基于IEMD和GA-WNN的断路器分合闸线圈故障诊断方法

真空断路器二次回路或操动机构运行状态能通过电流曲线特征反映.首先,通过对真空断路器分合闸线圈铁心卡涩、电压异常(过高或过低)和击穿3种常见故障进行实验室模拟,创建了故障电流曲线特征库.其次,利用故障电流信号经过经验模态分解后的经验模态分量中的能量密度乘对应平均周期为恒定常数的性质,提出一种改进经验模态分解方法来提取分合闸线圈电流特征值,并将其作为小波神经网络的输入样本集.并在此基础上,提出一种改进遗传算法与小波神经网络结合的断路器故障诊断方法.该方法利用改进遗传算法对小波神经网络参数进行寻优,旨在解决小波神经网络参数敏感问题,进而提高诊断算法收敛速度和故障诊断准确率.仿真结果表明:与传统小波神经网络诊断方法相比,利用遗传算法改进的小波神经网络方法诊断正确率高达91％,提高了10个百分点.