[发明专利]基于IVMD排列熵和CWOA-SVM的变压器绕组故障诊断方法

权利要求书

1.一种基于IVMD排列熵和CWOA-SVM的变压器绕组故障诊断方法，其特征在于，包括以下内容：

载入变压器绕组的原始信号；

初始化变压器的信号样本数据；

粒子群寻优；

VMD处理信号

筛选最佳分量；

排列熵特征量提取；

CWOA-SVM输入训练正确率对比。

2.一种基于IVMD排列熵和CWOA-SVM的变压器绕组故障诊断方法，其特征在于，包括以下步骤：

1)通过加速度传感器对绕组正常状态下的振动信号、故障状态下的振动信号进行采集和载入，并对采集和载入的振动信号做预处理；

2)基于预处理的振动信号，利用PSO函数对VMD的两个参数进行优化，并对采集到的振动信号进行分解，提取绕组的故障特征量：

针对预处理的振动信号，PSO函数优化VMD的参数L和惩罚系数α，将排列熵作为适应度函数，并将排列熵作为特征以使VMD分解具备自适应性，改进后的VMD被称为IVMD；

3)利用排列熵对IVMD的分解模态进行计算，提取特征量，并将其作为训练后的CWOA-SVM的输入量，并输出变压器绕组故障诊断结果。

3.根据权利要求2所述的一种基于IVMD排列熵和CWOA-SVM的变压器绕组故障诊断方法，其特征在于，步骤2)中优化的步骤包括：

①假设在一个D维空间内，由M个粒子组成的种群为X＝(X₁,X₂,X₃,...,X_D)，第i个粒子位置为X_i＝(X_i1,X_i2,X_i3,...,X_iD)，第i个粒子的速度为V_i＝(V_i1,V_i2,V_i3,...,V_iD)，某个体局部极值为P_i＝(p_i1,p_i2,p_i3,…p_iD)，种群全局极值G＝(g₁,g₂,...,g_D)，每个粒子通过个体局部极值和种群极值迭代更新自身的速度和位置，该速度和位置被表述为：

式中：w为惯性权重；d＝1,2，…，D；i＝1,2，…，M；k为当前迭代次数；c₁和c₂为加速度因子；η为介于[0,1]间的随机数。