基于线圈电流分析的操动机构故障诊断方法-陈辰.pdf

《基于线圈电流分析的操动机构故障诊断方法-陈辰.pdf》由会员分享，可在线阅读，更多相关《基于线圈电流分析的操动机构故障诊断方法-陈辰.pdf（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、笺j乳鹬铲 蛔黧。纛白盎u羔商萝。E意。!焉慧b 毗i。淼3DOI：103785jissn1008973X201603017基于线圈电流分析的操动机构故障诊断方法陈 辰，厉小润(浙江大学电气工程学院，浙江杭州310027)摘要：提出一种贝叶斯更新和DS证据理论相结合的分合闸线圈电流分析方法。运用线圈模型提取线圈电流理想特征，与实际电流特征进行校正得到特征残差，以补偿环境对线圈电流的影响；利用历史样本数据和贝叶斯方法对各个特征残差分布参数进行后验估计，降低测量误差的干扰；在后验分布结果上，依据不确定性规则对概率进行分割，使用Ds证据理论融合分割结果，实现操动机构各类故障的有效评估在实验平台上进行

2、故障模拟与故障成因诊断实验，结果表明：该方法在故障征兆发生的12次内即可准确地识别出故障原因，说明改进方法能够有效减少系统测量误差带来的影响，具有较强诊断的敏感性与分类准确性，为视情维修提供较可靠依据关键词：断路器；操动机构；故障诊断；贝叶斯更新；DS证据理论中图分类号：TM 561 文献标志码：A 文章编号：1008973X(2016)03一09一0527Fault diagnosis method of circuit breaker operating mechanismbased on coil current analysisCHEN ChenLI Xiaorun(J行sfi“P o

3、厂Sys已m SfiP行cP n行d(、o行roZ，Z巧i口ng Uniwrsi了，Hn行92，lo“310027，Ci”口)Abstract： A co订current analytical method for diagnosing circuit breaker(CB)operation mechanism malfunction was proposed based on the combination of Bayesian updating and Dempstershafer(DS)theoryBy obtaining ideal features of co订current f

4、rom the coil model，the feature error was compensated with thecomparison between ideal and real current features in order to offset the environment effect On the pur_pose of reducing the influence of measurement error，the posteriori estimation was calculated with historysampling data for describing t

5、he distribution parameters of feature error by means of Bayesian updatingOn the basis of posteriori distribution，the probability was segmented and fused by the way of uncertaintyrules and DS methodology respectively，so that the malfunctions of operation mechanism can be assessed effectiVely Experime

6、nted with the testing pIatform，malfunctions were simulated and diagnosed The resultillustrates that the proposed algorithm can quickly recognize fault within 1 to 2 times after the appearanceof failure data，which means that the modified method can work against the impact of system measurementerror e

7、ffectively The diagnosis and classification are sensitive and accurate， which provides maintenancewith reliable basisKey words： circuit breaker， operating mechanism， fault diagnosis， Bayesian updating， DempsteShafer(DS)theorv操动机构是断路器系统中故障最为高发的部件1。51，而分合闸线圈电流分析法则是一种广泛用于收稿日期基金项目作者简介断路器操动机构故障诊断的方法，该方法通

8、过断路器分合闸测试过程中采集到的操作线圈电流作为故201510一10 浙江大学学报(工学版)网址：wwwjournalszjueducneng浙江省自然科学基金资助项目(Lzl4F030004)陈辰(1988一)，男，硕士生，从事故障诊断技术研究0RCID：ooOOo00345187959Email：chenchenl988zj“通信联系人：厉小润，男，教授，博导0RcID：oooo o00243127533Email：lxrlyzjueducn万方数据浙 江 大 学 学 报(工学版) 第50卷障诊断的依据，对断路器的可靠性作出评估与操动机构机体震动分析邸瑁、传动主轴位移分析凹1叩等其他方法相

9、比，线圈电流采集无需大幅改动的机械结构L11。，在相对较低的改装成本下有着较好的故障诊断表现，因此得到了许多国内外学者们的关注在诊断算法方面，Rao等121使用小波去噪和欧氏空间距离对比的方法实现了线圈故障的识别，但该方法不能判断故障的具体类型RaziKazemi等【131则在大量线圈电流观测的基础上，分析了不同故障下的电流特征变化，制定了一系列的故障分类规则，实现了故障的分类，然而该方法只能在波形发生明显畸变后对故障原因进行分析Strachan等1们采取了聚类方法和决策树规则提取，实现了基于数据挖掘的故障诊断方法，但是该方法依赖大量故障样本，在应用时容易受到继路器样本匮乏的制约张弛151通过

10、引入DS理论，对线圈电流特征进行了数据融合，实现了故障的融合推理，但该方法在证据测度分配过程中存在主观过强的缺点为弥补这一缺点，李海英等161提出了基于模糊一证据理论的诊断方法，取得了较好的诊断结果，然而模糊隶属度函数的选择在极大程度上影响着方法的可靠性葛葆华17则从粗糙集的角度出发，对线圈电流特征进行了属性简约，建立了最小诊断规则决策表，但其离散型的输出结果依然不能满足视情维修的需要Guan等1 8为了解决视情维修对于数字型评价指标的需求，提出了将特征概率分布划分为劣化、故障、正常等区域，并依据事件独立的假设计算出各类故障的概率大小，实现了对故障风险的评估，但是依然存在线圈电流特征易受电压输

11、入影响、特征数据问并非简单的独立关系的缺点，容易造成故障的误判减少环境因素对于分合闸线圈电流的影响，从历史数据中发掘反映故障的数据特征是分合闸线圈电流分析法研究的热点本文针对中压真空断路器弹簧操动机构提出一种分合闸线圈电流分析方法该方法首先利用分合闸线圈模型对电流特征进行校正，提取特征残差；继而通过贝叶斯更新，将历史数据与断路器先验知识相结合，求取出样本分布参数的后验估计；最后通过DS证据理论，实现对贝叶斯参数估计结果的不确定性推理，提高算法在故障分类方面的可靠性1原理与模型分析11分合闸线圈工作原理与电流分析典型的分合闸线圈结构如图1所示依据分合y 石铁轭匿 习顶杆 幺 。、勿 荔 o；警一

12、o， 其他(5)式中：q。为广义坐标，Q，为广义力，i为线圈电流，研为衔铁质量，忌为弹簧系数，R为电阻z。为衔铁最大行程，F0为衔铁的初始受力，u为衔铁运动速度，6为摩擦黏滞系数；L(T)、L。分别为分合闸线圈的自感与漏感在图1坐标系下，若衔铁气隙距离z减小，则L(T)逐渐变大函数L(z)表达式可取电磁铁自感计算公式心3I： ，一砑鬻式中：N为线圈匝数，口，为铁芯磁导率，胁为真空磁导率，i r为铁芯等效长度，d为街铁套筒厚度，Af和A。分别线圈气隙和铁磁体的等效截面积其简化形式L(T)一N2(触+a)也可近似表述电感随衔铁运动所对应的自感变化关系由于分合闸线圈电流波形刚性不明显，对式(5)采取

13、4级5阶的RungeKutta法求解即可获得较好的仿真曲线，图4为求解的仿真波形和实测波形的对比，可见模型较好地还原了实际波形的形成原理另外，根据实测的温度和电压变化，对模型中的电压、电阻以及磁导率进行修正，即可对环境引起的波形变化进行预测图4实测线圈电流与模型仿真电流-时间曲线对比Fig4(bmparison of currenttime curves between reaI coilcurrent and proposed m。del simulation results2 诊断算法故障监测数据存在偶然性，这是由于状态监测装置的测量误差以及信号噪声所致利用贝叶斯更新的方法对断路器历史数据

14、进行参数分布的后验估计24，并在事件独立的假设条件下对分合闸线圈实现失效风险评估，可以降低单次样本偏差对于估计结果的影响然而，该方法在实际应用中仍然存在一些问题例如：当线圈输入电压、所处的环境温度发生改变时，特征的参数估计结果也会随之发生漂移，估计的失效概率也会随之增加另外，基于独立假设的概率计算虽然能够很好地给出各个故障的风险指万方数据530 浙 江 大 学 学 报(工学版) 第50卷标，为视情维修提供依据，但是故障与特征间关系复杂，而独立假设过于简单，计算结果中经常出现多类故障并发而难以断定真正失效诱因的情况，因此并不适合作为故障分类的算法针对这些问题，改进算法如图5所示，算法增加了特征残

15、差的提取步骤，通过对实际特征与理想特征作差，将差值作为新的分类特征的方式，来补偿环境对于参数估计的影响在贝叶斯参数估计的结果上，引入不确定性概率与推理方法，实现DS数据融合，以达到提高故障分类准确性的目的因此本章将按照系统框架，分为特征残差提取、贝叶斯更新、DS证据推理3部分予以阐述新测量特征特囊铲学 提取 历史数据库I J、_I选取最近女1组特征残差求取七1组的P(ok)分布鬻黧陋后验参数 H先验分布参数尸(p防)分布l。一区域划分计算汪据测度Ds证据融合图5 贝叶斯更新和DS证据理论相结合的诊断算法示意图Fig5 ()utline of proposed fault detection a

16、lgorithmbased on combination of Bayesian updating andDS theory21特征残差提取根据第1章中分合闸线圈电流形成的原理分析，电流信号的特征点往往集中在电流波形的极值点附近然而并非所有极值点都适合作为故障诊断的特征点，例如图2中点D虽然表现为波形电流极大值点，但是由于干扰信号的存在，时间特征f。在提取时的不一致性较强，不适合作为时间特征出现综合考虑特征提取效果和特征代表性两方面的因素，本文选取的基本特征如表1所示其中，“f，对应图2中点AF的时间特征，J。、J。、j。为电流波形的幅值特征选取，其中J(f。)、J(f。，)、J(D)指。、坛

17、、。时刻记得的电流另外对于提取过程中大部分的干扰信号和波形畸变的问题，采取小波阈值去噪和多窗口定位的方法。j o即可取得良好的特征提取结果，这里不再详述为了求取这些特征的残差，分别对实际测量信号以及带人实测环境参数的仿真波形(参考12节中线圈模型)进行特征提取，其差值即可作为故障诊断的特征数据具体原理框图如图6所示表l电流波形特征点的选取与描述Tab1 Selection and description of current features实测信号图6 电流特征残差提取过程示惹图Fig6 Extraction process of current feature residues22贝叶斯更

18、新现有的大部分断路器状态监测装置都具有历史数据存储的功能，而贝叶斯更新的引入能够有效利用历史数据对样本的真实分布情况进行后验估计考虑到断路器在近期内的多次分合闸测试中，电流特征可以被认为是短期平稳分布的，因此对第i次测量到的特征残差，其表达式如下：R，一T，一T。+， (6)式中：T，为真实的波形特征，T，为预测特征，为测量所产生的测量误差，。近似满足服从N(O，盯2)的自然分布因此残差样本分布为舢，口，。c唧一笋其中一T：于。根据贝叶斯公式，参数卢、仃的后验分布如下：P(F，盯I R)。e exp l一业一与乒直唧一 万方数据第3期 陈辰，等：基于线圈电流分析的操动机构故障诊断方法式中：肌盯

19、的先验分布取7c(，仃)。C exp一业老丛一旦若丛I (8)L u1 厶口2 一其中，卢。、口。、盯。、盯。分别为关于残差大小弘与噪声方差叮的期望与方差，其中Ti一丁。在理想情况下为o，因此期望肛。取o；卢。的理想取值为系统测量噪声的标准差口，、盯：可以根据主观对于卢。、z的认识进行选取，若对于。、严。取值较为明确，则可以选取较小的口，、晚，相反则选取较大的方差取值用于贝叶斯更新算法的样本取46组即可，过少的样本不足以矫正先验分布，较多的样本会导致正常样本在所有样本中占有主导地位而检测不到故障根据式(6)的定义可以发现，参数口表示测量特征与预期特征之间的偏差，参数盯则表示测量噪声e，的标准差

20、由于在故障分析中，故障的辨识需要对残差偏离情况进行分析而非测量噪声进行分析，所以只需对参数卢的边界分布进行计算即可芦的边界分布如下式所示：rP(肛l R，盯)一I P(肚，盯f R)d口 (9)。J由于式(9)的边界积分较难求取，可以采取Gibbs抽样的方法对每个残差分布参数卢的分布情况进行统计23 DS证据推理采用贝叶斯更新的目的是通过区域划分的方式来获取特征参数位于某些定义域上的概率大小不同故障的发生会使得参数分布在这些定义域内的概率产生相应变化，据此可以得到单个特征对于某种故障发生的概率评估，继而将多种概率评估结果以独立概率计算的方式进行相乘，从而得到线圈某种故障的风险预测然而，这种方法

21、忽略了各类特征与不同故障问相关性的差异，对概率事件的定义也是非黑即白，因此随着乘积项的增多，概率乘积会以指数的形式迅速缩减，以致故障分类的准确度大幅下降当采取DS证据融合作为推理算法时，由于在参数分布结果中加入了无证据测度的分配，缓解了多特征下概率融合困难的问题对各个故障进行证据测度分配主要过程分为下述4步来实现1)确定故障识别框架鼠，巩，巩，口。)，其中岛代表断路器处于健康状态，臼，巩为两两互斥的故障状态2)根据故障巩在特征残差R。定义域上的表现，划分对应的证据测度区间，其中，志l，2，砣)对于每个可识别故障魄，都有相应的识别区间为XI X。R)3)在特征残差的贝叶斯更新估计结果下，计算各类

22、故障的证据测度其中，对于测度区间没有重叠的区间，证据测度取mass(巩)一IP(z)dz (10)士式中：X XX。，X旺X，志对于测度区间存在重叠的区域，取证据测度为mass(眈，巩，良)一lP(z)dz (11)女式中：以、巩、研为重叠区域支持的故障类别：X XX。n X。nn X。)对于定义域上没有任何证据区间覆盖的区域：X X旺X。U X-UU XN，XR)，将其区间上的概率积分赋值给无信任测度mass()P(工)即为式(9)中灶的概率分布，由于对口的分布情况可以采用Gibbs抽样法，不必直接求取概率分布的积分结果，各故障的证据测度可以采取如下方式进行计算： 证据测度一萼嘉磐妻誊喾黼c

23、，2，4)对分所有合闸线圈特征进行步骤2)与3)中的证据测度分配，将为故障识别框架提供分类证据的所有特征值进行DS证据融合，根据融合证据大小确定当前操动机构在故障识别框架下的状态魄如图7所示是对证据区间划分与测度计算间关系的示意图，图中近似高斯分布的曲线为特征残差的后验分布，依据划分步骤2)的定义，首先划分识别区间定义域上(一15，15)被划分为健康状态区问，(一。，一35)被划分为故障A的识别区间；(一。，一5O)则被划分为故障B的识别区间；(40，+)则是故障C的识别范围，继而根据步骤3)中的规则来计算识别区间内的证据测度于是，(一。，一5o)内对应的区域面积被分配为目标A，B)的证据测度

24、，(一50，一35)的区域面积对应的为目标A的证据测度，(4o，+o。)内则是对应目万方数据浙 江 大 学 学 报(工学版) 第50卷标C的证据测度对于没有覆盖故障表现区域的白色部分，将其作为无证据测度区间处理针对各类特征对于分合闸线圈电流波形产生的影响，对表l中7种特征值证据测度的分配区问具体如表2所示在选取故障识别框架时，诊断算法的选取方式以幂集的形式表示：D。一线圈电阻正常，线圈电阻偏大，线圈电阻偏小)；D。一衔铁阻力正常，衔铁阻力异常)；D。一衔铁行程正常，衔铁行程不足；甄一辅助开关正常，辅助开关异常)；D。一分合闸机构正常，分合闸机构异常表2各特征残差的证据区间分配表Tab2 Evi

25、dence range distribution of residuals on each feature正常线圈电阻偏小线圈电阻偏大衔铁阻力异常衔铁行程不足辅助开关异常分合闸机构异常(一1O，1O)(一10。1O) (一3O，30) (一1O。1O) (一O03，O03)(一O03O03)(一O10，O10)(一。一2O)(一。一20) 一 一 一 一 (O20。十)(2O。+oo)(20，+。) 一 一 一 一 (一。，一O20)(15。+o。) (15，+。o) 一 一 (O03，+。) (O03，十。) 一一 (一。一2O) 一 一 一 (003，+o。) 一一 一 一 (一00，2O

26、)U(2o，+o。) 一 一 (020，+。)一 一(一o。，一4O)U(4O，十00) 一 一 一针对上述5个识别框架进行识别，需要进行DS融合的特征分别为f。，f：，工。)、协，。，I。，f。、，J。)、，k)和)根据各个特征对于每种故障的贡献度，对与故障相关性较低的特征可以适当赋以额外的无信任埘()并作归一化处理，并采取式(13)对各特征值所提供的证据进行DS融合：优。m2(z)=丁土一优，(x)m2(y) (13)上一x雨：z式中：X、y对应不同焦元，1(1一)为归一化因子判决采用基于概率赋值函数的决策方法，对于m(A1)一maxm(A。)，A，c，m(A2)一max研(A，)，Aca

27、nd A。A1，若存在：仇A1)一俄Aoa， l(14)m()m()，J则A即为判决结果，其中6、龟为预先设定的门限值3 案例分析良好的故障诊断算法不仅需要能够准确还原出故障原因，还要在故障劣化的早期就能够及时识别出故障为了验证算法在这两方面的表现，实验通过对图8中的实验平台进行故障模拟，并以基于独立假设和基于模糊推理的2种诊断方法作为对比算法，来说明改进算法的优势其中，分合闸线圈卡滞是操动机构中最为常见也是最具代表性的故障之一，通常是由于线圈衔铁锈蚀、顶杆变形或是线圈内混入异物所致，最终发展为线圈不能触发脱扣器以致分合闸失败由于判断衔铁阻力异常相对于其他故障需要融合的特征数据最多，计算最为复

28、杂，而识别准确度相对于其他故障往往表现最差，因此在案例分析中选取线圈卡滞故障样本作为诊断算法的输入来进行说明为了模拟卡滞故障发生的渐变过程，实验测试平台共采集了10组数据其中，前5组数据来自于正常样本，此时操动机构运作正常从第6组数据开始，实验在分合闸线圈内部加入了黏性物质来增加衔铁运动阻力，以模拟衔铁阻力异常的情况发生，其电流波形特征样本如表3所示根据前文中征残差的提取算法，表3中数据的残差提取结果如图9所示图中横轴表示不同的特征种类，与表3中f。jD相对应，纵轴则为实测特征与理想特征的残差值可以发现，虚线表示的线圈卡滞样本的特征与正常特征的差异主要集中在，、f。以及J。上但是，除了衔铁卡滞

29、可以引起这些特征值的变化，线圈电阻的变化和衔铁行程不足同样可以产生。、：以及f。的偏移，如果在数据融合过图8故障模拟实验测试平台Fig8 Experimental device for fault emulation万方数据第3期 陈辰，等：基于线圈电流分析的操动机构故障诊断方法 533程中将这些残差的偏离归因于其它故障，则会造成故障的误分类表3衔铁卡滞异常故障模拟特征数据1孙3 Feature samples of clamping stagnation fault emulationt1ms t2 7ms t7ms tIfms lB f氏lc f久lo 7氏718 958 1982 454

30、 1007 0949 1143848 1040 1990 542 1033 O968 1134878 983 1794 529 1077 O932 1117895 1048 1953 603 1074 O934 1152767 949 1870 474 1069 O961 1125997 1373 1 937 556 1087 1031 1147962 1388 1822 462 1069 1036 1144933 1266 1873 443 1093 1016 1131883 1250 1913 487 1055 1010 11481040 142l 1777 525 1088 0972 1

31、133图9卡滞样本与正常样本特征残差Fig9 Residual error between normal samples andclamping stagnation samples利用该组样本，实验对5种不同故障进行风险评估，结果如图10所示图中N表示输入样本的次序，P为相应次序下对于该故障诊断框架下的可靠性评估P取值越高，则对应发生相应风险的可能性就越小；相反，若曲线急剧下降，则说明很有可能发生了该故障此外，除了给出基于独立假设方法(对比方法1)以及基于模糊推理(对比方法2)的结果曲线外，改进方法采用了不确定性推理，因此不确定性概率输出也以点虚线的形式在图中给出图10(a)是电阻识别框架下

32、的诊断输出可以发现改进算法从第6次开始对线圈电阻处于正常状态的概率估计出现了略微下降但是其概率下降平缓且始终维持在O7以上，诊断结果为线圈电阻处于正常状态对比方法2虽然在第6次后同样出现了略微下降，但是由于未采用贝叶斯参数估计，其估计结果容易受到测量干扰的影响，曲线发生了反复波动另外对于对比方法1，可以观察到其输出结果并未出现较为明显的下降，为了说明诊断中存在的问题，对比方法l和改进方法以第10项故障样本作为输入进行推理的结果如下根据表4证据分配结果采用改进方法推理结果为m，o mfmf，1(电阻正常)一o700 5采用比方法1的推理结果为P(电阻正常)一1一P，。(正常)P，(正常)Pj。(

33、正常)一O919表4第10次样本的电阻异常证据分配结果Tab4 10th mass assignment resuIts under resistance recognition framework可见对比方法1之所以出现概率变动不明显是因为在计算过程中P，。(正常)较小而影响到了。、f。证据对于电阻异常的判断，使，、：不能对故障推理结果产生较为明显的影响改进方法有效地融合了3种证据，给出了较为综合的判定结果如图10(b)所示是针对衔铁阻力异常的诊断输出从第6次开始，3种方法对线圈衔铁阻力处于正常状态的概率估计均出现了不同程度的下降，而以改进方法表现最为明显相对于对比方法2，其诊断结论在抗干扰

34、能力方面同样具有优势对于对比方法1，该方法以第10次故障样本作为输入的推理过程如下，说明该诊断输出变化不明显的原因根据表5证据分配采用改进方法推理结果为表5 第10次样本的衔铁阻力异常证据分配结果Tab5 l Oth mass assignment results under clamping stagnation recognition framework埘，o m。mkm，。(阻力正常)一O009对比方法1的推理结果为P(阻力正常)一1一只(正常)P，。(正帝)PL、(正常)P，H(正雨)一o565可以发现，虽然表5中的特征都在证据上支持阻力异常的结果，但是由于异常乘积项的增多，导致对比方

35、法1的异常概率乘积项偏小这也是基于独立假设的方法在多特征融合下的难题改进方法较好地融合了多种特征，准确地还原了样本故障的原因如图10(c)所示是对电磁铁行程的估计结果，虽然直观上对比方法与改进方法的曲线较为接近，但是其诊断结论却存在不同由于对比方法1采取万方数据浙 江 大 学 学 报(工学版) 第50卷(b)衔铁阻力异常风险评估(c)衔铁行程异常风险评估(e)辅助开关异常风险评估(n分合闸异常风险评估一一一一对比方法l(基于独立假设)一一一对比方法2(基于模糊推理)，m(不确定)图lO全部10次测试样本在不同故障风险下的评估结果比较Fig1 O Comparison of assessment

36、 results between 1 0times testing samples with different kinds offault risks and algorithms概率计算的方式，依据朴素贝叶斯分类规则，应当判定系统发生行程异常值得注意的是，改进方法在正常概率下降的同时，其推理的不确定性概率也随之上升，由于DS判决过程中需要满足m()这一条件，在判决过程中，改进方法所得到的诊断结论并非确定性结论，而是输出可能发生电磁铁行程不足的结论，以供检修人员作为参考如果需要进一步判断该故障的发生，可以通过加装并融合其他的传感器(如：衔铁吸合位置检测传感器)的信息来确定该故障的发生，由于文

37、章主要是针对线圈电流进行分析，这里不再展开讨论如图10(d)、(e)所示则是对辅助开关以及分合闸异常风险评估的结果，由于测试样本与这2种故障间并无直接性关联，3种方法都具有良好的估计结果综上实验结果可以得出，改进算法不仅对于系统的测量噪声具有很强的处理能力，而且在故障征兆发生的12次内即可准确的识别出故障原因，具有较强诊断的敏感性与分类准确性，因而能够在故障劣化的早期给出较为精确的诊断结论4 结 语与基于模糊理论的方法相比，所提方法具有较低的知识依赖度，主观程度较弱，信任分配无需构造复杂的隶属度函数与基于机器学习一类的故障诊断方法相比，由于可以借鉴专家对于先验知识的认识，所提方法对于故障样本的

38、依赖程度较低，较为适合高压断路器这类可靠性要求较高而故障样本又相对难以获得的场合在实践应用中，该方法在融合过程中还可引入震动、位移、压力等信号的特征，以实现更为全面、故障诊断准确程度更高的断路器状态监测系统参考文献(References)：1CIGRE working Group 1306 Final report of the second international enquiry on high voltage circuit breakerfailures and defects in serviceR Paris：InternationalCouncil on I。arge E1ec

39、tric systems，19942BOSMA A，TH()MAS R Condition monitoring andmaintenance strategies for highv01tage circuitbreakersC sixth International conference on Advanc船inPower System ControI， operation and ManagementHong Kong：IET，2003：1911963SUwANASRI C，SUwNANsRI T，SRISONGKRAMW Analysis of failure data to dete

40、rmine the failure pattern of Hv circuit breaker componentsc2014 ln-万方数据第3期 陈辰，等：基于线圈电流分析的操动机构故障诊断方法 535ternationaI EIectricaI Engineering Congress Chonburi：IEEE，2014：144zHANG x，IEIBNIz u，zHANG J，et a1I。ife management of SF6 circuit breakers based on monitoring anddiagnosisJ EIectrical lnsulation Mag

41、azine， 2009，25(3)：21295PA()I。ETTI G，BAIER MFailure contributors of MVelectrical equipment and condition assessment programdevelopmentC2001 Pulp and Paper Ind邺try Tech-niI ConferencePortland：IEEE，2001：37476DENNls s I。，BRIAN J I。，R()B E MNew fault diagnosis of circuit breakersJIEEE Transactions on Pow

42、er Delivery，2003，18(2)：4544597 BEATTIE S Circuit breaker condition assessment byvibration and trip coiI anaIysisCIEE ColloquiumOn Monit0倦 and C0ndition Assessment EquipmentLeatherhead：1l二T，1996：9195r8HIN()W M，MEVISSEN M Substation maintenancestrategy adaptation for lifecycle cost reduction usinggene

43、tic algo“thmJ IEEE Transactions on Power DeIivery，20ll，26(1)：1972049RONG M z，wANG x H，YANG w，et a1Mechanical condition recognition of mediumvoltage vacuum circuit breaker based on mechanism dynamic features simulation and ANNJIEEE Transactions on Power DeIivery，2005，20(3)：1904190910GALATI A，ENEI。D，C

44、HEI。I S，et a1Conditionbased maintenance on MV circuit breakersC20thInternational Conference and Exhibition on EIectricityDistributionPrague：IET，2009：l一411HUANG x B，HE xDesign of an online monitoringsystem of mechanical characteristics of high voltage circuit breakersC2011 InternationaI Conference on

45、EIectronics， Communicatio舾 and Contr01 Ningbo：1EEE，2011：3646364912RA0 P L，HuANG J，Hu x G，et a1Testing of circuit breakers using coil current characteristics analysisCIEEE InternationaI conference on Control andAutomationChristchurch：IEEE，2009：18518913RAzIKAZEMI A A，VAKIIIAN M，NIAYESH K，et a1 Circuit

46、Breaker automated failure tracking basedon coil current signatureJ IEEE Transactions onPower Delivery，2014，29(1)：28329014sTRAcHAN S M，McARTHuR s D J，sTEPHENBet a1 Providing decision support for the conditionbased maintenance of circuit breakers through datamining of trip coil current signaturesJ1EEE

47、 Transactio啮on Power Delivery，2007，22(1)：17818615张弛高压断路器在线监测与故障诊断系统研究D北京：北京交通大学，2007：28ZHANG Chi The research of online monito“ng andfaults diagnosis of high voltage circuit breakerDBe巧ing：Be巧ing Jiaotong University，2007：2816李海英，冯冬，宋建成中压真空断路器的模糊一证据理论在线状态评估模型J高压电气，2013，49(1)：40一45I。I Haiying，FENG Dong，S()NG Jiancheng FuzzyDS evidence theory online assessment model of MVvacuum circuit breakerJ High Voltage Apparatus，2013，4 9(1)：40一4517葛葆华高压断路器状态监测与故障诊断D河北：燕山大学，201