基于PSO-LSSVM的真空断路器操动机构故障诊断研究
针对真空断路器故障样本少、特征参量单一导致的机械故障诊断可靠性和准确性较低问题,研究一种基于粒子群算法(particle swarm optimization,PSO)与最小二乘支持向量机(least square support vector machine,LSSVM)相结合的故障诊断法.通过对比分析正常状态与操作电压低、线圈故障、操动机构卡涩和辅助触点接触不良四种故障状态下分合闸电流波形,确定以合闸过程中的电流、时间值作为特征参量,将特征参量经过预处理后作为作为LSSVM的输入向量,利用PSO寻找最佳的的特征子集和LSSVM模型参数,用改进后的分类器对故障样本进行训练和测试,实验结果表明,该方法在相同样本条件下获得了比神经网络诊断法更好的分类效果,并且在样本空间减少情况下准确率无明显下降,从而验证本文故障诊断法的有效性.
真空断路器 操动机构 故障诊断 粒子群算法 最小二乘支持向量机
海龙 侯春光 李静 曹云东
沈阳工业大学电气工程学院,沈阳 110870
国内会议
沈阳
中文
1-5
2016-10-01（万方平台首次上网日期，不代表论文的发表时间）