[发明专利]一种基于DS证据融合的断路器机械故障识别方法及装置

权利要求书

1.一种基于DS证据融合的断路器机械故障识别方法，其特征是，包括：

获取待诊断的断路器机械故障特征数据；

将故障特征数据同时输入到多个预先训练的LSTM子故障诊断器，得到每个子故障诊断器的诊断结果；其中所述多个LSTM子故障诊断器的训练过程为：

对每一类别故障抽取等量个数的样本作为一组训练样本数据集，共抽取多组训练样本数据集；

构建多个同质网络结构的LSTM子故障诊断器；

每一组训练样本集训练一个LSTM子故障诊断器，获得具有差异化分类性能的多个LSTM子故障诊断器；

基于各个子故障诊断器的诊断结果，结合DS证据融合策略，计算出各故障类别在DS证据融合策略下的概率值；

选取概率最大值对应的故障类别作为最终输出的故障诊断类别。

2.根据权利要求1所述的一种基于DS证据融合的断路器机械故障识别方法，其特征是，所述断路器机械故障特征数据为分闸线圈电流曲线上提取的拐点发生时刻和电流值。

3.根据权利要求1所述的一种基于DS证据融合的断路器机械故障识别方法，其特征是，所述LSTM子故障诊断器的个数为3。

4.根据权利要求1所述的一种基于DS证据融合的断路器机械故障识别方法，其特征是，所述LSTM子故障诊断器为双向LSTM结构。

5.根据权利要求1所述的一种基于DS证据融合策略的集成LSTM断路器机械故障识别方法，其特征是，所述故障类别包括正常状态、驱动电压减少、线圈阻抗增大、铁芯间隙增大、驱动电压增大的五个故障类别。

6.根据权利要求1所述的一种基于DS证据融合的断路器机械故障识别方法，其特征是，所述一组训练样本数据集的样本数量为某一类具有最少样本数的样本量的80％。

7.根据权利要求1所述的一种基于DS证据融合的断路器机械故障识别方法，其特征是，所述基于各个子故障诊断器的诊断结果，结合DS证据融合策略，计算出各故障类别在DS证据融合策略下的概率值，包括：

对各个子故障诊断器的诊断结果进行归一化处理；

将归一化后各个子故障诊断器的诊断结果指定为DS证据算法的基本概率函数，计算得到各个子故障诊断器在各种故障类别下的概率分配值；

采用两两结合的方式计算DS证据融合结果，得到各故障类别在DS证据融合策略下的概率值。

8.根据权利要求7所述的一种基于DS证据融合的断路器机械故障识别方法，其特征是，所述对各个子故障诊断器的诊断结果进行归一化处理，包括：

计算各子故障诊断器C_k的置信度θ_k；

根据各个子故障诊断器的诊断结果P_ki，按以下公式计算得到归一化值R_ki：

其中，p′_ki为中间变量，无意义，n为故障类别数，k为第k个子故障诊断器。

9.根据权利要求8所述的一种基于DS证据融合的断路器机械故障识别方法，其特征是，所述采用两两结合的方式计算DS证据融合结果，包括：

DS证据融合结果计算公式如下：

其中，Y表示任意两个子故障诊断器在不同命题下的冲突因子；A_i，B_j表示任意两个故障类别，即第i,j类故障；k，r表示任意一个子故障诊断器，H表示任意两个诊断器指向同一类故障的命题；φ表示空。

10.一种基于DS证据融合的断路器机械故障识别装置，其特征是，包括：

数据获取模块，用于获取待诊断的断路器机械故障特征数据；

故障诊断模块，用于将故障特征数据同时输入到多个预先训练的LSTM子故障诊断器，得到每个子故障诊断器的诊断结果；其中所述多个LSTM子故障诊断器的训练过程为：

对每一类别故障抽取等量个数的样本作为一组训练样本数据集，共抽取多组训练样本数据集；

构建多个同质网络结构的LSTM子故障诊断器；

每一组训练样本集训练一个LSTM子故障诊断器，获得具有差异化分类性能的多个LSTM子故障诊断器；

诊断结果融合模块，用于基于各个子故障诊断器的诊断结果，结合DS证据融合策略，计算出各故障类别在DS证据融合策略下的概率值；

诊断故障模块，用于选取概率最大值对应的故障类别作为最终输出的故障诊断类别。