-
公开(公告)号：CN103336243B
公开(公告)日：2016-02-10
申请号：CN201310273548.9
申请日：2013-07-01
Applicant: 东南大学
IPC: G01R31/327
Abstract: 本发明涉及基于分合闸线圈电流信号的断路器故障诊断方法，方法为：（1）采集原始故障数据集，对采集到的数据进行归一化处理；（2）利用粒子群算法（PSO）与模糊核C-均值聚类（KFCM）相结合的算法P-KFCM，对数据集进行分类，得到原始故障样本隶属度矩阵，根据隶属度将数据集分为C类；（3）通过聚类有效性指标MPC对聚类数C进行校核，以MPC最大值所对应的聚类数C作为最佳聚类数；（4）将最优分类中每两类的数据样本建立一个SVM预测训练器，得到C×(C-1)/2个SVM训练模型；（5）将采集到的测试样本分别输入SVM训练器，得到初步测试结果；（6）综合所有的测试结果，得到最终的故障诊断结论。利用本发明可以提高故障分类的准确性，实现断路器故障类型的在线自检测。
-
公开(公告)号：CN103336243A
公开(公告)日：2013-10-02
申请号：CN201310273548.9
申请日：2013-07-01
Applicant: 东南大学
IPC: G01R31/327
Abstract: 本发明涉及基于分合闸线圈电流信号的断路器故障诊断方法，方法为：（1）采集原始故障数据集，对采集到的数据进行归一化处理；（2）利用粒子群算法（PSO）与模糊核C-均值聚类（KFCM）相结合的算法P-KFCM，对数据集进行分类，得到原始故障样本隶属度矩阵，根据隶属度将数据集分为C类；（3）通过聚类有效性指标MPC对聚类数C进行校核，以MPC最大值所对应的聚类数C作为最佳聚类数。（4）将最优分类中每两类的数据样本建立一个SVM预测训练器，得到C×(C-1)/2个SVM训练模型。（5）将采集到的测试样本分别输入SVM训练器，得到初步测试结果。（6）综合所有的测试结果，得到最终的故障诊断结论。利用本发明可以提高故障分类的准确性，实现断路器故障类型的在线自检测。
-
公开(公告)号：CN102901622A
公开(公告)日：2013-01-30
申请号：CN201210328794.5
申请日：2012-09-06
Applicant: 东南大学
IPC: G01M13/00
Abstract: 基于三相位移信号的真空断路器机械参数在线监测方法，通过小波分析和Hilbert变换进行真空断路器机械参数在线监测，针对真空断路器三相位移信号的特点，首先通过小波消噪消除干扰因素，然后利用小波分解与重构凸显出位移特征量，最后通过Hilbert变换提取信号包络，检测特征量，得到断路器分合闸过程的各项机械参数。本发明能够在不增加额外采集信号通道的情况下，对断路器在线监测系统所采集的位移信号实时进行分析处理，得到断路器分合闸过程的各项机械参数，相对简单实用，提高了三相测量精度，其有效性和稳定性已通过实验的证明，并在实际工程应用中取得了较好的效果。
-
公开(公告)号：CN102901622B
公开(公告)日：2014-12-24
申请号：CN201210328794.5
申请日：2012-09-06
Applicant: 东南大学
IPC: G01M13/00
Abstract: 基于三相位移信号的真空断路器机械参数在线监测方法，通过小波分析和Hilbert变换进行真空断路器机械参数在线监测，针对真空断路器三相位移信号的特点，首先通过小波消噪消除干扰因素，然后利用小波分解与重构凸显出位移特征量，最后通过Hilbert变换提取信号包络，检测特征量，得到断路器分合闸过程的各项机械参数。本发明能够在不增加额外采集信号通道的情况下，对断路器在线监测系统所采集的位移信号实时进行分析处理，得到断路器分合闸过程的各项机械参数，相对简单实用，提高了三相测量精度，其有效性和稳定性已通过实验的证明，并在实际工程应用中取得了较好的效果。
-
-
-
Search Results
4
records
(took 0.017 seconds)
