【技术实现步骤摘要】
基于功率谱特征和SVM
‑
PCA的断路器机械故障诊断方法
[0001]本专利技术涉及一种基于振动信号处理的技术，利用功率谱的多维特征通过主成分分析法降维后，通过支持向量机模式识别进行断路器故障诊断的方法，用于高压电气设备故障检测
。
技术介绍
[0002]高压断路器作为电力系统最常用的电力设备，其可靠性直接关系到电力系统的安全稳定运行
。
其重要作用为控制和保护其他电气设备免受异常影响而损坏，因此断路器的正常运行是保证电网安全运行的重要内容
。
断路器拒动将会导致严重的电网事故，因此对与断路器的状态检测的研究尤为必要
。
从断路器上采集的信号多属于非平稳信号，处理起来相对于平稳信号要复杂的多
。
随着信号处理的技术不断进步发展，大多是针对断路器动作过程中所产生的振动信号或声音信号及图像信号进行某种单一的信号进行处理进而判断断路器的工作状态，对信号进行时域或者频域的特征提取，目前比较常用的有小波分解
、
经验模态分
【技术保护点】
【技术特征摘要】
1.
基于功率谱特征和
SVM
‑
PCA
的高压断路器状态识别方法，其特征在于，包括步骤：
(1)
安装断路器振动传感器装置，调节传感器参数，采集断路器振动信号，并启动测试和计算分析过程
。(2)
对采集到的振动信号在时域下进行分段，根据断路器物理动作过程将采集到的断路器振动信号分为以下几个部分：合闸接触器动作，合闸线圈铁芯撞击脱扣装置，动静触头从接触到完全接触过程，连杆机构运动
。
根据时域下的振动信号可以看出在一个动作过程向下一个动作过程中，有信号的衰减到突增的过程，因此将波谷作为分段点，若是以波峰作为分段点，则处于波峰的时候该过程还未完成，导致分段不合理
。(3)
经程序计算出分段的振动信号功率谱，生成各段功率谱图
。
对各段功率谱求多维特征值来进行模式识别，求取每段信号的平均值，标准差，偏度，峭度，均方根，振幅因数，波形因数，冲击因数，裕度因数，能量这
10
和特征，最终组成4×
10
的一个特征向量作为特征矩阵
。
对不正常工作状态的振动信号同样采取相同的措施，更能提高断路器运行过程中的故障识别率，可以具体到动作类型
。(4)
利用主成分分析法
(PCA)
进行降维处理，主成分分析能够提取特征集中的主要特征，从而降低维数以方便后续的模式分类
。(5)
将样本特征分为训练集和测试集，采用训练集的特征参数来训练模型，得到支持向量机分类模型后
。
将
30
％组数据
(
共
200
组4×
10
的矩阵
)
特征作为测试集的特征参数输入此模型，最终判断断路器的工作状态
。(6)
利用采集的数据样本对该方法进行验证，求得对断路器进行故障诊断的正确率，以此作为该方法实用性的标志
。2.
根据权利要求2所述的对采集到的断...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。