[发明专利]一种电抗器铁心松动故障诊断方法、装置和设备

权利要求书

1.一种电抗器铁心松动故障诊断方法，其特征在于，包括以下步骤：

S1、采集高压并联电抗器工作状态下的振动源信号，提取振动源信号中关键的数据特征；用GBDT算法构建的初始预测模型；

S2、将提取的数据特征设置分类标签，作为训练集，对初始预测模型进行训练；在训练过程中，使预测模型不停地学习数据包含的特征，每次迭代在上一轮训练模型的残差值基础上训练，经过多次迭代进行的残差计算和权值加权后，使得强学习器学习到不同状态下电抗器振动信号所包含的特征，得到目标预测模型；

S3、采集待诊断的电抗器的振动信号，将采集到的振动信号输入目标预测模型，判断当前电抗器是否处于螺母松动故障下，并预测电抗器处于何种松动程度下。

2.根据权利要求1所述的一种电抗器铁心松动故障诊断方法，其特征在于，所述S1中，用GBDT算法构建的初始预测模型包括以下步骤：

SA1、初始化第一个弱学习器的阈值与权值；

SA2、建立M棵分类回归树；

SA3、计算回归树对应损失函数的负梯度，并将回归树按照负梯度从大到小的顺序排序，得到一个强学习器。

3.根据权利要求2所述的一种电抗器铁心松动故障诊断方法，其特征在于，所述SA2中，利用CART回归树进行数据拟合，对损失函数的负梯度r_m，i拟合一棵回归树，得到其对应的叶子节点区域R_m，j，j＝1，2，...，J，J为回归树的叶子节点的个数；再计算生成的决策树中各个叶子节点的叶子区域j，计算出最佳残差拟合值c_m，j，用最佳残差拟合值c_m，j得到强学习器；

其中，f_m-1(x_i)为第m-1次计算得到的模型。

4.根据权利要求1所述的一种电抗器铁心松动故障诊断方法，其特征在于，所述S1中，采用压电式加速振动传感器采集电抗器的振动源信号。

5.根据权利要求1所述的一种电抗器铁心松动故障诊断方法，其特征在于，所述S1中，将采集到的振动源信号进行快速傅里叶变换与小波去噪后再提取关键的数据特征。

6.根据权利要求1所述的一种电抗器铁心松动故障诊断方法，其特征在于，所述S1中，关键的数据特征为振动信号的基频。

7.根据权利要求1所述的一种电抗器铁心松动故障诊断方法，其特征在于，所述S2中，所以提取的数据特征采用交叉验证的方法按照1:4的比值分为测试集与训练集。

8.根据权利要求1所述的一种电抗器铁心松动故障诊断方法，其特征在于，所述S2中，标签包括正常状态、11N.m、7N.m和3N.m。

9.一种电抗器铁心松动故障诊断装置，其特征在于，包括依次连接的振动传感器、采集卡和终端，所述振动传感器用于测量电抗器的振动源信号，所述采集卡，采集卡用于采集振动源信号并传递至终端，所述终端用于根据振动源信号判断电抗器是否处于螺母松动故障下，并预测电抗器处于何种松动程度下。

10.一种计算机设备，其特征在于，包括电连接的存储器和处理器，所述存储器上存储有可在处理器上运行的计算程序，所述处理器执行所述计算程序时，实现权利要求1-8中任意一项所述的方法的步骤。