-
题名基于小波时频图和卷积神经网络的断路器故障诊断分析
被引量：50
- 1
-
-
作者
鄢仁武
林穿
高硕勋
罗家满
李天建
夏正邦
-
机构
福建工程学院福建省汽车电子与电驱动技术重点实验室
-
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第10期198-205,共8页
-
基金
福建省自然科学基金项目(2018H0003,GY-Z12027)
福建省教育厅科技项目(JT180339,JAT171096)。
-
文摘
高压断路器操动机构振动信号为非平稳性信号,蕴含着丰富的操动机构工作状态的信息,对操动机构工作状态的检验辨识具有重大意义。提出一种基于小波时频图和卷积神经网络的断路器故障诊断方法。对操动机构振动信号进行连续小波变换生成时频图(CWT),并对时频图进行统一压缩预处理;将预处理后的时频图作为特征图输入卷积神经网络AlexNet模型;通过对网络参数的调整,逐步改进网络模型,有监督地实现对操动机构故障状态的辨识诊断。结果表明,该方法能够有效地运用于断路器操动机构故障辨识诊断,与小波频带能量-RBF、小波频带能量-SVM的故障识别相比,故障识别准确率最高。
-
关键词
振动信号
小波变换
卷积神经网络
故障诊断
-
Keywords
vibration signal
wavelet transform
convolutional neural network
fault diagnosis
-
分类号
TM561
[电气工程—电器]
-
