基于恒等映射CNN的高压断路器机械故障诊断方法

• 作者: 王晓明 周柯 周卫 芦宇峰 李文伟
• 来源期刊: 高电压技术
• 关键词: 高压断路器 机械故障 故障诊断 恒等映射 卷积神经网络
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 电气装备及其智能运维|Development, Intelligent Operation and Maintenance of Power Equipments
• 页码范围: 3657-3663
• 页数: 7页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20200528029

摘要

为提升高压断路器机械故障识别效果,增强诊断方法的泛化性,提出基于恒等映射卷积神经网络(CNN)的高压断路器机械故障诊断方法.利用多个加速度传感器全方位获取断路器的振动信息;设计基于恒等映射卷积神经网络的故障诊断模型,信号经下采样、数据拼接等预处理手段输入,由模型综合分析各传感器信号特征并识别故障.该模型在网络结构上增加首尾直连通道,与以往研究使用的CNN相比,缓解了梯度消失问题,验证集故障识别率由96％左右提升至100％.与人工提取特征的方法相比,该方法能够自主提取故障特征信息.与其他方法的对比试验结果表明,相比提取差异区间幅值和、配合加权支持向量机识别的传统模型,以及不含恒等映射结构的卷积神经网络模型,该文提出的方法在不同严重程度故障的情况下诊断准确率依然能够达到100％,泛化性更好.