? 華意電力是一家專(zhuān)業(yè)研發(fā)生產(chǎn)電纜故障測試儀的廠(chǎng)家，本公司生產(chǎn)的電纜故障測試儀設備在行業(yè)內都廣受好評，以打造最具權威的“電纜故障測試儀“高壓設備供應商而努力。

電纜故障診斷研究方法綜述

小波分析

? 小波分析經(jīng)過(guò)幾十年的發(fā)展，巳經(jīng)從一個(gè)數學(xué)公式發(fā)展為各個(gè)領(lǐng)域必不可少的重要工具。通過(guò)不斷地推導和創(chuàng )新，小波分析幵始蓬勃發(fā)展起來(lái)并在國際上形成一個(gè)重要領(lǐng)域，小波分析的應用與理論緊密結合起來(lái)，它是一個(gè)新的數學(xué)分支，是一個(gè)關(guān)于時(shí)間和頻率的局域性變換，能夠通過(guò)將信號平移和伸縮來(lái)進(jìn)行多尺度細化分析。小波分析比傅里葉變換更具有實(shí)用性。在信號處理、圖象分析、模式識別、語(yǔ)音處理、地震勘探、計算機視覺(jué)分析、數據壓縮、故障診斷及眾多非線(xiàn)性科學(xué)領(lǐng)域都取得了有科學(xué)意義和應用價(jià)值的結果。小波分析應用到故障診斷的信號處理中，可以不用建立解析數學(xué)模型。具體可以分為以下四種方法：

檢測信號的突變故障

? 在信號處理中，往往要選取奇異值點(diǎn)。通常選擇信號的突變故障點(diǎn)作為處理過(guò)程中的奇異值點(diǎn)。為了能夠將奇異值點(diǎn)較好的從信號中提取出來(lái)，必須采用多尺度分析法對信號進(jìn)行處理、提取。而多尺度分析法主要是根據信號和噪聲在奇異值點(diǎn)附近的變化來(lái)進(jìn)行分析。噪聲與信號的對應關(guān)系如下：對于信號而言，信號譜圖其在奇異點(diǎn)附近的指數分別在參考系數的不同條件下出現對應的變化關(guān)系；而對于噪聲而言，其在奇異點(diǎn)附近的指數與信號邊沿的指數存在相應的對應關(guān)系（通常情況下，如果噪聲指數大于零，則信號邊沿的指數小于等于零）。利用上述噪聲與信號的變化關(guān)系可以對信號小波變換的奇異值進(jìn)行檢測，得到的結果可以測量故障點(diǎn)。對于管狀空間可以利用管體內可控流體的壓力信號的變化來(lái)進(jìn)行小波變化并求解出壓力損失源。這中算法適用于電纜管道中的故障點(diǎn)檢測。

信號頻率結構變化的故障診斷

? 對信號進(jìn)行頻率分布分析并通過(guò)繪制信號與頻率的時(shí)變函數曲線(xiàn)來(lái)分析故障信號的方法被稱(chēng)為小波多分辨率分析法。其特點(diǎn)就是對信號進(jìn)行不同尺度的劃分并在對應尺度上進(jìn)行分辨率劃分、分析。對于出現故障的系統來(lái)說(shuō)，往往故障發(fā)生時(shí)會(huì )伴隨著(zhù)特點(diǎn)頻率特征。通過(guò)對這些不同頻率的故障特征信號進(jìn)行小波分析可以得到小波變換尺度與故障特征頻率之間的相應關(guān)系。文獻利用這種方法對故障系統進(jìn)行了檢測并推算出故障信息。除此之外，有學(xué)者利用金字塔算法對小波分析中所需尺度進(jìn)行有效分解來(lái)對故障進(jìn)行檢測。

脈沖響應函數小波變換的故障診斷

? 當系統出現故障時(shí)，系統原有功能會(huì )因為故障發(fā)生而改變。系統的傳遞函數也因功能的改變而發(fā)生變化。系統在相同脈沖信號作用下的脈沖響應也會(huì )變化。因此，根據系統脈沖響應的變化對其進(jìn)行小波分析可以對故障信息進(jìn)行分析并得到故障位置點(diǎn)。這種方法對一般模型具有適用性。如果少數模型其參數具有較大的模，使用該方法時(shí)需要作出相應的調整。一般采用的方法是根據待檢狀態(tài)下辨識得到的狀態(tài)值隨時(shí)間的變化情況來(lái)判斷故障的位置。國內外已經(jīng)有多位學(xué)者對這種方法進(jìn)行了嘗試：文獻中利用小波變換和傅里葉變換來(lái)對電力配電系統故障進(jìn)行位置測量；文獻在小波變換基礎上對待檢系統輸入脈沖信號進(jìn)行正交變換，并通過(guò)小波變化和正交變換獲取故障位置的精測信息。

小波去噪提取波形特征進(jìn)行故障診斷

? 近年來(lái)，隨著(zhù)小波去噪的應用范圍不斷擴大，利用小波去噪提取故障特征的方法越來(lái)越多樣化。一般而言，小波去噪在信號處理上起到了帶通濾波器的作用。但隨著(zhù)小波去噪方法多樣化，小波去噪可以直接提取相關(guān)特征值并進(jìn)行故障診斷。目前，這樣的應用實(shí)例很多：學(xué)者利用局部極值點(diǎn)對信號進(jìn)行優(yōu)化、對優(yōu)化結果進(jìn)行重構處理并得到所需的高質(zhì)量信號；小波去噪后對信號進(jìn)行分域并對域中信號設定閾值。利用信號的閾值可以對信號進(jìn)行殘差分析并通過(guò)分析找到故障點(diǎn)；文獻中，按照故障系統的特點(diǎn)，比較噪聲與信號在控制特性上的區別，對噪聲信號進(jìn)行處理。

粗糙集理論

? 粗糙集理論（是一種新的數學(xué)工具，該工具與模糊集和概率論一樣都是用來(lái)處理不確定性的數學(xué)算法。粗糙集理論由波蘭學(xué)者于年正式提）出。粗糙集作為一種新的方法越來(lái)越受到重視，并已經(jīng)在許多科學(xué)領(lǐng)域得到應用，在很多領(lǐng)域存在著(zhù)不確定性因素，采集到的數據不具有完整性，通常包含噪聲，通過(guò)對數據進(jìn)行分析和推理來(lái)揭示其中的規律。粗糙集理論的特點(diǎn)是利用已知的數據，將不確定的數據應用到已知的數據中，其優(yōu)點(diǎn)是能夠將數據進(jìn)行簡(jiǎn)化發(fā)現隱含在數據中的規律。

? 在粗糙集的研究上，有兩個(gè)主要的方向，一個(gè)方向是粗糙集的理論研究，側重于構造粗糙集的數學(xué)理論體系；另外一個(gè)方向則是將粗糙集理論作為一種新的技術(shù)，運用到更廣泛的領(lǐng)域中。粗糙集應用到電力系統故障診斷也是一個(gè)新的方向，將粗糙集理論運用到電力系統中的故障診斷，結合其它相關(guān)方法對干擾信號進(jìn)行消除處理。通過(guò)利用神經(jīng)網(wǎng)絡(luò )技術(shù)和粗糙集理論對電力傳輸線(xiàn)進(jìn)行故障測距和故障定位，將粗糙集理論應用到故障診斷中，從而提高了神經(jīng)網(wǎng)絡(luò )的訓練收斂速度。由于電網(wǎng)具有復雜的結構，也會(huì )在不同區域出現故障點(diǎn)，因此，利用神經(jīng)網(wǎng)絡(luò )將一個(gè)大區域分解為多個(gè)神經(jīng)子網(wǎng)，再結合粗糙集理論對復雜系統的每個(gè)故障點(diǎn)建立故障診斷模型，從而可以對不同的故障點(diǎn)進(jìn)行診斷。粗糖集理論從不完備、不精確的信號中提取有用信息，生成簡(jiǎn)化決策規則，刻畫(huà)出信號的不完整性和不確定性。正是由于粗糙集理論具有能夠自動(dòng)發(fā)現和分析理論，該理論在故障診斷領(lǐng)域已經(jīng)取得了非常廣泛的應用。

? 在有些情況下，當采用粗糙集理論進(jìn)行故障診斷時(shí)，可以通過(guò)許多信號源對該故障點(diǎn)進(jìn)行檢測，這些檢測信號存在大量的信號冗余。粗糙集理論也可以在受到其它信號干擾時(shí)及時(shí)的對故障模型進(jìn)行有效判斷，提出多診斷模型。但是有一些關(guān)鍵信號，卻不能運行粗糙集理論，因為該系統不能產(chǎn)生缺失的信號，否則粗糙集將會(huì )失效。粗糙集理論的一些缺點(diǎn)也限制了其更廣泛的運用，比如在故障診斷時(shí)運用形式單一，缺乏對于診斷性能的分析，診斷邏輯不清晰等等。

理論與方法

? 隨著(zhù)分布式人工智能和計算機技術(shù)的快速發(fā)展，理論與方法也得到迅速的發(fā)展，包括對單個(gè)智能的研究、多系統的研究以及面向的軟件設計研究三個(gè)方面。單智能體模型主要是針對模型外部的輸入信號做出反應即輸出結果。因此，對于模型的設計主要在于模型內部結構設計、內部各模塊設計（包括輸入輸出模塊、反應模塊、知識庫數據庫等）等；多智能體系統（構建是基于單智能體模型基礎上的。多智能體系統各功能分別由單個(gè)功能完成。系統平臺負責對各功能進(jìn)行協(xié)調使得他們能夠在預定機制下完成任務(wù)。因此，多智能體系統（設計存在硬件系統設計和軟件系統設計。硬件系統設計主要依靠各種電子電器設備系統來(lái)實(shí)現；軟件系統則通過(guò)相應的軟件對各硬件系統的運行起到資源調配的作用。面向的軟件設計主要是利用軟件語(yǔ)言結構模仿系統的各種運行機制。利用這種模仿可以對設計的多系統的性能進(jìn)行仿真、分析。國內外學(xué)術(shù)界主要的研究方向是多智能體系統設計（和面向的軟件設計。

? 目前，對于多智能體系統的研究已經(jīng)從最初的軟件模仿開(kāi)始進(jìn)入到實(shí)際控制系統設計階段。隨著(zhù)先進(jìn)傳感器等檢測技術(shù)不斷更新升級，多智能體系統硬件系統的實(shí)現成為可能。另外，多智能體系統屬于分布式控制系統的分支。多種分布式控制技術(shù)可以與多智能體系統技術(shù)相結合。這種優(yōu)點(diǎn)使得多智能體系統在近十幾年的時(shí)間內被廣泛應用于電力、化工、通信、互聯(lián)網(wǎng)、交通、船舶等領(lǐng)域。系統實(shí)現不再是研究熱點(diǎn)。多智能體系統內部各功能智能體的協(xié)調工作與任務(wù)協(xié)商是該研究領(lǐng)域的新課題。如何解決這個(gè)問(wèn)題要考慮以下幾個(gè)方面的因素：

環(huán)境的復雜性

? 在多系統中，系統的運行一般是處于一種理想條件下即系統每個(gè)部分的工作都是可知可控的。換句話(huà)說(shuō)，各個(gè)的運行控制，信息交互等反映是能夠按照設計工作的。但在實(shí)際運行狀態(tài)下，多系統運行存在很多不可知性和不確定性。這些因素可能是由于環(huán)境的非預期變化造成的，其主要表現有以下幾個(gè)方面：

? 系統環(huán)境的多變造成的不可知性和不確定性。多智能體系統設計時(shí)，往往會(huì )考慮到一些顯著(zhù)的影響因素。但對于一些相對隱性的因素卻無(wú)法完成預測。比如多系統中各獨立對于任務(wù)的執行效果以及其對于環(huán)境改變的適應能力等都會(huì )很大程度上影響獨立的工作效果。盡管設計時(shí)可以通過(guò)相應的機制進(jìn)行約束，但不能完全避免不確定性的發(fā)生。

? 環(huán)境信息獲取能力影響多系統。多系統對外界環(huán)境信息的攝入取決于其信息釆集獲取部分的工作能力。在實(shí)現過(guò)程中往往采用傳感器等檢測手段進(jìn)行外部環(huán)境信息獲取。而當需要獲取的信息存在多種不同成分時(shí)，系統為了獲取較為準確全面的信息則必須采用信息融合技術(shù)。因此，信息融合效果將直接影響多系統同時(shí)也增加了不確定性出現的可能。

信息的多樣性

? 由于多系統在運行時(shí)會(huì )存在不同程度的不確定性以及多系統內部各個(gè)功能對信息處理能力存在差異，這使得多系統對環(huán)境的信息攝入（即對外界信息的獲取）與實(shí)際環(huán)境所釋放的信息之間存在差異。因此，為了使得多系統獲取的信息與真實(shí)信息逼近，一般要對信息進(jìn)行分析、處理以及合成。信息融合是解決此類(lèi)問(wèn)題的好方法。在融合過(guò)程中，信息組成的多元化必然會(huì )帶來(lái)不同信息之間的沖突問(wèn)題。如何解決信息多元化之間的沖突問(wèn)題成為關(guān)鍵。另外，在現有的信息融合模型中，多系統一般采用軟件語(yǔ)言模擬運用機制來(lái)協(xié)調信息融合并避免沖突。因此，環(huán)境信息的多樣性使得多系統運行必須處理好該類(lèi)問(wèn)題。

相關(guān)產(chǎn)品詳情頁(yè)面：http://www.zcbtgs.com/400/