基于声纹的GIS断路器机械故障诊断 |
| |
作者姓名: | 李可 姚忠远 王枭 顾杰斐 宿磊 薛志钢 |
| |
作者单位: | 1.江南大学江苏省食品先进制造装备技术重点实验室 无锡,214122;2.上海睿深电子科技有限公司 上海,201108;3.江苏省特种设备安全检验监督研究院无锡分院 无锡,214071 |
| |
基金项目: | 国家自然科学基金资助项目(51705203,51775243,11902124);江苏省市场监督管理局科技计划资助项目(KJ196043) |
| |
摘 要: | 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。
|
关 键 词: | 气体绝缘开关设备断路器 机械故障诊断 声纹 独立成分分析 多尺度模糊熵 极限学习机 |
收稿时间: | 2021-05-09 |
修稿时间: | 2021-06-21 |
|
| 点击此处可从《振动、测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动、测试与诊断》下载全文 |
|