[发明专利]一种基于多数据融合技术的高压断路器机械故障诊断方法

摘要

本发明公开了一种基于多数据融合技术的高压断路器机械故障诊断方法，在高压断路器上安装多个传感器，利用数据处理算法获得故障信息，结合故障数据库中储存的典型故障信号特征向量，确定断路器状态属于各不同典型故障的隶属度；通过引入广义信息熵概念获得各传感器的证据可信度，以此得到加权证据，最后采用D‑S证据理论组合规则完成故障融合，得到决策诊断结果。本发明采用加权证据理论及多数据融合技术，不仅考虑了获得各个故障隶属度的结果，还考虑了各个证据的可信度，有效提高了系统诊断的准确性。

主权项

1.一种基于多数据融合技术的高压断路器机械故障诊断方法，其特征在于：包括以下步骤，步骤1，在断路器上安装多个传感器；每个传感器采集一类信号；步骤2，利用小波包分解理论分别对各个采集信号进行小波包分解；步骤3，计算各个采集信号在小波包分解后的重构序列的能量值；步骤4，对各个重构序列的能量值进行归一化处理，得到故障特征向量；每个采集信号对应一个故障特征向量；步骤5，计算各个故障特征向量与故障数据库中存储的典型故障信号特征向量的欧氏距离；步骤6，求取故障特征向量各个欧氏距离的倒数的归一化结果，即得到各个传感器对应的故障隶属度；步骤7，定义广义信息熵来衡量各个传感器对应的故障隶属度的信息价值高低，得到证据可信度；步骤8，将证据可信度作为权值，将各个故障隶属度作为原始证据，加权求和获得加权证据；步骤9，利用D‑S证据理论对原始证据和加权证据进行数据融合，获得故障诊断结果；故障特征向量的具体计算公式为，定义对采集信号进行n层小波包分解；故障特征向量E为，其中，d_j为第j个小波包分解后的重构序列，为第j个小波包分解后的重构序列的第k个分量，N为d_j中分量的个数。