来源：期刊VIP网 时间：
作者：刘必兴;陈志英;张修伦;白毅翔;欧庆炀;陈国炎;
单位：厦门理工学院电气工程与自动化学院;华侨大学信息科学与工程学院;
摘要：针对变压器振动信号成分复杂、绕组状态辨识准确度不高的问题,提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)和量子粒子群(QPSO)优化支持向量机(SVM)的变压器绕组振动信号状态辨识方法 .根据CEEMDAN算法将振动信号分解为固有模态函数(IMF).计算IMF的排列熵、包络熵和能量熵,构建混合特征向量,用QPSO-SVM算法对不同状态的绕组振动信号进行辨识.为验证该算法的准确性,搭建振动实验平台,采集5种不同状态绕组的振动信号进行特征提取和状态辨识.结果表明,该方法能够准确识别绕组状态,精准度为94%,具有较好的工程应用价值.
关键词：振动信号;;自适应噪声完备集合经验模态分解;;支持向量机;;特征提取;;状态辨识
基金资助：福建省自然科学基金项目(2022J011258)
