科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于非参数检验的声信号时域特征识别是一种高识别率、小时间开销的高压断路器机械故障诊断方法,但也有无效区间长、特征测量值和检验方法有待优化等问题。对于高压断路器机械故障声信号,根据非参数检验的效果剔除低效区段;利用散布矩阵对比特征测量值的分类能力;搭建高压断路器机械故障试验平台,对采集到的声信号分别进行4种非参数检验,选取特征值并进行机器学习。声信号的纯噪音部分和余震部分被剔除,从而得到有效时域区段;在8种特征测量值中,各种熵的分类能力明显高于均值等传统特征测量值,且Renyi熵的分类能力最好;相比于绝对值均值,Renyi熵作为特征测量值时3种非参数检验方法的诊断识别率提高了10%。所得结果表明:Wilcoxon秩和检验选出的Renyi熵特征值有着最高的诊断识别率。
- 单位
