本發(fā)明涉及開關(guān)設(shè)備機械狀態(tài)監(jiān)測技術(shù)，特別是涉及一種基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測系統(tǒng)和方法。

背景技術(shù)：

智能配電網(wǎng)是智能電網(wǎng)建設(shè)中的關(guān)鍵環(huán)節(jié)之一。配電網(wǎng)是整個電力系統(tǒng)與分散用戶直接相連的部分。為了提高配電網(wǎng)運行的可靠性和效率，提高供電質(zhì)量，降低勞動強度，智能配網(wǎng)系統(tǒng)是利用現(xiàn)代電子技術(shù)、通訊技術(shù)、計算機及網(wǎng)絡(luò)技術(shù)，將配電網(wǎng)的在線數(shù)據(jù)和離線數(shù)據(jù)、用戶數(shù)據(jù)、電網(wǎng)結(jié)構(gòu)和地理圖形進行信息集成，實現(xiàn)配電系統(tǒng)正常運行及事故情況下的監(jiān)測、保護、控制、用電和配電管理的智能化。

環(huán)網(wǎng)柜內(nèi)通常安裝有彈簧操作機構(gòu)，即以彈簧儲能為動力對斷路器進行分、合閘操作的機構(gòu)。其工作過程是一個短時間內(nèi)的能量釋放過程與傳遞過程，伴隨著一系列的機械運動與撞擊事件，以及由此產(chǎn)生的機械振動與聲音。這一過程具有瞬時、高速、大沖量的特點，對設(shè)備本身的機械沖擊比較嚴重，它是引發(fā)開關(guān)設(shè)備機械故障的外力因素。

技術(shù)實現(xiàn)要素：

基于此，有必要提供一種基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測系統(tǒng)方法。

一種基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測系統(tǒng)，包括主控模塊、振動信號采集模塊、信號處理模塊、狀態(tài)評估模塊、學習模塊及存儲模塊；

所述振動信號采集模塊用于采集機械振動和撞擊事件產(chǎn)生的振動信號，并傳輸給所述信號處理模塊；所述信號處理模塊用于對所述振動信號進行分析，并獲取表征機械狀態(tài)的聲學指紋特征參量；所述狀態(tài)評估模塊用于根據(jù)所述聲學指紋特征參量評估所述開關(guān)設(shè)備的機械狀態(tài)；所述學習模塊用于學習所述聲學指紋特征參量對應的開關(guān)設(shè)備的機械狀態(tài)，并發(fā)送給所述存儲模塊進行存儲；所述主控模塊用于根據(jù)所述開關(guān)設(shè)備的機械狀態(tài)對所述開關(guān)設(shè)備進行閉合或斷開的操作。

在其中一個實施例中，還包括供電管理模塊，所述供電管理模塊用于為所述主控模塊、所述振動信號采集模塊、所述信號處理模塊、所述狀態(tài)評估模塊、所述學習模塊及所述存儲模塊提供工作電源。

在其中一個實施例中，所述信號處理模塊還用于輸出所述振動信號的頻率分布能量圖。

在其中一個實施例中，所述信號處理模塊采用小波分析法處理所述振動信號。

在其中一個實施例中，所述學習模塊包括讀取模塊、計算模塊、判斷模塊及創(chuàng)建模塊；

所述讀取模塊用于讀取所述存儲模塊中的聲學指紋特征參量；所述計算模塊用于分析能量圖變化，并獲取當前機械狀態(tài)判據(jù)；所述判斷模塊用于判斷所述存儲模塊中預存的機械狀態(tài)判據(jù)中是否有當前機械狀態(tài)判據(jù)，若否，則所述創(chuàng)建模塊用于在所述存儲模塊中創(chuàng)建所述當前機械狀態(tài)判據(jù)。

一種基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測方法，包括以下方法：

在所述開關(guān)設(shè)備上安裝振動信號采集模塊，使所述振動信號采集模塊采集所述開關(guān)設(shè)備的振動信號；

對所述振動信號進行分析并獲取表征機械狀態(tài)的聲學指紋特征參量；

根據(jù)所述聲學指紋特征參量評估所述開關(guān)設(shè)備的機械狀態(tài)；

用于根據(jù)所述開關(guān)設(shè)備的機械狀態(tài)對所述開關(guān)設(shè)備進行閉合或斷開的操作；

所述方法還包括學習所述聲學指紋特征參量對應的開關(guān)設(shè)備的機械狀態(tài)，并進行存儲。

在其中一個實施例中，在所述對所述振動信號進行分析并獲取表征機械狀態(tài)的聲學指紋特征參量的步驟之后還包括：輸出所述振動信號的頻率分布能量圖。

在其中一個實施例中，還包括：采用小波分析法處理所述振動信號。

在其中一個實施例中，所述學習所述聲學指紋特征參量對應的開關(guān)設(shè)備的機械狀態(tài)的步驟包括：

讀取預存的聲學指紋特征參量；

根據(jù)所述聲學指紋特征參量分析能量圖變化，獲得當前機械狀態(tài)判據(jù)；

判斷預存的機械狀態(tài)判據(jù)中是否有當前機械狀態(tài)判據(jù)；

若否，則創(chuàng)建所述當前機械狀態(tài)判據(jù)，并存儲。

上述基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測系統(tǒng)方法通過采集開關(guān)設(shè)備的振動信號判定環(huán)網(wǎng)的機械狀態(tài)，并對環(huán)網(wǎng)柜機械狀態(tài)進行評估的方案，產(chǎn)生了能快速、準確的判斷出設(shè)備機械故障，避免設(shè)備操作機構(gòu)在故障狀態(tài)下繼續(xù)轉(zhuǎn)動而損壞設(shè)備的效果。又因采集處理振動信號，實現(xiàn)了數(shù)據(jù)資源的統(tǒng)一分析和管理，找到了處理振動信號提取聲學指紋特征的信號分析和處理方法，方法簡單，運行速度較快，準確性較高。同時，采用了設(shè)備機械狀態(tài)判據(jù)智能學習的方案，所以帶來了機械狀態(tài)判據(jù)隨著運行時間而豐富的效果和作用。

附圖說明

圖1為基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測系統(tǒng)的模塊圖；

圖2為基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測方法的流程圖；

圖3為學習學習聲學指紋特征參量對應的開關(guān)設(shè)備的機械狀態(tài)的流程圖。

具體實施方式

為了便于理解本發(fā)明，下面將參照相關(guān)附圖對本發(fā)明進行更全面的描述。附圖中給出了本發(fā)明的較佳實施例。但是，本發(fā)明可以以許多不同的形式來實現(xiàn)，并不限于本文所描述的實施例。相反地，提供這些實施例的目的是使對本發(fā)明的公開內(nèi)容的理解更加透徹全面。

除非另有定義，本文所使用的所有的技術(shù)和科學術(shù)語與屬于本發(fā)明的技術(shù)領(lǐng)域的技術(shù)人員通常理解的含義相同。本文中在本發(fā)明的說明書中所使用的術(shù)語只是為了描述具體的實施例的目的，不是旨在限制本發(fā)明。本文所使用的術(shù)語“和/或”包括一個或多個相關(guān)的所列項目的任意的和所有的組合。

如圖1所示，為基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測系統(tǒng)的模塊圖。

一種基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測系統(tǒng)，包括主控模塊101、振動信號采集模塊102、信號處理模塊103、狀態(tài)評估模塊104、學習模塊105及存儲模塊106。

所述振動信號采集模塊102用于采集機械振動和撞擊事件產(chǎn)生的振動信號，并傳輸給所述信號處理模塊103；所述信號處理模塊103用于對所述振動信號進行分析，并獲取表征機械狀態(tài)的聲學指紋特征參量；所述狀態(tài)評估模塊104用于根據(jù)所述聲學指紋特征參量評估所述開關(guān)設(shè)備的機械狀態(tài)；所述學習模塊105用于學習所述聲學指紋特征參量對應的開關(guān)設(shè)備的機械狀態(tài)，并發(fā)送給所述存儲模塊106進行存儲；所述主控模塊101用于根據(jù)所述開關(guān)設(shè)備的機械狀態(tài)對所述開關(guān)設(shè)備進行閉合或斷開的操作。

在本實施例中，主控模塊101采用ARM芯片，完成數(shù)據(jù)的采集、處理及開關(guān)設(shè)備的控制。

開關(guān)設(shè)備的斷開和閉合需要根據(jù)振動信號來決定，因此，需要采集開關(guān)設(shè)備上的振動信號，該振動信號表征開關(guān)設(shè)備是否出現(xiàn)故障。

振動信號對應了機械狀態(tài)的聲學指紋特征參量，因此，通過對振動信號分析，能夠獲取對應表征機械狀態(tài)的聲學指紋特征參量。

根據(jù)聲學指紋特征參量判斷開關(guān)設(shè)備的機械狀態(tài)，即開關(guān)設(shè)備是否出現(xiàn)故障。

根據(jù)開關(guān)設(shè)備是否出現(xiàn)故障來進行斷開或閉合的操作，具體的，當開關(guān)設(shè)備出現(xiàn)故障時，需要將開關(guān)設(shè)備斷開，當開關(guān)設(shè)備沒有故障時，將開關(guān)設(shè)備閉合。

存儲模塊106用于存儲數(shù)據(jù)及振動信號對應的聲學指紋特征參量。

基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測系統(tǒng)還包括供電管理模塊，所述供電管理模塊用于為所述主控模塊101、所述振動信號采集模塊102、所述信號處理模塊103、所述狀態(tài)評估模塊104、所述學習模塊105及所述存儲模塊106提供工作電源。

信號處理模塊103還用于輸出所述振動信號的頻率分布能量圖。

信號處理模塊103采用小波分析法處理所述振動信號。

狀態(tài)評估模塊104用于根據(jù)聲學指紋特征參量評估開關(guān)設(shè)備的機械狀態(tài)，如，是否出了機械故障，或是正常振動。

學習模塊105包括讀取模塊、計算模塊、判斷模塊及創(chuàng)建模塊。

所述讀取模塊用于讀取所述存儲模塊中的聲學指紋特征參量；所述計算模塊用于分析能量圖變化，并獲取當前機械狀態(tài)判據(jù)；所述判斷模塊用于判斷所述存儲模塊中預存的機械狀態(tài)判據(jù)中是否有當前機械狀態(tài)判據(jù)，若否，則所述創(chuàng)建模塊用于在所述存儲模塊中創(chuàng)建所述當前機械狀態(tài)判據(jù)。

對開關(guān)設(shè)備機械故障的聲學指紋特征信息量進行出路存儲，監(jiān)測裝置通過智能學習，不斷豐富機械故障判斷依據(jù)。

在本實施例中，提取判別機械故障的特征參量(振動信號和聲音信號)，可以對開關(guān)設(shè)備進行機械狀態(tài)評估。

機械故障是開關(guān)設(shè)備異常的主要原因，而振動是設(shè)備機械狀態(tài)最直接的反映，所以，通過對開關(guān)設(shè)備振動情況的實時感知、分析，得出能真實反映開關(guān)設(shè)備當前機械狀態(tài)的評估結(jié)果，對設(shè)備機械狀態(tài)發(fā)展趨勢做出符合實際的預測，就能對設(shè)備維護策略進行優(yōu)化，同時極大地提高供電可靠性和維護的經(jīng)濟性。

在本實施例中，開關(guān)設(shè)備為斷路器，即在斷路器外部安裝振動傳感器測取振動信號，并采用信號處理方法對振動信號進行分析，從而得到聲學指紋特征參量，進而對開關(guān)設(shè)備進行機械狀態(tài)評估，根據(jù)信號分析結(jié)果，快速、準確地判斷出操作機構(gòu)是否處于故障狀態(tài)。

上述系統(tǒng)采用了聲學指紋技術(shù)，通過分析環(huán)網(wǎng)柜斷路器振動信號來對環(huán)網(wǎng)柜機械狀態(tài)進行評估，即通過測取斷路器機械振動和撞擊事件產(chǎn)生的信號，得到表征機械狀態(tài)的聲學指紋特征量，對其采用小波分析法進行分析，根據(jù)分析得到的能量圖可知，能量圖可以反映出振動信號的頻率分布的真實情況，所以可以使用不同頻率范圍的能量作為分析振動信號的頻域特征量，判斷開關(guān)設(shè)備是否處于機械故障狀態(tài)，從而解決了環(huán)網(wǎng)柜機械故障評估問題，達到了防止機構(gòu)誤操作、提高運行可靠性的效果。

如圖2所示，為基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測方法的流程圖。

一種基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測方法，包括以下方法：

步驟S210，在所述開關(guān)設(shè)備上安裝振動信號采集模塊，使所述振動信號采集模塊采集所述開關(guān)設(shè)備的振動信號。

開關(guān)設(shè)備的斷開和閉合需要根據(jù)振動信號來決定，因此，需要采集開關(guān)設(shè)備上的振動信號，該振動信號表征開關(guān)設(shè)備是否出現(xiàn)故障。

步驟S220，對所述振動信號進行分析并獲取表征機械狀態(tài)的聲學指紋特征參量。

振動信號對應了機械狀態(tài)的聲學指紋特征參量，因此，通過對振動信號分析，能夠獲取對應表征機械狀態(tài)的聲學指紋特征參量。

步驟S230，根據(jù)所述聲學指紋特征參量評估所述開關(guān)設(shè)備的機械狀態(tài)。

根據(jù)聲學指紋特征參量判斷開關(guān)設(shè)備的機械狀態(tài)，即開關(guān)設(shè)備是否出現(xiàn)故障。

步驟S240，用于根據(jù)所述開關(guān)設(shè)備的機械狀態(tài)對所述開關(guān)設(shè)備進行閉合或斷開的操作。

根據(jù)開關(guān)設(shè)備是否出現(xiàn)故障來進行斷開或閉合的操作，具體的，當開關(guān)設(shè)備出現(xiàn)故障時，需要將開關(guān)設(shè)備斷開，當開關(guān)設(shè)備沒有故障時，將開關(guān)設(shè)備閉合。

具體的，上述方法的具體工作流程如下：安裝在斷路器上的振動傳感器采集開關(guān)設(shè)備的振動信號；經(jīng)過信號分析與處理，從而得到反映機械狀態(tài)的聲學指紋特征參量，放入數(shù)據(jù)緩存中；將獲得的聲學指紋數(shù)據(jù)與機械狀態(tài)判據(jù)進行對比分析；判斷機構(gòu)的機械狀態(tài)，如果沒有機械故障，則繼續(xù)采集振動信號，如果判定出機械故障，則將故障信號上傳控制中心，等待控制中心下達遙控指令；處理完成后，將數(shù)據(jù)緩存中記錄下來的機械故障數(shù)據(jù)進行存儲處理；重新開始采集振動信號，判斷下一次設(shè)備的機械狀態(tài)。

在所述對所述振動信號進行分析并獲取表征機械狀態(tài)的聲學指紋特征參量的步驟之后還包括：輸出所述振動信號的頻率分布能量圖。

基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測方法還包括：采用小波分析法處理所述振動信號。

所述方法還包括學習所述聲學指紋特征參量對應的開關(guān)設(shè)備的機械狀態(tài)，并進行存儲。

如圖3所示，為學習聲學指紋特征參量對應的開關(guān)設(shè)備的機械狀態(tài)的流程圖。

學習所述聲學指紋特征參量對應的開關(guān)設(shè)備的機械狀態(tài)的步驟包括：

步驟S310，讀取預存的聲學指紋特征參量。

步驟S320，根據(jù)所述聲學指紋特征參量分析能量圖變化，獲得當前機械狀態(tài)判據(jù)。

步驟S330，判斷預存的機械狀態(tài)判據(jù)中是否有當前機械狀態(tài)判據(jù)。若是，則重新執(zhí)行步驟S310。

步驟S340，若否，則創(chuàng)建所述當前機械狀態(tài)判據(jù)，并存儲。

上述基于聲學指紋的開關(guān)設(shè)備機械狀態(tài)監(jiān)測系統(tǒng)方法通過采集開關(guān)設(shè)備的振動信號判定環(huán)網(wǎng)的機械狀態(tài)，并對環(huán)網(wǎng)柜機械狀態(tài)進行評估的方案，產(chǎn)生了能快速、準確的判斷出設(shè)備機械故障，避免設(shè)備操作機構(gòu)在故障狀態(tài)下繼續(xù)轉(zhuǎn)動而損壞設(shè)備的效果。又因采集處理振動信號，實現(xiàn)了數(shù)據(jù)資源的統(tǒng)一分析和管理，找到了處理振動信號提取聲學指紋特征的信號分析和處理方法，方法簡單，運行速度較快，準確性較高。同時，采用了設(shè)備機械狀態(tài)判據(jù)智能學習的方案，所以帶來了機械狀態(tài)判據(jù)隨著運行時間而豐富的效果和作用。

以上所述實施例的各技術(shù)特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術(shù)特征所有可能的組合都進行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應當認為是本說明書記載的范圍。

以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發(fā)明專利范圍的限制。應當指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應以所附權(quán)利要求為準。