声振信号构造CNN特征矩阵的断路器储能机构故障诊断方法

• 作者: 尹子会 孟延辉 赵智龙 赵书涛 牛为华 徐晓会
• 来源期刊: 高压电器
• 关键词: 断路器 声振信号 卷积神经网络 时标对位 特征矩阵 数据扩容
• 年，卷（期）: 2024,（9）
• 所属期刊栏目: 研究与分析
• 页码范围: 242-249
• 页数: 8页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2023.09.029

摘要

针对传统的高压断路器储能机构故障诊断方法过于依赖主观经验，准确率不高、泛化能力差，提出一种声音振动信号联合构造卷积神经网络（CNN）特征矩阵的高压断路器储能机构故障诊断方法。首先将采集到的声信号通过形态学去除背景噪声，提出基于峭度和包络相似性的时标对位方法保证声振信号的同步性，然后对数据扩容后的声振信号利用皮尔逊相关系数构造二维图像特征矩阵，最后利用CNN对特征矩阵进行训练。实验证明：文中所提出的故障诊断方法与传统方法对比总体诊断准确率高，泛化性能好。