基于边界延拓改进 EMD 的断路器机械故障诊断法

• 作者: 王玉梅 史泽亚 谷斐 于龙
• 来源期刊: 高压电器
• 关键词: 边界延拓 经验模态分解 径向基神经网络 机械振动 故障诊断
• 年，卷（期）: 2022,（12）
• 所属期刊栏目: 研究与分析
• 页码范围: 99-105
• 页数: 6页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2017.12.016

摘要

文中针对经验模态分解（EMD）分解结果的准确性对断路器机械故障诊断结果的影响，提出基于边界延拓的EMD和径向基（RBF）神经网络融合的断路器机械故障诊断方法：首先采用最小二乘法进行边界延拓克服EMD分解过程中的端点效应，以减少信号的拟合误差；然后采用改进的EMD分解法将断路器机械振动信号分解为有限个相互独立的IMF函数，并计算包含不同频率成分的IMF包络的能量熵值，将能量熵向量作为RBF神经网络的输入，再采用交替梯度法训练RBF神经网络模型，实现对断路器机械故障的准确诊断；实验结果说明，该方法可以有效的诊断断路器机械故障类型。