一种基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法与流程

技术特征：
1.一种基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法，其特征在于，包括以下步骤，a.采用加速度传感器采集有载分接开关振动信号，并利用局部均值分解进行去噪处理；b.对去噪后的振动信号取绝对值后作时间轴进行累积积分，得到累积积分曲线表示的多段能量变化，根据曲线幅值拐点对振动信号分割得到对应开关的不同动作阶段，提取各分段信号能量和峭度特征；c.将振动信号经短时傅里叶变换得到各分段时频图谱，提取颜色矩以描述时频图像的颜色特征；d.提出总相关排列优选方法，对特征参量进行优选，得到反映分接开关运行状态的低冗余优选颜色特征向量；e.提出矩阵主成分变换方法，对优选颜色特征实施进一步降维，保留原始数据特征成分相似性的同时使降维引起的变形量最小；f.将分段振动信号的能量特征和峭度特征与降维后的时频图谱颜色特征构成有载分接开关状态特征向量，通过一维卷积神经网络完成故障辨识。2.根据权利要求书1所述的基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法，其特征在于，所述步骤a中，加速度传感器吸附于有载分接开关外壳，以驱动电机定子电流信号作为采集卡触发源；信号经局部均值分解后，根据相关系数筛选分解后的各分量，并进行重构达到去噪效果。3.根据权利要求书1所述的基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法，其特征在于，所述步骤b中，提出利用累积积分曲线进行振动信号分段的方法，对去噪后的振动信号取绝对值后沿时间轴做累积积分，得到累积积分曲线s(t)，计算方法为：其中x(t)为去噪后振动信号，t为时间；通过捕捉曲线两个重要拐点将振动信分割为三段，分别对应有载分接开关中切换开关动作的单电阻段、桥阶段和双电阻段，每个阶段分别在振动信号中体现为一个冲击簇。4.根据权利要求书1所述的基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法，其特征在于，所述步骤c中，利用短时傅里叶变换构建振动分段信号时频图谱，提取颜色的一阶矩、二阶矩和三阶矩描述图像颜色分布，得到p维颜色特征向量。5.根据权利要求书1所述的基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法，其特征在于，所述步骤d中，提出总相关排列优选方法用于特征参量优选，取q个同一工况下的信号样本，计算颜色特征向量构建颜色特征样本矩阵y
q
×
p
；将y
q
×
p
的p个列向量记为颜色特征样本向量，计算每个颜色特征样本向量的总相关系数μ，计算方法为：
其中v、w为两个颜色样本向量所在列号；m为颜色特征样本矩阵行号；y
mv
,y
mw
为第m行第v、w列的向量值，为对应向量的均值；定义θ为总相关指标，筛选μ值小于θ的颜色特征，将其列入该工况的优选特征集合；将全部工况的优选特征集合求并集得到有载分接开关的颜色特征优选总集合，总集合中特征参量的数量为u个，利用u个特征参量重构颜色特征样本矩阵得到优选矩阵e
q
×
u
。6.根据权利要求书5所述的基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法，其特征在于，所述步骤e中，提出矩阵主成分变换方法，对优选颜色特征进一步降维，保留原始数据特征成分相似性的同时使得降维引起的变形量最小，计算优选矩阵e
q
×
u
中行向量的距离矩阵d，d中元素为d
rs
：d
rs
＝|x
r-x
s
|其中x
r
,x
s
为e
q
×
u
的行向量，r,s＝1,
…
,q；构建矩阵g，g中元素为g
rs
，g
rs
计算方法为：g
rs
＝d
rs-d
r1-d
s1
d
11
选取g的前z个最大特征值及特征向量，计算优选矩阵e
q
×
u
的主成分矩阵h
q
×
z
；其中i是矩阵g保留下来的前z个标准正交化特征向量组成的矩阵；α是z个最大特征值组成的对角矩阵。7.根据权利要求书1所述的基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法，其特征在于，所述步骤f中，将分段振动信号的能量特征和峭度特征与降维后的时频图谱颜色特征构成有载分接开关状态特征向量，二者互补精准描述设备运行状态特征，通过一维卷积神经网络完成故障辨识。

技术总结
本申请涉及一种基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法，包括以下步骤：A.采集有载分接开关振动信号，并进行去噪处理；B.提取各分段信号能量和峭度特征；C.提取颜色矩以描述时频图像的颜色特征；D.提出总相关排列优选方法，对特征参量进行优选，E.提出矩阵主成分变换方法，对优选颜色特征实施进一步降维，保留原始数据特征成分相似性的同时使降维引起的变形量最小；F.将分段振动信号的能量特征和峭度特征与降维后的时频图谱颜色特征构成有载分接开关状态特征向量，通过一维卷积神经网络完成故障辨识。本申请的振动信号特征提取方法能够有效地捕捉和刻画有载分接开关设备运行状态特征。有载分接开关设备运行状态特征。有载分接开关设备运行状态特征。


技术研发人员：陈志华 柯强 胡经伟 叶兴寿 李建坤 饶燕 万姗 刘洋 肖天雄 胡兴 王艺璇 周洋 黄敏 张明念 张校铭
受保护的技术使用者：国网湖北省电力有限公司黄冈供电公司
技术研发日：2022.08.26
技术公布日：2022/12/12