根據(jù)真空斷路器故障診斷特點，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，運用小波包—能量譜分析方法對振動信號進(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)果作為對各種故障模式的基本概率分配值，利用D-S證據(jù)理論，實現(xiàn)對初步診斷結(jié)果的融合，從而得到最終的融合診斷結(jié)果。實驗結(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

　　真空斷路器是開關(guān)電器中尤為重要的一種電器，在中國應(yīng)用領(lǐng)域越來越廣，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。國際大電網(wǎng)會議(CIGRE)對高壓斷路器及其操作機構(gòu)的可靠性進(jìn)行過兩次世界范圍內(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%)都為機械故障，主要涉及到操作機構(gòu)，監(jiān)視裝置和輔助裝置。因而對于真空斷路器的故障診斷的研究尤為重要。

　　真空斷路器的振動信號包含著大量非線性的、動態(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的整個頻帶。不同頻帶內(nèi)信號能量的變化反映了斷路器運行狀態(tài)的改變。真空技術(shù)網(wǎng)(http://www.mp99x.cn/)認(rèn)為通過對振動信號進(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，提取振動信號特征量，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)造簡單的BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)故障診斷；文建立了高壓斷路器操動機構(gòu)故障診斷的RBFNN 模型， 利用MATLAB工具實現(xiàn)故障診斷。但是上述方法都存在一些不足。對于神經(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，將使網(wǎng)絡(luò)結(jié)構(gòu)龐大，訓(xùn)練時間太長，甚至無法訓(xùn)練；同時由于采用的樣本不可避免的存在著矛盾性與隨機性， 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其不足，多傳感器數(shù)據(jù)融合技術(shù)彌補了單個診斷個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特的優(yōu)勢，它通過對同一識別框架的各證據(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信號為基礎(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

　　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，對安放在不同位置的兩個振動傳感器采集到的兩個振動信號分別進(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，對真空斷路器當(dāng)前狀態(tài)進(jìn)行初步診斷；最后，將兩個神經(jīng)網(wǎng)絡(luò)診斷結(jié)果作為對各種故障模式的基本概率分配值，利用D-S 證據(jù)理論，實現(xiàn)對神經(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， 其振動信號特征也會有很大不同，但是其神經(jīng)網(wǎng)絡(luò)的訓(xùn)練狀態(tài)類別向量是相同的，也就是說，在同一狀態(tài)下，兩個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。所以可以用對應(yīng)于故障信息i 的RBF 神經(jīng)網(wǎng)絡(luò)之輸出yij來代替相應(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 個量在物理意義上都表示根據(jù)某一傳感器測得值來估計被測對象，屬于某一類型的概率，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程見圖1。

圖1 融合診斷過程

　　4、結(jié)語

　　筆者以真空斷路器故障診斷問題， 應(yīng)用小波包—能量譜分析技術(shù)有效地對真空斷路器故障中振動信號進(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，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。

　　文中運用具體的實例進(jìn)行驗證， 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。