文献类型：期刊文章

作　　者：王昱皓[1] 武建文[1] 马速良[1] 杨景刚[2] 赵科[2]

Wang Yuhao;Wu Jianwen;Ma Suliang;Yang Jinggang;Zhao Ke(School of Automation Science and Electrical Engineering Beihang University,Beijing,100191,China;Jiangsu Electric Power Company Research Institute of State Grid,Nanjing,211103,China)

机构地区：[1]北京航空航天大学自动化科学与电气工程学院,北京100191 [2]江苏省电力公司电力科学研究院,南京211103

出　　处：《电工技术学报》

基　　金：国家自然科学基金（51677002）;国博士后科学基金（2018M631307）资助项目

年　　份：2020

卷　　号：35

期　　号：S01

起止页码：267-276

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：高压断路器是保证电力系统安全、可靠运行的重要设备,对于高压断路器机械故障定位和诊断成为近年来重要的研究课题。本文针对高压断路器典型工况的振动信号,提出了一种基于核主成分分析(KPCA)的SoftMax故障诊断模型。首先,通过小波包分解计算振动信息的时频能量比,定义高压断路器六种典型机械工况下的特征描述。然后,利用KPCA对原始特征空间进行压缩,重构低维、高识别度的特征空间,采用SoftMax分类算法对高压断路器典型工况进行诊断定位。最后,对比原始特征空间下、主成分分析特征空间下和KPCA特征空间下的SoftMax分类结果以及KPCA特征下多种典型分类诊断算法,诊断结果表明结合KPCA特征空间重构的SoftMax诊断模型的优越性,为高压断路器机械故障诊断与定位提供新思路。

关 键 词：高压断路器 故障诊断 振动信号 核主成分分析 SoftMax  

分 类 号：TM561]