[发明专利]一种基于变分模态分解的GIS振动信号特征量提取方法

权利要求书

1.一种基于变分模态分解的GIS振动信号特征量提取方法，其特征在于：该方法包括如下步骤：

步骤1：采集GIS正常及故障状态下的振动信号，截取一段GIS振动信号，运用灰狼捕食算法对变分模态分解方法中的关键参数进行优化；根据优化结果设置变分模态分解参数，对GIS振动信号进行分解，得到K个模态分量IMF，选取幅值最大的分量作为最佳IMF特征分量；

步骤2：提取最佳IMF特征分量的最大幅值、均方根值、峭度、100Hz占比、100Hz的倍频占比之和、50Hz及其奇次倍频占比作为特征量，并构建GIS振动信号的特征向量；将同一台GIS故障状态振动信号的特征向量与正常振动信号的特征向量进行对比，得到故障特征量的变化趋势；对于未知运行状态的GIS，将未知运行状态GIS对应的振动信号特征向量与正常振动信号的特征向量进行对比，得到未知运行状态的GIS特征量的变化趋势，将未知运行状态的GIS特征量的变化趋势与故障特征量的变化趋势进行比较，判断未知运行状态的GIS是否出现异常。

2.根据权利要求1所述的一种基于变分模态分解的GIS振动信号特征量提取方法，其特征在于：针对步骤1中截取的GIS振动信号，运用灰狼捕食优化算法对变分模态分解方法中的关键参数进行优化，其中，关键参数包括惩罚因子α和模态分量IMF分量个数K。

3.根据权利要求2所述的一种基于变分模态分解的GIS振动信号特征量提取方法，其特征在于：通过灰狼捕食优化算法的变分模态分解(K，α)的优化流程包括如下步骤：

(1)、初始化灰狼种群，随机产生n个智能个体的位置，初始化灰狼捕食优化算法中各项参数，确定寻优过程中的适应度函数；

(2)、在不同种群位置处对信号进行变分模态分解计算，计算每个灰狼位置相对应的适应度值；

(3)、进行各个适应度值大小对比分析，更新最优灰狼智能个体位置；

(4)、循环迭代，回到步骤(2)，直到迭代次数达到预设值后输出最佳适应度值对应灰狼位置(K，α)。

4.根据权利要求1所述的一种基于变分模态分解的GIS振动信号特征量提取方法，其特征在于：步骤1中根据优化结果设置变分模态分解参数，对GIS振动信号进行分解，得到相应个数的IMF分量；具体包括：

变分模态分解算法将GIS振动信号分解过程转移到变分框架内，通过搜寻约束变分模型最优解来实现GIS振动信号自适应分解进而获取IMF分量，每个IMF分量的频率中心及带宽在迭代求解变分模型的过程中不断更新，最终根据实际信号的频域特性完成信号频带的自适应剖分，得到多个窄带IMF分量。