? 華意電力是一家專業研發生產電纜故障測試儀的廠家，本公司生產的電纜故障測試儀設備在行業內都廣受好評，以打造最具權威的“電纜故障測試儀“高壓設備供應商而努力。

電纜故障診斷研究方法綜述

小波分析

? 小波分析經過幾十年的發展，巳經從一個數學公式發展為各個領域必不可少的重要工具。通過不斷地推導和創新，小波分析幵始蓬勃發展起來并在國際上形成一個重要領域，小波分析的應用與理論緊密結合起來，它是一個新的數學分支，是一個關于時間和頻率的局域性變換，能夠通過將信號平移和伸縮來進行多尺度細化分析。小波分析比傅里葉變換更具有實用性。在信號處理、圖象分析、模式識別、語音處理、地震勘探、計算機視覺分析、數據壓縮、故障診斷及眾多非線性科學領域都取得了有科學意義和應用價值的結果。小波分析應用到故障診斷的信號處理中，可以不用建立解析數學模型。具體可以分為以下四種方法：

檢測信號的突變故障

? 在信號處理中，往往要選取奇異值點。通常選擇信號的突變故障點作為處理過程中的奇異值點。為了能夠將奇異值點較好的從信號中提取出來，必須采用多尺度分析法對信號進行處理、提取。而多尺度分析法主要是根據信號和噪聲在奇異值點附近的變化來進行分析。噪聲與信號的對應關系如下：對于信號而言，信號譜圖其在奇異點附近的指數分別在參考系數的不同條件下出現對應的變化關系；而對于噪聲而言，其在奇異點附近的指數與信號邊沿的指數存在相應的對應關系（通常情況下，如果噪聲指數大于零，則信號邊沿的指數小于等于零）。利用上述噪聲與信號的變化關系可以對信號小波變換的奇異值進行檢測，得到的結果可以測量故障點。對于管狀空間可以利用管體內可控流體的壓力信號的變化來進行小波變化并求解出壓力損失源。這中算法適用于電纜管道中的故障點檢測。

信號頻率結構變化的故障診斷

? 對信號進行頻率分布分析并通過繪制信號與頻率的時變函數曲線來分析故障信號的方法被稱為小波多分辨率分析法。其特點就是對信號進行不同尺度的劃分并在對應尺度上進行分辨率劃分、分析。對于出現故障的系統來說，往往故障發生時會伴隨著特點頻率特征。通過對這些不同頻率的故障特征信號進行小波分析可以得到小波變換尺度與故障特征頻率之間的相應關系。文獻利用這種方法對故障系統進行了檢測并推算出故障信息。除此之外，有學者利用金字塔算法對小波分析中所需尺度進行有效分解來對故障進行檢測。

脈沖響應函數小波變換的故障診斷

? 當系統出現故障時，系統原有功能會因為故障發生而改變。系統的傳遞函數也因功能的改變而發生變化。系統在相同脈沖信號作用下的脈沖響應也會變化。因此，根據系統脈沖響應的變化對其進行小波分析可以對故障信息進行分析并得到故障位置點。這種方法對一般模型具有適用性。如果少數模型其參數具有較大的模，使用該方法時需要作出相應的調整。一般采用的方法是根據待檢狀態下辨識得到的狀態值隨時間的變化情況來判斷故障的位置。國內外已經有多位學者對這種方法進行了嘗試：文獻中利用小波變換和傅里葉變換來對電力配電系統故障進行位置測量；文獻在小波變換基礎上對待檢系統輸入脈沖信號進行正交變換，并通過小波變化和正交變換獲取故障位置的精測信息。

小波去噪提取波形特征進行故障診斷

? 近年來，隨著小波去噪的應用范圍不斷擴大，利用小波去噪提取故障特征的方法越來越多樣化。一般而言，小波去噪在信號處理上起到了帶通濾波器的作用。但隨著小波去噪方法多樣化，小波去噪可以直接提取相關特征值并進行故障診斷。目前，這樣的應用實例很多：學者利用局部極值點對信號進行優化、對優化結果進行重構處理并得到所需的高質量信號；小波去噪后對信號進行分域并對域中信號設定閾值。利用信號的閾值可以對信號進行殘差分析并通過分析找到故障點；文獻中，按照故障系統的特點，比較噪聲與信號在控制特性上的區別，對噪聲信號進行處理。

粗糙集理論

? 粗糙集理論（是一種新的數學工具，該工具與模糊集和概率論一樣都是用來處理不確定性的數學算法。粗糙集理論由波蘭學者于年正式提）出。粗糙集作為一種新的方法越來越受到重視，并已經在許多科學領域得到應用，在很多領域存在著不確定性因素，采集到的數據不具有完整性，通常包含噪聲，通過對數據進行分析和推理來揭示其中的規律。粗糙集理論的特點是利用已知的數據，將不確定的數據應用到已知的數據中，其優點是能夠將數據進行簡化發現隱含在數據中的規律。

? 在粗糙集的研究上，有兩個主要的方向，一個方向是粗糙集的理論研究，側重于構造粗糙集的數學理論體系；另外一個方向則是將粗糙集理論作為一種新的技術，運用到更廣泛的領域中。粗糙集應用到電力系統故障診斷也是一個新的方向，將粗糙集理論運用到電力系統中的故障診斷，結合其它相關方法對干擾信號進行消除處理。通過利用神經網絡技術和粗糙集理論對電力傳輸線進行故障測距和故障定位，將粗糙集理論應用到故障診斷中，從而提高了神經網絡的訓練收斂速度。由于電網具有復雜的結構，也會在不同區域出現故障點，因此，利用神經網絡將一個大區域分解為多個神經子網，再結合粗糙集理論對復雜系統的每個故障點建立故障診斷模型，從而可以對不同的故障點進行診斷。粗糖集理論從不完備、不精確的信號中提取有用信息，生成簡化決策規則，刻畫出信號的不完整性和不確定性。正是由于粗糙集理論具有能夠自動發現和分析理論，該理論在故障診斷領域已經取得了非常廣泛的應用。

? 在有些情況下，當采用粗糙集理論進行故障診斷時，可以通過許多信號源對該故障點進行檢測，這些檢測信號存在大量的信號冗余。粗糙集理論也可以在受到其它信號干擾時及時的對故障模型進行有效判斷，提出多診斷模型。但是有一些關鍵信號，卻不能運行粗糙集理論，因為該系統不能產生缺失的信號，否則粗糙集將會失效。粗糙集理論的一些缺點也限制了其更廣泛的運用，比如在故障診斷時運用形式單一，缺乏對于診斷性能的分析，診斷邏輯不清晰等等。

理論與方法

? 隨著分布式人工智能和計算機技術的快速發展，理論與方法也得到迅速的發展，包括對單個智能的研究、多系統的研究以及面向的軟件設計研究三個方面。單智能體模型主要是針對模型外部的輸入信號做出反應即輸出結果。因此，對于模型的設計主要在于模型內部結構設計、內部各模塊設計（包括輸入輸出模塊、反應模塊、知識庫數據庫等）等；多智能體系統（構建是基于單智能體模型基礎上的。多智能體系統各功能分別由單個功能完成。系統平臺負責對各功能進行協調使得他們能夠在預定機制下完成任務。因此，多智能體系統（設計存在硬件系統設計和軟件系統設計。硬件系統設計主要依靠各種電子電器設備系統來實現；軟件系統則通過相應的軟件對各硬件系統的運行起到資源調配的作用。面向的軟件設計主要是利用軟件語言結構模仿系統的各種運行機制。利用這種模仿可以對設計的多系統的性能進行仿真、分析。國內外學術界主要的研究方向是多智能體系統設計（和面向的軟件設計。

? 目前，對于多智能體系統的研究已經從最初的軟件模仿開始進入到實際控制系統設計階段。隨著先進傳感器等檢測技術不斷更新升級，多智能體系統硬件系統的實現成為可能。另外，多智能體系統屬于分布式控制系統的分支。多種分布式控制技術可以與多智能體系統技術相結合。這種優點使得多智能體系統在近十幾年的時間內被廣泛應用于電力、化工、通信、互聯網、交通、船舶等領域。系統實現不再是研究熱點。多智能體系統內部各功能智能體的協調工作與任務協商是該研究領域的新課題。如何解決這個問題要考慮以下幾個方面的因素：

環境的復雜性

? 在多系統中，系統的運行一般是處于一種理想條件下即系統每個部分的工作都是可知可控的。換句話說，各個的運行控制，信息交互等反映是能夠按照設計工作的。但在實際運行狀態下，多系統運行存在很多不可知性和不確定性。這些因素可能是由于環境的非預期變化造成的，其主要表現有以下幾個方面：

? 系統環境的多變造成的不可知性和不確定性。多智能體系統設計時，往往會考慮到一些顯著的影響因素。但對于一些相對隱性的因素卻無法完成預測。比如多系統中各獨立對于任務的執行效果以及其對于環境改變的適應能力等都會很大程度上影響獨立的工作效果。盡管設計時可以通過相應的機制進行約束，但不能完全避免不確定性的發生。

? 環境信息獲取能力影響多系統。多系統對外界環境信息的攝入取決于其信息釆集獲取部分的工作能力。在實現過程中往往采用傳感器等檢測手段進行外部環境信息獲取。而當需要獲取的信息存在多種不同成分時，系統為了獲取較為準確全面的信息則必須采用信息融合技術。因此，信息融合效果將直接影響多系統同時也增加了不確定性出現的可能。

信息的多樣性

? 由于多系統在運行時會存在不同程度的不確定性以及多系統內部各個功能對信息處理能力存在差異，這使得多系統對環境的信息攝入（即對外界信息的獲取）與實際環境所釋放的信息之間存在差異。因此，為了使得多系統獲取的信息與真實信息逼近，一般要對信息進行分析、處理以及合成。信息融合是解決此類問題的好方法。在融合過程中，信息組成的多元化必然會帶來不同信息之間的沖突問題。如何解決信息多元化之間的沖突問題成為關鍵。另外，在現有的信息融合模型中，多系統一般采用軟件語言模擬運用機制來協調信息融合并避免沖突。因此，環境信息的多樣性使得多系統運行必須處理好該類問題。

相關產品詳情頁面：http://cflink.cn/400/