[發(fā)明專利]一種真空開關(guān)機械故障診斷方法、系統(tǒng)、設(shè)備及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110732873.1
• 申請日: 2021-06-29
• 公開（公告）號: CN113435351A
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計）人: 王勇;蘇海博;鄭方晴;張宇;劉俊翔;顧樂;王紅斌;黃慧紅;葉建斌;曹浩恩
• 申請（專利權(quán)）人: 廣東電網(wǎng)有限責(zé)任公司廣州供電局
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01M13/00
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 朱海臨

1.一種真空開關(guān)機械故障診斷方法，其特征在于，包括以下步驟：

S1，獲取不同真空快速開關(guān)的不同機械故障狀態(tài)下的分閘振動信號，對獲取的分閘振動信號進行S變換，得到S變換二維復(fù)數(shù)時頻矩陣，然后對S變換二維復(fù)數(shù)時頻矩陣進行求模運算得到S變換模矩陣；

S2，對S變換模矩陣進行矩陣分割得到多個子矩陣；

S3，對每個子矩陣進行奇異值分解，得到奇異值矩陣，將S變換模矩陣中第i行、第j列對應(yīng)的子矩陣的最大奇異值進行歸一化處理，得到最大奇異值能量熵，以求得的最大奇異值能量熵作為輸入向量輸入隨機森林集成學(xué)習(xí)模型進行故障快速診斷。

2.根據(jù)權(quán)利要求1所述的一種真空開關(guān)機械故障診斷方法，其特征在于，通過加速度傳感器對真空快速開關(guān)分閘時產(chǎn)生的振動信號按采樣時間t、采樣頻率f進行采樣，得到不同狀態(tài)的分閘振動信號。

3.根據(jù)權(quán)利要求1所述的一種真空開關(guān)機械故障診斷方法，其特征在于，對得到的振動信號進行S變換時頻分析，公式為：

其中，x(t)為輸入信號，τ為位移因子，f為頻率，a和b共同控制高斯窗的窗寬。

4.根據(jù)權(quán)利要求3所述的一種真空開關(guān)機械故障診斷方法，其特征在于，取a＝3.5，b＝2，得到的S變換的結(jié)果為二維復(fù)數(shù)時頻矩陣，對該矩陣進行求模運算后得到S變換模矩陣。

5.根據(jù)權(quán)利要求1所述的一種真空開關(guān)機械故障診斷方法，其特征在于，對于一個大小為m×n的矩陣A，存在m×m的矩陣P，m×n的矩陣Σ，n×n的矩陣Q，使得A滿足：

A＝PΣQ^T

其中，P的列向量稱為矩陣A的左奇異向量，Q的列向量稱為矩陣A的右奇異向量，矩陣Σ對角線元素稱為矩陣A的奇異值：

Σ＝diag{σ₁,σ₂,···,σ_r,0,···,0}

其中，r＝rank(A)，矩陣奇異值滿足：

σ₁≥σ₂≥···≥σ_r≥0。

6.根據(jù)權(quán)利要求1所述的一種真空開關(guān)機械故障診斷方法，其特征在于，將S變換模矩陣中第i行、第j列對應(yīng)的子矩陣的最大奇異值記作σ_ij，其中：i＝1，2，…，N；j＝1，2，…，M；

將子矩陣的最大奇異值按時間和頻率分別求歸一化能量：

則振動信號的最大奇異值能量熵為：

其中，H_t表示時域最大奇異值能量熵，H_f表示頻域最大奇異值能量熵，將H_t和H_f合并后作為特征向量。

7.根據(jù)權(quán)利要求1所述的一種真空開關(guān)機械故障診斷方法，其特征在于，通過自主采樣法從包含m個樣本的原始樣本集中隨機并且有放回地選出m個樣本，共進行n_t次采樣，從而得到n_t個訓(xùn)練集；

對于n_t個訓(xùn)練集，訓(xùn)練得到n_t個決策樹模型；

設(shè)每個基決策樹模型有d個劃分屬性，則在每個結(jié)點分裂時先從該結(jié)點的屬性集合中隨機選擇一個包含k個屬性的子集，從這個子集中根據(jù)信息增益的大小選擇一個最優(yōu)屬性進行劃分；

每個基決策樹都如此進行分裂，直至該結(jié)點的所有訓(xùn)練樣本都屬于同一類；

將生成的多個基決策樹組合為隨機森林，投票決定最終分類結(jié)果。