黃蓉，陳永往，陳立純，郭謀發(fā)

(1.福州大學電氣工程與自動化學院,福建 福州 350108；2.國網福建晉江市供電有限公司,福建 泉州 362200)

基于振動信號分析的配電開關機械狀態(tài)診斷系統(tǒng)

黃蓉1，陳永往2，陳立純2，郭謀發(fā)1

(1.福州大學電氣工程與自動化學院,福建 福州 350108；2.國網福建晉江市供電有限公司,福建 泉州 362200)

配電開關的振動信號包含有豐富的開關機械狀態(tài)信息，可以通過合理有效的方法提取振動信號特征量，作為配電開關機械狀態(tài)診斷的依據。根據數據采集的功能需求，設計了基于LabVIEW的振動信號采集裝置軟硬件。利用經驗模態(tài)分解(empirical mide decomposition，EMD)對振動信號進行時頻分解，提取分解所得固有模態(tài)分量(intrinsic mode function，IMF)的樣本熵作為特征量，最后通過模糊C-均值聚類(fuzzy C-means，FCM)進行機械狀態(tài)診斷。通過實驗，采集并分析了正常狀態(tài)和典型故障狀態(tài)下的配電開關振動信號，驗證了基于振動信號分析的配電開關機械狀態(tài)診斷系統(tǒng)的準確性和有效性。

配電開關；機械狀態(tài)；振動信號；EMD；樣本熵；FCM

1 引言

配電開關在配電網中具有控制和保護雙重功能，配電開關故障可能引起嚴重的電網事故，大部分的配電開關故障都屬于機械故障。配電開關機械狀態(tài)診斷就是在狀態(tài)監(jiān)測的基礎上對開關機械狀態(tài)進行準確的診斷識別，從而合理地安排檢修策略。

配電開關分、合閘過程中，操動機構內部各組件依序動作，形成激勵源并由此產生振動信號，該信號包含有大量的開關機械狀態(tài)信息，是典型的無規(guī)律、非平穩(wěn)、時變信號。振動診斷法就是通過分析配電開關的振動信號，提取有效特征量，從而對其機械狀態(tài)進行診斷識別的方法。振動診斷法具有可靠性和準確性，有利于實現對開關的非侵入式狀態(tài)監(jiān)測[1]。

目前，基于不同原理的配電開關狀態(tài)監(jiān)測方法的可靠性、普適性和經濟性有待提高；以“事后檢修”和“到期必修”為主的配電開關計劃檢修策略也不能夠滿足現代電網安全、可靠、經濟運行的要求。建立在配電開關狀態(tài)監(jiān)測和狀態(tài)診斷基礎上的配電開關狀態(tài)檢修是當前先進的檢修策略[1-2]。基于上述配電開關狀態(tài)監(jiān)測、檢修現狀，本文研制出一套基于振動信號分析的配電開關機械狀態(tài)診斷系統(tǒng)，系統(tǒng)主要由振動信號采集裝置和振動信號分析軟件組成，包括信號采集、特征提取、狀態(tài)診斷3部分功能。該系統(tǒng)能夠準確診斷出配電開關的機械狀態(tài)，為配電開關的狀態(tài)檢修提供可靠依據。

2 振動信號采集裝置設計

配電開關振動信號采集裝置主要由壓電式加速度傳感器、信號調理模塊、數據采集卡和波形顯示存儲平臺四部分組成。壓電式加速度傳感器將配電開關振動信號轉化為電壓信號；信號調理模塊對信號進行分離、放大和抗混疊濾波處理，去除直流電壓耦合信號；數據采集卡將模擬信號轉換為數字信號，并通過USB接口將信號上傳至上位機；波形顯示存儲平臺完成對信號的顯示和存儲。

2.1 裝置硬件設計

根據配電開關振動信號高頻率、高強度沖擊、有效信號時間短等特點，結合配電開關振動信號的振動頻率范圍與檢測環(huán)境，選用輸出阻抗低、抗擾能力強的LC0102T型壓電式加速度傳感器采集振動信號。該加速度傳感器的頻率響應范圍為2～13000Hz，靈敏度為10mV/g，量程為500g，分辨率為0.004g。

采用LC0207型恒流源模塊作為信號調理模塊，為LC0102T型壓電式加速度傳感器提供18～30V、4mA的恒流電源，同時將LC0102T型壓電式加速度傳感器輸出的疊加有直流信號的交流信號通過CR高通隔直輸出。加速度傳感器采集到的開關振動信號容易受到測試環(huán)境中的噪聲及強磁等因素干擾，因此采用屏蔽同軸電纜連接傳感器和恒流源模塊。

配電開關分、合閘振動的有效信號持續(xù)時間通常只有數十到數百毫秒，要求數據采集卡具有較高的采樣率和采樣精度、較快的數據傳輸速度。綜合考慮配電開關振動信號的特點和對其進行分析診斷所需達到的頻譜范圍，選用了美國國家儀器公司(National Instrument，NI)USB-6211型多功能數據采集卡，USB-6211具有16路16位模擬信號輸入通道，2路16位模擬輸出通道，總采樣率為250kS/s；4路數字輸入通道和4路數字輸出通道。

2.2 裝置軟件設計

LabVIEW是目前應用較為廣泛的圖形化編程語言設計軟件，具有操作簡單靈活、數據顯示清晰等特點，能夠搭建良好的可視化人機交互平臺[3]。系統(tǒng)以LabVIEW作為搭建波形顯示存儲平臺的編程軟件。

壓電式加速度傳感器采集到的配電開關分、合閘振動信號經由數據采集卡A/D采樣后送入波形顯示存儲平臺。在LabVIEW中采用DAQ助手.vi實現對數據采集卡的參數配置，其中包括采樣通道、采樣率和采樣方式的設置。當從DAQ助手.vi讀取的振動信號采樣值超過閾值時，記錄振動信號觸發(fā)之前的4400個采樣點和之后的41200個采樣點，并以tdms文件格式儲存振動信號波形，反之則重新檢測振動信號。通過字符串的組合，tdms文件可以根據開關編號、位置編號和錄波次數實現自動命名，開關編號和位置編號可由操作人員在顯示界面中進行手動設置，錄波次數編號則在系統(tǒng)完成一次錄波操作后自動加1，具體流程如圖2所示。顯示界面能夠顯示出實時振動信號波形和上一次開關振動信號波形，如圖2所示。

圖1 波形顯示存儲平臺軟件流程圖

配電開關振動信號采集裝置還可以進行功能拓展，如采集配電開關分、合閘線圈電流、測量配電開關的開關量、開關行程等，作為配電開關機械狀態(tài)診斷的輔助診斷信息。

3 振動信號分析原理與算法設計

配電開關振動信號分析軟件主要對采集裝置采集到的振動信號進行分析處理，提取能夠表征配電開關機械狀態(tài)信息的有效特征量作為狀態(tài)診斷的依據。分析算法基于Matlab編程軟件完成。

圖2 波形顯示存儲平臺顯示界面圖

按照以下步驟對配電開關的振動信號進行分析：

(1)在配電開關分、合閘振動信號進行分析診斷前，先對采集到的正常狀態(tài)、故障狀態(tài)下的波形信號進行截取處理，提取可供分析的有效部分。

(2)對經由步驟(1)截取得到的有效振動信號進行EMD，得到IMF。EMD根據振動信號序列自身的時間尺度特征將其自適應分解成有限個不同頻率、不等帶寬的IMF和一個殘差之和[4-5]。與小波、小波包分解相比，EMD不存在預先選取最優(yōu)基函數的問題，能夠更好地表示出信號的局部特征，是處理非平穩(wěn)、非線性信號的有效方法，適用于振動信號的時頻分解。

(3)計算振動信號各階IMF的樣本熵，作為狀態(tài)診斷的特征量。熵是表征系統(tǒng)不確定程度的函數，系統(tǒng)的狀態(tài)發(fā)生變化時，其熵值也會發(fā)生改變。樣本熵是在近似熵的基礎上對其進行修正發(fā)展而來的，是一種將非線性數據序列量化為不計自身數據長度比較的統(tǒng)計量。樣本熵還具有一定的抗噪聲干擾能力，算法的計算精度和計算時間較近似熵有了很大的提高[6]。

(4)將振動信號的各階IMF樣本熵值構成的矩陣作為FCM的輸入進行聚類，診斷出配電開關的機械狀態(tài)。FCM是無監(jiān)督模糊聚類方法中的一種，算法簡單快速，具有比較直觀的幾何意義。利用FCM算法把n個振動信號向量xj(j=1,2,…,n)劃分成c類模糊簇(2≤c≤n)，求取每類簇的聚類中心vi(i=1,2,…,c)，以使得目標函數盡量小為原則，將振動信號的特征數據點按一定的隸屬度歸于某一簇聚類中心[7]。

3.1 振動信號的時頻分解

對振動信號進行EMD，得到的各階IMF分別表示振動信號的一個內在特征振動形式，包含有實際物理意義[5]。IMF必須滿足兩個條件：①對于一列振動信號數據，極值點數目和零點數目必須相等或至多相差一點；②在振動信號上任意點，由局部極大值點構成的包絡線和局部極小值點構成的包絡線的平均值為零。

對振動信號進行時頻分解的EMD算法的具體計算步驟如下[8-9]：

(1)計算振動信號S(t)的所有局部極值點。

(2)利用3次樣條函數將振動信號的所有極大值點和所有極小值點分別擬合成數據的上包絡線a0(t)和下包絡線b0(t)。求出上、下包絡線的均值m0(t)

m0(t)=[a0(t)+b0(t)]/2

(3)求出振動信號S(t)與上、下包絡線的均值m0(t)的差，得到一個去掉低頻的振動數據序列，記為h0(t)。

h0(t)=S(t)-m0(t)

(4)判斷h0(t)是否滿足①和②。若滿足，則h0(t)為振動信號S(t)的一階IMF；否則記h0(t)為S(t)，重復步驟(1)～(3)，直至得到表示振動信號S(t)中高頻率分量的第一階振動信號IMF，記為c1(t)。

(5)記r1(t)=S(t)-c1(t)為新的待分析信號，重復步驟(1)～(4)，得到第二階IMF，記為c2(t)，此時余項為r2(t)=S(t)-c2(t)。繼續(xù)重復上述步驟，最終可得到n階IMF，原始振動信號S(t)可表示為

其中，rn(t)為殘余函數，表示振動信號的平均趨勢。

3.2 基于樣本熵的特征量提取

對于一組振動信號數據序列{si}，其樣本熵的具體計算步驟如下[10]：

(1)將振動信號數據序列{si}={s(1),s(2),…,s(N)}依序構造成m維矢量，S(1)，…，S(N-m+1)，其中，

Si={s(i),s(i+1),…,s(i+m-1)}，

i=1,2,…,N-m+1。

(2)將S(i)與S(j)間(i≠j)的距離定義為兩者對應元素中差值最大的一個，即

d[S(i),S(j)]=max0-(m-1)|s(i+k)-s(j+k)|

(5)將維數m加1，重復步驟(1)～(4)，得到Bm+1(r)i和Bm+1(r)。

其中，Bm(r)是由振動信號構造得到的數據序列中兩個數據序列在相似容限r下匹配m個點的概率，Bm+1(r)是振動信號構造得到的數據序列中兩個數據序列在相似容限r下匹配m+1個點的概率。

(6)理論上，此振動信號數據序列的樣本熵為

但是，在實際計算過程中，N不可能取得無窮大，而為有限值，因此將樣本熵記為

SampEn(m,r)=lim{-ln[Bm+1(r)/Bm(r)]}

通常，m=1或2，r取值為原始振動信號數據序列方差的0.1～0.25倍。

3.3 配電開關機械狀態(tài)FCM聚類診斷

首先，將振動信號的各階IMF樣本熵值構成的矩陣設為X={xi}，作為FCM的輸入。預先給定分類數c和加權指數m，初始化隸屬度矩陣

接著，計算聚類中心

構造新的隸屬度矩陣

Uc×n={uij}

uij滿足以下3個條件：

FCM的目標函數為

其中，1

4 實測數據分析

在配電開關廠振動磨合實驗室內，以中壓SF6絕緣環(huán)網負荷開關為研究對象，通過人工模擬故障的方式進行了大量的實驗。在實驗中，需注意壓電式傳感器的安裝位置的選取問題。配電開關的分、合閘振動信號是由沿一定路徑傳播的多個衰減振動波疊加而成的，振動波在機構內部的傳播過程、傳播途徑、衰減、折反射情況復雜，將壓電式傳感器安裝在不同位置上采集到的振動信號波形會有很大差別。在采集振動信號時，應盡可能將傳感器安裝在靠近振源的位置上，以減小振動傳播路徑對采集到的振動信號的影響。本次實驗中，將壓電式加速度傳感器安裝在開關操動機構主軸附近。以80kHz的采樣頻率采集了正常狀態(tài)、機械結構卡澀狀態(tài)和底座螺絲松動等狀態(tài)下的開關分、合閘振動信號。考慮到實驗中的環(huán)境等隨機因素可能對采集到的振動信號產生影響，故對上述三類機械狀態(tài)下的振動信號分別進行3～5次的采集，比較同類狀態(tài)下的波形信號，若波形形狀相似、呈現出相同的特征信息，則可作為進一步分析的有效信號。

圖3 壓電式加速度傳感器安裝位置示意圖

對上述3類機械狀態(tài)下的配電開關合閘振動信號進行分析，對各類機械狀態(tài)各取3組作為樣本數據，任意取2組作為待檢測狀態(tài)數據。對這11組振動信號波形數據進行編號，編號1、2、3為正常狀態(tài)，編號4、5、6為機械結構卡澀狀態(tài)，編號7、8、9為底座螺絲松動狀態(tài)，編號10、11為待檢測狀態(tài)。觀察初始信號波形如圖5所示，從信號幅值大于設定閾值3.3V開始，往前取0.0075s，往后取0.0925s，共計0.1s的振動信號作為待分析有效信號。信號1、4、7的原始波形如圖4所示。

對這11組信號進行EMD，得到各組信號頻率從高到低排列的10階IMF，圖5列出了信號1的10階IMF，由圖可以看出，配電開關機械狀態(tài)信息主要體現在高頻段內。

取維數m=2，計算EMD后11組信號各階IMF的樣本熵值，得到一組樣本熵矩陣X，其中各行從上至下依次對應編號1-11所定義的機械狀態(tài)，各列從左至右依次對應該編號機械狀態(tài)下合閘振動信號各階IMF的樣本熵值。

以X作為FCM聚類的輸入，設置FCM聚類數目c為3，加權指數m為2，迭代終止因子為ε=10-5，最大迭代數為100。聚類結果顯示編號1、2、3振動信號為同類信號，編號4、5、6、10振動信號為同類信號，7、8、9、11振動信號為同類信號，與真實情況相符，實驗結果驗證了以振動信號各階IMF樣本熵值作為配電開關機械狀態(tài)診斷特征量、利用FCM聚類對配電開關機械狀態(tài)進行診斷的有效性與可行性。

圖4 信號1、4、7的原始波形圖

圖5 信號1的10階IMF分量圖

5 結語

本文建立的基于振動信號分析的配電開關機械狀態(tài)診斷系統(tǒng)，通過合理的振動信號采集裝置軟硬件設計和振動信號分析方法選擇，實現了對配電開關機械狀態(tài)的準確診斷。

(1) 振動信號采集裝置能夠快速地采集、存儲配電開關分、合閘振動信號，為振動信號的分析與故障類型的診斷奠定數據基礎。

(2) 根據配電開關振動信號的特點，選取EMD對振動信號進行自適應的時頻分解，很好地表征出信號的局部時頻特征；計算分解得到的振動信號各階IMF的樣本熵值，作為機械診斷的量化依據，算法的精度和速度良好。

(3) 以振動信號各階IMF的樣本熵值構成的矩陣作為FCM的輸入進行聚類，實現對配電開關機械狀態(tài)的準確診斷。

[1] 孫建偉,陳壘,王玉梅,等.基于LabVIEW的斷路器振動信號監(jiān)測系統(tǒng)[J].供用電,2007,24(3):48-50.

[2] 孟永鵬,鐘波,賈申利.振動分析在電力設備狀態(tài)檢測中的應用和發(fā)展[J].高壓電器,2005,41(2):461-465.

[3] 楊忠仁,饒程，鄒建,等.基于LabVIEW數據采集系統(tǒng)[J].重慶大學學報,2004,27(2):33-35.

[4] 陳偉根,鄧幫飛,楊彬.基于振動信號經驗模態(tài)分解及能量熵的高壓斷路器故障識別[J].高壓電器,2009,45(2):90-96.

[5] 朱躍光,馬宏忠,陳楷,等.基于振動信號的電力變壓器故障診斷系統(tǒng)的開發(fā)[J].電工電能新技術,2013,32(3):116-120.

[6] 來凌紅,吳虎勝,呂建新,等.基于EMD和樣本熵的滾動軸承故障SVM識別[J].煤礦機械,2011,32(1):249-252.

[7] 張敏,于劍.基于劃分的模糊聚類算法[J].軟件學報,2004,15(6):858-868.

[8] 胡勁松,楊世錫,吳昭同,等.基于EMD和HT的旋轉機械振動信號時頻分析[J].振動、測試與診斷,2004,24(2):106-110.

[9] HUANG NE,STEVEN R L.The Empirical Mode Decomposition and Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis [C]//Proc.R.Soc.Lond.A,1998:903-996.

[10] Richman Joshua S,J.Randall Moorman.Physiological time series analysis using approximate entropy and sample entropy.Am.J.Physiol.Heart Physiol,2000,278:2039-2049.

[11] 李柏年,吳禮斌.MATLAB數據分析方法[M].北京:機械工業(yè)出版社,2012:151-152.

Mechanical States Diagnosis System the Panel Switch Based on the Analysis of Vibration Signal

HUANGRong1,CHENYong-wang2,CHENLi-chun2,GUOMou-fa1

(1.College of Electrical Engineering and Automation,Fuzhou University,Fuzhou 350108,China;2.Jinjiang Power Supply Co.Ltd.,of State Grid,Qunzhou 362200,China)

The vibration signal of the pand switch contains a wealth of information about the switch mechanical states. The vibration signal features can be extracted by reasonable and effective way,which can be used in the distribution switch mechanical diagnosis. According to data collected functional requirements,we designed the vibration signal acquisition device based on LabVIEW. Use the empirical mode decomposition(empirical mide decomposition,EMD) to analyze the vibration signal,extract the sample from entropy intrinsic mode components(intrinsic mode function,IMF) as a feature,and make mechanical condition diagnosis through the fuzzy C-means clustering(fuzzy C-means,FCM). Through experiments,we collected and analyzed the distribution switch vibration under the normal state and fault state,in order to verify the accuracy and effectiveness of vibration signal analysis based on the mechanical states of distribution switchgear diagnosis system.

panel switch;mechanical states;vibration signal;EMD;sample entropy;FCM.

1004-289X(2015)02-0021-06

TM56

B

2014-03-19

黃蓉(1991-)，女，碩士研究生，研究方向為配電網及其自動化技術； 陳永往(1972-)，男，學士，工程師，主要從事電網生產技術及管理工作； 陳立純(1978-)，男，碩士，工程師，主要從事配電運行及管理工作； 郭謀發(fā)(1973-)，男，副教授，研究方向為電力系統(tǒng)自動化。