真空断路器作为电力系统的控制与保护电气设备，其运行特性是影响系统安全可靠运维的主要因素之一。据统计，在真空断路器服役过程中，机械故障占其整机故障的80%左右，对真空断路器运行故障进行评估与识别，具有理论和工程意义。

断路器分、合闸动作产生的振动信号蕴含着丰富、重要的机构状态信息，是机构运动过程中是否出现铁心卡顿、铁心与斥力盘松动、油压缓冲器过调等“故障集总”参数。断路器中的油压缓冲器可吸收机构分闸运动末期的剩余能量，用以减少冲击与振动，在真空断路器中扮演着不可或缺的角色。

此外，油压缓冲器也直接影响斥力机构分闸行程末端反弹幅值大小或弹跳时间长短：一方面，过大反弹幅值或过长弹跳时间将不可避免地导致灭弧室波纹管承受大振幅强迫振动而引发波纹管开裂进而造成灭弧室漏气；另一方面，过大分闸反弹幅值使动静触头间有效开距严重减小，灭弧室在开断过程中无法达到安全间隙，导致灭弧室重击穿，造成分闸失败。因此利用振动信号对断路器的机械运行状态，特别是油压缓冲器的故障类型进行识别十分必要。

断路器开断过程中振动信号具有瞬态、非线性和非平稳的特点。国内外学者从信号采集、特征提取与故障识别等方面进行了大量的研究。特征提取通常采用时域法、频域法、时频法、数据序列法或者几种方法的组合。随着人工智能算法的发展，神经网络、小波包分解与支持向量机（SupportVectorMachine,SVM）等算法被引入故障识别。但有关研究多基于断路器的弹簧机构和液压机构等，随着直流电网的发展，提升直流断路器故障分断能力变得愈发重要，基于电磁斥力机构的快速真空断路器作为直流开断模块的主开关已经成为共识。

真空断路器永磁斥力机构为分合闸提供动力，相比于弹簧机构、气动液压等机构，斥力机构具有响应及时、速度快、部件少和精度高等优点，但其速度快、冲击力大、弹跳大与动态参数多，且永磁斥力机构动作时间只有十几、甚至几个毫秒，其振动信号更加复杂、非线性程度更加明显，基于传统时间序列的振动分析变得更为复杂。将相空间重构引入断路器振动信号分析，可有效通过吸引子的演化规律分辨故障类型或故障程度。相关研究表明，混沌吸引子方法可有效判断故障类型，而针对快速永磁斥力机构的振动信号吸引子形态的研究需进一步提取特征向量，完成故障的评估与分类。

针对真空断路器斥力机构故障时振动信号瞬态、非线性且难以进行故障定量评估与识别的问题，省部共建电工装备可靠性与智能化国家重点实验室（河北工业大学）、天津工业大学机械工程学院、成都旭光电子股份有限公司的刘晓明、张煦松、姜文涛、陈海、陈军平、宋柏阳，在年第20期《电工技术学报》上撰文，提出一种基于吸引子形态的混沌吸引子矩特征量和粒子群优化支持向量机的斥力机构故障评估与识别方法。

他们以真空断路器永磁斥力机构为研究对象，基于混沌理论对机构分合闸卡顿、斥力机构操作功不是引起的分/合闸不到位、合闸反弹和分闸过程油压缓冲器过调等故障类型进行相空间重构，运用C-C算法计算延迟时间和嵌入维数，采用Wolf算法得出最大Lyapunov指数（LEmax）判断振动信号的混沌特性，通过相图定性分析其三维混沌吸引子演变规律。他们指出，当斥力机构发生卡顿、反弹或者随着故障严重程度增加，振动信号吸引子轨迹更加复杂、杂乱程度增加。

研究人员引入混沌吸引子矩理论，以振动信号二维吸引子相图为对象，计算主轴、副轴、原点和混合吸引子矩，运用最小二乘法做线性回归得出的吸引子形态特征量为特征向量，同时提取时域信号的均值和均差值共同组成特征向量库。他们采用SVM对样本进行分类识别，准确率达96.67%，运用粒子群优化（ParticleSwarmOptimization,PSO）算法对SVM的惩罚系数c和核函数半径g进行优化，运用PSO-SVM进行故障识别，结果准确率达%。技术路线如图1所示。

他们的实验结果表明，该方法可精确识别斥力机构故障类型与程度，为断路器机械故障评估与识别提供了新思路与新方法。

本文编自年第20期《电工技术学报》，论文标题为“基于混沌吸引子的真空断路器永磁斥力机构机械故障识别方法”。本课题得到中央引导地方科技发展专项和河北省自然科学基金面上项目的支持。