随机森林集成学习模型在高压真空断路器振动信号分析中的应用

作者：樊浩; 苏海博; 陈立; 史宗谦; 李兴文

来源：电器与能效管理技术, 2019, (23): 1-50.

DOI：10.16628/j.cnki.2095-8188.2019.23.001

• 小波包归一化能量
• 随机森林
• 集成学习
• 故障诊断

基于机械振动信号对高压断路器进行故障诊断是一种有效的手段。提出一种基于振动信号的随机森林集成学习模型,进一步提高了故障诊断模型的效率和准确度。首先,获取电磁斥力机构高压断路器两个不同位置的分闸振动信号;然后,利用小波包分解对振动信号进行时、频特性分析,并计算振动信号的各频段归一化能量向量;最后,基于随机森林集成学习模型进行故障诊断和识别。实验结果显示,随机森林集成学习模型具有显著的泛化性能,使用简单,诊断更加快速、准确。

• 单位
  西安交通大学; 广州供电局有限公司