基于EMD和SVM的高壓斷路器機(jī)械故障診斷方法研究

陳朋永，趙書濤，李建鵬，陳云飛

(1．華北電力大學(xué) 新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室，河北 保定 071003;2．河北省電力公司檢修分公司，河北 石家莊 050070;3．河南省電力公司鶴壁市供電局，河南 鶴壁 458000)

0 引言

高壓斷路器作為電力系統(tǒng)中起控制和保護(hù)作用的關(guān)鍵設(shè)備，其動(dòng)作可靠性極為重要。但是斷路器結(jié)構(gòu)復(fù)雜、部件繁多且封閉性很強(qiáng)，獲取狀態(tài)參量比較困難[1]。聲波信號(hào)攜帶了斷路器的運(yùn)行狀態(tài)信息，適合高電壓、強(qiáng)電磁環(huán)境。文獻(xiàn)[2]介紹了超聲波檢測(cè)斷路器絕緣缺陷并進(jìn)行定位的方法。文獻(xiàn)[3]闡述了超聲波在線檢測(cè)開關(guān)柜局部放電的基本原理及方法。但是耦合在導(dǎo)體上的超聲探頭對(duì)設(shè)備絕緣具有破壞性，而且超聲波傳播速度隨絕緣老化變化很快，造成測(cè)量數(shù)據(jù)可比性較差[4]。

斷路器在開、閉動(dòng)作過程中需要較大的操作功，儲(chǔ)能裝置的動(dòng)作、傳動(dòng)機(jī)構(gòu)的沖擊、零部件的摩擦和碰撞等引起的20 kHz以內(nèi)的聲波非常明顯，且此頻段聲波測(cè)量具有優(yōu)良的非接觸特性。聲波信號(hào)中蘊(yùn)含著豐富的設(shè)備狀態(tài)信息，分析聲波信號(hào)的變化能夠發(fā)現(xiàn)傳動(dòng)機(jī)構(gòu)卡澀、潤(rùn)滑不足等機(jī)械故障。目前，高壓斷路器的可聽頻段聲波診斷尚處于探索階段，且聲波信號(hào)受外界干擾較大，可用于故障分析的數(shù)據(jù)樣本很少[5]，尚沒有成熟、通用的處理方法。對(duì)聲波信號(hào)的時(shí)頻特性進(jìn)行深入分析，探索合理的信號(hào)特征提取方法是全面評(píng)估斷路器狀態(tài)的關(guān)鍵問題之一。

EMD是處理非線性、非平穩(wěn)時(shí)間序列的方法。斷路器聲波信號(hào)的EMD分解結(jié)果–固有模態(tài)函數(shù) (intrinsic mode function，IMF)反映信號(hào)中內(nèi)嵌的簡(jiǎn)單振蕩模式，這種分解是自適應(yīng)的，因而更能反映故障的本質(zhì)信息。文獻(xiàn)[6]利用振動(dòng)信號(hào)診斷斷路器機(jī)械故障，直接采用EMD分解求取IMF分量能量熵作為特征向量，對(duì)信號(hào)的頻變不敏感，影響到緩沖器有多余無效撞擊等故障的識(shí)別。同時(shí)反映信號(hào)的時(shí)變和頻變需要合理地對(duì)信號(hào)進(jìn)行分段，本文提出了等時(shí)間分段的特征提取方法。SVM通過結(jié)構(gòu)風(fēng)險(xiǎn)最小原理來提高泛化能力，很好地解決了傳統(tǒng)智能診斷方法中非線性、局部極小值、小樣本等難題，能最大限度地挖掘數(shù)據(jù)中隱含的分類知識(shí)[7]。將 SVM應(yīng)用到斷路器的故障診斷中，解決了斷路器聲波信號(hào)樣本少的困擾。

1 斷路器分閘聲波信號(hào)

高壓斷路器操動(dòng)過程中，產(chǎn)生包含斷路器運(yùn)行狀態(tài)信息的聲波信號(hào)，聲波信號(hào)的變化反映了斷路器機(jī)械狀態(tài)的變化。斷路器在分閘過程中，多個(gè)部件按照特定的邏輯順序啟動(dòng)、運(yùn)動(dòng)和制動(dòng)，伴隨產(chǎn)生一系列聲波，聲波經(jīng)過衰減、反射和疊加，最終進(jìn)入聲波采集系統(tǒng)。以ZN28A型真空斷路器 (配彈簧操動(dòng)機(jī)構(gòu))分閘為例，采集正常和故障下的分閘聲波信號(hào)，如圖1所示。

圖1 分閘聲波信號(hào)Fig.1 Acoustic signal of break-brake

T0時(shí)刻，斷路器接到分閘指令，分閘線圈通電產(chǎn)生電磁力推動(dòng)鐵芯頂桿;T1為分閘脫扣電磁鐵鐵芯與連桿機(jī)構(gòu)撞擊時(shí)刻，對(duì)應(yīng)一個(gè)較微弱的聲波信號(hào);T2為連桿機(jī)構(gòu)解裂時(shí)刻，分閘儲(chǔ)能機(jī)構(gòu)釋放能量，分閘彈簧開始驅(qū)動(dòng)傳動(dòng)機(jī)構(gòu)及觸頭系統(tǒng)運(yùn)動(dòng);T3為主觸頭分離時(shí)刻，觸頭運(yùn)動(dòng)到頭，制動(dòng)緩沖在分閘位置，此時(shí)也產(chǎn)生較強(qiáng)烈的聲波信號(hào);T4時(shí)刻分閘完成。整個(gè)過程可分成3個(gè)階段:T1～T2階段為分閘前期，T2～T3階段為分閘中期，T3～T4階段為分閘后期。

不同狀態(tài)下，分閘過程中聲波信號(hào)的時(shí)間、頻率和能量發(fā)生變化，單憑人耳無法區(qū)分聲波信號(hào)的變化，很難發(fā)現(xiàn)斷路器操動(dòng)中的各類故障。只有對(duì)聲波信號(hào)的變化進(jìn)行定量分析，才能判斷斷路器運(yùn)行狀態(tài)，發(fā)現(xiàn)其存在的隱患或故障，進(jìn)一步確定故障類型。

根據(jù)高壓斷路器分閘過程的物理特點(diǎn)，對(duì)分閘聲波信號(hào)進(jìn)行分段:將正常狀態(tài)下分閘聲波信號(hào)的T1，T2，T3，T4作為時(shí)間基準(zhǔn)，將不同測(cè)試狀態(tài) (如圖1中的拐臂潤(rùn)滑不足狀態(tài))的分閘聲波信號(hào)也按此時(shí)間基準(zhǔn)分為分閘前期、分閘中期、分閘后期三個(gè)階段。

2 EMD分解和IMF包絡(luò)

2.1 EMD分解

高壓斷路器分閘聲波信號(hào)是一種非平穩(wěn)信號(hào)，經(jīng)過EMD分解后，可以得到包含不同特征時(shí)間尺度的多個(gè)IMF分量。

EMD分解過程如下:

(1)確定斷路器分閘聲波信號(hào)x(t)所有的局部極大值點(diǎn)和局部極小值點(diǎn)。

(2)利用三次樣條差值函數(shù)分別將所有的局部極值點(diǎn)連接起來形成上、下包絡(luò)線。

(3)上、下包絡(luò)線的平均值記為m(t)，求出c(t)=x(t)－m(t)，判斷c(t)是否滿足IMF成立的兩個(gè)條件，即:極值點(diǎn)個(gè)數(shù)和過零點(diǎn)個(gè)數(shù)相等或相差最多不超過一個(gè);在任意時(shí)刻，由局部極大值點(diǎn)形成的上包絡(luò)線和由局部極小值點(diǎn)形成的下包絡(luò)線平均值為零。如果滿足，那么c(t)就是x(t)的第一個(gè)IMF分量，把c(t)從x(t)中分離出來，得到殘余函數(shù)r(t)=x(t)－c(t);否則把c(t)作為原始數(shù)據(jù)，重復(fù)步驟1～3。

(4)重復(fù)步驟1～3，直到 r(t)成為一個(gè)單調(diào)函數(shù)不能再從中提取滿足IMF條件的分量時(shí)，循環(huán)結(jié)束。

由此，原信號(hào)x(t)可以表示為1個(gè)殘余函數(shù)和n個(gè)IMF分量之和:

正常狀態(tài)分閘前期、分閘中期、分閘后期聲波信號(hào)經(jīng)過EMD分解后如圖2所示，共得到5個(gè)IMF分量，從上到下依次為 IMF1～I(xiàn)MF5。針對(duì)某一時(shí)間點(diǎn)來說，IMF分量依次包含從高頻到低頻的頻率成分，可以反映信號(hào)的瞬時(shí)頻率分布情況。

圖2 正常狀態(tài)IMF分量Fig.2 IMF component of normal state

2.2 計(jì)算IMF包絡(luò)

信號(hào)的突變信息通常體現(xiàn)在信號(hào)的包絡(luò)中，Hilbert變換是機(jī)械故障診斷中常用的提取信號(hào)包絡(luò)的方法[8]。首先對(duì)分閘聲波信號(hào)IMF分量進(jìn)行零均值化處理，然后進(jìn)行Hilbert變換，得到解析信號(hào):

式中:i為復(fù)數(shù)虛部標(biāo)示;y(t)為c(t)的 Hilbert變換，則c(t)的包絡(luò)信號(hào)為

正常狀態(tài)各階段聲波信號(hào)的IMF包絡(luò)如圖3所示，從上到下依次為IMF1～I(xiàn)MF5包絡(luò)。信號(hào)包絡(luò)含有高壓斷路器的運(yùn)行狀態(tài)信息，其能量分布可以反映斷路器聲波信號(hào)的時(shí)間、頻率和能量變化。

圖3 正常狀態(tài)IMF包絡(luò)Fig.3 IMF envelope of normal state

3 等時(shí)間分段能量熵

3.1 等時(shí)間分段

高壓斷路器出現(xiàn)機(jī)械故障時(shí)，不同頻帶內(nèi)聲波信號(hào)的能量會(huì)發(fā)生變化[9，10]，聲波信號(hào)某一點(diǎn)或連續(xù)幾點(diǎn)發(fā)生變化時(shí)，必然引起IMF包絡(luò)能量的重新分布。IMF包絡(luò)的等時(shí)間分段能量熵可以量化反映信號(hào)的變化，利用分閘各階段聲波信號(hào)的等時(shí)間分段判斷潤(rùn)滑不足、操作延遲等機(jī)械故障。

對(duì)分閘聲波信號(hào)進(jìn)行等時(shí)間分段:將正常狀態(tài)分閘前期、分閘中期和分閘后期三個(gè)階段分別做等時(shí)間分段，提取分段時(shí)間點(diǎn)作為時(shí)間基準(zhǔn)，測(cè)試狀態(tài)各階段信號(hào)分別按此時(shí)間基準(zhǔn)分段。

正常狀態(tài)分閘聲波信號(hào)時(shí)頻分析如圖4所示(頻率已做歸一化處理)，可以發(fā)現(xiàn)分閘中期頻帶最寬，0～3 000 Hz，能量較大，分閘前期和分閘后期頻帶范圍較窄，能量較小。為了更加敏感地反映各階段不同頻帶聲波信號(hào)的能量分布變化，分閘前期和分閘后期可以較少分段，分閘中期較多分段。經(jīng)過多次試驗(yàn)比較，分閘前期等時(shí)間分5段，分閘中期等時(shí)間分12段，分閘后期等時(shí)間分8段。

分閘前期等時(shí)間分段如圖5所示，斷路器狀態(tài)發(fā)生改變，分閘聲波信號(hào)隨之產(chǎn)生變化。將正常狀態(tài)下分閘前期聲波信號(hào)等時(shí)間分成5段，提取分段時(shí)間點(diǎn) t0，t1，t2，t3，t4，t5作為時(shí)間基準(zhǔn)，將不同測(cè)試狀態(tài) (如圖5拐臂潤(rùn)滑不足狀態(tài))分閘前期也按此時(shí)間基準(zhǔn)分為5段。分閘中期、分閘后期等時(shí)間分段方法與分閘前期相同，僅分段數(shù)目不同。

圖4 分閘聲波時(shí)頻分析Fig.4 Time-frequency analysis of break-brake acoustic signal

圖5 分閘前期等時(shí)間分段Fig.5 Equal time section of break-brake early

3.2 計(jì)算等時(shí)間分段能量熵

為了獲得斷路器聲波信號(hào)隨時(shí)間和頻率變化的規(guī)律，將信息熵引入IMF包絡(luò)能量分布分析當(dāng)中[11]。信息熵是在一定狀態(tài)下定位系統(tǒng)的一種信息測(cè)度，可以估計(jì)信號(hào)的復(fù)雜性，如式 (4)所示

式中:p(x)為聯(lián)合概率密度函數(shù)。仿照信息熵計(jì)算公式，基于IMF包絡(luò)的能量熵計(jì)算公式如式(5)。

式中:Ei為IMF包絡(luò)的能量。分段能量熵是對(duì)信號(hào)能量分布均勻程度的一種度量，可以反映斷路器聲波信號(hào)的時(shí)變和頻變，頻變和時(shí)變又恰恰表征了斷路器的運(yùn)行狀態(tài)。

以分閘前期為例，計(jì)算等時(shí)間分段能量熵如下。

(1)分閘前期經(jīng)過等時(shí)間分5段后做EMD分解，提取信號(hào)包絡(luò)，利用式 (6)計(jì)算各分段能量，圖6為拐臂潤(rùn)滑不足分閘前期各分段能量。

式中:f(x)為IMF包絡(luò);i=1，2…5為 IMF分量數(shù);j=1，2…5 為分段數(shù);tj，tj－1分別為其中一段的時(shí)間分界點(diǎn)。

圖6 拐臂潤(rùn)滑不足分閘前期等時(shí)間分段Fig.6 Equal time section of turn arm insufficient lubrication break-brake early

(2)各分段IMF包絡(luò)的能量歸一化如式(7):

(3)根據(jù)能量熵理論，等時(shí)間分段能量熵為

(4)形成等時(shí)間分段能量熵:

分閘中期、分閘后期的等時(shí)間分段能量熵計(jì)算方法與分閘前期相同，僅分段數(shù)目不同。

4 SVM原理

SVM的基本思想是建立一個(gè)超平面作為決策面，該決策面不但能將所有訓(xùn)練樣本正確分類，而且使訓(xùn)練樣本中離分類面最近的點(diǎn)到分類面的距離最大。在線性不可分情況下，引入松弛變量εi和懲罰因子c進(jìn)行推廣，則超平面約束條件為

最優(yōu)分類面為

通過引入內(nèi)積核函數(shù)K(xi·xj)可以將非線性問題轉(zhuǎn)化為高維空間中的線性問題，相應(yīng)的判別函數(shù)為

SVM在小樣本故障診斷中的分類性能優(yōu)于神經(jīng)網(wǎng)絡(luò)分類器，將 G作為 SVM的輸入，利用“一對(duì)其余”策略進(jìn)行斷路器機(jī)械故障診斷。采用3個(gè)支持向量機(jī)對(duì)正常狀態(tài)、拐臂潤(rùn)滑不足、緩沖器有多余無效撞擊和其余故障進(jìn)行三級(jí)分類訓(xùn)練和識(shí)別，如圖7所示。首先采用一個(gè)支持向量機(jī) (SVM1)進(jìn)行第一級(jí)分類訓(xùn)練，將斷路器正常狀態(tài)和非正常狀態(tài) (拐臂潤(rùn)滑不足、緩沖器有多余無效撞擊、其余故障)分開，正常時(shí)SVM1輸出1，故障時(shí)SVM1輸出 －1;再采用第二個(gè)支持向量機(jī) (SVM2)進(jìn)行第二級(jí)分類訓(xùn)練，對(duì)拐臂潤(rùn)滑不足、緩沖器有多余無效撞擊和其余故障進(jìn)行分類，若為拐臂潤(rùn)滑不足故障，SVM2輸出1，否則輸出－1;再采用第三個(gè)支持向量機(jī)(SVM3)進(jìn)行第三級(jí)分類，若為緩沖器有多余無效撞擊故障，SVM3輸出1，否則輸出－1。

圖7 三級(jí)分類原理Fig.7 Principle of level 3 classification

5 實(shí)驗(yàn)分析

在實(shí)驗(yàn)室中采集ZN28A型真空斷路器正常、拐臂潤(rùn)滑不足、緩沖器有多余無效撞擊三種狀態(tài)下各40組分閘聲波信號(hào)，其中20組用于SVM的訓(xùn)練，20組用于測(cè)試。各狀態(tài)下斷路器分閘聲波信號(hào)按照第1～3節(jié)所述的等時(shí)間分段能量熵計(jì)算方法，得到每個(gè)樣本的25維能量熵G。

利用SVM進(jìn)行狀態(tài)分類的核心思想，是通過核函數(shù)將低維空間中的非線性問題變?yōu)楦呔S空間中的線性問題。本實(shí)驗(yàn)采用徑向基核函數(shù) (radial basis function，RBF)，懲罰因子 c和核函數(shù)參數(shù)g是SVM的2個(gè)重要參數(shù)，對(duì)于SVM診斷的準(zhǔn)確率和泛化能力影響很大。常用的參數(shù)尋優(yōu)方法有遺傳算法、網(wǎng)格法和粒子群法，本實(shí)驗(yàn)選用遺傳算法確定最優(yōu)的參數(shù)c，g。

將待識(shí)別的60個(gè)聲波信號(hào)作為測(cè)試樣本，對(duì)應(yīng)編號(hào)如表1所示，其中包括20個(gè)正常，20個(gè)拐臂潤(rùn)滑不足故障，20個(gè)緩沖器有多余無效撞擊故障樣本。利用訓(xùn)練好的3個(gè)支持向量機(jī)進(jìn)行分類，從表2的測(cè)試結(jié)果來看，可以完全區(qū)分正常狀態(tài)和非正常狀態(tài);第27組數(shù)據(jù) (拐臂潤(rùn)滑不足故障)被判斷為其余故障;第46組數(shù)據(jù)(緩沖器有多余無效撞擊故障)錯(cuò)判為拐臂潤(rùn)滑不足故障。

表1 待測(cè)狀態(tài)類型編號(hào)Tab．1 For the state type numbers

表2 SVM分類結(jié)果Tab．2 Classification results of SVM

6 結(jié)論

斷路器操動(dòng)中聲波信號(hào)的變化能體現(xiàn)斷路器運(yùn)行狀態(tài)?；贓MD的等時(shí)間分段方法，可以反應(yīng)聲波信號(hào)的時(shí)間、頻率和能量變化。SVM很好的解決了斷路器狀態(tài)識(shí)別中的小樣本、高維數(shù)和非線性等實(shí)際問題。實(shí)驗(yàn)結(jié)果表明，EMD和SVM相結(jié)合的診斷方法，對(duì)于斷路器的正常狀態(tài)和典型故障具有良好的診斷效果。工程實(shí)際中，斷路器故障診斷十分復(fù)雜，聲波分析法還需要更多的現(xiàn)場(chǎng)數(shù)據(jù)，充實(shí)知識(shí)庫中的評(píng)價(jià)標(biāo)準(zhǔn)，提高診斷的實(shí)用性。

[1]張國(guó)鋼，王宏偉，湯翔，等．基于 EMD方法的高壓斷路器液壓機(jī)構(gòu)振動(dòng)信號(hào)分析[J]．高壓電器，2008，44(3):193－197．

[2]胡濤，劉海峰，杜大全．550kV罐式斷路器局部放電在線檢測(cè)[J]．高壓電器，2008，44(4):378－390．

[3]王培義，朱伯濤．開關(guān)柜局部放電超聲波在線檢測(cè)技術(shù)的應(yīng)用[J]．河北電力技術(shù)，2010，29(6):26－27．

[4]潘亮亮，趙書濤，李寶樹．基于聲波信號(hào)分析的電氣設(shè)備故障診斷新方法[J]．電力自動(dòng)化設(shè)備，2009，29(8):87－90．

[5]黃建，胡曉光，鞏玉楠．基于經(jīng)驗(yàn)?zāi)B(tài)分解的高壓斷路器機(jī)械故障診斷方法[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2011，31(12):108 － 113．

[6]孫來軍．振動(dòng)信號(hào)小波包特征熵的時(shí)變與頻變特性分析[J]．高電壓技術(shù)，2007，33(8):146－149．

[7]孔英會(huì)，蔡維，何偉．基于特征組合的SVM電能質(zhì)量擾動(dòng)信號(hào)分類[J]．華北電力大學(xué)學(xué)報(bào)，2010，37(4):72－77．

[8]孫金寶，朱永利，劉麗輕，等．基于EMD的絕緣子泄漏電流去除噪聲研究[J]．華北電力大學(xué)學(xué)報(bào)，2010，37(6):1 －5．

[9]陳偉根，范海爐，王友元，等．基于小波能量與神經(jīng)網(wǎng)絡(luò)的斷路器振動(dòng)信號(hào)識(shí)別方法[J]．電力自動(dòng)化設(shè)備，2008，28(2):29－32．

[10]趙海龍，王 芳，胡曉光．小波包－能量譜在高壓斷路器機(jī)械故障診斷中的應(yīng)用[J]．電網(wǎng)技術(shù)，2004，28(6):46－48．

[11]陳偉根，鄧幫飛，楊 彬．基于振動(dòng)信號(hào)經(jīng)驗(yàn)?zāi)B(tài)分解及能量熵的高壓斷路器故障識(shí)別[J]．高壓電器，2009，45(2):90－94．