首页|基于精细复合多尺度散布熵的高压断路器机械故障诊断方法

基于精细复合多尺度散布熵的高压断路器机械故障诊断方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对高压断路器机械故障识别准确率不高的问题,提出了一种基于精细复合多尺度散布熵(RCMDE)的断路器故障诊断方法.利用实验室10 kV户内真空高压断路器进行合闸动作时正常、螺丝松动、传动机构卡涩、合闸弹簧储能不足4种状态的振动数据采集.对采集到的数据计算RCMDE值,并构成特征向量集,将特征向量集分作训练集及测试集.利用粒子群算法(PSO)优化后的极限学习机(ELM)训练训练集得到智能故障识别模型,将测试集输入模型进行测试,实现断路器机械故障诊断.结果表明,基于RCMDE-PSO-ELM的高压断路器机械故障诊断方法能有效识别不同状态的机械故障,并且在噪声干扰以及数据丢失下仍能对故障进行准确识别,具有很好的抗干扰能力,在背景干扰较强的高压断路器故障检测环境下具备一定的实用性.
Method for Diagnosing Mechanical Faults of High-Voltage Circuit Breakers Based on Refined Composite Multiscale Dispersion Entropy

陈佳豪、吴浩、李栋、杨杰、刘益岑

展开 >

四川轻化工大学自动化与信息工程学院,四川 自贡 643000

人工智能四川省重点实验室,四川 自贡 643000

国网四川省电力公司电力科学研究院,成都 610000

高压断路器 机械故障诊断 振动信号 精细复合多尺度散布熵 粒子群算法 极限学习机

2018GZDZX00432019RYY01

2021

10.11863/j.suse.2021.04.06

四川轻化工大学学报(自然科学版)

四川轻化工大学学报(自然科学版)

ISSN：
年,卷(期)：2021.34(4)
  • 3
  • 15