结合GAF与CNN的操动机构弹簧储能状态智能辨识.pdfVIP

第47卷第9期重庆大学学报Vol.47No.9

2024年9月JournalofChongqingUniversitySep.2024

doi：10.11835/j.issn.1000-582X.2023.224

结合GAF与CNN的操动机构弹簧储能状态智能辨识

111,2131

施贻铸，满天雪，周余庆，任燕，沈志煌，孙维方

（1.温州大学机电工程学院，浙江温州325035；2.嘉兴南湖学院机电工程学院，浙江嘉兴314001；

3.集美大学海洋装备与机械工程学院，福建厦门361021）

摘要：操动机构弹簧储能状态的鲁棒辨识对断路器服役性能有重要影响，如何建立起采样信号

与弹簧储能状态之间的映射关系是制约其广泛应用的关键。针对这一问题，结合格拉姆角场

（Gramianangularfield,GAF）与卷积神经网络（convolutionalneuralnetwork,CNN），提出了一种弹

簧储能状态智能辨识方法，并成功应用于断路器操动机构。采用格拉姆角场将采集到的时域信号

进行二维化处理，并利用其进行操动机构动态特性演化过程的追踪。断路器操动机构状态辨识实

验验证了所提出的智能诊断方法有效性（识别成功率接近100.00%）,为断路器在役状态的鲁棒识别

提供一种可能。

关键词：断路器；卷积神经网络；弹簧储能状态；格拉姆角场

中图分类号：TM561文献标志码：A文章编号：1000-582X(2024)09-030-09

Intelligentidentificationmethodofspringenergystoragestateof

circuitbreakeroperatingmechanismbasedonGAFandCNN

111,2131

SHIYizhu,MANTianxue,ZHOUYuqing,RENYan,SHENZhihuang,SUNWeifang

(1.CollegeofMechanicalandElectricalEngineering,WenzhouUniversity,Wenzhou,Zhejiang325035,

P.R.China;2.CollegeofMechanicalandElectricalEngineering,JiaxingNanhuUniversity,Jiaxing,Zhejiang

314001,P.R.China;3.CollegeofMarineEquipmentandMechanicalEngineering,JimeiUniversity,

Xiamen,Fujian361021,P.R.China)

Abstract:Robustidentificationofthespringenergystateincircuitbreakeroperatingmechanismisofgreat

significanceformaintainingserviceperformance.Howe