摘要
本申请属于一种断路器故障诊断方法,针对当前断路器的故障诊断方法存在诊断精度低,以及可识别故障种类少的技术问题,提供一种基于多源传感器数据的断路器故障诊断方法及相关装置,分别对多源传感器数据中的各类数据进行净化处理,保证后续处理的高效和准确性,再进行特征提取,得到多源特征集,利用基于前向搜索的模糊C均值聚类特征筛选融合方法,对所述多源特征集进行筛选融合,得到多源融合特征集,有效提高了诊断精度。最后,通过支持向量机模型完成诊断。对支持向量机模型进行训练时,使用的原始数据集对应模拟了断路器的正常工作状态和多种故障状态,能够大幅提高可识别故障的种类。
技术关键词
断路器故障诊断方法
支持向量机模型
多源特征
模糊C均值聚类
多源融合
振动信号特征
传感器
融合方法
数据
可识别故障
断路器故障诊断系统
模拟断路器
指数
矩阵
操动机构
FCM算法
电流值
系统为您推荐了相关专利信息
喷洒药物装置
喉镜
直方图均衡化
信号采集单元
药物输送
物流优化方法
静态网络结构
多智能体协同调度
节点
搜索算法
变电站设备
故障诊断方法
故障诊断系统
非线性
分类支持向量机
动态时间规整算法
查询方法
水电站
模糊C均值聚类
序列
异常检测系统
支持向量机模型
机器学习算法
电力系统仿真软件
深度学习模型