公开(公告)号：CN117216675A

公开(公告)日：2023-12-12

申请号：CN202210721579.5

申请日：2022-06-01

申请人： 华北电力大学(保定)

发明人： 赵书涛 ,  黄伟杰

IPC分类号： G06F18/2413 ,  G06F18/25 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/084

摘要： 一种基于声振信号联合分析的断路器故障诊断的方法，通过振动和声音传感器，获取断路器在正常合闸、合闸拒动、基座松动和连杆脱落的情况下的振动信号和声音信号。分别对时域下的振动信号和声音信号进行CEEMD分解，进而利用各模态分量训练稀疏编码器，利用编码器部分的隐藏层数据作为特征值。然后，将声音和振动信号的特征值通过神经网络进行融合。最后，将融合后的特征值作为KNN的输入，对断路器进行故障诊断。这是一种断路器故障诊断方法，对声音和振动信号先分解再经过稀疏编码器提取最能表征各信号的特征值，最后再进行融合，经过CEEMD分解，能够分解出信号中的重要特征，然后再经过稀疏编码器的训练，提取出最能表征信号的特征值，通过神经网络将声音和振动信号特征值进行融合，以此训练KNN分类器，并将分类正确率反向传播，再训练神经网络，从而得到最优的特征融合，使得特征值更具有代表性，能够提高判断的准确性，能够增大断路器故障诊断容错率，并且能够满足现场对运行中的断路器故障诊断的精度和速度要求，快速准确识别。