基于CEEMDAN样本熵与FWA-SVM的高压断路器机械故障诊断

作     者：赵书涛 马莉 朱继鹏 李建鹏 赵慧 ZHAO Shutao;MA Li;ZHU Jipeng;LI Jianpeng;ZHAO Hui

作者机构：华北电力大学电气与电子工程学院河北保定071003 贵州省电网公司贵阳花溪供电局贵州贵阳550000 国网河北省电力有限公司检修分公司河北石家庄050000 

出 版 物：《电力自动化设备》 (Electric Power Automation Equipment)

年 卷 期：2020年第40卷第3期

页      面：181-186页

核心收录：

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0807[工学-动力工程及工程热物理] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

主　　题：高压断路器 振动信号 自适应白噪声完整集合经验模态分解 支持向量机 故障诊断 

摘      要：针对振动信号判别断路器机械故障过程受干扰影响的特征提取问题,提出一种自适应白噪声完整集合经验模态分解(CEEMDAN)与样本熵相结合的故障特征提取方法。通过CEEMDAN提取若干反映断路器操动过程机械状态信息的本征模态函数(IMF)分量,依据各IMF相关系数与能量分布,将前7阶IMF分量进行小波包软阈值去噪,计算其样本熵作为特征量,最后采用基于免疫浓度思想的烟花算法(FWA)优化支持向量机(SVM)分类器,对断路器不同运行状态进行分类识别。实验结果表明:基于CEEMDAN样本熵特征对于信号干扰不敏感,FWA-SVM诊断方法对于高压断路器分闸操动过程故障辨识效果良好。