[發(fā)明專利]基于混沌布谷鳥算法的GIS機械故障診斷方法及系統(tǒng)在審
| 申請?zhí)枺?/td> | 201810414184.4 | 申請日: | 2018-05-03 |
| 公開(公告)號: | CN108663202A | 公開(公告)日: | 2018-10-16 |
| 發(fā)明(設計)人: | 莊燕飛;黃銳;袁海燕;馮迎春;呂俊濤 | 申請(專利權)人: | 國家電網(wǎng)公司;國網(wǎng)山東省電力公司檢修公司 |
| 主分類號: | G01M13/00 | 分類號: | G01M13/00 |
| 代理公司: | 濟南圣達知識產(chǎn)權代理有限公司 37221 | 代理人: | 李琳 |
| 地址: | 100031 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 混沌 機械故障診斷 特征向量集 機械故障 算法 最小歐氏距離 測試樣本 故障類型 故障信號 金屬微粒 聚類算法 聚類中心 算法優(yōu)化 特征向量 線性遞減 訓練樣本 振動信號 再利用 聚類 螺絲 權重 松動 分解 診斷 優(yōu)化 | ||
本發(fā)明公開了一種基于混沌布谷鳥算法的GIS機械故障診斷方法及系統(tǒng),針對螺絲松動和金屬微粒振動兩種常見的GIS機械故障,首先運用混沌布谷鳥算法優(yōu)化VMD參數(shù),然后對GIS正常振動信號和故障信號進行VMD分解,提取不同故障類型信號的特征向量,最后通過線性遞減權重PSO優(yōu)化的K?means聚類算法對訓練樣本特征向量集進行聚類,得到不同的聚類中心,再利用最小歐氏距離原則對測試樣本特征向量集進行識別,實現(xiàn)GIS機械故障的診斷。
技術領域
本發(fā)明涉及一種基于混沌布谷鳥算法的GIS機械故障診斷方法及系統(tǒng)。
背景技術
近年來,伴隨著電壓等級的不斷提高,對電能質量的可靠性提出了更高的 要求。國民用電在進一步提高的同時,電網(wǎng)事故頻發(fā),而GIS作為重要環(huán)節(jié), 一旦出現(xiàn)故障就可能造成大規(guī)模的停電事故,因此保證GIS的安全運行利國利 民。
目前,電力系統(tǒng)內GIS雖然穩(wěn)定系數(shù)高,但是依舊存在設備運行一段時間 或者在啟運時便出現(xiàn)事故的先例。此外,在運行過程中,由于電壓等級非常高, GIS內部存在很強的磁場,容易使設備存在的微小缺陷逐步蔓延,以致?lián)p壞設備, 帶來巨大經(jīng)濟損失。
因此,對GIS的機械性能進行在線監(jiān)測,通過監(jiān)測振動信號預知其故障可 能性并判別其故障類型,對電力系統(tǒng)安全運行意義重大,并具有良好的應用前 景和推廣價值。
發(fā)明內容
本發(fā)明為了解決上述問題,提出了一種基于混沌布谷鳥算法的GIS機械故 障診斷方法及系統(tǒng)。
首先,本發(fā)明提供了一種基于混沌布谷鳥算法的GIS機械故障診斷方法。 本方法運用混沌布谷鳥算法,對GIS異常振動信號進行模態(tài)分解,以發(fā)現(xiàn)并判 斷GIS設備的故障,避免發(fā)生較為嚴重的機械故障。
其次,本發(fā)明提供了一種基于混沌布谷鳥算法的GIS機械故障診斷系統(tǒng), 本系統(tǒng)針對當前GIS機械狀態(tài)帶電檢測與故障診斷技術的研究現(xiàn)狀以及存在的 問題,基于振動信號處理進行GIS機械故障檢測。
為了實現(xiàn)上述目的,本發(fā)明采用如下技術方案:
一種基于混沌布谷鳥算法的GIS機械故障診斷方法,具體包括以下步驟:
根據(jù)典型故障模擬GIS電氣故障和機械故障,獲取GIS正常振動信號和故 障信號;
運用混沌布谷鳥算法優(yōu)化變分模態(tài)分解參數(shù),采用混沌映射提高布谷鳥種 群的種群數(shù);
對GIS正常振動信號和故障信號分別進行變分模態(tài)分解(VMD),提取不同 故障類型信號的特征向量;
通過聚類算法對訓練樣本特征向量集進行聚類,得到不同的聚類中心;
利用最小歐氏距離原則對測試樣本特征向量集進行識別,實現(xiàn)GIS機械故 障的診斷。
進一步的,收集歷史數(shù)據(jù)中典型故障模擬GIS電氣故障和機械故障數(shù)據(jù), 形成GIS正常振動信號集合和故障信號集合。
優(yōu)選的,搭建GIS仿真測試平臺,模擬GIS自由微粒振動和螺絲松動兩類 常見的機械故障,以提取兩類故障的特征信息。
進一步的,運用混沌布谷鳥算法優(yōu)化變分模態(tài)分解參數(shù),采用混沌映射提 高布谷鳥種群的種群數(shù)的具體過程包括在布谷鳥算法變更鳥巢位置后,進行混 沌優(yōu)化搜索,使用混沌映射得到混沌序列,根據(jù)適應度函數(shù)改變鳥巢位置。
具體的,包括以下步驟:
1)初始化CCS算法各參數(shù)并確定適應度函數(shù);
2)初始化概率參數(shù),隨機產(chǎn)生n個鳥巢,以影響參數(shù)中的預知模態(tài)數(shù)K和 二次懲罰項α的組合[K,α]作為鳥巢位置,隨機產(chǎn)生一定數(shù)量的影響參數(shù)組合 作為鳥巢的初始位置;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于國家電網(wǎng)公司;國網(wǎng)山東省電力公司檢修公司,未經(jīng)國家電網(wǎng)公司;國網(wǎng)山東省電力公司檢修公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810414184.4/2.html,轉載請聲明來源鉆瓜專利網(wǎng)。





