斷路器是電網(wǎng)運(yùn)行的關(guān)鍵設(shè)備,對(duì)于保障電網(wǎng)安全運(yùn)行具有重要作用,斷路器一旦發(fā)生故障,造成的損失遠(yuǎn)超其本身價(jià)值。目前,機(jī)械故障在斷路器故障中占比較大,提升斷路器機(jī)械故障診斷的精確度,對(duì)于提升斷路器可靠性和電網(wǎng)運(yùn)行安全性具有重要意義。斷路器開(kāi)斷過(guò)程中產(chǎn)生的振動(dòng)信號(hào)包含了豐富的機(jī)械狀態(tài)信息,基于振動(dòng)信號(hào)的方法便于實(shí)現(xiàn)斷路器的非侵入式評(píng)估,可以為斷路器的狀態(tài)監(jiān)測(cè)提供有效的證據(jù)。本文介紹了斷路器的主要類型,比較了不同類型斷路器的特點(diǎn),選用ZN28型斷路器作為實(shí)驗(yàn)對(duì)象,結(jié)合斷路器操動(dòng)流程的分析,利用CA-YD-103型加速度傳感器對(duì)振動(dòng)信號(hào)進(jìn)行采集,并初步解析了振動(dòng)信號(hào)中的各振動(dòng)事件。斷路器機(jī)械狀態(tài)的變化都可以通過(guò)振動(dòng)信號(hào)表征出來(lái),但是如何將隱藏在信號(hào)中的特征提取出來(lái)就需要借助有效的信號(hào)處理手段,本文在對(duì)比了多種特征提取思路后,針對(duì)單一信號(hào)處理手段提取特征較為片面的問(wèn)題,采用多種特征提取方法獲取了振動(dòng)信號(hào)的復(fù)合特征,增強(qiáng)了特征的特異性,并在實(shí)例測(cè)試中,驗(yàn)證了復(fù)合特征有助于提升診斷精度。本著提升特征質(zhì)量的目的,針對(duì)初級(jí)特征的主觀性與盲目性問(wèn)題,采用基于基尼指數(shù)最大下降的方法對(duì)所提取特征進(jìn)行了權(quán)重評(píng)估,... 

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題背景與意義
    1.2 斷路器狀態(tài)檢修的研究概況
        1.2.1 斷路器狀態(tài)檢修的發(fā)展現(xiàn)狀
        1.2.2 基于振動(dòng)信號(hào)的斷路器狀態(tài)評(píng)估發(fā)展現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
第二章 斷路器振動(dòng)信號(hào)采集
    2.1 斷路器振動(dòng)信號(hào)檢測(cè)裝置
        2.1.1 斷路器簡(jiǎn)介
        2.1.2 加速度傳感器簡(jiǎn)介
        2.1.3 安裝方式
    2.2 振動(dòng)信號(hào)分析
    2.3 本章小結(jié)
第三章 振動(dòng)信號(hào)的特征提取
    3.1 基于形態(tài)濾波的振動(dòng)信號(hào)降噪
    3.2 復(fù)合特征提取方法
        3.2.1 基于SVD的突變點(diǎn)識(shí)別
        3.2.2 基于TLS-ESPRIT的參數(shù)辨識(shí)
        3.2.3 基于時(shí)頻法的特征提取
        3.2.4 基于VMD的信號(hào)解調(diào)
        3.2.5 廣義分形維數(shù)
        3.2.6 基于數(shù)據(jù)序列法的特征提取
    3.3 實(shí)例分析
    3.4 本章小結(jié)
第四章 特征降維
    4.1 特征降維技術(shù)
    4.2 隨機(jī)森林的權(quán)重評(píng)估原理
    4.3 基尼指數(shù)最大下降權(quán)重評(píng)估分析
    4.4 子集搜索策略
    4.5 振動(dòng)信號(hào)的實(shí)例分析
    4.6 本章小結(jié)
第五章 狀態(tài)評(píng)估
    5.1 模式識(shí)別技術(shù)
    5.2 隨機(jī)森林原理
    5.3 故障診斷效果分析
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的研究成果
學(xué)位論文評(píng)閱及答辯情況表


【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)多尺度SVD去噪算法及在PQMD中的應(yīng)用[J]. 劉嫣,湯偉.  計(jì)算機(jī)工程與應(yīng)用. 2016(23)
[2]基于優(yōu)化HHT算法與洛侖茲信息量度的換流變用有載分接開(kāi)關(guān)機(jī)械特征提取[J]. 段若晨,王豐華,周荔丹.  中國(guó)電機(jī)工程學(xué)報(bào). 2016(11)
[3]基于譜聚類和優(yōu)化極端學(xué)習(xí)機(jī)的超短期風(fēng)速預(yù)測(cè)[J]. 王輝,劉達(dá),王繼龍.  電網(wǎng)技術(shù). 2015(05)
[4]基于變分模態(tài)分解和模糊C均值聚類的滾動(dòng)軸承故障診斷[J]. 劉長(zhǎng)良,武英杰,甄成剛.  中國(guó)電機(jī)工程學(xué)報(bào). 2015(13)
[5]基于混沌理論和K-means聚類的有載分接開(kāi)關(guān)機(jī)械狀態(tài)監(jiān)測(cè)[J]. 周翔,王豐華,傅堅(jiān),林嘉楊,金之儉.  中國(guó)電機(jī)工程學(xué)報(bào). 2015(06)
[6]結(jié)合經(jīng)驗(yàn)?zāi)B(tài)分解能量總量法的斷路器振動(dòng)信號(hào)特征向量提取[J]. 孫一航,武建文,廉世軍,張路明.  電工技術(shù)學(xué)報(bào). 2014(03)
[7]基于多重分形去趨勢(shì)波動(dòng)分析的齒輪箱故障特征提取方法[J]. 林近山,陳前.  振動(dòng)與沖擊. 2013(02)
[8]基于Relief相關(guān)性特征提取和微分進(jìn)化支持向量機(jī)的短期電價(jià)預(yù)測(cè)[J]. 彭春華,劉剛,相龍陽(yáng).  電工技術(shù)學(xué)報(bào). 2013(01)
[9]能譜熵向量法及粒子群優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)在高壓斷路器機(jī)械故障診斷中的應(yīng)用[J]. 徐建源,張彬,林莘,李斌,騰云.  高電壓技術(shù). 2012(06)
[10]高壓斷路器機(jī)械故障振動(dòng)診斷綜述[J]. 常廣,張振乾,王毅.  高壓電器. 2011(08)

博士論文
[1]基于信息熵的特征選擇算法研究[D]. 劉華文.吉林大學(xué) 2010



本文編號(hào)：3715886