基于局域均值分解和支持向量数据描述的高压断路器机械状态监测 |
| |
引用本文: | 黄南天,方立华,王玉强,赵振峰.基于局域均值分解和支持向量数据描述的高压断路器机械状态监测[J].电工电能新技术,2017,36(1). |
| |
作者姓名: | 黄南天 方立华 王玉强 赵振峰 |
| |
作者单位: | 1. 东北电力大学电气工程学院,吉林省吉林市,132012;2. 国网冀北电力有限公司检修分公司,北京,102488 |
| |
基金项目: | 国家自然科学基金项目,吉林省科技发展计划项目 |
| |
摘 要: | 为满足断路器机械状态监测的高可靠性要求,弥补现有方法易将轻微故障及无训练故障样本类型误识别为正常状态的不足,提出一种基于局域均值分解(LMD)能量熵和支持向量数据描述(SVDD)的高压断路器机械状态监测新方法。首先,利用LMD方法将断路器振动信号分解为一系列的PF(Product Function)分量,将各PF分量的包络按时间等间隔分段,并提取各PF分量包络的能量熵构成特征向量;然后,采用正常状态断路器振动信号的LMD能量熵向量训练SVDD分类器;最后,通过SVDD分类器对断路器的机械状态进行判断。实测信号实验证明,新方法比支持向量机(SVM)、BP神经网络(BPNN)等传统多类分类方法有更好的状态监测效果。
|
关 键 词: | 高压断路器 机械状态监测 局域均值分解 能量熵 支持向量数据描述 |
本文献已被 CNKI 万方数据 等数据库收录! |
|