基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法
【專利摘要】本發(fā)明公開了一種基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法，它采用傳感器獲取配電開關(guān)的振動信號；再處理該振動信號以得到若干個本征模函數(shù)分量和殘余分量并進(jìn)行Hilbert變換；對各本征模函數(shù)的二維Hilbert時頻譜按頻率區(qū)間段進(jìn)行波形重構(gòu)，以得到該頻率區(qū)間上的重構(gòu)分量；然后對所有頻率區(qū)間上的重構(gòu)分量構(gòu)造時頻矩陣，對時頻矩陣進(jìn)行奇異值分解，得到一系列能反映振動信號時頻特征的奇異值向量；將所獲取的所有振動信號的奇異值向量組合成一個綜合奇異值矩陣，作為配電開關(guān)機械狀態(tài)診斷特征量；依據(jù)綜合奇異值矩陣聚類結(jié)果識別配電開關(guān)不同機械狀態(tài)。它具有如下優(yōu)點：能對配電開關(guān)機械狀態(tài)作出有效的診斷并智能化識別不同的機械狀態(tài)。
【專利說明】基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種配電開關(guān)機械狀態(tài)診斷方法，尤其是指一種基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法。
【背景技術(shù)】
[0002]配電開關(guān)在整個配電網(wǎng)中有著舉足輕重的地位，其分合閘操作是否正常與電網(wǎng)的穩(wěn)定和供電可靠性息息相關(guān)。提高配電網(wǎng)的可靠性，可通過監(jiān)測配電開關(guān)機械狀態(tài)，判斷其運行過程中的機械狀態(tài)，及時采取相應(yīng)的處理措施。
[0003]配電開關(guān)在分、合閘操作過程中，由于操作機構(gòu)、連接機構(gòu)、動觸頭等運動和撞擊，將產(chǎn)生一系列非線性、非平穩(wěn)特性的振動信號，開關(guān)機械狀態(tài)的改變將導(dǎo)致振動信號的變化，通過振動信號分析開關(guān)的動作特性和狀態(tài)，可以進(jìn)行故障的有效診斷。

【發(fā)明內(nèi)容】

[0004]本發(fā)明提供了一種基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法，其克服了配電開關(guān)機械狀態(tài)診斷過程中無法準(zhǔn)確分析處理非平穩(wěn)振動信號并從中獲取有效特征量的缺點。
[0005]本發(fā)明解決其技術(shù)問題的所采用的技術(shù)方案是:
[0006]基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法，包括:
[0007]步驟1，采用傳感器獲取配電開關(guān)的振動信號；
[0008]步驟2，處理獲取的振動信號以得到若干個本征模函數(shù)分量和殘余分量；
[0009]步驟3，對得到的本征模函數(shù)分量和殘余分量做Hilbert變換，以獲得二維Hilbert時頻譜；
[0010]步驟4，將二維Hilbert時頻譜的瞬時頻率按某一頻率寬度進(jìn)行等間隔區(qū)間劃分以得到多個頻率區(qū)間，每個頻率區(qū)間都經(jīng)如下處理:置該頻率區(qū)間外的本征模函數(shù)分量瞬時幅值為零且保留該頻率區(qū)間內(nèi)所有的本征模函數(shù)分量瞬時幅值，對保留本征模函數(shù)分量瞬時幅值的頻率區(qū)間段進(jìn)行波形重構(gòu)，以得到該頻率區(qū)間上的重構(gòu)分量；
[0011]步驟5，對每個振動信號的所有頻率區(qū)間上的重構(gòu)分量構(gòu)造成時頻矩陣，對時頻矩陣進(jìn)行奇異值分解，得到一系列能反映振動信號時頻特征的奇異值向量；
[0012]步驟6，將所獲取的所有振動信號的奇異值向量組合成一個綜合奇異值矩陣，作為配電開關(guān)機械狀態(tài)診斷特征量；步驟7，依據(jù)綜合奇異值矩陣聚類結(jié)果識別配電開關(guān)不同機械狀態(tài)。
[0013]一實施例之中:所述步驟I中，采用加速度傳感器獲取配電開關(guān)的振動信號。
[0014]一實施例之中:所述步驟2中，獲取的振動信號經(jīng)過有效波形截取后，再采用經(jīng)驗?zāi)B(tài)分解法分解以得到若干個本征模函數(shù)分量和殘余分量。
[0015]一實施例之中:所述步驟7中，將該綜合奇異值矩陣作為模糊C均值聚類的輸入，采用模糊C均值聚類法識別配電開關(guān)不同機械狀態(tài)。[0016]一實施例之中:該經(jīng)驗?zāi)B(tài)分解法的具體步驟包括:
[0017]步驟51，確定該振動信號X(t)的所有極值點，采用三次樣條函數(shù)對所有極值點插值，分別擬合出由所有極大值點構(gòu)成的上包絡(luò)線Xmax⑴和由所有極小值點構(gòu)成的下包絡(luò)線Xfflin(t)，并確定該振動信號位于該上包絡(luò)線和下包絡(luò)線之間；
[0018]步驟52，求取該上包絡(luò)線xmax(t)和下包絡(luò)線xmin(t)的均值mi(t)，得Ii1 (t) =X (t)-1ii1 ⑴；
[0019]步驟53，判斷Ill⑴是否滿足本征模函數(shù)分量的兩個條件，若滿足，則Ii1⑴是x(t)的第一個本征模函數(shù)分量；若不滿足，則將hjt)作為新的信號，重復(fù)步驟1、步驟2，再判斷是否滿足本征模函數(shù)分量的兩個條件，直至第k次篩選滿足該兩個條件或收斂條件為止，則hlk(t)為X(t)的第一個分量；
[0020]步驟54，將得到的第一個本征模函數(shù)分量從X(t)中分離出來，得到殘余分量rjt)，并將該殘余分量1'1(0作為原始信號重復(fù)步驟51-53直至得到殘余分量rn(t)，當(dāng)殘余分量足夠小或是一個單調(diào)函數(shù)時，則停止分解，此時，原始信號X(t)表示成
【權(quán)利要求】
1.基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法，其特征在于:包括: 步驟1，采用傳感器獲取配電開關(guān)的振動信號； 步驟2，處理獲取的振動信號以得到若干個本征模函數(shù)分量和殘余分量； 步驟3,對得到的本征模函數(shù)分量和殘余分量做Hilbert變換，以獲得二維Hilbert時頻譜； 步驟4，將二維Hilbert時頻譜的瞬時頻率按某一頻率寬度進(jìn)行等間隔區(qū)間劃分以得到多個頻率區(qū)間，每個頻率區(qū)間都經(jīng)如下處理:置該頻率區(qū)間外的本征模函數(shù)分量瞬時幅值為零且保留該頻率區(qū)間內(nèi)所有的本征模函數(shù)分量瞬時幅值，對保留本征模函數(shù)分量瞬時幅值的頻率區(qū)間段進(jìn)行波形重構(gòu)，以得到該頻率區(qū)間上的重構(gòu)分量； 步驟5，對每個振動信號的所有頻率區(qū)間上的重構(gòu)分量構(gòu)造成時頻矩陣，對時頻矩陣進(jìn)行奇異值分解，得到一系列能反映振動信號時頻特征的奇異值向量； 步驟6，將所獲取的所有振動信號的奇異值向量組合成一個綜合奇異值矩陣，作為配電開關(guān)機械狀態(tài)診斷特征量； 步驟7，依據(jù)綜合奇異值矩陣聚類結(jié)果識別配電開關(guān)不同機械狀態(tài)。
2.根據(jù)權(quán)利要求1所述的基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法，其特征在于:所述步驟I中，采用加速度傳感器獲取配電開關(guān)的振動信號。
3.根據(jù)權(quán)利要求1所述的基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法，其特征在于:所述步驟2中，獲取的振動信號經(jīng)過有效波形截取后，再采用經(jīng)驗?zāi)B(tài)分解法分解以得到若干個本征模函數(shù)分量和殘余分量。
4.根據(jù)權(quán)利要求1所述的基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法，其特征在于:所述步驟7中，將該綜合奇異`值矩陣作為模糊C均值聚類的輸入，采用模糊C均值聚類法識別配電開關(guān)不同機械狀態(tài)。
5.如權(quán)利要求1或3所述的基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法，其特征在于:該經(jīng)驗?zāi)B(tài)分解法的具體步驟包括: 步驟51，確定該振動信號X(t)的所有極值點，采用三次樣條函數(shù)對所有極值點插值，分別擬合出由所有極大值點構(gòu)成的上包絡(luò)線Xmax(t)和由所有極小值點構(gòu)成的下包絡(luò)線Xfflin(t)，并確定該振動信號位于該上包絡(luò)線和下包絡(luò)線之間； 步驟52，求取該上包絡(luò)線xmax(t)和下包絡(luò)線xmin(t)的均值mi(t)，得Ii1 (t) =X (t)-1ii1 ⑴； 步驟53，判斷Ill (t)是否滿足本征模函數(shù)分量的兩個條件，若滿足，則Ii1 (t)是X(t)的第一個本征模函數(shù)分量；若不滿足，則將Ii1 (t)作為新的信號，重復(fù)步驟1、步驟2，再判斷是否滿足本征模函數(shù)分量的兩個條件，直至第k次篩選滿足該兩個條件或收斂條件為止，則hlk(t)為X(t)的第一個分量； 步驟54，將得到的第一個本征模函數(shù)分量從X(t)中分離出來，得到殘余分量1'1(0，并將該殘余分量A (t)作為原始信號重復(fù)步驟51-53直至得到殘余分量rn(t)，當(dāng)殘余分量足







η夠小或是一個單調(diào)函數(shù)時，則停止分解，此時，原始信號X(t)表示成+ r,M)







/=1









O
6.如權(quán)利要求1所述的基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法，其特征在于:該步驟5中，對所有頻率區(qū)間上的重構(gòu)分量構(gòu)造時頻矩陣方法為:該振動信號的采樣點數(shù)為η,經(jīng)Hilbert變換后分為m個頻率區(qū)間，各個頻率區(qū)間重構(gòu)分量的數(shù)據(jù)點為aik(i=l, 2，---,Hijk=I, 2，…，η),則振動信號所有頻率區(qū)間上的重構(gòu)分量構(gòu)成的時頻矩陣A為:
7.如權(quán)利要求1所述的基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法，其特征在

于:該步驟6中，該綜合奇異值矩陣H為
8.如權(quán)利要求1或4所述的基于振動信號聚類的配電開關(guān)機械狀態(tài)診斷方法，其特征在于:該模糊C均值聚類法包括: 步驟81，預(yù)先設(shè)定分類數(shù)，加權(quán)指數(shù)、迭代終止因子和最大迭代次數(shù)，按約束條件初始化隸屬度矩陣； 步驟82，計算聚類中心； 步驟83，由聚類中心更新隸屬度矩陣； 步驟84，判斷是否達(dá)到聚類的終止條件，若達(dá)到終止條件，則停止迭代，聚類過程結(jié)束，否則，重復(fù)步驟82、步驟83直至得到各信號的最優(yōu)聚類中心和隸屬度矩陣。
【文檔編號】G01M13/00GK103558022SQ201310552089
【公開日】2014年2月5日 申請日期:2013年11月8日 優(yōu)先權(quán)日:2013年11月8日
【發(fā)明者】郭謀發(fā), 陳立純, 李文勇, 陳永往, 鄭萬偉, 曾進(jìn)順, 陳小鵬 申請人:國網(wǎng)福建晉江市供電有限公司, 福州大學(xué)