劉仕兵，葛俊祥

（華東交通大學(xué)電氣與自動(dòng)化工程學(xué)院，江西 南昌330013）

基于K-means聚類法的牽引供電隔離開(kāi)關(guān)故障狀態(tài)監(jiān)測(cè)

劉仕兵，葛俊祥

（華東交通大學(xué)電氣與自動(dòng)化工程學(xué)院，江西 南昌330013）

接觸網(wǎng)隔離開(kāi)關(guān)的運(yùn)行可靠性對(duì)于保障牽引供電系統(tǒng)穩(wěn)定運(yùn)行有著重要意義。針對(duì)隔離開(kāi)關(guān)的機(jī)械狀態(tài)特性，對(duì)電機(jī)電流與其輸出扭矩之間的關(guān)系進(jìn)行了推導(dǎo)。通過(guò)電機(jī)電流采集系統(tǒng)監(jiān)測(cè)得到隔離開(kāi)關(guān)電機(jī)電流信號(hào)，使用wolf算法計(jì)算得電機(jī)電流信號(hào)的最大李雅普諾夫指數(shù)值為正，證實(shí)了該電流信號(hào)具有混沌特性。根據(jù)相空間重構(gòu)理論重構(gòu)電流信號(hào)，對(duì)重構(gòu)信號(hào)進(jìn)行K-means聚類分析，獲取簇中心并通過(guò)簇中心的位置變化判斷隔離開(kāi)關(guān)的故障情況。據(jù)此將隔離開(kāi)關(guān)的故障情況進(jìn)行分類，為隔離開(kāi)關(guān)運(yùn)行的故障監(jiān)測(cè)以及狀態(tài)評(píng)估提供依據(jù)。

隔離開(kāi)關(guān)；K-means聚類；相空間重構(gòu)；電流信號(hào)

在接觸網(wǎng)隔離開(kāi)關(guān)運(yùn)行過(guò)程中，由于腐蝕、振動(dòng)等原因引起的開(kāi)關(guān)關(guān)節(jié)卡澀、彈簧失效以及操作不當(dāng)合閘不到位均會(huì)造成供電系統(tǒng)回路故障[1]，如何快速直觀的對(duì)隔離開(kāi)關(guān)進(jìn)行故障監(jiān)測(cè)是目前面臨的難題。隔離開(kāi)關(guān)故障監(jiān)測(cè)手段主要有紅外溫度監(jiān)測(cè)[2]，觸頭溫度在線監(jiān)測(cè)[3-4]，觸指壓力檢測(cè)[5]，絕緣子超聲波探傷[6]等。目前最新提出的監(jiān)測(cè)對(duì)象是電機(jī)電流，通過(guò)電流傳感器及軟件組合實(shí)現(xiàn)的電機(jī)電流監(jiān)測(cè)系統(tǒng)根據(jù)電機(jī)電流信號(hào)變化有效的反映隔離開(kāi)關(guān)的運(yùn)行狀態(tài)，文獻(xiàn)[7]中提出電機(jī)電流信號(hào)分析法（motor current signal analysis，MCSA），可通過(guò)分析電機(jī)的定子電流來(lái)監(jiān)測(cè)電機(jī)及電機(jī)下游機(jī)器設(shè)備出現(xiàn)的機(jī)械、電氣故障。文獻(xiàn)[8]中得出隔離開(kāi)關(guān)的電機(jī)電流和電機(jī)輸出軸扭矩之間存在函數(shù)關(guān)系。文獻(xiàn)[9]使用電機(jī)電流監(jiān)測(cè)系統(tǒng)成功獲取電流信號(hào)并觀測(cè)信號(hào)的波動(dòng)變化來(lái)診斷故障，但該診斷方法只是簡(jiǎn)單的觀測(cè)電機(jī)電流信號(hào)的波動(dòng)頻率及幅值變化，忽略了電流信號(hào)所表現(xiàn)出明顯的非線性特性，傳統(tǒng)的時(shí)頻分析方法無(wú)法有效地描述電流信號(hào)中包含豐富的狀態(tài)信息，可能會(huì)有誤判情況的發(fā)生。

為了尋求更為有效的可用于工程實(shí)際的隔離開(kāi)關(guān)故障狀態(tài)評(píng)估方法，本文使用電機(jī)電流采集系統(tǒng)獲取電流信號(hào)[9]，同時(shí)，推導(dǎo)電機(jī)電流與操作扭矩的關(guān)系。針對(duì)隔離開(kāi)關(guān)分合閘過(guò)程中電機(jī)電流信號(hào)具有混沌特性的特點(diǎn)[10]，結(jié)合相空間重構(gòu)理論對(duì)信號(hào)進(jìn)行重構(gòu)，配合K-means聚類分析法對(duì)重構(gòu)信號(hào)進(jìn)行聚類分析，獲取其簇中心并通過(guò)簇中心的位置變化判斷隔離開(kāi)關(guān)的運(yùn)行情況。期望為隔離開(kāi)關(guān)運(yùn)行狀態(tài)的故障監(jiān)測(cè)提供依據(jù)。

1 電機(jī)電流信號(hào)

1.1 電機(jī)電流-輸出扭矩關(guān)系推導(dǎo)

圖1為三相異步電動(dòng)機(jī)T型等效電路圖，圖中R1為定子銅損耗電阻，X1為定子漏磁通電抗，Rm為鐵損耗電阻，Xm為主磁通電抗，X2′為折算后的轉(zhuǎn)子漏磁通電抗，R2′為轉(zhuǎn)子銅損耗電阻，R2′（1-s）/s則代表總機(jī)械損耗的虛擬電阻。根據(jù)圖1，在忽略功率傳輸過(guò)程中的銅損和鐵損的情況下，得到電機(jī)輸出功率P和定子相電流I1的函數(shù)關(guān)系

圖1 三相異步電機(jī)T型等效電路Fig.1 T type equivalent circuit of three phase induction motor

式中：I1為定子向電流；I0為勵(lì)磁電流；s為轉(zhuǎn)差率；R2′為轉(zhuǎn)子相繞組的等效阻抗。

輸出扭矩 T與負(fù)荷功率 P之間存在以下關(guān)系

式中：F為扭力；R為軸半徑；n為軸轉(zhuǎn)速；n0為額定轉(zhuǎn)速。通過(guò)化簡(jiǎn)式（2）～式（5）得出

在三相異步電動(dòng)機(jī)中勵(lì)磁阻抗遠(yuǎn)大于定、轉(zhuǎn)子漏抗，為簡(jiǎn)化運(yùn)算過(guò)程，可將勵(lì)磁支路視為開(kāi)路，可以得到

化簡(jiǎn)式（1），式（6）及式（8）得到輸出扭矩T與定子相電流I1之間的關(guān)系為

由式（9）可得出輸出扭矩與定子相電流之間存在二次函數(shù)的關(guān)系，可以通過(guò)檢測(cè)電機(jī)電流判斷隔離開(kāi)關(guān)的運(yùn)行狀態(tài)。

1.2 電機(jī)電流采集系統(tǒng)

采用由霍爾電流傳感器、數(shù)據(jù)采集卡和LabVIEW軟件平臺(tái)構(gòu)成的系統(tǒng)來(lái)獲取隔離開(kāi)關(guān)的電流信號(hào)。將霍爾電流傳感器串聯(lián)接入隔離開(kāi)關(guān)電機(jī)定子的任意一相，并通過(guò)輸出端將電流信號(hào)傳輸至數(shù)據(jù)采集卡進(jìn)行模數(shù)轉(zhuǎn)換；計(jì)算機(jī)連接數(shù)據(jù)采集卡的輸出端并使用LabVIEW軟件進(jìn)行參數(shù)設(shè)置監(jiān)控電流信號(hào)。采集系統(tǒng)結(jié)構(gòu)圖如圖2所示。

1.3 隔離開(kāi)關(guān)電機(jī)電流信號(hào)

通過(guò)圖2的方法進(jìn)行故障模擬仿真試驗(yàn)獲取了幾種故障情況下隔離開(kāi)關(guān)開(kāi)合閘動(dòng)作過(guò)程中的電機(jī)電流信號(hào)，如圖3所示。從圖3可知在不同工況下電流信號(hào)波形的極值出現(xiàn)時(shí)間各不相同，且各波峰之間的時(shí)間間隔也在變化。開(kāi)關(guān)卡澀時(shí)，電流信號(hào)幅值會(huì)增大。彈簧松動(dòng)時(shí)，波峰出現(xiàn)時(shí)間較正常情況有較大偏移。顯然，電流信號(hào)與隔離開(kāi)關(guān)的機(jī)械運(yùn)行狀況密切相關(guān)。

2 電機(jī)電流信號(hào)的相空間重構(gòu)

2.1 相空間重構(gòu)理論

相空間重構(gòu)[11]的延時(shí)坐標(biāo)法是由Takens首先提出的。延時(shí)坐標(biāo)法的本質(zhì)是一系列一維電機(jī)電流信號(hào)X

圖2 電機(jī)電流采集系統(tǒng)結(jié)構(gòu)圖Fig.2 Structure graph of motor current acquisition system

圖3 隔離開(kāi)關(guān)的電流信號(hào)Fig.3 Current signal of isolation switch

通過(guò)不同的延遲時(shí)間構(gòu)造出新的多維空間矢量

在Takens的理論中，當(dāng)m>2d+1（d為標(biāo)量電流信號(hào)的維度）時(shí)可以確保原一維電流信號(hào)與重構(gòu)后得到的多維空間矢量信號(hào)在特性上保持一致。為對(duì)初始電流信號(hào)進(jìn)行分析提供了理論依據(jù)。

在信號(hào)重構(gòu)的過(guò)程中需要選取合適的維度m及延遲時(shí)間t以保證相空間重構(gòu)后的信號(hào)為最精確的多維空間矢量。因此，精確快速的計(jì)算電機(jī)電流信號(hào)的延遲時(shí)間和嵌入維度是進(jìn)行相空間重構(gòu)的基礎(chǔ)。

2.2 C-C算法計(jì)算延遲時(shí)間

C-C算法[12]是根據(jù)時(shí)間序列計(jì)算關(guān)聯(lián)積分，通過(guò)關(guān)聯(lián)積分與時(shí)間的統(tǒng)計(jì)結(jié)論得到延遲時(shí)間，適合于非線性時(shí)間序列的求解。在計(jì)算電機(jī)電流信號(hào)X（i）的延遲時(shí)間時(shí)首先定義關(guān)聯(lián)積分

式中：M為關(guān)聯(lián)維度，r＞0，dij=‖Xi-Xj‖。

4）求取S2（m，r，t）的最大值及最小值，求差值

表1為得到統(tǒng)計(jì)量ΔS2（m，t）與時(shí)間t的關(guān)系，圖4為其關(guān)系圖。關(guān)系圖中ΔS2（m，t）出現(xiàn)第一個(gè)極小值的時(shí)刻即為最優(yōu)延遲時(shí)間。由圖4所得，統(tǒng)計(jì)量在τ=5時(shí)出現(xiàn)第一個(gè)極小值，是以選取τ=5為電機(jī)電流信號(hào)的延遲時(shí)間。

定義上述參數(shù)之后，其計(jì)算步驟如下：

1）將電機(jī)電流信號(hào)拆分成t個(gè)不相交的子列，并通過(guò)式（10）計(jì)算C（1，N，r，t）；

2）通過(guò)式（10）對(duì)步驟（1）中得到的子列進(jìn)行相空間重構(gòu)，并通過(guò)式（11）計(jì)算C（m，N，r，t）；

3）計(jì)算檢查統(tǒng)計(jì)量S（m，N，r，t），然后采用分塊平均策略求每個(gè)序列的S2（m，r，t）

表1 C-C算法計(jì)算得到統(tǒng)計(jì)量結(jié)果Tab.1 Results of statistics obtained by C-C algorithm

圖4 InC隨Inr變化曲線Fig.4 Inr-dependence curve of InC

2.3 GP算法計(jì)算嵌入維度

選擇合適的嵌入維度是保證電機(jī)電流信號(hào)與重構(gòu)后的信號(hào)保持拓?fù)浣Y(jié)構(gòu)上一致的基礎(chǔ)。嵌入維度值選擇過(guò)小會(huì)導(dǎo)致重構(gòu)信號(hào)發(fā)生交叉甚至折疊，使得信號(hào)在結(jié)構(gòu)上發(fā)生變化。嵌入維度選擇過(guò)大則會(huì)增加計(jì)算量，削弱計(jì)算效率。因此，選取合適的嵌入維度是保證信號(hào)正確重構(gòu)的重要一步，本文選取GP算法求解嵌入維度。

GP算法[13]是通過(guò)試探使用不同大小的維度對(duì)電流信號(hào)進(jìn)行相空間重構(gòu)，再定義相空間中任意兩點(diǎn)間的距離rjj（m）及關(guān)聯(lián)函數(shù)C（r，m）為

在式（17）中C（r，m）代表相空間中任意兩點(diǎn)之間距離不大于r的概率。為更直觀的觀察rij（m）與C（r，m）的線性關(guān)系，現(xiàn)構(gòu)造函數(shù) D=InC（r，m）/Inr，觀察InC與Inr的線性關(guān)系，選取嵌入維度。圖5為處理電機(jī)電流信號(hào)所得到的InC與Inr的變化曲線，由圖5可知當(dāng)m=3時(shí)曲線的線性部分不再變化，因此選取嵌入維度m的值為3。

圖5 C-C算法計(jì)算得到統(tǒng)計(jì)量結(jié)果圖Fig.5 Results of statistics obtained by C-C algorithm

3 K-means聚類算法分析重構(gòu)信號(hào)

電機(jī)電流信號(hào)通過(guò)相空間重構(gòu)轉(zhuǎn)變成分布在多維空間中離散位置的點(diǎn)，統(tǒng)稱為相軌跡圖。在不同工況下的隔離開(kāi)關(guān)對(duì)應(yīng)的相軌跡分布也不相同。通過(guò)分析電流信號(hào)的相軌跡圖分布可監(jiān)測(cè)到隔離開(kāi)關(guān)當(dāng)前的運(yùn)行狀況。鑒于K-means聚類分析法在空間簇分布計(jì)算分析上的優(yōu)勢(shì)，本文采用該方法對(duì)重構(gòu)信號(hào)進(jìn)行聚類分析。

K-means算法[14]可將一系列多維向量X（i）對(duì)分成k個(gè)簇，其計(jì)算過(guò)程如下：

1）隨機(jī)選取簇心點(diǎn)μ1，μ2，…，μk，作為初始計(jì)算的簇中心點(diǎn)；

2）選取序列中任一點(diǎn)計(jì)算其到各簇中心的距離，求距離的最小值對(duì)應(yīng)的簇中心，以此判斷該點(diǎn)對(duì)應(yīng)的簇類。通過(guò)表達(dá)式（18）確定樣本i所在的簇類j

3）對(duì)表達(dá)式

求取最小值，其中C（i）代表簇類，μj代表簇類質(zhì)心點(diǎn)的坐標(biāo)位置。重復(fù)迭代第2）步及第3）步，得到最終的簇類分布。

經(jīng)迭代計(jì)算得到電流信號(hào)的k個(gè)簇中心的坐標(biāo)之后，通過(guò)分析電流信號(hào)簇中心位置分布變化監(jiān)測(cè)隔離開(kāi)關(guān)的狀態(tài)情況。

4 結(jié)果與分析

本文對(duì)隔離開(kāi)關(guān)電機(jī)電流信號(hào)進(jìn)行獲取并通過(guò)C-C算法、GP算法、k-means聚類分析法等方法對(duì)信號(hào)進(jìn)行處理，根據(jù)處理結(jié)果可判斷出隔離開(kāi)關(guān)當(dāng)前的運(yùn)行狀態(tài)，本文的結(jié)構(gòu)流程圖如下圖6所示：

圖6 系統(tǒng)流程圖Fig.6 System flowchart

4.1 相空間重構(gòu)結(jié)果

本文利用Matlab編寫C-C算法及G-P算法程序，對(duì)電機(jī)電流信號(hào)進(jìn)行分析得到嵌入維度及延遲時(shí)間。針對(duì)不同工況下的隔離開(kāi)關(guān)電流信號(hào)計(jì)算得到對(duì)應(yīng)的維度及延遲時(shí)間，計(jì)算結(jié)果如表2所示。

表2 隔離開(kāi)關(guān)不同工況下的嵌入維度和延遲時(shí)間Tab.2 The embedding dimension and delay time of the isolation switch under different conditions

根據(jù)表2中所獲得的嵌入維度及時(shí)間延遲對(duì)電機(jī)電流信號(hào)進(jìn)行相空間重構(gòu)，圖7是隔離開(kāi)關(guān)在各工況下的經(jīng)重構(gòu)得到的信號(hào)。T為重構(gòu)信號(hào)的延時(shí)周期。

圖7 電流信號(hào)的相空間重構(gòu)信號(hào)Fig.7 Current signal reconstruction phase space graph

4.2 最大李雅普諾夫指數(shù)

最大李雅普諾夫指數(shù)表示相空間相鄰軌跡的平均指數(shù)發(fā)散率的數(shù)值特征，是用于識(shí)別混沌運(yùn)動(dòng)的主要特征。判斷時(shí)間序列是否具有混沌特性，可以通過(guò)計(jì)算其最大李雅普諾夫指數(shù)，當(dāng)指數(shù)為正時(shí)表明該時(shí)間序列為混沌系統(tǒng)。

采用wolf算法計(jì)算電流信號(hào)的最大李雅普諾夫指數(shù)[15]，計(jì)算時(shí)需結(jié)合上文中獲得的嵌入維度以及延遲時(shí)間。表3為在不同工況下隔離開(kāi)關(guān)電機(jī)電流信號(hào)的最大李雅普諾夫指數(shù)計(jì)算值。表3中所示各工況下的電機(jī)電流信號(hào)的指數(shù)值均為正，表明隔離開(kāi)關(guān)的電機(jī)電流信號(hào)具有混沌特性，可以對(duì)通過(guò)對(duì)其進(jìn)行相空間重構(gòu)分析隔離開(kāi)關(guān)的運(yùn)行狀態(tài)。

表3 最大李雅普諾夫指數(shù)結(jié)果Tab.3 Results of maximum Lyapunov exponent

4.3 K-means算法計(jì)算結(jié)果

在對(duì)重構(gòu)信號(hào)進(jìn)行K-means聚類分析之前，首先需確定聚類的簇中心個(gè)數(shù)。表4為簇中心距離與簇中心個(gè)數(shù)的關(guān)系。由表4可知，隨著簇中心個(gè)數(shù)的增加簇中心總體距離逐漸下降，滿足上文中K-means算法的結(jié)論，符合預(yù)期。

表4 簇中心總體距離變化曲線Tab.4 The overall distance change curve of cluster center

表5為在隔離開(kāi)關(guān)不同狀態(tài)下簇中心總體距離隨簇中心個(gè)數(shù)增加所下降的比例。通過(guò)觀察表5中簇中心總體距離的下降比例可以得出：當(dāng)簇中心從3之后下降趨勢(shì)變緩。因此本文選取電機(jī)電流信號(hào)的簇中心的個(gè)數(shù)為3。

表5 簇中心距離下降比例Tab.5 Decreased proportion of cluster center distance %

圖8為隔離開(kāi)關(guān)各工況下電流信號(hào)的簇中心位置分布。根據(jù)圖8中各種不同故障信號(hào)簇中心與正常信號(hào)簇中心位置的偏差可得出：當(dāng)隔離開(kāi)關(guān)發(fā)生故障時(shí)，其簇中心位置較正常情況發(fā)生明顯偏移，其中輕微卡澀偏移較小，而嚴(yán)重卡澀偏移最大。此外，彈簧失效以及合閘不到位簇中心位置較為接近，可能是發(fā)生以上兩種故障時(shí)隔離開(kāi)關(guān)機(jī)械狀態(tài)相似導(dǎo)致開(kāi)關(guān)扭矩差距不大造成的。顯然，電機(jī)電流信號(hào)簇中心的位置與隔離開(kāi)關(guān)的運(yùn)行狀態(tài)緊密相關(guān)。根據(jù)圖8中簇中心位置的偏移情況，對(duì)不同情況下簇中心位置進(jìn)行矢量求和，對(duì)比各種故障與正常狀態(tài)下矢量和的偏移角度以及模值。表6為簇中心矢量和的模值。故障時(shí)矢量和的模值皆大于正常情況，說(shuō)明故障時(shí)的電流信號(hào)波動(dòng)幅度大，其原因可能是發(fā)生故障時(shí)隔離開(kāi)關(guān)靈敏度下降，電機(jī)扭矩變大，無(wú)法正常切斷開(kāi)關(guān)，符合文中對(duì)故障情況與簇中心位移分布存在關(guān)聯(lián)的預(yù)測(cè)。

圖8 簇中心位置Fig.8 Diagram of cluster center location

表6 簇中心矢量和的模Tab.6 The mode of the cluster center vector value

表6中偏差值為各故障情況下簇中心矢量和模值與正常情況下矢量和模值的偏差。其中隔離開(kāi)關(guān)發(fā)生卡澀時(shí)其模值均會(huì)變大，而不同程度的卡澀偏差值也不同，嚴(yán)重卡澀偏差值遠(yuǎn)大于輕微卡澀，其原因可能是故障情況越嚴(yán)重導(dǎo)致電機(jī)扭矩越大，結(jié)論與前文中故障情況簇中心模值大于正常情況相一致。此外，合閘不到位與正常情況下相差不大，可能是由于該故障屬于人工操作失誤，與隔離開(kāi)關(guān)內(nèi)部機(jī)械損壞不同，造成偏差較小。經(jīng)過(guò)分析，由表6中得出結(jié)論：通過(guò)K-means聚類分析電機(jī)電流信號(hào)得到的簇中心矢量，在不同工況下有著明顯的差異，可較為精確直觀的區(qū)分隔離開(kāi)關(guān)的故障模式。在此理論基礎(chǔ)上，可展望建立隔離開(kāi)關(guān)的在線監(jiān)測(cè)系統(tǒng)，設(shè)計(jì)可視化程序搭配硬件檢測(cè)工具，為隔離開(kāi)關(guān)的運(yùn)行維護(hù)檢修提供保障。

與文獻(xiàn)[9]中通過(guò)觀察電機(jī)電流信號(hào)的幅值變化和波峰出現(xiàn)時(shí)間判斷隔離開(kāi)關(guān)故障情況對(duì)比，本文采用K-means法分析電機(jī)電流信號(hào)在檢測(cè)故障方面的優(yōu)勢(shì)有以下幾點(diǎn)：

1）本文采用的方法充分挖掘了電機(jī)電流信號(hào)的非線性特性，利用其混沌特性將信號(hào)進(jìn)行聚類劃分，高效的檢測(cè)故障。

2）通過(guò)觀測(cè)信號(hào)的幅值變化來(lái)判斷故障情況具有很高的人為因素，本方法降低了人為因素在檢測(cè)時(shí)所造成的誤差，提高了檢測(cè)的準(zhǔn)確率。

5 結(jié)論

本文研究對(duì)象為接觸網(wǎng)隔離開(kāi)關(guān)，通過(guò)電機(jī)電流法獲取隔離開(kāi)關(guān)的電流信號(hào)后進(jìn)行狀態(tài)分析。經(jīng)分析，提出了結(jié)合相空間重構(gòu)及K-means聚類算法對(duì)隔離開(kāi)關(guān)進(jìn)行故障監(jiān)測(cè)的方法。實(shí)驗(yàn)結(jié)果表明：

1）通過(guò)wolf算法計(jì)算得到電流信號(hào)的最大李雅普諾夫指數(shù)均為正，證實(shí)了該電流信號(hào)具有混沌特性?？梢愿鶕?jù)該特性對(duì)電機(jī)電流信號(hào)進(jìn)行相空間重構(gòu)，便于提取隔離開(kāi)關(guān)電機(jī)電流信號(hào)的狀態(tài)特性。

2）隔離開(kāi)關(guān)不同工況下的重構(gòu)信號(hào)有著不同的特性信息。K-means算法對(duì)重構(gòu)之后的信號(hào)進(jìn)行分析得到其簇中心分布，其中心分布情況則可以清晰的展現(xiàn)不同工況下的特性信息。通過(guò)分析所得到的簇中心空間位置可以更為直觀的觀測(cè)出隔離開(kāi)關(guān)所處的工況狀態(tài)。

簇中心位置分布不同代表著隔離開(kāi)關(guān)所處的工況狀態(tài)不同。文中通過(guò)對(duì)簇中心矢量和的計(jì)算，對(duì)比其矢量和偏移的向量角及模值。與正常狀態(tài)相比，各故障情況下矢量和向量角度并未發(fā)生明顯偏差，說(shuō)明在故障之后隔離開(kāi)關(guān)的運(yùn)行模式不會(huì)發(fā)生明顯變化。在矢量和的模值比較中，各種故障的模值都比正常值大表明故障時(shí)電流信號(hào)波動(dòng)幅度增大。其中嚴(yán)重卡澀較正常情況、輕微卡澀的模值發(fā)生明顯變化，表明故障越嚴(yán)重則矢量和模值越大，其原因可能是故障越嚴(yán)重造成電機(jī)扭矩越大，隔離開(kāi)關(guān)的隔離能力越弱。通過(guò)聚類分析電機(jī)電流信號(hào)可直觀有效的監(jiān)測(cè)隔離開(kāi)關(guān)故障情況。

參考文獻(xiàn)：

[1]靳玉海.接觸網(wǎng)隔離開(kāi)關(guān)常見(jiàn)故障分析及處置措施[J].上海鐵道科技，2014（4）：77-77.

[2]楊武，王小華，榮命哲，賈申利.基于紅外測(cè)溫技術(shù)的高壓電力設(shè)備溫度在線監(jiān)測(cè)傳感器的研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2002，22（9）：113-117.

[3]肖榮，徐澄.220 kV GW6型隔離開(kāi)關(guān)導(dǎo)電回路過(guò)熱故障分析及處理[J].高壓電器，2013（1）：107-110.

[4]李中祥，宋建成.高壓隔離開(kāi)關(guān)觸頭溫度在線監(jiān)測(cè)系統(tǒng)的研制[J].高壓電器，2009，45（2）：11-13 17.

[5]申超.基于光纖Bragg光柵的高壓隔離開(kāi)關(guān)觸指壓力檢測(cè)技術(shù)研究[D].昆明：昆明理工大學(xué)，2012.

[6]李曉紅，王敏，吳敏，陳開(kāi)路.支柱瓷絕緣子的超聲檢測(cè)有效性[J].中國(guó)電機(jī)工程學(xué)報(bào)，2006，26（9）：159-163.

[7]肖文明，孔力，于龍.高壓開(kāi)關(guān)機(jī)械特性在線監(jiān)測(cè)系統(tǒng)的研制[J].高電壓技術(shù)，2004，30（1）：52-52.

[8]黃聿琛，阮江軍，邱志斌，等.隔離開(kāi)關(guān)操動(dòng)機(jī)構(gòu)電機(jī)輸出軸扭矩和電流關(guān)系的研究[J].高壓電器，2015（6）：139-144.

[9]邱志斌，阮江軍，黃道春，等.基于電機(jī)電流檢測(cè)的高壓隔離開(kāi)關(guān)機(jī)械故障診斷[J].中國(guó)電機(jī)工程學(xué)報(bào)，2015（13）：3459-3466.

[10]高俊杰.混沌時(shí)間序列預(yù)測(cè)研究及應(yīng)用[D].上海：上海交通大學(xué)，2013.

[11]張淑清，賈健，高敏，等.混沌時(shí)間序列重構(gòu)相空間參數(shù)選取研究[J].物理學(xué)報(bào)，2010，59（3）：1576-1582.

[12]胡瑜，陳濤.基于C-C算法的混沌吸引子的相空間重構(gòu)技術(shù)[J].電子測(cè)量與儀器學(xué)報(bào)，2012，26（5）：425-430.

[13]付強(qiáng)，李晨溪，張朝曦.關(guān)于G-P算法計(jì)算混沌關(guān)聯(lián)維的討論[J].解放軍理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2014（3）：275-282.

[14]王千，王成，馮振元，等.K-means聚類算法研究綜述[J].電子設(shè)計(jì)工程，2012，20（7）：21-24.

[15]蔡聰波.混沌系統(tǒng)最大Lyapunov指數(shù)的計(jì)算及其在腦電數(shù)據(jù)分析中的應(yīng)用[D].廈門：廈門大學(xué)，2001.

[16]SOUALHI A，CLERE G，RAZIK H.Detection and diagnosis of faults in induction motor using an improved artificial ant clustering technique[J].IEEE Transactions on Industrial Electronics，2013，60（9）：4053-4062.

Fault Monitoring of OCS Isolation Switch Based on K-means Clustering

Liu Shibing，Ge Junxiang
（School of Electrical and Automation Engineering，East China Jiaotong University，Nanchang 330013，China）

The operation reliability of isolation switches in the overhead contact system（OCS）is of great significance for the stable operation of the traction power supply system.According to the mechanical characteristics of the isolated switch，the function relation between the motor current and the operating torque was deduced in this paper.It adopted the motor current acquisition system to obtain the current signal of the isolation switch and by using the Wolf algorithm it found out the maximum Lyapunov index of the current signal is positive，which shows that the current signal has chaotic characteristics.The current signal was reconstructed through the phase space reconstruction theory，which was then analyzed by K-means clustering to obtain the cluster center,and the fault condition of the switch was judged by the change of the cluster center positions.On the above basis，the fault condition of the isolated switch was classified，which may provide reference for fault monitoring and state evaluation of isolation switches.

isolation switch；K-means clustering；phase space reconstruction；current signal

U225

A

1005-0523（2017）03-0109-09

（責(zé)任編輯 姜紅貴）

2016－12－26

國(guó)家自然基金項(xiàng)目（11162006）；江西省教育廳科技項(xiàng)目（GJJ150530）；江西省教育廳科技項(xiàng)目（GJJ160488）

劉仕兵（1970—），男，副教授，研究方向?yàn)殡姎饣F路接觸網(wǎng)技術(shù)。