股指配资歡迎您的到来!

涵桥财富配资:津成電纜,股指配资電纜,津成電纜銷售中心等産品,歡迎来電咨詢!

13001722958

聯系人:秦经理

手機:13001722958

電話:0531-88602000

傳真:0531-88603000

郵箱:405933217@qq.com

网址:www.zgpazp.com

地址:濟南市天桥區北園大街213-2号

新聞詳情您當前的位置:首頁 >>  新聞信息 >> 詳細内容

電纜故障類型判别

發布時間:2014-10-23

  測試脈沖産生模塊(信号源)将産生的脈沖信号加載在電纜上,信号行至電纜末端必定會産生一個反射波。理想情況下,我們根據反射波波形即可判斷電纜故障類型及故障點位置,即可求出電纜長度。但是在實際實验當中,由于電子儀器本身材料及電路結構等因素,發射脈沖中會伴有一定的随機信号,另外也不可能具備完全沒有噪聲幹擾的環境,測試環境中的電磁噪聲作为一個随機幹擾的主要来源,嚴重影響測量數據。也就是說,这些因素都将作为反射波形的随機特征。
  再加上試验中,信号的入射脈沖與反射脈沖的幅度與相位會有不同程度的畸變,就會使得脈沖波形的拐點或峰值點的判别不能夠很精确,而需要加入人为判斷的因素。
  为解決这個問題,系統引入了聚類分析的算法。聚類分析算法可以很好的解決故障性質人工判斷帶来的誤差,依據測試人員在實際測試中對故障波形與數據詳盡的記錄,建立參考波形數據庫,并按照規範的數據格式存儲參考波形。根據大量的實際診斷,确定故障判斷的最優经验阈值,在这個過程中,利用聚類分析的算法可以方便的得到理想的結果。
  聚類分析算法可以通過數学建模很好的進行數據簡化,一直以来都是衆多數據挖掘研究者廣泛研究的課題。傳統的統計聚類分析方法有很多,比如分解法、系統聚類法、有序樣品的聚類、动态聚類法、模糊聚類法和有重疊聚類法等。这種分類過程将一個沒有類别标記的樣本集按某種準則劃分成若幹個子集(類),使相似的樣本盡可能歸为一類,而不相似的樣本盡量劃分到不同的類中。这樣,在同一簇中的對象之間具有較高的相似度,而簇間的對象差别較大。而聚類的實質在于在數據中發現其結構,如何确定分類準則是聚類研究中的一個關鍵問題。聚類與分類的不同之處在于,聚類所研究的類是提前未知的。聚類分析算法不以先验數據類型为依據,對于已标定類型的數據訓練的樣本集也不參考,它是一種在觀察總結基礎上的学习方法。
  而對于電纜故障數據采集的過程中,種種因素會造成試验數據被幹擾,但是電纜開路、短路、低阻等現象針對的各類波形不管受何影響都存在一定的相似性。
  針對这一點兒,可以對電纜用TDR法進行多次測量,獲取故障信息,利用故障信息構建電纜故障數據的樣本矩陣。基于多次測量數據之間存在相似性的特點,可以将多次測量獲得的數據構建矩陣,同時用这個矩陣内的數據和用參考波形數據構建的數據矩陣以一定的相似度原則按照聚類分析原理進行聚類分析,将具有一定相似度的數據集合在一起,用来判斷故障的性質,以达到快速準确识别故障的目的。
  利用聚類分析算法對電纜故障類型進行聚類分析,首先需要保證系統中本身就存儲有完整的低阻、高阻、開路等方式的标準波形,以便于進行分析。通過将得到的最新的測量數據矩陣進行聚類分析獲得模糊等价關系矩陣,并将所得數據與标準波形數據進行分析比對。實際操作中,一般将矩陣的第一行和第一列的數據标定为1,還需要設定一個科学的聚類分析阈值,然後對上一步中形成的樣本矩陣進行聚類分析,并從中選取标準數據和測量數據組成的類。
  一般来講,标準波形的數據所對應的數值和第一列的數據是最接近的,從而可以将故障波形數據和它對應的短路、開路或者低阻标準數據歸在一類。通過这個聚類分析的過程,就可以方便判斷故障類型。
  确定出電纜故障類型之後,就可以利用一般數学原理對電纜故障點進行測算。

上一條: 電力電纜的長度測量方式介紹

下一條: 股指配资電纜的脈沖電流法