科研之友
微信
新浪微博
Facebook
分享链接
摘要
操动机构弹簧储能状态的鲁棒辨识对于保障断路器服役性能有着重要的意义，然而如何建立起采样信号与弹簧储能状态之间的映射关系依然是制约其广泛应用的关键。针对这一问题，结合格拉姆角场(gramian angular field， GAF)与卷积神经网络(convolutional neural network， CNN)，提出了一种弹簧储能状态智能辨识方法，并成功应用于断路器操动机构。该方法采用格拉姆角场将采集到的时域信号进行二维化处理，并利用其进行操动机构动态特性演化过程的追踪。断路器操动机构状态辨识实验验证了所提出的智能诊断方法有效性(识别成功率接近100.00%)，为断路器在役状态的鲁棒识别提供一种可能。
- 单位
