排序方式: 共有6条查询结果,搜索用时 5 毫秒
1
1.
为了有效提取高压断路器振动信号的特征,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)模糊熵和支持向量机(Support Vector Machine, SVM)的特征向量提取方法,并采用SVM分类器对断路器的故障类型进行识别。首先,使用VMD对断路器的振动信号进行分解,得到若干个模态分量;然后,计算每一个模态分量的模糊熵,将其组成特征向量;最后,将上述特征向量导入到SVM分类器中进行训练,得到训练好的SVM模型,使用该模型对断路器4种运行状态下的样本数据进行故障识别。结果表明,基于VMD模糊熵的特征向量提取方法所提取出的特征向量相对基于经验模态分解(Empirical Mode Decomposition, EMD)样本熵的特征向量提取方法所提取出的特征向量可分性较好;在小样本的模式识别中,SVM相比于BP神经网络,具有更高的识别精度,能够有效识别断路器的故障。 相似文献
2.
3.
4.
5.
研究了利用振动检测法对220 kV瓷支柱绝缘子进行故障诊断时,激励力的入波角度对检测结果的影响。首先,利用SolidWorks建立瓷支柱绝缘子三维模型,针对正常、下故障、上故障三种绝缘子,采用有限元数值仿真分析了在不同入波角度下的绝缘子轴向振动响应和激励方向总的振动响应特性。然后研制了瓷支柱绝缘子故障模拟实验台,实测了正常、下故障、上故障三种绝缘子在不同入波角度激励下的振动响应加速度。仿真和实测结果表明,入波角度对绝缘子轴向振动响应的影响较小,但对激励方向的振动响应存在较大影响,导致频谱图中出现新的波峰,进而对缺陷判断产生影响。 相似文献
6.
1