繆希仁 吳曉梅 石敦義 郭謀發(fā) 王吳雨

（福州大學(xué)電氣工程與自動(dòng)化學(xué)院 福州 350116）

1 引言

斷路器的振動(dòng)信號(hào)含有豐富的機(jī)械特性信息，振動(dòng)起始時(shí)刻及其幅值、頻率等均是斷路器機(jī)械特性的基本特征，上述特征的微小變化均反映相應(yīng)機(jī)械特性變化，如機(jī)構(gòu)卡澀以及部件磨損、移位和變形等?；谡駝?dòng)信號(hào)的斷路器機(jī)械故障研究已成為熱點(diǎn)[1-3]，尤其在斷路器重要機(jī)械特性——合閘同期性研究方面取得了良好的效果[4-6]，這些研究工作主要采用小波變換方法，該方法適用于具有暫態(tài)、突變等非平穩(wěn)振動(dòng)信號(hào)分析；但小波在故障信號(hào)特征提取上存在以下的不足：小波基和分解尺度的選擇還無(wú)遵循的原則，且選定后小波分解不隨信號(hào)變化加以自適應(yīng)調(diào)整；此外，小波分解還存在能量泄露[7]。

希爾伯特-黃變換（Hilbert-Huang Transform，HHT）是近年來(lái)發(fā)展起來(lái)的一種信號(hào)分析的新方法，它通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition，EMD）方法將信號(hào)分解為一系列相互不同、獨(dú)立的本征模態(tài)函數(shù)（Intrinsic Mode Function，IMF）分量，通過(guò)分析包含信號(hào)局部特性的IMF 可準(zhǔn)確提取原始信號(hào)的重要特性，且每個(gè)IMF 所含頻率成分與信號(hào)本身有關(guān)，但與信號(hào)的采樣頻率無(wú)關(guān)，具有較高的時(shí)頻域分辨率，因此，可準(zhǔn)確地揭示信號(hào)的內(nèi)在特征[8,9]，與小波及其他方法相比，能更有效地提取機(jī)械振動(dòng)信號(hào)特征參數(shù)[10]。

將振動(dòng)信號(hào)特征向量與神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行故障模式識(shí)別，可有效診斷各類(lèi)機(jī)械特性故障狀態(tài)[11,12]。本文利用粒子群優(yōu)化（Particle Swarm Optimization,PSO）徑向基函數(shù)（Radial Basis Function,RBF）神經(jīng)網(wǎng)絡(luò)的故障識(shí)別技術(shù)，其具有全局優(yōu)化能力，通過(guò)對(duì)參數(shù)的調(diào)整還具有局部尋優(yōu)能力，因此可更快地收斂于最優(yōu)解[13]。

三相不同期故障會(huì)影響斷路器的性能和壽命以及電網(wǎng)的穩(wěn)定性運(yùn)行，但斷路器合閘同期性研究目前還局限于中高壓斷路器，且現(xiàn)有采用三個(gè)振動(dòng)傳感器分別檢測(cè)高壓斷路器三相合閘振動(dòng)信號(hào)的方案，在低壓斷路器應(yīng)用中存在傳感器價(jià)格比重偏高，限制其應(yīng)用的問(wèn)題。隨著智能配電網(wǎng)發(fā)展，對(duì)配電系統(tǒng)安全可靠性提出更高的要求，作為主要機(jī)械性能指標(biāo)的低壓斷路器的同期性研究顯得十分必要。針對(duì)前述問(wèn)題，本文以低壓斷路器為對(duì)象，提出以單一傳感器檢測(cè)DW15—1600 低壓斷路器，以其振動(dòng)信號(hào)IMF 分量能量比為特征向量輸入，建立PSO算法的RFB 神經(jīng)網(wǎng)絡(luò)，用以研究斷路器三相合閘不同期的故障識(shí)別。

2 低壓斷路器振動(dòng)信號(hào)及其時(shí)域特征分析

低壓斷路器是一種具備操作機(jī)構(gòu)的瞬時(shí)動(dòng)作開(kāi)關(guān)，開(kāi)關(guān)過(guò)程中操作機(jī)構(gòu)的機(jī)械運(yùn)動(dòng)產(chǎn)生振動(dòng)信號(hào)，其動(dòng)靜觸頭撞擊時(shí)還瞬間產(chǎn)生高強(qiáng)度沖擊性振動(dòng)波，振動(dòng)信號(hào)具有瞬時(shí)非平穩(wěn)及非周期性特點(diǎn)。本文采用加速度傳感器獲取振動(dòng)信號(hào)，振動(dòng)信號(hào)的準(zhǔn)確獲取與傳感器的安裝位置密切相關(guān)，其安裝位置一般需考慮以下幾個(gè)方面，如設(shè)置在故障率高的部位、盡量靠近振動(dòng)源的位置，而且安裝方便、信號(hào)傳輸可靠等。實(shí)際應(yīng)用中，傳感器的安裝有兩個(gè)位置：一是安裝在動(dòng)觸頭的連桿上，這種方式比較靠近動(dòng)觸頭，獲取的信號(hào)能夠準(zhǔn)確地反映振動(dòng)特性，但需要侵入斷路器內(nèi)部，且安裝不方便；另一是安裝在基座的橫梁上，這種方式也能準(zhǔn)確獲取振動(dòng)信號(hào)且安裝方便。考慮到加速度傳感器的價(jià)格及檢測(cè)方案的應(yīng)用前景，本文采用單個(gè)加速度傳感器實(shí)現(xiàn)低壓斷路器三相合閘同期性檢測(cè)，并將傳感器安裝斷路器的橫梁上（見(jiàn)圖1），其檢測(cè)的振動(dòng)方向與觸頭合閘撞擊方向一致。

圖1 加速度傳感器安裝位置圖Fig.1 Location of acceleration sensor installation

斷路器三相合閘同期性是指三相動(dòng)靜觸頭在允許的容差范圍內(nèi)同時(shí)完成開(kāi)關(guān)閉合動(dòng)作，根據(jù)低壓斷路器出廠技術(shù)要求，當(dāng)觸頭厚度低于2mm 時(shí)應(yīng)予以更換。在低壓斷路器正常合閘振動(dòng)實(shí)驗(yàn)基礎(chǔ)上，依次調(diào)整三相觸頭的墊片分別模擬A相、B相、C相觸頭因機(jī)構(gòu)磨損或調(diào)整不當(dāng)造成的各種合閘不同期性狀態(tài)。三相不同期合閘會(huì)影響斷路器的性能和壽命以及電網(wǎng)的穩(wěn)定性運(yùn)行，因此，低壓斷路器合閘同期性研究，對(duì)其狀態(tài)監(jiān)測(cè)與故障診斷具有重要意義。

如圖2 所示，在空載條件下，調(diào)整A相觸頭的開(kāi)距，使之與B相、C相的開(kāi)距相差3mm 時(shí)，由三相觸頭信號(hào)得到三相合閘不同期時(shí)間為6ms；再分別對(duì)B相、C相進(jìn)行相同操作，采集三相分別不同期狀態(tài)下合閘振動(dòng)信號(hào)如圖3 所示，即圖3b、3c、3d 則是分別因?yàn)锳、B 或C相觸頭磨損，造成三相合閘同期性不在容許的范圍內(nèi)。

圖2 A相不同期時(shí)的三相觸頭信號(hào)Fig.2 The contact signal on phase A asynchronous

圖3 低壓斷路器4 種狀態(tài)振動(dòng)信號(hào)Fig.3 Four types of vibration signals of LVCB

圖3 中的振動(dòng)信號(hào)是合閘全過(guò)程的振動(dòng)信號(hào)，包含了操動(dòng)機(jī)構(gòu)動(dòng)作特性（信號(hào)前部較小幅值部分）、三相觸頭合閘瞬間特性（信號(hào)中部突變部分）以及合閘動(dòng)作結(jié)束后振動(dòng)消失的全過(guò)程信號(hào)特征。從圖3 看出不同狀態(tài)下的振動(dòng)信號(hào)有一定的差距，通常在時(shí)域中表征信號(hào)特征的參數(shù)有最大值、最小值、平均幅值、峰峰值、均值、均方值、方差、方均根值、峭度、方根幅值等。當(dāng)斷路器發(fā)生故障時(shí)這些特征值也會(huì)有相應(yīng)的變化，但由于振動(dòng)信號(hào)的非線性和復(fù)雜性，在實(shí)驗(yàn)中發(fā)現(xiàn)除均方值和峭度的重復(fù)性較好之外其它特征值的重復(fù)性較差。但若僅用時(shí)域中的均方值和峭度很難進(jìn)行斷路器狀態(tài)的識(shí)別。因此本文將均方值和峭度作為狀態(tài)識(shí)別的輔助指標(biāo)，并采用時(shí)頻聯(lián)合的方法對(duì)振動(dòng)信號(hào)作進(jìn)一步的分析。

3 基于HHT 振動(dòng)信號(hào)特征量提取技術(shù)

HHT 主要由Hilbert 變換和EMD 兩部分組成[8]。首先通過(guò)EMD 方法將振動(dòng)信號(hào)分解為多個(gè)頻率不同的IMF 分量，然后對(duì)主要的IMF 分量進(jìn)行Hilbert變換，即可得到每個(gè)IMF 分量的瞬時(shí)特性，最后計(jì)算各個(gè)分量的能量比作為特征向量。

3.1 基于EMD 斷路器振動(dòng)信號(hào)分解

基于EMD 的信號(hào)分解方法有兩個(gè)基本條件：

（1）每個(gè)IMF 在整個(gè)信號(hào)長(zhǎng)度上的極值點(diǎn)和過(guò)零點(diǎn)數(shù)量最多相差一個(gè)。

（2）每個(gè)IMF 的上、下包絡(luò)線關(guān)于時(shí)間軸對(duì)稱(chēng)。EMD 的分解首先提取出原信號(hào)的高頻部分，其后依次分解出低頻、較低頻的分量，直至最后不能再分解。

根據(jù)文獻(xiàn)[14]的分解步驟，最后得到

式中 x(t)——原始振動(dòng)信號(hào)；

ci(t)(i=1,2,…,n）——第i個(gè)IMF 分量；

rn(t)——?dú)堄喾至勘硎拘盘?hào)的平均趨勢(shì)。

將低壓斷路器振動(dòng)信號(hào)進(jìn)行EMD 分解，共得到17個(gè)IMF 分量，由于斷路器故障信息主要集中在振動(dòng)信號(hào)的高頻段，因此機(jī)械故障信息主要包含在其前幾階IMF 分量中。為此本文采用方差貢獻(xiàn)率（單位：%）進(jìn)行驗(yàn)證，方差貢獻(xiàn)率是用來(lái)衡量主成分相對(duì)重要程度的指標(biāo)，方差貢獻(xiàn)率越大則表明該主成分相對(duì)重要。IMF 的方差貢獻(xiàn)率是指每個(gè)IMF 分量的方差占所有IMF 分量方差的比，相應(yīng)計(jì)算公式為

式中 Di——第i個(gè)IMF 分量的方差；

Δt——振動(dòng)信號(hào)數(shù)據(jù)采集時(shí)間間隔。

根據(jù)式（2）和式（3），圖3 中4 種狀態(tài)振動(dòng)信號(hào)的各階IMF 分量的方差貢獻(xiàn)率見(jiàn)表1，即前5 階IMF 分量的貢獻(xiàn)率數(shù)值較大，表明了低壓斷路器振動(dòng)信號(hào)的前5 階IMF 分量包含了其機(jī)械振動(dòng)特性的絕大部分信息，并可對(duì)振動(dòng)信號(hào)起到有效的消噪作用。

表1 振動(dòng)信號(hào)的IMF 分量方差貢獻(xiàn)率Tab.1 Rates of IMF components contribution of vibration signals

基于上述分析，圖 4 只列出了正常振動(dòng)信號(hào)EMD 分解后的前5 階IMF 分量。

圖4 正常振動(dòng)信號(hào)的EMD 分解結(jié)果Fig.4 EMD result of normal vibration signal

3.2 基于Hilbert 變換的振動(dòng)信號(hào)特征參數(shù)提取

經(jīng)過(guò)EMD 分解得到了多個(gè)IMF 分量，可以分別對(duì)各個(gè)分量進(jìn)行Hilbert 變換，則可得到每個(gè)分量的瞬時(shí)頻率和瞬時(shí)幅值，以進(jìn)一步計(jì)算IMF 能量。

對(duì)IMF 分量的c(t)進(jìn)行Hilbert 變換，以獲取該信號(hào)的解析形式為

式中，a(t)為幅值函數(shù)，且

EMD 方法將振動(dòng)信號(hào)分解在不同的頻帶上，各IMF 分量所含有的能量也各不相同，通過(guò) Hilbert變換求出瞬時(shí)頻率和瞬時(shí)幅值后，計(jì)算出各IMF 分量能量。第i 階IMF 的能量的計(jì)算公式為

式中 n——振動(dòng)信號(hào)EMD 分解的IMF 階數(shù)；

N——每個(gè)IMF 的數(shù)據(jù)點(diǎn)數(shù)。

因此，各階IMF 的能量總和為

則第i 階的IMF 的能量比定義為

當(dāng)斷路器出現(xiàn)故障時(shí)，其信號(hào)將跟正常信號(hào)有所區(qū)別，在某些頻段上能量將發(fā)生變化，不同類(lèi)別的信號(hào)在同階IMF 分量上有著不同的頻率成分，且各個(gè)分量的幅值也相差很大，因此本文選用能量比作為故障的特征向量，即各階IMF 的能量占總體信號(hào)的能量比值。

4 神經(jīng)網(wǎng)絡(luò)優(yōu)化及故障識(shí)別

4.1 粒子群優(yōu)化RBF 網(wǎng)絡(luò)

RBF是一種單隱層的三層前饋網(wǎng)絡(luò)，且是一種局部逼近網(wǎng)絡(luò)，適合于解決多變量分類(lèi)問(wèn)題。RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法需要求解基函數(shù)中心、方差、隱含層到輸出層的權(quán)值三個(gè)參數(shù)，本文利用粒子群優(yōu)化RBF 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程解決以下兩個(gè)問(wèn)題：①RBF 參數(shù)的預(yù)設(shè)定，并由聚類(lèi)算法確定基函數(shù)的中心數(shù)目；②通過(guò)粒子群算法對(duì)訓(xùn)練樣本全局搜索隱層各節(jié)點(diǎn)的中心值、方差、輸出層到隱層之間的連接權(quán)重。具體步驟如下：

（1）以振動(dòng)信號(hào)IMF 分量能量比及峭度和均方值為樣本。

（2）用聚類(lèi)算法對(duì)樣本進(jìn)行聚類(lèi)分析，確定基函數(shù)的中心個(gè)數(shù)。

（3）初始化粒子群的種群，建立綜合隱層各節(jié)點(diǎn)中心值、方差及連接權(quán)重的適應(yīng)度，針對(duì)每個(gè)粒子進(jìn)行粒子群迭代搜索[10]。

（4）將最后迭代的結(jié)果，即群體所經(jīng)歷最好位置解碼后的值，作為RBF 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)加以學(xué)習(xí)。

4.2 低壓斷路器合閘同期性故障識(shí)別

針對(duì)低壓斷路器振動(dòng)信號(hào)特性，綜合利用時(shí)域分析、EMD 分解、粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)，建立了圖5 所示基于振動(dòng)特性的合閘同期性故障識(shí)別模型。

圖5 合閘同期性故障識(shí)別模型Fig.5 Fault recognition model of switching synchronism

本文總共采集了32 組振動(dòng)信號(hào)數(shù)據(jù)，每種狀態(tài)采集8 組，其中每種狀態(tài)數(shù)據(jù)中6 組用于訓(xùn)練，2組用于測(cè)試；利用粒子群優(yōu)化的RBF 網(wǎng)絡(luò)進(jìn)行故障識(shí)別。以前5 階IMF 分量的能量比及時(shí)域中的均方值和峭度共7個(gè)量作為輸入向量；將本文研究的斷路器4 種狀態(tài)類(lèi)型編碼Y=[Y0，Y1，Y2，Y3]，并作為RBF 網(wǎng)絡(luò)的期望輸出向量。其中[1，0，0，0]表示正常狀態(tài)，[0，1，0，0]表示A相故障，[0，0，1，0]表示B相故障，[0，0，0，1]表示C相故障。在此基礎(chǔ)上，引入置信度的概念對(duì)故障類(lèi)型識(shí)別結(jié)果做出評(píng)價(jià)，并將不滿(mǎn)足置信度要求的樣本歸為未知故障。

置信度是用來(lái)評(píng)價(jià)實(shí)際輸出向量與期望輸出向量之間的匹配程度。若某樣本的實(shí)際輸出向量為y=[y0，y1，y2，y3]，對(duì)應(yīng)的期望輸出向量為Y=[Y0，Y1，Y2，Y3]。則相應(yīng)置信度β 可表示為

在實(shí)際應(yīng)用過(guò)程中，需事先對(duì)β 確定一個(gè)閾值r，若置信度β＞r，則采用期望輸出向量對(duì)應(yīng)的狀態(tài)類(lèi)型。若置信度β ＜r，則可判定該實(shí)際輸出向量對(duì)應(yīng)的樣本狀態(tài)為未知類(lèi)型。r 的確定要綜合考慮狀態(tài)識(shí)別算法的誤差和樣本之間的相似程度，本文選取r=0.8。

網(wǎng)絡(luò)訓(xùn)練樣本見(jiàn)表2，限于篇幅，表2 中只列出了部分訓(xùn)練樣本。在實(shí)驗(yàn)中，訓(xùn)練誤差選為0.000 1，訓(xùn)練過(guò)程中所需的步數(shù)為23，可見(jiàn)該網(wǎng)絡(luò)訓(xùn)練速度非?？臁?/p>

表2 部分訓(xùn)練樣本數(shù)據(jù)Tab.2 Data of part of training samples

表3 所示為RBF 網(wǎng)絡(luò)的部分測(cè)試樣本，在測(cè)試樣本中還添加了未知故障類(lèi)型的樣本數(shù)據(jù)。最后識(shí)別結(jié)果見(jiàn)表4，并計(jì)算相應(yīng)的置信度。

表3 測(cè)試樣本數(shù)據(jù)Tab.3 Data of test samples

從表4 仿真結(jié)果可以看出，正常狀態(tài)以及三相不同期狀態(tài)的分類(lèi)結(jié)果滿(mǎn)足置信度的要求，而未知故障樣本識(shí)別結(jié)果因置信度小于閾值0.8，將其歸類(lèi)為未知故障類(lèi)型編碼[0，0，0，0]，見(jiàn)表5。對(duì)于新的故障類(lèi)型，只需要足夠的新樣本加以網(wǎng)絡(luò)訓(xùn)練，便可以進(jìn)行故障類(lèi)型的重新編碼。由此可知，PSORBF 神經(jīng)網(wǎng)絡(luò)的低壓斷路器三相合閘同期性的故障判別方法準(zhǔn)確率較高，且能夠?qū)ξ粗收线M(jìn)行識(shí)別。

表4 合閘同期性故障仿真結(jié)果Tab.4 Fault simulation results for switching synchronism

表5 未知樣本識(shí)別結(jié)果Tab.5 Diagnosis results of unknown sample

此外，本文還針對(duì)低壓斷路器不同期程度進(jìn)行研究。通過(guò)多次調(diào)整觸頭的開(kāi)距來(lái)模擬三相的不同期程度，在實(shí)驗(yàn)中對(duì)三相觸頭分別進(jìn)行四次調(diào)整，得到的不同期程度分別為2mm、3mm、4mm、5mm。并對(duì)振動(dòng)信號(hào)分析處理，得到相應(yīng)的訓(xùn)練樣本和測(cè)試樣本。最后再利用HHT 與RBF 網(wǎng)絡(luò)相結(jié)合的方法進(jìn)行故障識(shí)別，識(shí)別結(jié)果見(jiàn)表6。

表6 不同期性故障識(shí)別結(jié)果Tab.6 Diagnosis results of asynchronous fault

表6 所示的置信度為每種狀態(tài)下所有樣本中的最小置信度值。由表6 可知，當(dāng)不同期故障為2mm時(shí)，三相不同期的識(shí)別結(jié)果較差，這是因?yàn)?mm 的不同期屬于觸頭合閘同期性接受的誤差范圍。當(dāng)觸頭不同期程度分別為3mm、4mm、5mm 時(shí)，都取得了良好的識(shí)別效果。

上述研究結(jié)果是基于實(shí)驗(yàn)室空載條件下進(jìn)行的，未能考慮到現(xiàn)場(chǎng)因素。為了進(jìn)一步驗(yàn)證本文方法對(duì)斷路器實(shí)際工況的適用性，在低壓開(kāi)關(guān)電器檢測(cè)中心為低壓斷路器進(jìn)行帶載下的實(shí)際測(cè)試實(shí)驗(yàn)，采集了不同負(fù)載下的低壓斷路器三相合閘振動(dòng)信號(hào)，并利用前述實(shí)驗(yàn)室空載下建立的故障診斷模型加以分析。表7 所示為DW15—1600 低壓斷路器在400A 負(fù)載電流時(shí)，基于斷路器三相合閘振動(dòng)信號(hào)的同期性故障診斷結(jié)果。

表7 現(xiàn)場(chǎng)振動(dòng)數(shù)據(jù)診斷結(jié)果Tab.7 Diagnosis results of field vibration data

由表7 可知，本文方法對(duì)實(shí)際工況帶載時(shí)的低壓斷路器三相合閘不同期可加以有效識(shí)別。其表明采用EMD 分解，提取三相合閘同期性振動(dòng)信號(hào)主分量加以分析，能夠有效實(shí)現(xiàn)信號(hào)消噪及其同期性故障識(shí)別。

此外，還針對(duì)不同負(fù)載時(shí)，對(duì)低壓斷路器正常狀態(tài)及三相分別不同期故障的合閘振動(dòng)信號(hào)加以采集與診斷分析，其結(jié)果見(jiàn)表8，說(shuō)明了本文方法對(duì)不同負(fù)載下三相合閘不同期故障檢測(cè)與辨識(shí)的有效性。

表8 不同負(fù)載下振動(dòng)信號(hào)診斷結(jié)果Tab.8 Result of diagnosis in different loads

本文提出的三相合閘同期性故障采用振動(dòng)信號(hào)加以識(shí)別，振動(dòng)信號(hào)是由機(jī)械機(jī)構(gòu)動(dòng)作產(chǎn)生的，根據(jù)本文采用的3 255 型加速度傳感器采用微加工硅絲重力塊機(jī)理及其信號(hào)采集與處理一體化技術(shù)，因此受現(xiàn)場(chǎng)電磁干擾及負(fù)載操作電氣量的影響極小，且本文采用EMD 分解的主分量加以故障特征提取，可有效消除現(xiàn)場(chǎng)噪聲。因此，表8 所示，在不同的負(fù)載下也能夠得到較好的三相合閘不同期故障識(shí)別結(jié)果。

為了驗(yàn)證本文故障特征識(shí)別方法的適用性，本文利用NI 公司CompactRIO 中的FPGA 模塊（頻率為40MHz）進(jìn)行EMD 分解及特征量提取算法的硬件技術(shù)實(shí)現(xiàn)，在單一振動(dòng)信號(hào)4 000個(gè)采樣點(diǎn)的前提下，其數(shù)值算法時(shí)間開(kāi)銷(xiāo)為數(shù)十微秒，表明本文算法的嵌入式硬件實(shí)現(xiàn)有效性，且可滿(mǎn)足斷路器狀態(tài)檢測(cè)的實(shí)時(shí)性要求。

5 結(jié)論

本文在實(shí)驗(yàn)室空載條件下，建立基于HHT 的低壓斷路器振動(dòng)信號(hào)分析方法及其合閘不同期故障診斷模型，并應(yīng)用于低壓斷路器實(shí)際帶載測(cè)試實(shí)驗(yàn)及其合閘不同期故障診斷，取得以下低壓斷路器三相合閘同期辨識(shí)研究結(jié)果：

（1）基于單個(gè)加速度傳感器的低壓斷路器振動(dòng)信號(hào)的EMD 分解所獲得的IMF 分量，可應(yīng)用于低壓斷路器三相不同期的振動(dòng)信號(hào)消噪及其故障特征量提取。

（2）利用方差貢獻(xiàn)率可篩選出表征低壓斷路器故障振動(dòng)特征信息的主要IMF 分量。

（3）將EMD 提取的前5 階IMF 分量能量比、原始波形的峭度和均方值作為特征向量，利用PSORBF 神經(jīng)網(wǎng)絡(luò)，可實(shí)現(xiàn)對(duì)低壓斷路器合閘同期性故障的有效識(shí)別，且能對(duì)未知樣本進(jìn)行識(shí)別。

（4）低壓斷路器屬保護(hù)開(kāi)關(guān)，對(duì)其合閘同期性故障的辨識(shí)實(shí)時(shí)性要求不高，現(xiàn)階段嵌入式數(shù)字處理器性能已可滿(mǎn)足本文算法的應(yīng)用；本文提出的方法加以?xún)?yōu)化，有望應(yīng)用于低壓斷路器合閘同期性故障檢測(cè)與辨識(shí)。

[1]常廣,張振乾,王毅.高壓斷路器機(jī)械故障振動(dòng)診斷綜述[J].高壓電器,2011,47(8):85-90.Chang Guang,Zhang Zhenqian,Wang Yi.Review on mechanical fault diagnosis of high-voltage circuit breakers based on vibration diagnosis[J].High Voltage Apparatus,2011,47(8):85-90.

[2]孫來(lái)軍,胡曉光,紀(jì)延超.改進(jìn)的小波包–特征熵在高壓斷路器[J].中國(guó)電機(jī)工程學(xué)報(bào),2007,27(12):103-108.Sun Laijun,Hu Xiaoguang,Ji Yanchao.Fault diagnosis for high voltage circuit breakers with improved characteristic entropy of wavelet packet[J].Proceedings of the CSEE,2007,27(12):103-108.

[3]Liu Mingliang,Sun Laijun,Zhen Jianju,et al.Fault diagnosis of high voltage circuit breaker based on multiple entropy strips method[C].Proceedings of The 6th IEEE Conference on Industrial Electronics and Applications,Beijing,China,2011:504-508.

[4]楊飛,王小華,榮命哲,等.一種新的中壓真空斷路器三相同期在線監(jiān)測(cè)方法[J].中國(guó)電機(jī)工程學(xué)報(bào),2008,28(12):139-144.Yang Fei,Wang Xiaohua,Rong Mingzhe,et al.A novel on-line monitoring method for three phase synchronization of medium voltage vacuum circuit breaker[J].Proceedings of the CSEE,2008,28(12):139-144.

[5]馬強(qiáng),榮命哲,賈申利.基于振動(dòng)信號(hào)小波包提取和短時(shí)能量分析的高壓斷路器合閘同期性的研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2005,25(13):150-154.Ma Qiang,Rong Mingzhe,Jia Shenli.Study of switching synchronization of high voltage breakers based on the wavelet packets extraction algorithm and short time analysis method[J].Proceedings of the CSEE,2005,25(13):150-154.

[6]繆希仁,王燕.低壓斷路器振動(dòng)特性分析與合閘同期性研究[J].電工技術(shù)學(xué)報(bào),2013,28(6):81-85.Miao Xiren,Wang Yan.Vibration characteristic analysis and closing synchronization research of low voltage circuit breadkers[J].Transactions of China Electrotechnical Society,2013,28(6):81-85.

[7]張君,韓璞,董澤,等.基于小波變換的振動(dòng)信號(hào)分析中能量泄漏的研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2004,24(10):238-243.Zhang Jun,Han Pu,Dong Ze,et al.Energy leakage research of wavelet transform application on vibration signature analysis[J].Proceedings of the CSEE,2004,24(10):238-243.

[8]Huang N E,Shen Z,Long S R,et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London Series A,1998,454:903-995.

[9]Vincent H T,Hu S J,Hou Z.Damage detection using empirical mode decomposition method and a comparison with wavelet analysis[C].Proceedings of the Second International Workshop on Structure Health Monitoring,Stanford USA,1999:891-900.

[10]張惠峰,馬宏忠,陳凱,等.基于振動(dòng)信號(hào) EMDHT 時(shí)頻分析的變壓器有載分接開(kāi)關(guān)故障診斷[J].高壓電器,2012,48(1):76-81.Zhang Huifeng,Ma Hongzhong,Chen Kai,et al.Fault diagnosis of power transformer on-load tap changer based on EMD-HT analysis of vibration signal[J].High Voltage Apparatus,2012,48(1):76-81.

[11]王磊,紀(jì)國(guó)宜.基于Hilbert-Huang 變換與人工神經(jīng)網(wǎng)絡(luò)的風(fēng)機(jī)故障診斷研究[J].發(fā)電設(shè)備,2012,26(2):100-104.Wang Lei,Ji Guoyi.Study on fan fault diagnosis based on Hilbert-Huang transform and artificial neural network[J].Power Equipment,2012,26(2):100-104.

[12]Lee D S S,Lithgow B L,Morrison R E.New fault diagnosis of circuit breakers[J].IEEE Transactions on Power Delivery,2003,18(2):454-459.

[13]王曉霞,王濤.基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J].高電壓技術(shù),2009,34(11):2362-2367.Wang Xiaoxia,Wang Tao.Power transformer fault diagnosis based on neural network evolved by particle swarm optimization[J].High Voltage Engineering,2009,34(11):2362-2367.

[14]黃建,胡曉光,鞏玉楠.基于經(jīng)驗(yàn)?zāi)B(tài)分解的高壓斷路器機(jī)械故障診斷方法[J].中國(guó)電機(jī)工程學(xué)報(bào),2011,31(12):108-113.Huang Jian,Hu Xiaoguang,Gong Yunan.Machinery fault diagnosis of high voltage circuit breaker based on empirical mode decomposition[J].Proceedings of the CSEE,2011,31(12):108-113.