基于EMD近似熵和RBF神经网络的换流器故障诊断

提出了基于经验模式识别(EMD)近似熵和径向基函数(RBF)神经网络的换流器故障诊断方法。通过对故障信号EMD分解提取故障信号特征,得到多个可以反映故障特征的本征模式分量(IMF),选取反映信号主要信息的IMF分量并求解其近似熵,从而构造各种故障的特征矩阵,并作为样本运用RBF神经网络进行训练。换流器故障时,将所提取的故障信号特征矩阵输入已训练好的RBF网络,从而可实现故障类型的识别。仿真证明,该方法能够有效提取出不同故障的特征,从而区分换流器各类故障,具有很好的可行性。