基于時域分割算法的斷路器振動信號故障特征提取方法

南方電網玉溪供電局 師 濤

在斷路器故障診斷時斷路器的機械振動是隨機不確定的，也不是某種規律的振動形式，因此對斷路器振動行為檢測所得到的振動信號也具有相同的特點，即隨機不確定性和無規律性[1]。通過一定的信號處理后就可對信號的特征向量進行提取，例如時頻域分析法或單純的時域或頻域分析法。但前者效率太低，不適合高速有效的分析應用場合；而后者提取的特征信息不夠完整或者說不能完全反映本文所研究的機械運動的特征[2]。

時域特征、頻域特征和時-頻域特征是常見的三種振動特征。目前對不同機械狀態的這三種振動特征的研究已較多，可通過其特點判別對應的機械運動類型。但斷路器發生故障時所帶的機械特征信息較多，頻域特征不能直接表達出其機械特征，相反由于融合的特征較多不太利于分析。但可通過分析時域特征的方法對原始信號進行分析，建立機械振動特征與斷路器故障之間的聯系。原始信號的處理可依據不同的時域分割提取其均值、標準差等特征，這是一般信號處理的常見方法。想提升機械運動信息的識別準確度，就要增加對信號提取的特征量的復雜度和量。但增加信號特征的復雜度和量會增加計算的工作量，增加判斷時間。同時增加的特征信號也會導致一些其他信息的混入，增加判斷的難度，所以應選擇最典型的特征集作為研究對象。

1 振動信號處理方法

在震動機械運動的過程中，斷路器操動機構產生的振動信號由于其能量衰減小且不涉及電氣特征，因此較易通過運動類傳感器進行信號的采集。不會因同種類型的信號混合而影響數據的采集，因此單純就斷路器的震動信息數據的精確性來說是相對較為可靠的。通過這種可靠的數據進行分析，就有可能提前發現一些斷路器中常見的機械故障，諸如緊固件的松動、彈性元件的失效等，從而進行預警。如果是通過傳統的針對時域與頻域進行信號分析，想要得到上述比較完整和復雜的機械狀態信息[3]，雖有一定成效但過程過于復雜、耗時多，不太適合大范圍推廣使用。這就是傳統信號處理方法在斷路器震動信號分析方面得不到普及的重要原因。

本文以原始機械震動采集到的信號作為代表性特點，并以此為尺度進行不同的時域分割，就可起到明顯的效果。首先對信號進行分段處理，其次在每個分段再進行特色提取分析，通過對比不同斷路器的機械運動狀態所對應的信號波動情況與斷路器的故障類型進行對比，可較為明顯的得出不同機械震動信號所對應的不同的斷路器故障的差別。這種方法計算時間短、效率高。

2 時域分割尺度依據及確定方法

機械故障的機械運動信息的特點是非平穩、非線性，對這種信號進行時域與頻域分析并提取相應的特征是比較常見的處理方法。例如局域均值分解法和集合經驗模態分解法等，這些方法普遍存在一定的缺陷。采用局域均值分解進行故障特征提取在模態混疊、端點效應、對頻率相近的分量分離上有一定困難；集合經驗模態分解對模態混疊方面進行了抑制，但由于要加入白噪聲導致運算量的大幅增加，同時最終分解出來的信號也會比真實信號多，增加了區分難度[4]。除這些不足外，更重要的是這些方法的處理都比較復雜、耗時多，應用的門檻比較高。

應使用單一的時間標度來獲取原信號產生的高壓斷路器故障信號的特性；將主信號按時域分割，分析時域特征，分離信號后進行特征的提取。這種操作方式可避免在丟失高頻信息，確保額外信息的完整性和信號處理的完整性，并提升處理效率；然后計算觸發信號開始和震動開始的時間長度，并以這個時間長度對原始信號進行分割處理。本文以接近26KS 每秒的速度對振動檢測系統收集高壓斷路器的故障振動數據。從輸入信號時起（一般以分閘信號作為輸入信號）接收3770個振動信號。在模擬試驗中模擬了三種高壓斷路器的故障信號：C1鐵芯運動不暢、C2緊固件松動、C3潤滑失效，以及一種正常狀態C0。

心子模式C1踏板（條件C2）；潤滑油不足（并在相同條件下避免重復試驗，記錄40個正常狀態信號塊，每20個振動數據塊3個誤差類型，如圖1所示，四種不同類型的高壓電路的振動形式。所有機械運動類型的實驗分析都應避免同一個機械動作的反復測試，因為由于重復性機械疲勞損傷的存在會影響最終的實驗結果，產生損傷性誤差。對實驗組數據量進行了嚴格控制，每種故障類型采集20次數據，正常狀態信號采集40次。圖1是這四種狀態下采集的數據對應的波形。

圖1 實測振動信號與時域分割單位

如圖所示，振動測量單位和時間分配單位1出現時，出現一個偶然的信號表明，鐵堆的作用是比正常延遲信號，盤式螺旋槳振幅較小，阻尼過程緩慢；機械潤滑的振幅是相對的，所以在同一時間場內不同類型的干擾信號在時間上是不同的，在分裂后產生的，形成自己的矢量，以確定高壓盤的機械狀態。

圖1中為實測振動信號與時域分割單位圖，從圖形可以明顯看出這三類常見故障的基本信號波形特征：C1（鐵芯運動不暢）相對于正常信號其動作有延遲，C2（緊固件松動）相對于正常信號其幅值小、衰減慢，C3（潤滑失效）相對于正常信號其幅值小，因此可采用分割后信號特征提取的方案對高壓斷路器機械故障進行偵測識別。

不論信號的故障類型，均以Ts 和Tp 為單位，將信號分為29段與第9段。Ts 和Tp 分別是正常狀態下運動執行機構收到觸發信號與機械震動信號發生明顯變化的間隔時間和正常狀態下運動執行機構收到觸發信號與機械震動信號的振幅達到最大時的間隔時間。

3 基于時域分割特征的特征選擇方案

高壓斷路器的機械振動信號經過時域分割后，對機械運動特征對應的數字信號提取單個特征構成特征向量，構成n 維特征向量。進行特征選擇最終確定的是類可分離性最好的特征類型。本文采用另一種種特征提取方式是對機械運動特征對應的數字信號提取多種特征，構成n×m 維的特征向量。特征選擇時，在進行Gini 重要度特征進行排序后，采用前向特征選擇方法結合類可分離性指標確定最優特征集合。

在實際生產環境中，高壓斷路系統的檢測存在隨機性、戶外性、移動性等特點，因此本文所提出的系統必然屬于一種可移動的便攜系統。因此，在單特征分析時完全可以只計算一種有效特征來實現對設備狀態進行分析，從而實現對故障的快速有效識別狀態信息。而多特征混合取最優特征集合則適用于大型故障診斷系統，其前期應用時會進行全面分析。