根據(jù)真空斷路器故障診斷特點(diǎn)，提出了小波包、RBF神經(jīng)網(wǎng)絡(luò)與D-S證據(jù)理論相結(jié)合的決策層信息融合診斷方法。首先，運(yùn)用小波包—能量譜分析方法對(duì)振動(dòng)信號(hào)進(jìn)行分解處理，提取特征向量，并以此作為診斷的依據(jù)；其次，建立神經(jīng)網(wǎng)絡(luò)模型，以特征向量為RBF神經(jīng)網(wǎng)絡(luò)的輸入，進(jìn)行斷路器初步故障診斷；然后將診斷結(jié)果作為對(duì)各種故障模式的基本概率分配值，利用D-S證據(jù)理論，實(shí)現(xiàn)對(duì)初步診斷結(jié)果的融合，從而得到最終的融合診斷結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法診斷真空斷路器故障能取得良好的效果。

　　引言

　　真空斷路器是開(kāi)關(guān)電器中尤為重要的一種電器，在中國(guó)應(yīng)用領(lǐng)域越來(lái)越廣，將向高壓(72.5 kV 以上)、低壓(380 V～3 kV)兩極發(fā)展，部分取代SF6斷路器和空氣斷路器，這就要求真空斷路器有更加可靠的電氣性能。國(guó)際大電網(wǎng)會(huì)議(CIGRE)對(duì)高壓斷路器及其操作機(jī)構(gòu)的可靠性進(jìn)行過(guò)兩次世界范圍內(nèi)的調(diào)查，結(jié)果表明，斷路器的大多數(shù)故障(主要故障的70%和次要故障的86%)都為機(jī)械故障，主要涉及到操作機(jī)構(gòu)，監(jiān)視裝置和輔助裝置。因而對(duì)于真空斷路器的故障診斷的研究尤為重要。

　　真空斷路器的振動(dòng)信號(hào)包含著大量非線性的、動(dòng)態(tài)的成分，如尖峰、諧波和不連續(xù)等，這些諧波和不連續(xù)頻帶較寬分布于信號(hào)的整個(gè)頻帶。不同頻帶內(nèi)信號(hào)能量的變化反映了斷路器運(yùn)行狀態(tài)的改變。真空技術(shù)網(wǎng)(http://www.jnannai.com/)認(rèn)為通過(guò)對(duì)振動(dòng)信號(hào)進(jìn)行分析，可以提取出真空斷路器狀態(tài)特征并以此為依據(jù)進(jìn)行故障診斷。

　　目前對(duì)于斷路器的故障診斷主要是采用基于神經(jīng)網(wǎng)絡(luò)技術(shù)的診斷，文提出利用小波包分解與重構(gòu)原理，提取振動(dòng)信號(hào)特征量，并采用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷；文在小波包與特征熵的基礎(chǔ)上，按照熵理論提取特征熵向量，最后構(gòu)造簡(jiǎn)單的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷；文建立了高壓斷路器操動(dòng)機(jī)構(gòu)故障診斷的RBFNN 模型， 利用MATLAB工具實(shí)現(xiàn)故障診斷。但是上述方法都存在一些不足。對(duì)于神經(jīng)網(wǎng)絡(luò)，當(dāng)系統(tǒng)的診斷參數(shù)較多，征兆信息量大時(shí)，將使網(wǎng)絡(luò)結(jié)構(gòu)龐大，訓(xùn)練時(shí)間太長(zhǎng)，甚至無(wú)法訓(xùn)練；同時(shí)由于采用的樣本不可避免的存在著矛盾性與隨機(jī)性， 從而降低了網(wǎng)絡(luò)的泛化能力，使故障定位精度不高。這就需要新的方法彌補(bǔ)其不足，多傳感器數(shù)據(jù)融合技術(shù)彌補(bǔ)了單個(gè)診斷個(gè)體所具有的不確定性，D-S證據(jù)理論在表達(dá)和處理不確定信息方面具有獨(dú)特的優(yōu)勢(shì)，它通過(guò)對(duì)同一識(shí)別框架的各證據(jù)體進(jìn)行融合推理，提高了證據(jù)推理結(jié)論的可靠性，因而在信息融合領(lǐng)域得到廣泛的應(yīng)用。所以，筆者以小波包能量譜方法分析振動(dòng)信號(hào)為基礎(chǔ)，結(jié)合徑向基函數(shù)RBF (radial basis function)神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論，提出基于小波包、RBF神經(jīng)網(wǎng)絡(luò)與D-S 證據(jù)理論的決策層信息融合診斷方法，實(shí)現(xiàn)真空斷路器故障的融合診斷，使診斷結(jié)果更加精確。

　　1、原理與設(shè)計(jì)

　　文中采用基于小波包、RBF 神經(jīng)網(wǎng)絡(luò)與D-S 證據(jù)理論的決策層信息融合診斷方法。首先，對(duì)安放在不同位置的兩個(gè)振動(dòng)傳感器采集到的兩個(gè)振動(dòng)信號(hào)分別進(jìn)行小波包—能量譜分析，得到當(dāng)前狀態(tài)的特征值；然后，將兩組特征量分別輸入到RBF 神經(jīng)網(wǎng)絡(luò)中，對(duì)真空斷路器當(dāng)前狀態(tài)進(jìn)行初步診斷；最后，將兩個(gè)神經(jīng)網(wǎng)絡(luò)診斷結(jié)果作為對(duì)各種故障模式的基本概率分配值，利用D-S 證據(jù)理論，實(shí)現(xiàn)對(duì)神經(jīng)網(wǎng)絡(luò)的診斷結(jié)果的融合，從而得到最終的融合診斷結(jié)果。

　　當(dāng)斷路器工作在某一狀態(tài)下，加速度傳感器的安裝位置不同， 其振動(dòng)信號(hào)特征也會(huì)有很大不同，但是其神經(jīng)網(wǎng)絡(luò)的訓(xùn)練狀態(tài)類(lèi)別向量是相同的，也就是說(shuō)，在同一狀態(tài)下，兩個(gè)傳感器的輸入特征不同，但是其初步診斷所得狀態(tài)向量是一致的。文中采用決策層融合診斷，對(duì)初步診斷結(jié)果進(jìn)行數(shù)據(jù)融合提高診斷結(jié)果精度。

　　由于每個(gè)神經(jīng)網(wǎng)絡(luò)所輸出的[0，1]之間的數(shù)即為基于相應(yīng)故障信息診斷的屬于各故障狀態(tài)的可能性，只是基于各類(lèi)故障信息得到的屬于某故障狀態(tài)的可能性并非完全一致，甚至可能出現(xiàn)較大的偏差或矛盾情況。所以可以用對(duì)應(yīng)于故障信息i 的RBF 神經(jīng)網(wǎng)絡(luò)之輸出yij來(lái)代替相應(yīng)的傳感器信度函數(shù)分配的相關(guān)系數(shù)Ci( j)。由于這2 個(gè)量在物理意義上都表示根據(jù)某一傳感器測(cè)得值來(lái)估計(jì)被測(cè)對(duì)象，屬于某一類(lèi)型的概率，即兩者之間存在相關(guān)性，因而采用這種處理方法是合理的。這樣，便可由各Ci(j)求出各傳感器的信度函數(shù)分配，然后用D-S證據(jù)理論的合成規(guī)則聯(lián)合每個(gè)傳感器的信度函數(shù)分配，形成融合的信度函數(shù)分配。最后利用融合后的結(jié)果， 根據(jù)所提取故障特征值進(jìn)行故障融合診斷，上述融合診斷方法及診斷過(guò)程見(jiàn)圖1。

圖1 融合診斷過(guò)程

　　4、結(jié)語(yǔ)

　　筆者以真空斷路器故障診斷問(wèn)題， 應(yīng)用小波包—能量譜分析技術(shù)有效地對(duì)真空斷路器故障中振動(dòng)信號(hào)進(jìn)行了頻帶能量特征提取,并作為RBF 神經(jīng)網(wǎng)絡(luò)的輸入特征向量。同時(shí)，將信息融合技術(shù)應(yīng)用于故障診斷中，建立和提出RBF 神經(jīng)網(wǎng)絡(luò)與D-S證據(jù)理論融合診斷的框架與方法，運(yùn)用RBF 神經(jīng)網(wǎng)絡(luò)產(chǎn)生各種故障模式的基本概率分配，然后運(yùn)用D-S證據(jù)理論的組合規(guī)則進(jìn)行了融合診斷。

　　文中運(yùn)用具體的實(shí)例進(jìn)行驗(yàn)證， 結(jié)果表明了，基于小波包、RBF 神經(jīng)網(wǎng)絡(luò)與D-S 證據(jù)理論的決策層信息融合診斷方法的正確性和有效性。