[发明专利]一种多特征优化融合的高压断路器故障诊断方法

权利要求书

1.一种多特征优化融合的高压断路器故障诊断方法，其特征在于，所述方法包括：

获取断路器分合闸过程中所发出的多组初始声音信号Y_S(t)和振动信号Y_Z(t)；

对每组初始声音信号Y_S(t)和振动信号Y_Z(t)做去噪加权融合处理得到一组声音信号Y_S”(t)和振动信号Y_Z”(t)；

采用K-S检验法提取声音信号Y_S”(t)的特征向量；

采用EMD经验模态分解法提取振动信号Y_Z”(t)的特征向量；

将声音信号Y_S”(t)的特征向量和振动信号Y_Z”(t)的特征向量融合为一个特征矩阵样本；

从特征矩阵样本中按比例选取正常及故障状态多种运行情况下的样本特征矩阵；

基于FWA优化的SVM故障诊断模型，输入选取的样本特征矩阵得到故障诊断结果。

2.根据权利要求1所述的多特征优化融合的高压断路器故障诊断方法，其特征在于，所述对每组初始声音信号Y_S(t)和振动信号Y_Z(t)做去噪加权融合处理得到一组声音信号Y_S”(t)和振动信号Y_Z”(t)，具体步骤如下：

I1、分别取N组初始声音信号Y_S(t)和振动信号Y_Z(t)的波形数据长度为n,则第i组声音信号Y_S(t)波形数据组成的列向量为：

Y_Si＝[Y_i1Y_i2...Y_in]^T(i＝1,2...n) (1)

I2、对声音信号Y_S(t)波形数据做零均值处理，对每个声音信号Y_S(t)波形数据减去该组数据平均值AV(Y_SN)：

Y_i1'＝Y_i1-AV(Y_SN) (2)

得到声音信号Y_S(t)预处理数据矩阵：

I3、对式(3)做单边jacobi奇异值分解，得到对应的N个奇异值δ_i(i＝1…N),反应了受噪音影响程度，由式(4)得到权重W_i，如下：

由式(5)计算得到数据权重估计值，如下：

I4、选取多个声音信号Y_S(t)波形数据平均值AV(Y_SN)取均值AV，按式(6)得到声音信号Y_S(t)最终融合数据Y_S”，如下：

I5、振动信号Y_Z(t)的融合处理与声音信号Y_S(t)一致，得到融合信号Y_Z”(t)。