基于改进EEMD的高压断路器振声联合故障诊断方法.pdfVIP

基于改进EEMD的高压断路器振声联合故障诊断方法.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于改进EEMD的高压断路器振声联合故障诊断方法.pdf

第42 卷 第8 期 电力系统保护与控制 Vol.42 No.8 2014 年4 月16 日 Power System Protection and Control Apr.16, 2014 基于改进 EEMD 的高压断路器振声联合故障诊断方法 1 1 1 2 张 佩 ,赵书涛 ,申 路 ,赵现平 (1.华北电力大学保定校区电气工程学院,河北 保定 071003;2.云南电网公司电力研究院,云南 昆明 650217 ) 摘要:高压断路器是电力系统中关键的控制和保护设备,针对其故障诊断方法的不足之处,将振声数据级融合和特征级融合 应用于高压断路器故障诊断方法。振声特征级融合诊断方法首先将采集到的声波信号通过快速核独立分量分析(Fast KICA ) 实现盲源分离处理,其次利用改进集合经验模式分解(EEMD )提取振动信号和声波信号的特征向量。振声数据级融合诊断方 法首先构建振声联合图像,其次利用改进的 BEEMD 提取特征向量。最后将两种方法提取的特征向量输入支持向量机模型 (SVM) 进行故障诊断,实验结果表明,所提方法诊断高压断路器故障能取得良好的效果。 关键词:高压断路器;振声数据级融合;振声特征级融合;改进EEMD 分解;改进 BEEMD 分解;支持向量机 Research on vibration and acoustic joint mechanical fault diagnosis method of high voltage circuit breaker based on improved EEMD 1 1 1 2 ZHANG Pei , ZHAO Shu-tao , SHEN Lu , ZHAO Xian-ping ( 1. School of Electrical Engineering, North China Electric Power University, Baoding 071003, China; 2. Electric Power Research Institute of Yunnan Power Grid Company, Kunming 650217, China) Abstract: High voltage circuit breaker is the key of control and protection equipment in power system, in allusion to the deficiency of the fault diagnosis methods, this paper boosts the vibration and acoustic data level fusion and feature level fusion method used in high voltage circuit breaker fault diagnosis. The vibration and acoustic feature level fusion diagnosis method firstly makes acoustic signals collected achieve blind source separation processing through fast kernel independent component analysis (

文档评论(0)

我的文档 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档