基于时域分割算法的断路器振动信号故障特征提取方法

南方电网玉溪供电局 师 涛

在断路器故障诊断时断路器的机械振动是随机不确定的，也不是某种规律的振动形式，因此对断路器振动行为检测所得到的振动信号也具有相同的特点，即随机不确定性和无规律性[1]。通过一定的信号处理后就可对信号的特征向量进行提取，例如时频域分析法或单纯的时域或频域分析法。但前者效率太低，不适合高速有效的分析应用场合；而后者提取的特征信息不够完整或者说不能完全反映本文所研究的机械运动的特征[2]。

时域特征、频域特征和时-频域特征是常见的三种振动特征。目前对不同机械状态的这三种振动特征的研究已较多，可通过其特点判别对应的机械运动类型。但断路器发生故障时所带的机械特征信息较多，频域特征不能直接表达出其机械特征，相反由于融合的特征较多不太利于分析。但可通过分析时域特征的方法对原始信号进行分析，建立机械振动特征与断路器故障之间的联系。原始信号的处理可依据不同的时域分割提取其均值、标准差等特征，这是一般信号处理的常见方法。想提升机械运动信息的识别准确度，就要增加对信号提取的特征量的复杂度和量。但增加信号特征的复杂度和量会增加计算的工作量，增加判断时间。同时增加的特征信号也会导致一些其他信息的混入，增加判断的难度，所以应选择最典型的特征集作为研究对象。

1 振动信号处理方法

在震动机械运动的过程中，断路器操动机构产生的振动信号由于其能量衰减小且不涉及电气特征，因此较易通过运动类传感器进行信号的采集。不会因同种类型的信号混合而影响数据的采集，因此单纯就断路器的震动信息数据的精确性来说是相对较为可靠的。通过这种可靠的数据进行分析，就有可能提前发现一些断路器中常见的机械故障，诸如紧固件的松动、弹性元件的失效等，从而进行预警。如果是通过传统的针对时域与频域进行信号分析，想要得到上述比较完整和复杂的机械状态信息[3]，虽有一定成效但过程过于复杂、耗时多，不太适合大范围推广使用。这就是传统信号处理方法在断路器震动信号分析方面得不到普及的重要原因。

本文以原始机械震动采集到的信号作为代表性特点，并以此为尺度进行不同的时域分割，就可起到明显的效果。首先对信号进行分段处理，其次在每个分段再进行特色提取分析，通过对比不同断路器的机械运动状态所对应的信号波动情况与断路器的故障类型进行对比，可较为明显的得出不同机械震动信号所对应的不同的断路器故障的差别。这种方法计算时间短、效率高。

2 时域分割尺度依据及确定方法

机械故障的机械运动信息的特点是非平稳、非线性，对这种信号进行时域与频域分析并提取相应的特征是比较常见的处理方法。例如局域均值分解法和集合经验模态分解法等，这些方法普遍存在一定的缺陷。采用局域均值分解进行故障特征提取在模态混叠、端点效应、对频率相近的分量分离上有一定困难；集合经验模态分解对模态混叠方面进行了抑制，但由于要加入白噪声导致运算量的大幅增加，同时最终分解出来的信号也会比真实信号多，增加了区分难度[4]。除这些不足外，更重要的是这些方法的处理都比较复杂、耗时多，应用的门槛比较高。

应使用单一的时间标度来获取原信号产生的高压断路器故障信号的特性；将主信号按时域分割，分析时域特征，分离信号后进行特征的提取。这种操作方式可避免在丢失高频信息，确保额外信息的完整性和信号处理的完整性，并提升处理效率；然后计算触发信号开始和震动开始的时间长度，并以这个时间长度对原始信号进行分割处理。本文以接近26KS 每秒的速度对振动检测系统收集高压断路器的故障振动数据。从输入信号时起（一般以分闸信号作为输入信号）接收3770个振动信号。在模拟试验中模拟了三种高压断路器的故障信号：C1铁芯运动不畅、C2紧固件松动、C3润滑失效，以及一种正常状态C0。

心子模式C1踏板（条件C2）；润滑油不足（并在相同条件下避免重复试验，记录40个正常状态信号块，每20个振动数据块3个误差类型，如图1所示，四种不同类型的高压电路的振动形式。所有机械运动类型的实验分析都应避免同一个机械动作的反复测试，因为由于重复性机械疲劳损伤的存在会影响最终的实验结果，产生损伤性误差。对实验组数据量进行了严格控制，每种故障类型采集20次数据，正常状态信号采集40次。图1是这四种状态下采集的数据对应的波形。

图1 实测振动信号与时域分割单位

如图所示，振动测量单位和时间分配单位1出现时，出现一个偶然的信号表明，铁堆的作用是比正常延迟信号，盘式螺旋桨振幅较小，阻尼过程缓慢；机械润滑的振幅是相对的，所以在同一时间场内不同类型的干扰信号在时间上是不同的，在分裂后产生的，形成自己的矢量，以确定高压盘的机械状态。

图1中为实测振动信号与时域分割单位图，从图形可以明显看出这三类常见故障的基本信号波形特征：C1（铁芯运动不畅）相对于正常信号其动作有延迟，C2（紧固件松动）相对于正常信号其幅值小、衰减慢，C3（润滑失效）相对于正常信号其幅值小，因此可采用分割后信号特征提取的方案对高压断路器机械故障进行侦测识别。

不论信号的故障类型，均以Ts 和Tp 为单位，将信号分为29段与第9段。Ts 和Tp 分别是正常状态下运动执行机构收到触发信号与机械震动信号发生明显变化的间隔时间和正常状态下运动执行机构收到触发信号与机械震动信号的振幅达到最大时的间隔时间。

3 基于时域分割特征的特征选择方案

高压断路器的机械振动信号经过时域分割后，对机械运动特征对应的数字信号提取单个特征构成特征向量，构成n 维特征向量。进行特征选择最终确定的是类可分离性最好的特征类型。本文采用另一种种特征提取方式是对机械运动特征对应的数字信号提取多种特征，构成n×m 维的特征向量。特征选择时，在进行Gini 重要度特征进行排序后，采用前向特征选择方法结合类可分离性指标确定最优特征集合。

在实际生产环境中，高压断路系统的检测存在随机性、户外性、移动性等特点，因此本文所提出的系统必然属于一种可移动的便携系统。因此，在单特征分析时完全可以只计算一种有效特征来实现对设备状态进行分析，从而实现对故障的快速有效识别状态信息。而多特征混合取最优特征集合则适用于大型故障诊断系统，其前期应用时会进行全面分析。