Fault diagnosis of porcelain post insulator based on LMD-PCA and sample entropy
-
摘要: 为了对变电站瓷支柱绝缘子状态进行有效评估，提出了一种将局域均值分解方法（Local Mean Decomposition，LMD）、主成分分析方法（Principal Components Analysis，PCA）和样本熵相结合的瓷支柱绝缘子振动信号故障诊断方法。首先，将瓷支柱绝缘子振动信号进行局域均值分解，得到PF（乘积函数）分量，利用主成分分析方法，提取主PF分量；其次，计算其样本熵作为表征瓷支柱绝缘子状态的特征向量，利用支持向量机（SVM）对输入的向量进行分类训练；最后，将测试样本特征向量输入训练好的 SVM中进行分类识别。结果表明，该方法能有效提取瓷支柱绝缘子的故障特征并实现准确的故障分类。Abstract: In order to evaluate the porcelain post insulator of substation effectively. An analysis method of vibration signal characteristics and fault diagnosis of porcelain post insulator based on the combination of local mean decomposition (LMD), principal component analysis (PCA) and sample entropy is proposed. Firstly, the diagnosis signal of porcelain post insulator is decomposed into local mean value, and then the PF component (the component with physical significance of instantaneous frequency after LMD decomposition) is obtained, Secondly, the sample entropy is calculated as the eigenvector to represent the state of porcelain post insulator, and SVM is used to train the input vector, Finally, the feature vector of the test sample is input into the trained SVM for classification and recognition. The results show that the method can effectively extract the fault features of porcelain post insulator and accurately and quickly realize the fault classification.
-
-
[1] 缪春辉, 王若民,陈国宏,等.运用振动声学原理实时在线检测瓷支柱绝缘子缺陷[J].无损检测,2015,37(4):37-40. [2] 王少华, 李特,周象贤,等.变电站瓷支柱绝缘子断裂故障分析及预防措施[J].电瓷避雷器,2016(5):35-38. [3] 夏超, 吴章勤,杨晓红.声振技术在支柱绝缘子强度检测中的应用[J].无损检测,2013,35(12):16-18. [4] 刘长福, 郝晓军,牛晓光,等.基于BP神经网络的瓷绝缘子振动声学检测结果分类[J].无损检测,2014,36(1):1-4. [5] 高强, 孟格格.基于卷积神经网络的绝缘子故障识别算法研究[J].电测与仪表,2017,54(21):30-36. [6] 付天孟, 刘广兴,蒲英俊,等.浅谈声振动检测技术在瓷支柱绝缘子中的应用[J].山东工业技术,2019(6):186. [7] 李晓红, 郭慧英, 刘云, 等. 基于振动法检测的瓷绝缘子损伤探讨[J]. 高压电器2009,45(1):106-108. [8] 刘冠辰, 王孟, 郑欣, 等. 基于振动声学对瓷支柱绝缘子强度的检测技术[J]. 高压电器, 2015(9):44-48. [9] 石瑞敏, 杨兆建. 基于LMD能量特征的滚动轴承故障诊断方法[J]. 振动.测试与诊断, 2015(5):832-836. [10] 张超, 杨立东, 李建军. 局部均值分解和经验模态分解的性能对比研究[J]. 机械设计与研究,2012(3):45-47. [11] 詹长杰, 周步祥.基于PCA-SVM模型的中长期电力负荷预测[J].电测与仪表,2015,52(9):6-10. [12] 丛超, 于宁,王慧武.基于近似熵和混沌振子的电力谐波检测与估计[J].电测与仪表,2016,53(18):45-50. [13] 何志坚, 周志雄.基于ELMD的样本熵及Boosting-SVM的滚动轴承故障诊断[J]. 振动与冲击, 2016, 35(18):190-195. [14] 张宁, 魏秀业,徐晋宏.基于LMD样本熵与ELM的行星齿轮箱故障诊断[J].机械传动,2020,44(4):152-157. [15] 杨艳君, 魏永合,王晶晶,等.基于LMD和SVDD的滚动轴承健康状态评估[J].机械设计与制造,2019(5):163-166. [16] 彭在兴, 王颂,易林,等.基于SVM主成分分析的高压断路器分合闸线圈故障诊断研究[J].高压电器,2019,55(7):39-46. [17] 万书亭, 豆龙江,刘荣海,等.基于EWT和多尺度熵的高压断路器故障诊断[J]. 振动.测试与诊断, 2018(4):30-36. [18] 丁雷, 曾锐利,沈虹,等.基于香农熵特征的发动机故障诊断方法[J]. 振动与冲击, 2018,37(21):241-247. [19] 陈英强, 陈煜敏,蒋劲,等.基于小波包样本熵和SVM的水泵机组振动故障诊断[J]. 中国农村水利水电, 2017(3):165-168. [20] 刘伟, 韩彦华,王荆,等.基于粒子群算法优化支持向量机的变压器绕组变形分类方法[J].高压电器,2020,56(3):72-78.
计量
- 文章访问数: 2
- HTML全文浏览量: 0
- PDF下载量: 2
下载:
