关键词：高压断路器;;机械状态识别;;最优特征向量;;互信息;;支持向量机
摘 要：对高压断路器动作过程中状态特征参量的提取与分析是状态识别与故障诊断的关键。高压断路器分合闸过程中的触头行程曲线蕴含着反映其内部机构机械状态的丰富信息。然而,仅依靠常规的时间和速度等参量无法对高压断路器的机械状态进行准确识别。文中提出了一种基于最优特征向量分类的高压断路器机械状态识别方法,通过计算各个特征与状态分类之间的互信息,根据最大相关最小冗余的准则筛选出最优特征子集,然后基于最优特征量构建支持向量机(SVM),利用分类准确度进行评价,确定出最优的特征向量和分类模型。对实验数据的分析结果表明,该方法可以有效提取触头行程曲线中蕴含的特征信息;基于最优特征向量集构建的分类模型的准确度高达97%,可以实现对高压断路器机械状态的识别。
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