根據真空斷路器故障診斷特點，提出了小波包、RBF神經網絡與D-S證據理論相結合的決策層信息融合診斷方法。首先，運用小波包—能量譜分析方法對振動信號進行分解處理，提取特征向量，并以此作為診斷的依據；其次，建立神經網絡模型，以特征向量為RBF神經網絡的輸入，進行斷路器初步故障診斷；然后將診斷結果作為對各種故障模式的基本概率分配值，利用D-S證據理論，實現對初步診斷結果的融合，從而得到最終的融合診斷結果。實驗結果表明，該方法診斷真空斷路器故障能取得良好的效果。

　　引言

　　真空斷路器是開關電器中尤為重要的一種電器，在中國應用領域越來越廣，將向高壓(72.5 kV 以上)、低壓(380 V～3 kV)兩極發展，部分取代SF6斷路器和空氣斷路器，這就要求真空斷路器有更加可靠的電氣性能。國際大電網會議(CIGRE)對高壓斷路器及其操作機構的可靠性進行過兩次世界范圍內的調查，結果表明，斷路器的大多數故障(主要故障的70%和次要故障的86%)都為機械故障，主要涉及到操作機構，監視裝置和輔助裝置。因而對于真空斷路器的故障診斷的研究尤為重要。

　　真空斷路器的振動信號包含著大量非線性的、動態的成分，如尖峰、諧波和不連續等，這些諧波和不連續頻帶較寬分布于信號的整個頻帶。不同頻帶內信號能量的變化反映了斷路器運行狀態的改變。真空技術網(http://203scouts.com/)認為通過對振動信號進行分析，可以提取出真空斷路器狀態特征并以此為依據進行故障診斷。

　　目前對于斷路器的故障診斷主要是采用基于神經網絡技術的診斷，文提出利用小波包分解與重構原理，提取振動信號特征量，并采用RBF神經網絡進行故障診斷；文在小波包與特征熵的基礎上，按照熵理論提取特征熵向量，最后構造簡單的BP神經網絡實現故障診斷；文建立了高壓斷路器操動機構故障診斷的RBFNN 模型， 利用MATLAB工具實現故障診斷。但是上述方法都存在一些不足。對于神經網絡，當系統的診斷參數較多，征兆信息量大時，將使網絡結構龐大，訓練時間太長，甚至無法訓練；同時由于采用的樣本不可避免的存在著矛盾性與隨機性， 從而降低了網絡的泛化能力，使故障定位精度不高。這就需要新的方法彌補其不足，多傳感器數據融合技術彌補了單個診斷個體所具有的不確定性，D-S證據理論在表達和處理不確定信息方面具有獨特的優勢，它通過對同一識別框架的各證據體進行融合推理，提高了證據推理結論的可靠性，因而在信息融合領域得到廣泛的應用。所以，筆者以小波包能量譜方法分析振動信號為基礎，結合徑向基函數RBF (radial basis function)神經網絡和D-S證據理論，提出基于小波包、RBF神經網絡與D-S 證據理論的決策層信息融合診斷方法，實現真空斷路器故障的融合診斷，使診斷結果更加精確。

　　1、原理與設計

　　文中采用基于小波包、RBF 神經網絡與D-S 證據理論的決策層信息融合診斷方法。首先，對安放在不同位置的兩個振動傳感器采集到的兩個振動信號分別進行小波包—能量譜分析，得到當前狀態的特征值；然后，將兩組特征量分別輸入到RBF 神經網絡中，對真空斷路器當前狀態進行初步診斷；最后，將兩個神經網絡診斷結果作為對各種故障模式的基本概率分配值，利用D-S 證據理論，實現對神經網絡的診斷結果的融合，從而得到最終的融合診斷結果。

　　當斷路器工作在某一狀態下，加速度傳感器的安裝位置不同， 其振動信號特征也會有很大不同，但是其神經網絡的訓練狀態類別向量是相同的，也就是說，在同一狀態下，兩個傳感器的輸入特征不同，但是其初步診斷所得狀態向量是一致的。文中采用決策層融合診斷，對初步診斷結果進行數據融合提高診斷結果精度。

　　由于每個神經網絡所輸出的[0，1]之間的數即為基于相應故障信息診斷的屬于各故障狀態的可能性，只是基于各類故障信息得到的屬于某故障狀態的可能性并非完全一致，甚至可能出現較大的偏差或矛盾情況。所以可以用對應于故障信息i 的RBF 神經網絡之輸出yij來代替相應的傳感器信度函數分配的相關系數Ci( j)。由于這2 個量在物理意義上都表示根據某一傳感器測得值來估計被測對象，屬于某一類型的概率，即兩者之間存在相關性，因而采用這種處理方法是合理的。這樣，便可由各Ci(j)求出各傳感器的信度函數分配，然后用D-S證據理論的合成規則聯合每個傳感器的信度函數分配，形成融合的信度函數分配。最后利用融合后的結果， 根據所提取故障特征值進行故障融合診斷，上述融合診斷方法及診斷過程見圖1。

圖1 融合診斷過程

　　4、結語

　　筆者以真空斷路器故障診斷問題， 應用小波包—能量譜分析技術有效地對真空斷路器故障中振動信號進行了頻帶能量特征提取,并作為RBF 神經網絡的輸入特征向量。同時，將信息融合技術應用于故障診斷中，建立和提出RBF 神經網絡與D-S證據理論融合診斷的框架與方法，運用RBF 神經網絡產生各種故障模式的基本概率分配，然后運用D-S證據理論的組合規則進行了融合診斷。

　　文中運用具體的實例進行驗證， 結果表明了，基于小波包、RBF 神經網絡與D-S 證據理論的決策層信息融合診斷方法的正確性和有效性。