久久88香港三级台湾三级中文-久久91-久久91精品国产91久-久久91精品国产91久久-久久91精品国产91久久户

高速鐵路動車組乙丙橡膠（Ethylene Propylene Rubber, EPR）電纜服役狀態(tài)極為重要。然而，車載電纜終端由人工制作、安裝，無法避免地會在終端處留有各種缺陷，缺陷處引發(fā)局部放電的事故頻發(fā)，甚至發(fā)生電纜終端擊穿事故。因此，對車載電纜終端缺陷進(jìn)行有效診斷具有重要意義。

局部放電是使用最為廣泛的電纜缺陷測試手段之一。在利用局部放電信息判別電纜缺陷類型時，通常可憑借局部放電譜圖或局部放電脈沖信號兩種數(shù)據(jù)源。考慮到我國電氣化鐵路采用運(yùn)行圖空隙檢修，留給局部放電測試的天窗期較短，導(dǎo)致現(xiàn)場采集局部放電數(shù)據(jù)量稀疏且匱乏。

由于局部放電譜圖反映的是一定時間段內(nèi)局部放電量在相位上的疊加，若采集的數(shù)據(jù)點(diǎn)過少，將導(dǎo)致各缺陷間譜圖和分布區(qū)分不明顯，難以進(jìn)行缺陷診斷分析。因此，直接采用局放脈沖時序信號進(jìn)行分析更為合適。

基于局放脈沖的缺陷診斷，目前通常在信號分析的基礎(chǔ)上，通過變分模態(tài)分解、等效時頻熵、小波包分解等手段實(shí)現(xiàn)。以上技術(shù)雖已取得深入的研究，但是存在以下問題：

①上述信號仍舊為一維信號，直接將一維長數(shù)組導(dǎo)入識別網(wǎng)絡(luò)，不僅會降低網(wǎng)絡(luò)性能，減慢識別速度，使網(wǎng)絡(luò)陷入梯度彌散，而且會導(dǎo)致數(shù)據(jù)特征提取不充分；

②上述方法處理后的信號依舊是在直角坐標(biāo)系下的時頻信號，由于局部放電脈沖信號的隨機(jī)性與非平穩(wěn)性，僅對時頻域信號進(jìn)行分析不足以完全反映缺陷特征，存在一定的局限性，同時信號間差異微小導(dǎo)致可視性較差，缺陷特征不直觀。

經(jīng)調(diào)研發(fā)現(xiàn)，局部放電的脈沖時序信號與齒輪軸承等機(jī)械振動信號具有類似的特征，且點(diǎn)對稱（Symmetrized Dot Pattern, SDP）變換方法在振動信號問題的處理上取得了較好的效果。因此，SDP為局部放電信號的處理提供了一種新思路。

以往電氣設(shè)備故障診斷中常采用機(jī)器學(xué)習(xí)方法，但是研究與應(yīng)用表明，傳統(tǒng)機(jī)器學(xué)習(xí)泛化性能差、缺乏自適應(yīng)特征學(xué)習(xí)和學(xué)習(xí)深度不足等問題，導(dǎo)致無法適應(yīng)復(fù)雜多變的現(xiàn)場和大數(shù)據(jù)的沖擊。近年來，深度學(xué)習(xí)在電氣設(shè)備智能診斷與識別方面獲得了重點(diǎn)關(guān)注與研究，深度學(xué)習(xí)取得了不錯的應(yīng)用效果，更好地滿足了當(dāng)下工程需求。

但是深度學(xué)習(xí)包含多種架構(gòu)，常見的有卷積神經(jīng)網(wǎng)絡(luò)（CNN）、棧式自編碼器（SAE）和深度置信網(wǎng)絡(luò)（DBN）等，針對具體的問題，不同架構(gòu)的性能仍存在差異。

對此，為解決高速動車組車載電纜健康狀況的智能化診斷受限于天窗期短的問題，西南交通大學(xué)電氣工程學(xué)院、云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院的研究人員周利軍、劉聰、權(quán)圣威、曹偉東、項(xiàng)恩新，在2022年第9期《電工技術(shù)學(xué)報(bào)》上撰文，提出一種基于點(diǎn)對稱（SDP）的乙丙橡膠電纜終端缺陷局部放電診斷方法。

圖1 試驗(yàn)平臺圖

研究人員首先搭建局部放電試驗(yàn)平臺獲取局部放電信號，然后提出一種車載電纜局部放電信號的SDP參數(shù)確定方法，并基于SDP變換將不同類型缺陷局部放電信號映射到極坐標(biāo)系中形成SDP圖像，增加了信號可視化能力，使深度學(xué)習(xí)算法能從其中提取更為豐富、深層的特征信息。最后，對比三種常見的深度學(xué)習(xí)網(wǎng)絡(luò)——卷積神經(jīng)網(wǎng)絡(luò)（CNN）、棧式自編碼器（SAE）及深度置信網(wǎng)絡(luò)（DBN）提取不同類型缺陷的SDP圖像深層特征，并基于網(wǎng)絡(luò)尾端Softmax分類器進(jìn)行識別。

圖2 電纜缺陷診斷框架

他們的研究結(jié)果表明，當(dāng)τ =5，η=35°時，四種缺陷類型樣本的SDP差異最明顯，平均歸一化互相關(guān)系數(shù)為3.013，大大提高了不同狀態(tài)特征間的可區(qū)分度。另外，針對四種典型的電纜缺陷，DBN網(wǎng)絡(luò)與SDP圖像的結(jié)合效果最佳，缺陷識別率達(dá)到了96.1%，且模型迭代次數(shù)少、收斂速度快。

研究人員指出，相比于傳統(tǒng)缺陷診斷方法，該方法在相同的數(shù)據(jù)集條件下，明顯優(yōu)于其他兩種方法，識別準(zhǔn)確率提高了近10%左右，可有效應(yīng)用于電纜缺陷診斷領(lǐng)域，具有較好的工程應(yīng)用前景。

本文編自2022年第9期《電工技術(shù)學(xué)報(bào)》，論文標(biāo)題為“基于點(diǎn)對稱變換的乙丙橡膠電纜終端缺陷診斷”。本課題得到了四川省科技計(jì)劃和廣東省基礎(chǔ)與應(yīng)用基礎(chǔ)研究基金資助項(xiàng)目的支持。