[发明专利]基于声音信号和振动信号的有载分接开关故障识别方法

权利要求书

1.基于声音信号和振动信号联合特征的变压器有载分接开关故障识别方法，其特征在于，包括如下步骤：

采集变压器有载分接开关载不同故障状态下的声音信号数据和振动信号数据作为样本，并进行预处理滤波；

对声音信号数据和振动信号数据分别进行分帧处理，并分别计算声音信号数据的自相关函数和振动信号数据的自相关函数；

对于声音信号数据，计算每帧声音信号数据的自相关函数的能量特征，并求取当前帧局部范围内的平均能量；对于振动信号数据，计算每帧振动信号数据的自相关函数的熵特征，并求取当前帧局部范围内的平均熵；

通过所述声音信号数据的自相关函数的能量特征、平均能量以及振动信号数据的自相关函数的熵特征和平均熵构建声音、振动异构数据联合能量熵特征，并按帧给声音、振动异构数据联合能量熵特征添加故障标签，收集添加好故障标签的声音、振动异构数据联合能量熵特征作为训练样本集；

构建神经网络，输入训练样本集进行训练，经过更新迭代后生成故障识别模型；

通过待检测的变压器有载分接开关的声音信号数据和和振动信号数据计算声音、振动异构数据联合能量熵特征，将待检测的变压器有载分接开关的声音、振动异构数据联合能量熵特征输入故障识别模型进行故障识别。

2.根据权利要求1所述的基于声音信号和振动信号联合特征的变压器有载分接开关故障识别方法，其特征在于：在进行分帧处理后的自相关函数计算公式为：

式中，x(n)为当前帧的声音数据或者振动数据，N为当前帧的点数，的长度为2*N-1。

3.根据权利要求2所述的基于声音信号和振动信号联合特征的变压器有载分接开关故障识别方法，其特征在于：所述声音信号数据的自相关函数的能量特征通过以下公式计算：

式中表示第i帧声音数据的自相关函数；

所述当前帧局部范围内的平均能量为：

4.根据权利要求2所述的基于声音信号和振动信号联合特征的变压器有载分接开关故障识别方法，其特征在于：所述振动信号数据的自相关函数的熵特征的计算公式为：

式中，谱概率频谱为第j个离散频率点；

当前帧局部范围内的平均熵为：

5.根据权利要求1所述的基于声音信号和振动信号联合特征的变压器有载分接开关故障识别方法，其特征在于：所述声音、振动异构数据联合能量熵特征通过以下公式构建：

式中，E_i为声音信号数据的自相关函数的能量特征，为声音信号数据的自相关函数的平均能量，H_i为振动信号数据的自相关函数的熵特征，为振动信号数据的自相关函数的平均熵。

6.根据权利要求1所述的基于声音信号和振动信号联合特征的变压器有载分接开关故障识别方法，其特征在于：所述神经网络为双向长短期神经网络，通过依次连接的一个序列输入层、三个双向长短期记忆层、一个全连接层、一个输出层构建。

7.根据权利要求1所述的基于声音信号和振动信号联合特征的变压器有载分接开关故障识别方法，其特征在于：通过低通滤波器进行预处理滤波。