摘要
为了利用相对较少的故障数据样本对断路器主要故障类型进行较为准确的在线判断,提出了一种基于融合粒子群的模糊核聚类(particle swarm fused kernel fuzzy C-means,P-KFCM)与支持向量机(support vector machine,SVM)的故障诊断方法。通过对断路器分合闸电流信号的分析,找出与断路器主要故障类型相对应的特征量;据此对采样信号进行处理,建立故障特征样本空间;利用P-KFCM算法对故障训练样本进行预分类,并以此为基础建立多SVM故障预测模型。P-KFCM算法将粒子群(particle swarm optimization,PSO)的全局搜索能力融入KFCM中,有效的解决了局部最优问题,在一定程度上提升了诊断结果的可靠性。实验结果表明,该方法在诊断断路器主要机械故障方面能够取得较好的效果。
学科与关键词
关键词
模糊核聚类粒子群支持向量机断路器故障诊断 kernel fuzzy C-means(KFCM)particle swarmsupport vector machine(SVM)circuit breakerfault diagnosis
- 基于KPCA的高压断路器故障诊断王逸萍; 梅军; 郑建勇; 陈厚源; 戴永正; 顾宇锋电测与仪表, 2013, (08): 6-9.
- 改进粒子群算法优化SVM的故障诊断方法研究苗玉机械工程与自动化, 2019, (06): 14-15+18.
- 基于邻域粒子群优化神经网络的变压器故障诊断贾嵘; 徐其惠; 李辉; 刘伟高压电器, 2008, (01): 8.
