接触器作为一种重要的低压电器设备,尤其在电力系统中的广泛使用奠定了接触器不可替代的位置。由于接触器在实际的使用过程中所处的工作环境比较恶劣导致故障频发,影响接触器的正常工作及使用寿命,并进一步影响到社会生产和人类生活。尤其是触头故障频发,因此,本文针对接触器触头部位的故障进行识别。传统接触器的故障识别主要依赖于人工定期检查,效率低、实时性差。本文从分析接触器电磁信号的角度识别不同故障类型,根据电磁信号特点,采用小波变换以及希尔伯特-黄进行特征提取,将仿真信号和实际信号结合验证方法的有效性。识别过程包括接触器电磁信号去噪,提取信号的特征向量,最后进行模式识别工作。本文的主要内容包括:(1)对接触器进行故障分类及电磁信号分析,包括对接触器分类及结构的说明介绍,对常见发生故障及处理方法进行总结,分析了接触器触头电弧的产生机理及接触器电磁信号的产生。(2)基于小波包对接触器电磁信号序列进行特征提取。首先采用小波包阈值去噪的方法进行噪声去除预处理,研究最重要的两步阈值与阈值函数选择对去噪效果的影响,对后者予以改进。提取信号的小波包能量距;计算基于小波的能量时频矩阵,并提取其奇异值作为接触器电磁信号的特征向量,作为后续识别的输入。(3)将希尔伯特-黄应用到接触器电磁信号提取特征向量。对分解过程中出现的模态混叠、端点效应进行抑制,以保证信号分解的有效性。提取信号的多域特征;将HHT和信息熵相结合,提取信号的IMF奇异谱熵、IMF能量谱熵、Hilbert空间熵组成特征向量。(4)应用最小二乘支持向量机(LSSVM)对故障进行分类,LSSVM引入最小二乘线性组合加快识别速度。对几种常见参数优化的方法对比实验,最终选用改进网格搜索法用于本文的识别。对前文中提取的特征向量分别应用LSSVM进行最终的识别工作。结果表明:基于HHT比基于小波的方法能够得到更好的分类效果。