S变换及优化随机森林诊断高压断路器机械故障的方法技术

S变换及优化随机森林诊断高压断路器机械故障的方法属于高压断路器机械故障判断技术领域。本发明专利技术中振动信号先采用S变换，得到信号的时‑频矩阵，再利用局部奇异值分解，提取信号的时‑频域特征向量。S变换的特征表现能力强，能全面、直观的展示断路器振动信号的时‑频域特性；S变换抗噪能力强，在S变换的过程中能显著降低噪声干扰；局部奇异值分解方法将S变换后的时‑频矩阵分解，提取分解后每一部分的最大奇异值作为特征向量，更能突出信号的特性，更有利于故障诊断。随机森林模型通过树的棵数对泛化误差与诊断准确率的综合影响来找到最优树的棵数，进一步提高HVCBs状态识别的准确性。

The method of S-transform and optimization random forest to diagnose the mechanical fault of high voltage circuit breaker

【技术实现步骤摘要】
S变换及优化随机森林诊断高压断路器机械故障的方法
本专利技术属于高压断路器机械故障判断
，特别是涉及到一种S变换及优化随机森林诊断高压断路器机械故障的方法。
技术介绍
高压断路器(HighVoltageCircuitBreakers，HVCBs)在电力系统中的应用众多且本身结构复杂，易受外界因素的影响。高压断路器故障多数属于机械故障，而分析HVCBs动作产生的振动信号能发现多种由于机械性能不良而导致的断路器故障。断路器振动信号具有复杂度高、易受噪声干扰、非平稳、非线性的特点，信号处理多采用时-频分析方法。常用方法包括小波变换、经验模态分解、集合经验模态分解和局域均值分解等。小波变换有较好的局部特征表现能力，但在实际应用中小波基的选择难度较大。经验模态分解和局域均值分解对频率相近分量的分离能力较差，且存在模态混叠现象；集合经验模态分解加入白噪声来抑制模态混叠现象，但也增加了运算量，并且会分解出超出真实信号组成的多个分量。S变换特征表现能力与抗噪能力强，能直观展现振动信号的时-频特性，适合具有复杂时-频特性的振动信号的分析与处理。高压本文档来自技高网...

【技术保护点】
1.S变换及优化随机森林诊断高压断路器机械故障的方法，其特征是：包括以下步骤，并且以下步骤顺次进行，/n步骤一、对正常状态、铁芯卡涩状态、螺丝松动状态以及拐臂拐臂润滑不足状态四种机械状态下的高压断路器振动进行信号采集，采样信号的坐标零点为断路器动作初始时刻，信号采样率相同，振动信号记录起点与采集信号时间长度相同；/n步骤二、将四种机械状态的振动信号分别进行S变换，获得信号的时-频特性矩阵；/n步骤三、局部奇异值分解/n在采样总时间的中段选取采样点，对采样起始点至选取采样点之间的时-频特性矩阵进行奇异值分解SVD处理，将时-频特性矩阵，沿时域和频域分别等距离划分为若干子矩阵，分别计算并获得各最大...

【技术特征摘要】
1.S变换及优化随机森林诊断高压断路器机械故障的方法，其特征是：包括以下步骤，并且以下步骤顺次进行，
步骤一、对正常状态、铁芯卡涩状态、螺丝松动状态以及拐臂拐臂润滑不足状态四种机械状态下的高压断路器振动进行信号采集，采样信号的坐标零点为断路器动作初始时刻，信号采样率相同，振动信号记录起点与采集信号时间长度相同；
步骤二、将四种机械状态的振动信号分别进行S变换，获得信号的时-频特性矩阵；
步骤三、局部奇异值分解
在采样总时间的中段选取采样点，对采样起始点至选取采样点之间的时-频特性矩阵进行奇异值分解SVD处理，将时-频特性矩阵，沿时域和频域分别等距离划分为若干子矩阵，分别计算并获得各最大奇异值，并构建特征向量，除去特征向量中小于设定阈值的数值，获得不含噪声的高压断路器振动信号特征值；
步骤四、在Matlab中构建随机森林分类器模型，从步骤一中获得的四种机械状态振动信号中，各...

【专利技术属性】
技术研发人员：江奕军，戚佳金，黄南天，张欣，张静，高旭，王根明，钟恒强，任新卓，顾承天，朱玮翔，卫成雪，
申请(专利权)人：杭州电力设备制造有限公司，东北电力大学，国家电网有限公司，
类型：发明
国别省市：浙江;33