Print

随机森林集成学习模型在高压真空断路器振动信号分析中的应用

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

  • 0 引 言
  • 1 高压断路器振动信号获取
  • 2 特征量提取
  •   （1） 将原信号进行小波包分解。
  •   （2） 对分解系数进行逐层重构,并计算各频段信号能量Q（i）:
  •   （3） 各频段能量Q（i）归一化处理
  •   （4） 正常状态下小波包分解部分频段归一化能量值分布如图4所示。
  • 3 随机森林集成学习模型及诊断结果分析
  •   3.1 随机森林模型构建
  •   3.2 诊断结果分析
  • 4 结 语

    • 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

    本文来源: https://www.lunwen66.cn/article/ecb83aedeb7314956fbefa30.html