一种基于高压断路器的机械故障诊断方法

    公开(公告)号:CN117872122A

    公开(公告)日:2024-04-12

    申请号:CN202410099685.3

    申请日:2024-01-24

    摘要: 本发明涉及断路器故障诊断领域,特别涉及一种基于高压断路器的机械故障诊断方法,包括采集断路器的分合闸行程的速度与时间曲线特征曲线、历史弹跳系数与时间关系图、机械震动信号和分合闸电流信号与时间关系动态特征曲线;构建卷积神经网络故障诊断模型,卷积神经网络故障诊断模型包括特征提取层、故障归纳层、检修模型层和结果输出层,特征提取层用于提取获得的特征中的异常数据,故障归纳层用于根据异常数据归纳故障类型,检修模型层用于调取历史维修数据和历史维修方案,结果输出层用于检测特征提取结果并输出故障诊断结果和检修模型。本发明用于高压断路器的机械故障诊断,能够起到提高故障诊断的精度和效率,提高维修人员的工作效率。

    一种基于过采样的高压断路器故障数据采样方法

    公开(公告)号:CN118035860A

    公开(公告)日:2024-05-14

    申请号:CN202410068674.9

    申请日:2024-01-17

    摘要: 本发明涉及高压断路器故障诊断领域,特别涉及一种基于过采样的高压断路器故障数据采样方法,包括以下步骤:S1、采集高压断路器不平衡监测数据样本集,所述不平衡监测数据样本集包括正常状态类样本集和故障状态类样本集;S2、将正常状态类样本集作为多数类,分别将每个故障状态类样本集作为少数类,实施二分类过采样;S3、对二分类中的少数类进行初步去噪;S4、利用KNN算法确定少数类的边界样本集;S5、合成少数类的新样本;S6、利用欠采样对过采样后的样本集边界去噪。本发明提供的数据采样方法通过对过采样后的数据进行欠采样二次去噪,达到了使样本边界更加清晰的效果。

    一种基于高压断路器的机械故障诊断方法

    公开(公告)号:CN117872122B

    公开(公告)日:2024-09-17

    申请号:CN202410099685.3

    申请日:2024-01-24

    摘要: 本发明涉及断路器故障诊断领域,特别涉及一种基于高压断路器的机械故障诊断方法,包括采集断路器的分合闸行程的速度与时间曲线特征曲线、历史弹跳系数与时间关系图、机械震动信号和分合闸电流信号与时间关系动态特征曲线;构建卷积神经网络故障诊断模型,卷积神经网络故障诊断模型包括特征提取层、故障归纳层、检修模型层和结果输出层,特征提取层用于提取获得的特征中的异常数据,故障归纳层用于根据异常数据归纳故障类型,检修模型层用于调取历史维修数据和历史维修方案,结果输出层用于检测特征提取结果并输出故障诊断结果和检修模型。本发明用于高压断路器的机械故障诊断,能够起到提高故障诊断的精度和效率,提高维修人员的工作效率。