基于VMD参数优化和样本熵的低压断路器故障诊断

摘要

研究了一种基于变分模态分解(VMD)参数优化和样本熵(SE)的低压断路器振动信号特征提取方法,并通过支持向量机(SVM)对提取的故障类型进行诊断研究.针对VMD参数选取问题,通过粒子群算法(PSO)寻优.仿真结果表明,针对万能式断路器机械故障中三相不同期、电机失效、铆钉松动及齿轮缺油的4种故障类型,该方法在特征提取方面比经验模态分解(EMD)效果更好.在故障识别方面,SVM比BP神经网络有更高的准确度,能更好地诊断低压断路器的故障.