采用HS变换和单类支持向量机的高压断路器机械状态监测方法

摘要

本发明是一种采用HS变换和单类支持向量机的高压断路器机械状态监测方法，其特点是，包括高压断路器振动信号采集、将振动信号利用HS变换进行处理、振动信号特征提取和单类支持向量机判断断路器机械状态是否正常等步骤。与以往的高压断路器机械状态监测方法相比，本方法中使用的HS变换方法具有较高的抗噪性和鲁棒性，而且相对容易在实际工程环境下实现。采用单类支持向量机方法判断高压断路器机械状态是否正常，不依赖各种故障样本信号，只用一类正常振动信号样本即可完成分类器的训练，具有科学合理，实用性强，推广应用价值较高等优点。

主权项

一种采用HS变换和单类支持向量机的高压断路器机械状态监测方法，其特征是，它包括以下步骤：1)高压断路器振动信号采集通过压电式加速度传感器和数据采集系统采集高压断路器振动信号；2)将振动信号利用Hyperbolic S变换进行处理，亦称HS变换进行处理Hyperbolic S变换是S变换的扩展，其关键在于采用Hyperbolic窗函数代替传统S变换使用的高斯窗函数，具体计算方法如下：离散HS变换公式为：$S[n,j]=\underset{m=0}{\overset{N-1}{\Sigma }}H[m+n]G(m,n)\exp \left(i2\pi mj\right)---\left(1\right)$其中N为总采样点数；n＝0,1,...,N‑1；m＝0,1,...,N‑1；j＝0,1,...,N‑1；G(m,n)为变换过程中所使用的Hyperbolic窗函数，可记做其中，$X=\frac{({\alpha }_{hy}+{\beta }_{hy})}{2{\alpha }_{hy}{\beta }_{hy}}t+\frac{({\alpha }_{hy}-{\beta }_{hy})}{2{\alpha }_{hy}{\beta }_{hy}}\sqrt{t^2+{\lambda }_{hy}^2};$3)振动信号特征提取通过统计实验分析发现，频率高于10kHz的振动信号成分振幅很小，因此，主要分析0‑10kHz频段，将0‑10kHz、0‑150ms的时‑频平面划分为300个频宽为1kHz、时宽为5ms的等大小时频块，通过分析振动信号在该部分的分布情况，分析断路器工作状态；通过时‑频能量熵描述断路器机械振动信号能量时‑频分布特征；设整个时‑频平面的总能量为E，时‑频块S_ij的能量为E_ij(i＝1,…,10；j＝1,…,30)，首先对E_ij做归一化处理如下：${\hat{E}}_{ij}=\frac{E_{ij}}{E}---\left(2\right)$那么对于10个频带中的每个频带，计算该频带中时‑频块能量相对于时间的信息熵公式为：$H_i=-\underset{j=1}{\overset{30}{\Sigma }}{\hat{E}}_{ij}·\lg {\hat{E}}_{ij},i=1,...,10---\left(3\right)$其中H_i反映第i个频带上的能量随时间分布的均匀程度，此外，由实验发现振动信号能量集中在收到触发信号后的前50ms内；因此，为了提高延时类故障的识别能力，计算前10个时宽对应的时‑频块相对于频率的信息熵，其公式为：$L_j=-\underset{i=1}{\overset{10}{\Sigma }}{\hat{E}}_{ij}·\lg {\hat{E}}_{ij},j=1,...,10---\left(4\right)$由以上20个时‑频能量熵构成信号的时‑频能量熵向量X＝[H L]，其中H＝[H₁,…,H₁₀]，L＝[L₁,…,L₁₀]，向量X作为高压断路器机械状态监测的特征向量；4)单类支持向量机判断断路器运行状态每个训练样本通过3)中所介绍的特征提取方法可得到20维输入特征向量样本集，将该训练样本集作为单类支持向量机的输入变量，计算得到特定的决策超平面，完成单类支持向量机的训练过程；当需要判断断路器运行状态时，将采集到的需诊断的样本按3)中介绍的特征提取方法得到输入向量，计算该样本与决策超平面的关系，判断高压断路器机械状态是否正常。