基于EEMD与GA-BP神经网络的高压断路器储能机构故障辨识OA

为实现高压断路器储能状态故障信号辨识,提出一种集合经验模态分解(ensemble empirical mode decomposition,EEMD)边际谱能量熵与遗传算法(genetic algorithm,GA)改进的误差反向传播(back propagation,BP)神经网络相结合的高压断路器储能状态辨识方法。首先采用EEMD对信号进行分解,得到一系列含有储能信号特征的本征模态函数(intrinsic mode function,IMF),利用相关系数筛选与原始信号相关的模态分量,提取前6阶IMF分量希尔伯特边际谱能量熵作为特征向量,最后,将构建的特征向量矩阵输入GA-BP进行分类训练,实验结果表明:基于EEMD边际谱能量熵与GA-BP相结合的故障辨识方法能够准确识别断路器储能机构故障。