[发明专利]一种基于声学特征和神经网络的电力变压器故障诊断方法

权利要求书

1.一种基于声学特征和神经网络的电力变压器故障诊断方法，其特征在于，包括以下步骤：

步骤1，采集电力变压器的声音信号；具体为，使用声音采集装置采集获取电力变压器处于各状态时的声音信号，记录采集的声音信号与电力变压器各状态的对应关系；所述电力变压器的各状态包括正常状态以及各种类型的故障状态；

步骤2，将步骤1采集的声音信号进行预处理；其中，所述预处理过程具体包括：

步骤2.1，使用巴特沃斯低通数字滤波器对采集获取电力变压器处于各状态时的声音信号进行低通滤波；

步骤2.2，对步骤2.1低通滤波后的电力变压器的声音信号进行小波分解，对小波分解后的小波系数进行阈值处理，使用阈值处理后的小波系数重构获得信号消噪后的电力变压器的声音信号；

步骤2.3，对步骤2.2重构获得信号消噪后的电力变压器的声音信号进行归一化以及分帧加窗处理，对于每一帧都提取频域特征构造获得频域特征一维矩阵；

其中，归一化的具体过程是：设步骤2.2信号消噪处理中重构出电力变压器的声音为在时域上是由依次出现的数值x₀，x₁，x₂，x₃，······x_n构成的，设x_min为x₀，x₁，x₂，x₃，······x_n中的最小值，设x_max为x₀，x₁，x₂，x₃，······x_n中的最大值，对任一x_i∈{x₀,x₁,x₂,x₃,......,x_n}其归一化后的值为：

分帧加窗的具体过程是：

设归一化处理后的声音为设定帧长为T，帧移为α，分帧即为在上截取时间长度为T的一段作为一帧，前一帧的尾部与后一帧的头部重叠的部分为帧移α，第j帧的结束时刻t_end为T+(j-1)×(1-α)×T，第j帧的起始时刻t_start为(j-1)×(1-α)×T，其中，j≥1且j为整数；在分帧过程中，若的剩余部分时间长度小于帧长T则将该部分丢弃，不对该部分进行分帧操作；

对进行分帧处理后进行加窗处理，设第j帧为f_j(n)，使用窗函数对f_j(n)进行加窗处理；具体为，使用海明窗hm(n)对f_j(n)进行加窗处理；使用的海明窗hm(n)的表达式为：

设对第j帧f_j(n)进行加窗处理后的结果为则

其中*表示卷积；

步骤2.4，对于步骤2.3得到的每一个频域特征一维矩阵都提取出其中的数据作为样本矩阵的一行，获得样本矩阵，即样本矩阵中的每一行数据都有唯一一个频域特征一维矩阵与之对应；使用一维PCA算法对样本矩阵进行处理，在处理结果中选取贡献率大于阈值PCA_th的前M个主要成分作为预处理后的结果；

步骤3，建立GRU神经网络模型；具体包括：确定输入层和输出层神经元个数、确定隐含层个数以及每个隐含层包括的GRU神经元节点个数、权重初始化以及神经网络训练；所述神经网络训练以步骤2中特征提取获得的频域特征以及频域特征对应的电力变压器的状态作为神经网络的训练数据；

步骤4，采集待诊断电力变压器的声音信号；将采集的待诊断电力变压器的声音信号通过步骤2的预处理方法进行预处理；将预处理后的待诊断电力变压器的声音信号输入步骤3训练完毕的GRU神经网络模型中，根据GRU神经网络模型的输出结果完成待诊断电力变压器故障诊断；

步骤4具体包括：

采集待诊断电力变压器的声音信号；将采集的待诊断电力变压器的声音信号通过步骤2的预处理方法进行预处理得到据降维矩阵，记为记为中的任意一行；

使用一维矩阵表示电力变压器的状态，一维矩阵的数据的个数为N+1，一维矩阵中的数据包括N个0和1个1，通过在一维矩阵中数字1的位置的不同来区分电力变压器的不同的状态，记表示电力变压器状态的矩阵为state_i；

对每一个都有一个电力变压器的状态与对应，由确定电力变压器的状态的过程是：对于输入训练后的GRU神经网络后得到的计算与state_i的欧式距离，在state_i中选择与欧式距离最小的state_i记为state_min，与state_min对应的电力变压器的状态即通过GRU神经网络判断出的待诊断电力变压器的状态。