基于经验模态分解及支持向量机的高压隔离开关机械故障诊断方法

• 作者: 关永刚 张一茗 张文涛 李少华 李洪涛 郭煜敬 金光耀 陈士刚
• 来源期刊: 高压电器
• 关键词: 高压隔离开关 经验模态分解 能量熵 聚类 支持向量机
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 研究与分析
• 页码范围: 12-18
• 页数: 7页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2018.09.003

摘要

文中将K-means聚类算法和经验模态分解(empirical mode decomposition,EMD)相结合,对隔离开关机械故障进行诊断.为验证方法的有效性,搭建隔离开关运行状态在线监测系统,在某252 kV隔离开关的操动机构上选定位置安装了传感器,采集了机械振动等信号在模拟故障下的大量数据.首先利用小波包降噪方法对信号进行预处理;其次,应用EMD和谱分析方法对振动信号进行经验模态分解,得到IMF分量并将其能量熵作为特征量;然后,通过K-means聚类算法验证了特征提取方式的有效性;最后,通过支持向量机算法(support vector machine,SVM)对样本进行训练,实现了机械故障的准确诊断,验证了该方法的有效性.