基于小波能量与神经网络的断路器振动信号识别方法

• 作者: 孙才新 王有元 范海炉 陈伟根
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 小波包 高压断路器 振动信号 神经网络
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 分析与研究
• 页码范围: 29-32
• 页数: 4页
• 分类号: TM561
• 字数: 3072字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-6047.2008.02.007

摘要

高压断路器出现机械故障不仅会引起振动冲击事件的时间漂移,还会引起时域波形中一些波峰幅值的变化.依据同一类型断路器振动信号相似的特点,在对高压断路器故障振动信号进行特征分析的基础上,提出了一种识别高压断路器振动信号的新方法:将小波包提取算法和径向基神经网络模式识别功能相结合,利用小波包分解与重构原理将断路器合闸振动信号分解到不同频段中,提取每个频带能量作为断路器状态监测的特征向量,作为径向基神经网络的输入向量;基于径向基神经网络的故障诊断方法在系统参数未知的情况下自动建立动态模型,对于线性系统和非线性系统都有很好的跟踪能力,通过实验室断路器典型合闸振动信号的监测及识别分析验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙才新	重庆大学高电压与电工新技术教育部重点实验室	379	13536	63.0	93.0
2	陈伟根	重庆大学高电压与电工新技术教育部重点实验室	99	3160	34.0	52.0
3	王有元	重庆大学高电压与电工新技术教育部重点实验室	63	2026	27.0	43.0
4	范海炉	重庆大学高电压与电工新技术教育部重点实验室	1	61	1.0	1.0