基于随机森林的开关设备机械故障诊断方法技术

公开了一种基于随机森林的开关设备机械故障诊断方法，方法中，融合线圈电流及振动信号数据。首先对采集的数据进行封装及存储，然后对信号进行时间同步、零偏置、滤波、趋势项去除、小波去噪等数据预处理。然后对线圈电流信号进行CEEMDAN分解，提取出其特征向量，再对振动信号分别求解短时能量及小波包频带能量。最后，组合融合三个特征量制作训练集，训练随机森林分类器，利用迭代调整得最高准确率下的最小决策树数目，实现高效的开关设备机械故障诊断。断。断。

【技术实现步骤摘要】
基于随机森林的开关设备机械故障诊断方法


[0001]本专利技术属于开关设备机械故障检测
，特别是一种基于随机森林的开关设备机械故障诊断方法。

技术介绍

[0002]根据已有开关事故的统计研究发现，机械故障占开关设备总故障的60％以上，因此有必要开展开关设备机械状态诊断技术的相关研究工作。开关设备机械故障主要分为两类，一是操作机构及传动机构的机械故障，二是分合闸线圈控制回路的故障。分合闸线圈电流能够有效反映线圈控制回路电压、电阻以及电磁铁的运动状态；机械振动信号可以充分体现操作机构及传动机构动作碰撞信息，从而反映机械结构的状态。目前对于机械故障的诊断方法主要集中为单数据诊断，能诊断的故障类型较少。
[0003]在
技术介绍
部分中公开的上述信息仅仅用于增强对本专利技术背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提出一种基于随机森林的开关设备机械故障诊断方法克服目前诊断方法适用面较少的问题。
[0005]本专利技术的目的是通过以下技术方案予以实现，一种基于随机森林的开关设备机械故障诊断方法包括：
[0006]采集开关设备的线圈电流与振动信号，时间戳及采样率封装后以串行通信协议传输且以映射方式进行二进制文件的存储；
[0007]根据映射方式对二进制文件进行多源文件的匹配，并基于所述时间戳及采样率完成线圈电流与振动信号的时间同步，运用零偏置处理线圈电流的零漂电以及对振动信号进行降噪；r/>[0008]提取线圈电流与振动信号的特征向量以形成数据集，其中，采用完全自适应噪声集合经验模态分解以提取线圈电流的电流起始与截止点，截取后提取线圈电流的特征向量，对振动信号提取短时能量及小波包频带能量作为特征向量，将提取后线圈电流与振动信号的特征向量与机械故障类型对应，并将线圈电流与振动信号的特征向量联合形成更高维的联合的特征向量以构成数据集；
[0009]采用第三方库构建随机森林分类器，针对线圈电流与振动信号的两种特征向量进行组合，形成4种数据不同维度、不同物理表征的数据集，然后对这4种数据集均进行K
‑
Fold交叉验证，将数据集划分为K份，循环以1份作为验证集，K
‑
1作为训练集，取其误差加和平均作为交叉验证误差，得出每种数据集的准确率，取4种数据集中准确率最高的数据集，将其组合方式作为后续诊断故障的数据融合方式，在确定数据融合方式后，在循环中对随机森林分类器的参数即决策树数量进行增量迭代，以其最高准确率作为循环停止条件，取得最高准确率下最小决策树数量，再采用最小决策树数量的随机分类器对数据集分类，分类结
果即为故障诊断结果。
[0010]所述的基于随机森林的开关设备机械故障诊断方法中，依据机械故障类型进行开关设备机械故障模拟试验，获取开关设备的线圈电流和振动信号，线圈电流和振动信号均包括正常数据及故障数据。
[0011]所述的基于随机森林的开关设备机械故障诊断方法中，经由线圈电流采集板及振动采集板采集开关设备的线圈电流与振动信号并附加时间戳，经由串口通过Modbus
‑
RTU协议将采集的数据传输到基于ARM的Linux板中，Linux板中将接收到的数据存储为二进制文件。
[0012]所述的基于随机森林的开关设备机械故障诊断方法中，基于所述时间戳及采样率完成线圈电流与振动信号的时间同步中，读取二进制文件，获取并去除时间戳并依据采样率计算得数据中每点的时间信息，采用中值滤波削去线圈电流的尖峰，采用滑动平均值滤波平滑线圈电流曲线，振动信号的零点漂移进行最小二乘法的趋势项去除，小波变换进行分解振动信号，小波重构去除高频噪声。
[0013]所述的基于随机森林的开关设备机械故障诊断方法中，CEEMDAN分解中，采用噪声自适应EMD分解将线圈电流波形进行分解得到各模态分量，依据一、二阶的模态分量得到电流起始与截止点以提取电流有效部分，再对有效部分提取极大极小值，获取线圈电流的波谷及波峰的特征值，线圈电流特征向量包括电流起始与截止点以及波谷及波峰的特征值。
[0014]所述的基于随机森林的开关设备机械故障诊断方法中，振动信号采用海明窗作为移动的窗函数求取其短时能量，提取出短时能量极值的时间点及能量作为特征向量。
[0015]所述的基于随机森林的开关设备机械故障诊断方法中，振动信号把db10小波作为母小波函数，以香农熵(Shannon熵)为标准选取最优的小波包分解树型结构，进行小波包分解，取节点系数进行重构，求取其频带能量作为特征向量。
[0016]所述的基于随机森林的开关设备机械故障诊断方法中，所述数据集中，联合的特征向量以键值对的形式存为JSON文件，以故障类型为键，以多组故障数据特征向量的二维数组为值。
[0017]所述的基于随机森林的开关设备机械故障诊断方法中，读取JSON文件，将键设置为数据集标签，将二维数组的值展开为一维数据并设置为数据集的特征数据，使用数据集来训练及改进随机森林分类器参数以完成机械故障诊断。
[0018]和现有技术相比，本专利技术具有以下优点：
[0019]1.本专利技术所述的基于随机森林的开关设备机械故障诊断方法通过随机森林方法实现机械故障诊断，诊断方法通俗易懂，便于调试，且通过调整决策树数量可以达到较高的诊断效率，适用于工业控制中的低性能MCU。
[0020]2.针对线圈电流信号进行了零偏置处理及中值、滑动平均值滤波优化，去除了零漂电流及降低了噪声的干扰。对振动信号进行了趋势项去除、小波去噪，去除了零点漂移、降低了噪声的干扰，较好的保持了原始波形。
[0021]3.针对线圈电流的特征值提取采用噪声自适应CEEMDAN分解，能抵抗波形的各种凹陷、突起的干扰，正确提取出特征量，并且所提取量值的误差极小，准确的反应关键信息量。
[0022]4.针对振动信号采用短时能量法将噪声信号极大削弱，准确显现出关键动作。此
外，采用小波包分解，提取频带能量，从另一种角度获取特征值。
[0023]5.融合线圈电流及振动信号的特征量，进行随机森林的诊断，能识别的故障类型数量优于两者单独使用，解决了线圈电流单独诊断能识别故障类型较少的问题。
附图说明
[0024]通过阅读下文优选的具体实施方式中的详细描述，本专利技术各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。显而易见地，下面描述的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。而且在整个附图中，用相同的附图标记表示相同的部件。
[0025]在附图中：
[0026]图1是根据本专利技术一个实施例的基于随机森林的开关设备机械故障诊断方法的流程示意图；
[0027]图2是根据本专利技术一个实施例的基于随机森林的开关设备机械故障诊断方法的线圈电流及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机森林的开关设备机械故障诊断方法，其特征在于，其包括以下步骤，采集开关设备的线圈电流与振动信号，时间戳及采样率封装后以串行通信协议传输且以映射方式进行二进制文件的存储；根据映射方式对二进制文件进行多源文件的匹配，并基于所述时间戳及采样率完成线圈电流与振动信号的时间同步，运用零偏置处理线圈电流的零漂电以及对振动信号进行降噪；提取线圈电流与振动信号的特征向量以形成数据集，其中，采用完全自适应噪声集合经验模态分解以提取线圈电流的电流起始与截止点，截取后提取线圈电流的特征向量，对振动信号提取短时能量及小波包频带能量作为特征向量，将提取后线圈电流与振动信号的特征向量与机械故障类型对应，并将线圈电流与振动信号的特征向量联合形成更高维的联合的特征向量以构成数据集；采用第三方库构建随机森林分类器，针对线圈电流与振动信号的两种特征向量进行组合，形成4种数据不同维度、不同物理表征的数据集，然后对这4种数据集均进行K
‑
Fold交叉验证，将数据集划分为K份，循环以1份作为验证集，K
‑
1作为训练集，取其误差加和平均作为交叉验证误差，得出每种数据集的准确率，取4种数据集中准确率最高的数据集，将其组合方式作为后续诊断故障的数据融合方式，在确定数据融合方式后，在循环中对随机森林分类器的参数即决策树数量进行增量迭代，以其最高准确率作为循环停止条件，取得最高准确率下最小决策树数量，再采用最小决策树数量的随机分类器对数据集分类，分类结果即为故障诊断结果。2.根据权利要求1所述的基于随机森林的开关设备机械故障诊断方法，其特征在于，优选的，依据机械故障类型进行开关设备机械故障模拟试验，获取开关设备的线圈电流和振动信号，线圈电流和振动信号均包括正常数据及故障数据。3.根据权利要求1所述的基于随机森林的开关设备机械故障诊断方法，其特征在于，经由线圈电流采集板及振动采集板采集开关设备的线圈电流与振动信号并附加时间戳，经由串...

【专利技术属性】
技术研发人员：荣命哲，吴嘉洛，周之强，袁欢，杨爱军，褚继峰，王小华，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：