能谱熵向量法及粒子群优化的RBF神经网络在高压断路器机械故障诊断中的应用

• 作者: 张彬 徐建源 李斌 林莘 腾云
• 来源期刊: 高电压技术
• 学科: 工学
• 关键词: 小波包 能谱熵 粒子群优化(PSO)算法 神经网络 高压断路器 振动信号 故障诊断 模型优化
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 智能电网与状态检修
• 页码范围: 1299-1306
• 页数: 8页
• 分类号: TM561
• 字数: 6936字
• 语种: 中文

摘要

高压真空断路器是电力系统开关设备中极其重要的一种高压电器,而高压断路器故障中80%是由于机械特性不良造成,为此通过小波包变换对高压断路器机械振动信号进行了分析,以信号的能谱熵作为特征输入向量,建立了粒子群优化（PSO）径向基函数（RBF）神经网络的高压断路器故障识别系统模型,最后对实际高压断路器振动信号进行获取分析并得到结果。实验结果表明,高压断路器正常信号能谱熵向量各元素分布比较均匀;而故障信号所得能谱熵向量各元素变化较大且有一定变化规律;粒子群优化后的RBF网络模型在正确率、精度等方面高于传统神经网络模型。实验结果表明该方法用于高压断路器的故障诊断是可行的,并且可以为断路器的故障诊断提供更好的理论依据。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐建源	沈阳工业大学辽宁省电网安全运行与监测重点实验室	179	2413	26.0	39.0
2	林莘	沈阳工业大学辽宁省电网安全运行与监测重点实验室	194	2544	28.0	41.0
3	张彬	沈阳工业大学辽宁省电网安全运行与监测重点实验室	10	163	5.0	10.0
4	李斌	沈阳工业大学辽宁省电网安全运行与监测重点实验室	14	217	4.0	14.0
5	腾云	沈阳工业大学辽宁省电网安全运行与监测重点实验室	2	99	2.0	2.0