[发明专利]基于音频特征的电力变压器故障预测与诊断方法及系统

权利要求书

1.基于音频特征的电力变压器故障预测与诊断方法，其特征在于，具体步骤包括：

S1.基于混沌振子检测噪声背景下电力变压器音频数据的有效信号；

S2.针对所述步骤S1中提取的音频有效信号，采用梅尔频率倒谱技术，计算在非线性梅尔刻度上的对数能量谱，作为电力变压器音频信号的特征量；

S3.采用主成分分析方法计算所述电力变压器音频信号特征量的主元成分；

S4.采用量子粒子群算法优化向量机算法的超参数训练电力变压器故障预测模型；

S5.若所述电力变压器处于故障状态，则采用1/3倍频程算法提取故障特征频程幅值，并基于1/3倍频程幅值计算电力变压器音频信号的T2和SEP统计量，找出T2或SEP统计量超过阈值时对T2或SEP统计量贡献图最大的倍频程对应的频率范围，作为电力变压器故障音频特征，与专家经验规则库进行对比，预测/得出电力变压器的故障类型。

2.根据权利要求1所述的基于音频特征的电力变压器故障预测与诊断方法，其特征在于，所述步骤S1将电力变压器音频信号作为混沌系统的一种微弱周期或准周期扰动信号，通过计算辨识，将电力变压器音频信号检测出来，把系统从混沌相态到大尺度周期相态的转变作为微弱周期或准周期信号的检测依据，所述混沌系统基于Duffing-Holmes，具体方法包括：

S101.所述Duffing-Holmes振子方程为

其中，k为阻尼比，-x+x³为非线性回复力项，r cos(ωt)为周期策动力或激励信号，r为周期策动力幅值，Poincare映射存在Smale马蹄意义下的混沌；

S102.通过Melnikov方法计算产生混沌的阈值，r/k满足不等式r/kR^m；

其中，R^m为参数r/k的m次谐轨分岔值，当r/k跨越分岔值R^m时，混沌系统在相空间中矢量场的拓扑性质发生跃变；当r/k小于R^m时，系统处于混沌状态，不存在周期闭轨；当r/k大于R^m时，系统处于大周期状态，存在一簇周期闭轨。

3.根据权利要求1所述的基于音频特征的电力变压器故障预测与诊断方法，其特征在于，所述步骤S2的梅尔频率倒谱技术具体计算方法包括以下步骤：

S201.采用高通滤波器对音频片段进行预加重，解决高频分量信号在传输过程中比低频信号损失大的问题：

H(z)＝1-bz^-1

其中，b取0.98；

S202.为避免离散FFT变换时两端点处发生突变，采用海明窗对音频片段进行加窗处理：

w[n]＝0.54-0.46cos(2nπ/L)

其中，n表示采样点号，L表示窗长；

S203.对每一帧时域信号做N点离散傅里叶变换DFT，N≥L：

S204.在声音频谱范围内设置带通滤波器H_m(k)，0≤mM，其中，M为滤波器的个数；

所述滤波器具有三角形滤波特性，中心频率为f(m)，在梅尔频率范围内滤波器是等带宽的；将实际频域变换到梅尔频域

m(f)＝1125ln(1+f/700)

将限定的实际频率范围[fl，fh]映射到梅尔频率范围[Fmell，Fmelh]并等分成M+1份，得到M个梅尔中心频率，再将所述M个梅尔中心频率映射到实际频域，得到M个三角形滤波器在实际频域的中心频率；

根据实际频域的中心频率，确定梅尔滤波器组的传递函数，其中，m为滤波器序号：

计算频域信号X(k)经过第m个梅尔滤波器输出的对数能量，表达式为：

其中，E(m)为对数能量，H_m(k)为梅尔滤波器组，X(k)为频域信号；

S205.经过离散余弦变换DCT得到梅尔倒谱系数，表达式为

其中：C(n)为第n个频率倒谱系数，E(m)为对数能量，M为梅尔滤波器的个数即输出维数。