断路器操作时会伴随剧烈的振动和声音信号,该文提出了一种基于自适应权重的证据理论,诊断断路器机械故障方法。首先利用小波包对多传感器的振动和声音信号进行分解,然后提取特征熵输入(library for support vector machines,LIBSVM)获...断路器操作时会伴随剧烈的振动和声音信号,该文提出了一种基于自适应权重的证据理论,诊断断路器机械故障方法。首先利用小波包对多传感器的振动和声音信号进行分解,然后提取特征熵输入(library for support vector machines,LIBSVM)获得了基本可信度分配,再利用状态分类准确率对权重自适应赋值,最后通过证据理论(dempster shafer,DS)将多信号加权后的基本可信度进行融合,实现了断路器正常、卡涩、基座松动和拒分状态的识别。通过识别实验表明:自适应权重的证据理论在避免证据冲突情况下,能够有效提高断路器故障类型诊断的准确率。展开更多
文摘断路器操作时会伴随剧烈的振动和声音信号,该文提出了一种基于自适应权重的证据理论,诊断断路器机械故障方法。首先利用小波包对多传感器的振动和声音信号进行分解,然后提取特征熵输入(library for support vector machines,LIBSVM)获得了基本可信度分配,再利用状态分类准确率对权重自适应赋值,最后通过证据理论(dempster shafer,DS)将多信号加权后的基本可信度进行融合,实现了断路器正常、卡涩、基座松动和拒分状态的识别。通过识别实验表明:自适应权重的证据理论在避免证据冲突情况下,能够有效提高断路器故障类型诊断的准确率。
