开云在线平台电力是一家专业研发生产电缆故障测试仪的厂家，开云在线平台生产的电缆故障测试仪设备在行业内都广受好评，以打造最具权威的“电缆故障测试仪“高压设备供应商而努力。

电缆故障诊断研究方法综述

小波分析

  小波分析经过几十年的发展，巳经从一个数学公式发展为各个领域必不可少的重要工具。通过不断地推导和创新，小波分析幵始蓬勃发展起来并在国际上形成一个重要领域，小波分析的应用与理论紧密结合起来，它是一个新的数学分支，是一个关于时间和频率的局域性变换，能够通过将信号平移和伸缩来进行多尺度细化分析。小波分析比傅里叶变换更具有实用性。在信号处理、图象分析、模式识别、语音处理、地震勘探、计算机视觉分析、数据压缩、故障诊断及众多非线性科学领域都取得了有科学意义和应用价值的结果。小波分析应用到故障诊断的信号处理中，可以不用建立解析数学模型。具体可以分为以下四种方法：

检测信号的突变故障

  在信号处理中，往往要选取奇异值点。通常选择信号的突变故障点作为处理过程中的奇异值点。为了能够将奇异值点较好的从信号中提取出来，必须采用多尺度分析法对信号进行处理、提取。而多尺度分析法主要是根据信号和噪声在奇异值点附近的变化来进行分析。噪声与信号的对应关系如下：对于信号而言，信号谱图其在奇异点附近的指数分别在参考系数的不同条件下出现对应的变化关系；而对于噪声而言，其在奇异点附近的指数与信号边沿的指数存在相应的对应关系（通常情况下，如果噪声指数大于零，则信号边沿的指数小于等于零）。利用上述噪声与信号的变化关系可以对信号小波变换的奇异值进行检测，得到的结果可以测量故障点。对于管状空间可以利用管体内可控流体的压力信号的变化来进行小波变化并求解出压力损失源。这中算法适用于电缆管道中的故障点检测。

信号频率结构变化的故障诊断

  对信号进行频率分布分析并通过绘制信号与频率的时变函数曲线来分析故障信号的方法被称为小波多分辨率分析法。其特点就是对信号进行不同尺度的划分并在对应尺度上进行分辨率划分、分析。对于出现故障的系统来说，往往故障发生时会伴随着特点频率特征。通过对这些不同频率的故障特征信号进行小波分析可以得到小波变换尺度与故障特征频率之间的相应关系。文献利用这种方法对故障系统进行了检测并推算出故障信息。除此之外，有学者利用金字塔算法对小波分析中所需尺度进行有效分解来对故障进行检测。

脉冲响应函数小波变换的故障诊断

  当系统出现故障时，系统原有功能会因为故障发生而改变。系统的传递函数也因功能的改变而发生变化。系统在相同脉冲信号作用下的脉冲响应也会变化。因此，根据系统脉冲响应的变化对其进行小波分析可以对故障信息进行分析并得到故障位置点。这种方法对一般模型具有适用性。如果少数模型其参数具有较大的模，使用该方法时需要作出相应的调整。一般采用的方法是根据待检状态下辨识得到的状态值随时间的变化情况来判断故障的位置。国内外已经有多位学者对这种方法进行了尝试：文献中利用小波变换和傅里叶变换来对电力配电系统故障进行位置测量；文献在小波变换基础上对待检系统输入脉冲信号进行正交变换，并通过小波变化和正交变换获取故障位置的精测信息。

小波去噪提取波形特征进行故障诊断

  近年来，随着小波去噪的应用范围不断扩大，利用小波去噪提取故障特征的方法越来越多样化。一般而言，小波去噪在信号处理上起到了带通滤波器的作用。但随着小波去噪方法多样化，小波去噪可以直接提取相关特征值并进行故障诊断。目前，这样的应用实例很多：学者利用局部极值点对信号进行优化、对优化结果进行重构处理并得到所需的高质量信号；小波去噪后对信号进行分域并对域中信号设定阈值。利用信号的阈值可以对信号进行残差分析并通过分析找到故障点；文献中，按照故障系统的特点，比较噪声与信号在控制特性上的区别，对噪声信号进行处理。

粗糙集理论

  粗糙集理论（是一种新的数学工具，该工具与模糊集和概率论一样都是用来处理不确定性的数学算法。粗糙集理论由波兰学者于年正式提）出。粗糙集作为一种新的方法越来越受到重视，并已经在许多科学领域得到应用，在很多领域存在着不确定性因素，采集到的数据不具有完整性，通常包含噪声，通过对数据进行分析和推理来揭示其中的规律。粗糙集理论的特点是利用已知的数据，将不确定的数据应用到已知的数据中，其优点是能够将数据进行简化发现隐含在数据中的规律。

  在粗糙集的研究上，有两个主要的方向，一个方向是粗糙集的理论研究，侧重于构造粗糙集的数学理论体系；另外一个方向则是将粗糙集理论作为一种新的技术，运用到更广泛的领域中。粗糙集应用到电力系统故障诊断也是一个新的方向，将粗糙集理论运用到电力系统中的故障诊断，结合其它相关方法对干扰信号进行消除处理。通过利用神经网络技术和粗糙集理论对电力传输线进行故障测距和故障定位，将粗糙集理论应用到故障诊断中，从而提高了神经网络的训练收敛速度。由于电网具有复杂的结构，也会在不同区域出现故障点，因此，利用神经网络将一个大区域分解为多个神经子网，再结合粗糙集理论对复杂系统的每个故障点建立故障诊断模型，从而可以对不同的故障点进行诊断。粗糖集理论从不完备、不精确的信号中提取有用信息，生成简化决策规则，刻画出信号的不完整性和不确定性。正是由于粗糙集理论具有能够自动发现和分析理论，该理论在故障诊断领域已经取得了非常广泛的应用。

  在有些情况下，当采用粗糙集理论进行故障诊断时，可以通过许多信号源对该故障点进行检测，这些检测信号存在大量的信号冗余。粗糙集理论也可以在受到其它信号干扰时及时的对故障模型进行有效判断，提出多诊断模型。但是有一些关键信号，却不能运行粗糙集理论，因为该系统不能产生缺失的信号，否则粗糙集将会失效。粗糙集理论的一些缺点也限制了其更广泛的运用，比如在故障诊断时运用形式单一，缺乏对于诊断性能的分析，诊断逻辑不清晰等等。

理论与方法

  随着分布式人工智能和计算机技术的快速发展，理论与方法也得到迅速的发展，包括对单个智能的研究、多系统的研究以及面向的软件设计研究三个方面。单智能体模型主要是针对模型外部的输入信号做出反应即输出结果。因此，对于模型的设计主要在于模型内部结构设计、内部各模块设计（包括输入输出模块、反应模块、知识库数据库等）等；多智能体系统（构建是基于单智能体模型基础上的。多智能体系统各功能分别由单个功能完成。系统平台负责对各功能进行协调使得他们能够在预定机制下完成任务。因此，多智能体系统（设计存在硬件系统设计和软件系统设计。硬件系统设计主要依靠各种电子电器设备系统来实现；软件系统则通过相应的软件对各硬件系统的运行起到资源调配的作用。面向的软件设计主要是利用软件语言结构模仿系统的各种运行机制。利用这种模仿可以对设计的多系统的性能进行仿真、分析。国内外学术界主要的研究方向是多智能体系统设计（和面向的软件设计。

  目前，对于多智能体系统的研究已经从最初的软件模仿开始进入到实际控制系统设计阶段。随着先进传感器等检测技术不断更新升级，多智能体系统硬件系统的实现成为可能。另外，多智能体系统属于分布式控制系统的分支。多种分布式控制技术可以与多智能体系统技术相结合。这种优点使得多智能体系统在近十几年的时间内被广泛应用于电力、化工、通信、互联网、交通、船舶等领域。系统实现不再是研究热点。多智能体系统内部各功能智能体的协调工作与任务协商是该研究领域的新课题。如何解决这个问题要考虑以下几个方面的因素：

环境的复杂性

  在多系统中，系统的运行一般是处于一种理想条件下即系统每个部分的工作都是可知可控的。换句话说，各个的运行控制，信息交互等反映是能够按照设计工作的。但在实际运行状态下，多系统运行存在很多不可知性和不确定性。这些因素可能是由于环境的非预期变化造成的，其主要表现有以下几个方面：

  系统环境的多变造成的不可知性和不确定性。多智能体系统设计时，往往会考虑到一些显著的影响因素。但对于一些相对隐性的因素却无法完成预测。比如多系统中各独立对于任务的执行效果以及其对于环境改变的适应能力等都会很大程度上影响独立的工作效果。尽管设计时可以通过相应的机制进行约束，但不能完全避免不确定性的发生。

  环境信息获取能力影响多系统。多系统对外界环境信息的摄入取决于其信息釆集获取部分的工作能力。在实现过程中往往采用传感器等检测手段进行外部环境信息获取。而当需要获取的信息存在多种不同成分时，系统为了获取较为准确全面的信息则必须采用信息融合技术。因此，信息融合效果将直接影响多系统同时也增加了不确定性出现的可能。

信息的多样性

  由于多系统在运行时会存在不同程度的不确定性以及多系统内部各个功能对信息处理能力存在差异，这使得多系统对环境的信息摄入（即对外界信息的获取）与实际环境所释放的信息之间存在差异。因此，为了使得多系统获取的信息与真实信息逼近，一般要对信息进行分析、处理以及合成。信息融合是解决此类问题的好方法。在融合过程中，信息组成的多元化必然会带来不同信息之间的冲突问题。如何解决信息多元化之间的冲突问题成为关键。另外，在现有的信息融合模型中，多系统一般采用软件语言模拟运用机制来协调信息融合并避免冲突。因此，环境信息的多样性使得多系统运行必须处理好该类问题。

相关产品详情页面：//ldrholding.com/400/