低压断路器振动特性分析及其故障诊断研究

被引:25
作者
张丽萍 [1 ]
石敦义 [2 ]
缪希仁 [1 ]
机构
[1] 福州大学电气工程与自动化学院
[2] 华能罗源发电有限责任公司
关键词
低压断路器; 振动信号; 经验模态分解; 分形理论; 极端学习机; 故障诊断;
D O I
10.15938/j.emc.2016.10.011
中图分类号
TM561 [断路器];
学科分类号
080508 [光电信息材料与器件];
摘要
以低压断路器三相不同期故障为对象,首先,利用经验模态分解(EMD)方法,将振动信号分解为若干本征模态函数(IMF),经频谱分析确定前四阶IMF分量作为振动信号特性,并起到振动信号消噪作用;其次,利用分形理论对前四阶IMF分量求取关联维数,以表征低压断路器三相合闸不同期的故障特征;最后,引入极端学习机(ELM)建立三相合闸不同期故障识别模型。试验与仿真结果表明,基于EMD及分形理论的ELM模型可有效区分三相不同期故障。根据上述故障诊断原理,该方法对低压断路器其他故障类型的诊断具有适用性。
引用
收藏
页码:82 / 87
页数:6
相关论文
共 12 条
[1]
The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis [J].
Huang, NE ;
Shen, Z ;
Long, SR ;
Wu, MLC ;
Shih, HH ;
Zheng, QN ;
Yen, NC ;
Tung, CC ;
Liu, HH .
PROCEEDINGS OF THE ROYAL SOCIETY A-MATHEMATICAL PHYSICAL AND ENGINEERING SCIENCES, 1998, 454 (1971) :903-995
[2]
基于双谱和希尔伯特-黄变换的断路器故障诊断方法 [J].
李建鹏 ;
赵书涛 ;
夏燕青 .
电力自动化设备, 2013, 33 (02) :115-119+125
[3]
基于ELM和近似熵的脑电信号检测方法 [J].
袁琦 ;
周卫东 ;
李淑芳 ;
蔡冬梅 .
仪器仪表学报, 2012, 33 (03) :514-519
[4]
高压断路器机械故障振动诊断综述 [J].
常广 ;
张振乾 ;
王毅 .
高压电器, 2011, 47 (08) :85-90
[5]
基于经验模态分解的高压断路器机械故障诊断方法 [J].
黄建 ;
胡晓光 ;
巩玉楠 .
中国电机工程学报, 2011, 31 (12) :108-113
[6]
小波包能谱熵与神经网络在断路器故障诊断中的应用 [J].
陈伟根 ;
邓帮飞 .
重庆大学学报, 2008, (07) :744-748+765
[7]
一种基于分形理论的多尺度多方向纹理特征提取方法 [J].
赵莹 ;
高隽 ;
陈果 ;
冯文刚 .
仪器仪表学报, 2008, (04) :787-791
[8]
基于小波能量与神经网络的断路器振动信号识别方法 [J].
陈伟根 ;
范海炉 ;
王有元 ;
孙才新 .
电力自动化设备, 2008, (02) :29-32
[9]
小波包-特征熵在高压断路器故障诊断中的应用 [J].
孙来军 ;
胡晓光 ;
纪延超 ;
吕超 .
电力系统自动化, 2006, (14) :62-65
[10]
真空断路器机械特性的在线监测方法 [J].
孟永鹏 ;
贾申利 ;
荣命哲 .
高压电器, 2006, (01) :31-34