典型文献
基于振动信号谱形状熵特征的高压断路器操动状态辨识方法
文献摘要：
高压断路器储能弹簧势能瞬间释放转换为机械能促使机构部件运动,并传递到动触头完成分、合闸操作,其伴随的振动信号表现出非平稳、非线性特点.该文提出非平稳信号的谱形状熵特征分析方法,首先利用自适应噪声集合经验模态分解(CEEMDAN)将频率结构繁杂的非平稳信号逐步拆分,得到代表不同频段特征的分量;然后将筛选后分量的功率谱转换到划分子区域的极坐标下,由发散因子提高主峰区域敏感度,根据波形散布在子区域的特点,计算谱形状熵特征;最后由分群粒子群算法优化支持向量机模型对断路器操动状态进行辨识.实验结果表明,谱形状熵能够刻画振动信号波形变异和功率主峰分布特征,对高压断路器典型机械故障识别准确率高,且辨识过程时间大大缩短.
文献关键词：
高压断路器;操动状态;振动信号;谱形状熵;极坐标
中图分类号：
作者姓名：
赵书涛;许文杰;刘会兰;曾瑞;夏小飞
作者机构：
河北省输变电设备安全防御重点实验室(华北电力大学) 保定 071003;广西电网有限责任公司电力科学研究院 南宁 530023
文献出处：
引用格式：
[1]赵书涛;许文杰;刘会兰;曾瑞;夏小飞-.基于振动信号谱形状熵特征的高压断路器操动状态辨识方法)[J].电工技术学报,2022(09):2170-2178
A类：
谱形状熵,操动状态
B类：
熵特征,高压断路器,状态辨识,辨识方法,储能弹簧,势能,瞬间,机械能,动触头,合闸,非平稳信号,自适应噪声,噪声集合,集合经验模态分解,CEEMDAN,繁杂,拆分,频段,功率谱,换到,子区域,极坐标,发散,主峰,散布,分群,粒子群算法,算法优化,优化支持向量机,支持向量机模型,振动信号波形,机械故障,故障识别,识别准确率,大大缩短
AB值：
0.318314
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
