基于分数阶RCMDE和参数优化LSSVM的开关柜故障声纹识别方法

白志路; 袁小翠; 田文超; 王嘉辉; 庞乐乐; 许文杰; 高兆

doi:10.26963/j.psce.2026.02004

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于分数阶RCMDE和参数优化LSSVM的开关柜故障声纹识别方法

智能电网 | 更新时间：2026-04-26

- 基于分数阶RCMDE和参数优化LSSVM的开关柜故障声纹识别方法
- 基于分数阶RCMDE和参数优化LSSVM的开关柜故障声纹识别方法
- 电网与清洁能源 2026年42卷第2期页码：29-39+46
- 作者机构：
  
  1. 国网冀北电力有限公司张家口供电公司
  2. 南昌工程学院电气工程学院
- 作者简介：
- 基金信息：
  
  江西省重点研发计划-重点项目(20243BBG71031)~~
- DOI：10.26963/j.psce.2026.02004
  中图分类号： TM591;TP181
- 纸质出版：2026
- 稿件说明：
移动端阅览
白志路, 袁小翠, 田文超, 等. 基于分数阶RCMDE和参数优化LSSVM的开关柜故障声纹识别方法[J]. 电网与清洁能源, 2026,42(2):29-39+46.

白志路, 袁小翠, 田文超, et al. 基于分数阶RCMDE和参数优化LSSVM的开关柜故障声纹识别方法[J]. 2026, 42(2): 29-39+46.
白志路, 袁小翠, 田文超, 等. 基于分数阶RCMDE和参数优化LSSVM的开关柜故障声纹识别方法[J]. 电网与清洁能源, 2026,42(2):29-39+46. DOI： 10.26963/j.psce.2026.02004.

白志路, 袁小翠, 田文超, et al. 基于分数阶RCMDE和参数优化LSSVM的开关柜故障声纹识别方法[J]. 2026, 42(2): 29-39+46. DOI： 10.26963/j.psce.2026.02004.

摘要

开关柜发生故障时会产生不同的异常声音，声纹识别技术可以实现对开关柜的不停电检测。提出了基于分数阶精细复合多尺度散布熵（refined composite multiscale dispersion entropy

RCMDE）和参数优化最小二乘支持向量机（least square support vector machines

LSSVM）的开关柜故障声纹识别方法。首先，提出分数阶RCMDE熵特征提取方法计算开关柜声纹信号的熵特征；其次，对瞪羚优化算法的位置更新模块进行了优化，以确定LSSVM的最优分类参数；最后，利用参数优化的LSSVM分类器对开关柜声纹数据的分数阶RCMDE熵特征进行分类，识别开关柜故障。为了验证方法的有效性，采集了开关柜正常状态、分合闸不到位导致的间歇性放电、间断放电和悬浮放电在内的4种声纹数据，并进行了分类识别。实验结果表明，所提方法对这4种样本识别的准确率和召回率最高可达100%，最低不低于97%。与其他熵特征相比，分数阶RCMDE对声纹数据特征区分度最大，参数优化后的LSSVM分类器对声纹故障分类的准确性更高。在跨域开关柜故障识别中，故障识别的准确率和召回率不低于90%，且对噪声有较好的鲁棒性。

Abstract

关键词

Keywords

references

Agushaka Jeffrey O.,Ezugwu Absalom E.,Abualigah Laith.Gazelle optimization algorithm: a novel nature-inspired metaheuristic optimizer[J].Neural Computing and Applications,2022.

Yu Guangwei,Wang Xianzhi,Da Chunlin.Compound mechanical fault diagnosis based on CMDE[J].Advances in Mechanical Engineering,2022.

Hu Kun,Jiang Hao,Ji ChenGuang,Pan Ze.A modified butterfly optimization algorithm: An adaptive algorithm for global optimization and the support vector machine[J].Expert Systems,2020.

Hamed Azami,Javier Escudero.Coarse-Graining Approaches in Univariate Multiscale Sample and Dispersion Entropy[J].Entropy,2018.

Azami Hamed,Rostaghi Mostafa,Abasolo Daniel,Escudero Javier.Refined Composite Multiscale Dispersion Entropy and its Application to Biomedical Signals.[J].IEEE transactions on bio-medical engineering,2017.

Seyedali Mirjalili,Andrew Lewis.The Whale Optimization Algorithm[J].Advances in Engineering Software,2016.

Mostafa Rostaghi,Hamed Azami.Dispersion Entropy: A Measure for Time-Series Analysis.[J].IEEE Signal Process. Lett.,2016.

高家通,康兵,许志浩,王宗耀,丁贵立,袁小翠.基于FRCMDE与IBOA-LSSVM的变压器故障声纹诊断方法[J].噪声与振动控制,2025(05).

彭倩,杨晨瀚.基于主成分分析与随机森林的电动矿卡电机故障诊断研究[J].中国工程机械学报,2025(02).

袁耀,黄克捷,陈建兴,鲍连伟,周渠.基于WSO-VMD样本熵和SSA-SVM算法的有载分接开关故障诊断方法研究[J].西南大学学报(自然科学版),2024(11).

夏金平,高莲,李鹏,陈昌川.自适应多元优化局部放电识别算法研究[J].电子测量技术,2024(14).

宋业栋,马光伟,朱小龙,张俊红.基于强化层次模糊熵的柴油机故障诊断方法[J].振动.测试与诊断,2024(04).

岑潮宇,代亮成,池茂儒,赵明花,郭兆团,曾鹏程.基于精细复合多尺度散布熵的抗蛇行减振器故障诊断[J].铁道科学与工程学报,2024(10).

包艳艳,杨广泽,陈伟,冯婷娜.基于SBSS与CNN的750 kV变压器和尖板的放电信号声纹识别[J].西南交通大学学报,2025(03).

李瑞,范玉刚.基于CEEMDAN多尺度排列熵和SO-RELM的高压隔膜泵单向阀故障诊断[J].振动与冲击,2023(05).

姜万录,赵亚鹏,张淑清,李满.精细复合多尺度波动散布熵在液压泵故障诊断中的应用[J].振动与冲击,2022(08).

丁浩,苏志雄,王婷婷,赵振中,张周胜.基于脉冲电流和紫外测弧的开关柜局部放电缺陷识别方法[J].高电压技术,2022(11).

卓德兵,曹晖.基于小波时频图与轻量级卷积神经网络的螺栓连接损伤识别[J].工程力学,2021(09).

鄢小安,贾民平.基于层次多尺度散布熵的滚动轴承智能故障诊断[J].农业工程学报,2021(11).

吴守军,陈健,冯辅周,周超极,吴春志,卫恒.改进的熵特征在行星齿轮裂纹故障识别中的应用[J].西安交通大学学报,2021(06).

刘宏亮,丁斌,高树国,齐辉,张轩瑞,李军浩.基于宽频带脉冲电流法的变压器局部放电多端检测技术研究[J].高压电器,2018(11).

魏宏安,陈尧.基于超声波的局部放电特征提取法的研究[J].电气开关,2018(02).

李军浩,韩旭涛,刘泽辉,李彦明.电气设备局部放电检测技术述评[J].高电压技术,2015(08).

任明,彭华东,陈晓清,董明.采用暂态对地电压法综合检测开关柜局部放电[J].高电压技术,2010(10).

陈祥献,王婧頔,黄海,郭洁,洪凯星.基于Hilbert-Huang变换的电力变压器铁心压紧力监测方法[J].振动与冲击,2010(09).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

清洁能源电网大直径电缆破损故障无人机勘探研究

基于多重一致性判别的并网光伏系统故障快速辨识

动态直流微电网故障分析及保护方案研究