[發明專利]一種基于SOM和D-S理論的電表電路故障信息融合和診斷方法

有效

• 申請號: 201210210828.0
• 申請日: 2012-06-20
• 公開（公告）號: CN102721941A
• 公開（公告）日: 2012-10-10
• 發明（設計）人: 胡薇薇;牟浩文;孫宇鋒;趙廣燕;齊瑾
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G01R35/04
• 分類號: G01R35/04
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種基于SOM和D-S證據理論的電表電路故障信息融合和診斷方法，其特征在于：該方法具體步驟如下：

步驟一：根據對電能表故障電路的電路分析，并按照GJB299C規定的故障模式，對故障電路建立一個故障模式集合；

步驟二：根據步驟一的故障模式集合選取與集合中故障模式相對應的待觀測的故障信號點，作為電路功能和狀態的測試點；

步驟三：對在步驟二中選取的故障信號點處獲取的故障信號進行預處理；

由于采用的特征包括時間特征、頻率特征和統計特征，所以在進行信號預處理過程中采用遞進的處理方式，如下所述：

(1)先對獲取的故障信號插值，統一信號粒度從而獲得故障信號的變化過程曲線，即時間特征；

(2)在(1)的基礎上，對時間特征進行歸一化，進行離散傅里葉變換，獲得信號頻譜及相關特征；

(3)在(1)的基礎上，計算信號的統計特性，包括二階距，四階距及最大值，建立特征向量矩陣；

根據電路信號的特點，采用時間、頻率和統計特征三個維度的信息進行信號融合；

步驟四：使用SOM進行故障信息融合，輸出故障結論；選擇70%的數據進行訓練，選擇30%的數據進行測試；為了保持三組特征數據統一，SOM具有相同的基本設置；SOM設有1個輸入層；網絡層中只包含1個輸出層，無隱含層，設置9個神經元，使用連接距離函數計算輸入向量到神經元的距離，傳輸函數設為競爭型compet，拓撲結構為六邊形網絡層拓撲函數hextop；輸入權值向量即inputWeights的初始化函數為中點初值初始化，學習函數為自組織映射權值學習函數即learnsom；迭代次數為80；

步驟五：使用D-S證據理論對故障結論進行融合，做出故障決策；在一定故障模式下，故障信息經過特征層SOM的信息融合，所得結果中已經包含了正確的結論，但是SOM識別結果浮動的范圍較大，還需要通過決策層信息融合來縮小其范圍，得到更精確的故障診斷結論；根據故障仿真的結果，建立信息融合故障診斷的識別框架。

2.根據權利要求1所述的一種基于SOM和D-S證據理論的電表電路故障信息融合和診斷方法，其特征在于：在步驟一中所述的對故障電路按照GJB299C建立故障模式集合，其建立的方法如下：根據GJB299C所包含的故障模式，對待測電路的各個故障點的故障模式進行編號并列表，具體形式如表格1所示。

表格1故障模式集合

??序號??故障模式??序號??故障模式??M1??C1-參數漂移+5%??M8??R1-參數漂移-5%??M2??Q1-開路c極??M9??R1-開路??M3??Q1-開路b極??M10??C1-參數漂移-5%??M4??Q1-開路e極??M11??C2-參數漂移+5%??M5??Q1-短路cb極??M12??C2-參數漂移-5%??M6??Q1-短路be極??M13??C2-開路??M7??R1-參數漂移+5%??M14??C2-短路