能谱熵向量法及粒子群优化的RBF神经网络在高压断路器机械故障诊断中的应用

发布时间：2022-07-02 17:03

　　高压真空断路器是电力系统开关设备中极其重要的一种高压电器,而高压断路器故障中80%是由于机械特性不良造成,为此通过小波包变换对高压断路器机械振动信号进行了分析,以信号的能谱熵作为特征输入向量,建立了粒子群优化（PSO）径向基函数（RBF）神经网络的高压断路器故障识别系统模型,最后对实际高压断路器振动信号进行获取分析并得到结果。实验结果表明,高压断路器正常信号能谱熵向量各元素分布比较均匀;而故障信号所得能谱熵向量各元素变化较大且有一定变化规律;粒子群优化后的RBF网络模型在正确率、精度等方面高于传统神经网络模型。实验结果表明该方法用于高压断路器的故障诊断是可行的,并且可以为断路器的故障诊断提供更好的理论依据。 

【文章页数】：8 页

【部分图文】：

图１ＶＧ１型高压断路器正常分闸状态下对振动信号的Ｄａｕｂｅｃｈｉｅｓ系列ｄｂ１０的３层小波包分解

图２正常振动信号的小波包分解树及能量分布Ｆｉｇ．２Ｗａｖｅｌｅｔｐａｃｋｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎｔｒｅｅａｎｄｔｈｅｅｎｅｒｇｙｄｉｓｔｒｉｂｕｔｉｏｎｏｆｎｏｒｍａｌｖｉｂｒａｔｉｏｎｓｉｇｎａｌ

图３径向基函数神经网络结构图Ｆｉｇ．３Ｎｅｕｒａｌｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｏｆｔｈｅｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ

【参考文献】：
期刊论文
[1]高压断路器机械故障振动诊断综述[J]. 常广,张振乾,王毅.  高压电器. 2011(08)
[2]采用遗传神经网络的电力系统暂态信号分析方法[J]. 王家林,夏立,吴正国,杨宣访.  高电压技术. 2011(01)
[3]BP神经网络模型用于单芯电缆导体温度的动态计算[J]. 雷成华,刘刚,李钦豪.  高电压技术. 2011(01)
[4]基于信息熵和偏差的加权概念格内涵权值获取[J]. 张素兰,郭平,张继福.  北京理工大学学报. 2011(01)
[5]采用紧耦合电抗器的大容量高压断路器设计[J]. 尹婷,陈轩恕,杜砚,潘垣,袁昭.  高电压技术. 2010(06)
[6]应用粒子群优化算法的静电放电模型参数辨识[J]. 汪晓东,汪轲,汪金山,张浩然.  高电压技术. 2010(02)
[7]基于径向基神经网络的谐波叠加法[J]. 李春祥,刘晨哲.  振动与冲击. 2010(01)
[8]基于遗传算法的模糊优选神经网络路面性能评价模型[J]. 刘艳,康海贵,孙敏.  大连理工大学学报. 2010(01)
[9]基于小波变换的高压断路器振动信号故障诊断仿真研究[J]. 江渭涛,郑建勇,梅军.  电工电气. 2010(01)
[10]基于粒子群优化神经网络的变压器故障诊断[J]. 王晓霞,王涛.  高电压技术. 2008(11)



本文编号：3654742