基于时频特征融合与GWO-ELM的棒控电源早期故障状态辨识方法

摘要：

针对核电棒控系统电源(PWE)早期故障状态辨识问题,提出一种基于融合时域与时频域的故障特征和灰狼优化算法(GWO)的极限学习机(ELM)辨识方法.首先,根据棒控电源PWE工作原理和控制棒驱动机构的驱动电流,利用电流上升时间分析了早期波形形态与早期故障模式.然后,构建融合电流上升时间、均方根-差分和和小波包奇异熵的故障时频特征,分析了特征的可区分性.进而,采用GWO算法进行ELM分类器参数择优,建立GWO-ELM模型实现PWE早期故障状态的辨识,以提高辨识精度.最后,通过开展不同特征组合和辨识模型比对试验,结果表明所提方法能有效实现棒控电源早期故障识别诊断,且平均辨识准确度可达 98.86%.

关键词：棒控电源、早期故障、状态辨识、时域特征、小波包奇异熵、GWO-ELM模型

所属期刊栏目：44

分类号：TH86;TL362

资助基金：河北省自然科学基金E2021202068

在线出版日期：2023-07-10（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：121-130