《表4 有载分接开关机械状态诊断效果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于变分模态分解与特征选择的变压器有载分接开关机械故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

同时，为验证本文所用的VMD分解算法的有效性，分别在开关6个运行状态下进行EEMD分解，并计算各模态分量与原振动信号的互信息。结果表明，油箱侧壁振动信号的前4个模态分量与开关顶盖振动信号的前4个模态分量的互信息高于阈值0.02，因此选取这些模态分量，计算其能量与奇异值，以及重构信号的排列熵和奇异谱熵，并对特征向量进行Fisher-Score排序与选择，选取最优特征子集，包括油箱侧壁信号的模态能量E2、奇异值S1～S4，开关顶盖信号的模态能量E5、E8，奇异值S7、S8、排列熵PE2、奇异谱熵SE2等11个特征。构成特征向量组输入SVM分类器，测试EEMD+特征选择方法下的故障诊断情况。此外，为验证特征选择对于后续诊断的效果，将信号VMD分解后构造的20维特征向量直接输入SVM进行训练与测试，以测试VMD+全部特征方法下的SVM故障诊断情况。测试结果如表4所示。