溯源彈簧形變過程的斷路器振動信號遞歸量化分析辨識方法

劉會蘭 常庚垚 趙書濤 付 磊 劉教民

溯源彈簧形變過程的斷路器振動信號遞歸量化分析辨識方法

劉會蘭1常庚垚1趙書濤1付 磊2劉教民1

（1. 華北電力大學河北省輸變電設備安全防御重點實驗室 保定 071003 2. 河北大學電子信息工程學院 保定 071002）

從鎖止機構脫扣引起儲能彈簧釋能，經部件帶動動觸頭運動再到靜止的每個動作具有嚴格階段特征，伴隨斷路器動作的機械振動展現了能量傳遞及設備健康狀態。該文提出一種溯源彈簧形變過程的斷路器振動信號遞歸量化分析方法，首先由高速相機捕捉斷路器操動時儲能彈簧的動作圖像，通過計算機視覺跟蹤動態提取反映彈簧形變特征幀，再依據特征幀時序劃分操動過程；然后將不同階段振動信號映射至高維相空間，經遞歸分析得到體現動力系統變化特征的遞歸圖，并遞歸量化分析其紋理結構特征；最后利用支持向量機模型對正常及故障狀態下的斷路器振動特征樣本進行分析辨識，對比結果證明，由彈簧釋能時序細化振動信號特征分析有效提高了分類識別準確率。該文方法在斷路器操動機構狀態辨識中具有廣闊的應用前景。

高壓斷路器 動作階段 振動信號 遞歸量化分析 狀態辨識

0 引言

高壓斷路器是承擔電網控制和保護作用的動作型電氣設備[1-2]，相關調查統計表明，斷路器操動機構機械及其輔助控制回路故障在所有故障中占比約為60%，且呈逐年上升趨勢[3]。隨著輸配電網結構復雜性和自動化程度的不斷提高，對斷路器操作可靠性的要求也不斷提升[4-6]，因此從不同檢測機理出發研究斷路器操動機構機械故障判別新方法成為近年來的熱點。

斷路器操動過程本質上是由儲能元件釋放能量促使主軸、凸輪、拐臂、拉桿和觸頭等機構部件依次動作到位的過程，伴隨產生的振動信號包含一系列振幅各異、持續時間不一的沖擊子波[7-9]。因此，機構部件動作及位置，與能量傳遞及振動時序直接相關。目前，利用振動信號分析斷路器故障診斷已經取得許多顯著成果[10-11]，從傳統的傅里葉變換[12]、功率譜估計[13]和階次譜分析[14]，到適合非平穩信號的小波分析[15]、經驗模態分解[16]等都進行過嘗試，時頻域分段的新算法也層出不窮。文獻[17]通過對振動信號S變換的模值矩陣進行時域、頻域分段，在不同段提取特征量。文獻[18]對振動信號小波包變換后的各頻段分量信號進行等時間分段，以各分塊的能量作為特征量。通過提取分段信號的特征，可以較好地描述信號局部細節，發現微弱的變異特征。這些研究均依據單一振動信號，多以能量時頻譜為特征量，采用分段特征在一定程度上提高了斷路器故障診斷的速度和準確率。斷路器動作物理過程能量傳遞與其動作特性緊密相關，在考慮時頻分布基礎上提高分段科學性，對于在提高準確率的同時降低算法計算量非常有意義。

文獻[19]利用語音信號短時分析法將振動信號“分幀”處理，得到以“幀”為單位的時間序列，大大減少了特征參數的計算量。文獻[20-21]采用短時能量算法提高信號信噪比，但此算法對沖擊較小的振動事件不敏感，存在振動事件丟失的問題。J. P. Eckmann等[22]提出遞歸圖（Recurrence Plot, RP）分析相空間時間序列，克服了對時間序列長度和穩態性的嚴格要求，適用于非線性動力學系統的分 析[23]，不同于振動信號時域分析僅描述動作時序，且能準確刻畫振動信號內在動力學特征，如能運用于斷路器操動過程則可將振動事件與機構動作過程關聯起來。

本文提出一種溯源彈簧形變過程的彈簧操動機構斷路器振動信號遞歸量化分析（Recurrence Quantification Analysis, RQA）[24]辨識方法。通過儲能彈簧形變對操動過程的振動信號精細化分段，經過逐段遞歸量化分析后輸入分類模型進行辨識，實驗證明該方法有效地提高了狀態識別準確率。

1 斷路器操動狀態辨識流程

考慮彈簧形變是斷路器動作能量來源，設備機械狀態蘊含于時間序列描述的加速度——振動信號。利用已有斷路器測試平臺同步獲取其操動過程高速圖像序列和伴隨的振動信號。基于振動特征與斷路器操動動作的物理關聯機理，提出溯源彈簧形變的斷路器振動信號遞歸量化分析辨識方法，流程如圖1所示。

圖1 斷路器操動狀態辨識流程

首先，基于歸一化互相關圖形金字塔匹配（Normalized Cross Correlation-Pyramid-Estimation, NCC-P-E）算法[25]動態提取斷路器操動過程高速圖像序列特定目標，形成彈簧運動位移時間曲線，得到彈簧形變的關鍵特征幀。由此將斷路器動作過程精準地劃分為脫扣階段、儲能釋放階段、合閘緩沖階段和振蕩制動階段。然后，利用遞歸圖描繪映射至高維相空間的各階段振動信號，反映各階段動力學系統變化規律，科學地描述時間序列的非線性特征。再量化分析遞歸圖的紋理結構特征，從而可精準地刻畫彈簧釋能、振動事件和部件動作之間的聯系。最后，輸入遞歸量化特征到支持向量機（Support Vector Machine, SVM）模型實現斷路器操動機械狀態辨識。

2 遞歸分析

儲能彈簧釋放的能量在操動機構部件間傳遞形成復雜振動波，此振動信號具有高度的非平穩性及非線性特征。遞歸是包括斷路器動作在內運行系統的固有本質特征[26]，遞歸分析將一維時間序列轉換為二維遞歸圖，相空間重構是遞歸分析的基礎。

2.1 相空間重構

2.2 遞歸圖

遞歸圖是將動力系統產生的非線性時間序列轉化為二維平面圖，用于探究動力系統的內在變化規律[29]，其不同于傳統快速傅里葉變換，不僅可以體現信號的頻率響應，并且可以在時域范圍顯示信號出現的位置[30]。RP算法具體過程描述如下。

圖2為對ZN65-12型高壓斷路器正常合閘過程振動信號進行處理得到的遞歸圖。

圖2 高壓斷路器合閘振動信號遞歸圖

由圖2可知，振動信號幅值較強處在遞歸圖中體現為白帶越明顯，且持續時間與白帶寬度對應，細微的振動變化也能準確地在遞歸圖中表現出來。

2.3 遞歸量化分析

遞歸圖將非平穩信號表征成二維信號反映其內部結構，從而敏感地捕捉到振動信號特征變化。遞歸量化分析對遞歸圖進行特征量化，本文采用以下RQA參數來突出體現各階段振動信號的特征。

（1）遞歸率（Recurrence Rate, RR）為遞歸圖中值為非0的點所占的比例，計算式為

式中，為采樣時間點數。

（2）確定率（Determinism, DET）為遞歸圖中構成對角結構的遞歸點的比值，有

（3）信息熵（Entropy, ENTR）為遞歸圖對角線分布的Shannon熵，體現的是信號系統的不確定程度，計算式為

（6）層狀度（Laminarity, LAM）定義為遞歸圖內構成垂直或水平線結構的遞歸點與總數的百分比，描繪了被分析信號的含噪量以及平穩程度，計算式為

3 高壓斷路器動作階段劃分

高壓斷路器從控制線圈給電、電磁鐵鐵心運動到彈簧釋放勢能，再驅動主軸、凸輪、拐臂、拉桿和動觸頭等機構部件聯動。能量傳遞中每個瞬態子波被操動機構傳輸到加速度傳感器[31]，因此振動信號蘊含豐富的事件特征，與斷路器操動狀態息息相關。

3.1 基于目標跟蹤的彈簧形變過程識別

儲能彈簧作為斷路器動作的能量來源，振動時間序列是部件間順序咬合、傳動、摩擦和碰撞運動軌跡的體現。利用高速相機采集高壓斷路器合閘過程中合閘彈簧的形變圖像，通過NCC-P-E算法跟蹤彈簧活動端首圈目標，提取各幀目標中心縱向坐標繪制垂直方向上的位移-時間曲線，并計算各幀目標點的運動速度。速度凸顯了斷路器操動過程能量傳遞關系，提出以速度定義四個特征幀，分別為：形變開始幀（彈簧開始運動）、速度最大幀（彈簧運動速度達到最大）、形變最大幀（彈簧形變量達到最大）和振蕩結束幀（彈簧結束運動變為靜止）。基于圖像序列特征幀將斷路器合閘過程精細化分為體現斷路器動作特點的若干階段。每個階段突出信號自身的變化特征，體現信號與實際物理能量傳遞狀態的相關性。

在滿足NCC-P-E算法目標跟蹤精度的要求下，本文采用的相機拍攝幀率為3 500fps，分辨率為640×480。以ZN65-12型斷路器為例，彈簧運動端首圈為跟蹤目標，采集斷路器儲能彈簧形變過程圖像序列。跟蹤目標選取如圖3所示。經NCC-P-E算法動態提取特征幀，圖4為四個特征幀展示，并繪制位移-時間曲線如圖5所示。圖4和圖5中的A、B、C、D點四個特征幀分別對應形變開始幀、速度最大幀、形變最大幀、振蕩結束幀。

圖3 跟蹤目標選取

圖4 特征幀展示

由圖4可以看出合閘彈簧形變逐漸增加再到逐漸衰減的振蕩過程。由圖4中A點合閘彈簧開始起動，在彈力的作用下在B點達到速度最大值，之后速度減小，到C點時達到最大形變高度，此后彈簧呈現衰減振蕩狀態至靜止狀態。目標跟蹤得到的特征幀計算彈簧形變參數，見表1。

圖5 合閘彈簧形變位移-時間曲線

表1 特征幀的形變參數

Tab.1 Deformation parameters of feature frames

3.2 合閘動作階段劃分

由形變特征幀可科學劃分斷路器合閘動作的四個子階段：

（1）脫扣階段為彈簧形變幀A點開始之前，此過程產生的振動為斷路器控制線圈給電、鐵心動作到鐵心撞擊脫扣。

（2）儲能釋放階段為形變開始到速度最大幀的A到B階段，這階段為振動信號機構部件運動能量傳遞過程，最大速度與傳遞到動觸頭剛合速度關聯，也是衡量斷路器滅弧性能關鍵參數。

（3）合閘緩沖階段為到達最大速度后到最大形變的B到C階段，振動信號涵蓋了動觸頭撞擊靜觸頭到猛烈撞擊和壓縮行程能量緩沖階段。

（4）振蕩制動階段為最大形變都振蕩結束的C到D階段，振動信號體現為操動機構由動到靜的能量衰減變化。

斷路器合閘動作過程的四個子階段描述見表2。

表2 斷路器合閘過程子階段

Tab.2 Sub stage of circuit breaker closing process

3.3 基于彈簧形變的振動信號分割

儲能彈簧形變釋放能量引發斷路器操動過程，能量傳遞驅動機構部件運動和振動事件發生，分別由CCD高速相機和壓電式加速度傳感器捕捉彈簧伸縮和振動過程。基于圖像識別彈簧形變區分各振動事件，如圖6所示，斷路器正常合閘振動信號振幅出現的時刻、持續時間和強度變化在本質上為瞬態動作事件子波合成，因此按照事件動作時序分段描述信號局部細節，有針對性地發現微弱特征可提高操動機狀態判別準確性。溯源儲能彈簧動作時序過程，以高速圖像序列特征幀計算時間點作為分段基準，可將斷路器合閘過程分為脫扣階段、儲能釋放階段、合閘緩沖階段和振蕩制動階段。

圖6 基于彈簧形變的振動信號分段示意圖

每段振動信號都對應于彈簧不同階段的形變過程。將每個階段振動信號單獨進行特征提取，分析不同彈簧形變下振動信號遞歸量化特征，更能提高斷路器狀態辨識的準確性。

4 遞歸量化特征的構建

4.1 遞歸參數的選取

圖7 各動作階段平均互信息曲線

4.2 遞歸量化特征向量

對比每個動作階段的振動信號時域圖（見圖6）與對應的遞歸圖（見圖8），可以觀察到遞歸圖中以黑色區域體現的振動瞬態子波。瞬態子波出現的時刻與持續時間對應遞歸圖中黑色區域的位置與寬度大小，瞬態子波的振幅越大，此區域的黑色也越深。由此，遞歸圖的紋理特征詳細描繪了斷路器合閘的動力學特性。

采用RQA對遞歸圖進行量化分析，獲得對應斷路器動作狀態的數值化特征，圖9則記入了3.3節中數據樣本的量化特征值。

圖8 動作階段振動信號的遞歸圖（r=0.5）

圖9 遞歸圖的量化分析結果

5 實驗及結果分析

5.1 實驗平臺

實驗室搭建實驗平臺如圖10所示，采用ZN65-12型彈簧操動機構真空斷路器，振動傳感器采用陶瓷壓電材料，靈敏度為50 mV/g，擁有0.5～15 000 Hz的頻率響應，通過強磁吸附在斷路器操動機構頂壁中部。調整高速相機至合適焦距、視場和幀率（3 500 fps），對準斷路器合閘彈簧位置，通過操控設備控制斷路器合閘、分閘、儲能狀態的調換，霍爾電流傳感器檢測線圈電流，觸發采集裝置同時記錄圖像序列和振動信號，上位機實現數據儲存、信號處理和本文分析算法。

圖10 實驗平臺示意圖

以斷路器合閘過程為例，除了采集正常合閘過程的圖像與振動信號，另外更換剛度下降的老化彈簧來模擬合閘彈簧疲勞缺陷，在控制線圈鐵心銅套中混入異物來模擬合閘鐵心卡澀故障，替換直徑小于正常的軸銷來模擬軸銷磨損缺陷。上述模擬方法均能有效反映斷路器故障狀態，從而建立準確的狀態數據庫。采集上述正常及三種缺陷下各20組數據建立樣本庫，用于驗證特征提取的有效性及魯棒性。

5.2 實驗過程

首先，進行圖像序列識別確定操動過程的關鍵位置，對采集的振動信號樣本進行動作階段劃分，劃分結果見表3。

表3 正常與故障下動作階段劃分

Tab.3 Division of action periods under normal and fault conditions （單位: ms）

圖11 基于SVM的臨界距離r尋優流程

圖12 基于SVM的臨界距離r尋優辨識

表4 遞歸量化分析結果

由表4中數據可以看出，RQA分析結果在不同狀態特征間有特異性，與正常合閘狀態相比，彈簧疲勞缺陷信號儲能釋放階段的遞歸率（RR）有較明顯增加，反映了缺陷彈簧產生的振動信號在相空間內聚集程度變大，產生的能量較正常彈簧偏弱。軸銷磨損狀態下的信息熵（ENTR）較正常合閘狀態低，反映遞歸圖對角線長度分布的復雜性降低。鐵心卡澀和軸銷磨損缺陷情況下的最長豎直/水平線段長度max和豎直/水平線段長度均值mean都較正常合閘狀態變小，反映了缺陷信號含噪量增大，變化相對劇烈，平穩程度變差。

5.3 狀態辨識結果對比分析

以遞歸量化分析結果作為特征對四種合閘動作狀態（正常合閘、彈簧疲勞、鐵心卡澀、軸銷磨損）數據進行訓練和測試。每種隨機選取20組樣本作為測試數據，剩余作為測試數據，采用支持向量機（SVM）算法進行狀態識別。設置測試集標簽為1～4，將訓練集與測試集對調重復訓練測試辨識效果。在最優參數下的模型辨識情況如圖13所示。

由圖13可知，一例彈簧疲勞和兩例鐵心卡澀類樣本被分類到正常合閘狀態中，一例軸銷磨損被分類到彈簧疲勞缺陷狀態中，總體識別準確率為95%，為進一步驗證分段處理的辨識效果，利用SVM模型分別辨識分段處理和未分段處理的狀態類別，準確率如圖14所示。

圖13 SVM模型辨識情況

圖14 分段處理與未分段處理識別準確率

基于彈簧形變特征幀分段處理振動信號后的數據集，各狀態的辨識準確率均達到90%及以上，相比于未分段的辨識效果均有10%左右的提升。該模型在利用動作階段內振動信號遞歸量化特征辨識斷路器動作狀態問題方面效果良好。

6 結論

1）提出高速圖像識別斷路器分合閘彈簧形變的動作過程精準分段方法。基于NCC-P-E算法搜尋操動過程高速圖像的特征幀，據此將同時序物理過程的振動信號精確劃分為脫扣階段、儲能釋放階段、合閘緩沖階段、振蕩制動階段。

2）利用遞歸圖描繪映射至高維相空間的各動作階段振動信號，遞歸量化分析其紋理結構特征，由其蘊含的豐富動力學特性更加精準描述斷路器動作及能量傳遞過程。

通過溯源彈簧形變科學劃分斷路器操動動作過程，提高了振動信號遞歸量化分析辨識斷路器狀態的準確性。高速圖像和振動信號捕捉均為非侵入式測量方式，隨著實驗數據積累和算法進一步完善，將在斷路器故障監測和帶電測試中具有廣闊應用前景。

[1] 豆龍江, 何玉靈, 萬書亭, 等. 基于振動信號的高壓斷路器彈簧疲勞程度檢測方法[J]. 電工技術學報, 2022, 37(24): 6420-6430.

Dou Longjiang, He Yuling, Wan Shuting, et al. Detecting method of high voltage circuit breaker spring fatigue based on vibration signal[J]. Transa- ctions of China Electrotechnical Society, 2022, 37(24): 6420-6430.

[2] 楊秋玉, 王棟, 阮江軍, 等. 基于振動信號的斷路器機械零部件故障程度識別[J]. 電工技術學報, 2021, 36(13): 2880-2892.

Yang Qiuyu, Wang Dong, Ruan Jiangjun, et al. Fault severity estimation method for mechanical parts in circuit breakers based on vibration analysis[J]. Transactions of China Electrotechnical Society, 2021, 36(13): 2880-2892.

[3] 趙書濤, 許文杰, 劉會蘭, 等. 基于振動信號譜形狀熵特征的高壓斷路器操動狀態辨識方法[J]. 電工技術學報, 2022, 37(9): 2170-2178.

Zhao Shutao, Xu Wenjie, Liu Huilan, et al. Identification method for operation state of high voltage circuit breakers based on spectral shape entropy characteristics of vibration signals[J]. Transa- ctions of China Electrotechnical Society, 2022, 37(9): 2170-2178.

[4] 游穎敏, 王景芹, 舒亮, 等. 斷路器保護特性測試電流的自適應控制策略[J]. 電工技術學報, 2020, 35(15): 3203-3213.

You Yingmin, Wang Jingqin, Shu Liang, et al. Research on adaptive current control method in circuit breaker protection characteristic test[J]. Transactions of China Electrotechnical Society, 2020, 35(15): 3203-3213.

[5] Sun Yihang, Wu Jianwen, Shi Yanhua, et al. Design of intelligent integrated controller of circuit breaker based on dual-core CPU[C]//2011 1st International Conference on Electric Power Equipment - Switching Technology, Xi’an, China, 2012: 315-318.

[6] 劉會蘭, 許文杰, 趙書濤, 等. 面向高壓斷路器故障分類的電流-振動信號類聚幾何敏感特征優選方法[J]. 電工技術學報, 2023, 38(1): 26-36.

Liu Huilan, Xu Wenjie, Zhao Shutao, et al. Opti- mization method of clustering geometric sensitive features of current vibration signals for fault classification of high voltage circuit breakers[J]. Transactions of China Electrotechnical Society, 2023, 38(1): 26-36.

[7] 劉曉明, 張煦松, 姜文濤, 等. 基于混沌吸引子的真空斷路器永磁斥力機構機械故障識別方法[J]. 電工技術學報, 2022, 37(20): 5334-5346.

Liu Xiaoming, Zhang Xusong, Jiang Wentao, et al. A method of mechanical fault identification of per- manent magnet repulsion mechanism of vacuum circuit breaker based on chaos attractor[J]. Transa- ctions of China Electrotechnical Society, 2022, 37(20): 5334-5346.

[8] 孫曙光, 張強, 杜太行, 等. 基于振動信號的低壓萬能式斷路器分合閘故障程度評估方法的研究[J]. 中國電機工程學報, 2017, 37(18): 5473-5482, 5547.

Sun Shuguang, Zhang Qiang, Du Taihang, et al. Study of evaluation method for low voltage conventional circuit breaker switching fault degree based on vibration signal[J]. Proceedings of the CSEE, 2017, 37(18): 5473-5482, 5547.

[9] 郭博文, 李楠, 李松原, 等. 斷路器彈簧操動機構分/合閘彈簧的狀態診斷[J]. 電氣技術, 2021, 22(12): 57-62.

Guo Bowen, Li Nan, Li Songyuan, et al. State diagnosis for closing/opening spring in the spring operating mechanism of circuit breaker[J]. Electrical Engineering, 2021, 22(12): 57-62.

[10] 劉會蘭, 許文杰, 趙書濤, 等. 基于振動信號時間歷程和自適應譜融合的斷路器操動機構狀態辨識方法[J]. 高電壓技術, 2023, 49(5): 1860-1869.

Liu Huilan, Xu Wenjie, Zhao Shutao, et al. State identification method of circuit breaker operating mechanism based on time course waveform and adaptive spectrum fusion analysis of vibration signal[J]. High Voltage Engineering, 2023, 49(5): 1860-1869.

[11] 朱洪偉, 康曉勇, 張家瑞, 等. 一種斷路器缺陷零部件的診斷方法[J]. 高壓電器, 2023, 59(3): 22-27.

Zhu Hongwei, Kang Xiaoyong, Zhang Jiarui, et al. Diagnostic method for defective parts of circuit breakers[J]. High Voltage Apparatus, 2023, 59(3): 22-27.

[12] 王展, 杜思遠, 賀文治, 等. 基于全相位快速傅里葉變換的主軸不平衡特征提取及實驗[J]. 儀器儀表學報, 2020, 41(4): 138-146.

Wang Zhan, Du Siyuan, He Wenzhi, et al. Unbalanced feature extraction and experiment of spindle based on the all phase fast Fourier transform method[J]. Chinese Journal of Scientific Instrument, 2020, 41(4): 138-146.

[13] 趙洋, 曾慶軍, 嚴金城. 采用功率譜估計法的真空斷路器振動分析[J]. 電氣應用, 2009, 28(9): 62-65.

Zhao Yang, Zeng Qingjun, Yan Jincheng. Vibration analysis of vacuum circuit breaker using power spectrum estimation method[J]. Electrotechnical Application, 2009, 28(9): 62-65.

[14] 楊青樂, 梅檢民, 肖靜, 等. Teager能量算子增強倒階次譜提取軸承微弱故障特征[J]. 振動與沖擊, 2015, 34(6): 1-5.

Yang Qingle, Mei Jianmin, Xiao Jing, et al. Weak fault feature extraction for bearings based on an order cepstrum enhanced with Teager energy operator[J]. Journal of Vibration and Shock, 2015, 34(6): 1-5.

[15] Ren Weixin, Sun Zengshou. Structural damage identi- fication by using wavelet entropy[J]. Engineering Structures, 2008, 30(10): 2840-2849.

[16] 孫一航, 武建文, 廉世軍, 等. 結合經驗模態分解能量總量法的斷路器振動信號特征向量提取[J]. 電工技術學報, 2014, 29(3): 228-236.

Sun Yihang, Wu Jianwen, Lian Shijun, et al. Extraction of vibration signal feature vector of circuit breaker based on empirical mode decomposition amount of energy[J]. Transactions of China Electro- technical Society, 2014, 29(3): 228-236.

[17] 黃南天, 陳懷金, 林琳, 等. 基于S變換和極限學習機的高壓斷路器機械故障診斷[J]. 高壓電器, 2018, 54(6): 74-80.

Huang Nantian, Chen Huaijin, Lin Lin, et al. Mecha- nical fault diagnosis of high voltage circuit breakers based on S-transform and extreme learning machine[J]. High Voltage Apparatus, 2018, 54(6): 74-80.

[18] 陳欣昌, 馮玎, 林圣. 基于深度自編碼網絡的高壓斷路器操作機構機械故障診斷方法[J]. 高電壓技術, 2020, 46(9): 3080-3088.

Chen Xinchang, Feng Ding, Lin Sheng. Mechanical fault diagnosis method of high voltage circuit breaker operating mechanism based on deep auto-encoder network[J]. High Voltage Engineering, 2020, 46(9): 3080-3088.

[19] 王靜君, 王飛, 楊元威, 等. 短時能量法在斷路器機械振動信號分析中的應用[J]. 高壓電器, 2017, 53(12): 14-19.

Wang Jingjun, Wang Fei, Yang Yuanwei, et al. Appli- cation of short-time energy method in the analysis of mechanical vibration signal of circuit breaker[J]. High Voltage Apparatus, 2017, 53(12): 14-19.

[20] 孟永鵬, 賈申利, 榮命哲. 短時能量分析法在斷路器機械狀態監測中的應用[J]. 西安交通大學學報, 2004, 38(12): 1301-1305.

Meng Yongpeng, Jia Shenli, Rong Mingzhe. Appli- cation of short-time energy analysis in condition monitoring of circuit breakers[J]. Journal of Xi’an Jiaotong University, 2004, 38(12): 1301-1305.

[21] 萬書亭, 馬曉棣, 陳磊, 等. 基于振動信號短時能熵比與DTW的高壓斷路器狀態評估及故障診斷[J]. 高電壓技術, 2020, 46(12): 4249-4257.

Wan Shuting, Ma Xiaodi, Chen Lei, et al. State evaluation and fault diagnosis of high-voltage circuit breaker based on short-time energy entropy ratio of vibration signal and DTW[J]. High Voltage Engin- eering, 2020, 46(12): 4249-4257.

[22] Eckmann J P, Kamphorst S O, Ruelle D. Recurrence plots of dynamical systems[J]. Europhysics Letters, 1987, 4(9): 973-977.

[23] 孟慶芳, 陳珊珊, 陳月輝, 等. 基于遞歸量化分析與支持向量機的癲癇腦電自動檢測方法[J]. 物理學報, 2014, 63(5): 88-95.

Meng Qingfang, Chen Shanshan, Chen Yuehui, et al. Automatic detection of epileptic EEG based on recurrence quantification analysis and SVM[J]. Acta Physica Sinica, 2014, 63(5): 88-95.

[24] Webber C L Jr, Zbilut J P. Dynamical assessment of physiological systems and states using recurrence plot strategies[J]. Journal of Applied Physiology, 1994, 76(2): 965-973.

[25] 趙書濤, 王科登, 閆筱, 等. 基于識別區域估計優化NCC-P算法的斷路器儲能彈簧形變特性研究[J]. 中國電機工程學報, 2019, 39(24): 7413-7420, 7514.

Zhao Shutao, Wang Kedeng, Yan Xiao, et al. Circuit breaker energy storage spring deformation characte- ristics test method based on identification region estimation and optimization of NCC-P algorithm[J]. Proceedings of the CSEE, 2019, 39(24): 7413-7420, 7514.

[26] Sen U, Gangopadhyay T, Bhattacharya C, et al. Dynamic characterization of a ducted inverse diffusion flame using recurrence analysis[J]. Com- bustion Science and Technology, 2018, 190(1): 32-56.

[27] Cao Liangyue. Practical method for determining the minimum embedding dimension of a scalar time series[J]. Physica D: Nonlinear Phenomena, 1997, 110(1/2): 43-50.

[28] Marwan N, Carmen Romano M, Thiel M, et al. Recurrence plots for the analysis of complex systems[J]. Physics Reports, 2007, 438(5/6): 237-329.

[29] 楊秋玉, 阮江軍, 張燦, 等. 基于定量遞歸分析的高壓斷路器機械缺陷辨識及應用[J]. 電工技術學報, 2020, 35(18): 3848-3859.

Yang Qiuyu, Ruan Jiangjun, Zhang Can, et al. Study and application of mechanical defect identification for high-voltage circuit breakers using recurrence quantification analysis[J]. Transactions of China Electrotechnical Society, 2020, 35(18): 3848-3859.

[30] 劉春玲, 王旭. 基于定量遞歸分析(RQA)方法的肌電信號處理[J]. 計算機工程與應用, 2007, 43(1): 204-205.

Liu Chunling, Wang Xu. Surface electromyography processing based on recurrence quantification analysis[J]. Computer Engineering and Applications, 2007, 43(1): 204-205.

[31] 豆龍江. 斷路器彈簧操作機構故障機理分析及診斷方法研究[D]. 北京: 華北電力大學, 2019.

Circuit Breaker State Identification Method Based on Tracing Spring Deformation Process and Recurrence Quantitative Analysis of Vibration Signals

11121

（1. Hebei Provincial Key Laboratory of Power Transmission Equipment Security Defense North China Electric Power University Baoding 071003 China 2. College of Electronic and Information Engineering Hebei University Baoding 071002 China）

High-voltage circuit breakers are key electrical equipment for power grid control and protection. As the structure complexity and automation of transmission and distribution networks continue to increase, the requirements for reliable operation are also increasing. Each movement has strict stage characteristics for high- voltage circuit breakers with the spring-operated mechanism, from energy storage spring release caused by the tripping of the locking mechanism to the moving contact driven by components and then to the rest. The mechanical vibration accompanying the action of the circuit breaker indicates the energy transmission and health status of the equipment. This paper proposes a method for the recursive quantitative analysis of vibration signals in high-voltage circuit breakers, focusing on traceability to the spring deformation process.

First, a high-speed camera captures the action image of the energy storage spring during circuit breaker operation. A specific target in the high-speed image sequence is dynamically extracted through a computer vision tracking algorithm (normalized cross-correlation graphic pyramid matching algorithm) to form a spring movement and displacement time curve. Four characteristic frames are defined for spring deformation: deformation start, maximum velocity, maximum deformation, and oscillation end. Secondly, according to the characteristic frame timing of the image sequence, the operation process is accurately divided into four stages: tripping, energy storage release, closing buffer, and oscillation braking. Each stage highlights the changing characteristics of signals, reflecting the correlation between the signal and the actual physical energy transfer state. Finally, vibration signals of different stages are mapped to a high-dimensional phase space. The recurrence plot (RP) reflecting the changing characteristics of the dynamic system is obtained through recursive analysis. In addition, the RQA feature sequence is obtained through recursive quantitative analysis (RQA), allowing for an accurate depiction of the relationship among spring discharge, vibration events, and component motion.

Taking a ZN65-12 high-voltage circuit breaker as the research object, a fault simulation experiment platform is built, and the support vector machine model is used to analyze and identify vibration characteristic samples under normal and fault conditions. The experimental results show that the timing of spring energy release refines vibration signals. Feature analysis effectively improves the accuracy of circuit breaker status identification. High-speed image and vibration signal capture are both non-invasive measurement methods. With accumulating experimental data and further algorithm improvement, it is expected to find applications in circuit breaker fault monitoring and live testing.

High voltage circuit breaker, action period, vibration signal, recursive quantitative analysis, status identification

河北省自然科學基金（F2020201014）和輸變電設備基建、運檢三維數字資源多源融合技術與共享服務應用研究（5211JY22000V）資助項目。

2023-02-21

2023-03-20

10.19595/j.cnki.1000-6753.tces.230201

TM561

劉會蘭 女，1986年生，博士研究生，工程師，研究方向為電力設備故障診斷、智能電器監測技術及分布式電源并網技術。E-mail: liuhuilan111@163.com

常庚垚 男，1998年生，碩士研究生，研究方向為電氣設備狀態檢測與智能圖像識別技術等。E-mail: changgy1998@163.com（通信作者）

（編輯 崔文靜）