基于振动信号经验模态分解及能量熵的高压断路器故障识别

• 作者: 杨彬 邓帮飞 陈伟根
• 来源期刊: 高压电器
• 学科: 工学
• 关键词: IMF能量熵 经验模态分解 高压断路器 振动信号 径向基神经网络 故障识别
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 技术讨论
• 页码范围: 90-93,96
• 页数: 5页
• 分类号: TM561
• 字数: 3832字
• 语种: 中文

摘要

为了准确地检测出高压断路器的故障类型,笔者首次将经验模态分解(EMD)方法引人高压断路器的振动信号分析当中,并提出将EMD分解得到的同有模态函数(IMF)能量熵值作为表征断路器故障类型的新特征向量.为了证实该分析方法的有效性,笔者在实验室的110 kV SF6断路器上进行了模拟实验,提取了正常和故障状态下振动信号的IMF能量熵值特征向量.并以此作为径向基神经网络的输入向量.最后.引入置信度的概念.对径向基神经网络的输出结果进行评价.该方法基于实验室研究取得了较好的识别效果,并为基于振动信号的断路器故障识别提供了一条新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈伟根	重庆大学输配电装备及系统安全与新技术国家重点实验室	99	3160	34.0	52.0
2	杨彬		4	62	3.0	4.0
3	邓帮飞	重庆大学输配电装备及系统安全与新技术国家重点实验室	3	99	2.0	3.0