关键词：经验小波变换;;支持向量机;;网格搜索;;k折交叉验证;;粒子群优化;;故障诊断
摘 要：针对高压断路器故障诊断中振动信号识别的难点,提出了经验小波变换与支持向量机相结合的故障诊断方法,并在k折交叉验证(k-fold cross-validation,k-CV)思想下采用网格搜索寻找SVM分类器的最优内部参数。首先通过EWT将原始多分量振动信号分解得到一组单分量的固有模态函数(intrinsic modal functions,IMF),然后结合希尔伯特变换与信息熵理论计算信号的特征熵向量,最后在训练集上利用GS与k-CV得到最佳SVM分类器,并用测试集评价该分类器,测试集识别率达100%。实验表明,相对于EWT-PSO-SVM、EMD-GS-SVM故障诊断模型,在小样本数据下EWT-GS-SVM具有模型健壮、识别率高、收敛速度快的综合性能。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取