为了解决现有交流接触器触头系统故障诊断技术存在的运行状态识别率较低的问题，沈阳工业大学特种电机与高压电器教育部重点实验室的研究人员刘树鑫、宋健、刘洋、曹云东、李静，在2021年《电工技术学报》增刊2上撰文，以改进多尺度排列熵（MMPE）与能量矩为特征向量，提出一种基于粒子群优化算法最小二乘支持向量机的交流接触器触头系统运动分析及故障诊断方法，能够有效提高运行状态识别率。经实测数据验证表明，所提方法可以完成交流接触器运行状态的有效识别，能够更有效地完成交流接触器故障定性诊断，并可以有针对性地对设备进行检修和维护。

交流接触器是一种广泛用于低压电气线路控制与保护的开关设备，负责电气线路大电流和主回路频繁的合分操作。交流接触器发生故障时，会影响受控设备的正常运行，甚至导致严重事故的发生。因此，为了能够对交流接触器进行触头系统运动分析及故障诊断研究，需要从科学的角度给出接触器各种工作模式与工作状态，为接触器的检测与维护奠定坚实基础。

交流接触器的机械故障中最常见的是分合闸故障，如弹跳时间长，导致吸合时触头弹跳幅度增加，它会对交流接触器分断电流的能力造成直接影响；吸合时间长，将导致燃弧时间增加，不仅影响系统的性能，而且降低接触器的电寿命；未达到预期开距，可以间接反映出触头烧蚀情况，电弧侵蚀引起交流接触器触头质量损耗，使其电接触性能不断退化；未达到预期超程，电弧侵蚀触头，触头厚度对应降低，从而降低触头超程。

触头碰撞速度快，会增加触头弹跳幅度；接触器衔铁和动触头分闸速度与温度呈线性关系，触头分闸速度慢会使电弧温度升高，增加灭弧时间，影响接触器使用寿命，对接触器的运行构成危害。

在实际的交流接触器在线监测过程中，人们只对发生故障的位置及是否发生故障进行监测，无法反映接触器的具体工作状态。如果能够实时监测交流接触器触头运动系统状态，及时发现潜在故障，积极制定检修策略，对于延长设备生命周期、提高电气线路运行稳定性、增强市场竞争力具有十分的重要意义。

近年来，国内外学者对交流接触器动态特性做了很多研究，然而其中大多数工作都是通过单一的机构运动方程来分析接触器动态特性，而对接触器触头系统的故障诊断有待进一步研究。交流接触器的触头运动信号为非线性信号。常用于交流接触器故障识别的非线性动力学参数分析方法，如样本熵、近似熵都存在鲁棒性不强等缺点，多尺度排列熵针对复杂时间序列具有鲁棒性很强的特点，可以获取更详细的信息。

多尺度分解是一种手段，局部均值分解是一种自适应时频分析法，局部均值分解（Local Mean Decomposition, LMD）与经验模态分解（Empirical Mode Decomposition, EMD）相比较而言，LMD很好地改善了EMD在分解信号的时候产生的诸多问题。因此沈阳工业大学特种电机与高压电器教育部重点实验室的研究人员通过多尺度排列熵提取交流接触器触头运动信号故障特征。

目前有许多方法用于故障识别，有学者利用变分模态分解与支持向量机（Support Vector Machine, SVM）相配合的故障识别方法，其需要借用传统的经验模态分解，没有精确数学表达式进行取值。有学者采用对SVM参数优化的方法，获得SVM的最优参数，通过使用遗传算法全局搜索，构造识别模型。但这种遗传算法，其收敛速度很慢，对于基因变异所造成的不稳定性很高。

沈阳工业大学特种电机与高压电器教育部重点实验室的研究人员提出了基于粒子群优化算法最小二乘支持向量机（Least Squares Support Vector Machine Based on Particle Swarm Optimization, PSO-LSSVM）的交流接触器触头系统运动分析及故障诊断方法，配合试验系统运用在交流接触器故障检测中，与目前的交流接触器故障定性诊断方法相比，能够明显地提高识别准确率和识别速度，更加适用于要求高可靠性的交流接触器故障识别领域。

他们最后得出如下研究结论：

1）设计了一种交流接触器触头系统运动分析及故障诊断试验系统，通过设备的触头系统运动试验数据进行分析并对其不同的工作模式进行定义。

2）对交流接触器工作模式进行识别，利用LMD分解将信号自适应分解，由改进多尺度排列熵与能量矩共同构成特征向量，再经过主成分分析法降维及归一化后，作为PSO-LSSVM的输入量，实现交流接触器工作模式的识别。

3）本故障诊断方法配合试验系统运用在交流接触器故障检测中，与目前的交流接触器故障定性诊断方法相比，能够明显提高识别准确率和识别速度，更加适用于可靠性要求高的交流接触器故障识别领域。

本文编自2021年《电工技术学报》增刊2，论文标题为“交流接触器触头系统运动分析及故障诊断研究”，作者为刘树鑫、宋健 等。

标签： 诊断方法 运动分析