基于随机森林与长短时记忆神经网络的真空接触器故障诊断方法研究

• 作者: 袁钰林 郑运鸿 游一民 戴冬云 张有锋
• 来源期刊: 高压电器
• 关键词: 真空接触器 电流曲线 随机森林 长短时记忆神经网络 证据融合 故障诊断
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 研究与分析
• 页码范围: 103-111
• 页数: 8页
• 语种: 中文
• DOI: 10.13296/j.1001⁃1609.hva.2022.05.014

摘要

针对真空接触器的渐发性故障识别准确率不高的现状，提出了一种基于随机森林与长短时记忆神经网络的故障诊断方法。文中分析了某型号12 kV真空接触器在机械保持工作情况下合闸线圈电流信号的故障特征，构建了两层诊断模型，在初步诊断中利用随机森林分类器，识别特征明显的突发性故障，利用长短记忆神经网络模型发掘数据时序特征的特点，识别渐发性故障，在最终诊断中利用证据融合将两者结果融合。文中提出的故障诊断模型有效解决了传统故障诊断方法对渐发性故障识别困难的不足，实验表明，该方法对渐发性故障识别准确率达到了91.1%以上，整体故障识别的准确率达到93.3%以上，该方法具有一定的应用价值。