申请/专利权人：西安交通大学

申请日：2021-08-12

公开（公告）日：2024-04-05

公开（公告）号：CN113901862B

主分类号：G06F18/213

分类号：G06F18/213;G06F18/2411

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2022.01.25#实质审查的生效;2022.01.07#公开

摘要：本发明公开了一种电磁斥力机构故障监测方法、系统、设备及可读存储介质，采用小波包归一化能量方法提取振动信号样本集的信号特征，采用获取的信号特征进行模型训练得到故障诊断模型，并设定诊断模型的故障诊断阈值，以电磁斥力机构为监测对象，首先实现了电磁斥力机构的在线监测，可以实时判断电磁斥力机构的运行状态，从而快速准确地减少故障的发生，并进一步指导电磁斥力机构的参数和结构优化，本发明可实现在线监测，在电磁斥力机构动作后的几秒之内即可判断是否故障以及故障类型，可以通过分闸振动信号快速准确地判断出断路器状态，具有一定的实际工程应用价值。

主权项：1.一种电磁斥力机构故障监测方法，其特征在于，包括以下步骤：S1，获取电磁斥力机构正常状态下分闸动作产生的振动信号样本集，并采用小波包归一化能量方法提取振动信号样本集的信号特征；对原始信号进行小波包分解，计算小波包分解后各节点的能量：信号能量通过以下公式计算 式中，xk为小波包分解后每个节点的信号，N为信号点数，Q为求得的该信号的能量；对振动信号进行归一化处理：计算公式为 式中，E为小波包分解后各节点的总能量，Ei为各节点归一化能量，j为小波包分解层数；S2，采用获取的信号特征进行模型训练得到故障诊断模型，并设定诊断模型的故障诊断阈值；故障诊断模型基于支持向量机SVM，其分类原理满足如下公式 其中，{xi,yi}Ni＝1代表样本集，ξi为松弛因子，c为惩罚系数，b为基础系数，为目标函数，s.t.为约束条件，Ei表示小波包分解后各节点归一化能量，yi表示信号类别，ω为分类超平面的法向量，ωT为超平面法向量的转置向量；支持向量机SVM采用二分类的算法，对于n维空间的输入样本，寻找一个最优的分类超平面，使得两类样本在这个超平面下获得最好的分类效果；S3，通过加速度传感器获取待测电磁斥力机构分闸动作产生的待测振动信号，并将获取的待测振动信号输入至故障诊断模型得到振动信号的信号特征与设定阈值对比，即可得到待测电磁斥力机构分闸动作的状态。

全文数据：

权利要求：

百度查询： 西安交通大学 一种电磁斥力机构故障监测方法、系统、设备及可读存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD