期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进VMD和AdaBoost-SVM的隔离开关振动信号提取与故障诊断研究 被引量：4
1
作者 吕学宾 田鹏 +2 位作者 孙忠凯 张建华 袁强 《山东电力技术》 2023年第7期44-52,共9页
传统隔离开关操动机构机械故障振动特征提取方法精准性不高,故障诊断方法不够可靠。针对此问题,提出改进变分模态分解(Variational Mode Decomposition,VMD)与支持向量机(Support Vector Machines,SVM)相结合的故障诊断新方法。采用鲸... 传统隔离开关操动机构机械故障振动特征提取方法精准性不高,故障诊断方法不够可靠。针对此问题,提出改进变分模态分解(Variational Mode Decomposition,VMD)与支持向量机(Support Vector Machines,SVM)相结合的故障诊断新方法。采用鲸群优化算法(Whale Optimization Algorithm,WOA)选择VMD的模态分解个数和惩罚因子,同时引入包络熵和相关系数构造适应度函数,弥补鲸群优化算法中缺乏精确迭代停止条件的缺陷,提出自适应鲸群优化算法(Adaptive Whale Optimization Algorithm,AWOA);利用自适应增强(Adaptive Boosting,AdaBoost)的融合加权算法将SVM训练为强分类器以提高故障诊断正确率。将提出的新式算法处理某220 kV隔离开关操动机构振动信号,采集其在正常运行、辅助开关螺丝松动、传动机构卡涩3种工况下振动信号,计算各内涵模态分量(Intrinsic Mode Functions,IMF)分量的能量熵作为特征参量输入AdaBoost-SVM强化分类器判断隔离开关的运行状态,实现操动机构不同运行状态的有效识别。 展开更多
关键词 隔离开关 振动信号 awoa-vmd AdaBoost-SVM
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部