基于KPCA-SVM的高压断路器机械故障诊断

摘要：

高压断路器机械故障特征都极为类似,缺少必要分级分类过程会导致识别精度大幅降低.本文提出基于KPCA-SVM的高压断路器机械故障诊断技术.采集高压断路器机械故障样本数据,使用核主元分析方法提取样本中故障的特征向量,将其输入到支持向量机内,完成故障多级分类,通过3个支持向量机训练与分类设备正常状态以及拐臂润滑不足、分闸弹簧脱落两个典型机械故障和其它故障,实现高压断路器机械故障准确、高效诊断.实验结果表明:该技术将正则化参数和核函数参数分别设置为30,15,能获得更优异的诊断性能;诊断各类型缺陷的准确度高达91％,且诊断用时均低于40 s,效率较高.

关键词：KPCA-SVM、高压断路器、机械故障诊断、核主元分析、支持向量机

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：贵州电网科技资助项目GZKJXM20200528

在线出版日期：2023-04-10（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：158-164