专利名称：一种基于断路器动特性测试仪的断路器故障诊断方法
技术领域：
本发明涉及电カ线路的监控设备，尤其涉及ー种基于断路器动特性测试仪的断路器故障诊断方法。
背景技术：
为了满足电カ发展智能化的需求，现行的电カ设备定期检修要逐步转变为状态检修，降低由于检修操作不当引起的隐患。对于断路器进而言，为了达到状态检修的目的，需要对其进行在线监测并尽可能具备通过分析检测到的数据对其机械特性故障进行智能诊断。目前，断路器测试仪处于对断路器进行出厂检验和停机检修的阶段，測量内容比较少，而且都是侵入式測量，不具备在线监测的功能，更无法满足对断路器动特性故障的智能诊断能力，不能满足电カ发展智能化的需要。

发明内容
本发明的目的在于克服现有技术的不足，提供ー种使断路器动特性测试仪具有较好稳定性、较强适应性、功能完善、并具备诊断若干种断路器常见故障的故障诊断方法。其具体技术方案如下
所述基于断路器动特性测试仪的断路器故障诊断方法，包括如下步骤从所述测试仪上采集任意样本信号，将采集的所述信号通过数模转换为数字信号，对该数字信号进行整形滤波，形成样本整理信号r(i)，提取该样本整理信号r(i)的小波特征熵，并将该小波特征熵输入到相关向量机模型中，得到对应的相关向量RVM的后验概率，采用最大概率赢MPW的策略，故障归于后验概率最大的那ー类信号。所述诊断方法进ー步设计在干，小波特征熵的提取包括如下步骤
1)对样本整理信号r(i)采用下述递推分解，得到〃层小波包分解
权利要求
1.一种基于断路器动特性测试仪的断路器故障诊断方法，其特征在于包括如下步骤从所述测试仪上采集任意样本信号，将采集的所述信号通过数模转换为数字信号，对该数字信号进行整形滤波，形成样本整理信号Wif)，提取该样本整理信号Wif)的小波特征熵，并将该小波特征熵输入到相关向量机模型中，得到对应的相关向量RVM的后验概率，采用最大概率赢MPW的策略,故障归于后验概率最大的那ー类信号。
2.根据权利要求I所述的ー种基于断路器动特性测试仪的断路器故障诊断方法，其特征在于小波特征熵的提取包括如下步骤 1)对样本整理信号m采用下述递推分解，得到层zn皮包^军 WSs(t)^-j2jhhWs(2t-k) Kj) =忑H等-k) 式中k为小波特性系数,k e任意是整数，\为具有小波特性系数t的高通滤波器组特性，gj|为具有小波特性系数Jt的低通滤波器组特性，Kgk = Aw,第 层的2-1个分解信号为:哪、m)…K(f)，n =0,1^2-2"-1 -I ； 2)用Hilbert方法提取信号W(t)包络，将所得到的包络信号,4( ,根据原始振动时间特性分成n段，计算每段信号的能量Q} = l^\A(t)\di 式中 =1，2，3，…，P，每ー时间分段的起止时刻分别为ら、ら；3)将包络信号各分段能量进行下述的归一化处理 _ = #- YM ; 4)小波包能量熵为 為=-2>(i)log的)。
3.根据权利要求2所述的ー种基于断路器动特性测试仪的断路器故障诊断方法，其特征在于所述相关向量机模型设为 = Z ゆ， 式中，&为小波包能量熵样本，.方)，…，.中^01为核函数,=tfj是权值向量；是逻辑S型函数，Wm^是通过反复迭代计算得到的最終值权值向量， 任意输入小波包能量熵样本I■，属于ー类事件，记着b=i的类Cri的后验概率定义为 ベ*=砂)，属于属于另一类事件，记着b=0的类^的后验概率为
4.根据权利要求3所述的一种基于断路器动特性测试仪的断路器故障诊断方法，其特征在于所述最大概率赢MPW的策略为，对于M类事件记为, M>2，相关向量机RVM为采用由多个二类分类器组合构造的多类分类器，记为W <J,d=ld € sj e s)，表示对第d类和第j类进行分类的二类分类分类器，对M类事件中任意事件q的后验概率
全文摘要
本发明涉及一种基于断路器动特性测试仪的断路器故障诊断方法。包括如下步骤从所述测试仪上采集任意样本信号，将采集的所述信号通过数模转换为数字信号，对该数字信号进行整形滤波，形成整理信号W(t)，提取整理信号W(t)的小波特征熵，并将该小波特征熵输入到相关向量机模型中，得到对应的相关向量RVM的后验概率，采用最大概率赢MPW的策略，故障归于后验概率最大的那一类信号。优点是，通过对采集的信号进行小波分解提取小波特征熵作为特征值输入到由相关向量机原理建立的故障诊断模型中进行诊断；采用后验概率诊断方法，实现对电力设备的及时监控；并极大地减少了核函数的计算量，提高了诊断效率及准确率。
文档编号G01M13/00GK102736027SQ201210248788
公开日2012年10月17日 申请日期2012年7月18日 优先权日2012年7月18日
发明者刘洋, 徐健源, 李斌, 杜仁伟, 杨壮壮, 王博, 童利琴 申请人:南京因泰莱配电自动化设备有限公司