将数据传输模块(6)输出的故障状态信息进行界面显示输出；第二步加速度传感模块(8)进行振动信号采集加速度传感模块(8)采集大功率电源车接触器的分合闸振动信号A_in，将分合闸振动信号A_in转换成电压信号V_in输出给数据采集模块(1)，加速度传感模块(8)中传感器的量程为0g～200g，灵敏度为5pc/ms^‑2，方向为：x轴，y轴，z轴三个方向；第三步数据采集模块(1)进行电压信号调理数据采集模块(1)接收到的加速度传感模块(8)调理出的电压信号V_in进行滤波及稳压处理，得到稳定的滤波稳压后的电压信号V₂₀，并将滤波后电压信号V₂₀输出给小波包分解模块(2)，将采集结果传到数据库中等待分析；第四步小波包分解模块(2)进行特征向量提取数据采集模块(1)得到滤波后的电压信号V₂₀通过小波包分解将振动信号分解成不同频带的信号S，通过小波包频带分析提取特征向量T，并将提取的特征向量T输入到特征向量构造模块(3)；将滤波后电压信号V₂₀进行小波包分解，按照信号的特性预先设定信号分解尺度，提取最后分解层中每个频率成分的信号特征S_ij，i和j分别表示小波包分解树中第i层第j个节点，其中，i＝1,2,3,…,N，j＝1,2,3…2^N‑1，N为分解层数，则小波包的分解系数为X_ij；对小波分解系数进行重构，提取频带范围的信号S_ij，求各个频带信号的总能量，设信号S_ij对应的能量为E_i,j：其中，X_i,j表示第i层第j个节点重构信号的离散点幅值；当大功率电源车接触器出现故障时，会对分合闸各频带内信号的能量有影响；因此，以能量为元素构造一个特征向量；特征向量T构造如下：T＝[E_i,0,E_i,1,E_i,2,…,E_i,2^N_‑1]；第五步特征向量构造模块(3)采用归一法构造特征向量特征向量构造模块(3)将小波包分解模块(2)得到的特征向量T通过无量纲归一化处理，得到特征向量T'；对特征向量进行归一化处理，令：归一化向量为：第六步支持向量机分析模块(4)进行特征向量分类支持向量机分析模块(4)将归一化的特征向量G_10…n进行训练，得到训练完成的支持向量机，再将需要进行故障状态分类的归一化特征向量G_20…n输入到支持向量机中进行状态分类；第七步遗传算法优化模块(5)进行支持向量机优化遗传算法优化模块(5)对支持向量机参数及核函数参数进行优化，从而提高故障状态分类的准确度，缩短分类时间，使支持向量机故障状态分类能够达到最佳的分类效果；初始化参数：种群数量记为P，最大进化代数记为T_max，遗传代数记为t，其中t的初始值为0，个体适应度函数值为F(t)，当最佳适应度无改进时给出最佳的核函数参数σ2和惩罚因子C，并用最佳的核函数参数σ2和惩罚因子C训练数据集以获得全局最优分类面；否则进入下一次t＝t+1；采用选择算子法从P(t‑1)中选择P(t)；对P(t)进行交叉、变异操作，得到个体适应度函数值F(t)；给出最佳的核函数参数σ2和惩罚因子C，并用最佳的核函数参数σ2和惩罚因子C训练数据集以获得全局最优分类面；编码区间的确定：从核函数K(x_i,x_j)＝exp(‑σ||x_i‑x_j||²)得出σ2的大小完全是针对||xi‑xj||²而言的；当σ2的取值比训练样本之间的最小距离小20倍以上，便能达到σ2趋于0的效果；相类似当σ2比训练样本之间的最大间隔大100倍以上时达到σ2趋于无穷大的效果；σ2的搜索空间为：第八步数据传输模块(6)进行数据整理输出数据传输模块(6)对最终的分类结果进行标记，并通过通信的方式输送给上位机等待最终结果显示；第九步输出结果显示模块(7)进行人机界面交互显示输出结果显示模块(7)将故障状态分类信息通过上位机界面可视化显示，将大功率电源车接触器振动信号状态分类信息输出。