[发明专利]基于EEMD的多尺度模糊熵的OLTC故障诊断方法

权利要求书

1.一种基于EEMD的多尺度模糊熵的OLTC故障诊断方法，其特征在于，包括下述步骤：

(1)将加速振动传感器置于有载分接开关的顶盖，分别采集有载分接开关正常状态、触头松动状态、触头磨损状态、触头烧毁状态下动作过程中产生的振动信号，且各个状态下的分别采集多组振动信号；

(2)将原始的振动信号进行EEMD分解，得到IMF分量；

(3)选取前面若干个IMF分量，并计算选取的IMF分量的模糊熵；

(4)用计算得到的模糊熵作为特征向量，输入SVM进行训练，得到SVM分类器，把测试样本的IMF分量的SEn值输入SVM分类器，进行工作状态识别。

2.根据权利要求1所述的基于EEMD的多尺度模糊熵的OLTC故障诊断方法，其特征在于，所述步骤(2)中，将采集的到振动信号x(t)进行EEMD分解的具体步骤如下：

(2.1)先在原始信号中加入高斯白噪声，然后根据信号的波形，取波形的上、下极值点，分别得到局部最大值包络线和局部最小值包络线；再将这两条包络线相对应各点的值取平均，得到曲线m₁；然后求原信号x(t)和该曲线m₁的差h₁：

h₁＝x(t)-m₁ (1)

(2.2)将h₁作为原始信号，重复步骤(2.1)得到：

h₁₁＝h₁-m₁₁ (2)

式中：m₁₁为重复步骤中得到的上、下包络线平均值；

继续重复此过程，直到判据S_i＜0.1，其中：

此时h_1k＝h_1(k-1)-m_1k，为第1个IMF分量，记为c₁；

(2.3)将c₁从原始信号中减去：

r₁＝x(t)-c₁ (4)

将r₁作为新的信号数据，重复步骤(2.1)和步骤(2.2)，得到第二个IMF分量，记为c₂；

对得到的IMF分量重复上述操作可得c_i和残余分量r_n，如果所得到的c_i或r_n小于预先设定的值，或者已经变成了一条单调曲线，则分解结束；否则继续对得到的IMF分量进行以上操作，得到一系列IMF分量，最终原始信号分解为：

即原信号被分解为n个IMF和1个剩余分量。

3.根据权利要求2所述的基于EEMD的多尺度模糊熵的OLTC故障诊断方法，其特征在于，所述步骤(3)中，选取前4个IMF分量计算模糊熵。