基于LabVIEW的小波神經網絡在高壓斷路器故障診斷中的應用研究.pdf

1、提高高壓斷路器的故障診斷準確率對降低生產成本、提高其運行可靠性具有重要作用。由于高壓斷路器故障種類繁多、監(jiān)測信號有限，導致高壓斷路器故障診斷準確率不高、診斷效率低。
　　為了提高高壓斷路器故障診斷準確率和效率，本文在總結國內外高壓斷路器故障診斷研究現(xiàn)狀的基礎上，提出采用小波變換和概率神經網絡相結合的方法對高壓斷路器工作中產生的振動信號進行分析處理，從而識別高壓斷路器的故障。具體做法為:首先運用小波去噪對采集的振動信號進行降噪處理，

2、然后對降噪后的信號進行小波包變換得到合閘過程各頻段系數(shù)，并將這些系數(shù)按高壓斷路器合閘過程的特征劃分成若干段，計算每一段的能量作為特征值，并將其歸一化處理后作為故障診斷特征向量送入概率神經網絡，利用概率神經網絡強大的模式識別和分類能力診斷故障發(fā)生的原因和位置。
　　考慮到高壓斷路器工作環(huán)境的特殊性，直接用實物驗證此方法具有危險性，因此，本文首先用MATLAB仿真平臺搭建的高壓斷路器模型來驗證此方法的可行性，然后利用LabVIEW可視