时-频块S。的能量为Eji= 1，…，10;j= 1，…，30)，首先对E。做归 一化处理如下：
[0043]那么对于10个频带中的每个频带，计算该频带中时-频块能量相对于时间的信息 熵公式为：
[0045] 其中呒反映第i个频带上的能量随时间分布的均匀程度，
[0046] 此外，由实验发现振动信号能量集中在收到触发信号后的前50ms内；因此，为了 提高延时类故障的识别能力，计算前10个时宽对应的时-频块相对于频率的信息熵，其公 式为：
[0048] 由以上20个时-频能量熵构成信号的时-频能量熵向量X=[HL]，其中Η= [氏，…，H1Q]，L= [Q，…，L1Q]，向量X作为高压断路器机械状态监测的特征向量；
[0049] 4)单类支持向量机判断断路器运行状态
[0050] 每个训练样本通过3)中所介绍的特征提取方法可得到20维输入特征向量样本 集，将该训练样本集作为单类支持向量机的输入变量，计算得到特定的决策超平面，完成单 类支持向量机的训练过程；当需要判断断路器运行状态时，将采集到的需诊断的样本按3) 所介绍的特征提取方法得到输入向量，计算该样本与决策超平面的关系，判断高压断路器 机械状态是否正常。
[0051] 参照图1-图4,【具体实施方式】的采用HS变换和单类支持向量机的高压断路器机械 状态监测方法，包括：
[0052] A、断路器振动信号原始数据的采集
[0053] 在高压断路器机构箱内安装压电式加速度传感器，利用数据采集装置采集振动信 号；
[0054] B、对原始数据进行HS变换运算方法（HyperbolicS-transform，HST)
[0055] 对电能质量扰动信号进行HS变换分析，其过程如图2;
[0056] C、提取分类所需特征
[0057] 从振动信号的HS变换的运算结果中进行熵计算，作为机械状态监测特征；
[0058] D、训练单类支持向量机
[0059] 用一组设备正常状态下获得的振动信号按以上流程获得训练样本集，并用其对单 类支持向量机进行训练，其原理如图4所示；
[0060]E、验证本发明的有效性
[0061] 模拟铁芯卡涩和基座螺丝松动两种故障各3组，加上另外3组正常信号，用来验证 本方法的有效性；
[0062] 图5分别描述了 3组正常信号、3组铁芯卡涩信号和3组基座螺丝松动信号的特征 分布。如图5所示，不同类型的振动信号的特征分布情况有一定差异。其中，铁芯卡涩信号 与正常信号相比，其相对于频率的能量熵分布有明显区别，表现在其相对于频率的能量熵 的最大值为第17个特征，而正常信号相对于频率的能量熵最大值是第14个特征。基座螺 丝松动信号与正常信号相比，其相对于时间的能量熵分布有明显区别，表现在其低频部分 相对于时间的能量熵值偏大而中间频段熵值较小。按上述的算法，利用10组正常信号对单 类支持向量机进行训练，得到决策超平面，然后采用故障信号进行测试。最终，3组正常信号 识别为正常信号，3组铁芯卡涩信号和3组基座螺丝松动信号均被识别为非正常信号，说明 本方法可以不依赖于其他故障信号，只通过正常振动信号样本训练单类支持向量机，即可 检验出断路器机械状态是否处于非正常状态，验证了本方法的有效性。
【主权项】
1. 一种采用HS变换和单类支持向量机的高压断路器机械状态监测方法，其特征是，它 包括W下步骤： 1) 高压断路器振动信号采集 通过压电式加速度传感器和数据采集系统采集高压断路器振动信号； 2) 将振动信号利用HyperbolicS变换进行处理，亦称服变换进行处理 HyperbolicS变换是S变换的扩展，其关键在于采用Hyperbolic窗函数代替传统S变 换使用的高斯窗函数，具体计算方法如下： 离散HS变换公式为妨 其中N为总义样点数；η= 0, 1,. . . ,Ν_1;m= 0, 1,. . . ,Ν_1 ;j= 0, 1,. . . ,Ν_1;G(m,η) 为变换过程中所使用的Hyperbolic窗函数，可记做其 中，； 3) 振动信号特征提取 通过统计实验分析发现，频率高于10曲Z的振动信号成分振幅很小，因此，主要分析 0-10曲Z频段，将0-10曲z、0-150ms的时-频平面划分为300个频宽为1曲Z、时宽为5ms的 等大小时频块，通过分析振动信号在该部分的分布情况，分析断路器工作状态； 通过时-频能量赌描述断路器机械振动信号能量时-频分布特征；设整个时-频平面 的总能量为E，时-频块Sii的能量为Eii(i= 1，…，10;j= 1，…，3〇)，首先对Eli做归一化 处理如下：。） 那么对于10个频带中的每个频带，计算该频带中时-频块能量相对于时间的信息赌公 式为：(3) 其中Hi反映第i个频带上的能量随时间分布的均匀程度， 此外，由实验发现振动信号能量集中在收到触发信号后的前50ms内；因此，为了提高 延时类故障的识别能力，计算前10个时宽对应的时-频块相对于频率的信息赌，其公式 为：(4) 由W上20个时-频能量赌构成信号的时-频能量赌向量X=出L]，其中Η=出1，··· ，HJ，L=山，…，LJ，向量X作为高压断路器机械状态监测的特征向量； 4) 单类支持向量机判断断路器运行状态 每个训练样本通过3)中所介绍的特征提取方法可得到20维输入特征向量样本集，将 该训练样本集作为单类支持向量机的输入变量，计算得到特定的决策超平面，完成单类支 持向量机的训练过程；当需要判断断路器运行状态时，将采集到的需诊断的样本按3)中介 绍的特征提取方法得到输入向量，计算该样本与决策超平面的关系，判断高压断路器机械 状态是否正常。
【专利摘要】本发明是一种采用HS变换和单类支持向量机的高压断路器机械状态监测方法，其特点是，包括高压断路器振动信号采集、将振动信号利用HS变换进行处理、振动信号特征提取和单类支持向量机判断断路器机械状态是否正常等步骤。与以往的高压断路器机械状态监测方法相比，本方法中使用的HS变换方法具有较高的抗噪性和鲁棒性，而且相对容易在实际工程环境下实现。采用单类支持向量机方法判断高压断路器机械状态是否正常，不依赖各种故障样本信号，只用一类正常振动信号样本即可完成分类器的训练，具有科学合理，实用性强，推广应用价值较高等优点。
【IPC分类】G01M13/00, G01H11/08
【公开号】CN105241643
【申请号】CN201510599527
【发明人】黄南天, 张书鑫, 蔡国伟, 陈怀金, 方立华
【申请人】东北电力大学
【公开日】2016年1月13日
【申请日】2015年9月19日