基于VMD和KFCM-SVM的高压断路器声振联合故障诊断方法

摘要：

针对高压断路器机械故障复杂、故障特征提取困难的问题,提出一种变分模态分解(variational mode decomposition,VMD)与KFCM-SVM相结合的高压断路器声振联合故障诊断方法.首先利用VMD对去噪后的振动和声音信号进行分解,得到一系列反映断路器操动过程机械状态信息的本征模态函数(IMF);然后对各IMF分量进行Hilbert变换,构造相应的Hilbert边际谱,求取能量熵作为特征向量;最后采用模糊核C—均值聚类(kernel fuzzy C means,KFCM)对特征进行预分类,再利用支持向量机(SVM)建立训练模型实现机械状态辨识.实验结果表明:声振信号Hilbert边际谱能量熵对高压断路器机械状态变化敏感,KFCM-SVM能够准确识别高压断路器分闸操动过程中的机械故障.

关键词：高压断路器、VMD、Hilbert边际谱、能量熵、KFCM-SVM

所属期刊栏目：60

分类号：TH171;TN911.7;TP391

在线出版日期：2024-09-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：53-62