文献类型：期刊文章

作　　者：杨秋玉[1] 阮江军[1] 黄道春[1] 邱志斌[2] 庄志坚[3]

YANG Qiu-yu;RUAN Jiang-jun;HUANG Dao-chun;QIU Zhi-bin;ZHUANG Zhi-jian(School of Electrical Engineering and Automation,Wuhan University,Wuhan 430072,China;School of Information Engineering,Nanchang University,Nanchang 330031,China;Power Products Medium Voltage Technology Center,ABB(China)Co.,Ltd,Xiamen 361006,China)

机构地区：[1]武汉大学电气与自动化学院,武汉430072 [2]南昌大学信息工程学院,南昌330031 [3]ABB(中国)有限公司中压产品技术中心,福建厦门361006

出　　处：《电机与控制学报》

基　　金：国家重点研发计划(2017YFB0902400);湖北省自然科学基金(2018CFB145)。

年　　份：2020

卷　　号：24

期　　号：3

起止页码：11-19

语　　种：中文

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

摘　　要：针对高压断路器分、合闸动作过程中产生的振动信号持续时间短暂及强烈的非线性非平稳性,导致的特征提取困难问题,提出一种变分模态分解(VMD)-希尔伯特(Hilbert)边际谱能量熵,及支持向量机(SVM)的高压断路器振动信号组合特征提取和机械故障诊断方法。采用VMD对高压断路器振动信号进行分解,得到一系列反映振动信号局部特性的本征模态函数(IMF);对IMF进行Hilbert变换,并求取对高压断路器机械状态变化敏感的Hilbert边际谱能量熵作为特征向量;将特征向量输入到SVM分类器,实现高压断路器机械故障的智能诊断。试验结果表明:该方法能够准确识别高压断路器的常见机械故障类型,具有一定的工程应用价值。

关 键 词：高压断路器 变分模态分解  希尔伯特边际谱  能量熵  支持向量机 机械故障识别  

分 类 号：TM561]