基于振动信号 SVM分类的配变故障识别方法.pdf

基于振动信号 SVM分类的配变故障识别方法.pdf

ID:52175954

大小:6.99 MB

页数:10页

时间:2020-03-23

基于振动信号 SVM分类的配变故障识别方法.pdf_第1页
基于振动信号 SVM分类的配变故障识别方法.pdf_第2页
基于振动信号 SVM分类的配变故障识别方法.pdf_第3页
基于振动信号 SVM分类的配变故障识别方法.pdf_第4页
基于振动信号 SVM分类的配变故障识别方法.pdf_第5页
资源描述:

《基于振动信号 SVM分类的配变故障识别方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第37卷第6期仪器仪表学报Vol37No62016年6月ChineseJournalofScientificInstrumentJun.2016基于振动信号SVM分类的配变故障识别方法1121洪翠,杨华锋,卢国仪,杨耿杰(1.福州大学电气工程与自动化学院福州350116;2.福州市城市地铁有限责任公司福州350001)摘要:配电变压器油箱表面的振动信号富含绕组和铁芯的各类状态信息,是绕组和铁芯工作状况的最直接体现。采用希尔伯特黄(HHT)带通滤波提取配电变压器振动信号主成分,获得表征绕组状态的100Hz分量及表征铁芯状态的150~1000Hz分量;利用负载电流拟合法提取绕组振动信号的特征

2、量,通过测到的已知振动信号估计指定负载下的绕组100Hz振动幅值,构成绕组振动的特征向量;利用具有良好泛化能力及鲁棒性的双谱分析结合奇异值分解的方法表征铁芯振动的特征。提取实验室试验测得的绕组松动、绕组变形、铁芯松动、铁芯两点接地以及铁芯接地不良等故障振动信号的特征向量,用基于信息融合的支持向量机(SVM)实现绕组和铁芯状态的识别,结果验证了本文方法的有效性和准确性。关键词:配电变压器;振动信号;HHT带通滤波;双谱分析与奇异值分解;SVM分类;故障识别中图分类号:TM41文献标识码:A国家标准学科分类代码:4704051Faultidentificationmethodfordistribu

3、tiontransformerbasedonSVMclassificationofvibrationsignal1121HongCui,YangHuafeng,LuGuoyi,YangGengjie(1.CollegeofElectricEngineeringandAutomation,FuzhouUniversity,Fuzhou350116,China;2.FuzhouMetroCo.,Ltd.,Fuzhou350001,China)Abstract:Thevibrationsignalonthesurfaceofdistributiontransformercontainsrichsta

4、teinformationofthewindingandironcore,whichdirectlyreflectstheworkingconditionsofthewindingandironcore.TheHilbertHuangTransform(HHT)bandpassfilteringisadoptedtoextractthemaincomponentsofthedistributiontransformervibrationsignal.The100Hzand150~1000Hzsignalsareobtained,whichrepresenttheworkingconditi

5、onsofthewindingandironcore,respectively.Theloadcurrentcurvefittingmethodisusedtoextractthefeaturesofthevibrationsignal,the100Hzvibrationamplitudeofthewindingunderspecifiedloadisestimatedfromthemeasuredvibrationsignal,andthefeaturevectorsofwindingvibrationareconstructed.Thebispectrumanalysiscombined

6、withSingularValueDecomposition(SVD)thathasgoodgeneralizationcapabilityandrobustnessisadoptedtorepresentthevibrationfeaturesoftheironcore.Largenumberoffeaturevectorswereextractedfromvariousfaultvibrationsignalstestedinthelaboratory,suchaswindinglooseness,windingdeformation,corelooseness,coretwopoint

7、grounding,poorcoregroundingandsoon.TheSupportVectorMachine(SVM)basedoninformationfusionwasusedtoachievetheconditionidentificationofthewindingandcore.Theresultsverifytheeffectivenessandaccuracyofthepro

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。