[发明专利]一种基于CCA‑SOM的断路器操作机构故障诊断方法

权利要求书

1.一种基于CCA-SOM的断路器操作机构故障诊断方法，其特征在于，包括以下步骤：

S1，建立断路器操作机构的故障诊断数据模型；

S2，利用曲元分析算法将断路器分合闸线圈电流中提取出的特征量进行维数缩减；

S3，利用自组织神经网络算法对故障类型进行分类，得到自组织神经网络算法训练结果；

S4，利用上一步得出的自组织神经网络算法训练结果对待测的断路器分合闸线圈电流数据进行故障诊断。

2.根据权利要求1所述的一种基于CCA-SOM的断路器操作机构故障诊断方法，其特征在于，步骤S2中，利用曲元分析算法，将监测到的断路器分合闸线圈电流中提取出的特征量映射到三维空间。

3.根据权利要求1所述的一种基于CCA-SOM的断路器操作机构故障诊断方法，其特征在于，步骤S3，利用自组织神经网络算法对故障类型进行分类，主要分为以下两个步骤：

S31，学习过程：利用自组织神经网络算法对经过曲元分析算法处理的断路器故障诊断样本数据进行训练统计，得到样本数据的统计柱状图及散点图，并得到训练过程中每个神经元作为BMU的次数的统计图，进而得到训练后的样本数据的U矩阵灰度图及各个变量的灰度图，最终得到样本数据的自组织神经网络算法训练结果图和自组织神经网络算法训练结果表；

S32，分类过程：利用学习过程中的得到的自组织神经网络算法训练结果图和自组织神经网络算法训练结果表，对样本数据的故障类型进行识别分类。

4.根据权利要求3所述的一种基于CCA-SOM的断路器操作机构故障诊断方法，其特征在于，步骤S4具体包括以下步骤：

S41，用传感器获得能反映断路器操作机构工作状态的分合闸线圈电流信号并将其转化为电信号或其他物理信号，然后将这些信号输入信号处理系统，提取与断路器操作机构工作状态相关的特征量；

S42，将与断路器操作机构工作状态相关的特征量利用曲元分析算法映射到三维空间得到相应的CCA处理结果数据，然后将CCA处理结果数据在自组织神经网络算法训练结果图和自组织神经网络算法训练结果表中找出BMU并查出对应的故障类型。