10.19768/j.cnki.dgjs.2023.17.003
基于EEMD和深度自编码器的变压器机械故障声学诊断方法
为提高电力变压器机械故障诊断的准确性,依据变压器声音信号与机械状态之间的关联特性,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和深度自编码器(Stacked Auto-Encoder,SAE)的变压器机械故障声学诊断方法.首先采用 EEMD 对变压器原始声音信号进行分解,提取信号的时频能量特征;然后构建基于SAE的变压器机械故障识别模型,通过无监督自学习和有监督微调完成深层特征挖掘和识别;最后以某 10kV变压器为试验对象,采用典型机械状态下的声音信号对故障识别模型进行训练优化.算例结果表明,与传统的故障诊断方法相比,所提方法能更好地对变压器机械故障进行识别.
电力变压器、机械故障、声音信号、集合经验模态分解、深度自编码器
TM406(变压器、变流器及电抗器)
2023-11-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
9-12