针对难以从转辙机柱塞泵的非线性振动信号中有效提取故障特征以及各分量之间存在模态混叠现象等问题,提出了一种非线性自适应正交经验模态分解(Kernel Principal Empirical Mode Decomposition,KPEMD)与向量加权平均算法优化的支持向量机(INFO-SVM)结合的故障诊断方法。首先通过KPEMD方法将原始信号分解为多个IMF分量,根据相关系数筛选出故障信息丰富的敏感分量;其次提取敏感分量的时域频域特征及能量熵构造混合特征样本集;最后输入到INFO-SVM多分类器中进行故障识别。利用柱塞泵实验数据进行对比分析,结果表明:KPEMD能够有效减弱模态混叠现象,充分提取故障信息,INFO优化SVM的识别准确率优于其它常用算法的优化结果。本方法能有效识别出转辙机柱塞泵的不同故障类型,诊断准确率达到98%。

目前的配电带电作业主要是通过绝缘斗臂车来实现,但是由于地形的限制,难以在山地、水田等环境中开展。为解决以上问题,提出一种适合配电带电作业的爬杆机器人平台。提出机器人平台的总体设计思想;介绍平台硬件和软件的设计原理和实现方法;形成实际的爬杆机器人。该机器人的主体既是一个操作臂又是一个爬行体。结果表明:该机器人可以实现自主爬杆,在到达电杆指定位置后可开展部分配电带电作业项目。