基于EMD和PNN的故障电弧多变量判据诊断方法

故障电弧单变量判据诊断法受不确定因素影响大、特征量提取困难，针对此提出一种基于经验模态分解(EMD)和概率神经网络(PNN)的故障电弧多变量判据的诊断方法。利用经验模态分解分析法对电弧电流进行时频分解，并借助信号相关性理论自动提取故障特征信号；同时，通过分析故障特征信号的无量纲指标，形成多变量特征向量集。在此基础上，构建基于概率神经网络的故障电弧诊断模型。通过分析燃弧前后烧水壶、吸尘器、卤素灯、电钻、荧光灯、计算机的电流波形，验证故障诊断模型的准确性。结果表明，所提方法解决了单变量判据故障诊断中出现的特征量提取困难、交叉重复等问题，准确率超过90%。