[发明专利]一种含噪背景下的断路器机械故障诊断方法及装置

权利要求书

1.一种含噪背景下的断路器机械故障诊断方法，其特征在于，所述方法包括以下步骤：

S1、选用M个声音传感器采集具有N个声源的声音信号的混合声音信号；

S2、对上述混合声音信号进行处理，以分离得到各声源的声音信号；

S3、对各声源的声音信号进行信号分解，然后分别提取经过分解的各声音信号的能量熵、奇异谱熵以及峭度熵，以组成各声音信号的特征向量T；

S4、采用含负样本支持向量描述方法对作为训练样本的断路器各种机械故障合闸时的声音信号的特征向量进行训练以得到含负样本支持向量描述方法的超球体；所述步骤S4中采用SVDD的改进算法含负样本支持向量描述方法对断路器各种机械状态合闸时的声音信号特征向量进行训练，其将非目标类别的声音特征向量考虑到超球体的形成过程中，以正常状态下断路器合闸声音信号对应超球体的形成为参考，其目标函数可以如下述公式所示：

在上述公式(13)中，a表示为超球体中心；R表示为其半径；F(R，a，ξ_i，ξ_l)为目标函数；C1、C2表示为正负样本惩罚因子；ξ_i、ξ_l为正负样本松弛系数，T_i为正样本特征向量；T_l为负样本特征向量；s.t为数学用语，其表示后续是限制条件；

通过利用拉格朗日乘子散发消除约束，引入拉格朗日乘子α_i≥0，α_l≥0，γ_i≥0，γ_l≥0，则上述公式(13)可以等效为：

对于R，a，ξ_i，ξ_l求偏微分并另偏微分函数等于0，则可得公式(15)：

将上述公式(15)代入至公式(14)中，同时为了应对特征向量的非线性问题，引入高斯核函数取代特征向量的内积运算，改进后的目标函数如下述公式所示：

在上述公式(16)中，式中i、j对应正样本下标，l、m对应负样本下标，α_i、α_j对应正样本拉格朗日乘子，α_l、α_m对应负样本拉格朗日乘子，T_i、T_j为正样本特征向量，T_l、T_m为负样本特征向量；K(T_i，T_j)为特征向量T_i、T_j对应的高斯核函数值；对该式进行优化可得α_i、α_l，由可得圆心a，结合F(R，a，ξ_i，ξ_l)求解出超球体半径R，当获得超球体的半径R和中心a后，求取作为待识别样本的声音信号的特征向量T_p与中心a的欧式距离D(T_p)：

通过上述公式(17)可以求得D(T_p)，若该欧式距离D(T_p)≤半径R，则可以判断其属于目标声音类别所表征的断路器机械故障类型。

2.根据权利要求1所述的含噪背景下的断路器机械故障诊断方法，其特征在于，所述步骤S2包括根据盲源分离算法完成对各声源的声音信号的估计：

上述公式(1)中，W表示解混矩阵，s(t)＝[s₁(t)，s₂(t)，...，s_N(t)]，其表示N个声源的声音信号；表示s(t)的估计；x(t)＝[x₁(t)，x₂(t)，...，x_M(t)]，其表示M个声音传感器采集到的混合声音信号；N表示声源的数量，M表示声音传感器的数量，M≥N。