文献类型：期刊文章

作　　者：林琳[1,2] 陈志英[1,2]

Lin Lin;Chen ZhiYing(High-Voltage Key Laboratory of Fujian Province Xiamen University of Technology,Xiamen,361024,China;School of Electrical Engineering&Automation Xiamen University of Technology,Xiamen,361024,China)

机构地区：[1]厦门理工学院福建省高电压技术重点实验室,厦门361024 [2]厦门理工学院电气工程与自动化学院,厦门361024

出　　处：《电工技术学报》

基　　金：福建省自然科学基金计划项目资助（2018J01565）

年　　份：2020

卷　　号：35

期　　号：S01

起止页码：277-283

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：为了准确检测出高压断路器的机械故障类型,该文提出一种基于本征模态边际谱能量与粗糙集神经网络相结合的高压断路器振动信号故障诊断方法。首先将断路器的振动信号经过经验模态分解(EMD),得到若干个本征模态函数(IMF),对各个IMF分量进行希尔伯特(Hilbert)变换得到Hilbert边际谱,求取Hilbert边际谱的二次方得到Hilbert边际谱能量作为特征向量。基于粗糙集理论对特征向量进行属性约简分析,从而建立简单明了的决策表,根据决策表规则建立径向基函数(RBF)神经网络故障模型。实验结果表明,该方法能有效对高压断路器的机械故障类型进行分类。

关 键 词：高压断路器 本征模态边际谱能量  粗糙集神经网络 振动信号 故障诊断

分 类 号：TM561]