基于粗糙集神经网络和振动信号的高压断路器机械故障诊断

摘要：

为了准确检测出高压断路器的机械故障类型,该文提出一种基于本征模态边际谱能量与粗糙集神经网络相结合的高压断路器振动信号故障诊断方法.首先将断路器的振动信号经过经验模态分解(EMD),得到若干个本征模态函数(IMF),对各个IMF分量进行希尔伯特(Hilbert)变换得到Hilbert边际谱,求取Hilbert边际谱的二次方得到Hilbert边际谱能量作为特征向量.基于粗糙集理论对特征向量进行属性约简分析,从而建立简单明了的决策表,根据决策表规则建立径向基函数(RBF)神经网络故障模型.实验结果表明,该方法能有效对高压断路器的机械故障类型进行分类.

关键词：高压断路器、本征模态边际谱能量、粗糙集神经网络、振动信号、故障诊断

所属期刊栏目：35

分类号：TM561(电器)

资助基金：福建省自然科学基金计划项目资助2018J01565

在线出版日期：2020-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：277-283