一种基于SVM和增量学习的断路器检测方法、系统、介质及处理器

本申请提供一种基于SVM和增量学习的断路器检测方法，包括：S1：采集真空断路器的状态数据；S2：采用自适应的数据降噪方法对状态数据进行处理；S3：对降噪处理后的状态数据提取数据特征；S4：将提取的数据特征进行组合得到特征向量，并对齐进行标签标记；S5：搭建初始SVM数学模型，并利用特征向量对模型进行训练，寻找模型最优训练超参数；S6：采用优化好的SVM数学模型对新采集的特征向量进行识别诊断并对识别诊断结果进行置信度分析，根据置信度较高的诊断进行故障提示；S7：采用增量学习的方法对SVM数学模型进行自适应升级。本申请方案使用多信息源数据对模块化真空断路器进行故障诊断分析，结果更精确。