基于CEEMDAN样本熵与FWA-SVM的高压断路器机械故障诊断

作者：赵书涛; 马莉; 朱继鹏; 李建鹏; 赵慧

来源：电力自动化设备, 2020, 40(03): 181-186.

DOI：10.16081/j.epae.202002004

• 高压断路器
• 振动信号
• 自适应白噪声完整集合经验模态分解
• 支持向量机
• 故障诊断

针对振动信号判别断路器机械故障过程受干扰影响的特征提取问题,提出一种自适应白噪声完整集合经验模态分解(CEEMDAN)与样本熵相结合的故障特征提取方法。通过CEEMDAN提取若干反映断路器操动过程机械状态信息的本征模态函数(IMF)分量,依据各IMF相关系数与能量分布,将前7阶IMF分量进行小波包软阈值去噪,计算其样本熵作为特征量,最后采用基于免疫浓度思想的烟花算法(FWA)优化支持向量机(SVM)分类器,对断路器不同运行状态进行分类识别。实验结果表明:基于CEEMDAN样本熵特征对于信号干扰不敏感,FWA-SVM诊断方法对于高压断路器分闸操动过程故障辨识效果良好。

• 单位
  电子工程学院; 华北电力大学