[发明专利]基于分合闸线圈电流信号的断路器故障诊断方法

权利要求书

1.基于分合闸线圈电流信号的断路器故障诊断方法，其特征在于：包括以下几个步骤：

步骤1、在真空断路器上安装分合闸线圈电流传感器，所述电流传感器为霍尔传感器；

步骤2、模拟5类真空断路器故障，利用霍尔传感器采集真空断路器分合闸线圈的电流大小；

步骤3、提取线圈电流的特征值数据，包括5个特征时刻点t₁,t₂,t₃,t₄,t₅，令t₀=0作为参照点计算时间参数，以及三个特征电流值i₁,i₂,i₃。将所有的采集到的故障数据都提取8个特征值构造特征空间，原始故障数据集；

步骤4、定义核函数K(x,y)=φ(x)^Tφ(y)。利用P-KFCM算法，假设输入故障样本为x_k(k=1,2,…,n)，输入空间聚类中心为ν_i(i=1,2,…,c)，加权指数为m，则可以得到原始故障样本的隶属度矩阵uik=(1/(K(xk,xk)+K(vi,vi)-2K(xk,vi)))1/(m-1)Σj=1c(1/(K(xk,xk)+K(vj,vj)-2K(xk,vj)))1/(m-1),]]>最后根据隶属度矩阵将数据集分为C类；

步骤5、通过聚类有效性指标MPC对聚类数C进行校核，以MPC最大值所对应的聚类数C作为最佳聚类数，MPC=1-C1-C(1-1NΣc=1CΣi=1Nuic),]]>聚类数C选择的范围为[2，Cmax]，Cmax不超过N为数据样本个数；

步骤6、将最优分类中每两类的数据样本建立一个SVM预测训练器，得到C×(C-1)/2个SVM训练模型；

步骤7、将采集到的测试样本分别输入SVM训练器，得到初步测试结果；

步骤8、综合所有的测试结果得到最终的故障诊断结论。

2.根据权利要求1所述的基于分合闸线圈电流信号的断路器故障诊断方法，其特征在于：P-KFCM具体算法如下：

步骤1、对原始故障数据集数据归一化处理，采用极值标准化公式：

xik=xik′′-xikmin′′xikmax′′-xikmin′′]]>

其中x″_ik为故障数据集第i行第k列参数，x″_ikmax、x″_ikmin分别为第k列参数中最大及最小值；

步骤2、算法参数设定，包括加速常数c₁与c₂、PSO最大迭代次数k_max、粒子群规模l、速度及位置最大值、惯性权重系数ω_max与ω_min、KFCM最大迭代次数、高斯核参数b、隶属度矩阵加权指数m以及迭代终止条件；

步骤3、初始化粒子群，随机生成l个初始聚类中心作为第一代粒子群，得到每个粒子的当前最优位置pbest与全局最优位置gbest，计算粒子适应度fit与全局最优适应度fitbest；

步骤4、利用所生成的粒子群作为KFCM算法的初始聚类中心进行迭代计算，得到新的聚类中心及其相应的隶属度矩阵、目标函数值，KFCM采用的核函数为高斯核函数，其具体公式为：

K(x_k,ν_i)=exp(-||x_k-ν_i||/(2σ²))

其中，σ为高斯核参数；

步骤5、更新全局最优位置gbest与全局最优适应度fitbest；

步骤6、采用粒子群优化算法更新粒子群位置与速度。更新公式如下：

vidk+1=ωvidk+c1r1(Pidk-xidk)+c2r2(Pgdk-xidk)]]>

xidk+1=xidk+vidk]]>

其中，c₁、c₂为加速常数，r₁、r₂为[0,1]区间内的随机数，X_i(x_i1,x_i2,…x_id)和V_i(v_i1,v_i2,…v_id)表示粒子i当前的位置与速度，P_i(p_i1,p_i2,…p_id)为粒子当前的最优位置，P_g(p_g1,p_g2,…p_gd)为整个粒子群的全局最优位置，k为迭代次数；

粒子群算法中的惯性权重系数ω；ω选择线性函数形式：

ω=ωmax-ωminkmax(kmax-k)+ωmin]]>

步骤7、重复执行步骤4与步骤5；直到样本的隶属度满足时，输出最终的原始故障样本隶属度矩阵；否则重复执行步骤6。