基于经验模态分解的高压断路器机械故障诊断方法

分析高压断路器机械振动信号的特性，提出一种以改进的经验模态分解(empiricalmodedecomposition，EMD)能量熵和支持向量机(supportvectormachine，SVM)相结合的诊断高压断路器机械故障的方法，并给出了可行的诊断步骤和分析。首先利用经验模态分解方法将高压断路器的振动信号分解成一些相互独立的内禀模态函数(intrinsicmodefunction，IMF)，然后利用正常状态标准信号所得各固有内禀模态函数包络信号的等能量分段方式，实现对待测状态信号各IMF包络的时间轴分段，计算各待测信号IMF包络的能量熵向量，以此构造的经验模态分解能量熵向量作为支持向量机的输入向量。采用“次序二叉树”向量机分类，利用梯度法和交叉检验优化支持向量机模型参数。实验结果表明，该方法诊断高压断路器机械故障能取得良好的效果。