高压断路器（High-Voltage Circuit Breaker, HVCB）是电力系统中重要的保护和控制设备，其可靠性对于保障电力系统的稳定和安全运行具有重要意义。高压断路器分合闸动作时间短、速度高，为防止高速运动的零部件突然停止而发生刚性碰撞，须采用缓冲器来吸收分合闸运动末期的剩余能量，减小机械冲击、振动对高压断路器的影响。

其中，分闸缓冲器还直接影响着高压断路器分闸反弹幅值的大小及弹跳时间的长短：过大的分闸反弹幅值及（或）过长的弹跳时间使波纹管受到大振幅的强迫振动而过早出现裂纹导致灭弧室漏气，同时，过大的分闸反弹幅值使动静触头间的最小动态开距（有效开距）严重减小，断路器在开断过程中绝缘间隙将被重击穿，造成开断失败。

长期以来，由于缓冲器密封老化、漏油、缓冲器失效引起的严重振动冲击造成绝缘拉杆松动、移位以及连接件变形、损坏等现象时有发生。然而，目前对高压断路器缓冲器故障的判断，只能在停电检修期间，采用离线测试高压断路器机械特性的方式，通过机械特性参数间接、人为判断缓冲器是否出现异常、故障等情况。这种费时费力的传统方法必须给予改变。

为解决这一问题，本文提出一种基于振动信号的高压断路器分闸缓冲器状态识别方法，通过分析振动信号时频图像，提取反映高压断路器分闸缓冲器状态的特征信息，实现对高压断路器分闸缓冲器状态的评估。

由于高压断路器结构复杂、动作时间短，使得其振动信号具有强烈的非线性、非平稳性等特点。非线性、非平稳信号的分析方法主要采用时频分析法，如Gabor变换、短时Fourier变换（Short Time Fourier Transformation, STFT）、双线性时频分析方法、小波变换（Wavelet,WT）、自适应信号分解法、Hilbert-Huang变换（Hilbert-Huang Transformation,HHT）等时频分析法。

采用这些方法能够将高压断路器的时域振动信号转换为既能反映信号的频率、又能反映频率随时间变化的时频域振动信号，即得到反映高压断路器运行状态的振动信号时频图像，如STFT时频图、小波时频图、HHT时频图等。

振动时频图像包含着全面的高压断路器运行状态信息，且分闸缓冲器正常与缺陷的振动时频图像具有一定的差异。然而到目前为止，还未有针对高压断路器振动信号的时频图像进行特征提取、实现高压断路器及其关键零部件（如分闸缓冲器）等状态评估与故障诊断的研究。

鉴于此，本文首次提出一种基于振动信号时频图像识别的高压断路器分闸缓冲器状态评估方法，通过挖掘高压断路器振动时频图像中的二维信息，结合支持向量机（Support Vector Machine, SVM）实现高压断路器分闸缓冲器状态的智能识别。该方法可实现对高压断路器分闸缓冲器的在线监测与状态评估，具有重要的理论和工程应用价值。

图1 高压断路器分闸缓冲器状态识别流程

图5 分闸缓冲器安装位置及其缓冲行程调节、测量方法示意图

结论

1）针对高压断路器振动信号的特殊性，对比分析了STFT、WVD、HHT和WT四种不同时频分析方法对高压断路器振动信号的处理效果。结果表明WT具有较高的时频分辨率，且得到的时频图像更适合用于图像识别。

2）提出从高压断路器振动信号时频图像的直方图及其统计特征、灰度共生矩阵和不变矩特征来综合提取高压断路器振动时频图像特征参数，实现分闸缓冲器状态评估。三类图像特征综合反映了高压断路器振动时频图像的颜色特征、纹理特征和区域特征。

3）针对高压断路器振动信号时频图像特征维度过高问题，采用ReliefF特征权重算法进行特征优选。结果表明采用优选特征的SVM对振动时频图像具有很高的识别率。

4）试验模拟了分闸缓冲器8种不同缓冲状态。结果表明采用振动信号时频图像及SVM的方法能够准确识别高压断路器分闸缓冲器不同状态，验证了本文所提方法的有效性。