摘要
本发明公开了一种配电箱故障检测方法,包括采集配电箱在不同故障状态下的电流信号;对不同故障状态暂态故障电流信号进行VMD分解,获得不同频段下的IMF分量,对IMF分量进行计算其排列熵,当排列熵大于或等于预设值时对其进行去噪,如果排列熵小于预设值时,则不进行去噪;对去噪后和未进行去噪的IMF分量计算各个IMF的模糊熵值;将模糊熵值作为故障特征向量,通过GG聚类算法对故障特征向量进行聚类,识别不同的故障类型。通过VMD分解结合排列熵筛选去噪,并基于多尺度模糊熵提取故障特征向量,利用GG聚类算法实现故障分类,解决了传统方法特征提取精度低、聚类适应性差的问题,具有提高故障信号特征提取精度与聚类准确性的优点。
技术关键词
故障检测方法
配电箱
暂态故障
多尺度模糊熵
信号特征提取
信号信噪比
概率密度函数
序列
重构
协方差矩阵
聚类算法
电子设备
电流
处理器
频段
系统为您推荐了相关专利信息
网络故障检测方法
异常信息
人工智能技术
硬件自检
识别计算机
故障检测模型
滚珠丝杠
滚动体
频率
神经网络模型
智能按摩机器人
人体解剖学
红外热成像传感器
柔性触觉传感器
深度学习模型
工业故障检测方法
全局视觉特征
融合特征
多尺度特征提取
高层视觉特征