基于CNN算法的并联电抗器机械故障诊断方法 |
| |
引用本文: | 吴经锋,王文森,张璐,韩彦华,李祎,张玉焜,汲胜昌.基于CNN算法的并联电抗器机械故障诊断方法[J].电工电能新技术,2022(12):72-80. |
| |
作者姓名: | 吴经锋 王文森 张璐 韩彦华 李祎 张玉焜 汲胜昌 |
| |
作者单位: | 1. 国网陕西省电力有限公司电力科学研究院;2. 西安交通大学电力设备电气绝缘国家重点实验室 |
| |
基金项目: | 国家自然科学基金项目(U1766223); |
| |
摘 要: | 为解决并联电抗器的机械故障诊断问题,本文提出了一种基于卷积神经网络算法的机械故障诊断方法。首先以一台10 kV并联电抗器为研究对象搭建了振动实验平台,在油箱表面采集了5种机械状态下的振动信号,将原始振动信号进行预处理得到其时域波形与频谱,然后分析了振动时频特性并验证了其区分机械状态的可行性,因此将振动信号输入分类模型中进行特征自适应提取和训练,最终通过分类器输出结果达到诊断的目的。该方法与传统的故障诊断方法相比,不但省略了人工提取特征环节,并且减少了误判问题,最终可以以较高的精度诊断电抗器机械故障。因此,本文提出的方法对并联电抗器的安全可靠运行具有重要意义。
|
关 键 词: | 并联电抗器 振动信号 机械故障 卷积神经网络 |
|
|