[发明专利]一种基于变分模态分解的GIS振动信号特征量提取方法在审
| 申请号： | 201910350197.4 | 申请日： | 2019-04-28 |
| 公开（公告）号： | CN110059437A | 公开（公告）日： | 2019-07-26 |
| 发明（设计）人： | 赵延刚;苏旭辉;王泽龙;黄小龙;龙伟;王超;任成君;邓镓卓;刘佩;江浣 | 申请（专利权）人： | 国网四川省电力公司南充供电公司;四川大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/00;G01H17/00 |
| 代理公司： | 成都行之专利代理事务所(普通合伙) 51220 | 代理人： | 李朝虎 |
| 地址： | 637000 *** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于变分模态分解的GIS振动信号特征量提取方法，解决了GIS振动信号产生的来源不同，其特征也会有所差异的情况下不能精准地获取的有用特征信息，存在过度分解导致的信息缺失的问题。本发明运用灰狼捕食算法对变分模态分解算法进行参数优化；运用经优化后的变分模态分解算法对GIS机械振动信号进行分解，有效提取出承载丰富特征信息的最佳IMF分量；提取最佳IMF分量的最大幅值、均方根值、峭度、100Hz占比、50Hz及其奇次倍频占比、100Hz的倍频占比之和作为特征量，构造特征向量；通过正常与故障状态下特征向量的对比，实现GIS机械故障的诊断。 | ||
| 搜索关键词： | 分模 分解 振动信号特征 分解算法 特征信息 倍频 构造特征向量 机械振动信号 参数优化 故障状态 机械故障 特征向量 信息缺失 振动信号 均方根 特征量 捕食 峭度 算法 承载 诊断 优化 | ||
【主权项】：
1.一种基于变分模态分解的GIS振动信号特征量提取方法，其特征在于：该方法包括如下步骤：步骤1：采集GIS正常及故障状态下的振动信号，截取一段GIS振动信号，运用灰狼捕食算法对变分模态分解方法中的关键参数进行优化；根据优化结果设置变分模态分解参数，对GIS振动信号进行分解，得到K个模态分量IMF，选取幅值最大的分量作为最佳IMF特征分量；步骤2：提取最佳IMF特征分量的最大幅值、均方根值、峭度、100Hz占比、100Hz的倍频占比之和、50Hz及其奇次倍频占比作为特征量，并构建GIS振动信号的特征向量；将同一台GIS故障状态振动信号的特征向量与正常振动信号的特征向量进行对比，得到故障特征量的变化趋势；对于未知运行状态的GIS，将未知运行状态GIS对应的振动信号特征向量与正常振动信号的特征向量进行对比，得到未知运行状态的GIS特征量的变化趋势，将未知运行状态的GIS特征量的变化趋势与故障特征量的变化趋势进行比较，判断未知运行状态的GIS是否出现异常。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网四川省电力公司南充供电公司;四川大学，未经国网四川省电力公司南充供电公司;四川大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910350197.4/，转载请声明来源钻瓜专利网。
