【技術實現步驟摘要】
本專利技術涉及高壓開關設備，特別是一種高壓斷路器電機驅動機構故障診斷方法及系統。
技術介紹
1、高壓斷路器電機驅動機構出現故障，不僅會影響高壓斷路器動觸頭的準確斷開和閉合，而且還有可能導致高壓斷路器跳閘失敗。部件和傳感器發生突變故障具有隨機性，且由于有限的測量參數以及傳感器自身故障對故障診斷準確性的影響，準確快速的診斷出高壓斷路器電機驅動機構突變故障是一項極具挑戰性的任務。多模型自適應估計方法是一種由卡爾曼濾波器和貝葉斯推理組成的智能故障診斷方法，在該方法中，卡爾曼濾波器用來跟蹤每一個故障模型的故障特征參數變化，貝葉斯推理來獲得每一個模型的概率，然后通過概率大小來判斷故障情況。多模型自適應估計方法的局限性在于，當發生的故障與預先假設的故障相差較大時，即殘差偏差較大時，卡爾曼濾波器不能獲得滿意的估計結果，且容易受非線性的影響而發散。本文提出一種基于交互式多模型和無跡卡爾曼濾波相結合的多模型自適應估計故障診斷方法，利用無跡卡爾曼濾波替換了傳統多模型自適應估計方法中的卡爾曼濾波器，使用交互式多模型將歷史故障概率回饋到貝葉斯推理中，改善了發生的故障與預先假設的故障差異較大的情況下的故障診斷的快速性和準確性。
技術實現思路
1、鑒于上述存在的問題，提出了本專利技術。
2、因此，本專利技術所要解決的問題在于：在進行高壓斷路器電機驅動機構故障診斷時，多模型自適應估計方法的局限性在于，當發生的故障與預先假設的故障相差較大時，即殘差偏差較大時，卡爾曼濾波器不能獲得滿意的估計結果，且容易受
3、為解決上述技術問題，本專利技術提供如下技術方案：一種高壓斷路器電機驅動機構故障診斷方法，其包括，構建反映高壓斷路器電機驅動的第一模型；
4、向第一模型分別引入傳感器故障的參數向量和系統部件故障的參數向量，構建反映高壓斷路器電機驅動機構傳感器故障的第二模型，和反映高壓斷路器電機驅動機構系統部件故障的第三模型；向所述第二模型和所述第三模型輸入交互進行狀態更新；對狀態更新后的第二模型和第三模型進行時間更新、測量值更新和概率更新，將更新后的狀態進行融合得到反映高壓斷路器電機驅動機構故障的第四模型；向第四模型引入主動匹配機制，修正模型參數，基于修正后的模型進行故障類型預測。
5、作為本專利技術所述一種高壓斷路器電機驅動機構故障診斷方法的一種優選方案，其中：所述第二模型和所述第三模型中包含若干個子模型，所述子模型的數量由參數向量決定，具體包括，所述傳感器故障的參數向量和所述系統部件故障的參數向量中含有多條子向量，將所述傳感器故障的參數向量中的一個子向量引入第一模型后，得到反映當前子向量對應的故障類型的第二模型中的一個子模型，當所述傳感器故障的參數向量中的所有子向量均引入第一模型后，得到所有第二模型的子模型，所有第二模型的子模型共同構成第二模型；將所述系統部件故障的參數向量中的一個子向量引入第一模型后，得到反映當前子向量對應的故障類型的第三模型中的一個子模型，當所述系統部件故障的參數向量中的所有子向量均引入第一模型后，得到所有第三模型的子模型，所有第三模型的子模型共同構成第三模型。
6、作為本專利技術所述一種高壓斷路器電機驅動機構故障診斷方法的一種優選方案，其中：所述向所述第二模型和所述第三模型輸入交互進行狀態更新包括，對所述第二模型和所述第三模型進行狀態估計值更新和協方差更新。
7、作為本專利技術所述一種高壓斷路器電機驅動機構故障診斷方法的一種優選方案，其中：所述對狀態更新后的第二模型和第三模型進行時間更新、測量值更新和概率更新之前，還包括，采用第一方法對狀態更新后的第二模型和第三模型進行處理，得到每個模型的估計離散非線性系統狀態；所述時間更新包括，基于第一方法在每個模型的時間尺度上進行估計值更新和誤差協方差更新。
8、作為本專利技術所述一種高壓斷路器電機驅動機構故障診斷方法的一種優選方案，其中：所述測量值更新包括，基于第一方法求得每個模型的測量方程在所述估計離散非線性系統狀態下的預測估計值，根據預測估計值求得增益，基于增益進行每個模型測量方程尺度下的估計值更新和誤差協方差更新；所述概率更新包括，將每個模型轉化為似然函數，采用第二方法將似然函數更新為概率模型；所述將更新后的狀態進行融合得到反映高壓斷路器電機驅動機構故障的第四模型包括，將每個模型各尺度下的估計值和誤差協方差進行融合，并嵌入概率模型得到反映高壓斷路器電機驅動機構故障的第四模型，所述第四模型與所述第二模型和所述第三模型結構相同，包含若干個第四模型子模型。
9、作為本專利技術所述一種高壓斷路器電機驅動機構故障診斷方法的一種優選方案，其中：所述向第四模型引入主動匹配機制，修正模型參數包括，為每一個故障類型用一個故障參數來表示，所述故障參數為一個數值范圍，向第四模型中代入故障參數，計算每個第四模型子模型的故障概率，并求得故障概率的平均概率，若任一第四模型子模型的故障概率大于平均概率且高于閾值，則對當前第四模型子模型中的故障參數進行修正，使當前第四模型子模型的故障概率滿足閾值要求。
10、作為本專利技術所述一種高壓斷路器電機驅動機構故障診斷方法的一種優選方案，其中：所述向第四模型引入主動匹配機制，修正模型參數還包括，保持故障參數不變，計算下一時刻每個第四模型子模型的故障概率，并求得下一時刻的平均概率，若任一下一時刻第四模型子模型的故障概率大于下一時刻的平均概率且高于閾值，并且下一時刻第四模型子模型的故障概率大于上一時刻的第四模型子模型的故障概率，則對當前下一時刻第四模型子模型的故障概率進行修正，使當前下一時刻第四模型子模型的故障概率滿足閾值要求。
11、本專利技術的另外一個目的是提供一種高壓斷路器電機驅動機構故障診斷系統，此系統可對高壓斷路器電機驅動機構進行故障診斷。
12、為解決上述技術問題，本專利技術提供如下技術方案：一種高壓斷路器電機驅動機構故障診斷方法的系統，包括：模型構建模塊、狀態更新及融合模塊和修正模塊；所述模型構建模塊構建反映高壓斷路器電機驅動的第一模型，向第一模型分別引入傳感器故障的參數向量和系統部件故障的參數向量，構建反映高壓斷路器電機驅動機構傳感器故障的第二模型，和反映高壓斷路器電機驅動機構系統部件故障的第三模型；所述狀態更新及融合模塊向所述第二模型和所述第三模型輸入交互進行狀態更新，對狀態更新后的第二模型和第三模型進行時間更新、測量值更新和概率更新，將更新后的狀態進行融合得到反映高壓斷路器電機驅動機構故障的第四模型；所述修正模塊向第四模型引入主動匹配機制，修正模型參數，基于修正后的模型進行故障類型預測。
13、一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現如上所述一種高壓斷路器電機驅動機構故障診斷方法的步驟。
14、一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如上所述一種高壓斷路器電機驅動機構故障診斷方法的步驟。
15、本專利技術有益效果為：本專利技術利用無跡卡本文檔來自技高網...
【技術保護點】
1.一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：包括，
2.如權利要求1所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：所述第二模型和所述第三模型中包含若干個子模型，所述子模型的數量由參數向量決定，具體包括，
3.如權利要求2所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：所述向所述第二模型和所述第三模型輸入交互進行狀態更新包括，對所述第二模型和所述第三模型進行狀態估計值更新和協方差更新。
4.如權利要求3所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：所述對狀態更新后的第二模型和第三模型進行時間更新、測量值更新和概率更新之前，還包括，
5.如權利要求4所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：所述測量值更新包括，基于第一方法求得每個模型的測量方程在所述估計離散非線性系統狀態下的預測估計值，根據預測估計值求得增益，基于增益進行每個模型測量方程尺度下的估計值更新和誤差協方差更新；
6.如權利要求5所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：所述向第四模型引
7.如權利要求6所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：所述向第四模型引入主動匹配機制，修正模型參數還包括，保持故障參數不變，計算下一時刻每個第四模型子模型的故障概率，并求得下一時刻的平均概率，若任一下一時刻第四模型子模型的故障概率大于下一時刻的平均概率且高于閾值，并且下一時刻第四模型子模型的故障概率大于上一時刻的第四模型子模型的故障概率，則對當前下一時刻第四模型子模型的故障概率進行修正，使當前下一時刻第四模型子模型的故障概率滿足閾值要求。
8.一種采用如權利要求1～7任一所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：包括模型構建模塊(100)、狀態更新及融合模塊(200)和修正模塊(300)；
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于：所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的一種高壓斷路器電機驅動機構故障診斷方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的一種高壓斷路器電機驅動機構故障診斷方法的步驟。
...【技術特征摘要】
1.一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：包括，
2.如權利要求1所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：所述第二模型和所述第三模型中包含若干個子模型，所述子模型的數量由參數向量決定，具體包括，
3.如權利要求2所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：所述向所述第二模型和所述第三模型輸入交互進行狀態更新包括，對所述第二模型和所述第三模型進行狀態估計值更新和協方差更新。
4.如權利要求3所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：所述對狀態更新后的第二模型和第三模型進行時間更新、測量值更新和概率更新之前，還包括，
5.如權利要求4所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：所述測量值更新包括，基于第一方法求得每個模型的測量方程在所述估計離散非線性系統狀態下的預測估計值，根據預測估計值求得增益，基于增益進行每個模型測量方程尺度下的估計值更新和誤差協方差更新；
6.如權利要求5所述的一種高壓斷路器電機驅動機構故障診斷方法，其特征在于：所述向第四模型引入主動匹配機制，修正模型參數包括，為每一個故障類型用一個故障參數來表示，所述故障參數為一個數值范圍，向第四模型中代入故障參數，計算每個第四模型子模型的故障概率，并求得故障概率的平均概率，若任...
【專利技術屬性】
技術研發人員：蘇毅，周柯，高磊，覃劍，趙堅，高錫明，羅煒，蘆宇峰，黃煒，韋雅榮，潘紹明，饒夏錦，陳梁遠，王曉明，陳沖，羅傳勝，
申請(專利權)人：廣西電網有限責任公司電力科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。