基于精细复合多尺度散布熵的高压断路器机械故障诊断方法

陈佳豪，吴浩,2，李栋，杨杰，刘益岑

（1.四川轻化工大学自动化与信息工程学院，四川 自贡 643000；2.人工智能四川省重点实验室，四川 自贡 643000；3.国网四川省电力公司电力科学研究院，成都 610000）

引言

社会的进步与经济的提升都离不开电力行业的发展，日益增长的电力需求对电力设备的稳定运行提出了更高的要求。高压断路器作为电力生产中的重要保护装置，其可靠运行对电力生产活动十分重要。

断路器故障中机械故障占绝大部分。关永刚等［1-2］将已有的断路器机械故障诊断方法分作基于电流信号、基于振动信号与基于声音信号3种，现阶段研究以振动信号为主。其中断路器合闸动作时的振动信号是一种多个非线性信号的叠加信号。黄南天［3］利用S变换进行时频特征提取实现故障诊断，但是S变换的窗宽变化趋势固定，对于突变的信号适应性不强。陈朋永［4-6］等提出基于经验模态分解（EMD）的信号分解方法，相较于S变换能更适用于断路器振动信号冲击性非平稳的特点，但是模态混叠相对严重。刘荣海［7］、张佩［8］等为了降低EMD的模态混叠影响，采用集合经验模态分解（EEMD）对信号分解进行处理，效果较好。李宾宾等［9-10］利用小波包将叠加信号分解成更为精细的时频对信号进行处理，但是运算量较大，不利于诊断的快速化要求。

散 布 熵理论（Dispersion Entropy，DE）是2016年Rostaghi和Azami［11］提出的一种新的不规则指标，算法计算速度快，稳定性高，受突变信号影响较小，且考虑了幅值之间的大小关系，并且能够直接对信号进行处理。……