[发明专利]高压断路器机械特性在线监测系统及故障诊断方法

权利要求书

1.一种高压断路器机械特性在线监测系统，其特征在于，包括上位机(14)、电源模块(12)、下位机系统(15)，所述下位机系统(15)包括直线位移传感器(1)、振动传感器(2)、信号调理电路(3)、A/D转换模块(4)、光电隔离电路(5)、驱动隔离电路(6)、分/合闸电气控制模块(7)、DSP处理器(8)、人机界面模块(9)、数据存储模块(10)、系统对时模块(11)、通信模块(13)；所述直线位移传感器(1)采集断路器驱动杆的位移信号，所述直线位移传感器(1)、振动传感器(2)分别与信号调理电路(3)相连，所述信号调理电路(3)的输出端与A/D转换模块(4)相连，A/D转换模块(4)的输出端、光电隔离电路(5)、驱动隔离电路(6)、人机界面模块(9)、系统对时模块(11)、数据存储模块(10)、通信模块(13)与DSP处理器(8)相连，所述驱动隔离电路(6)的输出端与分/合闸电气控制模块(7)相连，通信模块(13)与上位机(14)相连，电源模块(12)与下位机系统(15)各部分相连，为其供电。

2.根据权利要求1所述的高压断路器机械特性在线监测系统，其特征在于，所述直线位移传感器(1)为直滑式导电塑料电位器，型号为WDL-50-2，独立线性度达0.1％。

3.根据权利要求1或2所述的高压断路器机械特性在线监测系统，其特征在于，所述直线位移传感器(1)安装在高压断路器电磁铁外侧的支架上，由驱动杆带动悬臂梁与直线位移传感器(1)一起动作。

4.根据权利要求1所述的高压断路器机械特性在线监测系统，其特征在于，所述振动传感器(2)为ZD24T型磁阻式振动传感器。

5.根据权利要求1或4所述的高压断路器机械特性在线监测系统，其特征在于，所述振动传感器(2)安装在断路器接近振动源的基座上。

6.根据权利要求1所述的高压断路器机械特性在线监测系统，其特征在于，所述系统对时模块(11)采用X1226时钟日历芯片。

7.一种根据权利要求1所述的高压断路器机械特性在线监测系统的故障诊断方法，其特征在于，该方法包括以下步骤：

(1)设断路器有n种状态，包括状态1、状态2、…、状态m-1、状态m、状态m+1、…、状态n，采集上述n种状态下的分闸与合闸的振动数据样本，将不同状态下的振动数据分为两组，即分闸振动数据样本组与合闸振动数据样本组，采用基于区间小波包分析法提取各状态下两个分组振动信号的特征向量，分别得到分闸特征向量组、合闸特征向量组；所述基于区间小波包分析法提取振动信号特征向量的方法如下：

a.将振动信号进行j层分解，得到序列S_j，k，计算各分段能量：

Qi(j,k)=∫ti-1ti|Ai(t)|2dt]]>

其中，取j＝2，k＝0，1，2，3，i表示信号分解后分段的序列号，i＝1，2，3，4；t_i-1、t_i分别为第i分段区间端点，A_i(t)为第i分段的幅值；

b.归一化处理各分段能量，得归一化值：

ϵi(j,k)=Qi(j,k)∫t0t4|A(t)|2dt]]>

c.根据信息熵的理论，计算各分段小波包能量熵：

H(j,k)=-Σi=14ϵi(j,k)lgϵi(j,k)]]>

d.将各分段的小波包能量熵组成振动信号特征向量：

x＝[H₂₀，H₂₁，H₂₂，H₂₃]

(2)求得n种状态下的分闸振动信号特征向量、合闸振动信号特征向量，然后采用支持向量机理论的“一对其余”策略，求断路器状态决策函数；当使用分闸振动信号特征向量组训练支持向量机，得到分闸状态决策函数；当使用合闸振动信号特征向量组训练支持向量机，得到合闸状态决策函数；所述状态决策函数的求取方法如下步骤：

a.将n种状态下的振动信号特征向量建立特征向量样本库，把状态m的振动信号特征向量作为一类以+1标记，剩余的n-1种振动信号特征向量作为其余类以-1标记，构建新的样本集T＝{(x₁，y₁)，(x₂，y₂)，…，(x_l，y_l)}，y_i∈{+1，-1}，其中：i＝1，2，…，l，l为样本的个数，x_i表示特征向量样本，y_i表示分类标记，取值+1或-1；

b.选择核函数K(x，x_i)使K(x，x_i)＝Φ(x)·Φ(x_i)，本方法核函数K(x，x_i)为高斯核函数其中，Φ为欧式空间到希尔伯特空间的映射，σ为函数的宽度参数，控制函数的径向作用范围；

c.在约束条件Σi=1lyiαi=0]]>和0≤α_i≤C下求解maxW(α)=Σi=1lαi-12Σi=1lΣj=1lαiαjyiyjK(xi,xj)]]>得到最优权值向量其中，C为惩罚因子；

d.计算w*=Σi=1lαi*yixi,]]>选择α^*的一个正分量满足计算b*=yj-Σi=1lyiαi*K(xi·xj),]]>代入f(x)＝w^*.x+b^*，得状态决策函数f(x)=Σi=1l(yiαi*K(xi·x)+b*),]]>记为fm(x)=Σi=1l(yimαim*K(xim·x)+bm*);]]>

对于步骤(2)的a、b、c、d过程，m遍历取值1、2、3、…、n-1、n，即可得到n个状态决策函数fm(x)=Σi=1l(yimαim*K(xim·x)+bm*),]]>m＝1，2，3，…，n；

(3)对于待诊断样本x，首先判断x是分闸振动信号特征向量还是合闸振动信号特征向量，然后代入对应的决策函数；当状态决策函数f(x)＝f_p(x)时取得最大值，则判断待诊断样本x属于状态p，其中p∈{1，2，3，…，n}。