基于多传感器信号融合的真空断路器机械特性状态评价

周 阳 王宝华

（南京理工大学自动化学院，南京 210094）



基于多传感器信号融合的真空断路器机械特性状态评价

周 阳 王宝华

（南京理工大学自动化学院，南京 210094）

真空断路器机械特性状态评估中存在仅依靠单一传感器信号进行评价的问题。对此，提出了一种利用D-S证据理论对多传感器信号进行信息融合来判断真空断路器机械特性状态的方法。此方法首先对位移传感器测出的运行参数利用模糊综合评判方法计算得出基于位移信号的评价结果。然后，运用小波包-能量熵谱法对加速度传感器监测的振动信号进行信号处理，提取特征向量，结合相似性原则得出基于振动信号的评价结果。最后，运用D-S证据理论中的合成法则对以上两个传感器得出的初步评价结果进行融合，得出最终评价结果。经过实例验证，该方法得出的评估结果具有更高的可信度。

真空断路器；状态评估；模糊综合评判；小波包-能量熵；D-S证据理论

真空断路器具有体积小，低噪声，可靠性高等优点，大量用于配电系统中。据资料显示，由于断路器操动机构及控制回路等方面的原因引起的机械故障占全部故障的 70%～80%[1]。因此，对真空断路器的机械特性做出可靠有效评价对于断路器的状态检修具有重大意义。目前针对断路器的状态评估研究工作在国内外相继展开，文献[2]结合模糊数学，运用模糊综合评判法对断路器状态进行评价。文献[3]将突变理论与模糊隶属函数结合起来，避免了主观权重对评价结果的不良影响。文献[4]针对高压断路器状态评估因素具有模糊性和灰色性的特点，将灰色模糊理论应用到高压断路器的状态评估中。文献[5]在用层次分析法确定指标常权的基础上，采用基于均衡函数的变权模式，对常权进行修正，使各指标的权重更加合理。上述研究解决了以往在断路器评估工作中存在的一些问题，提高了评估水平，但也还有不足之处。在以上方法中，对断路器机械特性状态做出评价时，依靠的评价指标是分合闸时间和速度等来源于单一位移传感器监测的数据，以此建立评价指标体系，对断路器的机械状态进行评估可靠性不高。

本文利用多传感器数据融合技术弥补了单个评估个体所具有的不确定性。在利用位移传感器监测断路器运行状况（触头行程信号）并对其机械状态进行评价的基础上，引入加速度传感器对断路器振动信号进行监测，经过对振动信号的处理分析，得出基于振动信号的状态评价结果。最后利用D-S证据理论在表达和处理不确定信息方面具有的优势[6]，对上述两种传感器的状态评价结果进行数据融合，得出最终评价结果，提高了结论的可靠性。

1　断路器机械特性状态总体评价方案

分析断路器的动触头行程信号和振动信号，提取相应特征量，在此基础上建立评价模型。一方面采用断路器触头行程信号的计算数据作为评估参数，建立评价指标体系，根据评判因素特点确立相应的隶属度函数，运用层次分析法进行权重分配，然后运用模糊评判模型公式进行计算，得出利用位移传感器对断路器机械状态进行评价的结果；另一方面对加速度传感器测得的振动信号，运用小波包—能量熵谱法进行信号处理，提取出能够反映断路器机械状态的特征值，结合相似性原则得出利用振动信号进行机械特性状态评价的结果。在此基础上，利用D-S理论中的Dempster合成规则对两种传感器的状态信度分配进行合成，得出证据融合后的评价结果。上述方法及实现过程如图1所示。

图1　融合评价过程

2　利用位移传感器评价机械特性状态

模糊综合评判是一种根据给出的评价标准和实测值，经过模糊变换后，对基于多因素影响的事物作出评判的评价方法[7]。在VJ12型真空断路器上安装直线位移传感器可以监测到断路器的触头行程信号，据此计算得出分合闸平均速度等能反映断路器机械特性状态的运行参数。选取合适的参数建立评价指标体系，结合模糊综合评判方法可以得出对断路器机械状态的评价结果。

2.1建立评判因素集

高压断路器的运行参数对反映其机械特性状态具有重要意义，例如合闸速度过高时，将使机构受到过度的机械应力影响，从而造成个别部件损坏或使用寿命缩短[8]。因此，要想准确评价断路器的机械特性，就要注意重要指标的选取。在综合考虑评价指标的在线可监测性，全面性的基础上，尽量简化指标数量。据此标准建立了如图2所示的指标体系。

图2　评价指标体系

2.2确定评价语集

将断路器机械特性状态分为4个层次，分别为

V={优良(V1),一般(V2),警戒(V3),故障(V4)}

2.3确定权重集

层次分析法是一种定性分析与定量分析相结合的系统分析方法，通过构造判断矩阵，计算权重。利用层次分析法为各指标确定权重，具体步骤如下：

（1）确定目标和评价因素集。

（2）构造判断矩阵p。

式中，Uij的取值方法见表1。

（3）计算特征向量及特征值。

（4）一致性检验。

表1　判断矩阵标度及含义

2.4隶属函数建立

速度特性参数包括：平均分闸速度与平均合闸速度这两个因素，其数值变化与断路器机械特性状态呈正态分布关系，即当分闸、合闸为最优速度时，断路器处于最佳状态，实测值高于或低于这个速度都反应断路器的状态变差。VJ12户内高压真空断路器使用说明书中对平均分闸速度的要求为 1.1± 0.2m/s，对平均合闸速度的要求为 0.6±0.2m/s，所以平均分、合闸速度对断路器状态影响的模糊分布如式（1）、式（2）所示：

由于式（1）和式（2）两个函数将平均分合闸速度的测量值都归一化到[0, 1]之间，所以这两个因素的隶属度相同，如图3所示。

图3　平均分合闸速度隶属度函数图

三相分、合闸不同期的隶属度分配如图4所示，VJ12型户内高压真空断路器使用说明书中规定三相分闸不同期与三相合闸不同期时间应在2ms内。

图4　分合闸不同期性隶属度函数图

3　利用振动信号判断机械特性状态

断路器的振动信号中包含着设备大量的状态信息，当断路器机械状态发生改变时其振动信号也发生相应变化，可以据此利用监测与分析断路器的振动信号来判断断路器的机械特性所处状态[8]。在断路器分合闸操作过程中，操动机构中的各部件伴随着启动、制动、撞击等运动过程，安装在断路器上的加速度传感器可以测到这一系列的冲击加速度波形。作为监测与状态评估的研究，应该着眼于对振动信号进行分析处理、特征提取与建立模型，找出正常情况与异常情况的不同。

3.1构造特征向量

利用Matlab小波工具箱选用DB3小波对采集到的振动信号进行3层小波包分解，得到第3层的8个频带信号。当断路器发生故障时，产生的振动信号各频率成分相对于正常状态时会发生变化，某些频率成分出现衰减，某些频率成分会增强，反应到频带内信号的能量上，发生故障情况下与正常状态下相比较也会存在较大的差别，故障状态下会使得某些频带内能量变小，另一些频带内能量变大。通过分析各频率成分信号的能量变化，可以发现其中蕴含的故障信息[9]。因此，将能量熵作为能反映断路器机械状态的特征矢量，建立以能量熵为元素的样本空间。将振动波形中采样点的时间轴均分为400段，各段能量为

式中，振动信号在第i段的能量用 Qk(i)表示；f(n)为振动信号曲线，i=1,2,,400；n1和n2分别为其中一段时间的采样点。

信息熵除了可以反映整体的不确定性之外，还可以反映整体与局部之间的关系[10-11]。熵值越大，表明各子系统或元素之间越均匀；熵值越小，则越不均匀。利用信号包络的分段能量计算特征熵值，以此方法将特征熵Hk提取出来：

3.2利用相似性原则判断断路器机械状态

通过大量实验表明，同一型号的断路器（VJ12型真空断路器），在同样工作环境条件下，如果断路器的机械特性都处于良好状态，其检测到的振动波形也具有高度的相似性。如果其中某台机械特性处于不佳状态或操动机构发生机械故障，则监测到的振动信号会发生较明显的变化，与良好状态下的振动波形不再具有高度的一致性。

利用基于欧式距离的辨识比来表示相似度大小，以此来分析断路器的机械状态[12]。在已经获得的特征值样本中，取断路器状态完好条件下的两组特征样本作为基准值B(n)和参考值R(n)，待监测的数据设为T(n)，则辨识比VS即为参考数据与基准数据的欧式距离dR和待检数据与基准数据的欧氏距离dT之间的比值，计算公式为

当断路器处于良好状态时，则辨识比VS的值近似为1；而当断路器的机械特性状态变差，离最佳状态水平差距越来越大时，辨识比VS的值也会变大。因此辨识比 VS量化了断路器状态好与坏之间的差异性，通过VS的大小，可以分析出断路器机械特性所处的状态水平。

实验中分别对处于良好状态的，状态一般的，状态老化需要注意的和已发生故障的断路器采集振动信号，并按 3.1节所述方法提取特征值，算出辨识比VS大小，其中部分样本数据见表2。根据表2可知，真空断路器机械特性处于不同状态时，其振动相似性辨识比的大小也介于某一个相应区间内。根据采集的样本数据分析和现场实验经验，VJ12型真空断路器振动信号相似性大小与断路器机械特性状态之间的隶属度关系分配如图5所示。

图5　振动相似性的基本信任分配

表2　部分特征值数据

4　运用D-S证据理论对多传感器数据融合

在评价真空断路器的机械特性状态时，如果只用单一传感器监测的物理量作为评价指标得出评价结果，则很难保证评价结果的可靠性。文中选取动触头行程信号，振动信号两项指标描述断路器的机械状态。每项指标都可以作为断路器机械状态评估证据，但是每个指标所确定的状态等级却不一定相同，及证据间存在矛盾冲突。运用D-S证据理论中的Dempster合成法则，将各个证据进行融合，即可消除证据冲突引起的影响，继而得到一个新的更具说服力的信任分配。

(2)多元化合作：①鼓励“师傅型”教师与企业师傅合作交流，以结对子、拜师傅等形式交流传承技能经验，提高自身的职业能力；②参与校企合作召开的专业座谈会、课程建设讨论会、技能比赛等活动，提升师资的企业文化理念与职业教育理念。

4.1D-S证据理论概念

D-S证据理论是由Dempster提出的一种不确定性推理理论。Dempster合成法则如下：

设Bel1和Bel2是同一识别框架Θ上的两个信度函数，m1和 m2分别是其对应的基本信度分配，其焦元分别为A1,A2,,Ak和B1, B2,,Bk。

对于给定的焦元A⊆Θ，如果有Ai∩Bj=A ,那么m1( Ai) m2(Bj)就是确切地分配到A上的一部分一部分基本信度值，所以确切地分配到A上的总的基本信度值为

按照上面的方法，当A为空集时，仍然会有一部分信度值分配到A上，这与事实是矛盾的，因此必须丢弃这部分信度值，为了使总的信度值在丢弃这部分信度值后保持为 1，应当在每一基本信度值的基础上乘一系数 K[14]。这种方法称为归一化，K的求法为

4.2实例验证

某 VJ12型真空断路器利用位移传感器监测得到平均分闸速度为 1.3m/s，平均合闸速度为0.85m/s，三相分闸不同期 1.4ms，三相合闸不同期1ms。加速度传感器监测到的振动信号波形如图 6所示。

图6　振动信号波形图

评判步骤如下：

根据介绍的模糊综合评判法，将数据带入计算，可得到利用位移传感器监测数据对断路器机械特性状态作出的第一部分的评价结果见表3。

表3　基于位移传感器的状态评估结果

对图6中振动信号采用介绍的小波提取能量熵的方法，可得到特征值见表4。

表4　小波提取能量熵所得特征值

根据式（6）计算可得断路器振动信号的辨识比为4.066，根据图5所示隶属度划分，可得利用加速度传感器监测的振动波形对机械特性状态进行评价的结果见表5。

表5　基于振动信号的状态评估结果

采用D-S合成规则对上述两个传感器的评价结果进行数据融合。最终评价结果见表6。

表6　融合结果

从表6可以看出，VJ12型真空断路器此时处于预警状态的概率最大为0.935。而之前利用单一传感器对断路器状态进行评价，得出的断路器处于预警状态的概率分别仅有 0.7、0.813，说明融合后的结果信任程度更高了。实例中的断路器运行年限较长，操作机构老化比较严重，机械性能不佳，确实处于预警状态，需要技术人员引起重视，注意检查，防止其发生故障。上述得出的评价结果符合断路器的实际运行状态，且两个传感器融合后的不确定度比单一传感器信息的不确定度小很多，说明多传感器数据融合大大减小了评估状态的不确定性，从而有效地提高了评价结果的可信度。

5　结论

提出了一种依靠两种传感器监测信号对真空断路器机械状态做出评价的方法。对于位移传感器监测信号，选取出合适的运行参数，利用模糊综合评判法得到基于位移信号的断路器机械特性评价结果；采取小波－能量熵的方法从振动信号中提取出需要的特征向量，结合振动信号相似性原则得出基于振动信号的断路器机械特性评价结果。运用 D-S证据理论中Dempster合成法则对两个传感器证据进行合成，得出最终的评估结果。

结合具体算例进行了验证，只运用位移传感器信号得出断路器处于预警状态的概率仅有0.7，而将两个传感器证据合成后得出断路器处于预警状态的概率增加到了 0.93。结果表明运用多传感器信息融合对断路器机械特性状态进行评价比利用单一传感器进行状态评价具有更高的可信度，能够得出更加准确的评价结果，提出的利用多传感器信号融合评价断路器机械特性状态的方法是正确有效的。

[1] 张弛. 高压断路器在线监测与故障诊断系统研究[D].北京: 北京交通大学, 2007.

[2] 陈伟根, 李伟, 陈新岗, 等. SF6高压断路器状态分析的模糊综合评判方法[J]. 高压电器, 2004, 40(5): 361-363.

[3] 陈伟根, 吴娅, 刘强. 基于突变理论的断路器运行状态模糊综合评判方法[J]. 高压电器, 2007, 43(2): 127-130, 135.

[4] 国连玉, 李可军, 梁永亮, 等. 基于灰色模糊综合评判的高压断路器状态评估[J]. 电力自动化设备, 2014, 34(11): 161-167.

[5] 陈伟根, 魏延芹, 廖瑞金. 高压断路器运行状态的变权模糊综合评判方法[J]. 高压电器, 2009, 45(3): 73-77.

[6] 李海英, 冯冬, 宋建成. 中压真空断路器的模糊—证据理论在线状态评估模型[J]. 高压电器, 2013, 49(1): 40-45.

[7] 韩富春, 张海龙. 高压断路器运行状态的多级模糊综合评估[J]. 电力系统保护与控制, 2009, 37(17): 60-64.

[8] 李斌. 永磁机构真空断路器运动特性状态评估方法研究[D]. 沈阳: 沈阳工业大学, 2013.

[9] 陈伟根, 范海炉, 王有元, 等. 基于小波能量与神经网络的断路器振动信号识别方法[J]. 电力自动化设备, 2008, 28(2): 29-32.

[10] 孙来军, 胡晓光, 纪延超. 改进的小波包-特征熵在高压断路器故障诊断中的应用[J]. 中国电机工程学报, 2007, 27(12): 103-108.

[11] 徐建源, 张彬, 林莘, 等. 能谱熵向量法及粒子群优化的RBF神经网络在高压断路器机械故障诊断中的应用[J]. 高电压技术, 2012, 38(6): 1299-1306.

[12] 宋锦刚. 基于振动信号小波包提取和相似性原则的高压开关设备振动监测[J]. 电网技术, 2010, 34(4): 189-193.

[13] 苗红霞, 王宏华. 基于数据融合的高压断路器故障诊断方法研究[J]. 工矿自动化, 2010, 10(10): 45-48.

[14] 程磊, 李正瀛, 尹小根, 等. D-S证据理论在断路器故障诊断中的应用[J]. 高压电器, 2003, 39(3): 48-50, 56.

Mechanical Characteristic State Evaluation of Vacuum Circuit Breaker based on Multi-sensor Signal Fusion

Zhou Yang Wang Baohua
(Automation College, Nanjing University of Science and Technology, Nanjing 210094)

The mechanical properties status of vacuum circuit breakers was usually evaluated by single sensor signal. To solve this problem, an evaluation method was proposed in this paper. This method used D-S evidence theory to combine multi sensor signals. Firstly, we got operating parameters which were measured by the displacement sensor. Then we calculated basic belief assignment of mechanical properties according to fuzzy comprehensive evaluation method. Secondly, we used acceleration sensor to monitor vibration signals. According to the method of wavelet packet-energy spectrum, vibration signals were decomposed and extracted characteristic values. Then based on the similarity principle, the characteristic values were used to determine basic belief assignment of mechanical properties status. Finally, the two basic belief assignments are fused according to D-S evidence theory. And the final fusion evaluation results are obtained. The test results showed the method was correct and effective.

vacuum circuit breaker; status assessment; fuzzy comprehensive evaluation; wavelet packet-energy entropy; D-S evidence theory

周 阳（1990-），男，硕士研究生，主要研究方向为电力设备的故障诊断与状态评估。

江苏省普通高校研究生科研创新计划资助项目（SJZZ_0051）