电缆故障诊断方法.docxVIP

电缆故障诊断方法电缆故障诊断研究方法综述小波分析小波分析经过几十年的发展，巳经从一个数学公式发展为各个领域必不可少的重要工具。通过不断地推导和创新，小波分析幵始蓬勃发展起来并在国际上形成一个重要领域，小波分析的应用与理论紧密结合起来，它是一个新的数学分支，是一个关于时间和频率的局域性变换，能够通过将信号平移和伸缩来进行多尺度细化分析。小波分析比傅里叶变换更具有实用性。在信号处理、图象分析、模式识别、语音处理、地震勘探、计算机视觉分析、数据压缩、故障诊断及众多非线性科学领域都取得了有科学意义和应用价值的结果。小波分析应用到故障诊断的信号处理中，可以不用建立解析数学模型。具体可以分为以下四种方法：检测信号的突变故障在信号处理中，往往要选取奇异值点。通常选择信号的突变故障点作为处理过程中的奇异值点。为了能够将奇异值点较好的从信号中提取出来，必须采用多尺度分析法对信号进行处理、提取。而多尺度分析法主要是根据信号和噪声在奇异值点附近的变化来进行分析。噪声与信号的对应关系如下：对于信号而言，信号谱图其在奇异点附近的指数分别在参考系数的不同条件下出现对应的变化关系；而对于噪声而言，其在奇异点附近的指数与信号边沿的指数存在相应的对应关系（通常情况下，如果噪声指数大于零，则信号边沿的指数小于等于零）。利用上述噪声与信号的变化关系可以对信号小波变换的奇异值进行检测，得到的结果可以测量故障点。对于管状空间可以利用管体内可控流体的压力信号的变化来进行小波变化并求解出压力损失源。这中算法适用于电缆管道中的故障点检测。信号频率结构变化的故障诊断对信号进行频率分布分析并通过绘制信号与频率的时变函数曲线来分析故障信号的方法被称为小波多分辨率分析法。其特点就是对信号进行不同尺度的划分并在对应尺度上进行分辨率划分、分析。对于出现故障的系统来说，往往故障发生时会伴随着特点频率特征。通过对这些不同频率的故障特征信号进行小波分析可以得到小波变换尺度与故障特征频率之间的相应关系。文献利用这种方法对故障系统进行了检测并推算出故障信息。除此之外，有学者利用金字塔算法对小波分析中所需尺度进行有效分解来对故障进行检测。脉冲响应函数小波变换的故障诊断当系统出现故障时，系统原有功能会因为故障发生而改变。系统的传递函数也因功能的改变而发生变化。系统在相同脉冲信号作用下的脉冲响应也会变化。因此，根据系统脉冲响应的变化对其进行小波分析可以对故障信息进行分析并得到故障位置点。这种方法对一般模型具有适用性。如果少数模型其参数具有较大的模，使用该方法时需要作出相应的调整。一般采用的方法是根据待检状态下辨识得到的状态值随时间的变化情况来判断故障的位置。国内外已经有多位学者对这种方法进行了尝试：文献中利用小波变换和傅里叶变换来对电力配电系统故障进行位置测量；文献在小波变换基础上对待检系统输入脉冲信号进行正交变换，并通过小波变化和正交变换获取故障位置的精测信息。小波去噪提取波形特征进行故障诊断近年来，随着小波去噪的应用范围不断扩大，利用小波去噪提取故障特征的方法越来越多样化。一般而言，小波去噪在信号处理上起到了带通滤波器的作用。但随着小波去噪方法多样化，小波去噪可以直接提取相关特征值并进行故障诊断。目前，这样的应用实例很多：学者利用局部极值点对信号进行优化、对优化结果进行重构处理并得到所需的高质量信号；小波去噪后对信号进行分域并对域中信号设定阈值。利用信号的阈值可以对信号进行残差分析并通过分析找到故障点；文献中，按照故障系统的特点，比较噪声与信号在控制特性上的区别，对噪声信号进行处理。粗糙集理论粗糙集理论（是一种新的数学工具，该工具与模糊集和概率论一样都是用来处理不确定性的数学算法。粗糙集理论由波兰学者于年正式提）出。粗糙集作为一种新的方法越来越受到重视，并已经在许多科学领域得到应用，在很多领域存在着不确定性因素，采集到的数据不具有完整性，通常包含噪声，通过对数据进行分析和推理来揭示其中的规律。粗糙集理论的特点是利用已知的数据，将不确定的数据应用到已知的数据中，其优点是能够将数据进行简化发现隐含在数据中的规律。在粗糙集的研究上，有两个主要的方向，一个方向是粗糙集的理论研究，侧重于构造粗糙集的数学理论体系；另外一个方向则是将粗糙集理论作为一种新的技术，运用到更广泛的领域中。粗糙集应用到电力系统故障诊断也是一个新的方向，将粗糙集理论运用到电力系统中的故障诊断，结合其它相关方法对干扰信号进行消除处理。通过利用神经网络技术和粗糙集理论对电力传输线进行故障测距和故障定位，将粗糙集理论应用到故障诊断中，从而提高了神经网络的训练收敛速度。由于电网具有复杂的结构，也会在不同区域出现故障点，因此，利用神经网络将一个大区域分解为多个神经子网，再结合粗糙集理论对复杂系统的每个故障点建立故障诊断模型，从而可以对不同的故障点