基于相空间重构与改进GSA-SVM的高压断路器机械故障诊断

摘要：

断路器机械部件传动、撞击产生的振动信号具有混沌特性,运用常规的信号处理方法很难分析其特性.首先采用互信息法和Cao算法将振动信号重构至高维空间后,计算其排列熵作为特征向量,输入支持向量机对断路器机械故障类型进行诊断,最后用粒子群算法(PSO)改进的万有引力搜索算法(GSA)混合算法优化支持向量机参数,利用断路器实测振动信号进行验证.结果表明:相空间重构与排列熵结合能够准确提取断路器振动信号的特征,采用PSO-GSA改进的支持向量机能快速有效分辨断路器故障类型,解决了现有诊断方法的路径扭曲、能量泄露和模态混叠等问题.

关键词：断路器振动信号;相空间重构;排列熵;万有引力搜索算法(GSA);支持向量机(SVM)

所属期刊栏目：54

资助基金：中国南方电网有限责任公司科技项目基于振动特性分析的断路器故障诊断技术研究,GXKJXM20180905

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：169-176