气体绝缘金属封闭开关设备(gas insulated metal enclosed switchgear,GIS)机械缺陷是导致设备故障的重要因素,针对单测点、单证据机械缺陷诊断模型信息缺失和精度不足问题,该文提出一种多层融合振动数据分析的GIS设备机械缺陷诊断方法...气体绝缘金属封闭开关设备(gas insulated metal enclosed switchgear,GIS)机械缺陷是导致设备故障的重要因素,针对单测点、单证据机械缺陷诊断模型信息缺失和精度不足问题,该文提出一种多层融合振动数据分析的GIS设备机械缺陷诊断方法。首先,基于真型GIS设备振动模拟平台试验研究测点位置与缺陷类型对振动行为的影响特性;然后,联合统计分析、模态分解、尺度变换方法提出机械振动信号整体与局部信息关注的复合参数分析方法,引入主成分分析开展多测点振动信息的特征层融合降维;最后,提出改进放缩权重的Dempster-Shafer(DS)证据理论和Bagging投票机制的强/弱基学习器决策层融合机制,联合构建多层融合振动数据分析的GIS设备机械缺陷诊断模型。结果表明:不同类型机械缺陷信号的响应幅值、特征频点和畸变程度存在显著差异,复合特征参量大小及分散程度各不相同;同时,测点位置对缺陷信号的复合振动特征参量的表现形式及分布区间也具有一定影响;基于多层融合数据分析的诊断模型实现缺陷有效识别,辨识准确率为98.66%,相比单一分类器诊断效果提升5.83%。该文可为GIS设备机械缺陷诊断方法提供有价值的参考。展开更多
文摘气体绝缘金属封闭开关设备(gas insulated metal enclosed switchgear,GIS)机械缺陷是导致设备故障的重要因素,针对单测点、单证据机械缺陷诊断模型信息缺失和精度不足问题,该文提出一种多层融合振动数据分析的GIS设备机械缺陷诊断方法。首先,基于真型GIS设备振动模拟平台试验研究测点位置与缺陷类型对振动行为的影响特性;然后,联合统计分析、模态分解、尺度变换方法提出机械振动信号整体与局部信息关注的复合参数分析方法,引入主成分分析开展多测点振动信息的特征层融合降维;最后,提出改进放缩权重的Dempster-Shafer(DS)证据理论和Bagging投票机制的强/弱基学习器决策层融合机制,联合构建多层融合振动数据分析的GIS设备机械缺陷诊断模型。结果表明:不同类型机械缺陷信号的响应幅值、特征频点和畸变程度存在显著差异,复合特征参量大小及分散程度各不相同;同时,测点位置对缺陷信号的复合振动特征参量的表现形式及分布区间也具有一定影响;基于多层融合数据分析的诊断模型实现缺陷有效识别,辨识准确率为98.66%,相比单一分类器诊断效果提升5.83%。该文可为GIS设备机械缺陷诊断方法提供有价值的参考。