科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对有载调压变压器分接开关机械故障诊断准确率不高以及潜在机械故障不能及时被发现的问题，本文提出了一种基于互补集合经验模态分解（CEEMD）、相空间重构结合万有引力搜索法（GSA）改进学习矢量量化神经网络（LVQ）的有载分接开关机械故障诊断新方法。首先采用CEEMD对振动信号进行时频域分解，然后通过C-C算法确定延迟时间和嵌入维数，对反映不同频率特征的固有模态函数（IMF）进行相空间重构，并提取反映混沌特征的两个特征量李雅普诺夫指数和关联维数构成特征向量。最后利用GSA优化LVQ，解决网络对初始连接权值敏感的问题，增强网络对有载分接开关机械故障分类识别性能。通过对有载分接开关机械状态的实验分析，证明了相空间重构结合GSA-LVQ算法的可行性和有效性。
- 单位
