[发明专利]一种断路器机械故障的智能诊断方法

权利要求书

1.一种断路器机械故障的智能诊断方法，其特征在于：包括如下步骤：

（1）建立样本断路器的振动数据库作为训练样本用于训练支持向量机，所述振动数据库包括无故障时的断路器振动数据和存在机械故障时的断路器振动数据；

（2）采集目标断路器的振动信号，并对其进行如下处理：首先提取振动信号的包络谱，然后利用小波变换对包络谱进行分解提取故障特征，最后对故障特征进行归一化处理来提取故障特征向量；

（3）将得到的故障特征向量输入到训练好的支持向量机进行故障识别，实现故障诊断。

2.根据权利要求1所述的断路器机械故障的智能诊断方法，其特征在于：所述步骤（1）中，通过下述方法建立样本断路器的振动数据库：调节样本断路器的不同部件，模拟断路器的各种状况，并采集各种状况下的振动信号，提取振动信号的包络谱，然后利用小波变换对包络谱进行分解提取各种状况的特征，最后对特征进行归一化处理来提取特征向量，并将提取的特征向量作为样本断路器相应状况的表征；所述各种状况包括样本断路器无故障时的状况和存在机械故障时的状况。

3.根据权利要求1或2所述的断路器机械故障的智能诊断方法，其特征在于：利用小波变换对包络谱进行分解提取故障特征，具体包括如下步骤：

a)计算振动信号的包络谱E(i)：

利用希尔伯特变换实现包络谱E(i)的计算：首先将原始的振动信号序列x(i)转换成希尔伯特形式x_h(i)，再计算包络谱E(i)为：

E(i)=x(i)2+xh(i)2]]>

其中，i=1,2,…,N，N为振动信号序列的长度；

b)利用离散小波分解处理包络谱E(i)，提取故障特征：

对包络谱E(i)进行n层正交小波分解并进行单支重构，得到各频段的能量值组成，将各频段的能量值组成作为故障特征：

E*=(E0*,E1*,E2*,...,En*)]]>

其中，为第j层高频小波重构序列的能量，j=1,2,…n，为第n层低频小波重构序列的能量；

c)对故障特征进行归一化处理来提取故障特征向量：

E=(E0*/Σ,E1*/Σ,E2*/Σ,...,En*/Σ)]]>

其中，Σ=E0*+E1*+E2*+...En*.]]>

4.根据权利要求1或2所述的断路器机械故障的智能诊断方法，其特征在于：所述步骤（3）中，使用支持向量机进行故障识别，具体方法为：采用一对多的多类分类器实现多类分类，构造m-1个分类器实现m类分类，在构造m-1个分类器中的第l个分类器时，将属于第l类的故障训练样本作为一类，类别标号由原来的l改为1，将除去第l类的其余所有故障训练样本作为一类，类别标号为-1，决策函数为：

f_l(x)=sgn(ω_l·x+b_l)

其中，ω_l和b_l为第l个分类器的优化参数；其中x即为故障特征向量E；

若故障特征向量符合第l个分类器的特征，则确定样本断路器的故障为第l类故障，否则构造m-1个分类器中的第l+1个分类器对故障特征向量进行分类。