由于飞机内空间狭小，航空电缆排线复杂，加之高空中的强氧化环境、粒子射线以及水汽的影响，使得航空电缆容易受到损害。此外，在飞机起飞和降落的过程中，受到气流影响，飞机的飞行状态发生改变，引起的连续振动会导致电缆线束发生弯曲、摩擦甚至折断的现象，继而发生航空交流电弧故障，进而可能引发空难。因此，研制电弧故障断路器（Arc Fault Circuit Breaker, AFCB）是十分必要的。综上，寻求一种能够快速、准确地识别电弧故障的方法对于AFCB的研发和相关标准的修改都将具有重要意义。

河北工业大学电器研究所的研究人员研究了众多的电弧故障识别策略，但是都不能很好地解决问题。利用传统的单一指标检测法进行故障识别的时候，正常数据和故障数据往往存在一定的重叠数据，因此即使确定了识别阈值，仍然有部分数据点发生识别错误，使得识别率不高。此外，单一指标检测法对负载类型及阻值的改变过于敏感，例如，小波变换对于线性负载和非线性负载的检测频段是不一样的，无法使用统一的阈值进行故障识别。

图1 点接触试验原理

图2 振动试验原理

图3 截断试验原理

研究人员利用将相空间重构和遗传算法优化的BP神经网络相结合的方法进行电弧故障检测。从所得的电流相平面图能够很好地观察出是否发生电弧故障，对于非线性负载也有很好的辨识度。利用相平面图计算出信号的分形维数，结果表明，对于不同的试验类型，虽然故障电流波形差异很大，但是分形维数均能够很好地识别出故障电流信号，并且不受采样频率变化的影响。

基于相空间重构的计盒维数、信息维数以及均值比及其标准差和峰峰值在对点接触、振动和截断三类试验进行电弧故障诊断时均表现出良好的特性，克服了单一指标的检测缺陷，可以为电弧故障识别提供初步的判断依据。将传统的BP神经网络进行遗传算法优化，克服了传统神经网络收敛速度慢、容易陷入局部极值的缺点，故障预测准确率进一步提高，为航空电弧故障诊断提供了新的思路。

以上研究成果发表在2020年《电工技术学报》增刊1，论文标题为“基于相空间重构的航空电弧故障识别方法”，作者为崔芮华、曹欢。