基于相空间重构与改进GSA-SVM的高压断路器机械故障诊断

• 作者: 夏小飞 芦宇峰 苏毅 杨健
• 来源期刊: 中国电力
• 关键词: 断路器振动信号 相空间重构 排列熵 万有引力搜索算法(GSA) 支持向量机(SVM)
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 国家"十三五"智能电网重大专项专栏:(五)电力传感技术及应用专栏|Special Columns on Smart Grid Key Projects of the 13th Five-Year Plan: (5) Electric Power Sensing Technology and Application
• 页码范围: 169-176
• 页数: 8页
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.202004025

摘要

断路器机械部件传动、撞击产生的振动信号具有混沌特性,运用常规的信号处理方法很难分析其特性.首先采用互信息法和Cao算法将振动信号重构至高维空间后,计算其排列熵作为特征向量,输入支持向量机对断路器机械故障类型进行诊断,最后用粒子群算法(PSO)改进的万有引力搜索算法(GSA)混合算法优化支持向量机参数,利用断路器实测振动信号进行验证.结果表明:相空间重构与排列熵结合能够准确提取断路器振动信号的特征,采用PSO-GSA改进的支持向量机能快速有效分辨断路器故障类型,解决了现有诊断方法的路径扭曲、能量泄露和模态混叠等问题.