仪器仪表学报

作者：孙曙光，王泽伟，陈 静，黄光临，王景芹

单位：孙曙光,1. 河北工业大学人工智能与数据科学学院,,王泽伟,1. 河北工业大学人工智能与数据科学学院,,陈 静,2. 温州聚星科技股份有限公司,,黄光临,2. 温州聚星科技股份有限公司,,王景芹,3. 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室,

关键词：万能式断路器;卷积变分自编码;多头自注意力机制;剩余寿命预测

基金：河北省自然科学基金(E2021202136)项目资助

针对万能式断路器退化过程的不确定性,考虑到振动信号对机械性能退化的完善表征,提出了一种基于卷积变分自编码(CVAE)和多头自注意力机制(MSA)的断路器分闸机械机构寿命预测方法。首先依据断路器不同的事件区间提取参数特征,再通过CVAE挖掘信号成分中的深度特征,将参数特征与深度特征融合得到完备退化特征,最后建立GRU-MSA的定量寿命预测模型,引入了多头自注意力机制,在多个不同表征子空间中捕捉信号的不同依赖关系,对重要的时间步赋予更大的权重。最后利用3台试品的振动信号测量数据对所提断路器分闸机械机构寿命预测方法进行测试,结果表明,所提出的方法在3个数据集中寿命预测均方根误差(RMSE)分别为141.46、128.75和134.16,平均绝对误差(MAE)分别为112.17、101.52和106.22,预测精度高且稳定性好,相对于其他混合预测模型更具优势。

来源：2024年第3期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第3期