基于声纹的GIS断路器机械故障诊断

摘要：

针对气体绝缘开关设备(gas insulated switchgear,简称GIS)断路器声信号易受强背景噪声干扰且特征提取困难的问题,提出一种可以有效诊断其机械故障的方法.首先,使用多通道声传感器阵列采集断路器原始观测信号,利用独立成分分析(independent component analysis,简称ICA)方法将观测信号分离为多维源信号,并选取源信号中模糊熵最小的分量作为特征信号;其次,计算特征信号的多尺度模糊熵(multi-scale fuzzy entropy,简称MFE)生成断路器的声纹特征;最后,利用极限学习机(extreme learning machine,简称ELM)算法识别断路器的故障.实验结果表明,基于声信号的检测方法为GIS断路器的机械故障诊断提供了一种新的解决方案,所提出的算法能够有效提取声纹特征,故障诊断准确率较传统方法有明显提高.

关键词：气体绝缘开关设备断路器、机械故障诊断、声纹、独立成分分析、多尺度模糊熵、极限学习机

所属期刊栏目：43

分类号：TM561;TH17(电器)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;江苏省市场监督管理局科技计划资助项目

在线出版日期：2023-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：866-871