摘要
本发明提供了一种高压断路器机械故障的诊断模型训练方法和诊断方法,涉及电力电气和故障诊断技术领域,本方案中首先获取高压断路器的故障样本数据;对所述故障样本数据进行归一化处理,得到归一化样本数据;将所述归一化样本数据输入极限学习机中进行模型训练,并基于萤火虫算法对极限学习机的网络输出权重矩阵进行优化,得到用于对高压断路器进行机械故障诊断的故障诊断模型;然后在利用训练得到的该故障诊断模型对高压断路器进行故障诊断。本方案能够快速准确的对高压断路器进行机械故障诊断。
技术关键词
故障诊断模型
高压断路器
极限学习机
萤火虫算法
断路器分合闸线圈
机械故障诊断
样本
矩阵
数据
断路器触头
诊断方法
节点
sigmoid函数
霍尔电压传感器
网络
霍尔电流传感器
控制回路
故障诊断技术
系统为您推荐了相关专利信息
电子拼接屏
图像特征向量
修复方法
故障诊断模型
拼接屏系统
出线开关柜
5G无线通信
高压
故障诊断模型
智能控制系统
开路故障诊断方法
三相逆变器
深度迁移学习
卷积神经网络模型
样本
隔离开关发热
历史故障数据
故障预测方法
高压隔离开关
风险预测模型
神经模糊推理系统
模糊规则
隶属度函数
萤火虫算法优化
模糊C均值聚类