硕士学位论文断路器动特性在线监测及基于振动信号的故障识别方法研究姓名：范海炉申请学位级别：硕士专业：电气工程指导教师：陈伟根摘要高压断路器是电网中的故障多发设备之一，其动特性状态能有效体现断路器的运行故障。针对目前国内外对断路器动特性在线监测特征量单一，并很少有通过对特征量信息的监测采用先进方法对断路器运行故障进行有效诊断研究的现状。论文从分析断路器动特性状态及其对断路器运行的影响入手，研究了断路器行程特性在线监测传感器的选择及特性试验，完成了断路器行程特性在线监测系统的设计及实验室调试，并根据体现断路器运行故障的重要参量——振动信号诊断故障较难的现状，研究了基于振动信号的小波神经网络故障识别方法。首先对断路器行程特性在线监测位移传感器进行了研究，根据拉线式位移传感器不仅适宜于作直线运动的机械物体位移测量，更适宜于机械物体作曲线运动的位移测量的特点。在真型断路器上对拉线式位移传感器进行了特性试验，分析了不同安装位置对传感器输出特性的影响，确定了行程——时问特性测试的位移传感器的最佳位置，通过对其位移——时间曲线的综合分析，证明该种传感器能满足断路器行程一时间特性监测的要求。完成了基于G语言的图形编程软件LabVIE■的断路器行程特性的在线监测系统，完成了断路器行程特性监测系统的数据采集、分析与存储等功能模块的设计及调试，实现了断路器行程特性的监测与分析，通过实验室对1IOkVSFe真型断路器行程时间特性的对比测试，证明了该系统的稳定性和较好的精确度。根据在工程实际中同一厂家同一类型断路器正常运行时振动信号相似的特点，根据被监测断路器振动信号的特征信息，可有效判断该断路器运行的故障情况。论文对断路器振动信号进行监测的基础上，结合小波能量和神经网络对振动信号的特征量进行分类和处理；利用小波包分解和重构原理将振动信号分解到不同频段中，提取每个频段的能量经过归一化处理构成特征向量，作为径向基神经网络的输入向量；以径向基神经网络作为分类器，实现了基于振动信号的断路器故障有效识别及分类，通过模拟试验分析证明了该方法的有效性。关键词：动特性，在线监测，故障识别，小波神经网络