结合经验模态分解能量总量法的断路器振动信号特征向量提取

发布时间：2019-08-11 18:27

【摘要】：为了检测出断路器的机械结构故障类型,本文分析了断路器机械振动信号的特性,提出基于经验模态分解(EMD)能量总量法与支持向量机(SVM)理论相结合的中压断路器振动信号的特征向量提取和故障分类的分析方法。首先将断路器的振动信号进行经验模态分解,得到所需要的内禀模态函数(IMF),通过离散采样点求能量总量的方法求出包含主要故障特征信息的各个内禀模态函数分量的能量总量。利用IMF分量能量总量作为特征向量,并以此作为支持向量机输入,将测试样本信号的故障特征向量输入训练好的SVM,并对SVM及核函数参数进行遗传算法优化,采用"二叉树分类"支持向量机分类机制进行故障分类。经实验分析该方法能很好地识别出振动信号的差别及故障类型。
[Abstract]:In order to detect the mechanical structure fault types of circuit breakers, this paper analyzes the characteristics of mechanical vibration signals of circuit breakers, and proposes an analysis method of eigenvector extraction and fault classification of medium voltage circuit breakers vibration signals based on empirical mode decomposition (EMD) total energy method and support vector machine (SVM) theory. Firstly, the vibration signal of circuit breaker is decomposed by empirical mode, and the required intrinsic modal function (IMF), is obtained by calculating the total amount of energy by discrete sampling point. The total energy of each intrinsic modal function component containing the main fault characteristic information is obtained. Using the total energy of IMF component as eigenvector and using it as support vector machine input, the fault eigenvector input of test sample signal is trained SVM, and the parameters of SVM and kernel function are optimized by genetic algorithm, and the "binary tree classification" support vector machine classification mechanism is used for fault classification. The experimental results show that the difference of vibration signal and fault type can be well identified by this method.
【作者单位】：北京航空航天大学自动化科学与电气工程学院;珠海市可利电气有限公司;
【基金】：国家自然科学基金资助项目(5117704)
【分类号】：TM561

【参考文献】

相关期刊论文前10条

1 李天云,赵妍,季小慧,李楠;HHT方法在电力系统故障信号分析中的应用[J];电工技术学报;2005年06期

2 孙来军;胡晓光;纪延超;;基于支持向量机的高压断路器机械状态分类[J];电工技术学报;2006年08期

3 沈力，，黄瑜珑，钱家骊;断路器振动信号的相频特性及在监测中的应用[J];电工技术学报;1997年03期

4 陈伟根;邓帮飞;杨彬;;基于振动信号经验模态分解及能量熵的高压断路器故障识别[J];高压电器;2009年02期

5 李兴源;魏巍;王渝红;穆子龙;顾威;;坚强智能电网发展技术的研究[J];电力系统保护与控制;2009年17期

6 施婕;艾芊;;智能电网实现的若干关键技术问题研究[J];电力系统保护与控制;2009年19期

7 蔡月明;李惠宇;何胜利;;智能开关控制装置关键技术研究[J];电力系统保护与控制;2011年11期

8 董文智;张超;;基于EEMD能量熵和支持向量机的轴承故障诊断[J];机械设计与研究;2011年05期

9 程军圣;于德介;杨宇;;基于内禀模态奇异值分解和支持向量机的故障诊断方法[J];自动化学报;2006年03期

10 陈朋永;赵书涛;李建鹏;陈云飞;;基于EMD和SVM的高压断路器机械故障诊断方法研究[J];华北电力大学学报(自然科学版);2012年06期

【共引文献】

相关期刊论文前10条

1 杨露;沈怀荣;;希尔伯特-黄变换与小波变换在故障特征提取中的对比研究[J];兵工学报;2009年05期

2 杨露;沈怀荣;;基于HHT/PNN的故障信息融合诊断方法[J];北京工业大学学报;2010年02期

3 朱全胜;孙怡;李卫东;;智能电网控制中心显示平台的展望[J];电力科学与技术学报;2010年04期

4 杨丽娜;周敏;;改进希尔伯特黄变换理论在配电网故障选线中的应用与研究[J];东北电力大学学报;2011年02期

5 宋明零;周力行;邓勇;胡靖涛;;HHT与傅立叶变换在电网故障分析中的仿真比较研究[J];电瓷避雷器;2011年06期

6 陈俊;邓桂平;戴晓华;;基于无线传感网络的智能电网抄表系统研究[J];电测与仪表;2010年08期

7 兰华;李成哲;王韵然;张静宜;杨建彪;;高压直流输电线路行波保护的发展与展望[J];电测与仪表;2012年06期

8 张磊;王建永;张少宝;贾辉;;浅析我国坚强智能电网建设中配电设备的智能化发展[J];东方企业文化;2012年06期

9 杨武,荣命哲,陈德桂,孟永鹏;高压断路器操作振动信号处理的一种新方法[J];电工电能新技术;2002年03期

10 苏玉香;刘志刚;李科亮;霍柏超;;一种改善EMD端点效应的新方法及其在谐波分析中的应用[J];电工电能新技术;2008年02期

相关期刊论文前10条

1 李天云,赵妍,季小慧,李楠;HHT方法在电力系统故障信号分析中的应用[J];电工技术学报;2005年06期

2 孙来军;胡晓光;纪延超;;基于支持向量机的高压断路器机械状态分类[J];电工技术学报;2006年08期

3 王秀丽,甘志,雷兵,王锡凡;输电阻塞管理的灵敏度分析模型及算法[J];电力系统自动化;2002年04期

4 葛朝强,李扬,唐国庆;基于风险的区域阻塞管理[J];电力系统自动化;2003年08期

5 张永平,焦连伟,倪以信,文福拴,陈寿孙,吴复立;区域电力市场双边交易阻塞管理实用计算方法[J];电力系统自动化;2003年14期

6 桂中华,韩凤琴,张浩;小波包特征熵提取水轮机尾水管动态特性信息[J];电力系统自动化;2004年13期

7 颜泉,李兴源,王路,刘红超,陈树恒;基于PMU的多馈入交直流系统的分散协调控制[J];电力系统自动化;2004年20期

8 徐娇;李兴源;;异步风力发电机组的简化RX模型及其潮流计算[J];电力系统自动化;2008年01期

9 王成山;王守相;;分布式发电供能系统若干问题研究[J];电力系统自动化;2008年20期

10 章健;艾芊;王新刚;;多代理系统在微电网中的应用[J];电力系统自动化;2008年24期

相关期刊论文前10条

1 赵建利;刘教民;冯卫强;;基于小波包能谱熵与自组织RBF神经网络的低压断路器机械故障诊断[J];低压电器;2010年04期

2 洪青云;;断路器液压机构故障原因及诊断处理方法[J];电气技术;2010年02期

3 胡晓光;孙来军;纪延超;;基于线圈电流和触点状态的断路器故障分析[J];电力自动化设备;2006年08期

4 王艳霞;邵在虎;杨春民;崔洪亮;;高压断路器的在线监测与故障诊断[J];中国教育技术装备;2009年09期

5 孟祥萍;刘春玲;耿卫星;潘莹;司春旺;;利用保护、断路器状态信息进行电网故障的诊断[J];宁夏工程技术;2006年03期

6 沈宏;张蒲;徐其惠;曹贝贞;;改进自适应噪声对消算法的窄带干扰抑制[J];仪器仪表学报;2008年12期

7 沈宏;张蒲;徐其惠;曹贝贞;;基于经验模态分解和自适应噪声对消算法的窄带干扰抑制[J];高压电器;2009年01期

8 李娟;;高压断路器在线监测信号的小波处理方法[J];北京机械工业学院学报;2007年01期

9 黄贤英;张光建;;基于冗余技术的高压断路器的可靠性设计[J];微计算机信息;2007年20期

10 宋国义;韩华;黄金侠;;基于小波变换的水轮机组故障诊断的研究[J];佳木斯大学学报(自然科学版);2009年06期