[发明专利]一种基于动态加权混合聚类算法的断路器故障诊断方法

摘要

本发明公开了一种基于动态加权混合聚类算法的断路器故障诊断方法，包括以下步骤：（1）利用三轴振动和两路声音信号捕捉断路器操动过程中机械传动的能量变化，通过局部均值对信号进行分解，提取各PF分量的近似熵作为断路器振动信号的特征量；（2）利用密度峰值聚类算法的最大密度峰值决策优化模糊核聚类初始化聚类中心，并考虑到不同特征和不同样本对聚类结果的不同影响；（3）通过聚类有效性指标MIA对聚类数K进行校核；（4）将分类正确的特征输入支持向量机多级分类器进行训练；（5）通过网格划分寻找支持向量机的最优参数后，输入测试数据样本进行最终故障分类预测，得到分类准确率；本发明具有一种故障诊断速度快、准确率高的优点。

主权项

1.一种基于动态加权混合聚类算法的断路器故障诊断方法，其特征在于：所述方法包括以下步骤：步骤1：将三轴振动传感器由螺栓固定在断路器支架上，模拟四类断路器故障，利用三轴振动传感器进行信号采集；步骤2：采用LMD对去噪处理后的信号进行分解，选取前3个PF分量求取其近似熵作为特征向量；步骤3：通过密度峰值聚类算法对每一个特征向量求取局部密度函数与距离函数，利用DPCA的最大密度峰值决策优化KFCM初始化聚类中心，并对样本以及特征量进行加权，根据隶属度矩阵判断样本隶属故障类别，对训练数据进行预分类，获得风险最小的最优超平面；步骤4：利用聚类有效性指标MIA对聚类数K进行校核，聚类有效性指标其中各类中包含的所有元素为C_k，其聚类中心曲线为x_c，每个类中包含的序列单位数目为n_k，MIA越小聚类效果越好；步骤5：将分类正确的特征量输入支持向量机SVM多级分类器进行训练，并将采集到的测试样本输入SVM中进行分类预测；步骤6：通过网格划分来寻找支持向量机的最优参数；步骤7：获得分类准确率。