利用自研的实验平台开展了不同松动程度、负载电流和负载类型条件下的电缆接头松动故障实验,研究了不同条件下栓接电缆接头的温度特性、接触电压和回路电流特性。提出1种基于小波能量熵和概率神经网络(PNN)的松动故障识别方法。采用小波变换对电流信号进行多分辨率分析,提取电流能量熵作为松动故障的典型特征,作为PNN松动故障识别模型的输入向量。利用newpnn函数创建PNN模型,采用循环寻优法对该模型的扩展参数S进行优化。分析了训练样本数量以及高频电磁噪声对模型识别准确率的影响。测试结果表明,该方法能够有效识

为深入研究栓接电缆电连接松动故障的典型特征,实现故障识别,以铜-铜电缆接头作为研究对象,利用电缆接头松动故障实验平台开展了不同电流、不同松动程度条件下的松动故障实验。提出了基于Wigner-Ville(WVD)及客观熵权(OEW)的松动故障识别方法。运用WVD对回路电流进行变换,使其具有联合时频特征,然后提取该信号的时间边缘和频率边缘,进而计算回路电流的平均能量和基频能量。以回路电流的极差、平均能量、基频能量作为故障特征参数,采用OEW算法确定特征参数的权值,并构造加权规范化矩阵,结合最优距离准