基于声音特征的变电设备故障分类与定位方法研究

发布时间：2023-10-12 04:31

　　变电站电力变压器的故障检测技术,是指通过监控变压器运行状态来检测变电站电力变压器是否仍正常工作,若发生故障,能够做到及时报警,方便工作人员对其进行检测维修,同时还可以预测变压器未来一段时间内的工作情况。随着工业发展、科技进步、人们生活水平的不断提高,实时的在线故障检测技术已逐步发展起来,本文提出的变电站电力变压器故障检测方案是通过分析、提取变压器所发声音的幅频特征,并结合相应的检测算法来达到变压器故障检测的目的,可作为变压器故障检测的有效辅助手段。首先,建立了声音采集模型,构造并设计实现了用于声音采集和空间声源定位的多传感声音采集系统,一种基于中心对称式的非均匀麦克风采集阵列。麦克风阵列能够充分利用声音信号的时空特性,对于干扰信号具有较强的抗干扰能力,既可以提高采集到的目标声音信号的质量,又可以用来进行空间声源定位。对变压器工作时发出的声音进行采集后,通过检测系统对这些声音进行判断,进而达到对变压器运行情况进行检测的目的。其次,本文提出了一种基于电力变压器声音数据幅频特性的特征提取方法,既能够对声音特征进行有效提取,提高故障识别精度,又能够剔除声音样本中的干扰信号,增加故障定位的准确率...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 基于声音特征的变电设备故障诊断方法
    1.3 变电设备故障点的声源定位技术综述
    1.4 论文的主要内容及章节安排
第2章 变电设备声音采集模型设计及特征提取
    2.1 电力变压器声音采集模型设计
        2.1.1 电力变压器设备声音特征分析
        2.1.2 电力变压器声音采集设备选取
        2.1.3 基于中心对称式的非均匀麦克风采集阵列模型的设计
    2.2 电力变压器声音特征提取
        2.2.1 声音数据采集
        2.2.2 声音特征提取
    2.3 本章小结
第3章 电力变压器声音特征降维及分类方法
    3.1 声音特征降维
        3.1.1 PCA(主成分分析)简介
        3.1.2 2DPCA(二维主成分分析)
        3.1.3 采用2DPCA对电力变压器声音特征矩阵进行降维
    3.2 基于支持向量积的分类方法
        3.2.1 支持向量机基本原理
        3.2.2 利用核函数将数据映射到高维空间
        3.2.3 二分类下采用不同核函数对声音样本进行分类
        3.2.4 二分类下采用不同阈值对声音样本进行分类
    3.3 本章小结
第4章 电力变压器故障定位方法
    4.1 对故障声音信号进行频域滤波
        4.1.1 对故障声音信号进行分析
        4.1.2 离散傅里叶逆变换
    4.2 电力变压器故障定位
        4.2.1 MUSIC算法简介
        4.2.2 W-IMUSIC算法
        4.2.3 W-IMUSIC算法对中心对称式非均匀线阵的适用性证明
        4.2.4 真实谱峰的提取
        4.2.5 对电力变压器故障位置进行定位
    4.3 本章小结
第5章 实验及分析
    5.1 基于幅频特性的电力变压器声音特征参数提取
        5.1.1 声音信号归一化
        5.1.2 分帧和加窗
        5.1.3 短时傅里叶变换
        5.1.4 特征矩阵的提取
    5.2 应用2DPCA+SVM方法对两类故障进行分类
    5.3 应用三种MUSIC算法对电力变压器故障定位
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士学位期间发表的论文及参与科研情况
致谢



本文编号：3853456