[发明专利]一种基于聚合经验模态分解算法的断路器故障分析方法

权利要求书

1.一种基于聚合经验模态分解算法的断路器故障分析方法，其特征在于，所述方法包括：

基于聚合经验模态分解算法，将采集到的断路器振动信号进行自适应白噪声的完整聚合经验模态分解，得到若干本征模态函数分量；

基于熵权算法，通过对所述若干本征模态函数分量中的高频分量进行重构，得到去噪后的振动信号；

基于局部均值分解算法，将所述去噪后的振动信号进行局部均值分解，得到k阶乘积信号函数与单调函数之和；

基于所述k阶乘积信号函数中的前三阶乘积信号函数分量，通过计算得到多尺度排列熵；

基于模糊核C-均值聚类算法，对所述多尺度排列熵进行故障诊断，得到断路器的故障结果。

2.根据权利要求1所述的一种基于聚合经验模态分解算法的断路器故障分析方法，其特征在于，所述采集到的断路器振动信号包括断路器正常分闸、卡涩故障、拒动状态和底座松动的状态下的振动信号。

3.根据权利要求1所述的一种基于聚合经验模态分解算法的断路器故障分析方法，其特征在于，所述基于聚合经验模态分解算法，将采集到的断路器振动信号进行自适应白噪声的完整聚合经验模态分解，得到若干本征模态函数分量包括：

将标准正态分布的白噪声添加至采集到的断路器振动信号中，得到需要分解的振动信号；

基于EMD算法，对所述需要分解的振动信号进行EMD分解，得到模态分量均值和余量信号；

重复所述EMD分解直到迭代条件不满足约束为止，得到若干本征模态函数分量和剩余分量。

4.根据权利要求3所述的一种基于聚合经验模态分解算法的断路器故障分析方法，其特征在于，所述若干本征模态函数分量和剩余分量的具体公式如下：

其中，x(n)表示若干本征模态函数分量和剩余分量，k表示第k个本征模态函数分量，n表示第n个采集到的断路器振动信号，IMF_k(n)表示本征模态函数分量，R(n)表示剩余分量。

5.根据权利要求1所述的一种基于聚合经验模态分解算法的断路器故障分析方法，其特征在于，所述基于熵权算法，通过对所述若干本征模态函数分量中的高频分量进行重构，得到去噪后的振动信号包括：

基于熵权算法，判断所述若干本征模态函数分量，得到所述若干本征模态函数分量中的高频分量；

对所述高频分量进行重构，得到去噪后的振动信号。

6.根据权利要求1所述的一种基于聚合经验模态分解算法的断路器故障分析方法，其特征在于，所述基于局部均值分解算法，将所述去噪后的振动信号进行局部均值分解，得到k阶乘积信号函数与单调函数之和包括：

通过计算得到所述去噪后的振动信号的所有局部极值点，并表示所述去噪后的振动信号的所有平均值和包络估计值；

基于滑动平滑法，将所述去噪后的振动信号的所有平均值和包络估计值中相邻的进行平滑处理，得到所述去噪后的振动信号的局部均值函数和包络估计函数；

将所述去噪后的振动信号的局部均值函数从原振动信号中分离，并除以所述去噪后的振动信号的包络估计函数，得到调频信号；

通过计算所述去噪后的振动信号的包络估计函数，判断所述调频信号是否为纯调频信号；

若是，则得到乘积信号函数；若否，则设置迭代终止条件并进行迭代，直到得到纯调频信号；

将所述乘积信号函数从原振动信号中分离得到新的信号，并重复k次得到k阶乘积信号函数和单调函数；

将所述k阶乘积信号函数与所述单调函数相加，得到k阶乘积信号函数与单调函数之和。

7.根据权利要求6所述的一种基于聚合经验模态分解算法的断路器故障分析方法，其特征在于，所述k阶乘积信号函数与单调函数之和的具体公式如下：

其中，x(t)表示原振动信号，i表示第i个值，PF_i(t)表示乘积信号函数，y_k(t)表示单调函数。