一种断路器振动信号的处理方法

    公开(公告)号:CN112284707B

    公开(公告)日:2023-01-24

    申请号:CN202011140578.9

    申请日:2020-10-22

    IPC分类号: G01M13/00 G01H17/00

    摘要: 本发明公开了一种断路器振动信号的处理方法,包括以下步骤:A、采集振动信号;B、求取振动信号x(t)的单边功率谱S(f);C、提取估计峰值P(f,h)和反映峰值锐利程度的锐利函数S(2)(f);D、根据不同的阈值设定,得到待测峰值和锐利点,在待测峰值中筛选出锐利峰值Pψ(f,h);E、将待测峰值归一化后,以功率谱原点为起始点、待测峰值为终点构成峰值向量集合W;F、依据峰值向量集合中峰值向量的锐利程度,划分不同的权重后转换到极坐标下;G、以极点为中心、呈辐射状将整个极坐标平面划分为若干等面积的子区域;H、统计峰值向量集合分布在各个子区域的频数,由各子区域的频数构成峰值向量概率密度U。本发明能够精准、有效地刻画功率谱包含的断路器振动信息。

    一种多特征优化融合的高压断路器故障诊断方法

    公开(公告)号:CN112255538B

    公开(公告)日:2024-04-23

    申请号:CN202011096134.X

    申请日:2020-10-14

    摘要: 本发明公开了一种多特征优化融合的高压断路器故障诊断方法,所述方法包括:获取断路器分合闸过程中所发出的多组初始声音信号YS(t)和振动信号YZ(t);对每组初始声音信号YS(t)和振动信号YZ(t)做去噪加权融合处理得到一组声音信号YS″(t)和振动信号YZ″(t);采用K‑S检验法提取声音信号YS″(t)的特征向量;采用EMD经验模态分解法提取振动信号YZ″(t)的特征向量;将声音信号YS″(t)的特征向量和振动信号YZ″(t)的特征向量融合为一个特征矩阵样本;从特征矩阵样本中按比例选取正常及故障状态多种运行情况下的样本特征矩阵;基于FWA优化的SVM故障诊断模型,输入选取的样本特征矩阵得到故障诊断结果。本发明通过多传感器数据融合的概念,对数据加权融合有效消除噪声,使数据更接近于真实值,有效提高故障诊断的效果。

    一种断路器振动信号的处理方法

    公开(公告)号:CN112284707A

    公开(公告)日:2021-01-29

    申请号:CN202011140578.9

    申请日:2020-10-22

    IPC分类号: G01M13/00 G01H17/00

    摘要: 本发明公开了一种断路器振动信号的处理方法,包括以下步骤:A、采集振动信号;B、求取振动信号x(t)的单边功率谱S(f);C、提取估计峰值P(f,h)和反映峰值锐利程度的锐利函数S(2)(f);D、根据不同的阈值设定,得到待测峰值和锐利点,在待测峰值中筛选出锐利峰值Pψ(f,h);E、将待测峰值归一化后,以功率谱原点为起始点、待测峰值为终点构成峰值向量集合W;F、依据峰值向量集合中峰值向量的锐利程度,划分不同的权重后转换到极坐标下;G、以极点为中心、呈辐射状将整个极坐标平面划分为若干等面积的子区域;H、统计峰值向量集合分布在各个子区域的频数,由各子区域的频数构成峰值向量概率密度U。本发明能够精准、有效地刻画功率谱包含的断路器振动信息。

    一种基于概率密度的断路器状态监测方法

    公开(公告)号:CN112257585A

    公开(公告)日:2021-01-22

    申请号:CN202011135837.9

    申请日:2020-10-22

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开了一种基于概率密度的断路器状态监测方法,将断路器工作过程中所采集的振动、声音信号转换成概率密度图像,对概率密度图像平滑去噪处理后分割成特征矩阵,利用多层次PCA主元分析法对处理后的振声信号特征矩阵压缩和降维进行特征层面的融合,使用得到的振声信号融合特征向量构建用于监测短路器工作状态的特征空间权重坐标三维图,使用邻近归类法判断断路器工作状态。本发明提供的基于概率密度的断路器状态监测方法,充分考虑各个向量分量之间的主次关系,解决了声振信号融合的权重问题,改进了声振信号融合的方法,提高了断路器机械故障判断的准确性,更加有效的区分断路器的故障类型,确保断路器在电力系统中安全、平稳的运行。

    一种多特征优化融合的高压断路器故障诊断方法

    公开(公告)号:CN112255538A

    公开(公告)日:2021-01-22

    申请号:CN202011096134.X

    申请日:2020-10-14

    IPC分类号: G01R31/327 G06K9/62

    摘要: 本发明公开了一种多特征优化融合的高压断路器故障诊断方法,所述方法包括:获取断路器分合闸过程中所发出的多组初始声音信号YS(t)和振动信号YZ(t);对每组初始声音信号YS(t)和振动信号YZ(t)做去噪加权融合处理得到一组声音信号YS″(t)和振动信号YZ″(t);采用K‑S检验法提取声音信号YS″(t)的特征向量;采用EMD经验模态分解法提取振动信号YZ″(t)的特征向量;将声音信号YS″(t)的特征向量和振动信号YZ″(t)的特征向量融合为一个特征矩阵样本;从特征矩阵样本中按比例选取正常及故障状态多种运行情况下的样本特征矩阵;基于FWA优化的SVM故障诊断模型,输入选取的样本特征矩阵得到故障诊断结果。本发明通过多传感器数据融合的概念,对数据加权融合有效消除噪声,使数据更接近于真实值,有效提高故障诊断的效果。