基于混合特征和集成极限学习机的高压断路器机械故障检测

提出了一种基于混合特征提取和集成极限学习机(IELM)的高压断路器机械故障检测方法.首先,采用全集成自适应噪声经验模态分解(CEEMDAN)对振动信号进行分解,得到固有模态函数(IMF).然后结合Hilbert变换和带通滤波器对各阶IMF分量进行子带重构,得到时频矩阵.将时频矩阵转化为能量矩阵,利用正态累积分布函数(NCDF)对频带进行归一化,提取出时频熵和奇异熵,形成机械故障特征向量.此外,还建立了故障分类系统.结合带通滤波的CEEMDAN方案优点是可以消除模态混叠,减少辅助噪声的加入,并提高分解效率.此外,NCDF归一化的奇异熵具有更稳定的性能.由多个弱类组成的IELM可以解决传统极限学习机的不足.基于实测数据的实验结果表明,该方法能有效地通过小样本进行机械故障检测.