一种基于概率神经网络的小型断路器故障分析方法技术

本发明专利技术涉及一种基于概率神经网络的小型断路器故障分析方法，包括如下步骤：(1)构建概率神经网络模型；包括输入层、模式层、求和层、输出层；(2)训练并测试概率神经网络模型；分别模拟小型断路器在N类故障类型下各组振动信号，并对每组振动信号进行经典模态分解，提取四阶本征模函数IMF分量；使用G_P算法计算原始信号与四阶本征模函数IMF分量的关联维数；(3)通过步骤(2)训练好的概率神经网络模型输出测试结果。本发明专利技术概率神经网络学习过程简单、训练速度快；分类更准确，可以保证获得贝叶斯准则下的最优解；容错性好，允许增加或减少训练数据而无需进行长时间训练。

【技术实现步骤摘要】
一种基于概率神经网络的小型断路器故障分析方法
本专利技术涉及电力系统维护
，具体涉及一种基于概率神经网络的小型断路器故障分析方法。
技术介绍
小型断路器作为终端配电电器，是电网的重要组成部分，并直接关系到人身财产安全，其良好的运行状态是保障用户用电安全的必要前提。故而，对小型断路器的故障分析研究具有非常重要的研究意义和价值。小型断路器作为终端配电电器，是电网的重要组成部分，并直接关系到人身财产安全，其良好的运行状态是保障用户用电安全的必要前提。故而，对小型断路器的故障分析研究具有非常重要的研究意义和价值。目前，对于小型断路器的故障分析，根据故障发生机理，有基于声音信号和振动信号的分析方法。中国专利文献CN110926784A公开了一种基于声音的GIS断路器故障在线监测装置，通过采集声音信号进行分析判断故障类型；中国专利文献CN110926782A公开了一种断路器故障类型判断方法、装置、电子设备及存储介质，同时采集断路器的声音信号和振动信号，使用双通道CNN(卷积神经网络)得到二者特征融合图，再使用分类器判断故障类型。但两篇本文档来自技高网...

【技术保护点】
1.一种基于概率神经网络的小型断路器故障分析方法，其特征在于，包括如下步骤：./n(1)构建概率神经网络模型；/n所述概率神经网络模型包括依次连接的输入层、模式层、求和层、输出层；所述输入层用于输入样本，神经元个数等于样本的特征维度；所述模式层用于计算输出概率，即某种故障类型的概率，所述求和层用于求取相同类别测试样本对应的模式层节点输出之和，节点个数等于样本的类别个数；所述输出层用于对上述求和层输出进行归一化处理，求取测试样本对应不同类别的概率，根据概率大小判断测试样本的类别，将密度最大的神经元输出为1，表示为对应的模式，其余神经元全部输出为0；/n(2)训练并测试概率神经网络模型；/n包括步...

【技术特征摘要】
1.一种基于概率神经网络的小型断路器故障分析方法，其特征在于，包括如下步骤：.
(1)构建概率神经网络模型；
所述概率神经网络模型包括依次连接的输入层、模式层、求和层、输出层；所述输入层用于输入样本，神经元个数等于样本的特征维度；所述模式层用于计算输出概率，即某种故障类型的概率，所述求和层用于求取相同类别测试样本对应的模式层节点输出之和，节点个数等于样本的类别个数；所述输出层用于对上述求和层输出进行归一化处理，求取测试样本对应不同类别的概率，根据概率大小判断测试样本的类别，将密度最大的神经元输出为1，表示为对应的模式，其余神经元全部输出为0；
(2)训练并测试概率神经网络模型；
包括步骤如下：
预设N类故障类型，编号1-N，对应正常状态、故障类型1、故障类型2、……故障类型N-1；
分别模拟小型断路器在N类故障类型下各W组振动信号,并对每组振动信号进行经典模态分解，提取四阶本征模函数IMF分量，包括第一阶本征模函数IMF分量、第二阶本征模函数IMF分量、第三阶本征模函数IMF分量、第四阶本征模函数IMF分量；
使用G_P算法分别计算原始信号和第一阶本征模函数IMF分量、第二阶本征模函数IMF分量、第三阶本征模函数IMF分量、第四阶本征模函数IBMF分量的关联维数；
将W组振动信号中W1组振动信号对应求取的关联维数作为训练样本，并作为故障特征向量输入概率神经网络模型进行训练；将W组振动信号中剩余W-W1组振动信号对应求取的关联维数作为测试样本，并作为故障特征向量输入概率神经网络模型进行测试，对概率神经网络模型的准确性进行验证；
所述输入层接收训练样本，并将输入训练样本传递给模式层，所述模式层通过连接权值与输入层连接，接收所述输入层的训练样本输入，所述输入层中的每一个神经元计算输入训练样本与神经元中心的欧氏距离，代入激活函数求得所述模式层的输出，所述模式层的神经元的个数是输入训练样本的个数；所述求和层将所述模式层对应的各个类的单元连接起来，所述求和层的神经元个数是训练样本的类别数目，所述求和层把所述模式层中属于同一类的隐藏神经元的输出做加权平均；所述输出层取所述求和层求值最大的作为输出类别；
逐次尝试不同的spread值来确定一个最优值，spread为概率神经网络模型的扩散速度，Spread取值越大，函数选取的中心向外散布的距离越大；
(3)通过步骤(2)训练好的概率神经网络模型输出待测信号的故障类别。


2.根据权利要求1所述的一种基于概率神经网络的小型断路器故障分析方法，其特征在于，所述模式层使用代替S型函数的非线性运算作为激活函数，Zi为径向基函数运算符号，Zi＝Xω，X为样本，ω为加权系数；
所述模式层中第i类的第j个神经元输出的概率Φij(X)如式(I)所示：



式(I)中，p为训练样本的维度，即所求的关联维数，σ为平滑因子，Xij为第i类的第j个隐中心矢量，X为输入信号的相空间矢量；
第i类类别的概率密度函数fi如式(Ⅱ)所示：



式(Ⅱ)中，Li为类别i的训练样本数。


3.根据权利要求1所述的一种基于概率神经网络的小型断路器故障分析方法，其特征在于，步骤(2)中，使用加速度传感器采集振动信号。


4.根据权利要求1所述的一种基于概率神经网络的小型断路器故障分析方法，其特征在于，步骤(2)中，经典模态分解，提取四阶本征模函数IMF分量，包括步骤如下：
①遍历原始信号x(t)的所有极大值点和极小值点，原始信号x(t)即振动信号，对所有极大值点与极小值点通过三次样条函数进行拟合，构造出原始信号x(t)的上包络线xmax(t)和下包络线xmin(t)，t为时间；
②对上包络线xmax(t)和下包络线xmin(t)求取均值，得到m1(t)，...

【专利技术属性】
技术研发人员：徐通通，陈浩，
申请(专利权)人：山东卓文信息科技有限公司，
类型：发明
国别省市：山东;37