基于k-近邻贝叶斯多标签分类的断路器机械故障诊断方法技术

本发明专利技术公开了一种基于k‑近邻贝叶斯多标签分类的断路器机械故障诊断方法，包括建立断路器振动样本数据库构建训练样本集D；采集目标断路器的振动信号数据，并对其数据进行预处理；提取目标断路器振动信号数据的待测频域特征向量；将得到的待测频域特征向量组合成为待测特征向量集；采用k‑近邻贝叶斯多标签分类法，对断路器进行故障判断。本方法适用于断路器多种故障同时存在时的分类，也适用于单一故障时的分类,对于断路器多种故障同时存在时的分类，可对其包含的各单一故障的重要性做出适当的判定，分类方法具有较强的抗噪能力。

Fault Diagnosis Method of Circuit Breaker Machinery Based on k-Nearest Neighbor Bayesian Multi-Label Classification

The invention discloses a method for mechanical fault diagnosis of circuit breakers based on k_nearest neighbor Bayesian multi-label classification, which includes establishing a database of circuit breaker vibration samples to construct training sample set D, collecting vibration signal data of target circuit breakers and preprocessing them, extracting frequency to be measured of vibration signal data of target circuit breakers. Domain eigenvector; Combining the obtained frequency domain eigenvectors into the set of eigenvectors to be tested; using K This method is applicable to the classification of circuit breakers when multiple faults exist simultaneously, and also to the classification of single fault. For the classification of circuit breakers when multiple faults exist simultaneously, the importance of each single fault can be judged appropriately. The classification method has strong anti-noise ability.

【技术实现步骤摘要】
基于k-近邻贝叶斯多标签分类的断路器机械故障诊断方法
本专利技术涉及电力系统中高压电器设备的检测领域，特别是涉及一种基于k-近邻贝叶斯多标签分类(k-nearestneighborBayesianrule,KNN-Bayesian)的断路器机械故障诊断方法。
技术介绍
作为电力系统中重要的保护与控制电器，中高压断路器在保障电网安全稳定运行方面起着十分关键的作用，其运行维护也是电力部门日常工作的重要内容。根据CIGRE与中国电科院的调研结果，机械故障占开关设备故障的近37％，因此对开关设备进行机械故障检测显得极为重要。近年来，各种数据挖掘算法被广泛应用于中高压断路器的机械故障诊断中，并取得了良好的效果。但是在实际的电力系统中，断路器的机械故障往往是多种故障类型同时存在，而目前的断路器机械故障诊断方法基本上都是针对单一故障的诊断，如基于人工神经网络的诊断系统和基于支持向量机的诊断系统，难以解决多种故障同时存在时的诊断问题。综上所述，现有数据挖掘算法中对于如何高效的提高机械故障诊断的正确率问题，尚缺乏有效的解决方案。
技术实现思路
为了解决现有技术问题的不足，本专利技术提供了一种基于k-近邻贝本文档来自技高网...

【技术保护点】
1.基于k‑近邻贝叶斯多标签分类的断路器机械故障诊断方法，其特征在于,包括如下步骤：采集断路器正常运行以及故障时的振动信号数据，建立断路器振动样本数据库，所述断路器振动样本数据库包含无故障时的断路器振动数据和存在故障时断路器振动数据；分别提取断路器振动样本数据库中每一个振动信号数据进行预处理并提取频域特征向量，针对断路器同一故障或无故障的采集的振动信号的频域特征向量进行组合，得到一组特征向量；为得到的每一个特征向量分别添加有故障或者无故障状态标签，构成训练样本集D；采集目标断路器的振动信号数据，并对其数据进行预处理；提取目标断路器振动信号数据的待测频域特征向量；将得到的待测频域特征向量组合成为...

【技术特征摘要】
1.基于k-近邻贝叶斯多标签分类的断路器机械故障诊断方法，其特征在于,包括如下步骤：采集断路器正常运行以及故障时的振动信号数据，建立断路器振动样本数据库，所述断路器振动样本数据库包含无故障时的断路器振动数据和存在故障时断路器振动数据；分别提取断路器振动样本数据库中每一个振动信号数据进行预处理并提取频域特征向量，针对断路器同一故障或无故障的采集的振动信号的频域特征向量进行组合，得到一组特征向量；为得到的每一个特征向量分别添加有故障或者无故障状态标签，构成训练样本集D；采集目标断路器的振动信号数据，并对其数据进行预处理；提取目标断路器振动信号数据的待测频域特征向量；将得到的待测频域特征向量组合成为待测特征向量集；根据得到的原始训练样本集以及待测特征向量集采用k-近邻贝叶斯多标签分类法，对断路器进行故障判断。2.如权利要求1所述的基于k-近邻贝叶斯多标签分类的断路器机械故障诊断方法，其特征在于：所述采用k-近邻贝叶斯多标签分类法，对断路器进行故障诊断的方法，具体为：(1)基于拉普拉斯估计从训练样本集中...

【专利技术属性】
技术研发人员：赵遵龙，马帅，王志涛，吴丽娟，王振华，刘跃文，毛军，韩国栋，罗健，王宁，郝新星，侯文龙，郭帅，
申请(专利权)人：国网山东省电力公司莱芜供电公司，国家电网公司，
类型：发明
国别省市：山东,37