接觸網(wǎng)隔離開關(guān)機械狀態(tài)監(jiān)測的SVM實現(xiàn).docx

1、第36卷第5期計算機仿真2019年5月文章編號:1006-9348（2019）05-0445-05接觸網(wǎng)隔離開關(guān)機械狀態(tài)監(jiān)測的SVM實現(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)雜性和時變性，其故障頻發(fā)嚴重威脅接觸網(wǎng)安全穩(wěn)定運行。機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定子電流以獲得各個工況的電機電流，使用同步擠壓小波變換獲得時頻分析和信號重構(gòu)，并采用核主元分析（KPCA）

2、獲得重構(gòu)信號的主元個數(shù)，并建立以支持向量機（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)的機械故障、提高電氣化鐵路的安全穩(wěn)定運行具有實用性。關(guān)鍵詞：高壓隔離開關(guān);電機電流信號分析;同步擠壓小波變換;核主成分分析;支持向量機中圖分類號：U225.4+5文獻標識碼：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)安全運行的重要問題之一（，*2o根據(jù)調(diào)查統(tǒng)計顯示,隔離開關(guān)在運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)容基金項目：國家自然基金類項目（11162006）；江西省教育廳科技項目（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、高電壓運作以及頻繁分合閘等運行壓力，機械故障成為高壓隔離開關(guān)故障的主要故障,對其進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，對于機械狀態(tài)仍缺乏有效的檢測辦法。文獻7提出將電機電流作為高壓斷路器機械特性監(jiān)測特征量之一,并驗證了電機電流信號作為高壓隔離開關(guān)機械故障依據(jù)的有效性。文獻8提出利用電機電流的時間特性，采用空間重構(gòu)法和K-means算法計算出高壓隔離開關(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)味的時頻分析方法,克服了EMD的缺點，在機械故障診斷、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行了高精度的提取，證明了SST的實用性和可行性。本文通過同步擠壓小波變換重構(gòu)電機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)電機電流的各工況的主要特征，并采用以支持向量機（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)的機械故障進行快速準確的故障識別，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進行連續(xù)小波變換影響，導(dǎo)致ssr在對瞬時頻率變化率不為。的信號進行處理時，模糊了時頻分析圖假設(shè)信號的瞬時頻率滿足/=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，信號s（z）的瞬時頻率。由此可得/*的瞬時變化率c（£）為(6)當(dāng)/心的瞬時變化可以由c（£）表征出來，當(dāng)c（£）=0的時候，即心不再隨著時

11、間的變化而變化，此時時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)整使得時頻分析譜圖在ssr處理后獲得聚焦,其頻率可以由瞬時頻率脊線獲得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,改進時頻分析曲線，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，由式（2）可知其瞬時頻率一

12、，a（W/（o,b）吧（a,b）dbSS7通過擠壓時頻面上小波系數(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）的坐標系。在對吧（。,方）進行擠壓時，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）的下標集合;七=0.5x夜）峪。

13、重構(gòu)值與信號的第A個分量之間的誤J0差小于C潔（C為常數(shù)），由式（4）可實現(xiàn)人（£）的近似完全重構(gòu)。文獻11在對SS7研究時發(fā)現(xiàn)，由于忽視了時間因子的3KPCA（核主成分分析）核主元分析法（KPCA）作為主元分析法（PCA）的一種改進算法，完全彌合了PCA在非線性空間的缺點，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）,同時標準化處理伊（3），計算出其協(xié)方差矩陣COV（Z）=土1>（"擴（"（8）COV（Z）計算得出特征值入,與特征向量p“計算公式如下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，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個特征值對應(yīng)的第，個系數(shù)。通過比對k個主元t.%八，從而實現(xiàn)KPCA的分類處理。4支持向量機(SVM)支持向量機作為時下新興的分類工具，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)建支持向量機故障分類的模型，對于類訓(xùn)練樣本，訓(xùn)練-1個支持向量機，第一個SVM以第一類樣本為正訓(xùn)練樣本，將第2,.，類訓(xùn)練樣本作為負的訓(xùn)練樣本訓(xùn)練S伽1,第i個支持向量機以第，類樣本作為正的訓(xùn)練樣本，將第£+13+2. .，類訓(xùn)練樣本作為負的訓(xùn)練樣本訓(xùn)練SUM,直到第n-1個支持向量機將以第-1類樣本作為正樣本，以第幾類樣本為負樣本訓(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SVM分類器，測試時無需計算所有的分類器來判別函數(shù)，提高計算的速度和精度。5結(jié)合SST和KPCA對高壓隔離開關(guān)故障檢測的SVM實現(xiàn)5.1基本原理高壓隔離開關(guān)在運行過程中會產(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)電機在運行過程中會產(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、分閘動作歷時約7s,電機電流信號持續(xù)

17、時間貫穿隔離開關(guān)合、分閘動作過程，其動作的持續(xù)時間相對穩(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)嚴重卡澀(e)輕微卡澀圖2高壓隔離開關(guān)電機電流時頻分析圖當(dāng)隔離開關(guān)內(nèi)部發(fā)生卡澀時，驅(qū)動電機電流隨操作力矩與阻力增大。如圖2(d).(e)所示，輕微卡澀時，電機電流峰值為2.7936A；嚴重卡澀時，電機電流峰值為4.3623A,相較于正常情況遠大于電機的額定電流，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)操作機括平衡彈簧失效時，需驅(qū)動電機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，高壓隔離開關(guān)合、分閘動作工程電機電流峰值達3.382A,遠大于正常情況額定電流。可見由于平衡彈簧失效的影響，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，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)定運作。如圖2(b),隔離開關(guān)合閘不到位的時候在大約5s左右，驅(qū)動電機電流明顯增大，其波形出現(xiàn)分層及強烈振動。由此可知,SST在頻域壓縮信號表征信號的振動特性的同時，將信號壓縮重構(gòu)，使得信號在做KPCA分析時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時域特征分類，可得隔離開關(guān)機械故障類別如表1。表1隔離開關(guān)機械故障細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，通過對進行KPCA處理得

20、到的特征向量進行檢測，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實現(xiàn)主要分為三個部分: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診斷模型并進行故障檢測。為了驗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)的電機電流數(shù)據(jù)集作為核主元模型的訓(xùn)練樣本，同時以40組隔離開關(guān)機械故障各工況下的電機電流數(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，電機電流的時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嚴重卡澀表明通過SST-KPCA的方法對高壓隔離開關(guān)的機械故障監(jiān)測有著較高的針對性和準確性。為了驗證算法的魯棒性能,在故障測試樣本數(shù)據(jù)集中隨機加入5%、10%.20%和30%的噪聲，進行1000次的故障診斷測試,測試結(jié)果如表4所示。表4SST-KPCA-SVM的機械故障數(shù)據(jù)樣本魯棒性測試干擾強度各組數(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算法與文中改進算法的準確度和耗時分析,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，且耗時相差無幾。表5KPCA-SVM與SST-KPCA-SVM的性能比對算法準確度（%）耗時（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)在正常情況和機械故障狀況下驅(qū)動電機電流，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）將對高壓隔離開關(guān)機械故障的分類和識別予以實現(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，提高了信號時頻分辨率的特點，使得各個機械故障的時頻分析圖具有很高的辨識度，同時彌補了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)安全運行以及鐵路線路運行具有良好的應(yīng)用前景。參考文獻：1鐘振蛟.戶外隔離開關(guān)機械故障的起因及預(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)機械故障分析及改進技術(shù)J.價值工程，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)的驗收、維護及故障檢修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，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，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T.程學(xué)報，2016,(】1)：2944-2951.11 LiChuan,LiangMing.Ageneralizedsynchrosqueezingtransfonnforenhancingsignaltime-frequencyrepresentationJ.SignalProcessing,2012,92(9).i12jGauravThakur,EugeneBrevdo,NevenSEukar,ILiu-PiengWuTheSynchros