基于改进SVDD算法的高压断路器机械故障诊断研究
发布时间：2021-06-23 16:28
电力系统是国家能源体系的核心,其能否安全运行关系到国家的战略安全,而高压断路器作为电力系统中重要的电气设备之一,对电力系统安全可靠运行有着重要影响。因此,如何高效准确的对高压断路器进行故障诊断是当今电力系统安全性研究的重要问题之一。高压断路器发生的大多数故障属于机械故障,振动信号能够对高压断路器的运行状态进行全面反映,以高压断路器振动信号作为研究对象展开机械故障诊断研究成为了主要方向。本文通过对高压断路器振动信号进行特征提取方法和分类识别算法两个方面的研究,实现快速、准确的对高压断路器机械故障进行识别与诊断。首先,在高压断路器国内外相关诊断技术研究的基础上,以LW9-72.5型高压断路器为对象,介绍了高压断路器的基本结构与常见故障机理,基于此,选用合适的加速度传感器和信号采集装置对高压断路器振动信号进行采集,利用小波包分解变换方法,从采集到的振动信号中提取小波包节点熵值与相对能量值作为故障诊断的特征向量;然后,针对高维特征数据集会带来大量冗余信息、影响分类效果等问题,采用核熵成分分析方法对高维特征数据集进行降维,该方法能够保持原始数据的整体流行结构并使其具备一定的区分能力,便于后续的分...
【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
图２－４小波包分解示意图??４表示一个信号，义，；表示分解形式，／是尺度参数，用来表示小波包分解的程度；??
?＋?＋＋?￣本￣Ｉ?ｌ?ｆ．?￣＊?负类伴本￣??＿〇?＋九＋?＋?＋?．正类样本?＿２?、年类样本?正类样本??＊＂?．?一分类界面?一分类界面?一分类界面??＿２?ｒ?＋?＋?｜〇支持向ｔ?＿２?ｒ?＋?丨〇錄响?＿２?ｆ?｜?Ｏ支持ｂ最??－２?－１?－ｏ．ｒ，?〇?ｏ．ｒ，?ｉ?ｉ．ｒ＾?２?‘?－２?－ｉ．ｒ；?－１－０．?ｒ；?０?ｏ．ｃ；?１?ｉ．ｒ，?２?－２?－１．＾?－１?－〇．［；?０?〇．［，?１?ｉ．ｒ，?２??图３－１不同非支持向量数对ＳＶＤＤ算法的影响??３．２主成分分析算法??３．２．１?ＰＣＡ算法基本原理??ＰＣＡ算法是一种能够将多个特征指标归纳为少部分特征指标的统计学领域的多元统??计算法ＰＣＡ算法的原理是利用能够把原始数据集合线性组合成为统一的评价数据的??方式，保存了原始数据集合的主要信息且互不关联，同时又能具备比原始数据更加优越??的性质。ＰＣＡ算法能够把高维空间数据集合和线性数据中的代表性特征提取出来，然后??将其投影到低维空间中。ＰＣＡ算法在电气设备故障诊断领域、大数据分析领域、供应商??等级指标评价体系中得到了大量的应用。下面将对ＰＣＡ算法的数学机理进行简述。??设数据集［七七，…，？］，其中任何一个样本ｘ，．?ｅ?Ｒｖ，／?＝?ｌ，２，．＂，Ｍ。Ｍ为样本总数，??Ｗ为指标总数。将数据集合组成；Ｖ行Ｗ列矩阵Ｘ。由于量纲指标的不同，不能对矩阵??进行标准化处理，因此只能对矩阵Ｘ的每一行进行零均值化，即减去这一行的均值得到：??－?Ｉ??ＸＩ?（３－１）??经过标准正交化处理，得到协方差矩阵：??］Ｍ?—?—??
?东北林业大学硕士学位论文???滑不良故障类样本信号。??１．５?—?▽▽??〇?▽０??１?－?Ｖ??〇５?＾?。??０?－?°罐嘴ｎ??－０．５?＿?１４▽麵??图３－２?ＰＣＡ算法对５０个铁芯卡涩故障样本和５０个正常样本降维至３维空间特征分布图??１－５?￣?ｖ?〇??１?－?。??０?５?－?７?：孕微。??〇－?：辦。??－０．５－?。写。，??图３－３?ＫＰＣＡ算法对５０个铁芯卡涩故障样本和５０个正常样本降维至３维空间特征分布图??１．５－?奶Ｖ?〇〇??？▽?％ｏｉ〇??°．５?－?ｆ谭?１??０?－?警??＾７▽?＾?°?〇??－０．５?—?ｖ?ｖ?〇?〇０??图３－４?ＫＥＣＡ算法对５０个铁芯卡涩故障样本和５０个正常样本降维至３维空间特征分布图??－２４－??
【参考文献】：
期刊论文
[1]基于人工蜂群算法优化支持向量机的变压器故障诊断[J]. 季伟,胡伟. 科技创新与应用. 2020(02)
[2]基于SLRMD与多分类SVM的变压器故障诊断方法[J]. 刘宇芳,姜斌,易辉. 机械设计与制造工程. 2019(12)
[3]基于PCA与SVM的振动传感器故障诊断方法[J]. 李翼飞,吴春平,涂煊. 自动化仪表. 2019(10)
[4]基于模糊RBF神经网络的高压断路器机构故障诊断[J]. 林琳,陈志英. 高压电器. 2019(10)
[5]一种基于线圈电流的高压断路器机械故障诊断方法[J]. 韩宇,董波. 高压电器. 2019(09)
[6]基于SVM主成分分析的高压断路器分合闸线圈故障诊断研究[J]. 彭在兴,王颂,易林,刘芹,陈曦,梁梦婕,褚飞航,曹辰,严海波,刘定新. 高压电器. 2019(07)
[7]不对称样本下基于支持向量机的变压器故障诊断[J]. 刘晨斐,崔昊杨,李鑫,束江,李亚. 高压电器. 2019(07)
[8]基于小波包能量谱和延时时间的断路器故障诊断[J]. 金鑫晨,崔鹤松,武建文,马速良,冯英,袁洋,梁传涛. 高压电器. 2019(06)
[9]基于分合闸线圈电流特征的高压断路器机械故障诊断[J]. 李聪,周建平,万书亭. 浙江电力. 2019(01)
[10]旋转机械一维深度卷积神经网络故障诊断研究[J]. 周奇才,刘星辰,赵炯,沈鹤鸿,熊肖磊. 振动与冲击. 2018(23)
博士论文
[1]断路器弹簧操作机构故障机理分析及诊断方法研究[D]. 豆龙江.华北电力大学(北京) 2019
硕士论文
[1]电力变压器故障特征提取及诊断方法研究[D]. 彭丽维.西华大学 2019
[2]面向大数据的高压断路器状态信息挖掘与故障诊断[D]. 朱萌.东南大学 2018
[3]基于振动分析的高压断路器机械故障诊断研究[D]. 陈怀金.东北电力大学 2017
[4]基于支持向量理论的变压器故障诊断与监测系统[D]. 李震.哈尔滨工程大学 2015
本文编号：3245275
【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
图２－４小波包分解示意图??４表示一个信号，义，；表示分解形式，／是尺度参数，用来表示小波包分解的程度；??
?＋?＋＋?￣本￣Ｉ?ｌ?ｆ．?￣＊?负类伴本￣??＿〇?＋九＋?＋?＋?．正类样本?＿２?、年类样本?正类样本??＊＂?．?一分类界面?一分类界面?一分类界面??＿２?ｒ?＋?＋?｜〇支持向ｔ?＿２?ｒ?＋?丨〇錄响?＿２?ｆ?｜?Ｏ支持ｂ最??－２?－１?－ｏ．ｒ，?〇?ｏ．ｒ，?ｉ?ｉ．ｒ＾?２?‘?－２?－ｉ．ｒ；?－１－０．?ｒ；?０?ｏ．ｃ；?１?ｉ．ｒ，?２?－２?－１．＾?－１?－〇．［；?０?〇．［，?１?ｉ．ｒ，?２??图３－１不同非支持向量数对ＳＶＤＤ算法的影响??３．２主成分分析算法??３．２．１?ＰＣＡ算法基本原理??ＰＣＡ算法是一种能够将多个特征指标归纳为少部分特征指标的统计学领域的多元统??计算法ＰＣＡ算法的原理是利用能够把原始数据集合线性组合成为统一的评价数据的??方式，保存了原始数据集合的主要信息且互不关联，同时又能具备比原始数据更加优越??的性质。ＰＣＡ算法能够把高维空间数据集合和线性数据中的代表性特征提取出来，然后??将其投影到低维空间中。ＰＣＡ算法在电气设备故障诊断领域、大数据分析领域、供应商??等级指标评价体系中得到了大量的应用。下面将对ＰＣＡ算法的数学机理进行简述。??设数据集［七七，…，？］，其中任何一个样本ｘ，．?ｅ?Ｒｖ，／?＝?ｌ，２，．＂，Ｍ。Ｍ为样本总数，??Ｗ为指标总数。将数据集合组成；Ｖ行Ｗ列矩阵Ｘ。由于量纲指标的不同，不能对矩阵??进行标准化处理，因此只能对矩阵Ｘ的每一行进行零均值化，即减去这一行的均值得到：??－?Ｉ??ＸＩ?（３－１）??经过标准正交化处理，得到协方差矩阵：??］Ｍ?—?—??
?东北林业大学硕士学位论文???滑不良故障类样本信号。??１．５?—?▽▽??〇?▽０??１?－?Ｖ??〇５?＾?。??０?－?°罐嘴ｎ??－０．５?＿?１４▽麵??图３－２?ＰＣＡ算法对５０个铁芯卡涩故障样本和５０个正常样本降维至３维空间特征分布图??１－５?￣?ｖ?〇??１?－?。??０?５?－?７?：孕微。??〇－?：辦。??－０．５－?。写。，??图３－３?ＫＰＣＡ算法对５０个铁芯卡涩故障样本和５０个正常样本降维至３维空间特征分布图??１．５－?奶Ｖ?〇〇??？▽?％ｏｉ〇??°．５?－?ｆ谭?１??０?－?警??＾７▽?＾?°?〇??－０．５?—?ｖ?ｖ?〇?〇０??图３－４?ＫＥＣＡ算法对５０个铁芯卡涩故障样本和５０个正常样本降维至３维空间特征分布图??－２４－??
【参考文献】：
期刊论文
[1]基于人工蜂群算法优化支持向量机的变压器故障诊断[J]. 季伟,胡伟. 科技创新与应用. 2020(02)
[2]基于SLRMD与多分类SVM的变压器故障诊断方法[J]. 刘宇芳,姜斌,易辉. 机械设计与制造工程. 2019(12)
[3]基于PCA与SVM的振动传感器故障诊断方法[J]. 李翼飞,吴春平,涂煊. 自动化仪表. 2019(10)
[4]基于模糊RBF神经网络的高压断路器机构故障诊断[J]. 林琳,陈志英. 高压电器. 2019(10)
[5]一种基于线圈电流的高压断路器机械故障诊断方法[J]. 韩宇,董波. 高压电器. 2019(09)
[6]基于SVM主成分分析的高压断路器分合闸线圈故障诊断研究[J]. 彭在兴,王颂,易林,刘芹,陈曦,梁梦婕,褚飞航,曹辰,严海波,刘定新. 高压电器. 2019(07)
[7]不对称样本下基于支持向量机的变压器故障诊断[J]. 刘晨斐,崔昊杨,李鑫,束江,李亚. 高压电器. 2019(07)
[8]基于小波包能量谱和延时时间的断路器故障诊断[J]. 金鑫晨,崔鹤松,武建文,马速良,冯英,袁洋,梁传涛. 高压电器. 2019(06)
[9]基于分合闸线圈电流特征的高压断路器机械故障诊断[J]. 李聪,周建平,万书亭. 浙江电力. 2019(01)
[10]旋转机械一维深度卷积神经网络故障诊断研究[J]. 周奇才,刘星辰,赵炯,沈鹤鸿,熊肖磊. 振动与冲击. 2018(23)
博士论文
[1]断路器弹簧操作机构故障机理分析及诊断方法研究[D]. 豆龙江.华北电力大学(北京) 2019
硕士论文
[1]电力变压器故障特征提取及诊断方法研究[D]. 彭丽维.西华大学 2019
[2]面向大数据的高压断路器状态信息挖掘与故障诊断[D]. 朱萌.东南大学 2018
[3]基于振动分析的高压断路器机械故障诊断研究[D]. 陈怀金.东北电力大学 2017
[4]基于支持向量理论的变压器故障诊断与监测系统[D]. 李震.哈尔滨工程大学 2015
本文编号：3245275
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3245275.html
