Magasfeszültségű AC áramkör-törésvédők hibadiagnosztikai módszereinek áttekintése
1. Milyen jellemző paramétereket tartalmaz a tekercsáram hullám alakja a magasfeszültségű átkapcsolók működtetési mechanizmusában? Hogyan lehet ezeket a jellemző paramétereket kinyerni az eredeti indítótekercs-áramjelből?
Válasz: A magasfeszültségű átkapcsolók működtetési mechanizmusában a tekercsáram hullám alakja jellemző paramétereit a következők ismertetik:
Állandósult csúcsáram: Az elektromos mágnes tekercsének hullám alakjának maximális állandósult áramértéke, ami azt jelenti, hogy az elektromos mágnes magja elmozdul és rövid ideig megáll a határpozíciójában.
Időtartam: Az elektromos mágnes tekercsének áramhullámának időtartama, amely általában tucatnyi és több száz milliszekundum között mozog.
Emelkedési idő a mágnesmag aktiválása előtt: Az idő, amire szükség van, hogy az áramhullám nullától a első csúcsáramig emelkedjen.
Csökkenési idő: Az idő, amire szükség van, hogy az áramhullám az első csúcsáramtól visszaérjen a második minimumhoz. Ez megegyezik azzal az idővel, amikor a szelep kezd mozogni, eltalálja a kilövő Mechanizmust, és hajtja azt az elektromos mágnes szelepének határpozíciójába.
Hullám alakja: A hullám teljes alakja, mint például egyetlen impulzus, több impulzus vagy periodikus hullám.
Frekvencia: Ha a hullám periodikus, akkor frekvenciája egy fontos paraméter.
Az eredeti indítótekercs-áramjelből való jellemző paraméterek kivonásához általában a következő lépésekre van szükség:
Mintavételezés: Megfelelő mintavételező berendezésekkel, elegendő mintavételi sebességgel folyamatosan mintavételezni a tekercsáramot, és a jelet digitális formára konvertálni.
Szűrés: A mintavételezett adatokat szűrni, hogy eltávolítsa a magasfrekvenciás zajokat, így jobban felismerhetővé téve a hullám alakjának jellemzőit.
Csúcspont detektálása: A szűrt jelben megtalálni a maximum értéket, hogy meghatározza a csúcsáramot.
Időtartam mérése: Az időtartamot úgy számolja ki, hogy meghatározza a hullám kezdő- és zárópontjait, amikor az áram nulla.
Emelkedési idő és csökkenési idő mérése: Az emelkedési időt és a csökkenési időt úgy számolja ki, hogy meghatározza a nullától a csúcsáramig, illetve a csúcsáramtól vissza a nulláig tartó időpontokat.
Alak elemzése: Matematikai módszereket vagy hullám alak illesztési technikákat használ, hogy elemzi a hullám alakját.
Frekvenciaelemzés: Ha a hullám periodikus, Fourier-transzformációt vagy autokorrelációs függvényt használ, hogy becslje a frekvenciát.
Ezekhez a lépésekhez általában jellemzőjelek feldolgozására és adatelemzésre szolgáló eszközökre (pl. MATLAB, Python NumPy és SciPy könyvtárak stb.) van szükség. Ezek a jellemző paraméterek kivonása segít a magasfeszültségű átkapcsoló működtetési mechanizmusainak figyelésében és elemzésében. Fontos megjegyezni, hogy a magasfeszültségű áramok kezelésekor megfelelő biztonsági intézkedéseket kell tenni, hogy elkerülje a véletlen elektrikus súlyozást vagy más veszélyeket.
2. Milyen algoritmusok használhatók a csúcs- és mélypontok amplitúdóinak és a hozzájuk tartozó időpontoknak a tekercsáram hullám alakjából történő kivonásához? Kérjük, sorolja fel őket specifikusan.
Válasz: A tekercsáram hullám alakjából a csúcs- és mélypontok amplitúdóinak és a hozzájuk tartozó időpontoknak a kivonásához számos jellemzőjel feldolgozásra és elemzésre szolgáló algoritmust használhatunk. A hullám alak segmentálása és szegmentenkénti összehasonlítása jellemző paraméterek megszerzésére használható. A következők néhány gyakran használt algoritmus és módszer:
Csúcsdetektáló algoritmusok: Ezek az algoritmusok képesek hullám alakokban csúcsokat detektálni, beleértve a maximum csúcsokat és a minimum mélypontokat. Gyakori algoritmusok a küszöbméret-módszer, a csúszó ablak módszere, gradiens alapú módszerek stb.
Nulla áthaladási detektáló algoritmusok: Ezek az algoritmusok képesek hullám alakokban a pozitív és negatív, vagy negatív és pozitív áthaladásokat detektálni, általában a csúcs- és mélypont detektálással együtt használják őket.
Fourier-transzformáció: Átalakítja a tekercsáram hullám alakját a frekvencia tartományba, kivonja a csúcs- és mélypont információt a frekvencia tartományban, majd inverz transzformációval térbeli információkkal tér vissza az idő tartományba, hogy időinformációkat szerezzen.
Integrálási és differenciálási algoritmusok: Az integrálással becslheti a hullám alak amplitúdóját, míg a differenciálással becslheti a csúcs- és mélypontok meredekségét, így következtethet az időpontokra.
Hullám alak illesztés: Hullám alak modelljeinek, mint például a Gauss modellek, S-görbék illesztésével becslheti a csúcs- és mélypontok helyzetét és amplitúdóját. A teoretikus elektromágnes paramétereinek beállításával generálhat olyan tekercsáram hullám alakokat, amelyek folyamatosan közelítik a valós mérési adatokat, így a valós tekercsáram hullám alak jellemző paramétereit a teoretikus paraméterekből kaphatja.
Ablakos elemzés: A hullám alakot kisebb ablakokra bontja, és kivonja a jellemző paramétereket minden ablakban, hogy megragadja a csúcs- és mélypontok változásait.
Derivált alapú módszerek: A hullám alak deriváltját számolja, hogy megtalálja a csúcs- és mélypontok helyzetét; ahol a derivált nulla lesz, ott találhatók az extrém pontok.
Ezek az algoritmusok egyenként vagy kombinációban is használhatók, a konkrét választás a hullámforma természetétől és a specifikus alkalmazás követelményeitől függ. Gyakorlati alkalmazásokban általában a területi ismereteket és az adatelemző eszközöket kombinálják, hogy megbízhatóan kinyerhessék a jellemző paramétereket a tekercs-áram hullámformából.
3. Milyen jellemző paraméterekkel rendelkezik a magasfeszültségű átkapcsoló működési mechanizmus rezgési gyorsulási jele nyitáskor és záraskor? Hogyan lehet ezeket a jellemző paramétereket kinyerni a mérési mechanikai rezgési jelek alapján?
Válasz: A magasfeszültségű átkapcsoló működési mechanizmus rezgési gyorsulási jele nyitáskor és záraskor számos olyan jellemző paramétert tartalmazhat, amelyek fontos információt adnak a mechanizmus teljesítményéről és állapotáról. Az alábbiakban néhány lehetséges jellemző paraméter és a kinyerési módszer található:
Csúcsérték: A rezgési jelben lévő maximális gyorsulási érték, általában g egységekben (gravitációs gyorsulás).
Időtartam: A rezgési esemény időtartama, általában milliszekundumban vagy szekundumban.
Frekvencia komponensek: Fourier-transzformációval vagy gyors Fourier-transzformációval (FFT) és más spektrum-analitikai módszerekkel kinyerhetők a rezgési jel frekvencia komponensei, hogy felismertek legyenek a jelenlévő bármilyen frekvencia komponensek.
Rezgési amplitúdó: A rezgési jel amplitúdója, amely csúcs-nulla távolságként fejezhető ki.
Csúcs-csúcs érték: A rezgési jelben egy teljes ciklus rezgési amplitúdója, általában periodikus rezgések azonosítására használt.
Impulzusok száma: Többimpulzusos rezgések esetén kiszámítható a megadott időszakban lévő impulzusok száma.
Gyorsulási hullámforma: A rezgési jel hullámformája segíthet a rezgések kezdete, vége és időtartama elemzésében.
Magasfrekvenciás komponensek: Magasfrekvenciás rezgési komponensek azonosítása, amelyek instabilitást vagy károsodást jelezhetnek a mechanizmusban.
A jellemző paraméterek kinyeréséhez általában a következő lépések szükségesek:
Rezgési jel rögzítése: Használjon megfelelő érzékelőket (mint például a gyorsulásmérőket) a magasfeszültségű átkapcsoló működési mechanizmusból való rezgési jel gyűjtésére.
Jel digitalizálása: A rezgési analóg jelet digitális formátumba alakítja, hogy további elemzésre használhassák.
Szűrés és zajszűrés: Szűrjék és zajszűrjék a rezgési jelet, hogy csökkentsék a zajt és javítsák a jel minőségét.
Jellemző kivonatolás: Használjon jel-feldolgozó eszközöket (mint például FFT) és rezgéstanalitikai módszereket a fenti jellemző paraméterek kinyerésére. A rezgési jelek Fourier-transzformációval vannak átalakítva; különböző frekvenciájú jelek különböző időpontokban összeadódnak, hogy generálják a gyorsulási rezgési hullámformát, ami a tényleges rezgéscsaládját közelíti meg, és jellemző paramétereket kaphatunk a tényleges adatokból a elméleti adatokból.
Adatelemzés: Elemezze a kinyert jellemző paramétereket, hogy azonosítsa a mechanizmus teljesítménybeli problémáit vagy rendellenességeit.
Ezeknek a jellemző paramétereknek az elemzése használható a magasfeszültségű átkapcsolók egészségi állapotának figyelésére, a potenciális hibák azonosítására, és karbantartási intézkedéseket tehetünk, hogy biztosítsuk a helyes működést. A rezgési monitorozás általában egy fontos feladat a mérnöki gyakorlatban, ami javíthatja a berendezések megbízhatóságát és élettartamát.
4. Milyen algoritmusok használhatók a jellemző paraméterek kinyerésére a magasfeszültségű átkapcsoló működési mechanizmusok mechanikai rezgési gyorsulási jeleinekből?
Válasz: A magasfeszültségű átkapcsoló működési mechanizmusok mechanikai rezgési gyorsulási jeleinekből jellemző paraméterek kinyeréséhez számos jel-feldolgozási és elemző algoritmust használhatunk. Az alábbiakban néhány gyakran használt algoritmus és módszer található:
Csúcsérzékelő algoritmusok: Ezek az algoritmusok képesek a rezgési jelben lévő csúcsokat, beleértve a maximális rezgési gyorsulási csúcspontokat is észlelni. Közös algoritmusok közé tartozik a küszöbérték-módszer, a csúszó ablak-módszer, a gradiens-alapú módszerek stb.
Spektrum analízis: Fourier-transzformáció vagy gyors Fourier-transzformáció (FFT) segítségével a rezgési jelet a frekvencia tartományba alakíthatjuk, és kinyerhetjük a rezgések frekvencia komponenseit és amplitúdó információját.
Rezgési energia: A rezgési jel négyzetes integrálja segítségével becslhető a rezgések teljes energiája, ezzel információt szolgáltatva a rezgések teljes energiájáról.
Rezgési frekvencia: A spektrum analízis vagy autokorrelációs függvény segítségével becslhető a rezgések fő frekvencia komponensei, hogy azonosítsuk a rezgések frekvencia jellemzőit.
Rezgési amplitúdó: A rezgés méretének kvantitatív megadása a rezgési jel amplitúdójának kiszámításával.
Csúcs-csúcs érték: A rezgési jelben egy teljes rezgésciklus rezgési amplitúdója, általában periodikus rezgések azonosítására használt.
Impulzusok száma: Többimpulzusos rezgések esetén kiszámítható a megadott időszakban lévő impulzusok száma.
Rezgési hullámforma: A rezgési jel hullámformája segíthet a rezgések kezdete, vége és időtartama elemzésében.
Csúcsidő: Becslje meg azt az időpontot, amikor a rezgési csúcs bekövetkezik, hogy meghatározza a rezgések időzítését.
Ezeket az algoritmusokat egyenként vagy kombinációban is használhatjuk, a konkrét választás a rezgési jel természétől és a specifikus alkalmazás követelményeitől függ. A gyakorlati alkalmazásokban általában a területi ismereteket és az adatelemző eszközöket kombinálják, hogy biztosítsák a mechanikai rezgési gyorsulási jelek jellemző paramétereinek pontos kivonását magasfeszültségű átmeneti kapcsolók esetében, hogy figyeljenek a berendezések teljesítményére és egészségi állapotára.
5. Hogyan lehet kinyerni a rezgési energiajel csúcsát és a csúcsidőt?
Válasz: A rezgési energiajel csúcsának és a csúcsidőnek a kivonásához használhatók jel-előfeldolgozási és elemző módszerek. Az alábbiakban egy általános módszert mutatunk be:
Rezgési energiajel csúcsának kivonása:
a. Simítsa a rezgési energiajelet: Alkalmazzon átlagszűrőt vagy más simító módszereket a jel zajszintjének csökkentésére, hogy könnyebb legyen a csúcsok észlelése.
b. Találja meg a csúcspontokat: Végezzen csúcsérzékelést a simított jelön, általában a következő lépésekkel:
c. Jegyezze fel a csúcsamplitúdókat: Határozza meg a rezgési energiajel amplitúdóját minden csúcsponton.
Számítsa ki a jel első deriváltját vagy differenciálját, hogy megtalálja a jel extrémumait (azokat a pontokat, ahol a gradiens nullává válik).
Használjon küszöbértékeket vagy más feltételeket a csúcsok szűréséhez, kizárva a kis fluktuációkat.
Csúcsidő kivonása:
-
Jegyezze fel a csúcsmomentumokat: Minden észlelt csúcspontnál jegyezze fel a helyzetét az időtengelyen, azaz a csúcs időpillanatát.
Használja az időinformációt: A csúcsmomentumok időinformációit használhatja a csúcsok bekövetkezési idejének reprezentálására, általában milliszekundumban vagy másodpercben.
Fontos megjegyezni, hogy a csúcsok és a csúcsidők kivonásának konkrét módszerei változhatnak a jel jellemzőitől függően. Emellett a jel simításának foka és a zajszint is befolyásolja a csúcsérzékelést. Használhat signal Feldolgozási eszközöket, mint például a Python NumPy és SciPy könyvtárait, valamint csúcsérzékelő algoritmusokat, mint például a küszöbérték-módszert, a gradiens-módszert vagy a csúszóablak-módszert ezekhez a lépésekhez. Gyakorlati alkalmazásokban szükség lehet az algoritmusparaméterek finomhangolására, hogy megfeleljenek a specifikus rezgési jelkövetelményeknek.
6. Milyen jellemző paraméterekkel rendelkezik a hangjel a magasfeszültségű átmeneti kapcsolók nyitási és záró műveletei során? Hogyan lehet kinyerni ezeket a paramétereket, hogy elemzésre és diagnosztikára használjuk a magasfeszültségű átmeneti kapcsolók rejtett hibáit?
Válasz: A magasfeszültségű átmeneti kapcsolók nyitási és záró műveletei során a hangjel tartalmazhat néhány jellemző paramétert, amelyeket használhatunk a berendezések teljesítményének és egészségi állapotának elemzésére és diagnosztikájára. Az alábbiakban néhány lehetséges hangjel jellemző paraméter és a kivonásuk módját mutatjuk be:
Hangamplitúdó: A hangjel amplitúdója vagy hangerőssége, általában decibelben (dB) fejezve ki.
Hangfrekvencia: A hangjel frekvencia komponensei, amelyeket használhatunk a hang hangmagasságának vagy frekvenciaszakaszának azonosítására.
Hangidőtartam: A hangesemény időtartama, általában milliszekundumban vagy másodpercben.
Hang hullámforma: A hangjel hullámformája, amelyet használhatunk a hang kezdete, vége és időtartamának elemzésére.
Hang spektrogram: A hangjel spektrális elemzési grafikonja, amelyet használhatunk a frekvencia komponensek bekövetkezésének és változásának azonosítására.
Pulzusszám: Több hangpulzus esetén kiszámítható a pulzusok száma egy adott időtartamon belül.
Hang jellemzők: Hangelemző eszközök segítségével kivonhatók a hang jellemzői, mint például az energia, a spektrális átlag, a csúcsok stb. az audio jelekhez.
Az ezeket a jellemző paramétereket kinyerni a következő lépéseket végezhetjük el:
Hangjel beszerzése: Használjon alkalmas mikrofonokat vagy szenzorokat a magasfeszültségű átmeneti kapcsolók nyitási és záró műveletei során a hangjelek beszerzéséhez.
Jel digitalizálása: Átalakítsa az analóg hangjelet digitális formába az elemzéshez.
Hangjel feldolgozása: Szűrje és tiszta alakítsa a hangjelet, hogy csökkentsen a zajt és javítsa a jel minőségét.
Jellemzők kivonása: Használjon hangjel feldolgozó eszközöket és algoritmusokat a fenti jellemző paraméterek kivonásához, mint például a spektrális elemzés, a hullámforma elemzés stb.
Adatelemzés: Elemezze a kivont jellemző paramétereket, hogy azonosítsa a hangjelben lévő anomáliákat vagy teljesítménybeli problémákat.
A hangjelek figyelése és elemzése révén azonosíthatók a magasfeszültségű átmeneti kapcsolók rejtett hibái, mint például az anomális hangok, a mechanikai problémák vagy más anomális műveletek. Ez segít megelőzni a berendezések kudarcát, és fenntartási intézkedéseket hozni, hogy biztosítsa a magasfeszültségű átmeneti kapcsolók megbízhatóságát és biztonságát.
