声振信号构造CNN特征矩阵的断路器储能机构故障诊断方法OACSTPCD
Fault Diagnosis Method for the Charging Operating Mechanism of Circuit Breaker Based on CNN Characteristic Matrix Constructed by Sound-vibration Signal
针对传统的高压断路器储能机构故障诊断方法过于依赖主观经验,准确率不高、泛化能力差,提出一种声音振动信号联合构造卷积神经网络(CNN)特征矩阵的高压断路器储能机构故障诊断方法.首先将采集到的声信号通过形态学去除背景噪声,提出基于峭度和包络相似性的时标对位方法保证声振信号的同步性,然后对数据扩容后的声振信号利用皮尔逊相关系数构造二维图像特征矩阵,最后利用CNN对特征矩阵进行训练.实验证明:文中所提出的故障诊断方法与传统方法对比总体诊断准确率高,泛化性能好.
尹子会;孟延辉;赵智龙;赵书涛;牛为华;徐晓会
国网河北省电力有限公司检修分公司,石家庄 050071国网河北省电力有限公司检修分公司,石家庄 050071国网河北省电力有限公司检修分公司,石家庄 050071华北电力大学电气与电子工程学院,河北保定 071003华北电力大学电气与电子工程学院,河北保定 071003华北电力大学电气与电子工程学院,河北保定 071003
断路器声振信号卷积神经网络时标对位特征矩阵数据扩容
circuit breakeracoustic-vibration signalCNNtime scale alignmentcharacteristic matrixdata expansion
《高压电器》 2023 (9)
242-249,8
国网河北省电力有限公司科技项目资助(kj2020-024). Project Supported by State Grid Hebei Electric Power Co.,Ltd.Science and Technology Project(kj2020-024).
评论