孫 抗， 劉永超， 郭景蝶， 師文文

(河南理工大學(xué) 電氣工程與自動(dòng)化學(xué)院，河南 焦作 454000)

0 引 言

高壓斷路器是電力系統(tǒng)中數(shù)量巨大且十分重要的設(shè)備[1]，真空斷路器的機(jī)械故障占全部故障的80%以上[2]，因此，對(duì)其進(jìn)行機(jī)械故障在線監(jiān)測(cè)具有重要的現(xiàn)實(shí)意義。斷路器的振動(dòng)信號(hào)[3]是一系列操作機(jī)構(gòu)動(dòng)作碰撞產(chǎn)生的，蘊(yùn)含了豐富的機(jī)械狀態(tài)信息，因此，可以反映出斷路器操作機(jī)構(gòu)的狀態(tài)信息。振動(dòng)信號(hào)的時(shí)域和頻域響應(yīng)特性，揭示了斷路器操作機(jī)構(gòu)各個(gè)部件的動(dòng)作信息，各個(gè)振動(dòng)事件出現(xiàn)的順序不變[4]，斷路器機(jī)械狀態(tài)的改變會(huì)導(dǎo)致振動(dòng)信號(hào)的變化，可以通過采集的振動(dòng)信號(hào)對(duì)斷路器進(jìn)行機(jī)械特性分析。對(duì)于提前發(fā)現(xiàn)潛在的隱患故障具有重大意義。

本文利用斷路器動(dòng)作時(shí)產(chǎn)生的振動(dòng)信號(hào)對(duì)斷路器進(jìn)行故障在線監(jiān)測(cè)。對(duì)振動(dòng)信號(hào)進(jìn)行特征向量的提取(小波包特征熵、總體經(jīng)驗(yàn)?zāi)B(tài)分解(ensemble empirical mode decomposition,EEMD)特征熵、時(shí)域特征分量)，然后運(yùn)用距離判別法對(duì)特征向量進(jìn)行分類，從而達(dá)到機(jī)械狀態(tài)識(shí)別的效果，診斷出其機(jī)械故障，并給出具體的建議，對(duì)電力系統(tǒng)安全穩(wěn)定運(yùn)行具有重要意義。

1 總體方案設(shè)計(jì)

高壓真空斷路器機(jī)械特性檢測(cè)系統(tǒng)主要由傳感器及調(diào)理電路、數(shù)據(jù)采集電路、LabVIEW平臺(tái)三部分組成。主要功能是獲取斷路器機(jī)械操作機(jī)構(gòu)動(dòng)作時(shí)的振動(dòng)信號(hào)，并將其傳輸至計(jì)算機(jī)進(jìn)行去噪、特征提取、故障診斷。首先加速度傳感器測(cè)量出斷路器的振動(dòng)信號(hào)，PCI8192采集卡對(duì)傳感器進(jìn)行采樣并傳輸至LabVIEW，然后在LabVIEW內(nèi)通過調(diào)用MATLAB對(duì)振動(dòng)信號(hào)進(jìn)行處理，最后將結(jié)果送到LabVIEW前面板，給出具體故障類型以及檢修建議。

2 硬件設(shè)計(jì)與實(shí)現(xiàn)

2.1 振動(dòng)傳感器

選用YD37加速度傳感器，頻率測(cè)量范圍為1～10kHz，靈敏度為0.001Vm/s2，線性度小于等于1%，輸出電壓范圍為-5～+5V。選用GD21恒流源供電并消除其直流偏置。振動(dòng)信號(hào)傳輸采用雙絞線方式以防止噪聲對(duì)信號(hào)的干擾。傳感器應(yīng)該安裝在具有較大振動(dòng)強(qiáng)度、較大信噪比的關(guān)鍵部位。本系統(tǒng)將加速度傳感器安裝于斷路器的底座，采用金屬固持膠粘合的方式固定傳感器，不僅不會(huì)破壞高壓開關(guān)柜及斷路器的壁體結(jié)構(gòu)，同時(shí)又避免了不必要的磁性環(huán)境對(duì)YD37造成干擾，在保證良好的測(cè)量準(zhǔn)確度和可靠性情況下，將安裝工作量降至最低，具有極強(qiáng)的實(shí)用性和便捷性。

2.2 電源模塊

為保證系統(tǒng)可靠工作，采用KDYA—DG75—24型開關(guān)電源，經(jīng)KDYA—DG75—24將220V交流轉(zhuǎn)變?yōu)?4V的直流電，為GD21供電。

2.3 數(shù)據(jù)采集卡

采用PCI8192采集卡采集振動(dòng)信號(hào)，基本參數(shù)為：AD分辨率16位，AD采樣率最高250kHz，4個(gè)同步采集通道，輸入范圍為-10～10V。數(shù)據(jù)采集卡采用連續(xù)采集觸發(fā)模式，對(duì)振動(dòng)信號(hào)進(jìn)行采集、截取、保存。采樣率為25kHz,由接口上傳至計(jì)算機(jī)，實(shí)現(xiàn)對(duì)振動(dòng)信號(hào)的高速采集和存儲(chǔ)。

3 軟件設(shè)計(jì)和實(shí)現(xiàn)

軟件包括5個(gè)功能：數(shù)據(jù)截取、數(shù)據(jù)存儲(chǔ)、特征提取、故障診斷和知識(shí)庫(kù)的建立。

3.1 數(shù)據(jù)截取與存儲(chǔ)

數(shù)據(jù)采集卡自啟動(dòng)即開始采集數(shù)據(jù)，但在有效的振動(dòng)信號(hào)前后存在很多冗余信號(hào)，降低了對(duì)信號(hào)分析的可能性，增加了計(jì)算時(shí)間，對(duì)振動(dòng)信號(hào)進(jìn)行截取，保留有效振動(dòng)數(shù)據(jù)是十分必要的。將振動(dòng)信號(hào)寫入Excel文件中備份，以備數(shù)據(jù)庫(kù)的建立。由LabVIEW編寫的程序流程如圖1所示，將振動(dòng)信號(hào)截取得到更加有效合適的信號(hào)，更加有利于信號(hào)的特征提取及故障診斷。

圖1 數(shù)據(jù)截取界面流程

3.2 振動(dòng)信號(hào)的特征提取和故障診斷

為保證特征向量對(duì)不同故障類型的靈敏性，結(jié)合小波包能量熵，EEMD及時(shí)域特征構(gòu)建穩(wěn)定的特征向量。

3.2.1小波包特征熵的求取

小波包分析可以對(duì)信號(hào)的低頻和高頻同時(shí)進(jìn)行多尺度分解提供更加完整的信息[5,6]。在斷路器故障診斷中，當(dāng)斷路器出現(xiàn)故障時(shí)斷路器各個(gè)頻率成分的能量混亂度發(fā)生變化，可以通過求取每個(gè)分量的能量熵作為判別斷路器狀態(tài)的依據(jù)[7]。系統(tǒng)采用db10小波對(duì)振動(dòng)信號(hào)進(jìn)行3層分解，具體步驟如下：

1)首先對(duì)振動(dòng)信號(hào)s(t)進(jìn)行3層小波包分解，分別提取第3層從低頻到高頻的所有頻率成分s0(t)～s7(t)的特征。

2)采用Hilbert方法求取每個(gè)分量的包絡(luò)

(1)

式中H(si(t))為分量si(t)所對(duì)應(yīng)的Hilbert變換。

3)將求取的包絡(luò)信號(hào)Ai(t)進(jìn)行分段處理，按照等時(shí)間分段方式分為N段并求取每段的能量值

(2)

4)計(jì)算每個(gè)分量能量熵

(3)

3.2.2EEMD特征熵的求取

EEMD通過添加白噪聲使振動(dòng)信號(hào)在不同尺度上具有連續(xù)性，避免模式混疊現(xiàn)象的發(fā)生[8～11]。過程如下：

1)將正態(tài)分布的高斯白噪聲n(t)加入到采集的振動(dòng)信號(hào)s(t)中得到s′(t);

2)將s′(t)進(jìn)行EMD分解得到不同的本征模態(tài)函數(shù)(IMF)分量ci(t),i=1,2,…，N;

3)重復(fù)步驟(1)～步驟(2)n次，每次加入隨機(jī)分布的正態(tài)高斯白噪聲;

4)將所有分解得到的IMF分量進(jìn)行平均，使n足夠大確保添加的白噪聲的和趨近于0，可以得到信號(hào)s(t)經(jīng)過EEMD后的分量。

5)按照式(1)～式(3)計(jì)算振動(dòng)信號(hào)的EEMD能量熵。

EEMD過程中選定白噪聲幅值為原始信號(hào)標(biāo)準(zhǔn)差的0.05倍，EEMD分解次數(shù)為50次。為了舍去部分狀態(tài)信息表述較弱的分量，保留前5個(gè)分量。求取IMF1～I(xiàn)MF5的包絡(luò)信號(hào)并對(duì)其進(jìn)行等時(shí)間分段的方式分為17段，求取每段的能量并最終求取每個(gè)IMF分量的能量熵。

3.2.3時(shí)域特征量的求取

系統(tǒng)小波包分解圖形即信號(hào)處理結(jié)果，如圖2所示。

圖2 小波包分解各個(gè)分量

系統(tǒng)EEMD處理結(jié)果如圖3。

圖3 EEMD各個(gè)分量

斷路器發(fā)生故障時(shí)，時(shí)域信號(hào)的幅值將會(huì)發(fā)生變化，通過描述信號(hào)時(shí)域波形的特征可以反映信號(hào)的時(shí)域信息。由于高壓斷路器動(dòng)作屬于沖擊性動(dòng)作，針對(duì)其振動(dòng)信號(hào)的特點(diǎn)，考慮到時(shí)域特征參數(shù)的影響，選擇3個(gè)時(shí)域特征向量分別為信號(hào)均方根值、斜度、峭度，以達(dá)到兼顧敏感性與穩(wěn)定性的效果。

3.3 故障診斷

較普遍使用的故障診斷方法有支持向量機(jī)、灰色關(guān)聯(lián)度、貝葉斯、K均值聚類、距離判別法等。將上述方法依次用于本系統(tǒng)，尋得適用于本系統(tǒng)的判別方法。結(jié)果如表1所示。可知，距離判別法更加適用于本次實(shí)驗(yàn)研究。

表1 使用不同診斷方法診斷結(jié)果

3.4 知識(shí)庫(kù)建立

系統(tǒng)先將數(shù)據(jù)導(dǎo)入MATLAB中離線計(jì)算出數(shù)據(jù)庫(kù)，再導(dǎo)入LabVIEW中作為故障診斷的依據(jù)。為保證診斷正確率，系統(tǒng)將每次求取的特征向量寫入數(shù)組中，以便實(shí)時(shí)更新豐富訓(xùn)練樣本，以保證模式識(shí)別的正確性。

4 數(shù)據(jù)采集與故障診斷實(shí)例

將本系統(tǒng)應(yīng)用于ZN63A—12型真空斷路器，其操作機(jī)構(gòu)為彈簧機(jī)構(gòu)。利用已搭建的振動(dòng)信號(hào)采集系統(tǒng)對(duì)其進(jìn)行測(cè)量。數(shù)據(jù)采集卡采樣頻率為10 kHz。前面板如圖4所示，給出原始振動(dòng)信號(hào)、特征向量T=[T1,T2,T3]和具體診斷結(jié)果及檢修建議。

圖4 上位機(jī)在線監(jiān)測(cè)界面

為尋求適合于本試驗(yàn)對(duì)象的數(shù)據(jù)處理方法，首先采集93組振動(dòng)數(shù)據(jù)，其中包括36組正常狀態(tài)下的振動(dòng)信號(hào)，30組傳動(dòng)機(jī)構(gòu)卡澀狀態(tài)下的振動(dòng)信號(hào)，27組基座螺絲松動(dòng)狀態(tài)下的振動(dòng)信號(hào)。使用軟硬不同的木塊墊在轉(zhuǎn)動(dòng)機(jī)構(gòu)一側(cè)模擬斷路器卡澀故障，松動(dòng)基座的部分螺絲模擬基座松動(dòng)故障。對(duì)樣本進(jìn)行小波包去噪，求取小波包特征熵、EEMD特征熵和時(shí)域特征向量，后將其使用距離判別法進(jìn)行判別分析。隨機(jī)在93組信號(hào)中選取30組正常信號(hào)，24組卡澀信號(hào)，21組松動(dòng)信號(hào)作為訓(xùn)練樣本，剩余的每組6個(gè)信號(hào)作為測(cè)試樣本，結(jié)果如表2所示。

表2 使用距離判別法診斷不同特征向量結(jié)果

可知，93組數(shù)據(jù)中只有4組數(shù)據(jù)判別錯(cuò)誤，正確率達(dá)到95.7 %，達(dá)到試驗(yàn)要求。

5 結(jié)束語

以ZN63A—12型真空斷路器為研究對(duì)象，搭建了基于振動(dòng)信號(hào)的斷路器機(jī)械狀態(tài)在線監(jiān)測(cè)系統(tǒng)。選擇了相應(yīng)的傳感器、電源模塊、數(shù)據(jù)采集卡，并編寫了數(shù)據(jù)采集、數(shù)據(jù)截取、數(shù)據(jù)保存、特征提取及故障診斷軟件，搭建了一套完整的基于振動(dòng)信號(hào)的在線監(jiān)測(cè)系統(tǒng)。系統(tǒng)能夠有效地通過斷路器動(dòng)作時(shí)產(chǎn)生的振動(dòng)信號(hào)判別出斷路器的機(jī)械狀態(tài)，其人機(jī)交互界面提供了良好的用戶體驗(yàn)，操作簡(jiǎn)單，具有廣泛的應(yīng)用前景。

研究仍存在一些不足之處，可通過引入多路斷路器信息提高斷路器的診斷準(zhǔn)確率，如將分合閘電流，觸頭行程、振動(dòng)信號(hào)相互結(jié)合綜合判斷出斷路器的機(jī)械狀態(tài)或狀態(tài)變化趨勢(shì)。

[1] 張 揚(yáng),劉艷麗.PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的串聯(lián)故障電弧識(shí)別方法[J].傳感器與微系統(tǒng),2016，35(7)：22-25.

[2] 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．

[3] 林燕俠.高壓斷路器機(jī)械特性故障診斷研究[J].電力系統(tǒng)保護(hù)與控制,2011,39(15): 80-83.

[4] 趙 洋,劉漢宇,曾慶軍.高壓真空斷路器機(jī)械特性在線監(jiān)測(cè)系統(tǒng)研制[J].高壓電器,2009,45(6):91-95.

[5] 印 嘉,吳建德,王曉東,等.基于小波包能量譜的往復(fù)式隔膜泵故障診斷研究[J].傳感器與微系統(tǒng),2012,31(10):45-47.

[6] 丁曉喜,何清波.基于WPD和LPP的設(shè)備故障診斷方法研究[J].新型工業(yè)化,2013,3(7):89-93.

[7] 陳偉根，鄧邦飛.小波包能譜熵與神經(jīng)網(wǎng)絡(luò)在斷路器故障診斷中的應(yīng)用[J].重慶大學(xué)學(xué)報(bào),2008,31(7):744-748.

[8] 董文智,張 超.基于EEMD能量熵和支持向量機(jī)的軸承故障診斷[J].機(jī)械設(shè)計(jì)與研究,2011,27(5):53-56.

[9] 周 智,朱永生,張優(yōu)云,等.基于EEMD和共振解調(diào)的滾動(dòng)軸承自適應(yīng)故障診斷[J].振動(dòng)與沖擊,2013,32(2):76-80.

[10] 侯高雁,呂 勇,肖 涵,等.基于EEMD自適應(yīng)形態(tài)學(xué)在齒輪故障診斷中的應(yīng)用[J].振動(dòng)與沖擊,2014,33(18):145-148.

[11] 丁國(guó)君,王立德,申 萍,等.基于EEMD能量熵和LSSVM的傳感器故障診斷[J].傳感器與微系統(tǒng),2013,32(7):22-25.