[发明专利]一种基于粒子群算法改进的GIS设备异响振动识别方法

权利要求书

1.一种基于粒子群算法改进的GIS设备异响振动识别方法，其特征是，包括以下步骤：

S1、构建GIS设备隔离开关不同接触状态的振动训练样本集和振动测试样本集；

S2、采用EEMD算法获取缺陷振动信号的IMF模态分量，所述缺陷振动信号来自GIS设备隔离开关不同接触状态的振动训练样本集和振动测试样本集；

S3、根据缺陷振动信号在IMF之间的相对大小和SVD衰减特性差异，提取能量比K1、K2、能量和S1以及奇异值σ20、σ100构成反映机械振动状态的组合特征量，多个所述组合特征量构成训练样本集组合特征矩阵和测试样本集组合特征矩阵；

正常状态的各个IMF能量比值均较小，且IMF能量比值的大小与接触电阻总体均呈正比关系，接触电阻越大，IMF能量的比值越大；

与此同时，总的IMF能量值也与接触电阻大小呈正相关；为方便表述，令K_i＝E_(IMFi+1)/E_(IMF6)，采用比值差异显著的K₁＝E_(IMF2)/E_(IMF6)和K₂＝E_(IMF3)/E_(IMF6)以及总的IMF能量值S₁作为振动缺陷的特征参量；

在信号分析中将SVD用于数据降维和特征提取；针对缺陷振动信号在时频域上的衰减特性差异，采用Hankel矩阵转换将振动信号转化为二维矩阵，然后利用矩阵的奇异值分解对振动信号进行处理；对于一个时频矩阵A，若A∈R^m×n或C^m×n，则存在正交矩阵U∈R^m×n或C^m×n和V∈R^m×n或C^m×n使得

A＝U∑₁V^T (4)

其中∑₁＝diag(σ₁,σ₂,σ₃,......,σ_r)其元素按如下顺序排列：

σ₁≥σ₂≥σ₃……≥σ_r0，r＝rank(A) (14)

式中，每个数值σ₁,σ₂,σ₃,……,σ_r连同σ_r+1＝σ_r+2＝σ_r+3＝……＝0构成了矩阵A的奇异值；U和V分别称为矩阵A的左奇异向量矩阵(Left Singular Vector Matix)和右奇异向量矩阵(Right Singular Vector Matix)；U的列向量u_i称为矩阵A的左奇异向量，V的列向量v_i称为矩阵A的右奇异向量；左右奇异向量u_i和v_i对应阶数的乘积为维度与原始矩阵相同的矩阵A_i，即SVD也可表示为如下的矩阵叠加形式：

在SVD中，奇异值按指数规律迅速下降，前10％的奇异值之和占据了全部奇异值之和的90％以上，基于该性质，有效去除噪声和冗余数据；将SVD分解得到的多个同维度的矩阵理解为振动信号的不同振动模式，此时奇异值理解为对应振动模式在加权求和时的权重；

S4、采用ILPSO算法对LSSVM的参数优化获得ILPSO-LSSVM算法，结合ILPSO-LSSVM算法与所述训练样本集组合特征矩阵构建GIS设备隔离开关接触状态识别模型；

S5、采用所述测试样本集组合特征矩阵对所述GIS设备隔离开关接触状态识别模型进行有效性验证。