[发明专利]一种高压断路器机械故障诊断方法

摘要

本发明公开了一种高压断路器机械故障诊断方法，将高压断路器故障模拟实验所得的分合闸线圈电流作为故障诊断的目标数据样本，通过建立分合闸线圈数学模型仿真所得的数据作为辅助数据样本，利用深层信念网络(DBN)实现对样本数据特征的深层挖掘与自适应提取，并结合迁移学习方法实现辅助数据与目标数据的信息匹配。本发明方法将迁移学习与深层信念网络相结合，利用深层信念网络对断路器分合闸线圈电流时域信号进行数据特征的深层挖掘与自适应提取，并结合迁移学习方法解决实际故障训练样本数据量小的问题，提高了故障诊断模型的泛化能力。

主权项

1.一种高压断路器机械故障诊断方法，其特征在于，包括步骤：(1)采集高压断路器故障模拟实验的分合闸线圈电流时域波形数据作为故障诊断的目标样本数据，将分合闸线圈数学模型仿真所得的电流数据作为辅助样本数据；样本数据进行预处理，形成目标训练样本、辅助训练样本与测试样本；(2)对目标训练样本与辅助训练样本数据分别进行预训练，得到两个DBN特征提取模型，并提取目标训练样本与辅助训练样本对应的特征样本数据；(3)利用带标签的特征样本训练BPNN分类器，将提取的目标特征样本与辅助特征样本作为神经网络分类器的输入，利用迁移学习TrAdaboost算法更新样本权重并训练分类器模型参数；(4)利用预训练好的DBN特征提取网络参数以及故障分类器参数初始化深度神经网络，并利用初始训练数据对模型参数进行反向微调，形成高压断路器机械故障诊断模型；(5)输入测试样本数据验证模型的准确率。