基于CWD及分块SVD的配电开关故障诊断方法

发布时间：2021-05-26 08:26

　　通常,配电开关分合闸操作产生的振动信号中蕴含有体现机械状态的重要信息。提出一种基于振动信号分析的新型配电开关故障诊断方法。首先对振动信号求取乔-威廉斯分布获得二维时频矩阵,然后对时频矩阵作分块奇异值分解,用于表征不同机械状态的时频特性,最后结合极限学习机算法对4类实测振动信号的特征向量进行训练和测试。所提方法的优点是有效提取了配电开关振动信号时频域的特征,并且可以在较少样本的情况下训练诊断模型。基于实测数据的实验表明,该方法具有较高的识别精度和较快的收敛速度。 

【文章来源】：电子测量与仪器学报. 2020,34(07)北大核心CSCD

【文章页数】：8 页

【文章目录】：
0 引 言
1 方法的提出
    1.1 基于乔-威廉姆斯分布的信号分解
        1)对v(d)按式(4)作Hilbert变换。
        2)由式(2)和(3)求复信号Y
    1.2 分块奇异值分解
    1.3 极限学习机分类
    1.4 配电开关故障诊断模型训练流程
2 实验结果与讨论
    2.1 故障实验介绍
    2.2 实验结果分析
        1)激活函数类型对ELM预测结果的影响
        2)隐层神经元数目对ELM预测结果的影响
        3)模型测试结果
        4)算法中的优化组合性能评价
    2.3 与其他算法对比
3 结 论


【参考文献】：
期刊论文
[1]基于VMD和ELM的超短期负荷预测方法[J]. 孟凡煦,张琰骏.  国外电子测量技术. 2019(01)
[2]基于改进BREMD与ELM的断路器机械故障诊断[J]. 何怡刚,陶琳,施天成,汪涛,琚天公.  电子测量技术. 2018(21)
[3]基于ADEGWO-SVM的机载燃油泵寿命预测研究[J]. 焦晓璇,景博,李娟,孙萌,王赟.  仪器仪表学报. 2018(08)
[4]基于奇异值分解和多级支持向量机的配电网故障类型识别[J]. 高伟,陈伟凡,杨耿杰,陈立纯.  电子测量与仪器学报. 2018(02)
[5]基于自适应权重证据理论的断路器故障诊断方法研究[J]. 赵书涛,王亚潇,孙会伟,魏瑶.  中国电机工程学报. 2017(23)
[6]采用振动信号二维特征向量聚类的配电开关机械状态识别新方法[J]. 高伟,杨耿杰,郭谋发,徐丽兰,陈永往.  福州大学学报(自然科学版). 2017(05)
[7]基于灰色关联度的框架式断路器故障诊断方法[J]. 孙曙光,张强,杜太行,王佳兴,王岩.  仪器仪表学报. 2017(10)
[8]基于多特征融合与改进QPSO-RVM的万能式断路器故障振声诊断方法[J]. 孙曙光,于晗,杜太行,王景芹,赵黎媛.  电工技术学报. 2017(19)
[9]基于振动信号样本熵和相关向量机的万能式断路器分合闸故障诊断[J]. 孙曙光,于晗,杜太行,王景芹,赵黎媛.  电工技术学报. 2017(07)
[10]基于振动信号SVM分类的配变故障识别方法[J]. 洪翠,杨华锋,卢国仪,杨耿杰.  仪器仪表学报. 2016(06)



本文编号：3206059