[发明专利]一种分合闸线圈故障电流波形识别方法和系统

权利要求书

1.一种分合闸线圈故障电流波形识别方法，其特征在于，包括：

采集分合闸线圈的电流波形；

对所述电流波形进行数据处理，提取所述电流波形的特征参数；

根据预先建立的随机森林分类器对所述特征参数进行分类，得到所述分合闸线圈的诊断结果；

其中，所述随机森林分类器的建立方法包括：

采集若干个分合闸线圈的电流波形；

获取第一预设数量的所述电流波形作为训练集；

从所述训练集中有放回的随机抽取预设比例的所述电流波形作为样本数据，根据所述样本数据的构造决策树，得到所述随机森林分类器；其中，所述随机森林分类器由若干个所述决策树组成。

2.如权利要求1所述的分合闸线圈故障电流波形识别方法，其特征在于，所述随机森林分类器的建立方法还包括：

获取第二预设数量的所述电流波形作为测试集；

通过所述测试集对所述随机森林分类器进行交叉验证；

当所述随机森林分类器不满足预设准确率时，对所述随机森林分类器进行参数调整，直至所述随机森林分类器满足预设准确率。

3.如权利要求1所述的分合闸线圈故障电流波形识别方法，其特征在于，所述根据所述样本数据的构造决策树具体包括：

构造所述样本数据的信息熵；

根据所述电流波形的特征参数对所述样本数据进行样本分类，将所述样本数据分为若干个子样本,得到分类后的样本数据的信息熵；

根据所述样本数据的信息熵和所述分类后的样本数据的信息熵计算所述样本数据的信息增益。

4.如权利要求3所述的分合闸线圈故障电流波形识别方法，其特征在于，所述样本数据的信息熵为：

其中，H(X)为所述样本数据的信息熵，X为所述样本数据，c为所述样本数据中的数据个数，P_i为第i个样本在X中所占比例，i＝1,2…c。

5.如权利要求4所述的分合闸线圈故障电流波形识别方法，其特征在于，所述分类后的样本数据的信息熵为：

其中，H_A(X)为所述分类后的样本数据的信息熵，A为所述电流波形的特征参数，X为所述样本数据，n为所述样本数据中的子样本数目，P_j为第j个子样本占所述样本数据总数的比例，X_j为第j个子样本，j＝1,2…n。

6.如权利要求5所述的分合闸线圈故障电流波形识别方法，其特征在于，所述样本数据的信息增益为：

G(X,A)＝H(X)-H_A(X) 公式(3)；

其中，G(X,A)为所述样本数据的信息增益，H(X)为所述样本数据的信息熵，H_A(X)为所述分类后的样本数据的信息熵。

7.一种分合闸线圈故障电流波形识别系统，其特征在于，包括：

数据采集单元，用于采集分合闸线圈的电流波形；

数据处理单元，用于对所述电流波形进行数据处理，提取所述电流波形的特征参数；

分类单元，用于根据预先建立的随机森林分类器对所述特征参数进行分类，得到所述分合闸线圈的诊断结果；

随机森林分类器建立单元，用于建立所述随机森林分类器；

其中，所述随机森林分类器建立单元包括：

电流波形获取模块，用于采集若干个分合闸线圈的电流波形；

训练集获取模块，用于获取第一预设数量的所述电流波形作为训练集，并从所述训练集中有放回的随机抽取预设比例的所述电流波形作为样本数据；

决策树构造模块，用于根据所述样本数据的构造决策树，得到所述随机森林分类器；其中，所述随机森林分类器由若干个所述决策树组成。