[发明专利]一种低压直流断路器机械故障诊断方法

权利要求书

1.一种低压直流断路器机械故障诊断方法，包括以下步骤：

S100：模拟低压直流断路器多种常见的机械故障，采集低压直流断路器的分合闸线圈电流信号和机械振动信号，对采集到的信号进行预处理并提取特征参量；

S200：利用支持向量机算法，并根据所提取的特征参量建立多个低压直流断路器诊断模型，并利用K-Fold算法对诊断模型进行交叉验证得到各诊断模型的准确率；

S300：通过Relief-F算法和PCA主成分分析算法对提取的电流和振动信号的特征组合进行降维，并根据降维后的特征组合构建新的低压直流断路器诊断模型，并评估模型的准确率及稳定性，选取准确率最高的模型提供给机械故障诊断程序。

2.根据权利要求1所述的方法，其特征在于，优选的，模拟的机械故障类型包括：线圈电压控制异常、线圈老化、分闸电磁铁铁芯间隙异常、分闸电磁铁卡涩、弹簧异常、轴断裂、轴承磨损。

3.根据权利要求1所述的方法，其特征在于，优选的，所述分合闸线圈电流信号的特征参量集合为X＝[I_A、t_A、I_B、t_B、I_C、t_C、I_D]，I_A、I_B、I_C、I_D为分合闸操作过程中反应操动机构实际运动状态的A、B、C、D四点的电流值，t_A、t_B、t_C为A、B、C三点的时刻值。

4.根据权利要求1所述的方法，其特征在于，所述机械振动信号的特征参量由短时能量和小波包节点频带能量的特征参量组成，提取断路器动作过程中关键点的能量值与时刻，合闸过程短时能量特征为Y＝[E_F、t_F、E_G、t_G]，分闸过程短时能量特征Y＝[E_E、t_E]，小波包频带能量特征为Z＝[E₀、E₁、E₂、E₃、E₄、E₅、E₆、E₇]，分别表示小波包分解第6层前8节点的频带能量值。

5.根据权利要求1所述的方法，其特征在于，步骤S100中，所述预处理包括：

对电流信号进行平滑滤波使其尖峰毛刺被去除，对振动信号趋势项去除、小波去噪，使其低频分量和高频噪声干扰被去除，最后得到更利于特征提取的电流和振动信号。

6.根据权利要求1所述的方法，其特征在于，所述步骤S200包括如下步骤：

S201：利用支持向量机算法，将样本分为训练集和测试集，采用训练集的特征参数训练并生成诊断模型；

S202：采用交叉循环验证(K-Fold)算法来评估模型的性能；验证数据从训练数据划分，但不参与训练，可以相对客观的评估对训练集数据以外的样本分类效果。

7.根据权利要求5所述的方法，其特征在于，所述步骤S201包括如下步骤：

S2011：机械故障诊断训练集及测试集样本数量以7:3比例分割，提取各个样本的电流及振动信号特征，按照故障类型对各个样本提取的特征赋予标签；

S2012：选取C类支持向量机分类模型C－SVC，选择径向基核函数；对训练集样本进行测试，寻找惩罚因子C及核参数γ的最优参数，生成最优的诊断模型；

S2013：利用生成的SVC模型对测试集数据进行可靠性测试验证；

S2014：计算分类精度，若精度不足，则返回步骤S2011重新提取特征；否则输出诊断模型参数，用于后期故障诊断调用。