[发明专利]S变换及优化随机森林诊断高压断路器机械故障的方法

权利要求书

1.S变换及优化随机森林诊断高压断路器机械故障的方法，其特征是：包括以下步骤，并且以下步骤顺次进行，

步骤一、对正常状态、铁芯卡涩状态、螺丝松动状态以及拐臂拐臂润滑不足状态四种机械状态下的高压断路器振动进行信号采集，采样信号的坐标零点为断路器动作初始时刻，信号采样率相同，振动信号记录起点与采集信号时间长度相同；

步骤二、将四种机械状态的振动信号分别进行S变换，获得信号的时-频特性矩阵；

步骤三、局部奇异值分解

在采样总时间的中段选取采样点，对采样起始点至选取采样点之间的时-频特性矩阵进行奇异值分解SVD处理，将时-频特性矩阵，沿时域和频域分别等距离划分为若干子矩阵，分别计算并获得各最大奇异值，并构建特征向量，除去特征向量中小于设定阈值的数值，获得不含噪声的高压断路器振动信号特征值；

步骤四、在Matlab中构建随机森林分类器模型，从步骤一中获得的四种机械状态振动信号中，各取20组振动信号作为分类器的训练样本，对训练样本进行S变换和局部奇异值分解，分别获得不含噪声的高压断路器振动信号特征值，将获得的不含噪声的高压断路器振动信号特征值向量输入随机森林分类器模型中进行训练优化分类器参数，获得训练完成的随机森林故障状态分类器；

步骤五、将采集到的高压断路器的振动信号通过S变换和局部奇异值分解，不含噪声的高压断路器振动信号特征值向量输入到步骤四中训练完成的随机森林故障状态分类器中，获得此信号所反映的高压断路器状态。

2.根据权利要求1所述的基于S变换的高压断路器机械故障优化随机森林诊断方法，其特征是：所述步骤一中采样信号的采样率均设置为25.6kS/s。

3.根据权利要求1所述的基于S变换的高压断路器机械故障优化随机森林诊断方法，其特征是：所述步骤四中随机森林分类器模型优化的参数包括树的棵数、树的最大深度和单个决策树的最大特征数。