本技術(shù)涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種斷路器機械故障識別方法及裝置。

背景技術(shù)：

1、高壓斷路器作為主要開關(guān)設(shè)備，控制著線路的通斷，保證系統(tǒng)的安全運行。當高壓斷路器出現(xiàn)故障時，將極大影響電能質(zhì)量及供電可靠性。

2、高壓斷路器的故障多由機械缺陷引起，現(xiàn)有技術(shù)在識別此類故障時，通過采用傳感器，測量觸頭行程、分合閘速度、分合閘線圈電流、儲能電機的電流及電壓和操動過程的振動信號，進行機械故障辨識。然而高壓斷路器在實際運行過程中，上述數(shù)據(jù)采集不僅會受到電磁干擾影響，且會對斷路器的結(jié)構(gòu)造成影響，因此難以實現(xiàn)工程化應用。

3、因此如何在不改變斷路器結(jié)構(gòu)的情況下，準確識別斷路器的機械故障是當前需要解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供了一種斷路器機械故障識別方法及裝置，以解決如何在不改變斷路器結(jié)構(gòu)的情況下，準確識別斷路器機械故障的技術(shù)問題。

2、為了解決上述技術(shù)問題，第一方面，本技術(shù)實施例提供了一種斷路器機械故障識別方法，包括：

3、獲取預設(shè)時間段內(nèi)斷路器的soe數(shù)據(jù)以及聲音信號數(shù)據(jù)；

4、從所述soe數(shù)據(jù)中提取時間特征和動作特征，并根據(jù)所述動作特征，識別斷路器在所述預設(shè)時間段內(nèi)所處于的若干階段；

5、根據(jù)所述時間特征，從所述聲音信號數(shù)據(jù)中提取各所述階段對應的域特征；

6、將各階段對應的所述域特征輸入至預訓練完畢的對應預測模型，獲取故障識別結(jié)果。

7、相比于現(xiàn)有技術(shù)，本技術(shù)實施例具有如下有益效果：由于機械故障出現(xiàn)時，往往會使得斷路器運行聲音中摻雜異響，因此通過預訓練完畢的預測模型，對比當前采集聲音信號數(shù)據(jù)與正常運行情況下的聲音信號數(shù)據(jù)的差異，可以準確識別斷路器的機械故障，且由于采集聲音信號時，無須設(shè)置大量傳感器在斷路器的各元件中，避免了對斷路器結(jié)構(gòu)的大量改動。然而不同階段下，斷路器正常運行的聲音特征不同，因此結(jié)合soe(sequence?ofevent，事件序列)數(shù)據(jù)可以準確反映斷路器處于不同運行階段下的操作事件的特性，對不同階段下的聲音信號數(shù)據(jù)進行獨立預測，有效提高了斷路器故障識別的準確度。

8、在本技術(shù)第一方面的一些實施例中，所述從所述soe數(shù)據(jù)中提取時間特征和動作特征，并根據(jù)所述動作特征，識別斷路器在所述預設(shè)時間段內(nèi)所處于的若干階段，包括：

9、從所述soe數(shù)據(jù)中，提取所述斷路器在所述預設(shè)時間段內(nèi)所發(fā)生事件的時間特征以及動作特征；

10、通過所述動作特征，確定所述預設(shè)時間段內(nèi)所述斷路器所處于的若干個階段。

11、相比現(xiàn)有技術(shù)，上述實施例具有以下有益效果：由于斷路器在每個階段所產(chǎn)生soe數(shù)據(jù)中，包括了每個階段獨有的動作特征，因此根據(jù)動作特征可以首先確認預設(shè)時間段內(nèi)，斷路器分別經(jīng)過了哪些階段，對不同階段進行獨立故障識別，從而可以提高后續(xù)根據(jù)聲音信號數(shù)據(jù)進行故障識別的精確度。

12、在本技術(shù)第一方面的一些實施例中，獲取所述聲音信號數(shù)據(jù)后，還包括：

13、通過頻譜減法對所述聲音信號數(shù)據(jù)進行降噪處理，獲取第一功率譜數(shù)據(jù)；

14、通過所述第一功率譜數(shù)據(jù)進行軟閾值處理，獲取預處理后的所述聲音信號數(shù)據(jù)。

15、相比現(xiàn)有技術(shù)，上述實施例具有以下有益效果：由于斷路器在運行過程中，會使得聲音信號數(shù)據(jù)存在大量噪聲，該噪聲主要由其他運行設(shè)備的噪音構(gòu)成，因此在已知噪聲的情況下，通過頻譜減法，可以有效降低其他運行設(shè)備的噪音干擾，進一步為了減少由于電磁干擾引起的少量殘留噪聲，通過軟閾值處理方法對聲音信號數(shù)據(jù)進行精細化去噪，保留聲音信號數(shù)據(jù)中的關(guān)鍵特征，提高后續(xù)故障識別的準確度。且上述方法對計算要求較低，可用于實時故障檢測。

16、在本技術(shù)第一方面的一些實施例中，從所述聲音信號數(shù)據(jù)中提取各所述階段對應的域特征，包括：

17、所述域特征包括：時域特征、頻域特征以及倒譜域特征；

18、通過所述時間特征，確定各所述階段對應的時間區(qū)間，根據(jù)所述時間區(qū)間劃分所述聲音信號數(shù)據(jù)，獲取各階段對應的聲音信號數(shù)據(jù)片段；

19、通過分析未經(jīng)過預處理的所述聲音信號數(shù)據(jù)片段隨時間遷移而出現(xiàn)的時間波形，提取所述時域特征；

20、通過逆短時傅里葉變換處理預處理后的所述聲音信號數(shù)據(jù)片段，獲取所述頻域特征；

21、通過對所述頻域特征進行短時傅里葉變換后，經(jīng)梅爾濾波器處理，再進行對數(shù)運算和離散余弦變換，獲取所述倒譜域特征。

22、相比現(xiàn)有技術(shù)，上述實施例具有以下有益效果：通過時域特征，可以直接反映聲音信號在時間上的波形變化，從而捕捉到短時能量變化、振幅特性等信息；通過逆短時傅里葉變換獲取頻域特征，將去噪后的頻譜信號轉(zhuǎn)換為時域信號，從而更加精確地識別斷路器操作中的振動和噪聲模式；而倒譜域特征則通過對頻域特征進行進一步變換，可以更有效地區(qū)分周期性成分，捕捉到復雜的機械振動信號中的非線性特性。通過多維度且分階段的聲音信號數(shù)據(jù)的處理辦法，確保無論斷路器處于何種操作狀態(tài)或外部環(huán)境條件，均能夠有效地提取關(guān)鍵特征并進行故障診斷，從而更加精準地反映當前斷路器的運行狀態(tài)。

23、在本技術(shù)第一方面的一些實施例中，所述預測模型，通過將斷路器設(shè)置在不同的機械狀態(tài)下進行實際操作，采集對應階段的模擬聲音信號數(shù)據(jù)后，根據(jù)所述模擬聲音信號數(shù)據(jù)訓練支持向量機而獲取。

24、相比現(xiàn)有技術(shù)，上述實施例具有以下有益效果：通過在真實環(huán)境下設(shè)置斷路器，以使得斷路器可以模擬出不同機械狀態(tài)下的聲音信號數(shù)據(jù)，從而提高訓練數(shù)據(jù)的真實性和多樣性，提高了后續(xù)預測模型的準確性。

25、在本技術(shù)第一方面的一些實施例中，所述模擬聲音信號數(shù)據(jù)以及所述聲音信號數(shù)據(jù)，均通過均勻分布的多路通道音頻采集裝置而采集獲取。

26、相比現(xiàn)有技術(shù)，上述實施例具有以下有益效果：采用均勻分布的多路通道音頻采集裝置，可以更全面地捕捉斷路器的聲音信號，提升聲音數(shù)據(jù)的空間分辨率，確保采集數(shù)據(jù)的完整性和精確性，增強了故障診斷的可靠性，且無需更改斷路器本身的設(shè)備結(jié)構(gòu)，降低了數(shù)據(jù)采集設(shè)備對斷路器運行時的影響。

27、在本技術(shù)第一方面的一些實施例中，獲取所述soe數(shù)據(jù)后，還包括：

28、對從不同傳感器采集的所述soe數(shù)據(jù)，進行時間同步校正；

29、根據(jù)事件的前后發(fā)生邏輯，剔除所述soe數(shù)據(jù)中的異常事件。

30、相比現(xiàn)有技術(shù)，上述實施例具有以下有益效果：通過時間同步校正和邏輯剔除異常事件，確保了soe數(shù)據(jù)的準確性和一致性，避免因數(shù)據(jù)錯誤導致的誤判，進一步提升了故障識別結(jié)果的可靠性和準確度。

31、第二方面，本技術(shù)實施例還提供一種斷路器機械故障識別裝置，包括：數(shù)據(jù)獲取模塊、第一特征提取模塊、第二特征提取模塊以及故障識別模塊；

32、所述數(shù)據(jù)獲取模塊，用于獲取預設(shè)時間段內(nèi)斷路器的soe數(shù)據(jù)以及聲音信號數(shù)據(jù)；

33、所述第一特征提取模塊，用于從所述soe數(shù)據(jù)中提取時間特征和動作特征，并根據(jù)所述動作特征，識別斷路器在所述預設(shè)時間段內(nèi)所處于的若干階段；

34、所述第二特征提取模塊，用于根據(jù)所述時間特征，從所述聲音信號數(shù)據(jù)中提取各所述階段對應的域特征；

35、所述故障識別模塊，用于將各階段對應的所述域特征輸入至預訓練完畢的對應預測模型，獲取故障識別結(jié)果。

36、在本技術(shù)第二方面的一些實施例中，所述第一特征提取模塊，用于從所述soe數(shù)據(jù)中提取時間特征和動作特征，并根據(jù)所述動作特征，識別斷路器在所述預設(shè)時間段內(nèi)所處于的若干階段，包括：

37、從所述soe數(shù)據(jù)中，提取所述斷路器在所述預設(shè)時間段內(nèi)所發(fā)生事件的時間特征以及動作特征；

38、通過所述動作特征，確定所述預設(shè)時間段內(nèi)所述斷路器所處于的若干個階段。

39、在本技術(shù)第二方面的一些實施例中，還包括：第一數(shù)據(jù)預處理模塊；其中，所述第一數(shù)據(jù)預處理模塊，用于獲取所述聲音信號數(shù)據(jù)后，預處理所述聲音信號數(shù)據(jù)，包括：

40、通過頻譜減法對所述聲音信號數(shù)據(jù)進行降噪處理，獲取第一功率譜數(shù)據(jù)；

41、通過所述第一功率譜數(shù)據(jù)進行軟閾值處理，獲取預處理后的所述聲音信號數(shù)據(jù)。

42、在本技術(shù)第二方面的一些實施例中，所述第二特征提取模塊，用于根據(jù)所述時間特征，從所述聲音信號數(shù)據(jù)中提取各所述階段對應的域特征，包括：

43、所述域特征包括：時域特征、頻域特征以及倒譜域特征；

44、通過所述時間特征，確定各所述階段對應的時間區(qū)間，根據(jù)所述時間區(qū)間劃分所述聲音信號數(shù)據(jù)，獲取各階段對應的聲音信號數(shù)據(jù)片段；

45、通過分析未經(jīng)過預處理的所述聲音信號數(shù)據(jù)片段隨時間遷移而出現(xiàn)的時間波形，提取所述時域特征；

46、通過逆短時傅里葉變換處理預處理后的所述聲音信號數(shù)據(jù)片段，獲取所述頻域特征；

47、通過對所述頻域特征進行短時傅里葉變換后，經(jīng)梅爾濾波器處理，再進行對數(shù)運算和離散余弦變換，獲取所述倒譜域特征。

48、在本技術(shù)第二方面的一些實施例中，所述預測模型，通過將斷路器設(shè)置在不同的機械狀態(tài)下進行實際操作，采集對應階段的模擬聲音信號數(shù)據(jù)后，根據(jù)所述模擬聲音信號數(shù)據(jù)訓練支持向量機而獲取。

49、在本技術(shù)第二方面的一些實施例中，所述模擬聲音信號數(shù)據(jù)以及所述聲音信號數(shù)據(jù)，均通過均勻分布的多路通道音頻采集裝置而采集獲取。

50、在本技術(shù)第二方面的一些實施例中，還包括：第二數(shù)據(jù)預處理模塊；其中，所述第二數(shù)據(jù)預處理模塊，用于獲取所述soe數(shù)據(jù)后，預處理所述soe數(shù)據(jù)，包括：

51、對從不同傳感器采集的所述soe數(shù)據(jù)，進行時間同步校正；

52、根據(jù)事件的前后發(fā)生邏輯，剔除所述soe數(shù)據(jù)中的異常事件。