[发明专利]基于激光测振的变压器噪声识别和逆向还原方法及介质

权利要求书

1.一种基于激光测振的变压器噪声识别和逆向还原方法，其特征在于，包括以下步骤：

构建待测变压器的声振耦合模型，获得优化的测点布置方案；

基于所述优化的测点布置方案，利用激光测振法获得各测点的表面振动信号；

以设定时间长度对所述表面振动信号进行拆分，获得多个表面振动时域信号片段；

以所述多个表面振动时域信号片段作为预先训练的噪声识别与还原神经网络模型的输入，获得对应的设备状态和噪声时域信号估计值；

将所述噪声时域信号估计值转化为声场指标及声场分布，实现变压器噪声识别与还原。

2.根据权利要求1所述的基于激光测振的变压器噪声识别和逆向还原方法，其特征在于，所述测点布置方案包括测点位置和测点数量。

3.根据权利要求1所述的基于激光测振的变压器噪声识别和逆向还原方法，其特征在于，根据变压器的几何模型及运行工况，构建所述声振耦合模型，基于所述声振耦合模型，对变压器进行谐响应声场仿真，获得所述优化的测点布置方案。

4.根据权利要求1所述的基于激光测振的变压器噪声识别和逆向还原方法，其特征在于，所述设定时间长度为变压器工作频率对应周期的整数倍。

5.根据权利要求1所述的基于激光测振的变压器噪声识别和逆向还原方法，其特征在于，所述噪声识别与还原神经网络模型的训练过程具体为：

获得多组变压器的表面振动信号和声压信号；

以设定时间长度对所述表面振动信号和声压信号进行拆分，获得多个表面振动时域信号片段和声压时域信号片段，计算每个片段的噪声辐射指数；

将多个片段的噪声辐射指数合并成噪声辐射指数特征矩阵，添加设备类型、设备状态、声压与噪声辐射指数特征矩阵的映射关系，形成噪声辐射指数特征库；

以所述噪声辐射指数特征库作为样本集，训练获得噪声识别与还原神经网络模型。

6.根据权利要求5所述的基于激光测振的变压器噪声识别和逆向还原方法，其特征在于，所述计算每个片段的噪声辐射指数具体为：

采用噪声辐射指数识别算法，计算片段中各频段的噪声辐射指数，以多个频段的平均噪声辐射指数作为该片段的噪声辐射指数。

7.根据权利要求5所述的基于激光测振的变压器噪声识别和逆向还原方法，其特征在于，将同工况同设备类型的所述多个片段的噪声辐射指数合成噪声辐射指数特征矩阵。

8.根据权利要求5所述的基于激光测振的变压器噪声识别和逆向还原方法，其特征在于，通过传声器获得所述声压信号。

9.根据权利要求1或5所述的基于激光测振的变压器噪声识别和逆向还原方法，其特征在于，通过激光测振仪获得所述表面振动信号。

10.一种计算机可读存储介质，其特征在于，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-9任一所述基于激光测振的变压器噪声识别和逆向还原方法的指令。