基于振动信号聚类的配电开关机械状态诊断方法
【专利摘要】本发明公开了一种基于振动信号聚类的配电开关机械状态诊断方法，它采用传感器获取配电开关的振动信号；再处理该振动信号以得到若干个本征模函数分量和残余分量并进行Hilbert变换；对各本征模函数的二维Hilbert时频谱按频率区间段进行波形重构，以得到该频率区间上的重构分量；然后对所有频率区间上的重构分量构造时频矩阵，对时频矩阵进行奇异值分解，得到一系列能反映振动信号时频特征的奇异值向量；将所获取的所有振动信号的奇异值向量组合成一个综合奇异值矩阵，作为配电开关机械状态诊断特征量；依据综合奇异值矩阵聚类结果识别配电开关不同机械状态。它具有如下优点：能对配电开关机械状态作出有效的诊断并智能化识别不同的机械状态。
【专利说明】基于振动信号聚类的配电开关机械状态诊断方法
【技术领域】
[0001]本发明涉及一种配电开关机械状态诊断方法，尤其是指一种基于振动信号聚类的配电开关机械状态诊断方法。
【背景技术】
[0002]配电开关在整个配电网中有着举足轻重的地位，其分合闸操作是否正常与电网的稳定和供电可靠性息息相关。提高配电网的可靠性，可通过监测配电开关机械状态，判断其运行过程中的机械状态，及时采取相应的处理措施。
[0003]配电开关在分、合闸操作过程中，由于操作机构、连接机构、动触头等运动和撞击，将产生一系列非线性、非平稳特性的振动信号，开关机械状态的改变将导致振动信号的变化，通过振动信号分析开关的动作特性和状态，可以进行故障的有效诊断。
【发明内容】
[0004]本发明提供了一种基于振动信号聚类的配电开关机械状态诊断方法，其克服了配电开关机械状态诊断过程中无法准确分析处理非平稳振动信号并从中获取有效特征量的缺点。
[0005]本发明解决其技术问题的所采用的技术方案是:
[0006]基于振动信号聚类的配电开关机械状态诊断方法，包括:
[0007]步骤1，采用传感器获取配电开关的振动信号；
[0008]步骤2，处理获取的振动信号以得到若干个本征模函数分量和残余分量；
[0009]步骤3，对得到的本征模函数分量和残余分量做Hilbert变换，以获得二维Hilbert时频谱；
[0010]步骤4，将二维Hilbert时频谱的瞬时频率按某一频率宽度进行等间隔区间划分以得到多个频率区间，每个频率区间都经如下处理:置该频率区间外的本征模函数分量瞬时幅值为零且保留该频率区间内所有的本征模函数分量瞬时幅值，对保留本征模函数分量瞬时幅值的频率区间段进行波形重构，以得到该频率区间上的重构分量；
[0011]步骤5，对每个振动信号的所有频率区间上的重构分量构造成时频矩阵，对时频矩阵进行奇异值分解，得到一系列能反映振动信号时频特征的奇异值向量；
[0012]步骤6，将所获取的所有振动信号的奇异值向量组合成一个综合奇异值矩阵，作为配电开关机械状态诊断特征量；步骤7，依据综合奇异值矩阵聚类结果识别配电开关不同机械状态。
[0013]一实施例之中:所述步骤I中，采用加速度传感器获取配电开关的振动信号。
[0014]一实施例之中:所述步骤2中，获取的振动信号经过有效波形截取后，再采用经验模态分解法分解以得到若干个本征模函数分量和残余分量。
[0015]一实施例之中:所述步骤7中，将该综合奇异值矩阵作为模糊C均值聚类的输入，采用模糊C均值聚类法识别配电开关不同机械状态。[0016]一实施例之中:该经验模态分解法的具体步骤包括:
[0017]步骤51，确定该振动信号X(t)的所有极值点，采用三次样条函数对所有极值点插值，分别拟合出由所有极大值点构成的上包络线Xmax⑴和由所有极小值点构成的下包络线Xfflin(t)，并确定该振动信号位于该上包络线和下包络线之间；
[0018]步骤52，求取该上包络线xmax(t)和下包络线xmin(t)的均值mi(t)，得Ii1 (t) =X (t)-1ii1 ⑴；
[0019]步骤53，判断Ill⑴是否满足本征模函数分量的两个条件，若满足，则Ii1⑴是x(t)的第一个本征模函数分量；若不满足，则将hjt)作为新的信号，重复步骤1、步骤2，再判断是否满足本征模函数分量的两个条件，直至第k次筛选满足该两个条件或收敛条件为止，则hlk(t)为X(t)的第一个分量；
[0020]步骤54，将得到的第一个本征模函数分量从X(t)中分离出来，得到残余分量rjt)，并将该残余分量1'1(0作为原始信号重复步骤51-53直至得到残余分量rn(t)，当残余分量足够小或是一个单调函数时，则停止分解，此时，原始信号X(t)表示成
【权利要求】
1.基于振动信号聚类的配电开关机械状态诊断方法，其特征在于:包括: 步骤1，采用传感器获取配电开关的振动信号； 步骤2，处理获取的振动信号以得到若干个本征模函数分量和残余分量； 步骤3,对得到的本征模函数分量和残余分量做Hilbert变换，以获得二维Hilbert时频谱； 步骤4，将二维Hilbert时频谱的瞬时频率按某一频率宽度进行等间隔区间划分以得到多个频率区间，每个频率区间都经如下处理:置该频率区间外的本征模函数分量瞬时幅值为零且保留该频率区间内所有的本征模函数分量瞬时幅值，对保留本征模函数分量瞬时幅值的频率区间段进行波形重构，以得到该频率区间上的重构分量； 步骤5，对每个振动信号的所有频率区间上的重构分量构造成时频矩阵，对时频矩阵进行奇异值分解，得到一系列能反映振动信号时频特征的奇异值向量； 步骤6，将所获取的所有振动信号的奇异值向量组合成一个综合奇异值矩阵，作为配电开关机械状态诊断特征量； 步骤7，依据综合奇异值矩阵聚类结果识别配电开关不同机械状态。
2.根据权利要求1所述的基于振动信号聚类的配电开关机械状态诊断方法，其特征在于:所述步骤I中，采用加速度传感器获取配电开关的振动信号。
3.根据权利要求1所述的基于振动信号聚类的配电开关机械状态诊断方法，其特征在于:所述步骤2中，获取的振动信号经过有效波形截取后，再采用经验模态分解法分解以得到若干个本征模函数分量和残余分量。
4.根据权利要求1所述的基于振动信号聚类的配电开关机械状态诊断方法，其特征在于:所述步骤7中，将该综合奇异`值矩阵作为模糊C均值聚类的输入，采用模糊C均值聚类法识别配电开关不同机械状态。
5.如权利要求1或3所述的基于振动信号聚类的配电开关机械状态诊断方法，其特征在于:该经验模态分解法的具体步骤包括: 步骤51，确定该振动信号X(t)的所有极值点，采用三次样条函数对所有极值点插值，分别拟合出由所有极大值点构成的上包络线Xmax(t)和由所有极小值点构成的下包络线Xfflin(t)，并确定该振动信号位于该上包络线和下包络线之间； 步骤52，求取该上包络线xmax(t)和下包络线xmin(t)的均值mi(t)，得Ii1 (t) =X (t)-1ii1 ⑴； 步骤53，判断Ill (t)是否满足本征模函数分量的两个条件，若满足，则Ii1 (t)是X(t)的第一个本征模函数分量；若不满足，则将Ii1 (t)作为新的信号，重复步骤1、步骤2，再判断是否满足本征模函数分量的两个条件，直至第k次筛选满足该两个条件或收敛条件为止，则hlk(t)为X(t)的第一个分量； 步骤54，将得到的第一个本征模函数分量从X(t)中分离出来，得到残余分量1'1(0，并将该残余分量A (t)作为原始信号重复步骤51-53直至得到残余分量rn(t)，当残余分量足
η够小或是一个单调函数时，则停止分解，此时，原始信号X(t)表示成+ r,M)
/=1
O
6.如权利要求1所述的基于振动信号聚类的配电开关机械状态诊断方法，其特征在于:该步骤5中，对所有频率区间上的重构分量构造时频矩阵方法为:该振动信号的采样点数为η,经Hilbert变换后分为m个频率区间，各个频率区间重构分量的数据点为aik(i=l, 2，---,Hijk=I, 2，…，η),则振动信号所有频率区间上的重构分量构成的时频矩阵A为:
7.如权利要求1所述的基于振动信号聚类的配电开关机械状态诊断方法，其特征在
于:该步骤6中，该综合奇异值矩阵H为
8.如权利要求1或4所述的基于振动信号聚类的配电开关机械状态诊断方法，其特征在于:该模糊C均值聚类法包括: 步骤81，预先设定分类数，加权指数、迭代终止因子和最大迭代次数，按约束条件初始化隶属度矩阵； 步骤82，计算聚类中心； 步骤83，由聚类中心更新隶属度矩阵； 步骤84，判断是否达到聚类的终止条件，若达到终止条件，则停止迭代，聚类过程结束，否则，重复步骤82、步骤83直至得到各信号的最优聚类中心和隶属度矩阵。
【文档编号】G01M13/00GK103558022SQ201310552089
【公开日】2014年2月5日 申请日期:2013年11月8日 优先权日:2013年11月8日
【发明者】郭谋发, 陈立纯, 李文勇, 陈永往, 郑万伟, 曾进顺, 陈小鹏 申请人:国网福建晋江市供电有限公司, 福州大学