基于主成分分析-支持向量机优化模型的断路器故障诊断方法研究 |
| |
引用本文: | 樊浩,李兴文,苏海博,陈立,史宗谦.基于主成分分析-支持向量机优化模型的断路器故障诊断方法研究[J].高压电器,2020(6):143-151. |
| |
作者姓名: | 樊浩 李兴文 苏海博 陈立 史宗谦 |
| |
作者单位: | 西安交通大学电气工程学院;广州供电局有限公司电力试验研究院 |
| |
基金项目: | 广州供电局有限公司科技项目(SF6罐式结构真空快速开关状态监测技术研究及应用)。 |
| |
摘 要: | 为了准确实现电磁斥力机构真空断路器的故障诊断,针对电磁斥力机构真空断路器分闸振动信号,在正常状态、单一故障状态、多个故障共存状态下,通过小波包分解、希尔伯特-黄变换(HHT)提取振动信号能量熵向量,结合特征提取方法原理分析了两种方法提取特征量的有效性,提出了主成分分析(PCA)—支持向量机(SVM)优化模型进行故障诊断,并验证了网格搜索算法(GSA)、粒子群算法(PSO)、遗传算法(GA)3种参数寻优算法的性能。经实验测试,PCA-SVM优化模型解决了因样本特征信息存在噪声和冗余而引起的SVM识别准确率下降的问题,有效提升了测试样本的识别准确率和模型效率,具有较好的诊断效果。
|
关 键 词: | 电磁斥力机构 小波包分解 能量熵 主成分分析 支持向量机 故障诊断 |
本文献已被 CNKI 维普 等数据库收录! |
|