[发明专利]GIS振动缺陷辨识的细节特征量提取及智能分析方法

权利要求书

1.GIS振动缺陷辨识的细节特征量提取及智能分析方法，其特征在于：该方法包括以下步骤：

S1：构建数据采集和显示控制单元；

S2：构建组合细节特征提取单元；

S3：构建GIS设备机械状态辨识单元；

S4：构建辨识结果输出单元；

S5：构建无线通信和云服务单元；

S6：构建GIS设备异响振动机械缺陷智能辨识系统数据库标准样本。

2.根据权利要求1所述的GIS振动缺陷辨识的细节特征量提取及智能分析方法，其特征在于：所述S1具体为：

对现场采集的振动信号、采集的历史数据进行时域和频域显示；

记录采集信号的GIS设备运行负载信息、包括电压和电流信息；

对采集信号进行指令输入和控制，包括采样数据是否存储指令、是否连续采集指令、采集过程的启动与停止指令以及采样时间和采样率的设置。

3.根据权利要求1所述的GIS振动缺陷辨识的细节特征量提取及智能分析方法，其特征在于：所述S2具体为：

在模型训练过程中，对系统内置的GIS设备机械状态数据库进行特征提取，建立指纹特征数据库；对待评估的GIS设备振动样本提取组合细节特征矩阵；

组合细节特征提取单元对采集的振动信号样本利用再生相移辅助经验模态分解算法RPSEMD获取其获取其固有模态函数IMFs，进而采用频域加窗的独立模态组合特征构造方法获取训练样本集源域特征矩阵，具体如下：

(1)再生相移正弦波辅助经验模态分解

首先，采用自动生成的正弦波作为解析信号，如公式(1)所示；其中k对应分解提取的第k个IMF模态分量c_k(t)；而c_k，f_k和θ_k分别是幅值，频率和相位；

s_k(t|a_k,f_k,θ_k)＝a_kcos(2πf_kt+θ_k) (1)

然后，基于IM聚类分析和模态混叠判据设计了s_k(t)；

最后，通过θ_k移动s_k(t)来改变极值点的位置，不仅有助于保留独立IMs的更多细节，而且保证辅助信号s_k(t)在最终结果中被完全抵消；

(2)基于频域加窗的独立模态组合特征提取

频域加窗的的独立模态组合特征提取方法首先采用RPSEMD分解将振动信号x(t)进行模态分解生成模态分量IMFs，利用快速傅里叶变换将IMFs转化到频域，根据各模态的频率响应特性设置k个频域加窗区间；

然后对每个频率加窗区间的模态分量依次执行峭度和幅值判据，对不满足峭度判据和幅值判据的模态分量进行剔除，同时比选出每个频域加窗区间的主模态分量；

最后，组合特征矩阵分别从信号的幅值、衰减特性、脉冲特性以及边际谱分布特性进行度量，对获取的k个独立模态分量进行边际谱转化和奇异值、变异系数、幅值、峭度和频谱重心特征的求取，进而构造组合特征矩阵，各特征量的求解方法如下：

奇异值

变异系数

峭度

频谱重心

幅值A_m＝max(x_i),i＝1...n。