[发明专利]一种基于深度学习算法的变压器声音缺陷识别系统

权利要求书

1.一种基于深度学习算法的变压器声音缺陷识别系统，其特征在于，包括以下操作步骤：

S1、工作人员通过人工将其扩音装置放入到变压器的表面，同时将其固定于变压器的表面，防止其使用过程中出现脱落的现象；

S2、固定完成之后，继而使其变压器开始通电工作，同时扩音装置开始进行变压器工作时所产生噪音的放大，同时将放大后的音频送入到计算机的内部；

S3、当其噪音送入殴打计算机的内部时，进行音频的转化，继而将其转化为声音幅频特性图；

S4、当其音频转化为声音幅频特性图之后，再通过人工观察其特性图中波长与幅值是否为周期性，在通过这一特征进行分类处理；

S5、分类完成之后，再通过智能微机判断，继而将其进行二次分类处理，分类完成之后，再将其依次送入到故障诊断部门进行分类处理，继而方便其工作人员进行故障的分析与判断。

2.根据权利要求1所述的一种基于深度学习算法的变压器声音缺陷识别系统，其特征在于：所述扩音装置上设定有负压吸附装置，同时负压吸附装置工作方式为电动。

3.根据权利要求1所述的一种基于深度学习算法的变压器声音缺陷识别系统，其特征在于：所述当特性图中波长与幅值是为周期性时，同时其声音小于1000Hz时，送入到故障诊断部门时，如果通过人工听取其声音是否为“嗡嗡”的电磁声，即可判断变压器基本为无故障状态。

4.根据权利要求1所述的一种基于深度学习算法的变压器声音缺陷识别系统，其特征在于：所述当特性图中波长与幅值是为周期性时，同时其声音大于1000Hz时，且送入到故障诊断部门时，发出的也是嗡嗡声时，此时即可判断变压器中电源电压较高、负荷较大，或者铁芯夹件两头螺丝、穿心螺丝、垫块压钉螺丝不紧情况的出现。

5.根据权利要求1所述的一种基于深度学习算法的变压器声音缺陷识别系统，其特征在于：所述当特性图中波长与幅值是为周期性时，同时其声音大于1000Hz时，且送入到故障诊断部门时，发出“吱吱”声，继而可以判断其可能是触头有污垢而引起的接触不良现象，所述当特性图中波长与幅值是为周期性时，同时其声音大于1000Hz时，且送入到故障诊断部门时，发出“吱啦”声，此时即可判断故障可能是由于新组装或吊芯检修时的疏忽大意，螺钉或铁垫没有上紧或掉入小的铁质部件，在电磁力作用下抖动所，且在判断时需要确定其扩音装置是否为固定状态。

6.根据权利要求1所述的一种基于深度学习算法的变压器声音缺陷识别系统，其特征在于：所述当特性图中波长与幅值是为非周期性时，同时其声音大于1000Hz时，且送入到故障诊断部门时，发出“啪叽”的清脆击铁声时，此时即可判断变压器的故障可能为变压器出现渗油现象，所述当特性图中波长与幅值是为非周期性时，同时其声音大于1000Hz时，且送入到故障诊断部门时，发出蛙鸣般的“唧哇、唧哇”声时，此时即可判断变压器出现不正常励磁现象。

7.根据权利要求1所述的一种基于深度学习算法的变压器声音缺陷识别系统，其特征在于：所述当特性图中波长与幅值是为非周期性时，同时其声音大于1000Hz时，且送入到故障诊断部门时，发出“哇哇”的哺叫声时，此时即可判断变压器可能出现了与连接设备中产生了谐波电流现象，所述当特性图中波长与幅值是为非周期性时，同时其声音大于1000Hz时，且送入到故障诊断部门时，发出了“虎啸声”时，此时即可判断其变压器内部的低压线路发生了短路与接地现象，所述当特性图中波长与幅值是为非周期性时，同时其声音大于1000Hz时，且送入到故障诊断部门时，其发出了“咕噜”的沸腾声，此时即可判断当变压器绕组发生层间或匝间短路等情况。

8.根据权利要求1所述的一种基于深度学习算法的变压器声音缺陷识别系统，其特征在于：所述当特性图中波长与幅值是为非周期性时，同时其声音小于1000Hz时，此时可以大致判断为变压器的工作环境过于潮湿，继而导致其油枕内部出现了氧化生锈的现象。

9.根据权利要求1所述的一种基于深度学习算法的变压器声音缺陷识别系统，其特征在于：微机处理判断过程为设X= {xt ,x,…},G= G₁,G₂…,G_n为属性集,W= l,2,…W_m为属性的原定向量,其中w_i0, ；对于方案x_iX,按第i个属性G_i,进行测度,得到x_j关于G_j,的属性值a_ij ,从而构成决策矩阵A =(a_ij)m_xn；令M = {1,2,…,m_l },N={1,2,…,n_l},其中X为需要判定的数据集。