论文摘要
基于机械振动信号对高压断路器进行故障诊断是一种有效的手段。提出一种基于振动信号的随机森林集成学习模型,进一步提高了故障诊断模型的效率和准确度。首先,获取电磁斥力机构高压断路器两个不同位置的分闸振动信号;然后,利用小波包分解对振动信号进行时、频特性分析,并计算振动信号的各频段归一化能量向量;最后,基于随机森林集成学习模型进行故障诊断和识别。实验结果显示,随机森林集成学习模型具有显著的泛化性能,使用简单,诊断更加快速、准确。
论文目录
文章来源
类型: 期刊论文
作者: 樊浩,苏海博,陈立,史宗谦,李兴文
关键词: 小波包归一化能量,随机森林,集成学习,故障诊断
来源: 电器与能效管理技术 2019年23期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 西安交通大学电气工程学院,广州供电局有限公司电力试验研究院
基金: SF6罐式结构真空快速开关状态监测技术研究及应用——罐式SF6绝缘快速真空开关的状态监测评估方法研究及监测样机试制(GZHKJXM20180086)
分类号: TP181;TM561.2
DOI: 10.16628/j.cnki.2095-8188.2019.23.001
页码: 1-5+50
总页数: 6
文件大小: 1020K
下载量: 88
相关论文文献
标签：小波包归一化能量论文; 随机森林论文; 集成学习论文; 故障诊断论文;