Översikt över defektdiagnosmetoder för högspänningsväxelströmsbrytare
1. Vilka är de karakteristiska parametrarna för spoleströmsformen i högspänningsbrytarens drivverk? Hur extraheras dessa karakteristiska parametrar från det ursprungliga släppspoleströmsignalen?
Svar: De karakteristiska parametrarna för spoleströmsformen i högspänningsbrytarens drivverk kan inkludera följande:
Stadigtillståndets toppström: Det maximala stadigtillståndets strömvärde i elektromagnetens spoleform, som representerar positionen där elektromagnetens kärna rör sig till och kortvarigt stannar vid sin gränsläge.
Varaktighet: Varaktigheten av elektromagnetens spoleströmsform, vanligtvis mellan ett dussin och över hundra millisekunder.
Stigtid innan kärnan aktiveras: Tiden det tar för strömsformen att stiga från noll till den första toppströmmen.
Falltid: Tiden det tar för strömsformen att falla från den första toppströmmen tillbaka till den andra dalen. Detta motsvarar tiden då armaturplungern börjar röra sig, slår ut lösningsmekanismen och driver den till elektromagnetens armaturgränsläge.
Form: Den totala formen av formen, såsom enstaka puls, flera pulser eller periodisk form.
Frekvens: Om formen är periodisk, är dess frekvens en viktig parameter.
För att extrahera dessa karakteristiska parametrar från den ursprungliga släppspoleströmsignalen, krävs vanligtvis följande steg:
Provtagning: Använd lämplig provtagningsutrustning med tillräcklig provtagningstakt för att kontinuerligt provtaga spoleströmmen och konvertera signalen till digital form.
Filtering: Filtera de provtagna data för att ta bort högfrekventa brus för bättre identifiering av formfunktioner.
Toppdetektering: Hitta det maximala värdet från det filtrerade signalen för att bestämma toppströmmen.
Mätning av varaktighet: Beräkna varaktigheten genom att upptäcka tidpunkterna där formen börjar och slutar från nollström.
Mätning av stig- och falltid: Beräkna stig- och falltid genom att upptäcka tidpunkterna från nollström till toppström och från toppström tillbaka till nollström, respektive.
Formanalys: Använd matematiska metoder eller formpassningsmetoder för att analysera formens form.
Frekvensanalys: Om formen är periodisk, använd Fouriertransform eller autokorrelationsfunktion för att uppskatta frekvensen.
Dessa steg kräver vanligtvis signalbehandling och dataanalystools (som MATLAB, Pythons NumPy och SciPy-bibliotek, etc.). Att extrahera dessa karakteristiska parametrar hjälper till att övervaka och analysera prestandan hos högspänningsbrytarens drivverk. Observera att lämpliga säkerhetsåtgärder måste vidtas när man hanterar högspänningsströmmar för att förhindra olyckliga elektriska stötar eller andra risker.
2. Vilka algoritmer kan användas för att extrahera karakteristiska parametrar som topp- och dalamplituder samt deras motsvarande tidpunkter från spoleströmsformer? Vänligen listar dem specifikt.
Svar: För att extrahera karakteristiska parametrar som topp- och dalamplituder samt deras motsvarande tidpunkter från spoleströmsformer, kan olika signalbehandlings- och analysalgoritmer användas. Formsegmentering och segmentvis jämförelse kan användas för att få fram karakteristiska parametrar. Följande är några vanligt använda algoritmer och metoder:
Toppdetektionsalgoritmer: Dessa algoritmer kan detektera toppar i former, inklusive maximala toppar och minimala dalar. Vanliga algoritmer inkluderar tröskelvärdesmetod, glidande fönstermetod, gradientbaserade metoder, etc.
Nollgenomgångsdetektionsalgoritmer: Dessa algoritmer kan detektera övergångar i former från positiv till negativ eller från negativ till positiv, vanligtvis används tillsammans med topp- och dal-detektion.
Fouriertransform: Kan konvertera spoleströmsformen till frekvensdomänen, extrahera topp- och dalinformation i frekvensdomänen, och sedan mappa tillbaka till tidsdomänen genom invers transformation för att få tidinformation.
Integrations- och derivationsalgoritmer: Integration kan användas för att uppskatta formamplituden, medan derivata kan användas för att uppskatta lutningen på toppar och dalar, vilket ger möjlighet att dra slutsatser om deras tidpunkter.
Formpassning: Genom att passa formmodeller som gaussiska modeller, S-kurvor, etc., för att uppskatta positionerna och amplituderna av toppar och dalar. Justera teoretiska parametrar för elektromagneter för att generera spoleströmsformer som kontinuerligt närmar sig faktiska mätdata, vilket gör att man får fram formens karakteristiska parametrar från teoretiska parametrar.
Fönsteranalys: Segmentera formen i små fönster och extrahera karakteristiska parametrar inom varje fönster för att fånga ändringar i toppar och dalar.
Derivatabaserade metoder: Beräkna derivatan av formen för att hitta positionerna för toppar och dalar; punkter där derivatan blir noll är extrempunkter.
Dessa algoritmer kan användas individuellt eller i kombination, med den specifika valet beroende på vågformens natur och den specifika applikationens krav. I praktiska tillämpningar kombineras vanligtvis domänkunskap och dataanalystools för att säkerställa exakt extrahering av karakteristiska parametrar från spoleströmsvågformer.
3. Vilka karakteristiska parametrar har vibrationsaccelerationsignalen för högspänningsbrytarens driftmekanismer under öppnings- och stängningssammanhang? Hur extraheras dessa karakteristiska parametrar från de mätta mekaniska vibrationsignalerna för högspänningsbrytare?
Svar: Vibrationsaccelerationsignalen för högspänningsbrytarens driftmekanismer under öppnings- och stängningssammanhang kan innehålla många karakteristiska parametrar som ger viktig information om mekanismens prestanda och tillstånd. Följande är några möjliga karakteristiska parametrar och metoder för att extrahera dem:
Toppacceleration: Det maximala accelerationvärdet i vibrationsignalen, vanligtvis uttryckt i g-enheter (tyngdacceleration).
Varaktighet: Varaktigheten av vibrationshändelsen, vanligtvis i millisekunder eller sekunder.
Frekvenskomponenter: Genom Fouriers transform eller snabb Fouriers transform (FFT) och andra spektralanalysmetoder kan frekvenskomponenter i vibrationsignalen extraheras för att identifiera förekomsten av eventuella frekvenskomponenter.
Vibrationsamplitud: Amplituden av vibrationsignalen, vilket kan uttryckas som avståndet från topp till noll.
Topp-till-topp-värde: Vibrationsamplituden för en fullständig cykel i vibrationsignalen, vanligtvis används för att identifiera periodiska vibrationer.
Antal pulsar: För flerpulsiga vibrationer kan antalet pulsar inom en given tidsperiod beräknas.
Form av accelerationsvågform: Vågformen av vibrationsignalen kan användas för att analysera start, slut och varaktighet av vibration.
Högfrekventa komponenter: Identifiera högfrekventa vibrationskomponenter, vilket kan indikera mekanisk instabilitet eller skador.
För att extrahera dessa karakteristiska parametrar krävs vanligtvis följande steg:
Insamling av vibrationsignal: Använd lämpliga sensorer (som accelerometrar) för att samla in vibrationsignaler från högspänningsbrytarens driftmekanism.
Digitalisering av signal: Konvertera den analoga vibrationsignalen till digital form för efterföljande analys.
Filtering och brusreducering: Filtera och rensa vibrationsignalen för att eliminera brus och förbättra signalens kvalitet.
Egenskapsutvinning: Använd signalbehandlingsverktyg (som FFT) och vibrationsanalysmetoder för att extrahera ovanstående karakteristiska parametrar. Vibrationsignaler transformeras med Fouriers transform; signaler av olika frekvenser överlagras vid olika tidpunkter för att generera accelerationsvibrationsvågformer som approximerar den faktiska vibrationskurvan, vilket ger karaktäristiska parametrar från faktiska data utifrån teoretiska data.
Dataanalys: Analysera de extraherade karakteristiska parametrarna för att identifiera prestandaproblem eller avvikelser i mekanismen.
Analys av dessa karakteristiska parametrar kan användas för att övervaka högspänningsbrytarnas hälsotillstånd, identifiera potentiella fel och vidta underhållsåtgärder för att säkerställa deras korrekta fungerande. Vibrationsövervakning är vanligtvis en viktig uppgift inom ingenjörsvetenskap som kan förbättra utrustningens tillförlitlighet och livslängd.
4. Vilka algoritmer kan användas för att extrahera karakteristiska parametrar från mekaniska vibrationsaccelerationsignaler under drift av högspänningsbrytare?
Svar: När man extraherar karakteristiska parametrar från mekaniska vibrationsaccelerationsignaler under drift av högspänningsbrytare kan olika signalbehandlings- och analysalgoritmer användas. Följande är några vanligt använda algoritmer och metoder:
Toppdetektionsalgoritmer: Dessa algoritmer kan detektera toppar i vibrationsignaler, inklusive maximala vibrationsaccelerations toppar. Vanliga algoritmer inkluderar tröskel-metoden, glidande fönster-metoden, gradient-baserade metoder, etc.
Spektralanalys: Fouriers transform eller snabb Fouriers transform (FFT) kan användas för att konvertera vibrationsignalen till frekvensdomänen och extrahera frekvenskomponenter och amplitudinformation från vibrationen.
Vibrationsenergi: Uppskatta vibrationsenergin genom att integrera kvadraten av vibrationsignalen, vilket ger information om den totala energin i vibrationen.
Vibrationsfrekvens: Uppskatta de huvudsakliga frekvenskomponenterna i vibrationen med hjälp av spektralanalys eller autokorrelationsfunktioner för att identifiera vibrationsfrekvenskarakteristiken.
Vibrationsamplitud: Kvantifiera storleken på vibrationen genom att beräkna amplituden av vibrationsignalen.
Topp-till-topp-värde: Vibrationsamplituden för en fullständig vibrationscykel i vibrationsignalen, vanligtvis används för att identifiera periodiska vibrationer.
Antal pulsar: För flerpulsiga vibrationer kan antalet pulsar inom en given tidsperiod beräknas.
Form av vibrationsvågform: Vågformen av vibrationsignalen kan användas för att analysera start, slut och varaktighet av vibration.
Toppunkt: Uppskatta tidpunkten då vibrations toppen inträffar för att identifiera tiden för vibrationshändelser.
Dessa algoritmer kan användas individuellt eller i kombination, med den specifika valet beroende på vibrationssignalens natur och de specifika applikationens krav. I praktiska tillämpningar kombineras vanligtvis domänkunskap och dataanalystools för att säkerställa korrekt extrahering av karakteristiska parametrar från mekaniska vibrationsaccelerationsignaler från högspänningsbrytare, för att övervaka utrustningens prestanda och hälsotillstånd.
5. Hur extraheras toppen och toptiden för vibrationsenergisignaler?
Svar: För att extrahera toppen och toptiden för vibrationsenergisignaler kan du använda signalbehandling- och analysmetoder. Nedan följer en generell metod:
Extrahering av vibrationsenergisignalers topp:
a. Utjämna vibrationsenergisignalen: Använd medelfiltering eller andra utjämningsmetoder för att reducera brus i signalen, vilket gör det lättare att upptäcka toppar.
b. Hitta topppunkter: Utför toppteknik på den utjämnade signalen, vanligtvis genom följande steg:
c. Registrera toppamplitud: Bestäm amplituden av vibrationsenergisignalen vid varje topppunkt.
Beräkna den första derivatan eller differensen av signalen för att hitta extremvärden i signalen (punkter där lutningen blir noll).
Använd trösklar eller andra villkor för att filtrera bort topppunkter, uteslutande små svängningar.
Extrahering av toptid:
-
Registrera topmoment: För varje upptäckt topppunkt registrerar du dess position på tidsaxeln, dvs. toptidpunkten.
Använd tidsinformation: Tidsinformationen för topmomenten kan användas för att representera inträffningstiden för varje topp, vanligtvis i millisekunder eller sekunder.
Observera att de specifika metoderna för att extrahera toppar och toptider kan variera beroende på signalens egenskaper. Dessutom kommer graden av signautjämning och brusnivån också att påverka toppteknik. Du kan använda signalbehandlingsverktyg som NumPy- och SciPy-biblioteken i Python, samt toppteknikalgoritmer som tröskelmetod, gradientmetod eller glidande fönstermetod för att utföra dessa steg. I praktiska tillämpningar kan du behöva justera algoritmparametrar för att anpassa sig till specifika vibrationsignalens krav.
6. Vilka karaktäristiska parametrar har ljudsignalen under öppnings- och stängningsoperationer av högspänningsbrytare? Hur extraheras dessa parametrar för att analysera och diagnostisera latenta defekter i högspänningsbrytare?
Svar: Ljudsignalen under öppnings- och stängningsoperationer av högspänningsbrytare kan innehålla vissa karaktäristiska parametrar som används för att analysera och diagnostisera utrustningens prestanda och hälsotillstånd. Följande är några möjliga ljudsignalens karaktäristiska parametrar och metoder för att extrahera dem:
Ljudamplitud: Amplituden eller volymen av ljudsignalen, vanligtvis uttryckt i decibel (dB).
Ljudfrekvens: Frekvenskomponenterna i ljudsignalen, används för att identifiera tonen eller frekvensområdet för ljudet.
Ljudvaraktighet: Varaktigheten av ljudhändelsen, vanligtvis i millisekunder eller sekunder.
Ljudvågform: Vågformen av ljudsignalen, används för att analysera start, slut och varaktighet av ljudet.
Ljudspektrogram: En spektralanalysgraf av ljudsignalen, används för att identifiera inträffandet och förändringen av frekvenskomponenter.
Antal pulsar: För flera ljudpulsar kan antalet pulsar inom en given tidsperiod beräknas.
Ljudfunktioner: Använd ljudanalysverktyg för att extrahera ljudfunktioner, såsom energi, spektralt medelvärde, toppar etc., av ljudsignaler.
För att extrahera dessa karaktäristiska parametrar kan följande steg utföras:
Insamling av ljudsignal: Använd lämpliga mikrofoner eller sensorer för att samla in ljudsignaler under öppnings- och stängningsoperationer av högspänningsbrytare.
Signal digitalisering: Konvertera den analoga ljudsignalen till digital form för analys.
Bearbetning av ljudsignal: Filtera och rensa ljudsignalen för att eliminera brus och förbättra signalens kvalitet.
Extraktion av funktioner: Använd ljudsignalbehandlingsverktyg och algoritmer för att extrahera ovan nämnda karaktäristiska parametrar, såsom spektralanalys, vågformsanalys etc.
Dataanalys: Analysera de extraherade karaktäristiska parametrarna för att identifiera avvikelser eller prestandaproblem i ljudsignalen.
Genom övervakning och analys av ljudsignaler kan latenta defekter i högspänningsbrytare identifieras, såsom abnorma ljud, mekaniska problem eller andra abnorma operationer. Detta hjälper till att förhindra utrustningsfel och vidta underhållsåtgärder för att säkerställa tillförlitligheten och säkerheten hos högspänningsbrytare.
