نظرة عامة على طرق تشخيص العيوب في مفاتيح الدائرة ذات التوتر العالي للتيار المتردد

۱. ویژگی‌های پارامترهای شکل موج جریان سیم‌پیچ در مکانیزم‌های عملیاتی قطع‌کننده‌های فشار قوی کدامند؟ چگونه می‌توان این پارامترهای مشخصه را از سیگنال اولیه جریان سیم‌پیچ تریپ استخراج کرد؟

جواب: پارامترهای مشخصه شکل موج جریان سیم‌پیچ در مکانیزم‌های عملیاتی قطع‌کننده‌های فشار قوی ممکن است شامل موارد زیر باشد:

• جریان حداکثر پایدار: بیشترین مقدار جریان پایدار در شکل موج سیم‌پیچ الکترومغناطیس، که نشان‌دهنده موقعیتی است که هسته الکترومغناطیس به آن حرکت کرده و به‌طور مختصر در موقعیت حدی خود می‌ماند.

• مدت زمان: مدت زمان شکل موج جریان سیم‌پیچ الکترومغناطیس، که معمولاً از چند ده میلی‌ثانیه تا بیش از صد میلی‌ثانیه متغیر است.

• زمان افزایش قبل از فعال‌شدن هسته: زمان لازم برای افزایش شکل موج جریان از صفر تا جریان اولیه حداکثر.

• زمان کاهش: زمان لازم برای کاهش شکل موج جریان از جریان اولیه حداکثر به دره دوم. این متناظر با زمانی است که پلاگر آرمیچر شروع به حرکت می‌کند، به مکانیزم تریپ برخورد می‌کند و آن را تا موقعیت حدی آرمیچر الکترومغناطیس حرکت می‌دهد.

• شکل شکل موج: شکل کلی شکل موج، مانند شکل موج تک ضربه‌ای، چند ضربه‌ای یا دوره‌ای.

• فرکانس: اگر شکل موج دوره‌ای باشد، فرکانس آن یک پارامتر مهم است.

برای استخراج این پارامترهای مشخصه از سیگنال اولیه جریان سیم‌پیچ تریپ، مراحل زیر معمولاً مورد نیاز است:

• نمونه‌برداری: استفاده از تجهیزات نمونه‌برداری مناسب با نرخ نمونه‌برداری کافی برای نمونه‌برداری مداوم از جریان سیم‌پیچ و تبدیل سیگنال به فرم دیجیتال.

• فیلتر کردن: فیلتر داده‌های نمونه‌برداری شده برای حذف نویز فرکانس بالا به منظور شناسایی بهتر ویژگی‌های شکل موج.

• تشخیص قله: یافتن مقدار حداکثر از سیگنال فیلتر شده برای تعیین جریان حداکثر.

• اندازه‌گیری مدت زمان: محاسبه مدت زمان با تشخیص نقاط زمانی که شکل موج از جریان صفر شروع و تمام می‌شود.

• اندازه‌گیری زمان افزایش و زمان کاهش: محاسبه زمان افزایش و زمان کاهش با تشخیص نقاط زمانی از جریان صفر تا جریان حداکثر و از جریان حداکثر به جریان صفر به ترتیب.

• تحلیل شکل: استفاده از روش‌های ریاضی یا تکنیک‌های برازش شکل موج برای تحلیل شکل شکل موج.

• تحلیل فرکانس: اگر شکل موج دوره‌ای باشد، از تبدیل فوریه یا تابع خودهمبستگی برای تخمین فرکانس استفاده می‌شود.

این مراحل معمولاً به ابزارهای پردازش سیگنال و تحلیل داده (مانند MATLAB، کتابخانه‌های NumPy و SciPy پایتون و غیره) نیاز دارند. استخراج این پارامترهای مشخصه به نظارت و تحلیل عملکرد مکانیزم‌های عملیاتی قطع‌کننده‌های فشار قوی کمک می‌کند. توجه داشته باشید که باید اقدامات ایمنی مناسب هنگام کار با جریان‌های فشار قوی انجام شود تا از برق‌گرفتگی تصادفی یا خطرات دیگر جلوگیری شود.

۲. چه الگوریتم‌هایی می‌توان برای استخراج پارامترهای مشخصه مانند دامنه‌های قله و دره و نقاط زمانی متناظر آنها از شکل موج جریان سیم‌پیچ استفاده کرد؟ لطفاً آنها را به‌صورت خاص فهرست کنید.

جواب: برای استخراج پارامترهای مشخصه مانند دامنه‌های قله و دره و نقاط زمانی متناظر آنها از شکل موج جریان سیم‌پیچ، می‌توان از الگوریتم‌ها و روش‌های مختلف پردازش و تحلیل سیگنال استفاده کرد. تقسیم‌بندی شکل موج و مقایسه قطعه به قطعه می‌تواند برای به دست آوردن پارامترهای مشخصه استفاده شود. در زیر برخی از الگوریتم‌ها و روش‌های متداول آورده شده است:

• الگوریتم‌های تشخیص قله: این الگوریتم‌ها می‌توانند قله‌ها را در شکل موج تشخیص دهند، شامل قله‌های حداکثر و دره‌های حداقل. الگوریتم‌های رایج شامل روش آستانه، روش پنجره لغزان، روش‌های مبتنی بر گرادیان و غیره می‌شود.

• الگوریتم‌های تشخیص عبور از صفر: این الگوریتم‌ها می‌توانند گذارهای شکل موج از مثبت به منفی یا از منفی به مثبت را تشخیص دهند، که معمولاً همراه با تشخیص قله و دره استفاده می‌شود.

• تبدیل فوریه: می‌تواند شکل موج جریان سیم‌پیچ را به حوزه فرکانس تبدیل کند، اطلاعات قله و دره را در حوزه فرکانس استخراج کند و سپس از طریق تبدیل معکوس آن را به حوزه زمان بازگرداند تا اطلاعات زمانی به دست آید.

• الگوریتم‌های انتگرال و دیفرانسیل: انتگرال می‌تواند برای تخمین دامنه شکل موج استفاده شود، در حالی که دیفرانسیل می‌تواند برای تخمین شیب قله‌ها و دره‌ها استفاده شود و بدین ترتیب زمان آنها را استنباط کند.

• برازش شکل موج: با برازش مدل‌های شکل موج مانند مدل‌های گاوسی، منحنی‌های S و غیره، می‌توان موقعیت و دامنه قله‌ها و دره‌ها را تخمین زد. تنظیم پارامترهای نظری الکترومغناطیس‌ها برای تولید شکل موج جریان سیم‌پیچ که به‌طور مداوم به داده‌های اندازه‌گیری واقعی نزدیک می‌شود، و بدین ترتیب پارامترهای مشخصه شکل موج جریان سیم‌پیچ واقعی را از پارامترهای نظری به دست آورد.

• تحلیل مبتنی بر پنجره: تقسیم شکل موج به پنجره‌های کوچک و استخراج پارامترهای مشخصه درون هر پنجره برای ثبت تغییرات قله و دره.

• روش‌های مبتنی بر مشتق: محاسبه مشتق شکل موج برای یافتن موقعیت قله و دره؛ نقاطی که مشتق به صفر می‌رسد، نقاط افراطی هستند.

این الگوریتم‌ها می‌توانند به طور جداگانه یا ترکیبی استفاده شوند، با اینکه انتخاب خاص بستگی به ماهیت موج و نیازهای کاربرد خاص دارد. در کاربردهای عملی، معمولاً دانش حوزه و ابزارهای تحلیل داده ترکیب می‌شوند تا اطمینان حاصل شود که پارامترهای مشخصه با دقت از موج‌های جریان سیم‌پیچ استخراج می‌شوند.

3. پارامترهای مشخصه‌ای که سیگنال شتاب لرزشی مکانیسم‌های عامل کاری دیسج‌های فشار قوی در حین عملیات باز و بسته شدن چه هستند؟ چگونه می‌توان این پارامترهای مشخصه را از سیگنال‌های لرزشی مکانیکی اندازه‌گیری شده دیسج‌های فشار قوی استخراج کرد؟

پاسخ: سیگنال شتاب لرزشی مکانیسم‌های عامل کاری دیسج‌های فشار قوی در حین عملیات باز و بسته شدن ممکن است شامل بسیاری از پارامترهای مشخصه باشد که اطلاعات مهمی درباره عملکرد و وضعیت مکانیسم ارائه می‌دهند. در زیر برخی از پارامترهای مشخصه ممکن و روش‌های استخراج آن‌ها آورده شده است:

• شتاب پیک: مقدار شتاب ماکزیمم در سیگنال لرزشی، معمولاً به واحد g (شتاب گرانش) بیان می‌شود.

• مدت: مدت زمان رویداد لرزشی، معمولاً به میلی‌ثانیه یا ثانیه.

• مؤلفه‌های فرکانسی: از طریق تبدیل فوریه یا تبدیل فوریه سریع (FFT) و سایر روش‌های تجزیه طیفی، می‌توان مؤلفه‌های فرکانسی در سیگنال لرزشی را استخراج کرد تا شناسایی کرد که آیا هر مؤلفه فرکانسی وجود دارد یا خیر.

• دامنه لرزش: دامنه سیگنال لرزشی که می‌تواند به عنوان فاصله از پیک تا صفر بیان شود.

• مقدار پیک به پیک: دامنه لرزشی یک چرخه کامل در سیگنال لرزشی، معمولاً برای شناسایی لرزش‌های متناوب استفاده می‌شود.

• تعداد پالس‌ها: برای لرزش‌های چندپالسی، می‌توان تعداد پالس‌ها در یک بازه زمانی خاص محاسبه کرد.

• شکل موج شتاب: می‌توان از شکل موج سیگنال لرزشی برای تحلیل شروع، پایان و مدت زمان لرزش استفاده کرد.

• مؤلفه‌های فرکانس بالا: شناسایی مؤلفه‌های لرزش با فرکانس بالا که ممکن است ناپایداری یا آسیب مکانیسم را نشان دهد.

برای استخراج این پارامترهای مشخصه، معمولاً مراحل زیر مورد نیاز است:

• جمع‌آوری سیگنال لرزشی: استفاده از سنسورهای مناسب (مانند شتاب‌سنج‌ها) برای جمع‌آوری سیگنال‌های لرزشی از مکانیسم عامل کاری دیسج فشار قوی.

• دیجیتال‌سازی سیگنال: تبدیل سیگنال لرزشی آنالوگ به فرم دیجیتال برای تحلیل بعدی.

• فیلترینگ و حذف نویز: فیلترینگ و حذف نویز سیگنال لرزشی برای حذف نویز و بهبود کیفیت سیگنال.

• استخراج ویژگی: استفاده از ابزارهای پردازش سیگنال (مانند FFT) و روش‌های تحلیل لرزش برای استخراج پارامترهای مشخصه فوق. سیگنال‌های لرزشی با استفاده از تبدیل فوریه تبدیل می‌شوند؛ سیگنال‌های با فرکانس‌های مختلف در زمان‌های مختلف برهم‌نهی می‌شوند تا موج‌های شتاب لرزشی تقریبی از منحنی لرزش واقعی به دست آید، که پارامترهای مشخصه داده‌های واقعی را از داده‌های نظری به دست می‌آورد.

• تحلیل داده: تحلیل پارامترهای مشخصه استخراج شده برای شناسایی مشکلات عملکرد یا ناهماهنگی‌های مکانیسم.

تحلیل این پارامترهای مشخصه می‌تواند برای نظارت بر وضعیت سلامت دیسج‌های فشار قوی، شناسایی شکست‌های بالقوه و اتخاذ اقدامات نگهداری برای اطمینان از عملکرد صحیح آن‌ها استفاده شود. نظارت بر لرزش معمولاً یک وظیفه مهم در مهندسی است که می‌تواند قابلیت اطمینان و عمر مفید تجهیزات را بهبود بخشد.

4. چه الگوریتم‌هایی می‌توانند برای استخراج پارامترهای مشخصه از سیگنال‌های شتاب لرزشی مکانیکی در حین عملیات دیسج‌های فشار قوی استفاده شوند؟

پاسخ: هنگام استخراج پارامترهای مشخصه از سیگنال‌های شتاب لرزشی مکانیکی در حین عملیات دیسج‌های فشار قوی، می‌توان از انواع الگوریتم‌ها و روش‌های پردازش و تحلیل سیگنال استفاده کرد. در زیر برخی از الگوریتم‌ها و روش‌های معمول آورده شده است:

• الگوریتم‌های تشخیص پیک: این الگوریتم‌ها می‌توانند پیک‌ها را در سیگنال‌های لرزشی تشخیص دهند، از جمله پیک‌های شتاب لرزشی ماکزیمم. الگوریتم‌های معمول شامل روش آستانه، روش پنجره متحرک، روش‌های مبتنی بر گرادیان و غیره.

• تجزیه طیفی: می‌توان از تبدیل فوریه یا تبدیل فوریه سریع (FFT) برای تبدیل سیگنال لرزشی به حوزه فرکانس و استخراج مؤلفه‌های فرکانسی و اطلاعات دامنه لرزش استفاده کرد.

• انرژی لرزش: برآورد انرژی لرزش با ادغام مربع سیگنال لرزشی، به این ترتیب اطلاعاتی درباره انرژی کل لرزش به دست می‌آید.

• فرکانس لرزش: برآورد مؤلفه‌های فرکانسی اصلی لرزش با استفاده از تجزیه طیفی یا توابع خودهمبستگی برای شناسایی ویژگی‌های فرکانسی لرزش.

• دامنه لرزش: کمی‌سازی اندازه لرزش با محاسبه دامنه سیگنال لرزشی.

• مقدار پیک به پیک: دامنه لرزشی یک چرخه کامل لرزش در سیگنال لرزشی، معمولاً برای شناسایی لرزش‌های متناوب استفاده می‌شود.

• تعداد پالس‌ها: برای لرزش‌های چندپالسی، می‌توان تعداد پالس‌ها در یک بازه زمانی خاص محاسبه کرد.

• شکل موج لرزش: می‌توان از شکل موج سیگنال لرزشی برای تحلیل شروع، پایان و مدت زمان لرزش استفاده کرد.

• زمان پیک: زمانی که اوج ارتعاش رخ می‌دهد تخمین زده شود تا زمان وقوع رویدادهای ارتعاشی شناسایی شود.

این الگوریتم‌ها می‌توانند به صورت جداگانه یا در ترکیب استفاده شوند، با اینکه انتخاب خاص بستگی به ماهیت سیگنال ارتعاشی و نیازهای کاربرد خاص دارد. در کاربردهای عملی، معمولاً دانش حوزه و ابزارهای تحلیل داده‌ها ترکیب می‌شوند تا اطمینان حاصل شود که پارامترهای مشخصه به درستی از سیگنال‌های شتاب ارتعاشات مکانیکی قطعکننده‌های دو قطبی ولتاژ بالا استخراج شوند، برای نظارت بر عملکرد و وضعیت سلامت تجهیزات.

5. چگونه می‌توان اوج و زمان اوج سیگنال‌های انرژی ارتعاشی را استخراج کرد؟

پاسخ: برای استخراج اوج و زمان اوج سیگنال‌های انرژی ارتعاشی، می‌توان از روش‌های پردازش و تحلیل سیگنال استفاده کرد. روش کلی زیر را می‌توان به کار برد:

• استخراج اوج سیگنال‌های انرژی ارتعاشی:

• الف. هموارسازی سیگنال انرژی ارتعاشی: اعمال فیلتر میانگین یا روش‌های هموارسازی دیگر برای کاهش نویز در سیگنال، که آن را آسان‌تر می‌کند تا اوج‌ها شناسایی شوند.

• ب. یافتن نقاط اوج: انجام تشخیص اوج روی سیگنال هموار، معمولاً از طریق مراحل زیر:

• ج. ضبط دامنه‌های اوج: تعیین دامنه سیگنال انرژی ارتعاشی در هر نقطه اوج.

• محاسبه مشتق اول یا تفاوت سیگنال برای یافتن نقاط حدی در سیگنال (نقاطی که گرادیان صفر می‌شود).

• استفاده از آستانه‌ها یا شرایط دیگر برای فیلتر کردن نقاط اوج، که نوسانات کوچک را مستثنی می‌کند.

• استخراج زمان اوج:

• • ضبط لحظات اوج: برای هر نقطه اوج کشف شده، موقعیت آن روی محور زمان، یعنی لحظه زمانی اوج را ضبط کنید.

  • استفاده از اطلاعات زمانی: اطلاعات زمانی لحظات اوج می‌تواند برای نمایش زمان وقوع هر اوج استفاده شود، معمولاً به میلی‌ثانیه یا ثانیه.

توجه داشته باشید که روش‌های خاص برای استخراج اوج‌ها و زمان‌های اوج ممکن است بسته به مشخصات سیگنال متفاوت باشد. علاوه بر این، میزان هموارسازی سیگنال و سطح نویز نیز بر تشخیص اوج تأثیر می‌گذارد. می‌توانید از ابزارهای پردازش سیگنال مانند کتابخانه‌های NumPy و SciPy در پایتون و الگوریتم‌های تشخیص اوج مانند روش آستانه، گرادیان یا پنجره کشویی برای انجام این مراحل استفاده کنید. در کاربردهای عملی، ممکن است باید پارامترهای الگوریتم را تنظیم کنید تا به نیازهای خاص سیگنال ارتعاشی تطبیق داده شود.

6. پارامترهای مشخصه سیگنال صوتی در عملیات باز کردن و بستن قطعکننده‌های دو قطبی ولتاژ بالا چیست؟ چگونه می‌توان این پارامترها را استخراج کرد تا تجزیه و تحلیل و تشخیص نقص‌های پنهان در قطعکننده‌های دو قطبی ولتاژ بالا انجام شود؟

پاسخ: سیگنال صوتی در عملیات باز کردن و بستن قطعکننده‌های دو قطبی ولتاژ بالا ممکن است شامل برخی پارامترهای مشخصه برای تجزیه و تحلیل و تشخیص عملکرد و وضعیت سلامت تجهیزات باشد. زیرا برخی از پارامترهای ممکن سیگنال صوتی و روش‌های استخراج آن‌ها:

• دامنه صوتی: دامنه یا حجم سیگنال صوتی، معمولاً به دسی‌بل (dB) بیان می‌شود.

• فrequencies صوتی: مؤلفه‌های فرکانسی سیگنال صوتی، که برای شناسایی تن صوت یا محدوده فرکانسی صوت استفاده می‌شود.

• مدت صوت: مدت زمان رویداد صوتی، معمولاً به میلی‌ثانیه یا ثانیه.

• موج صوتی: موج سیگنال صوتی، که برای تحلیل شروع، پایان و مدت زمان صوت استفاده می‌شود.

• سپکتروگرام صوتی: نمودار تحلیل طیفی سیگنال صوتی، که برای شناسایی وقوع و تغییرات مؤلفه‌های فرکانسی استفاده می‌شود.

• تعداد پالس‌ها: برای چندین پالس صوتی، تعداد پالس‌ها در یک بازه زمانی خاص محاسبه می‌شود.

• ویژگی‌های صوتی: استفاده از ابزارهای تحلیل صوتی برای استخراج ویژگی‌های صوتی، مانند انرژی، میانگین طیفی، اوج‌ها و غیره، از سیگنال‌های صوتی.

برای استخراج این پارامترهای مشخصه، می‌توان مراحل زیر را انجام داد:

• جمع‌آوری سیگنال صوتی: استفاده از میکروفون‌های مناسب یا حسگرهای صوتی برای جمع‌آوری سیگنال‌های صوتی در عملیات باز کردن و بستن قطعکننده‌های دو قطبی ولتاژ بالا.

• دیجیتال‌سازی سیگنال: تبدیل سیگنال صوتی آنالوگ به فرم دیجیتال برای تحلیل.

• پردازش سیگنال صوتی: فیلتر کردن و کاهش نویز سیگنال صوتی برای حذف نویز و بهبود کیفیت سیگنال.

• استخراج ویژگی: استفاده از ابزارهای پردازش سیگنال صوتی و الگوریتم‌ها برای استخراج پارامترهای مشخصه فوق، مانند تحلیل طیفی، تحلیل موج و غیره.

• تحلیل داده: تحلیل پارامترهای مشخصه استخراج شده برای شناسایی ناهماهنگی‌ها یا مشکلات عملکردی در سیگنال صوتی.

با نظارت و تحلیل سیگنال‌های صوتی، نقص‌های پنهان در قطعکننده‌های دو قطبی ولتاژ بالا می‌توانند شناسایی شوند، مانند صدای ناهماهنگ، مشکلات مکانیکی یا عملیات ناهماهنگ دیگر. این کمک می‌کند تا خرابی تجهیزات جلوگیری شود و اقدامات نگهداری انجام شود تا قابلیت اطمینان و ایمنی قطعکننده‌های دو قطبی ولتاژ بالا تضمین شود.