摘要
高压断路器分合闸过程中的振动信号反映其机械结构信息.针对故障诊断中特征提取复杂、准确率低,提出一种基于多尺度一维卷积神经网络的高压断路器故障诊断方法.首先通过加速度传感器采集断路器操作机构的振动信号,对数据进行预处理,在卷积过程中采用不同尺寸卷积核对信号进行多特征提取,增加感知范围,然后以全值Top-k作为池化层对特征进行处理,最后采用Softmax将诊断结果进行分类.通过调整参数及多尺度模型,对不同故障下35 kV高压断路器的振动信号进行分析.结果表明,所提出的算法与一维卷积神经网络相比诊断准确率高.
NETL
NSTL
维普
万方数据