EWT与GS-SVM在断路器机械故障诊断中的应用

• 作者: 刘明亮 李兵 杨平
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 经验小波变换 支持向量机 网格搜索 k折交叉验证 粒子群优化 故障诊断
• 年，卷（期）: 2018,（8）
• 页码范围: 1422-1430
• 页数: 9页
• 分类号: TM561
• 字数: 7284字
• 语种: 中文
• DOI: 10.11990/jheu.201709002

摘要

针对高压断路器故障诊断中振动信号识别的难点,提出了经验小波变换与支持向量机相结合的故障诊断方法,并在k折交叉验证(k-fold cross-validation,k-CV)思想下采用网格搜索寻找SVM分类器的最优内部参数.首先通过EWT将原始多分量振动信号分解得到一组单分量的固有模态函数(intrinsic modal functions,IMF),然后结合希尔伯特变换与信息熵理论计算信号的特征熵向量,最后在训练集上利用GS与k-CV得到最佳SVM分类器,并用测试集评价该分类器,测试集识别率达100％.实验表明,相对于EWT-PSO-SVM、EMD-GS-SVM故障诊断模型,在小样本数据下EWT-GS-SVM具有模型健壮、识别率高、收敛速度快的综合性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘明亮	黑龙江大学电子工程黑龙江省高校重点实验室	28	73	6.0	7.0
2	杨平	黑龙江大学电子工程黑龙江省高校重点实验室	10	38	4.0	6.0
3	李兵	黑龙江大学电子工程黑龙江省高校重点实验室	1	3	1.0	1.0