材料构成的法兰盘时，声信号发生大幅衰减，衰减幅度达到10倍以上，并且信号中的高频分量明显受阻。故振动信号在GIS设备内部的传播类似于震荡信号。
首先在GIS模拟设备上提取含有白噪声的信号特征。示波器的波形显示如图1所示。
从提取的信号可以看出，放电造成的声波信号类似于震荡信号，符合理论要求。因此，在实验过程中建立了一组数学模型，即指数衰减震荡模型。
式中a1、a2为放电信号的幅值，T1、T2、T3为信号的衰减时间，fc为信号震荡频率[11]。
仿真实验采用的是式中两个模型的结合。采用MATLAB7.10进行仿真实验，式中的参数设置为fc=5×105Hz，fs=1×107Hz，如圖2所示。
在仿真信号中加入一定信噪比的噪声，截图噪声后的信号如图3所示。
2.2 仿真结果
实验过程中，引入相关性判断信号处理质量。相关性分析是一种时间域内描述信号特征的重要方法，体现两个信号的相似程度。因此，相关系数越大，相似度越高，处理效果就越好、适合用来去噪，以下将选取加噪后的仿真信号进行处理。
实验中分别利用Coiflet小波系、Symlets小波系、Daubechies小波系、Haar小波系对仿真信号进行去噪处理。采用软硬阈值法去噪，选取不同的分解层数，得到相关系数。下面列举采用coif小波系对仿真信号进行去噪处理。
针对coif小波系采用软硬阈值法，选取不同的小波函数和分解层数，得到的相关系数如表1所示。从表中可以看出，在分解层数为6，小波基函数为coif5时，相关系数最大，对应值为0.893 1，去噪效果最好。
在利用小波函数处理GIS闪络故障仿真信号时，每个小波函数下都有一个最佳去噪效果系数，分别对应不同的消失矩阵和分解层数。分别取出每种小波函数下的最佳去噪效果系数进行对比，见表2所示。
通过表2可以清楚地看出，当取小波函数为coif小波，消失矩阵为5，分解层数为6时的信号相关性最大，即信号重构最好。因此，本方案就采用coif5小波，分解层数为6，仿真结果如图4所示。
3 试验结果
试验原理是根据声传播特性，在每段GIS上安装一个压电薄膜传感器，捕捉该点的振动信号强度，由于振动信号的衰减特性，相邻气室的信号强度必然弱于闪络段信号强度，从而实现闪络点定位。
试验方案采用强噪声下的敲击实验模拟闪络放电，此方法侧重的是闪络产生的振动信号对于GIS筒壁产生的冲击。利用音箱持续播放汽车的鸣笛声，然后将音箱放置在模拟实验模型旁不同位置进行实验。试验模型为金属圆筒，圆筒中的空气模拟SF6气体，橡胶圈模拟法兰盘。然后敲击产生振荡信号，信号通过橡胶圈后会得到衰减，模拟闪络故障的传递特性。音箱播放的持续汽车的鸣笛声用来模拟实验环境下的电磁噪声和白噪声等。音箱的声音强度要达到能够影响原始信号程度。在试验过程中可以通过电脑控制声音大小，然后保持稳定不变。在敲击筒壁过程中，尽量保证用相同的力度敲击相同的位置。最后将通过检测装置测得的试验数据进行对比，可得此方案的去噪效果。
首先，将传感器粘在每段气室外壁中间，然后敲击筒壁相同位置，不断移动音箱的位置，如图5所示。最后，将未进行小波分析的数据和利用小波分析后的数据进行对比，通过分析数据来观察去噪效果的好坏。
在试验过程中，敲击部位如图6所示。图中有阴影的部分表示橡胶圈，作用是用来削弱气室之间信号的传播，模拟法兰盘的隔离效果。
首先确定一个敲击位置，如图6所示，本次试验选择一号节点作为敲击位置。在安静的环境下，利用未添加小波算法的设备（即1、2、3号设备）先进行三次试验，用相同的力度敲击相同的位置，试验数据如表3所示。这三次试验作为采用小波分析去噪后的试验基准，去噪后的试验结果越符合这组数据的规律（数值大小、数值衰减规律等），说明去噪的效果越好。
然后，按照上图顺序将音箱逐次放置（每次试验只在其中一个位置上放音箱），然后在每个位置敲击3次，将最后得到的两组试验数据分别记录，见表4和表5。本系统采用压电薄膜传感器将振动信号转变为电信号，所以表3-表5中物理量是各个节点振动信号强度等效的电压值，即振动信号强度越大，电压值越大。设计的检测装置上直接显示的是电压值，单位是mV。
4 结论
仿真和试验结果表明，在气体绝缘金属封闭开关设备（GIS）检测中，传统的信号去噪方法已不能满足使用要求，而基于小波分析的去噪方法为解决信噪分离和特征提取等问题提供了有效途径，其在探测非平稳目标信号中局部反常现象，并保留变化部分中有用成分方面有明显的优势，完整地提取了振动信号中有用的高频信息，能够表征出信号局部特征，极大提高了信噪比和系统定位的准确率，具有较高的实用价值。
参考文献：
[1] 韦力强，谭阳红.基于小波变换的信号去噪研究[D].长沙：湖南大学，2007.
[2] 易鸿.基于小波分析对信号噪声的处理[J].四川文理学院学报：自然科学版，2008，18（2）：33-36.
[3] 杨颖飞.强背景噪声下的脉搏信号处理算法研究[D].西安：西安电子科技大学，2009.
[4] 赵淑红.时频分析方法及其在地震数据处理中的应用[D].西安：长安大学，2006.
[5] 刘志松.基于小波分析的信号去噪方法[J].浙江海洋学院学报：自然科学版，2011，30（2）：150-154.
[6] 杜振宁，向春枝.基于小波包分解和PCA的轴承故障诊断[J].控制工程，2016，23（6）：812-815.
[7] 涂望明，宋执环，陈运涛，等.基于小波变换和LS-SVM的雷达故障诊断[J].控制工程，2013，20（2）：309-312.
[8] 苏振霞.基于小波调制策略的三电平逆变器研究[D].哈尔滨工业大学，2014.
[9] 田晓春，陈家斌，韩勇强，等.一种优化的小波阈值去噪方法在行人导航系统中的应用[J].中国惯性技术学报，2015，23（4）：442-445.
[10] 王邵杰.基于小波分析的振动信号去噪研究[D].秦皇岛：燕山大学，2015.
[11] 孟庆新.电力变压器局部放电在线监测系统及基于小波的消噪声方法的研究[D].鞍山：辽宁科技大学，2007.
（责任编辑：江 艳）
推荐访问： 振动 小波 信号 分析
