[发明专利]一种基于变分模态分解的GIS振动信号特征量提取方法在审
申请号: | 201910350197.4 | 申请日: | 2019-04-28 |
公开(公告)号: | CN110059437A | 公开(公告)日: | 2019-07-26 |
发明(设计)人: | 赵延刚;苏旭辉;王泽龙;黄小龙;龙伟;王超;任成君;邓镓卓;刘佩;江浣 | 申请(专利权)人: | 国网四川省电力公司南充供电公司;四川大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06N3/00;G01H17/00 |
代理公司: | 成都行之专利代理事务所(普通合伙) 51220 | 代理人: | 李朝虎 |
地址: | 637000 *** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 分模 分解 振动信号特征 分解算法 特征信息 倍频 构造特征向量 机械振动信号 参数优化 故障状态 机械故障 特征向量 信息缺失 振动信号 均方根 特征量 捕食 峭度 算法 承载 诊断 优化 | ||
1.一种基于变分模态分解的GIS振动信号特征量提取方法,其特征在于:该方法包括如下步骤:
步骤1:采集GIS正常及故障状态下的振动信号,截取一段GIS振动信号,运用灰狼捕食算法对变分模态分解方法中的关键参数进行优化;根据优化结果设置变分模态分解参数,对GIS振动信号进行分解,得到K个模态分量IMF,选取幅值最大的分量作为最佳IMF特征分量;
步骤2:提取最佳IMF特征分量的最大幅值、均方根值、峭度、100Hz占比、100Hz的倍频占比之和、50Hz及其奇次倍频占比作为特征量,并构建GIS振动信号的特征向量;将同一台GIS故障状态振动信号的特征向量与正常振动信号的特征向量进行对比,得到故障特征量的变化趋势;对于未知运行状态的GIS,将未知运行状态GIS对应的振动信号特征向量与正常振动信号的特征向量进行对比,得到未知运行状态的GIS特征量的变化趋势,将未知运行状态的GIS特征量的变化趋势与故障特征量的变化趋势进行比较,判断未知运行状态的GIS是否出现异常。
2.根据权利要求1所述的一种基于变分模态分解的GIS振动信号特征量提取方法,其特征在于:针对步骤1中截取的GIS振动信号,运用灰狼捕食优化算法对变分模态分解方法中的关键参数进行优化,其中,关键参数包括惩罚因子α和模态分量IMF分量个数K。
3.根据权利要求2所述的一种基于变分模态分解的GIS振动信号特征量提取方法,其特征在于:通过灰狼捕食优化算法的变分模态分解(K,α)的优化流程包括如下步骤:
(1)、初始化灰狼种群,随机产生n个智能个体的位置,初始化灰狼捕食优化算法中各项参数,确定寻优过程中的适应度函数;
(2)、在不同种群位置处对信号进行变分模态分解计算,计算每个灰狼位置相对应的适应度值;
(3)、进行各个适应度值大小对比分析,更新最优灰狼智能个体位置;
(4)、循环迭代,回到步骤(2),直到迭代次数达到预设值后输出最佳适应度值对应灰狼位置(K,α)。
4.根据权利要求1所述的一种基于变分模态分解的GIS振动信号特征量提取方法,其特征在于:步骤1中根据优化结果设置变分模态分解参数,对GIS振动信号进行分解,得到相应个数的IMF分量;具体包括:
变分模态分解算法将GIS振动信号分解过程转移到变分框架内,通过搜寻约束变分模型最优解来实现GIS振动信号自适应分解进而获取IMF分量,每个IMF分量的频率中心及带宽在迭代求解变分模型的过程中不断更新,最终根据实际信号的频域特性完成信号频带的自适应剖分,得到多个窄带IMF分量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网四川省电力公司南充供电公司;四川大学,未经国网四川省电力公司南充供电公司;四川大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910350197.4/1.html,转载请声明来源钻瓜专利网。