北京航空航天大学 武建文 李德阁 孙一航

　　国网江苏省电力公司电力科学研究院 杨景刚

　　断路器作为重要的一次设备广泛应用于配电系统中，其可靠性随着配网自动化程度和可靠性要求的提高而不断增加[1-3]。目前，传动机构卡涩等引发的断路器机械性故障时有发生，并已在运行现场出现多起[4-11]，此类机械性故障会导致开关设备在动作过程中出现较为明显的异常振动信号，但利用以往的监测方法很难及早发现。

　　不同类型的机械故障会在断路器上激发相应的固有频率，同一种故障引发的信号能量一般会分布在某种或几种频率成分上，且处于不同频带的故障信号能量也不相同[12-13]。断路器在分合闸操作过程中产生的振动信号蕴含着丰富的状态信息。当断路器发生故障时，提取故障信号的特征向量可成为故障分析的关键，目前快速傅里叶变换方法只适合分析平稳信号，由于机械振动信号是非平稳性的，须采用适合于非平稳信号的分析处理方法。小波分析可以对暂态信号进行分解，但对信号进行分解时，需要预先确定基函数和分解尺度，得到的分解结果是某一固定频率段的时频波形，而短时傅里叶变换同样可以对暂态信号进行分解，但需要确定时间窗口宽度，都不是自适应的分解方法。经验模态分解法方法（empirical mode decomposition，EMD）是依据信号本身的局部特征信息进行自适应地分解，基函数在分解过程中自适应地随信号产生。因此，分解得到的各个内禀模态函数（intrinsicmode function，IMF）分量包含了原始信号的局部特征信息，具有一定的物理意义。综上，短时傅里叶变换、小波分析等方法无法实现对非平稳信号的有效分析，本文中采用经验模态分解法[14-15]，提取断路器振动信号的特征向量，它是一种新的适合分析非平稳信号分析的方法，具有很高的信噪比，能将复杂信号分解，从而得到有限个IMF分量，由于其涵盖了原始信号的不同时间尺度的局部特征信号，对IMF分量的分析可准确提取原始信号的重要特性，每个IMF分量里所包含的频率成分与信号的采样频率相关，所以为自适应的[16-17]。

　　本文笔者深入研究断路器动作过程中的振动信号特征，以检测机械性故障，为断路器的故障检测和诊断提供更为全面的补充。

　　1 断路器故障振动信号特征向量提取方法

　　1.1 经验模态分解过程

　　每个内禀模态函数必须满足以下两个条件：在整个数据段内，过零点的个数和极值点的个数必须相等或相差最多不超一个；其次，任意时刻由局部极大值点形成的上包络线和由局部极小值点形成的下包络线相对于时间轴局部对称。