关键词：低压开关;断路器;故障诊断;无监督聚类;DBSCAN
摘 要：基于专家知识的低压开关故障诊断方法主观性强且需要大量故障数据作为训练样本，泛化能力弱。提出一种基于密度聚类(DBSCAN)的无监督低压开关故障诊断方法。利用主成分分析(PCA)对低压开关线圈电流信号进行降维分解获得低维主分量；将低维主分量作为DBSCAN的输入进行聚类分析，将状态数据自动化分为“正常”“铁芯卡涩”“铁芯空行程大”“匝间短路”“电源电压过低”5种类型，从而实现不同故障状态的有效诊断。同时，针对DBSCAN参数设置难题，提出利用果蝇优化算法(FOA)对其全局寻优，提升聚类性能。基于实测数据的试验结果表明，所提方法对5种故障类型均能获得优于95.6%的识别结果，平均正确识别率达到96.5%,具有较高的应用前景。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取