考慮小波包-灰度共生矩陣的高壓斷路器彈簧疲勞故障程度診斷研究

張艷飛，邵陽(yáng)，公維煒，張昭維，武建文

（1.內(nèi)蒙古電力科學(xué)研究院，呼和浩特 010020；2.北京航空航天大學(xué) 自動(dòng)化科學(xué)與電氣工程學(xué)院，北京 100191）

高壓斷路器在電網(wǎng)中起到控制、保護(hù)作用，是電力系統(tǒng)中負(fù)責(zé)關(guān)合和開斷負(fù)荷電流、故障電流的最關(guān)鍵、也是唯一的開斷元件[1]。彈簧操作機(jī)構(gòu)是高壓斷路器中分合閘動(dòng)作的動(dòng)力來(lái)源，且在斷路器機(jī)械系統(tǒng)中占有絕對(duì)大的比重，是影響斷路器整體可靠性的關(guān)鍵。彈簧操作機(jī)構(gòu)頻繁操作將導(dǎo)致分合閘彈簧產(chǎn)生不同程度的金屬疲勞甚至發(fā)生斷裂的可能，若不能及時(shí)發(fā)現(xiàn)故障并判斷當(dāng)前故障程度，可能引起重大安全事故[2]，因此，深入探究分合閘彈簧故障發(fā)生及故障程度很有實(shí)際應(yīng)用價(jià)值。

當(dāng)前國(guó)內(nèi)外對(duì)于高壓斷路器的機(jī)械故障主要從故障廣度考慮，專注于從宏觀區(qū)分多種故障類型，集中在基座螺絲松動(dòng)故障[3]、緩沖器彈簧無(wú)效故障[4]、電壓過(guò)低、鐵芯卡澀、操動(dòng)機(jī)構(gòu)卡澀[5]、分合閘彈簧應(yīng)力松弛[6]等不同故障類型的區(qū)分；但是均未從故障深度考慮，對(duì)某種單一故障的故障程度做出深度研究。另一方面，如何從細(xì)微處判斷分合閘彈簧的故障程度，對(duì)于當(dāng)前的研究來(lái)說(shuō)是一個(gè)難點(diǎn)問(wèn)題，具有研究的必要性。因此本文研究重點(diǎn)集中在如何對(duì)分合閘彈簧的故障程度做出準(zhǔn)確診斷，不對(duì)多種不同機(jī)械故障進(jìn)行區(qū)分研究。

斷路器是依靠機(jī)械操動(dòng)機(jī)構(gòu)來(lái)實(shí)現(xiàn)主觸頭的分合閘操作的，所以只有通過(guò)傳感器，監(jiān)測(cè)其機(jī)械系統(tǒng)的操動(dòng)過(guò)程中的相關(guān)物理量才能如實(shí)地了解其機(jī)械結(jié)構(gòu)是否存在故障。當(dāng)前對(duì)高壓斷路器機(jī)械故障的監(jiān)測(cè)手段研究主要集中在：動(dòng)觸頭位移-時(shí)間信號(hào)、分合閘線圈電流信號(hào)、斷路器整體機(jī)械振動(dòng)信號(hào)、斷路器機(jī)械聲音信號(hào)等。但位移-時(shí)間信號(hào)、分合閘線圈電流信號(hào)的特征較為單一，不利于一些復(fù)雜的故障診斷；而振動(dòng)信號(hào)監(jiān)測(cè)是一種非侵入式測(cè)量方法，不受電磁場(chǎng)影響，具有良好的信噪比，同時(shí)振動(dòng)測(cè)點(diǎn)的安裝位置選擇確定困難；機(jī)械聲音信號(hào)監(jiān)測(cè)可在一定程度上彌補(bǔ)振動(dòng)信號(hào)監(jiān)測(cè)的缺陷，但存在難以消除噪聲影響的缺點(diǎn)。

對(duì)原始采集信號(hào)進(jìn)行特征提取是高壓斷路器故障診斷的必要手段。目前的特征提取手段主要有：統(tǒng)計(jì)法、時(shí)域法、頻域法、時(shí)頻法等，其中時(shí)頻法可同時(shí)描述不同時(shí)間和頻率的能量密度或強(qiáng)度，行程對(duì)各個(gè)時(shí)刻的瞬時(shí)頻率的刻畫，在眾多特征提取手段中脫穎而出。小波包變換（Wavelet packet transform,WPT）是基于小波分析的基礎(chǔ)上的更加精細(xì)的時(shí)頻分析方法，從時(shí)間和頻率兩個(gè)角度對(duì)高壓斷路器的故障信號(hào)進(jìn)行描繪時(shí)，具有更高的頻率分辨率[7-8]。但是，在故障診斷時(shí)，僅了解信號(hào)的特點(diǎn)是不夠的，如何利用定義的特征標(biāo)識(shí)出不同類別故障的分布區(qū)域以及分界更為重要。因此，我們需要對(duì)小波包時(shí)頻變換的結(jié)果進(jìn)行二次特征提取。

針對(duì)以上存在的問(wèn)題，本文以六氟化硫高壓斷路器的彈簧操動(dòng)機(jī)構(gòu)為研究對(duì)象，重點(diǎn)對(duì)分合閘彈簧的故障機(jī)理進(jìn)行分析，分別采集了：正常工況、3 種不同程度的分閘彈簧故障、3 種不同程度的合閘彈簧故障的聲音和振動(dòng)信號(hào)；對(duì)多種工況的聲音-振動(dòng)信號(hào)進(jìn)行聯(lián)合分析，提出一種小波包-灰度共生矩陣特征的特征方法，然后綜合考慮診斷準(zhǔn)確度和速度，對(duì)支持向量機(jī)、決策樹、樸素貝葉斯、K 近鄰4 種診斷算法進(jìn)行比較；最后模擬實(shí)際應(yīng)用場(chǎng)景，選用K 近鄰模型對(duì)未知信號(hào)進(jìn)行故障類型及程度診斷，給出訓(xùn)練及診斷流程，為高壓斷路器彈簧機(jī)械故障深度診斷提供應(yīng)用思路。

1 高壓斷路器彈簧故障機(jī)理

1.1 高壓斷路器分合閘動(dòng)作機(jī)理

本文對(duì)252 kV 的六氟化硫高壓斷路器的彈簧操動(dòng)機(jī)構(gòu)進(jìn)行研究，操動(dòng)機(jī)構(gòu)的結(jié)構(gòu)示意圖如圖1。

圖1 操動(dòng)機(jī)構(gòu)結(jié)構(gòu)示意圖Fig.1 Schematic diagram of the operating mechanism structure

彈簧操動(dòng)機(jī)構(gòu)由儲(chǔ)能單元、傳動(dòng)單元和控制單元組成，機(jī)構(gòu)零件眾多，結(jié)構(gòu)復(fù)雜，易發(fā)生機(jī)械故障。操動(dòng)機(jī)構(gòu)實(shí)物圖如圖2 所示。

圖2 操動(dòng)機(jī)構(gòu)實(shí)物圖Fig.2 The operating mechanism

高壓斷路器在分合閘操作過(guò)程中主要分為3 個(gè)階段：合閘彈簧儲(chǔ)能階段、合閘操作階段、分閘操作階段。其中，合閘彈簧儲(chǔ)能階段由磁力開關(guān)帶電后接通電機(jī)回路，使儲(chǔ)能電機(jī)帶動(dòng)棘爪軸順時(shí)針旋轉(zhuǎn)，偏心棘爪軸上的兩個(gè)棘爪交替推動(dòng)棘輪逆時(shí)針旋轉(zhuǎn)，從而拉動(dòng)合閘彈簧壓縮儲(chǔ)能，合閘彈簧儲(chǔ)能到位后由合閘彈簧儲(chǔ)能保持掣子將其鎖定，同時(shí)限位開關(guān)切斷電機(jī)回路，合閘彈簧儲(chǔ)能過(guò)程結(jié)束。

在合閘操作階段，機(jī)構(gòu)處于分閘狀態(tài)，合閘彈簧已儲(chǔ)能完畢。當(dāng)操動(dòng)機(jī)構(gòu)接收到合閘信號(hào)，合閘線圈受電，合閘電磁鐵動(dòng)鐵心吸合帶動(dòng)合閘導(dǎo)桿撞擊合閘掣子使其轉(zhuǎn)動(dòng)，從而釋放儲(chǔ)能保持掣子。合閘彈簧帶動(dòng)棘輪順時(shí)針快速轉(zhuǎn)動(dòng)，使凸輪撞擊大拐臂上的滾子，使輸出拐臂向上運(yùn)動(dòng)，通過(guò)拉桿帶動(dòng)本體快速合閘。同時(shí)分閘彈簧向上壓縮儲(chǔ)能。合閘完成后，合閘彈簧能量釋放，電機(jī)再次對(duì)合閘彈簧儲(chǔ)能，合閘操作結(jié)束。

在分閘操作階段，首先合閘彈簧與分閘彈簧均已壓縮儲(chǔ)能。當(dāng)機(jī)構(gòu)接到分閘信號(hào)后，分閘線圈受電，分閘電磁鐵動(dòng)鐵心吸合帶動(dòng)分閘導(dǎo)桿撞擊分閘掣子使其轉(zhuǎn)動(dòng)，從而釋放合閘保持掣子。分閘彈簧拉動(dòng)拐臂旋轉(zhuǎn)帶動(dòng)斷路器本體完成快速分閘操作；同時(shí)大拐臂向下運(yùn)動(dòng)，將合閘保持掣子壓下，使機(jī)構(gòu)處于分閘位置，分閘操作結(jié)束。

1.2 分合閘彈簧疲勞故障設(shè)置

由于在合閘過(guò)程中，合閘彈簧儲(chǔ)存的能量一部分為分閘彈簧壓縮儲(chǔ)能，另一部分為主導(dǎo)桿提供向上的沖量及油緩沖器等機(jī)械損耗，因此合閘彈簧為大簧套小簧的雙彈簧形式，而分閘彈簧僅為單彈簧。分合閘彈簧的實(shí)物圖如圖3 所示。

圖3 分合閘彈簧實(shí)物圖Fig.3 The opening and closing springs

分合閘彈簧作為機(jī)構(gòu)的儲(chǔ)能元件，為機(jī)構(gòu)的分合閘動(dòng)作儲(chǔ)存能量。在運(yùn)行狀態(tài)時(shí)，合閘彈簧始終處于儲(chǔ)能狀態(tài)，隨著斷路器在實(shí)際工作中分合閘操作頻繁，分合閘彈簧承受往復(fù)的沖擊載荷，使得其機(jī)械性能逐漸下降，直至最后失效，彈簧會(huì)產(chǎn)生金屬疲勞甚至發(fā)生斷裂，導(dǎo)致電力系統(tǒng)發(fā)生故障時(shí)，不能及時(shí)切斷故障電流，造成重大的安全事故。

從彈簧故障的模擬真實(shí)性與嚴(yán)謹(jǐn)性角度考慮，應(yīng)采用已達(dá)到固定機(jī)械使用次數(shù)，達(dá)到了不同程度機(jī)械疲勞現(xiàn)象的分合閘彈簧，來(lái)替換本文252 kV 六氟化硫高壓斷路器的原有彈簧。但是在故障模擬時(shí)，很難找到符合條件的已達(dá)到不同程度疲勞狀態(tài)的分合閘彈簧。

分合閘彈簧的結(jié)構(gòu)圖如圖4 所示，其中合閘彈簧為大簧套小簧的雙彈簧形式，大合閘彈簧總長(zhǎng)615 mm，小合閘彈簧總長(zhǎng)592 mm；分閘彈簧為單彈簧形式，總長(zhǎng)535 mm。

圖4 分合閘彈簧結(jié)構(gòu)圖Fig.4 Structure of the opening and closing spring

由分合閘彈簧結(jié)構(gòu)可知，分合閘彈簧的預(yù)壓縮量與彈簧力成正比，預(yù)壓縮量減少，相當(dāng)于彈簧力變?nèi)?，即疲勞程度加大，且通過(guò)調(diào)節(jié)預(yù)壓縮量的方式對(duì)于故障程度易于量化。因此，本文通過(guò)調(diào)節(jié)分合閘彈簧的預(yù)壓縮量，來(lái)模擬彈簧疲勞故障程度。分別設(shè)置合閘彈簧預(yù)壓縮量減少：10 mm、20 mm、30 mm來(lái)模擬不同程度的合閘彈簧疲勞故障；設(shè)置分閘彈簧預(yù)壓縮量減少5 mm、10 mm、15 mm 來(lái)模擬分合閘彈簧疲勞故障。故障模擬前后的彈簧預(yù)壓縮量及故障程度如表1 所示，模擬過(guò)程如圖5 所示。

表1 彈簧疲勞故障模擬Tab.1 Simulation of spring fatigue failure

圖5 分合閘彈簧疲勞故障模擬Fig.5 Simulation of opening and closing springfatigue failure

2 聲-振信號(hào)特征提取

本文采用壓電式振動(dòng)傳感器及自由場(chǎng)聲音傳感器對(duì)正常工況、合閘彈簧疲勞故障、分閘彈簧疲勞故障的分合閘信號(hào)進(jìn)行采集，傳感器具體型號(hào)和參數(shù)如表2、表3 所示。

表2 振動(dòng)傳感器技術(shù)參數(shù)Tab.2 Technical parameters of vibration sensors

表3 聲音傳感器技術(shù)參數(shù)Tab.3 Technical parameters of sound sensor

每一次分、合閘操作采集3 路振動(dòng)、3 路聲音共6 路信號(hào)。如表1 所示，正常工況、合閘彈簧疲勞10 mm 故障、合閘彈簧疲勞20 mm 故障、合閘彈簧疲勞30 mm 故障、分閘彈簧疲勞5 mm 故障、分閘彈簧疲勞10 mm 故障、分閘彈簧疲勞15 mm 故障各采集60 組分閘樣本、60 組合閘樣本，總共420 個(gè)合閘樣本，420 個(gè)分閘樣本。采樣頻率為200 kHz，采樣時(shí)長(zhǎng)為0.19 s。

原始振動(dòng)和聲音信號(hào)是高壓斷路器機(jī)械動(dòng)作信息的載體，保存了系統(tǒng)的豐富信息，但同時(shí)也存在部分無(wú)效、冗余的成分，對(duì)故障診斷起到干擾作用，因此對(duì)原始聲-振信號(hào)進(jìn)行特征提取，數(shù)據(jù)挖掘出信號(hào)間的關(guān)聯(lián)性及差異性，最大程度的總結(jié)歸納出對(duì)故障診斷有益的關(guān)鍵特征，是故障診斷前的必要處理手段。

小波包分析是由小波變換發(fā)展而來(lái)的更精細(xì)的時(shí)頻分析法。小波包變換對(duì)于非平穩(wěn)信號(hào)可以利用不同尺度分析，針對(duì)突變信號(hào)分析效果很好，不用為局部信息而犧牲全局。本文采用db3 小波，對(duì)原始信號(hào)進(jìn)行3 層分解，并對(duì)分解后的各層信號(hào)進(jìn)行時(shí)域信號(hào)，獲得原始信號(hào)的時(shí)頻分布圖。以分閘彈簧疲勞5 mm 故障的合閘振動(dòng)信號(hào)為例，得到其小波包變換時(shí)頻圖如圖6 所示。

圖6 分閘彈簧疲勞5 mm 故障合閘振動(dòng)時(shí)頻圖Fig.6 Time frequency of closing vibration for 5 mm fatigue failure of opening spring

由圖6 可知，雖然小波包時(shí)頻圖可以反映信號(hào)在不同時(shí)間和頻率的能量強(qiáng)度，從多個(gè)角度顯示信號(hào)的細(xì)節(jié)變化，進(jìn)而有效描述信號(hào)細(xì)微的故障特征。但是其特征維數(shù)過(guò)高、信息冗余過(guò)多，根據(jù)小波包變換生成的灰度時(shí)頻圖來(lái)判斷識(shí)別故障種類時(shí)，需依賴經(jīng)驗(yàn)豐富的專業(yè)人員，判斷結(jié)果包含人的主觀因素，且故障復(fù)雜程度的提高使得認(rèn)為判斷已經(jīng)很難滿足識(shí)別的準(zhǔn)確性和效率要求[9]。因此需要對(duì)小波包時(shí)頻圖進(jìn)行二次特征提取，在此基礎(chǔ)上通過(guò)灰度共生矩陣算法構(gòu)造更能表征各工況代表信息的特征集。

灰度共生矩陣是一種反映圖像在方向、間隔和變化幅度快慢綜合信息的圖像分析方法，具有較強(qiáng)的圖像表征能力[10]?；叶裙采仃囀顷P(guān)于各像素灰度級(jí)點(diǎn)對(duì)出現(xiàn)次數(shù)的矩陣，當(dāng)像素移動(dòng)的方向與距離發(fā)生變化時(shí)，矩陣也會(huì)隨之改變?；叶裙采仃囃ㄟ^(guò)計(jì)算圖像在行列方向上灰度等級(jí)變化，得到一個(gè)反映圖像紋理深淺、紋理復(fù)雜度分布等圖像特征的矩陣。

灰度共生矩陣定義為：先確定距離d和方向 θ，在方向?yàn)?θ的直線上，一個(gè)像素的灰度等級(jí)為i，另一個(gè)的灰度等級(jí)為j的點(diǎn)，兩者相距d，記錄二者點(diǎn)對(duì)的出現(xiàn)次數(shù)，并除以所有點(diǎn)對(duì)出現(xiàn)次數(shù)得到該點(diǎn)對(duì)出現(xiàn)的概率。在本文中，d=1， θ分別取0、45°、90°、135°?；叶裙采仃囋硎疽鈭D如圖7 所示。

圖7 灰度共生矩陣原理示意圖Fig.7 Schematic diagram of the principle of gray level co-occurrence matrix

直接運(yùn)用灰度共生矩陣作為區(qū)分各工況的特征會(huì)導(dǎo)致計(jì)算量過(guò)大，因此需要基于灰度共生矩陣建立一些統(tǒng)計(jì)量作為分類特征，Haralick etal（1979）曾提出了14 種關(guān)于灰度共生矩陣的統(tǒng)計(jì)量[11]。本文選用：對(duì)比度、相關(guān)性、能量、同質(zhì)性作為各樣本的紋理特征。

對(duì)比度越高，紋理越深，表現(xiàn)出來(lái)的圖像效果越佳；反之則效果一般且溝紋較淺。計(jì)算公式為

相關(guān)性越高，圖像灰度分布在行或列上越相似。計(jì)算公式為

其中：

能量越大，直觀的表現(xiàn)即是圖像紋理越粗。能量其值的大小可以直觀看出圖像的紋理規(guī)則變化是否均勻。計(jì)算公式為

同質(zhì)性反應(yīng)圖像紋理的局部變化情況，計(jì)算公式為

最終采用灰度共生矩陣二次統(tǒng)計(jì)特征分別有：對(duì)比度、相關(guān)性、能量、同質(zhì)性，方向取0、45°、90°、135°這4 個(gè)角度，得到每個(gè)樣本的16 維灰度共生矩陣特征量。

3 彈簧疲勞故障程度診斷

對(duì)正常工況、合閘彈簧疲勞故障、分閘彈簧疲勞故障3 種不同工況的振動(dòng)、聲音樣本進(jìn)行灰度共生矩陣特征提取后，需要對(duì)診斷模型進(jìn)行訓(xùn)練與診斷。通過(guò)對(duì)比，從支持向量機(jī)（SVM）、決策樹（DT）、K 近鄰（KNN）以及樸素貝葉斯（Na?ve Bayes）4 種診斷模型中選出綜合最佳模型。然后運(yùn)用此最佳模型對(duì)未知工況進(jìn)行故障類別及程度診斷，模擬實(shí)際應(yīng)用的診斷場(chǎng)景。

3.1 診斷模型比較

將采集到的多種工況樣本按照5∶1 的比例進(jìn)行訓(xùn)練集和測(cè)試集的劃分，根據(jù)訓(xùn)練樣本和對(duì)應(yīng)的工況類別，訓(xùn)練出一個(gè)優(yōu)質(zhì)劃分模型，即模型訓(xùn)練過(guò)程，再以測(cè)試樣本作為輸入，計(jì)算該診斷模型的診斷準(zhǔn)確度，即為模型測(cè)試過(guò)程。

常用模型方法有支持向量機(jī)[12-14]、決策樹[15]、K 近鄰法[16]、樸素貝葉斯模型[17-18]等，這些診斷算法已在多個(gè)領(lǐng)域的故障診斷中獲得了廣泛應(yīng)用。支持向量機(jī)模型有堅(jiān)實(shí)的理論基礎(chǔ)，最終決策函數(shù)只由少數(shù)的支持向量所確定,而不是樣本空間的維數(shù),這在某種意義上避免了“維數(shù)災(zāi)難”，但其對(duì)于大規(guī)模訓(xùn)練樣本難以實(shí)施，難以解決多分類問(wèn)題；決策樹模型便于理解，計(jì)算量較小，可清晰地顯示各特征的重要性，但是當(dāng)類別太多時(shí)，錯(cuò)誤率會(huì)大幅度增加；K 近鄰模型模式簡(jiǎn)單、高效，體現(xiàn)了“物以類聚”思想，但其診斷準(zhǔn)確度過(guò)度依賴于K 值得選擇；樸素貝葉斯模型所需估計(jì)的參數(shù)較少，算法較簡(jiǎn)單，但服從概率分布的規(guī)律對(duì)分類結(jié)果的影響較大且需要知道先驗(yàn)概率。

在實(shí)際診斷應(yīng)用中，診斷速度是斷路器在發(fā)生故障時(shí)及時(shí)切斷電流，避免發(fā)生安全事故的重要指標(biāo)，而準(zhǔn)確判斷故障類型是消除安全隱患，及時(shí)恢復(fù)線路正常運(yùn)行的前提。因此，對(duì)比這4 種診斷模型的診斷準(zhǔn)確度和診斷速度，選擇綜合最佳的模型作為最終的診斷實(shí)例應(yīng)用模型。其中診斷準(zhǔn)確度由診斷正確的樣本數(shù)占測(cè)設(shè)樣本總數(shù)的比例確定，診斷速度由訓(xùn)練時(shí)長(zhǎng)與診斷時(shí)長(zhǎng)二者之和確定。診斷模型選擇過(guò)程如圖8 所示。

圖8 診斷模型選擇過(guò)程流程圖Fig.8 Flow chart of diagnostic model selection process

上述過(guò)程重復(fù)200 次，取診斷準(zhǔn)確度的平均值，4 種診斷模型的綜合時(shí)長(zhǎng)及診斷準(zhǔn)確度結(jié)果如表4所示。其中綜合時(shí)長(zhǎng)為訓(xùn)練時(shí)長(zhǎng)和診斷時(shí)長(zhǎng)之和。

表4 4 種診斷模型用時(shí)及診斷準(zhǔn)確度對(duì)比Tab.4 Comparison of time consumption and diagnostic accuracy among four diagnostic models

由圖9 所示的對(duì)比結(jié)果可知，從綜合時(shí)長(zhǎng)的角度考慮，K 近鄰的綜合用時(shí)最短，即診斷速度最快；從診斷準(zhǔn)確度的角度考慮，K 近鄰法準(zhǔn)確度最高。因此，相較于支持向量機(jī)、決策樹和樸素貝葉斯模型，K 近鄰模型在診斷準(zhǔn)確度和速度上更為占優(yōu)。因此，最終選用K 近鄰模型對(duì)未知工況進(jìn)行故障類別及程度診斷，模擬實(shí)際應(yīng)用的診斷場(chǎng)景。

圖9 4 種診斷模型結(jié)果對(duì)比Fig.9 Comparison of results of four diagnostic models

3.2 診斷實(shí)例應(yīng)用

在高壓斷路器的實(shí)際故障診斷應(yīng)用場(chǎng)景中，系統(tǒng)會(huì)根據(jù)已有數(shù)據(jù)，訓(xùn)練診斷模型，以K 近鄰模型為例。當(dāng)斷路器在未知工況下進(jìn)行分合閘時(shí)，產(chǎn)生振動(dòng)、聲音信號(hào)，通過(guò)布置的傳感器設(shè)備及采集系統(tǒng)，對(duì)振動(dòng)、聲音信號(hào)進(jìn)行采集。對(duì)采集到的信號(hào)進(jìn)行小波包-灰度共生矩陣特征提取，再用訓(xùn)練好的K 近鄰模型進(jìn)行故障類型及故障程度診斷，并給出診斷結(jié)果。

在模擬診斷場(chǎng)景時(shí)，首先從正常工況、合閘彈簧疲勞故障、分閘彈簧疲勞故障3 種不同工況，共420 個(gè)樣本中隨機(jī)抽取一個(gè)樣本，作為測(cè)試樣本，其余419 個(gè)樣本用來(lái)訓(xùn)練K 近鄰診斷模型。首先運(yùn)用訓(xùn)練好的K 近鄰模型對(duì)未知工況進(jìn)行類型診斷，并給出工況結(jié)果，如“當(dāng)前工況類型為正常工況！”或者“當(dāng)前為：分閘/合閘彈簧疲勞故障！”。

若判斷當(dāng)前工況存在分閘或合閘彈簧疲勞故障，則進(jìn)一步判斷具體的故障程度。以合閘彈簧疲勞故障為例，3 種故障程度共180 個(gè)樣本，其中179 個(gè)重新進(jìn)行訓(xùn)練，得到新的K 近鄰診斷模型，此時(shí)的樣本標(biāo)簽與判斷故障類型時(shí)不同。運(yùn)用新的K 近鄰模型對(duì)該未知樣本進(jìn)行故障程度診斷，并給出診斷結(jié)果。最后將診斷結(jié)果與后臺(tái)數(shù)據(jù)進(jìn)行對(duì)比，檢驗(yàn)診斷是否正確，若是，則輸出“故障程度判斷正確！”，否則輸出“故障程度判斷失?。　?。至此，對(duì)單一的未知工況信號(hào)進(jìn)行故障類型及故障程度的診斷過(guò)程結(jié)束，具體的診斷流程如圖10 所示。

圖10 未知工況故障類型及程度診斷流程圖Fig.10 Flowchart of unknown working condition fault type and degree diagnosis

為了確定在模擬診斷場(chǎng)景中，未知工況的故障程度的診斷精確度，重復(fù)上述診斷流程200 次，分別獲得3 種合閘彈簧疲勞故障程度和3 種分閘彈簧疲勞故障程度的準(zhǔn)確率，結(jié)果如表5 所示。

表5 分合閘彈簧疲勞故障種類及故障程度的準(zhǔn)確率Tab.5 Accuracy of types and degrees of fatigue faults in opening and closing springs

在合閘過(guò)程中，合閘彈簧釋放能量，推動(dòng)主軸向上完成合閘操作，同時(shí)給分閘彈簧壓縮儲(chǔ)能；在分閘過(guò)程中，釋放分閘彈簧能量，完成分閘操作。

由表5 可知，合閘彈簧疲勞故障的程度診斷準(zhǔn)確度比分閘彈簧疲勞程度整體要高，這是因?yàn)楹祥l彈簧作為合閘過(guò)程和分閘彈簧儲(chǔ)能的動(dòng)力來(lái)源，當(dāng)合閘彈簧發(fā)生故障時(shí)，信號(hào)的故障特征更加明顯。另外，在合閘彈簧疲勞故障程度中，3 種等級(jí)的診斷準(zhǔn)確度呈下降趨勢(shì)，這是因?yàn)殡S著故障程度越來(lái)越重，3 種程度的合閘彈簧疲勞故障可區(qū)分度逐漸降低，容易出現(xiàn)誤判。

4 結(jié)論

本文以六氟化硫高壓斷路器的彈簧操動(dòng)機(jī)構(gòu)為研究對(duì)象，對(duì)分合閘彈簧故障進(jìn)行故障類型及故障程度診斷研究，得到結(jié)論如下：

1）探究了彈簧操動(dòng)機(jī)構(gòu)在合閘彈簧儲(chǔ)能階段、合閘操作階段、分閘操作階段中的動(dòng)作機(jī)理，給出分合閘彈簧疲勞故障的模擬設(shè)置方法，采用減少預(yù)壓縮量的方式來(lái)模擬不同程度的分合閘彈簧疲勞故障。

2）介紹了彈簧故障信號(hào)的振動(dòng)、聲音信號(hào)的傳感器設(shè)備及采集參數(shù)，對(duì)不同工況的信號(hào)進(jìn)行特征提取，結(jié)合小波包時(shí)頻分析的優(yōu)缺點(diǎn)，提出了一種小波包-灰度共生矩陣特征提取方法，選用對(duì)比度、相關(guān)性、能量、同質(zhì)性4 種統(tǒng)計(jì)量作為信號(hào)的紋理特征。

3）從診斷速度及準(zhǔn)確度對(duì)比支持向量機(jī)、決策樹、K 近鄰法、樸素貝葉斯四種診斷模型的性能，并給出具體模型選擇過(guò)程及結(jié)果，實(shí)驗(yàn)表明，K 近鄰為最佳診斷模型，診斷時(shí)長(zhǎng)為10.3 毫秒，診斷準(zhǔn)確度高達(dá)98.3%。最后運(yùn)用K 近鄰模型對(duì)未知工況進(jìn)行故障類別及程度診斷，模擬實(shí)際應(yīng)用的診斷場(chǎng)景，給出詳細(xì)的診斷流程圖，并獲得3 種合閘彈簧疲勞故障程度和3 種分閘彈簧疲勞故障程度的診斷準(zhǔn)確度，對(duì)實(shí)際現(xiàn)場(chǎng)應(yīng)用具有重要實(shí)用價(jià)值。

4）本文所提的特征提取及故障診斷方法具有一定的普適性。不僅在本文的252 kV 六氟化硫高壓斷路器實(shí)例中得到了充分驗(yàn)證，且在LW30-126 kV型號(hào)斷路器得到進(jìn)一步應(yīng)用實(shí)踐，也為其他型號(hào)斷路器的聲振信號(hào)處理及診斷提供了思路。