基于精细复合多尺度散布熵的高压断路器机械故障诊断方法

摘要：

针对高压断路器机械故障识别准确率不高的问题,提出了一种基于精细复合多尺度散布熵(RCMDE)的断路器故障诊断方法.利用实验室10 kV户内真空高压断路器进行合闸动作时正常、螺丝松动、传动机构卡涩、合闸弹簧储能不足4种状态的振动数据采集.对采集到的数据计算RCMDE值,并构成特征向量集,将特征向量集分作训练集及测试集.利用粒子群算法(PSO)优化后的极限学习机(ELM)训练训练集得到智能故障识别模型,将测试集输入模型进行测试,实现断路器机械故障诊断.结果表明,基于RCMDE-PSO-ELM的高压断路器机械故障诊断方法能有效识别不同状态的机械故障,并且在噪声干扰以及数据丢失下仍能对故障进行准确识别,具有很好的抗干扰能力,在背景干扰较强的高压断路器故障检测环境下具备一定的实用性.

关键词：高压断路器;机械故障诊断;振动信号;精细复合多尺度散布熵;粒子群算法;极限学习机

所属期刊栏目：34

分类号：TM561.2;TP206+.3(电器)

资助基金：四川省科技厅项目;人工智能四川省重点实验室项目

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：40-47