《基于振动信号的高压断路器在线监测系统设计》由会员分享，可在线阅读，更多相关《基于振动信号的高压断路器在线监测系统设计（7页珍藏版）》请在金锄头文库上搜索。
1、基于振动信号的高压断路器在线监测系统设计 孙抗 刘永超 郭景蝶 师文文 河南理工大学电气工程与自动化学院 摘 要： 为了有效提高高压断路器运行质量, 并实现可靠的状态检修, 设计了一种基于振动信号的真空断路器机械状态在线监测系统。在满足系统总体需求的前提下, 设计了监测系统的整体结构, 并基于 YD37 加速度传感器和 PCI8192 数据采集卡搭建了振动信号前端采集系统。在后端信号处理方面, 有效结合小波分析、EEMD 及时域特征构建稳定的特征向量, 并利用距离判别法实现断路器典型机械故障的有效诊断, 正确率达到 95%以上。基于 Lab VIEW 设计了系统人机界面, 简洁美观、可操作性强
2、。关键词： 高压断路器; 振动信号; 机械状态; 在线监测; 作者简介：孙抗 (1982-) , 男, 博士, 副教授, 主要从事电力系统运行与控制、智能电器等方面的研究工作。收稿日期：2016-11-01基金：河南省产学研合作项目 (132107000027) Design of online monitoring system of high voltage circuit breaker based on vibration signalSUN Kang LIU Yong-chao GUO Jing-die SHI Wen-wen School of Electrical Enginee
3、ring and Automation, Henan Polytechnic University; Abstract： In order to improve the operation quality of the high voltage circuit breaker effectively, and to realize the reliable condition maintenance, a kind of on-line monitoring system for mechanical condition of vacuum circuit breaker based on v
4、ibration signal is designed. Overall structure of the monitoring system is designed in terms of satisfaction of overall demand of the system. And the front-end acquisition system for vibration signal is built based on YD37 accelerometer and PCI8192 data acquisition card. In the back-end signal proce
5、ssing, a stable feature vector is built which effectively combined with wavelet analysis, ensemble empirical mode decomposition (EEMD) and time domain features. And the distance discriminant analysis of the typical mechanical fault diagnosis of circuit breaker is used, the correct rate is above 95 %
6、. The man-machine interface of the system is designed based on Lab VIEW, which is simple and beautiful, and can be operated.Keyword： high voltage circuit breaker; vibration signal; mechanical condition; online monitoring; Received： 2016-11-010 引言高压断路器是电力系统中数量巨大且十分重要的设备1, 真空断路器的机械故障占全部故障的 80%以上2, 因此,
7、 对其进行机械故障在线监测具有重要的现实意义。断路器的振动信号3是一系列操作机构动作碰撞产生的, 蕴含了丰富的机械状态信息, 因此, 可以反映出断路器操作机构的状态信息。振动信号的时域和频域响应特性, 揭示了断路器操作机构各个部件的动作信息, 各个振动事件出现的顺序不变4, 断路器机械状态的改变会导致振动信号的变化, 可以通过采集的振动信号对断路器进行机械特性分析。对于提前发现潜在的隐患故障具有重大意义。本文利用断路器动作时产生的振动信号对断路器进行故障在线监测。对振动信号进行特征向量的提取 (小波包特征熵、总体经验模态分解 (ensemble empirical mode decomposi
8、tion, EEMD) 特征熵、时域特征分量) , 然后运用距离判别法对特征向量进行分类, 从而达到机械状态识别的效果, 诊断出其机械故障, 并给出具体的建议, 对电力系统安全稳定运行具有重要意义。1 总体方案设计高压真空断路器机械特性检测系统主要由传感器及调理电路、数据采集电路、Lab VIEW 平台三部分组成。主要功能是获取断路器机械操作机构动作时的振动信号, 并将其传输至计算机进行去噪、特征提取、故障诊断。首先加速度传感器测量出断路器的振动信号, PCI8192 采集卡对传感器进行采样并传输至 Lab VIEW, 然后在 Lab VIEW 内通过调用 MATLAB 对振动信号进行处理,
9、最后将结果送到 LabVIEW 前面板, 给出具体故障类型以及检修建议。2 硬件设计与实现2.1 振动传感器选用 YD 37 加速度传感器, 频率测量范围为 110 k Hz, 灵敏度为 0.001 Vm/s, 线性度小于等于 1%, 输出电压范围为-5+5 V。选用 GD21 恒流源供电并消除其直流偏置。振动信号传输采用双绞线方式以防止噪声对信号的干扰。传感器应该安装在具有较大振动强度、较大信噪比的关键部位。本系统将加速度传感器安装于断路器的底座, 采用金属固持胶粘合的方式固定传感器, 不仅不会破坏高压开关柜及断路器的壁体结构, 同时又避免了不必要的磁性环境对 YD37 造成干扰, 在保证良
10、好的测量准确度和可靠性情况下, 将安装工作量降至最低, 具有极强的实用性和便捷性。2.2 电源模块为保证系统可靠工作, 采用 KDYADG7524 型开关电源, 经 KDYADG7524将 220 V 交流转变为 24 V 的直流电, 为 GD21 供电。2.3 数据采集卡采用 PCI8192 采集卡采集振动信号, 基本参数为:AD 分辨率 16 位, AD 采样率最高 250 k Hz, 4 个同步采集通道, 输入范围为-1010 V。数据采集卡采用连续采集触发模式, 对振动信号进行采集、截取、保存。采样率为 25 k Hz, 由接口上传至计算机, 实现对振动信号的高速采集和存储。3 软件设
11、计和实现软件包括 5 个功能:数据截取、数据存储、特征提取、故障诊断和知识库的建立。3.1 数据截取与存储数据采集卡自启动即开始采集数据, 但在有效的振动信号前后存在很多冗余信号, 降低了对信号分析的可能性, 增加了计算时间, 对振动信号进行截取, 保留有效振动数据是十分必要的。将振动信号写入 Excel 文件中备份, 以备数据库的建立。由 Lab VIEW 编写的程序流程如图 1 所示, 将振动信号截取得到更加有效合适的信号, 更加有利于信号的特征提取及故障诊断。3.2 振动信号的特征提取和故障诊断为保证特征向量对不同故障类型的灵敏性, 结合小波包能量熵, EEMD 及时域特征构建稳定的特征
12、向量。3.2.1 小波包特征熵的求取小波包分析可以对信号的低频和高频同时进行多尺度分解提供更加完整的信息5,6。在断路器故障诊断中, 当断路器出现故障时断路器各个频率成分的能量混乱度发生变化, 可以通过求取每个分量的能量熵作为判别断路器状态的依据7。系统采用 db10 小波对振动信号进行 3 层分解, 具体步骤如下:图 1 数据截取界面流程 下载原图1) 首先对振动信号 s (t) 进行 3 层小波包分解, 分别提取第 3 层从低频到高频的所有频率成分 s0 (t) s7 (t) 的特征。2) 采用 Hilbert 方法求取每个分量的包络式中 H (si (t) ) 为分量 si (t) 所对
13、应的 Hilbert 变换。3) 将求取的包络信号 Ai (t) 进行分段处理, 按照等时间分段方式分为 N 段并求取每段的能量值4) 计算每个分量能量熵式中3.2.2 EEMD 特征熵的求取EEMD 通过添加白噪声使振动信号在不同尺度上具有连续性, 避免模式混叠现象的发生。过程如下:1) 将正态分布的高斯白噪声 n (t) 加入到采集的振动信号 s (t) 中得到 s (t) ;2) 将 s (t) 进行 EMD 分解得到不同的本征模态函数 (IMF) 分量 ci (t) , i=1, 2, , N;3) 重复步骤 (1) 步骤 (2) n 次, 每次加入随机分布的正态高斯白噪声;4) 将所
14、有分解得到的 IMF 分量进行平均, 使 n 足够大确保添加的白噪声的和趋近于 0, 可以得到信号 s (t) 经过 EEMD 后的分量。5) 按照式 (1) 式 (3) 计算振动信号的 EEMD 能量熵。EEMD 过程中选定白噪声幅值为原始信号标准差的 0.05 倍, EEMD 分解次数为 50次。为了舍去部分状态信息表述较弱的分量, 保留前 5 个分量。求取IMF1IMF5 的包络信号并对其进行等时间分段的方式分为 17 段, 求取每段的能量并最终求取每个 IMF 分量的能量熵。3.2.3 时域特征量的求取系统小波包分解图形即信号处理结果, 如图 2 所示。图 2 小波包分解各个分量 下载
15、原图系统 EEMD 处理结果如图 3。图 3 EEMD 各个分量 下载原图断路器发生故障时, 时域信号的幅值将会发生变化, 通过描述信号时域波形的特征可以反映信号的时域信息。由于高压断路器动作属于冲击性动作, 针对其振动信号的特点, 考虑到时域特征参数的影响, 选择 3 个时域特征向量分别为信号均方根值、斜度、峭度, 以达到兼顾敏感性与稳定性的效果。3.3 故障诊断较普遍使用的故障诊断方法有支持向量机、灰色关联度、贝叶斯、K 均值聚类、距离判别法等。将上述方法依次用于本系统, 寻得适用于本系统的判别方法。结果如表 1 所示。可知, 距离判别法更加适用于本次实验研究。表 1 使用不同诊断方法诊断
16、结果 下载原表 3.4 知识库建立系统先将数据导入 MATLAB 中离线计算出数据库, 再导入 Lab VIEW 中作为故障诊断的依据。为保证诊断正确率, 系统将每次求取的特征向量写入数组中, 以便实时更新丰富训练样本, 以保证模式识别的正确性。4 数据采集与故障诊断实例将本系统应用于 ZN63A12 型真空断路器, 其操作机构为弹簧机构。利用已搭建的振动信号采集系统对其进行测量。数据采集卡采样频率为 10 k Hz。前面板如图 4 所示, 给出原始振动信号、特征向量 T=T1, T2, T3和具体诊断结果及检修建议。图 4 上位机在线监测界面 下载原图为寻求适合于本试验对象的数据处理方法, 首先采集 93 组振动数据, 其中包括36 组正常状态下的振动信号, 30 组传动机构卡涩状态下的振动信号, 27 组基座螺丝松动状态下的振动信号。使用软硬不同的木块垫在转动机构一侧模拟断路器卡涩故障, 松动基座的部分螺丝模拟基座松动故障。对样本进行小波包去噪,
