基于ReliefF特征量优化及BP神经网络识别的高压隔离开关故障类型与位置诊断方法

• 作者: 张一茗 李少华 陈士刚 高群伟 宋亚凯 张文涛 李洪涛 关永刚
• 来源期刊: 高压电器
• 关键词: 高压隔离开关 能量矩 特征融合 ReliefF优化 BP神经网络
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 研究与分析
• 页码范围: 12-19
• 页数: 7页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2018.02.003

摘要

针对高压隔离开关机械故障的类型和发生位置难以有效识别的问题，提出了一种将隔离开关多路振动特征利用ReliefF算法进行优化然后利用BP神经网络进行融合决策的故障诊断方法。首先进行试验模拟故障，在隔离开关本体和操动机构上分布式安装振动传感器，采集不同位置振动信号；然后将多个传感器采集的振动信号进行经验模态分解，得到固有模态函数，分别计算能量距，并把多路信号的能量距进行融合。最后使用 ReliefF 算法对其进行特征筛选，构成 BP 神经网络的输入特征向量，从而实现故障类型、位置诊断。试验结果表明，多路传感器融合特征向量相比于单路信号提取的特征，对隔离开关不同的故障具有较好的识别能力，可诊断出故障发生的种类及位置，提高了诊断准确率。