[发明专利]基于振声信号特征融合的万能式断路器机械故障诊断方法

摘要

基于振声信号特征融合的万能式断路器机械故障诊断方法，包括以下步骤，第一步，采集万能式断路器分合闸动作过程中的机身振动信号和机身声音信号，第二步，采用改进的小波包阈值去噪算法进行去噪；第三步，采用互补总体平均经验模态分解算法分别对降噪信号提取若干个反映断路器分合闸动作状态信息的固有模态函数分量；第四步，分别确定振固有模态函数分量的数量Z，第五步，计算其能量比、样本熵和功率谱熵并作为三类特征；第六步，并采用组合核核主元分析方法对振声信号三类特征统一后的特征样本降维处理，得到M个主元，第七步，建立基于相关向量机的次序二叉树多分类器模型。

主权项

1.基于振声信号特征融合的万能式断路器机械故障诊断方法，所述振声信号为万能式断路器分合闸过程中通过加速度传感器采集到的的机身振动信号和通过拾音器采集到机身声音信号，其特征是包括以下步骤：第一步，采集万能式断路器分合闸动作过程中的机身振动信号和机身声音信号，并将采集到的模拟信号分别转化为数字信号，得到初始的振动信号sv'(t)与声音信号sa'(t)，t为分合闸动作时间；第二步，采用改进的小波包阈值去噪算法分别将采集到的振动信号sv'(t)与声音信号sa'(t)作为含噪信号进行去噪，得到降噪振动信号sv(t)和降噪声音信号sa(t)；第三步，将降噪振动信号sv(t)与降噪声音信号sa(t)分别作为待分解信号s(t)，依次采用互补总体平均经验模态分解算法分别提取若干个反映断路器分合闸动作状态信息的固有模态函数分量；第四步，分别确定降噪振动信号sv(t)与降噪声音信号sa(t)分别作为待分解信号s(t)时，所需提取特征量的固有模态函数分量的数量Z，依据各固有模态函数分量的能量分布，确定归一化能量值累计大于90％时的Z值；当s(t)分别为sv(t)、sa(t)时，Z值分别记做Z1和Z2，第五步，选择待分解信号s(t)的前Z阶固有模态函数分量进行处理，分别计算其能量比、样本熵和功率谱熵并作为三类特征；第六步，依照第一步到第五步，分别求出不同分合闸动作状态下，振动信号的前Z1阶固有模态函数分量的能量比、样本熵与功率谱熵与声音信号的前Z2阶固有模态函数分量的能量比、样本熵与功率谱熵，并统一将振动与声音信号的三类特征组成一个特征样本，并采用组合核核主元分析方法对振声信号三类特征统一后的特征样本降维处理，得到M个主元，所述组合核核主元分析方法为采用组合核函数的核主元分析方法，所述组合核函数由局部核函数和全局核函数组合得到，所述局部核函数为多项式核函数，所述全局核函数为RBF核函数；第七步，通过计算不同分合闸动作状态的所选取的主元间的欧氏距离来定量评价类间样本主元平均距离，建立基于相关向量机的次序二叉树多分类器模型，将相关向量机的核函数参数υ记作待优化的粒子，采用收缩‑扩张系数自适应调节的量子粒子群算法对相关向量机的分类模型中的核函数参数υ进行优化。