【精彩论文】基于相空间重构与改进GSA-SVM的高压断路器机械故障诊断

观点凝练

摘要：断路器机械部件传动、撞击产生的振动信号具有混沌特性，运用常规的信号处理方法很难分析其特性。首先采用互信息法和Cao算法将振动信号重构至高维空间后，计算其排列熵作为特征向量，输入支持向量机对断路器机械故障类型进行诊断，最后用粒子群算法（PSO）改进的万有引力搜索算法（GSA）混合算法优化支持向量机参数，利用断路器实测振动信号进行验证。结果表明：相空间重构与排列熵结合能够准确提取断路器振动信号的特征，采用PSO-GSA改进的支持向量机能快速有效分辨断路器故障类型，解决了现有诊断方法的路径扭曲、能量泄露和模态混叠等问题。
结论：非侵入式压电传感器获取高压断路器振动信号，作为非平稳的振动信号具有混沌特性，有效辨识断路器状态的关键在于信号处理算法。

（1）使用互信息法和Cao算法来确定信号的延迟时间和嵌入维数，对信号进行相空间重构，考虑了信号的混沌特性，在分析、处理断路器振动信号上有很大优势。

（2）相空间重构技术结合排列熵提取振动信号特征，依据其分布特性，运用PSO-GSA改进的支持向量机算法，能够准确、快速辨识断路器故障类型。

引文信息

夏小飞, 芦宇峰, 苏毅, 等. 基于相空间重构与改进GSA-SVM的高压断路器机械故障诊断[J]. 中国电力, 2021, 54(10): 169-176.XIA Xiaofei, LU Yufeng, SU Yi, et al. Mechanical fault diagnosis of high voltage circuit breakers based on phase space reconstruction and improved GSA-SVM[J]. Electric Power, 2021, 54(10): 169-176.

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：杨彪校对：于静茹审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。