[发明专利]一种基于声音特征的大型变压器故障检测方法

权利要求书

1.一种基于声音特征的大型变压器故障检测方法，其特征在于，通过预先训练得到包含大型变压器正常运行和各种故障的声音字典后，按以下步骤检测：

步骤1，通过设置在待检测大型变压器上的拾音装置采集所述大型变压器发出的声音；

步骤2，对所采集的声音进行变换处理后提取相应的幅度和实部，将所述幅度和实部分别投影至所述声音字典，得到正常运行和各种故障的稀疏表示系数，用得到的所述正常运行和各种故障稀疏表示系数重建相应的声音，计算所述重建相应的声音相对于所述待检测大型变压器采集声音的误差；

所述对所采集的声音进行变换处理后提取相应的幅度和实部为：

对所采集的大型变压器的声音s^te(t)进行短时傅里叶变换，得到时频域上的复数谱为：S^te(tf,f)＝STFT{s^te(t)}；

其中，STFT{ }为短时傅里叶变换算子；tf和f分别为时间帧和频率点；|S^te(tf,f)|和Re[S^te(tf,f)]分别为S^te(tf,f)幅度和实部；

所述将所述幅度和实部分别投影至所述声音字典，得到正常运行和各种故障的稀疏表示系数为：

将时频域上的复数谱的幅度和实部|S^te(tf,f)|和Re[S^te(tf,f)]组织起来，分别投影到M个字典上，得到在各个字典上的最优稀疏表示系数，按下述各式计算稀疏表示系数：

其中，D_am和D_rm分别是大型变压器第m种声音复数谱的幅度和实部字典；E_m为投影到第m个字典上的候选稀疏表示系数；为通过上式从候选稀疏表示系数中选出的最优稀疏表示系数，该稀疏表示系数为矩阵形式，e_m,g为E_m的第g列；q为稀疏约束；m＝1,2,...,M，M为采集到的大型变压器的声音种类数；表示弗罗贝尼乌斯范数的平方；

利用稀疏表示系数和重建出M种声音复数谱的幅度和实部，按下述方式重建：

其中，和分别表示利用稀疏表示系数和字典重建出的声音复数谱的幅度和实部，m＝1,2,...,M，M为采集到的大型变压器的声音种类数；

所述计算所述重建相应的声音相对于所述待检测大型变压器采集声音的误差为按下述各式计算得出：

其中，ε₁表示采集声音s^te(t)复数谱相对于由正常运行声音字典重建声音复数谱的误差；ε_m表示采集声音s^te(t)复数谱相对于由第m个故障声音字典重建声音复数谱的误差，m＝2,3,...,M，M为采集到的大型变压器的声音种类数；

步骤3，根据所述误差大小，判定所述待检测大型变压器的故障所属的种类。

2.根据权利要求1所述的基于声音特征的大型变压器故障检测方法，其特征在于，所述方法中，预先训练得到包含大型变压器正常运行和各种故障的声音字典的方式如下：

步骤S1，通过设置在大型变压器上的拾音装置分别采集所述大型变压器正常运行和各种故障发出的声音，构建各种声音的训练集；

步骤S2，对各种声音的训练集分别进行短时傅里叶变换提取相应的幅度和实部；

步骤S3，基于K-SVD算法联合学习所述幅度和实部的特征，得到正常运行和各种故障的声音字典。