基于声纹的GIS断路器机械故障诊断

针对气体绝缘开关设备（gas insulated switchgear,简称GIS）断路器声信号易受强背景噪声干扰且特征提取困难的问题,提出一种可以有效诊断其机械故障的方法。首先,使用多通道声传感器阵列采集断路器原始观测信号,利用独立成分分析（independent component analysis,简称ICA）方法将观测信号分离为多维源信号,并选取源信号中模糊熵最小的分量作为特征信号;其次,计算特征信号的多尺度模糊熵（multi-scale fuzzy entropy,简称MFE）生成断路器的声纹特征;最后,利用极限学习机（extreme learning machine,简称ELM）算法识别断路器的故障。实验结果表明,基于声信号的检测方法为GIS断路器的机械故障诊断提供了一种新的解决方案,所提出的算法能够有效提取声纹特征,故障诊断准确率较传统方法有明显提高。