摘要
本申请实施例提供了一种断路器的诊断方法、装置、电子设备及存储介质,涉及电气设备的诊断领域,采集断路器的角位移数据,基于小波变换的滤波和特征提取对角位移数据进行预处理,得到角位移训练样本和角位移测试样本,根据角位移训练样本对随机森林算法进行加权处理,基于粒子群算法优化初始故障诊断模型的决策树棵树参数和加权比例参数,得到最终故障诊断模型,将角位移测试样本输入所述最终故障诊断模型,输出所述断路器的故障诊断结果,通过采用角位移数据可以大幅减小信号采集和数据处理上的复杂性且特征值明显,可靠性高,通过粒子群算法优化决策树棵树参数和加权比例参数,提高了分类准确率,使得断路器的诊断更为准确。
技术关键词
故障诊断模型
粒子群算法优化
诊断方法
断路器
行程曲线
随机森林
电磁式传感器
速度
样本
训练集
特征值
节点
分类准确率
参数
结点
决策
电子设备
可读存储介质
数据
系统为您推荐了相关专利信息
电力设备智能
故障诊断系统
耦合结构
量子态
阶段
疾病诊断方法
步态分析
原型
融合特征
疾病诊断系统