本發(fā)明涉及電氣設(shè)備故障診斷領(lǐng)域，具體涉及一種有載分接開(kāi)關(guān)診斷方法及裝置。

背景技術(shù)：

隨著電力變壓器在電網(wǎng)或輸變站中廣泛應(yīng)用，故電力變壓器中的有載分接開(kāi)關(guān)的故障隨之增加。因?yàn)橛休d分接開(kāi)關(guān)是一種為電力變壓器在負(fù)載變化時(shí)提供恒定電壓的開(kāi)關(guān)設(shè)備，隨著調(diào)壓次數(shù)的增多，有載分接開(kāi)關(guān)(onloadtapchanger，oltc)的機(jī)械故障或電氣故障隨之增加。據(jù)有關(guān)統(tǒng)計(jì)，有載分接開(kāi)關(guān)的機(jī)械故障占總故障的70％以上。

目前，由于機(jī)械故障是電力變壓器有載分接開(kāi)關(guān)的主要故障類型，主要包括：傳動(dòng)軸斷裂、主彈簧疲勞、操作機(jī)構(gòu)失靈造成的拒動(dòng)和滑檔現(xiàn)象，限位開(kāi)關(guān)拒切、動(dòng)作滯后等。因此，研究oltc的智能狀態(tài)監(jiān)測(cè)技術(shù)，實(shí)現(xiàn)設(shè)備維修的合理化、規(guī)范化、科學(xué)化，適應(yīng)國(guó)民經(jīng)濟(jì)發(fā)展對(duì)電力高質(zhì)量、高可靠性要求的新趨勢(shì)，具有重要意義，而目前現(xiàn)有技術(shù)中的有載分接開(kāi)關(guān)故障診斷方法一般將有載分接開(kāi)關(guān)的切換芯子從變壓器中取出進(jìn)行檢修維護(hù)，檢查切換機(jī)構(gòu)和組部件的機(jī)械狀態(tài)是否良好，而有載分接開(kāi)關(guān)的停電檢修往往周期較長(zhǎng)，難以及時(shí)發(fā)現(xiàn)早期的機(jī)械故障，所以該目前的有載分接開(kāi)關(guān)具有故障診斷時(shí)間較長(zhǎng)、可靠性差的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

因此，本發(fā)明實(shí)施例要解決的技術(shù)問(wèn)題在于現(xiàn)有技術(shù)中的有載分接開(kāi)關(guān)診斷方法的診斷時(shí)間較長(zhǎng)、可靠性差。

為此，本發(fā)明實(shí)施例提供了如下技術(shù)方案：

本發(fā)明實(shí)施例提供一種有載分接開(kāi)關(guān)診斷模型的構(gòu)建方法，包括：獲取所述開(kāi)關(guān)在預(yù)設(shè)故障狀態(tài)時(shí)的第一振動(dòng)信號(hào)與所述開(kāi)關(guān)在正常工作狀態(tài)時(shí)的第二振動(dòng)信號(hào)；分別從所述第一振動(dòng)信號(hào)和所述第二振動(dòng)信號(hào)中提取獨(dú)立成分向量；分別對(duì)從所述第一振動(dòng)信號(hào)和所述第二振動(dòng)信號(hào)中提取到的獨(dú)立成分向量進(jìn)行計(jì)算，得到所述獨(dú)立成分向量的統(tǒng)計(jì)量和平方預(yù)測(cè)誤差；判斷所述統(tǒng)計(jì)量和所述平方預(yù)測(cè)誤差是否大于與其對(duì)應(yīng)的預(yù)設(shè)置信限；當(dāng)所述統(tǒng)計(jì)量和所述平方預(yù)測(cè)誤差大于與其對(duì)應(yīng)的預(yù)設(shè)置信限，分別將所述第一振動(dòng)信號(hào)和所述第二振動(dòng)信號(hào)對(duì)應(yīng)的獨(dú)立成分向量在高維空間的多切面上進(jìn)行投影，在投影面上得到所述第一振動(dòng)信號(hào)對(duì)應(yīng)的第一獨(dú)立成分向量參數(shù)和所述第二振動(dòng)信號(hào)對(duì)應(yīng)的第二獨(dú)立成分向量參數(shù)；利用所述第一獨(dú)立成分向量參數(shù)和所述第二獨(dú)立成分向量參數(shù)以及相應(yīng)的開(kāi)關(guān)工作狀態(tài)信息對(duì)向量機(jī)分類模型進(jìn)行訓(xùn)練，以使能夠根據(jù)所述第一獨(dú)立成分向量參數(shù)和所述第二獨(dú)立成分向量參數(shù)結(jié)合專家分析識(shí)別所述開(kāi)關(guān)的工作狀態(tài)，持續(xù)所述訓(xùn)練操作直至所述專家分析的識(shí)別時(shí)間達(dá)到預(yù)定時(shí)間。

本發(fā)明實(shí)施例提供一種有載分接開(kāi)關(guān)診斷方法，包括：獲取所述開(kāi)關(guān)的振動(dòng)信號(hào)；從所述振動(dòng)信號(hào)中提取獨(dú)立成分向量；計(jì)算所述獨(dú)立成分向量的統(tǒng)計(jì)量和平方預(yù)測(cè)誤差；判斷所述統(tǒng)計(jì)量和所述平方預(yù)測(cè)誤差是否大于與其對(duì)應(yīng)的預(yù)設(shè)置信限；當(dāng)所述統(tǒng)計(jì)量和所述平方預(yù)測(cè)誤差大于與其對(duì)應(yīng)的預(yù)設(shè)置信限，將所述獨(dú)立成分向量在高維空間的多切面上進(jìn)行投影，在所述投影面上得到所述振動(dòng)信號(hào)的獨(dú)立成分向量參數(shù)；根據(jù)所述獨(dú)立成分向量參數(shù)確定所述開(kāi)關(guān)是否存在故障。

可選地，所述根據(jù)所述獨(dú)立成分向量參數(shù)確定所述開(kāi)關(guān)是否存在故障，包括：利用向量機(jī)分類模型根據(jù)所述獨(dú)立成分向量參數(shù)確定所述開(kāi)關(guān)的工作狀態(tài)，所述工作狀態(tài)包括正常工作狀態(tài)和故障狀態(tài)，其中所述向量機(jī)分類模型是利用所述開(kāi)關(guān)在已知工作狀態(tài)時(shí)的振動(dòng)信號(hào)進(jìn)行訓(xùn)練得到的。

可選地，所述從所述振動(dòng)信號(hào)中提取獨(dú)立成分向量的步驟中，采用獨(dú)立成分分析算法對(duì)所述振動(dòng)信號(hào)進(jìn)行標(biāo)準(zhǔn)化、白化處理，以得到所述振動(dòng)信號(hào)的獨(dú)立成分向量。

可選地，所述預(yù)設(shè)置信限通過(guò)核密度估計(jì)計(jì)算得到。

本發(fā)明實(shí)施例提供一種有載分接開(kāi)關(guān)診斷模型的構(gòu)建裝置，包括：獲取模塊，用于獲取所述開(kāi)關(guān)在預(yù)設(shè)故障狀態(tài)時(shí)的第一振動(dòng)信號(hào)與所述開(kāi)關(guān)在正常工作狀態(tài)時(shí)的第二振動(dòng)信號(hào)；提取模塊，用于分別從所述第一振動(dòng)信號(hào)和所述第二振動(dòng)信號(hào)中提取獨(dú)立成分向量；計(jì)算模塊，用于分別對(duì)從所述第一振動(dòng)信號(hào)和所述第二振動(dòng)信號(hào)中提取到的獨(dú)立成分向量進(jìn)行計(jì)算，得到所述獨(dú)立成分向量的統(tǒng)計(jì)量和平方預(yù)測(cè)誤差；判斷模塊，用于判斷所述統(tǒng)計(jì)量和所述平方預(yù)測(cè)誤差是否大于與其對(duì)應(yīng)的預(yù)設(shè)置信限；投影模塊，用于當(dāng)所述統(tǒng)計(jì)量和所述平方預(yù)測(cè)誤差大于與其對(duì)應(yīng)的預(yù)設(shè)置信限，分別將所述第一振動(dòng)信號(hào)和所述第二振動(dòng)信號(hào)對(duì)應(yīng)的獨(dú)立成分向量在高維空間的多切面上進(jìn)行投影，在投影面上得到所述第一振動(dòng)信號(hào)對(duì)應(yīng)的第一獨(dú)立成分向量參數(shù)和所述第二振動(dòng)信號(hào)對(duì)應(yīng)的第二獨(dú)立成分向量參數(shù)；訓(xùn)練模塊，用于利用所述第一獨(dú)立成分向量參數(shù)和所述第二獨(dú)立成分向量參數(shù)以及相應(yīng)的開(kāi)關(guān)工作狀態(tài)信息對(duì)向量機(jī)分類模型進(jìn)行訓(xùn)練，以使能夠根據(jù)所述第一獨(dú)立成分向量參數(shù)和所述第二獨(dú)立成分向量參數(shù)結(jié)合專家分析識(shí)別所述開(kāi)關(guān)的工作狀態(tài)，持續(xù)所述訓(xùn)練操作直至所述專家分析的識(shí)別時(shí)間達(dá)到預(yù)定時(shí)間。

本發(fā)明實(shí)施例提供一種有載分接開(kāi)關(guān)診斷裝置，包括：獲取模塊，用于獲取所述開(kāi)關(guān)的振動(dòng)信號(hào)；提取模塊，用于從所述振動(dòng)信號(hào)中提取獨(dú)立成分向量；計(jì)算模塊，用于計(jì)算所述獨(dú)立成分向量的統(tǒng)計(jì)量和平方預(yù)測(cè)誤差；判斷模塊，用于判斷所述統(tǒng)計(jì)量和所述平方預(yù)測(cè)誤差是否大于與其對(duì)應(yīng)的預(yù)設(shè)置信限；投影模塊，用于當(dāng)所述統(tǒng)計(jì)量和所述平方預(yù)測(cè)誤差大于與其對(duì)應(yīng)的預(yù)設(shè)置信限，將所述獨(dú)立成分向量在高維空間的多切面上進(jìn)行投影，在所述投影面上得到所述振動(dòng)信號(hào)的獨(dú)立成分向量參數(shù)；診斷模塊，用于根據(jù)所述獨(dú)立成分向量參數(shù)確定所述開(kāi)關(guān)是否存在故障。

可選地，所述診斷模塊包括：確定子模塊，用于利用向量機(jī)分類模型根據(jù)所述獨(dú)立成分向量參數(shù)確定所述開(kāi)關(guān)的工作狀態(tài)，所述工作狀態(tài)包括正常工作狀態(tài)和故障狀態(tài)，其中所述向量機(jī)分類模型是利用所述開(kāi)關(guān)在已知工作狀態(tài)時(shí)的振動(dòng)信號(hào)進(jìn)行訓(xùn)練得到的。

可選地，所述提取模塊采用獨(dú)立成分分析算法對(duì)所述振動(dòng)信號(hào)進(jìn)行標(biāo)準(zhǔn)化、白化處理，以得到所述振動(dòng)信號(hào)的獨(dú)立成分向量。

可選地，所述預(yù)設(shè)置信限通過(guò)核密度估計(jì)計(jì)算得到。

本發(fā)明實(shí)施例技術(shù)方案，具有如下優(yōu)點(diǎn)：

本發(fā)明公開(kāi)一種有載分接開(kāi)關(guān)的診斷方法及裝置，其中有載分接開(kāi)關(guān)的方法包括：獲取開(kāi)關(guān)的振動(dòng)信號(hào)；從振動(dòng)信號(hào)中提取獨(dú)立成分向量；計(jì)算獨(dú)立成分向量的統(tǒng)計(jì)量和平方預(yù)測(cè)誤差；判斷統(tǒng)計(jì)量和平方預(yù)測(cè)誤差是否大于與其對(duì)應(yīng)的預(yù)設(shè)置信限；當(dāng)統(tǒng)計(jì)量和平方預(yù)測(cè)誤差大于與其對(duì)應(yīng)的預(yù)設(shè)置信限，將獨(dú)立成分向量在高維空間的多切面上進(jìn)行投影，在投影面上得到振動(dòng)信號(hào)的獨(dú)立成分向量參數(shù)；根據(jù)獨(dú)立成分向量參數(shù)確定開(kāi)關(guān)是否存在故障。本發(fā)明通過(guò)從振動(dòng)信號(hào)中提取獨(dú)立成分向量，結(jié)合獨(dú)立成分分析算法和支持向量機(jī)分類算法與正常工作狀態(tài)的數(shù)據(jù)參數(shù)進(jìn)行比較，快速識(shí)別出故障，縮短在線診斷故障的時(shí)間，提高診斷故障的效率。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明具體實(shí)施方式或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)具體實(shí)施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖是本發(fā)明的一些實(shí)施方式，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例1中有載分接開(kāi)關(guān)診斷模型的構(gòu)建方法的流程圖；

圖2為本發(fā)明實(shí)施例1中有載分接開(kāi)關(guān)診斷模型的構(gòu)建方法中獨(dú)立成分分析的結(jié)構(gòu)框圖；

圖3為本發(fā)明實(shí)施例1中有載分接開(kāi)關(guān)診斷模型的構(gòu)建方法中二叉樹(shù)支持向量機(jī)的故障分類圖；

圖4為本發(fā)明實(shí)施例1中有載分接開(kāi)關(guān)診斷模型的構(gòu)建方法中獨(dú)立成分分析集成支持向量機(jī)的離線監(jiān)測(cè)流程圖；

圖5為本發(fā)明實(shí)施例1中有載分接開(kāi)關(guān)診斷模型的構(gòu)建方法中獨(dú)立成分分析集成支持向量機(jī)的在線監(jiān)測(cè)流程圖；

圖6為本發(fā)明實(shí)施例2中有載分接開(kāi)關(guān)診斷方法的流程圖；

圖7為本發(fā)明實(shí)施例3中有載分接開(kāi)關(guān)診斷模型的構(gòu)建裝置的結(jié)構(gòu)框圖；

圖8為本發(fā)明實(shí)施例4中有載分接開(kāi)關(guān)診斷裝置的結(jié)構(gòu)框圖。

具體實(shí)施方式

下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施例的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

在本發(fā)明實(shí)施例的描述中，需要說(shuō)明的是，術(shù)語(yǔ)“中心”、“上”、“下”、“左”、“右”、“豎直”、“水平”、“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明實(shí)施例和簡(jiǎn)化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對(duì)本發(fā)明的限制。此外，術(shù)語(yǔ)“第一”、“第二”、“第三”僅用于描述目的，而不能理解為指示或暗示相對(duì)重要性。

在本發(fā)明實(shí)施例的描述中，需要說(shuō)明的是，除非另有明確的規(guī)定和限定，術(shù)語(yǔ)“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機(jī)械連接，也可以是電連接；可以是直接相連，也可以通過(guò)中間媒介間接相連，還可以是兩個(gè)元件內(nèi)部的連通，可以是無(wú)線連接，也可以是有線連接。對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語(yǔ)在本發(fā)明中的具體含義。

此外，下面所描述的本發(fā)明不同實(shí)施方式中所涉及的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互結(jié)合。

實(shí)施例1

本實(shí)施例提供一種有載分接開(kāi)關(guān)診斷模型的構(gòu)建方法，如圖1所示，該構(gòu)建方法包括如下步驟：

s1、獲取開(kāi)關(guān)在預(yù)設(shè)故障狀態(tài)時(shí)的第一振動(dòng)信號(hào)與開(kāi)關(guān)在正常工作狀態(tài)時(shí)的第二振動(dòng)信號(hào)。此處的預(yù)設(shè)故障狀態(tài)包括有載分接開(kāi)關(guān)的電氣故障和機(jī)械故障，機(jī)械故障主要包括：傳動(dòng)軸斷裂、選擇開(kāi)關(guān)觸頭間接觸不良、操作機(jī)構(gòu)失靈造成的拒動(dòng)和滑檔現(xiàn)象、限位開(kāi)關(guān)失靈、切換開(kāi)關(guān)拒切、中止或動(dòng)作滯后、內(nèi)部緊固件松動(dòng)和脫落、以及內(nèi)部滲漏等，本發(fā)明實(shí)施例可以選用預(yù)設(shè)故障狀態(tài)中的一種或多種故障對(duì)應(yīng)上述第一振動(dòng)信號(hào)。通過(guò)有載分接開(kāi)關(guān)(oltc)的傳感器采集到的正常工作狀態(tài)和故障狀態(tài)的振動(dòng)信號(hào)，為了進(jìn)行獨(dú)立成分分析(independentcomponentcorrelationalgorithm簡(jiǎn)稱ica)。

s2、分別從第一振動(dòng)信號(hào)和第二振動(dòng)信號(hào)中提取獨(dú)立成分向量。因?yàn)楠?dú)立成分分析(ica)的基本思想是假設(shè)過(guò)程測(cè)量信號(hào)是由一些互相獨(dú)立的信號(hào)源、過(guò)程噪聲及干擾混合疊加而成的，按照信息論準(zhǔn)則從過(guò)程測(cè)量信息中分離出盡可能獨(dú)立的特征信號(hào)的過(guò)程，即為提取獨(dú)立成分向量。如圖2所示，為獨(dú)立成分分析(ica)的結(jié)構(gòu)框圖，x是多個(gè)信源s經(jīng)混合矩陣a組合而成(x＝as)。

設(shè)從oltc傳感器采集的混合振動(dòng)信號(hào)矩陣x＝[x(1)x(2)…x(l)]∈r^l*n，分別為m(m＜l)個(gè)獨(dú)立源信號(hào)s＝[s(1)s(2)…s(m)]∈r^m*n線性組合，即：x＝a·s+e，a為混疊系數(shù)矩陣，e為殘差矩陣，ica算法是在獨(dú)立源s和混疊矩陣a都為之情況下，找到分離矩陣w從觀測(cè)信號(hào)x中分離源信號(hào)s，為oltc機(jī)械故障信號(hào)的估計(jì)值，上式中w未知，可通過(guò)計(jì)算變量微分熵的大小確定獨(dú)立成分的數(shù)量。

s3、分別對(duì)從第一振動(dòng)信號(hào)和第二振動(dòng)信號(hào)中提取到的獨(dú)立成分向量進(jìn)行計(jì)算，得到獨(dú)立成分向量的統(tǒng)計(jì)量和平方預(yù)測(cè)誤差。例如：依據(jù)負(fù)熵的最小化原則選擇獨(dú)立成分維數(shù)d，選取前d個(gè)獨(dú)立成分作為特征向量構(gòu)成正常工況的ica模型：sd＝wd·x，se＝we·x，wd表示w矩陣前d行向量；we表示w矩陣剩余部分。分別設(shè)定統(tǒng)計(jì)量i²，平方預(yù)測(cè)誤差spe，對(duì)過(guò)程進(jìn)行監(jiān)測(cè)。k時(shí)刻i²統(tǒng)計(jì)量可表示為：k時(shí)刻spe統(tǒng)計(jì)為：

s4、判斷統(tǒng)計(jì)量和平方預(yù)測(cè)誤差是否大于與其對(duì)應(yīng)的預(yù)設(shè)置信限。例如：預(yù)設(shè)置信限為振動(dòng)信號(hào)在正常工作狀態(tài)時(shí)采集的數(shù)據(jù)，為了判斷故障數(shù)據(jù)是否在穩(wěn)定范圍內(nèi)可識(shí)別故障。通過(guò)核密度估計(jì)的方法確定統(tǒng)計(jì)量i²和平方預(yù)測(cè)誤差spe對(duì)應(yīng)的預(yù)設(shè)置信限。例如：采用核密度估計(jì)計(jì)算統(tǒng)計(jì)量的預(yù)設(shè)置信限表示為：x為控制界限值，xi為從樣本數(shù)據(jù)集觀測(cè)值,h為平滑參數(shù),k為核函數(shù),n為樣本數(shù)。

s5、當(dāng)統(tǒng)計(jì)量和平方預(yù)測(cè)誤差大于與其對(duì)應(yīng)的預(yù)設(shè)置信限，分別將第一振動(dòng)信號(hào)和第二振動(dòng)信號(hào)對(duì)應(yīng)的獨(dú)立成分向量在高維空間的多切面上進(jìn)行投影，在投影面上得到第一振動(dòng)信號(hào)對(duì)應(yīng)的第一獨(dú)立成分向量參數(shù)和第二振動(dòng)信號(hào)對(duì)應(yīng)的第二獨(dú)立成分向量參數(shù)。

因?yàn)閺?fù)雜工業(yè)故障由于受到設(shè)備的限制，在故障傳播中國(guó)主要表現(xiàn)在與故障源緊密的少數(shù)幾個(gè)獨(dú)立成分向量上，對(duì)于其他獨(dú)立成分向量的影響比較微弱，具有“局部性”。對(duì)于不同類型的故障，其對(duì)不同獨(dú)立成分向量的影響程度不同，甚至有些比較小的故障，只影響少數(shù)1-2個(gè)獨(dú)立成分向量，將不同種類的故障分布在高維空間的不同投影切面上，再通過(guò)建立支持向量機(jī)(supportvectormachine簡(jiǎn)稱svm)分類模型，從局部反應(yīng)故障更加明顯，用多個(gè)局部特征共同識(shí)別多種故障。

通過(guò)獲取第一振動(dòng)信號(hào)和第二振動(dòng)信號(hào)的獨(dú)立成分向量在高維空間的多切面投影，在投影面上得到第一振動(dòng)信號(hào)和第二振動(dòng)信號(hào)對(duì)應(yīng)的第一獨(dú)立成分向量參數(shù)和第二獨(dú)立成分向量參數(shù)，最終目的為了識(shí)別出故障參數(shù)，與正常工作狀態(tài)時(shí)的參數(shù)進(jìn)行對(duì)比，判斷故障是否在穩(wěn)定范圍內(nèi)可識(shí)別故障。

s6、利用第一獨(dú)立成分向量參數(shù)和第二獨(dú)立成分向量參數(shù)以及相應(yīng)的開(kāi)關(guān)工作狀態(tài)信息對(duì)向量機(jī)分類模型進(jìn)行訓(xùn)練，以使能夠根據(jù)第一獨(dú)立成分向量參數(shù)和第二獨(dú)立成分向量參數(shù)結(jié)合專家分析識(shí)別開(kāi)關(guān)的工作狀態(tài)，持續(xù)訓(xùn)練操作直至專家分析的識(shí)別時(shí)間達(dá)到預(yù)定時(shí)間。

根據(jù)改進(jìn)svm分類模型的建立過(guò)程，根據(jù)不同故障類型只對(duì)少數(shù)幾個(gè)獨(dú)立成分向量影響不同，由影響較大的獨(dú)立成分向量組成投影切面建立故障分類模型，采用多投影切面分類方法將高維ica特征空間中的多維分類問(wèn)題轉(zhuǎn)化為多投影切面的二維分類問(wèn)題使得svm分類精度增加,從而故障診斷的精度被明顯提高?？捎行崛」收咸卣鳎s短在線故障診斷時(shí)間。

如圖3所示，為基于二叉樹(shù)svm的故障分類方法，先把k類故障中發(fā)生頻率最高的故障作為第一類，余下的k-1類故障看做另外一大類，建立第一個(gè)二值分類svm1模型；然后在k-1類故障中，取出次可能發(fā)生的故障作為一類，余下的(k-2)類故障看做另外一大類，建立svm2模型。以此類推，直到完成所有歷史故障分類，按照故障發(fā)生頻率構(gòu)造svm多分類模型，在線故障診斷的訓(xùn)練和診斷快速性明顯提高。

本發(fā)明實(shí)施例通過(guò)基于高維特征空間的多投影切面原理改進(jìn)的ica-msvm(multi-sectionofhighdimensionalspace)故障診斷方法包括離線訓(xùn)練如圖4所示，和在線故障診斷如圖5所示，共兩部分。首先通過(guò)獨(dú)立成分算法建立oltc正常工況下機(jī)械振動(dòng)數(shù)據(jù)的獨(dú)立成份高維空間。分別將正常樣本和故障樣本進(jìn)行獨(dú)立向量提取，將獲得特征獨(dú)立向量分別在ica高維特征空間的多切面上進(jìn)行投影；然后通過(guò)對(duì)比分析各故障在不同投影切面上的故障特征投影數(shù)據(jù)分布，分別采用二叉樹(shù)svm多分類方法建立每個(gè)切面上多種故障分類模型。在線故障診斷應(yīng)用時(shí)，當(dāng)故障一旦發(fā)生，通過(guò)空間轉(zhuǎn)換矩陣可以將故障數(shù)據(jù)投影到ica高維特征空間和不同切面分布特征，可以得出投影點(diǎn)是否在分類范圍內(nèi)，根據(jù)支持向量機(jī)多分類模型輸出，采用專家決策定位和分離故障源,提高svm在高維特征空間多分類精度。

實(shí)施例2

本實(shí)施例提供一種有載分接開(kāi)關(guān)診斷方法，如圖6所示，包括：

s61、獲取開(kāi)關(guān)的振動(dòng)信號(hào)。有載分接開(kāi)關(guān)在工作的過(guò)程中，是由多種互相獨(dú)立的信號(hào)源、過(guò)程噪聲及干擾混合疊加而成的振動(dòng)信號(hào)。通過(guò)oltc傳感器采集混合振動(dòng)信號(hào)，進(jìn)行獨(dú)立成分分析(independentcomponentcorrelationalgorithm簡(jiǎn)稱ica)。

s62、從振動(dòng)信號(hào)中提取獨(dú)立成分向量。因?yàn)楠?dú)立成分分析(ica)獨(dú)立成分分析的基本思想是假設(shè)過(guò)程測(cè)量信號(hào)是由一些互相獨(dú)立的信號(hào)源、過(guò)程噪聲及干擾混合疊加而成的，按照信息論準(zhǔn)則從過(guò)程測(cè)量信息中分離出盡可能互相獨(dú)立的特征信號(hào)的過(guò)程。如圖2所示，是ica最簡(jiǎn)單的框圖說(shuō)明。x是多個(gè)信源s經(jīng)混合矩陣a組合而成(x＝as)。設(shè)從oltc傳感器采集的混合振動(dòng)信號(hào)矩陣x＝[x(1)x(2)…x(l)]∈r^l*n，分別為m(m＜l)個(gè)獨(dú)立源信號(hào)s＝[s(1)s(2)…s(m)]∈r^m*n線性組合，即：x＝a·s+e，a為混疊系數(shù)矩陣，e為殘差矩陣，ica算法是在獨(dú)立源s和混疊矩陣a都為之情況下，找到分離矩陣w從觀測(cè)信號(hào)x中分離源信號(hào)s，為oltc機(jī)械故障信號(hào)的估計(jì)值，上式中w未知，可通過(guò)計(jì)算變量微分熵的大小確定獨(dú)立成分的數(shù)量。

作為一種可選的實(shí)現(xiàn)方式，本實(shí)施例中的有載分接開(kāi)關(guān)的診斷方法，從振動(dòng)信號(hào)中提取獨(dú)立成分向量的步驟s62中，采用獨(dú)立成分分析算法對(duì)振動(dòng)信號(hào)進(jìn)行標(biāo)準(zhǔn)化、白化處理，以得到振動(dòng)信號(hào)的獨(dú)立成分向量。

快速獨(dú)立成分分析(ica)算法的基本步驟如下：

1)對(duì)觀測(cè)數(shù)據(jù)進(jìn)行中心化使其均值為0；

2)對(duì)數(shù)據(jù)進(jìn)行白化，得到z；

3)選擇一個(gè)具有單位范數(shù)的初始化(隨機(jī)選取)向量w；

4)更新w←e{zg(w^tz)}-e{g'(w^tz)}w；

5)標(biāo)準(zhǔn)化w:w←w/||w||；

6)如果尚未收斂返回步驟4。

在s與a均為未知的條件下，求取一個(gè)解渾矩陣w，使得x通過(guò)它后所得輸出y(y＝wx)是s的最優(yōu)估計(jì)。這就是振動(dòng)信號(hào)的解混模型。所得到的y可以認(rèn)為是經(jīng)過(guò)處理后的源信號(hào)。

對(duì)于oltc機(jī)械狀態(tài)監(jiān)測(cè)信號(hào)可以用于獨(dú)立成分分析算法來(lái)進(jìn)行更好的分析，可以分理處各個(gè)故障源信號(hào)，由于分離算法的關(guān)系，即使是微弱的故障信號(hào)，也可以分離出來(lái)，這樣就可以對(duì)oltc機(jī)械狀態(tài)進(jìn)行監(jiān)測(cè)預(yù)測(cè)器故障發(fā)展趨勢(shì)，然后對(duì)分離后的信號(hào)進(jìn)行溝洫的處理，在labview中可以很方便的進(jìn)行譜分析、倒譜分析濾波分析等，以達(dá)到直接分析無(wú)法達(dá)到的效果。

s63、計(jì)算獨(dú)立成分向量的統(tǒng)計(jì)量和平方預(yù)測(cè)誤差。

例如：應(yīng)用實(shí)施例1中的有載分接開(kāi)關(guān)診斷模型的構(gòu)建方法：選取正常工作狀態(tài)下的測(cè)量數(shù)據(jù)x∈r^l*n并對(duì)其進(jìn)行了標(biāo)準(zhǔn)化和白化處理后，采用快速ica算法提取正常樣本特征，確定式中獨(dú)立矩陣成分s和分離矩陣w。依據(jù)負(fù)熵的最小化原則選擇獨(dú)立成分維數(shù)d，選取前d個(gè)獨(dú)立成分作為特征向量構(gòu)成正常工況的ica模型：sd＝wd·x，se＝we·x，wd表示w矩陣前d行向量；we表示w矩陣剩余部分。分別設(shè)定統(tǒng)計(jì)量i²，平方預(yù)測(cè)誤差spe，k時(shí)刻i²統(tǒng)計(jì)量可表示為：k時(shí)刻spe統(tǒng)計(jì)量為：同理，對(duì)當(dāng)前獲取的振動(dòng)信號(hào)的統(tǒng)計(jì)量i²和平方預(yù)測(cè)誤差spe，按照上述統(tǒng)計(jì)量i²和平方預(yù)測(cè)誤差spe的公式進(jìn)行計(jì)算。

s64、判斷統(tǒng)計(jì)量和平方預(yù)測(cè)誤差是否大于與其對(duì)應(yīng)的預(yù)設(shè)置信限。

通過(guò)與正常工作狀態(tài)時(shí)采集的數(shù)據(jù)進(jìn)行對(duì)比，通過(guò)判斷故障數(shù)據(jù)是否在穩(wěn)定范圍內(nèi)的可識(shí)別故障。

作為一種可選的實(shí)現(xiàn)方式，本實(shí)施例中有載分接開(kāi)關(guān)的診斷方法，上述步驟s64中預(yù)設(shè)置信限通過(guò)核密度估計(jì)計(jì)算得到。采用核密度估計(jì)計(jì)算統(tǒng)計(jì)量預(yù)設(shè)置信限值表示為：x為控制界限值，xi為從樣本數(shù)據(jù)集觀測(cè)值,h為平滑參數(shù),k為核函數(shù),n為樣本數(shù)。

s65、當(dāng)統(tǒng)計(jì)量和平方預(yù)測(cè)誤差大于與其對(duì)應(yīng)的預(yù)設(shè)置信限，將獨(dú)立成分向量在高維空間的多切面上進(jìn)行投影，在投影面上得到振動(dòng)信號(hào)的獨(dú)立成分向量參數(shù)。將獲取的獨(dú)立成分向量在高維空間進(jìn)行投影，分析故障參數(shù)在投影面的分布。

s66、根據(jù)獨(dú)立成分向量參數(shù)確定開(kāi)關(guān)是否存在故障。由于每個(gè)復(fù)雜故障的特征量是由不同獨(dú)立成向量組合在一起，這些獨(dú)立成分向量對(duì)特征量的影響貢獻(xiàn)或者權(quán)重不同，在進(jìn)行故障識(shí)別時(shí)，可以只影響程度較大的獨(dú)立成分向量組成，影響較小的獨(dú)立成分向量可以忽略不計(jì)。分析每個(gè)故障參數(shù)在投影面的分布，與正常工作狀態(tài)采集的數(shù)據(jù)參數(shù)進(jìn)行對(duì)比，通過(guò)判斷故障數(shù)據(jù)是否在穩(wěn)定范圍內(nèi)可識(shí)別故障。

作為一種可選的實(shí)現(xiàn)方式，本實(shí)施例中的有載分接開(kāi)關(guān)的診斷方法，上述步驟s66中根據(jù)獨(dú)立成分向量參數(shù)確定開(kāi)關(guān)是否存在故障，包括：利用向量機(jī)分類模型根據(jù)獨(dú)立成分向量參數(shù)確定開(kāi)關(guān)的工作狀態(tài)，工作狀態(tài)包括正常工作狀態(tài)和故障狀態(tài)，其中向量機(jī)分類模型是利用開(kāi)關(guān)在已知工作狀態(tài)時(shí)的振動(dòng)信號(hào)進(jìn)行訓(xùn)練得到的，應(yīng)用實(shí)施例1中的有載分接開(kāi)關(guān)診斷模型的構(gòu)建方法。

支持向量機(jī)(svm)是一種建立在統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理基礎(chǔ)上的新型學(xué)習(xí)機(jī)器，它根據(jù)有限的樣本信息在模型的復(fù)雜性(即對(duì)特定訓(xùn)練樣本的精度)與學(xué)習(xí)能力(即無(wú)錯(cuò)誤地識(shí)別任意樣本的能力)之間尋求最佳折中，以獲得最強(qiáng)的推廣能力。

本發(fā)明實(shí)施例的目的是針對(duì)上述oltc機(jī)械故障背景存在的問(wèn)題，提供了一種基于獨(dú)立成分分析(ica)從故障源提取分離源信號(hào)，并結(jié)合優(yōu)化的支持向量機(jī)的故障診斷方法，從而實(shí)現(xiàn)對(duì)振動(dòng)故障的識(shí)別和監(jiān)測(cè)。多元統(tǒng)計(jì)過(guò)程控制在工業(yè)過(guò)程監(jiān)控中得到了廣泛應(yīng)用，且在動(dòng)態(tài)性、非線性、多尺度性等方面被不斷改進(jìn)，并與多種智能方法相結(jié)合，提高過(guò)程監(jiān)控性能。獨(dú)立成分分析算法(ica)用于過(guò)程數(shù)據(jù)分析處理，能更有效地利用變量的概率統(tǒng)計(jì)特性，提取相互獨(dú)立的過(guò)程數(shù)據(jù)特征信息。本文提出了采用獨(dú)立成分分析算法和支持向量機(jī)的集成故障診斷方法。目前在過(guò)程監(jiān)控方面已取得較好的效果，且在故障識(shí)別與隔離方法方面也取得一些新成果。由于svm(支持向量機(jī))分類器的分類精度隨著獨(dú)立成份維數(shù)增加導(dǎo)致分類精度下降問(wèn)題，本文在文獻(xiàn)的基礎(chǔ)上，采用多投影切面分類方法將高維ica特征空間中的多維分類問(wèn)題轉(zhuǎn)化為多投影切面的二維分類問(wèn)題使得svm分類精度增加，從而故障診斷的精度被明顯提高。

ica-msvm集成在線故障診斷算法流程如圖5所示，獲取新測(cè)量數(shù)據(jù)xnew(k)＝[x1x2…xl]^t∈r^l，并進(jìn)行標(biāo)準(zhǔn)化和白化處理后,通過(guò)混合矩陣wd和we可計(jì)算新獨(dú)立元矢量的估計(jì)值：分別利用式和計(jì)算新的監(jiān)控測(cè)量數(shù)據(jù)統(tǒng)計(jì)量i²，spe值，監(jiān)控統(tǒng)計(jì)量和預(yù)測(cè)平方差的變化是否超過(guò)給定的預(yù)設(shè)置信限，若超過(guò)預(yù)設(shè)置信限則說(shuō)明檢測(cè)出故障。如檢測(cè)到故障，分別將故障ica獨(dú)立元矢量在高維ica特征空間上計(jì)算不同切面故障分類svm效果，采用專家決策對(duì)多個(gè)svm分類模型輸出之進(jìn)行統(tǒng)計(jì)分析，對(duì)上述可能的故障源進(jìn)行逐一故障分類診斷，直至診斷出故障源，輸出并顯示故障。

本發(fā)明實(shí)施例提供的有載分接開(kāi)關(guān)的診斷方法，構(gòu)建了一整套全過(guò)程的由機(jī)械振動(dòng)引起的電氣設(shè)備故障監(jiān)測(cè)方法，該方法體系能比較科學(xué)、完整地綜合監(jiān)測(cè)電氣設(shè)備運(yùn)行過(guò)程中的機(jī)械運(yùn)行環(huán)境；全面地應(yīng)用現(xiàn)有的綜合評(píng)價(jià)方法。該方法理論清晰，更加具有科學(xué)性和針對(duì)性，為變電站的在線監(jiān)測(cè)與智能控制提出了一種嶄新的思路和方法。

實(shí)施例3

本實(shí)施例提供一種有載分接開(kāi)關(guān)診斷模型的構(gòu)建裝置，該構(gòu)建裝置如圖7所示，包括：

獲取模塊71，用于獲取開(kāi)關(guān)在預(yù)設(shè)故障狀態(tài)時(shí)的第一振動(dòng)信號(hào)與開(kāi)關(guān)在正常工作狀態(tài)時(shí)的第二振動(dòng)信號(hào)；

提取模塊72，用于分別從第一振動(dòng)信號(hào)和第二振動(dòng)信號(hào)中提取獨(dú)立成分向量；

計(jì)算模塊73，用于分別對(duì)從第一振動(dòng)信號(hào)和第二振動(dòng)信號(hào)中提取到的獨(dú)立成分向量進(jìn)行計(jì)算，得到獨(dú)立成分向量的統(tǒng)計(jì)量和平方預(yù)測(cè)誤差；

判斷模塊74，用于判斷統(tǒng)計(jì)量和平方預(yù)測(cè)誤差是否大于與其對(duì)應(yīng)的預(yù)設(shè)置信限；

投影模塊75，用于當(dāng)統(tǒng)計(jì)量和平方預(yù)測(cè)誤差大于與其對(duì)應(yīng)的預(yù)設(shè)置信限，分別將第一振動(dòng)信號(hào)和第二振動(dòng)信號(hào)對(duì)應(yīng)的獨(dú)立成分向量在高維空間的多切面上進(jìn)行投影，在投影面上得到第一振動(dòng)信號(hào)對(duì)應(yīng)的第一獨(dú)立成分向量參數(shù)和第二振動(dòng)信號(hào)對(duì)應(yīng)的第二獨(dú)立成分向量參數(shù)；

訓(xùn)練模塊76，用于利用第一獨(dú)立成分向量參數(shù)和第二獨(dú)立成分向量參數(shù)以及相應(yīng)的開(kāi)關(guān)工作狀態(tài)信息對(duì)向量機(jī)分類模型進(jìn)行訓(xùn)練，以使能夠根據(jù)第一獨(dú)立成分向量參數(shù)和第二獨(dú)立成分向量參數(shù)結(jié)合專家分析識(shí)別開(kāi)關(guān)的工作狀態(tài)，持續(xù)訓(xùn)練操作直至專家分析的識(shí)別時(shí)間達(dá)到預(yù)定時(shí)間。

實(shí)施例4

本施例提供一種有載分接開(kāi)關(guān)診斷裝置，如圖8所示，該有載分接開(kāi)關(guān)診斷裝置，包括如下模塊：

獲取模塊81，用于獲取開(kāi)關(guān)的振動(dòng)信號(hào)；

提取模塊82，用于從振動(dòng)信號(hào)中提取獨(dú)立成分向量；

計(jì)算模塊83，用于計(jì)算獨(dú)立成分向量的統(tǒng)計(jì)量和平方預(yù)測(cè)誤差；

判斷模塊84，用于判斷統(tǒng)計(jì)量和平方預(yù)測(cè)誤差是否大于與其對(duì)應(yīng)的預(yù)設(shè)置信限；

投影模塊85，用于當(dāng)統(tǒng)計(jì)量和平方預(yù)測(cè)誤差大于與其對(duì)應(yīng)的預(yù)設(shè)置信限，將獨(dú)立成分向量在高維空間的多切面上進(jìn)行投影，在投影面上得到振動(dòng)信號(hào)的獨(dú)立成分向量參數(shù)；

診斷模塊86，用于根據(jù)獨(dú)立成分向量參數(shù)確定開(kāi)關(guān)是否存在故障。

作為一種可選的實(shí)現(xiàn)方式，本實(shí)施例中的有載分接開(kāi)關(guān)診斷裝置，診斷模塊86包括：

確定子模塊，用于利用向量機(jī)分類模型根據(jù)獨(dú)立成分向量參數(shù)確定開(kāi)關(guān)的工作狀態(tài)，工作狀態(tài)包括正常工作狀態(tài)和故障狀態(tài)，其中向量機(jī)分類模型是利用開(kāi)關(guān)在已知工作狀態(tài)時(shí)的振動(dòng)信號(hào)進(jìn)行訓(xùn)練得到的。

作為一種可選的實(shí)現(xiàn)方式，本實(shí)施例中的有載分接開(kāi)關(guān)診斷裝置，提取模塊82采用獨(dú)立成分分析算法對(duì)振動(dòng)信號(hào)進(jìn)行標(biāo)準(zhǔn)化、白化處理，以得到振動(dòng)信號(hào)的獨(dú)立成分向量。

作為一種可選的實(shí)現(xiàn)方式，本實(shí)施例中的有載分接開(kāi)關(guān)診斷裝置，預(yù)設(shè)置信限通過(guò)核密度估計(jì)計(jì)算得到。

顯然，上述實(shí)施例僅僅是為清楚地說(shuō)明所作的舉例，而并非對(duì)實(shí)施方式的限定。對(duì)于所屬領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在上述說(shuō)明的基礎(chǔ)上還可以做出其它不同形式的變化或變動(dòng)。這里無(wú)需也無(wú)法對(duì)所有的實(shí)施方式予以窮舉。而由此所引伸出的顯而易見(jiàn)的變化或變動(dòng)仍處于本發(fā)明創(chuàng)造的保護(hù)范圍之中。