接觸網(wǎng)隔離開關(guān)機(jī)械狀態(tài)監(jiān)測的SVM實(shí)現(xiàn).docx

1、第36卷第5期計(jì)算機(jī)仿真2019年5月文章編號:1006-9348（2019）05-0445-05接觸網(wǎng)隔離開關(guān)機(jī)械狀態(tài)監(jiān)測的SVM實(shí)現(xiàn)劉仕兵，馬志方，仇智圣（華東交通大學(xué)電氣與自動化工程學(xué)院，江西南昌330013）摘要:隨著電氣化鐵路的迅速發(fā)展，接觸網(wǎng)高壓隔離開關(guān)成為了使用量:最大的高壓開關(guān)設(shè)備。由于工作環(huán)境復(fù)雜性和時(shí)變性，其故障頻發(fā)嚴(yán)重威脅接觸網(wǎng)安全穩(wěn)定運(yùn)行。機(jī)械故障作為戶外隔離開關(guān)出現(xiàn)最多的故障類型，對其進(jìn)行狀態(tài)監(jiān)測分析具有f分重要的意義。通過采集高壓隔離開關(guān)合、分閘動作過程中的電機(jī)定子電流以獲得各個(gè)工況的電機(jī)電流，使用同步擠壓小波變換獲得時(shí)頻分析和信號重構(gòu)，并采用核主元分析（KPCA）

2、獲得重構(gòu)信號的主元個(gè)數(shù)，并建立以支持向量機(jī)（SVM）為分類器的故障診斷系統(tǒng)。該方法具有廣泛適用性,對于監(jiān)測高壓隔離開關(guān)的機(jī)械故障、提高電氣化鐵路的安全穩(wěn)定運(yùn)行具有實(shí)用性。關(guān)鍵詞：高壓隔離開關(guān);電機(jī)電流信號分析;同步擠壓小波變換;核主成分分析;支持向量機(jī)中圖分類號：U225.4+5文獻(xiàn)標(biāo)識碼：BSVMImplementationofMechanicalMonitoringforDisconnectorofContactLineLIUShi-bing,MAZhi-fang,QIUZhi-sheng(SchoolofElectricalandAutomationEngineering,EastChi

3、naJiaotongUniversity,NanchangJiangxi330013,China)ABSTRACT:Withtherapiddevelopmentofelectrifiedrailway,thehighvoltageisolatingswitchofcatenaryhasbecomethemosthigh-voltageswitchgearwiththelargestusage.Duetothecomplexityoftheworkingenvironmentandthetime-varyingoperation,itsfrequentfailuresseriouslythre

4、atenthesafeandstableoperationofthecatenary.Mechanicalfailure,asthemostfrequentfaulttypeofOutdoorDisconnector,isveryimportantforitsconditionmonitoringandanalysis.Bycollectingthemotorcurrentofthemotorduringtheclosingandclosingofthehighvoltageisolationswitch,thesynchronousextrusionwavelettransformisuse

5、dtoobtainthetimefrequencyanalysisandsignalreconstruction,andthenumberofthemainelementsofthereconstructedsignalisobtainedbyKPCA(KernelPrincipalComponentAnalysis),andafaultdiagnosissystembasedontheSVM(SupportVectorMachine)classifierisestablished.Thismethodhaswideapplicabilityandispracticalformonitorin

6、gmechanicalfaultsofhighvoltageisolatingswitchesandimprovingsafeandstableoperationofelectrifiedrailways.KEYWORDS:Highvoltageisolator；Motorcurrentsignalanalysis；Synchrosqueezingwavelettransform(SST)；Kernelprincipalcomponentanalysis(KPCA)；Supportvectormachine(SVM)1引言接觸網(wǎng)高壓隔離開關(guān)是電氣化鐵路使用量最大的電氣開關(guān)，其結(jié)構(gòu)簡單，工作可靠

7、性要求高，由于高壓隔離開關(guān)長期暴露在戶外惡劣大氣環(huán)境下，多年來其故障頻發(fā)，成為影響電網(wǎng)安全運(yùn)行的重要問題之一（，*2o根據(jù)調(diào)查統(tǒng)計(jì)顯示,隔離開關(guān)在運(yùn)行過程中普遍存在的管理不足、常年失修等情況,高壓隔離開關(guān)長期暴露在惡劣自然環(huán)境下，隔離開關(guān)容基金項(xiàng)目：國家自然基金類項(xiàng)目（11162006）；江西省教育廳科技項(xiàng)目（GJJ150530）收稿日期：2018-08-29修回日期：2018-08-31易暴露出各種缺陷3-4o隨著中國高速鐵路里程的蓬勃發(fā)展與運(yùn)力的與日俱增，接觸網(wǎng)隔離開關(guān)面臨著線路振動、高電壓運(yùn)作以及頻繁分合閘等運(yùn)行壓力，機(jī)械故障成為高壓隔離開關(guān)故障的主要故障,對其進(jìn)行檢測分析并研究其診斷技

8、術(shù)具有重要意義。高壓隔離開關(guān)狀態(tài)監(jiān)測手段主要包括:紅外測溫、觸頭溫度在線監(jiān)測、觸頭壓力檢測、絕緣子探傷等，以上辦法僅局限于檢測導(dǎo)電回路發(fā)熱和支柱絕緣子裂紋等狀況，對于機(jī)械狀態(tài)仍缺乏有效的檢測辦法。文獻(xiàn)7提出將電機(jī)電流作為高壓斷路器機(jī)械特性監(jiān)測特征量之一,并驗(yàn)證了電機(jī)電流信號作為高壓隔離開關(guān)機(jī)械故障依據(jù)的有效性。文獻(xiàn)8提出利用電機(jī)電流的時(shí)間特性，采用空間重構(gòu)法和K-means算法計(jì)算出高壓隔離開關(guān)的特性以便于檢測和分析o同步擠壓小波變換（synchrosqueezingwavelettransform,SST）是一種新的具有EMD風(fēng)味的時(shí)頻分析方法,克服了EMD的缺點(diǎn)，在機(jī)械故障診斷、信號消噪等

9、方面的應(yīng)用得到了良好的效果，其在頻域方向壓縮效果，使得信號的處理更加明晰。文獻(xiàn)10利用同步擠壓小波變換抗模態(tài)混疊能力和抗噪性，對含有間諧波的電力信號進(jìn)行了高精度的提取，證明了SST的實(shí)用性和可行性。本文通過同步擠壓小波變換重構(gòu)電機(jī)電流信號與核主元分析（KPCA）結(jié)合的方式,分析高壓隔離開關(guān)電機(jī)電流的各工況的主要特征，并采用以支持向量機(jī)（SVM）為分類器的故障檢測系統(tǒng)，可以對接觸網(wǎng)高壓隔離開關(guān)的機(jī)械故障進(jìn)行快速準(zhǔn)確的故障識別，為接觸網(wǎng)高壓隔離開關(guān)的在線監(jiān)測提供了思路。2同步擠壓小波變換同步擠壓小波變換是由Daubechies等人提出的基于連續(xù)小波變換的一種特殊的非線性時(shí)頻重分配算法。該算法通過對

10、信號中各頻率成分在頻率域方向上進(jìn)行壓縮,得到較高的頻率分辨率，使各頻率清晰的展現(xiàn)在時(shí)頻分析圖上。作為一種特殊的再分配方式，同步擠壓小波變換首先對信號M進(jìn)行連續(xù)小波變換影響，導(dǎo)致ssr在對瞬時(shí)頻率變化率不為。的信號進(jìn)行處理時(shí)，模糊了時(shí)頻分析圖假設(shè)信號的瞬時(shí)頻率滿足/=八式（1）可知/心=吧（Q,b）/心=吧（Q,b）-i-ia(3(Q,6)(5)w,(at6)凹(a,6)db即為對任意的（"）,當(dāng)w,（q,6）尹0時(shí)，信號s（z）的瞬時(shí)頻率。由此可得/*的瞬時(shí)變化率c（£）為(6)當(dāng)/心的瞬時(shí)變化可以由c（£）表征出來，當(dāng)c（£）=0的時(shí)候，即心不再隨著時(shí)

11、間的變化而變化，此時(shí)時(shí)頻分析曲線不會出現(xiàn)模糊現(xiàn)象，提高了分辨率。由此將信號中c（z）尹0的轉(zhuǎn)換成為c（£）=0,從而完成對信號的壓縮重排，形成一種基于解析重構(gòu)的SST,通過對變換系數(shù)股的調(diào)整使得時(shí)頻分析譜圖在ssr處理后獲得聚焦,其頻率可以由瞬時(shí)頻率脊線獲得W,b）=r.（A（/（-）°（-）”）由此可得基于信號解析重構(gòu)的SST在恢復(fù)的同時(shí),改進(jìn)時(shí)頻分析曲線，這樣可以在減少模糊現(xiàn)象的情況下使得信號的時(shí)頻分析譜圖清晰。WXa9b)=(1)式中*滿足的條件為/（I,（£）I2/海<+00,其中擊為族的傅里葉變換。當(dāng)收,（Q,6）=0時(shí)，由式（2）可知其瞬時(shí)頻率一

12、，a（W/（o,b）吧（a,b）dbSS7通過擠壓時(shí)頻面上小波系數(shù)吧（。,6）在叫附近的區(qū)間3+0T）/2,3）/2的值獲得同步擠壓變換量值7(a,6)T®,b)=(服尸£吟(a,a,6)W學(xué)（3）其中,斜為信號/U）第/個(gè)頻率分量的中心頻率皿為連續(xù)小波變換尺度a的離散值；（】）&=-a；&>=斜-o由式（3）可知,SST將Wgb）#0重新分配到（料,6）的坐標(biāo)系。在對吧（。,方）進(jìn)行擠壓時(shí)，其被限制在耕附近,避免頻率的混疊。由式（4）可以重建信號中的第L分量兒fMI馬3,5其中LM）是圍繞在人（即/的第&分量）的下標(biāo)集合;七=0.5x夜）峪。

13、重構(gòu)值與信號的第A個(gè)分量之間的誤J0差小于C潔（C為常數(shù)），由式（4）可實(shí)現(xiàn)人（£）的近似完全重構(gòu)。文獻(xiàn)11在對SS7研究時(shí)發(fā)現(xiàn)，由于忽視了時(shí)間因子的3KPCA（核主成分分析）核主元分析法（KPCA）作為主元分析法（PCA）的一種改進(jìn)算法，完全彌合了PCA在非線性空間的缺點(diǎn)，其引入非線性映射依從輸入空間映射到高維特征空間：夕：為<?3）,同時(shí)標(biāo)準(zhǔn)化處理伊（3），計(jì)算出其協(xié)方差矩陣COV（Z）=土1>（"擴(kuò)（"（8）COV（Z）計(jì)算得出特征值入,與特征向量p“計(jì)算公式如下COV（Z）Pl=3（9）對式（9）做內(nèi)積處理，可得<C0V（Z）p,（p（x

14、J）=（Ap,（p（xJ>=（10）式中,p=£。仲（豹）為線性系數(shù)，將p帶入公式（io）可得.mm一£伊（氣）伊（五）£%伊（七），伊（孔）mia,*（ii）m=A<£。沖（氣）EG此時(shí)，定義K礦=9（",心）,則式（11）右邊為mm入（氣），0（叫）=入£%伊（咒），伊（叫）=AKa（其中，Q=（%,°2，。3,，）'，則公式（11）等式左邊為.mni.<Z。厚3)，以叫)=孟KKa(13)由此可得，人Ka=KKa0投影樣本/到特征空間中，可m得m4=伊3),P&=£a；K(X

15、j,x)(14)Jsi其中皿為特征向量;#為K的第k個(gè)特征值對應(yīng)的第，個(gè)系數(shù)。通過比對k個(gè)主元t.%八，從而實(shí)現(xiàn)KPCA的分類處理。4支持向量機(jī)(SVM)支持向量機(jī)作為時(shí)下新興的分類工具，對于故障的分類識別有著顯著地效果。文中采用二叉樹算法構(gòu)建支持向量機(jī)故障分類的模型，對于類訓(xùn)練樣本，訓(xùn)練-1個(gè)支持向量機(jī)，第一個(gè)SVM以第一類樣本為正訓(xùn)練樣本，將第2,.，類訓(xùn)練樣本作為負(fù)的訓(xùn)練樣本訓(xùn)練S伽1,第i個(gè)支持向量機(jī)以第，類樣本作為正的訓(xùn)練樣本，將第£+13+2. .，類訓(xùn)練樣本作為負(fù)的訓(xùn)練樣本訓(xùn)練SUM,直到第n-1個(gè)支持向量機(jī)將以第-1類樣本作為正樣本，以第幾類樣本為負(fù)樣本訓(xùn)練SVM：二

16、叉樹方法可以避免傳統(tǒng)方法的不可分解情況，并且只需構(gòu)造n-1個(gè)SVM分類器，測試時(shí)無需計(jì)算所有的分類器來判別函數(shù)，提高計(jì)算的速度和精度。5結(jié)合SST和KPCA對高壓隔離開關(guān)故障檢測的SVM實(shí)現(xiàn)5.1基本原理高壓隔離開關(guān)在運(yùn)行過程中會產(chǎn)生大址的即使數(shù)據(jù)，本文通過GW5-35DW隔離開關(guān)RTU遙測端采集電機(jī)電流信號獲取高壓隔離開關(guān)的動作參數(shù)，如圖1。所得的數(shù)據(jù)主要分為兩大類:正常情況和故障狀態(tài)。由于高壓隔離開關(guān)電機(jī)在運(yùn)行過程中會產(chǎn)生噪聲的干擾，對后續(xù)的分析工作產(chǎn)生較大影響，因此對采集的數(shù)據(jù)進(jìn)行SST處理。圖1GW5-35DW隔離開關(guān)與RTU乂圖2可見，隔離開關(guān)合、分閘動作歷時(shí)約7s,電機(jī)電流信號持續(xù)

17、時(shí)間貫穿隔離開關(guān)合、分閘動作過程，其動作的持續(xù)時(shí)間相對穩(wěn)定。在分合閘過程中，隨著操作力矩的變化,電流出現(xiàn)數(shù)個(gè)波峰,且信號振動程度正常，如圖2(a)所示。00正常情況(b)#W失效(c)合間不到位(d)嚴(yán)重卡澀(e)輕微卡澀圖2高壓隔離開關(guān)電機(jī)電流時(shí)頻分析圖當(dāng)隔離開關(guān)內(nèi)部發(fā)生卡澀時(shí)，驅(qū)動電機(jī)電流隨操作力矩與阻力增大。如圖2(d).(e)所示，輕微卡澀時(shí)，電機(jī)電流峰值為2.7936A；嚴(yán)重卡澀時(shí)，電機(jī)電流峰值為4.3623A,相較于正常情況遠(yuǎn)大于電機(jī)的額定電流，隨著卡澀程度的增加,信號振動的程度也越來越劇烈。在隔離開關(guān)操作機(jī)括平衡彈簧失效時(shí)，需驅(qū)動電機(jī)輸入額外的力矩來完成合閘操作。如圖2(c)所示

18、，當(dāng)平衡彈簧失效時(shí)，高壓隔離開關(guān)合、分閘動作工程電機(jī)電流峰值達(dá)3.382A,遠(yuǎn)大于正常情況額定電流?？梢娪捎谄胶鈴椈墒У挠绊?，隔離開關(guān)合閘動作出現(xiàn)彈簧壓縮儲存的能力無法釋放以及電機(jī)克服平衡彈簧卡澀阻力釋放彈性勢能的情況，且信號在分合閘過程中振動情況較為劇烈。當(dāng)隔離開關(guān)一次機(jī)構(gòu)發(fā)生卡澀或傳動系統(tǒng)出現(xiàn)調(diào)試不當(dāng)?shù)膯栴}時(shí)，會引發(fā)合閘不到位等問題，影響隔離開關(guān)合、分閘動作的穩(wěn)定運(yùn)作。如圖2(b),隔離開關(guān)合閘不到位的時(shí)候在大約5s左右，驅(qū)動電機(jī)電流明顯增大，其波形出現(xiàn)分層及強(qiáng)烈振動。由此可知,SST在頻域壓縮信號表征信號的振動特性的同時(shí)，將信號壓縮重構(gòu)，使得信號在做KPCA分析時(shí)可以獲得更加直觀的特征

19、向量，凸顯了數(shù)據(jù)之間的差異性，從而提高了SVM模型的抗干擾能力。根據(jù)SST時(shí)域特征分類，可得隔離開關(guān)機(jī)械故障類別如表1。表1隔離開關(guān)機(jī)械故障細(xì)化表故障類別故障編號彈簧失效G合閘不到位i2輕微卡澀t3嚴(yán)重卡澀偵表2SST-KPCA訓(xùn)練樣本No012q10.9161291.861941.192530.693250.5361420.9179611.850821.201280.701340.5122830.9201281.822861.181120.696840.5268940.9189841.870021.200210.69128*0.53446在高壓隔離開關(guān)處于故障狀態(tài)時(shí)，通過對進(jìn)行KPCA處理得

20、到的特征向量進(jìn)行檢測，可以做到故障的識別與檢測。如下圖3即為結(jié)合SST和KPCA對高壓隔離開關(guān)故障檢測的SVM的識別流程。圖3SST-KCA的SVM診斷流程4.2仿真和實(shí)測數(shù)據(jù)分析結(jié)合SST和KPCA對高壓隔離開關(guān)故障檢測的SVM實(shí)現(xiàn)主要分為三個(gè)部分:數(shù)據(jù)的處理及核主元模型的建立，異常數(shù)據(jù)樣本檢測和SVM故障診斷。通過對原始數(shù)據(jù)進(jìn)行數(shù)據(jù)處理、分類獲得分類數(shù)據(jù)樣本作為測試樣本，將RTU遙測端采集的正常丁.作狀態(tài)的電機(jī)電流數(shù)據(jù)作為訓(xùn)練樣本，通過KPCA建立核主元模型。通過比對不同狀態(tài)的核主元成分以及對頻譜分析圖的分析，顯示故障的存在，并建立SVM診斷模型并進(jìn)行故障檢測。為了驗(yàn)證文中算法的有效性，將

21、各40組正常工作狀態(tài)下的高壓隔離開關(guān)的電機(jī)電流數(shù)據(jù)集作為核主元模型的訓(xùn)練樣本，同時(shí)以40組隔離開關(guān)機(jī)械故障各工況下的電機(jī)電流數(shù)據(jù)集作為故障測試樣本。所得訓(xùn)練樣本如表2所示。390.920821.861881.186350.695230.52581400.918481.859201.196980.689920.53541由于SST對數(shù)據(jù)的處理，使得信號分離和特征值提取的效果明顯，其中，輕微卡澀與嚴(yán)重卡澀屬于同種類不同程度的故障，區(qū)分的界限比較主觀。不同工況下，電機(jī)電流的時(shí)頻分析圖譜振動程度不同，更加直觀的表現(xiàn)在特征值上。表3為SST-KPCA故障數(shù)據(jù)監(jiān)測結(jié)果及其對應(yīng)的故障類型。表3SST-KPC

22、A測試樣本監(jiān)測結(jié)果故障編號SVM測試樣本測試結(jié)果k)1-8正常情況ti9-16彈簧失效q17-24合閘不到位q25-32輕微卡澀433-40嚴(yán)重卡澀表明通過SST-KPCA的方法對高壓隔離開關(guān)的機(jī)械故障監(jiān)測有著較高的針對性和準(zhǔn)確性。為了驗(yàn)證算法的魯棒性能,在故障測試樣本數(shù)據(jù)集中隨機(jī)加入5%、10%.20%和30%的噪聲，進(jìn)行1000次的故障診斷測試,測試結(jié)果如表4所示。表4SST-KPCA-SVM的機(jī)械故障數(shù)據(jù)樣本魯棒性測試干擾強(qiáng)度各組數(shù)據(jù)的診斷精度（%）q七2t45%10010010010010%10010099.810020%10099.798.599.730%10099.198.199.

23、1通過表中可以看出，由于SST算法的加入，提高了SVM模型的抗干擾能力，在較強(qiáng)干擾的情況下仍然具有較高的診斷精度。表5中對比KPCA-SVM算法與文中改進(jìn)算法的準(zhǔn)確度和耗時(shí)分析,可以發(fā)現(xiàn)雖然結(jié)合了SST算法增加了數(shù)據(jù)處理的負(fù)擔(dān)，但是由于SST對數(shù)據(jù)的簡化處理，使得KPCA在數(shù)據(jù)分類方面更加精確，且耗時(shí)相差無幾。表5KPCA-SVM與SST-KPCA-SVM的性能比對算法準(zhǔn)確度（%）耗時(shí)（s）KPCA-SVM96.536.2SST-KPCA-SVM97.138.75結(jié)論筆者以GW5-35DW隔離開關(guān)為例，通過RTU遙測端采集高壓隔離開關(guān)在正常情況和機(jī)械故障狀況下驅(qū)動電機(jī)電流，結(jié)合SST（同步擠壓

24、小波變換）和KPCA（核主元分析）以及SVM（支持向址機(jī)）將對高壓隔離開關(guān)機(jī)械故障的分類和識別予以實(shí)現(xiàn)，得出以下結(jié)論：1）利用SST可以較好地改善頻率混疊現(xiàn)象，提高了信號時(shí)頻分辨率的特點(diǎn)，使得各個(gè)機(jī)械故障的時(shí)頻分析圖具有很高的辨識度，同時(shí)彌補(bǔ)了KPCA在非線性分析中的不足。2）利用KPCA轉(zhuǎn)換,獲取高壓隔離開關(guān)各個(gè)工況下的特征值，結(jié)合SVM對特征值予以分類和識別的方法，對于電網(wǎng)安全運(yùn)行以及鐵路線路運(yùn)行具有良好的應(yīng)用前景。參考文獻(xiàn)：1鐘振蛟.戶外隔離開關(guān)機(jī)械故障的起因及預(yù)防J.高壓電器，2006,（6）:464-467.2程文平.隔離開關(guān)的可靠性評估及其檢修管理研究D.華南理工大學(xué),2016.3

25、楊志鈞.高壓隔離開關(guān)機(jī)械故障分析及改進(jìn)技術(shù)J.價(jià)值工程，2016,（18）：97-98.4宣峰，張新春.高壓隔離開關(guān)的檢修方法與技術(shù)J.精密制造與自動化.2011,（2）：55-57.5張俊超.大西高鐵接觸網(wǎng)隔離開關(guān)常見故障及應(yīng)對措施C.中國鐵道學(xué)會自動化委員會.中國鐵道學(xué)會電氣化委員會2017年年會及新技術(shù)研討會論文集，2017：3.6凌鐵勇，吳婷.高壓隔離開關(guān)的驗(yàn)收、維護(hù)及故障檢修J.低碳世界，2016,（36）：94-95.7邱志斌，阮江軍,黃道春，張宇，張恩偉.高壓隔離開關(guān)機(jī)械故障分析及診斷技術(shù)綜述J.高電壓器，2015,51(8):171-179.8 劉仕兵，您俊祥.基于K-mean

26、s聚類法的牽引供電隔離開美故障狀態(tài)監(jiān)測J.華東交通大學(xué)學(xué)報(bào)，2017,34(3):109-117.9 汪祥莉，王斌.王文波，喻敏，王震.常毓禪.混沌I擾中基于同步擠壓小波變換的諧波信號提取方法J.物理學(xué)報(bào)，2015.(10)：15-24.10 喻敏，王斌，王文波,陳緒軒，徐萬萬.基FSST的間諧波檢測方法J.中國電機(jī)T.程學(xué)報(bào)，2016,(】1)：2944-2951.11 LiChuan,LiangMing.Ageneralizedsynchrosqueezingtransfonnforenhancingsignaltime-frequencyrepresentationJ.SignalProcessing,2012,92(9).i12jGauravThakur,EugeneBrevdo,NevenSEukar,ILiu-PiengWuTheSynchros