基于VMD模糊熵和SVM的高压断路器故障诊断 |
| |
引用本文: | 张燕珂,王萱,万书亭.基于VMD模糊熵和SVM的高压断路器故障诊断[J].电力科学与工程,2019,35(4). |
| |
作者姓名: | 张燕珂 王萱 万书亭 |
| |
作者单位: | 浙江工商职业技术学院智能电子学院,浙江宁波,315012;华北电力大学能源动力与机械工程学院,河北保定,071003 |
| |
基金项目: | 国家自然科学基金;国网浙江省电力有限公司科技项目 |
| |
摘 要: | 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。
|
关 键 词: | 断路器 VMD 模糊熵 特征提取 故障诊断 |
本文献已被 CNKI 万方数据 等数据库收录! |
|