Metoda Ġdida għal Id-Dettazzjoni tal-Faults Stuck fi l-Load Switches

Fl-amentarji, kifla distribuzzjoni automatika tista' tgħalad, l-użu tal-switches tal-karġa sevva rilat fil-linja tad-distribuzzjoni. Imma, l-avvenimenti ta' inċidenti minn xallew mekaniku huma qiegħed jżidu, bħalha l-għotja u l-manutenzija tal-linja.

Il-prestazzjoni mekanika żgħira hija l-kausa prinċipali tar-rifut tal-switches. Ħafna studjenti jstudjaw l-operazzjonijiet fuq skala kbira tal-switchgear, u jagħmlu użu minn metodi bħal dettuzzjoni tal-kurrent tal-coil, analizz tal-senjali tal-vibrazzjoni, test tal-travell tal-switch, dettuzzjoni tal-defetti ultrasonika, u termometrija infrarossa. Il-detuzzjoni tal-status tal-switch bsieħba mill-kurrent tal-motor taħdem għal circuit breakers u disconnectors, imma huwa inqas applikat għall-falti tal-mekanizmu tal-moħħ tas-silġ tal-karġa.

Ir-riċerka fuq switches tal-karġa li qed jiġu operati f’l-ambjent indika li s-senjali tal-kurrent tal-motor tal-istokk tal-enerġija reflektaw il-status tas-switch. L-problemi mekaniki (bħal blokk tal-molla, rust, jamming tal-ingranaggi) fit-tiftix tal-moħħ tal-motor jagħmlu xi varjazzjonijiet fis-parametri tas-senjali tal-kurrent (ampiezza, durata, pic locali). Bassejn fuq l-inċidenti komuni tal-blokk tal-rust tal-motor tal-istokk tal-enerġija fl-àrees kosta, din id-dokument studja l-estrarreżjoni u l-identifikazzjoni tal-karatteristiċi tal-falt. Passi: 1) Analizza l-karatteristiċi tal-kurrent tal-motor, spilt il-formi tal-ondu tal-kurrent fi 4 stadi, u assessa kunkata stadju. 2) Disegna dispożitiv ta' akkwist tad-data għas-senjali tal-kurrent taħt kondizzjonijiet differenti. 3) Proposta algoritmu ta' avviż tal-registrazzjoni, estrarreżjoni tal-karatteristiċi, u metodi ta' identifikazzjoni tal-falt. 4) Valida permezz ta' esperjenzi.

1 Analizz tal-Karatteristiċi tal-Kurrent tal-Motor tal-Istokk tal-Enerġija

I-switches tal-karġa solitament jagħmlu użu minn motors DC biex jiġboru molls għal istokk tal-enerġija. Waqt l-operazzjoni tal-motor, it-torque tan-nifs tal-rotur u s-silġ huma relazjonati bl-kurrent tal-kitba tal-stator. L-equazzjonijiet tal-torque elektromagnetiku u tal-volttagġ tal-motor DC shunt-excited huma dawn:

Fil-equazzjoni (1), T tinkiteb il-torque elektromagnetiku; n tinkiteb is-silġ; Ia tinkiteb il-kurrent tal-armature; Ra tinkiteb ir-resistenza tal-kitba tal-armature, li hi kostanti; Ea tinkiteb l-EMF indukt mal-winding; U tinkiteb il-volttagġ terminal; ΔU tinkiteb it-talbass tal-volttagġ tal-kontatt, li huwa kostanti; ϕ tinkiteb il-flus magnetiku; Ce tinkiteb il-kostanti tal-EMF; u CT tinkiteb il-koefiċjent tal-torque. Skond l-equazzjoni (1), nistgħu nu derivaw:

Mill-equazzjoni (2), meta l-kurrent tal-karġa huwa żgħir, l-effett demagnetizing tal-reazione tal-armature huwa negliġibil, għalhekk il-flus magnetiku huwa kunsiderat kostanti, u l-torque elektromagnetiku huwa proporzjonali mal-kurrent tal-karġa. Meta l-kurrent tal-karġa zid, it-torque zid imma is-silġ tendi tindiek. Imma, l-effett demagnetizing mill-kurrent tal-karġa akbar jidher il-flus magnetiku, li jidher is-silġ. Dawn l-effetti kontrari solitament jagħmlu tindiek żgħir fis-silġ tal-motor shunt-excited. Figura 1 turi l-forma tal-ondu tal-kurrent tipiku tal-motor DC tal-istokk tal-enerġija waqt l-operazzjoni, divisa fi 4 stadi.Figura 1 turi l-forma tal-ondu tal-kurrent tipiku tal-motor DC tal-istokk tal-enerġija waqt l-operazzjoni, divisa fi 4 stadi.

Stagju 1 (t₀)–(t₁): Stagju ta' Avviż tal-Motor

Fl-ħin t0, is-switch tal-karġa jirċevi segnal ta' closing mil-terminal unit tad-distribuzzjoni, energizza l-motor tal-kontroll biex ibda bil-karġa. Il-kurrent tal-motor jispiċċa sal-pik ta' avviż ftst, wara ddisend rapidament biex jidħol fl-operazzjoni stabili.

Stagju 2 (t₁)–(t₂): Stagju ta' Operazzjoni Stabili tal-Motor

Il-motor jimdied il-gear tal-trasferiment biex jiġboru. Fl-istagju dan, il-motor jirġiel stabili taħt karġa ħafifa, b'amplitud tal-kurrent tal-motor Ia.

Stagju 3 (t₂)–(t₄): Stagju tal-Istokk tal-Enerġija tal-Molla

Waqt ma l-molla tal-kompressjoni tiġboru l-enerġija, it-torque tal-motor qiegħed jżid gradwalment, jiġi massimu ft3; fl-istagju dan, il-kurrent tal-motor ukoll jiġi massimu Im. Wara, it-torque tal-motor qiegħed jinfeq gradualment.

Stagju 4 (t₄)–(t₅): Stagju ta' Interrupzzjoni tal-Kurrent tal-Motor

Ft4, il-molla tal-kompressjoni tiġi s-silġ limit switch, tagħmel il-power tal-motor jiġi interrotta. Il-kurrent tal-motor jinfi rapidament sakemm jirraggiung 0 ft5, u l-motor jistoppa l-operazzjoni.

2 Diagnostika tal-Falti għal Jamming tal-Motor tal-Istokk tal-Enerġija
2.1 Simulazzjoni tal-Falt u Aqwużizzjoni tad-Data

Test tal-falt tal-jamming ġie simulat fuq switċ tal-karġa mill-fabbrika tal-elettrika (skenariu f'Fig. 2(a)). Wara l-disassomblaż tas-switċ, waqt l-operazzjoni stabili tal-motor u l-stagju tal-istokk tal-enerġija tal-molla, rocker applika forza inversa tal-locked-rotor biex isimula jamming tal-gear/spring. Dispożitiv ta' aqwużizzjoni tal-kurrent custom (Fig. 2(b)) uża chip ARM STM32F103 biex jaqra s-senjali mill-HSTS016L Hall current transformer (input DC: 0–30A). Minħabba li l-segnal tal-opening ma jkunx jiltaqa’ mal-forma tal-kurrent tat-target, din l-istudju se tfokkasa fuq is-senjal tal-kurrent tal-closing.

2.2 Algoritmu ta' Avviż tal-Registrazzjoni tal-Ondu

Minn Figura 1, il-forma tal-ondu tal-segnal effettiva tinsab f’dawn l-intervall ta’ ħin t0 sa t5, inklużi 4 stadi b’mudifikazzjonijiet diversi tal-kurrent. Fuqdi hawn, hemm differenzi sostanzjali f’l-ampiezza tal-senjali beżghom il-motors differenti. Għalhekk, l-użu ta’ limitt sempliċi tal-ampiezza tal-kurrent bħal kriterju ta’ avviż għal registrazzjoni tal-forma tal-ondu mhux appropriat. Din l-istudju adotta l-mudifikazzjoni tal-kurrent Kt f’intervall ta’ ħin unita u l-medja Imean bħal kriterji ta’ avviż biex timmaqqas l-akkużizzjoni efettiva tal-forma tal-ondu.Mudifikazzjoni tal-kurrent f’intervall ta’ ħin unita:

Medja tal-kurrent f’kull intervall ta’ ħin:

Fil-equazzjonijiet (3) u (4), I(i) tinkiteb is-senjal tal-kurrent; M huwa in-numru tas-sampjiet f’intervall ta’ ħin unita; Δt huwa t-temp ta’ l-intervall ta’ ħin unita, u Δt = 0.02s fid-dokument; I(1) huwa l-ewwel sampju f’intervall ta’ ħin unita.

2.3 Estrarreżjoni tal-Karatteristiċi f’d-Domini tal-Ħin

Biex tintifa’ il-falt tal-jamming tal-motor tal-istokk tal-enerġija, l-informazzjoni espressiva tal-kurva tniġis mill-indikaturi tad-domini tal-ħin. Il-kurtosi K tista’ tkaratterizza l-addolċ tal-segnal tal-kurrent; il-root mean square Irms tista’ tkaratterizza l-enerġija medja tal-segnal tal-kurrent; il-skewness sk huwa misur tal-direzzjoni u gradi tal-skewness tal-distribuzzjoni statistika; il-form factor sh u l-peak factor C huma użati biex ikaratterizzaw l-gradi estrem tal-pik tal-kurrent f’dan il-forma tal-ondu.

L-algoritmu ta’ klassifikazzjoni Random Forest (RF) integra multi decision trees. It-tip ta’ output tiegħu huwa determinat mill-modalità tal-klassifikaturi individuali, fehren karatteristiċi ta’ alta preċiżjoni, toleranza għal data abnormi, u risku bażi ta’ overfitting.

2.4 Algoritmu ta’ Random Forest

IRF ideppendi fuq Bootstrap sampling (sampling b’replacement biex jiffurma n set tas-sampji mid-dataset oriġinali) u Bagging voting. Bagging jġenera n set tas-sampji permezz ta’ Bootstrap, kull waħd minnhom jittrajna weak classifier indipendenti. Id-deċiżjonijiet finali jiġu mill-voting fuq l-output tal-weak classifiers, b’maggioranza bħal result.

IRF uża CART decision trees (binary trees splitting top-down mill-radix, minimizzand il-Gini index għal splits, formula (5)). Per Liu Min et al. 100 decision trees ommu l-prestazzjoni tal-klassifikazzjoni. Għalhekk, din l-istudju tista’ tuża 100 CART trees għal random forest.

3 Analisi ta’ Kas
3.1 Selezzjoni tal-Karatteristiċi

Il-Gini index fir-random forest huwa użat biex evalua l-importanza ta’ kunkata karatteristiċi. Ir-riżultati huma mostrati f’Figura 3, fejn l-ordinata tinkiteb il-koeffiċjent proporzjonali. Tista’ tikseb li erba’ karatteristiċi, l-peak factor C, skewness sk, root mean square Irms, u kurtosis K, huma importanti ħafna u jistgħu ikaratterizzaw l-differenzi beżghom l-stati diversi tas-switċ tal-karġa. Erba’ karatteristiċi, inkluż il-form factor sh, il-kurrent tal-avviż massimu Ist, it-temps tal-operazzjoni tal-motor t, u Tm, huma importanti bażi. Għalhekk, din l-istudju tista’ tagħżel C, sk, Irms, u K bħal vetturi tal-karatteristiċi.

3.2 Riżultati ta’ Diagnostika ta’ Random Forest

L-algoritmu RF iklassifika żewġ stati tas-switċ tal-karġa (normal/jammed) uża 300 sampji għal kull stat għal it-trajning (total 600) u 30 sampji għal it-test. Il-confusion matrix (Figura 4) turi identifikazzjoni perfetta tal-stat normal, 97% ta’ preċiżjoni għal jamming, u 98.33% ta’ preċiżjoni medja ta’ klassifikazzjoni.

3.3 Konfront tal-Algoritmi Diversi ta’ Klassifikazzjoni

Biex ittesta l-prestazzjoni tal-klassifikatur ta’ random forest, Support Vector Machine (SVM) u Extreme Learning Machine (ELM) kienu mittrajnati contemporanament għal konfront. Ir-riżultati tal-test huma mostrati f’tabel 1.

Mit-Tabel 1, minn dawn it-tliet klassifikaturi, l-algoritmu ta’ Random Forest (RF) jikkonsidera temp relativamente twil ta’ 6.9 ms għal sampji tas-set tal-test. Fil-preċiżjoni, il-Support Vector Machine (SVM) iġġibu 95% għal żewġ stati operattivi, infeqla mill-RF. Għalhekk, l-algoritmu ta’ Random Forest (RF) li ġie użat huwa b’alta preċiżjoni u robustness bona.

4 Konkluzzjoni

Din id-dokument proponi metodu ta’ detuzzjoni tal-falt mekaniku tas-switċ tal-karġa permezz tal-karatteristiċi tad-domini tal-ħin tal-kurrent tal-motor tal-istokk tal-enerġija u l-algoritmu ta’ Random Forest (RF). Huwa jniġis l-karatteristiċi rappresentativi tad-domini tal-ħin mil-forma tal-ondu tal-kurrent tal-motor u uża klassifikatur RF għal identifikazzjoni tal-stati. Il-kriterju ta’ avviż tal-registrazzoni tal-ondu proponut jiġi aċċess efettivament is-senjali tal-kurrent tal-motor. Biex uża l-Gini index fir-RF, huwa evalwa l-importanza tal-karatteristiċi u agħżel erba’ karatteristiċi ħafna importanti (peak factor, skewness, root mean square, kurtosis) biex ikaratterizzaw l-stati tas-switċ tal-karġa. L-esperjenzi wasslu li d-din metodu identifikaw efettivament l-stati tal-jamming tal-motor b’preċiżjoni ta’ 98.33%.