电工电能新技术

作者：彭威1， 张钢2

单位：1. 广州地铁集团有限公司， 广东 广州 510335；
2.北京交通大学电气工程学院， 北京 100044

关键词：振动信号； 分合闸线圈电流； 小波阈值； 多物理域特征提取； 深度置信网络

基金：北京市自然科学基金-丰台轨道交通前沿研究联合基金项目 (L231027)

为确保低压断路器在供电系统中工作的稳定性和可靠性，提出了一种基于遗传算法（GA）和深度置信网络（DBN）的故障诊断方法。该方法使用多物理域信息的特征作为网络的输入，对低压断路器进行故障诊断。首先，通过传感器采集低压断路器的振动信号和电流信号，并采用小波软阈值法进行降噪处理，有效避免了传统方法中特征信息的丢失。其次，提取两类信号时域和频域特征形成多物理域信息的特征矩阵，作为后续模型的输入。最后，将多物理域特征矩阵输入DBN神经网络进行网络微调，用GA遗传算法优化DBN网络的权值和阈值，提高故障诊断模型的准确性。实验结果表明，本研究所提模型的诊断精度达到98.46%，相较于仅使用振动信号或电流信号的诊断模型，分别提高了1.49%和6.79%，充分证明了基于多物理域的GA-DBN诊断模型在低压断路器故障诊断中的优异性能。

来源：2025年第2期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2025年第2期