筛粉机的特征量提取

筛粉机的特征量提取方面,美国纽约州立大学的一个研究小组提出了一种辨识振动信号特征的方法。通过测量断路器正常状态与待检测状态下的若干组数据,计算单一参数RR作为状态识别的特征量。

      该研究小组采用的筛粉机的主要信号处理技术包括:①短时谱分析;②修正谱分析;③修正结构;④事件发生时刻;⑤包络分析;⑥形态分析。在此基础上研制出一套便携式断路器振动信号检测系统(PCPDS)。研究表明:该系统已经应用在1kV及以上的油断路器和S凡断路器上,能成功识别出筛粉机的拐臂缩短、弹簧压缩过度、触头磨损及缓冲器失效等机械故障。

      近几年来,国外一些研究机构开始在理论上探讨检测断路器机械振动信号和断路器机械状态之间的对应关系。一些新的信号处理方法在这个领域中也得到了广泛的应用。将小波分析和神经网络应用到筛粉机的断路器的振动分析上,通过选择合适的小波函数提取代表断路器不同状态的特征向量,然后作为BP神经网络的输入,从而实现对不同故障类型的识别。该方法被用在66kV油断路器的状态检测上,结果表明状态识别正确率达到了100%,明显高于传统傅立叶分析筛粉机的单个神经网络的识别结果。

XML 地图 | Sitemap 地图