[发明专利]一种基于混沌理论和蜉蝣优化K-means算法的变压器绕组松动故障特征提取方法

权利要求书

1.一种基于混沌理论和蜉蝣优化K-means算法的变压器绕组松动故障特征提取方法，其特征在于：该方法包括如下步骤：

步骤1：在正常状态的变压器箱体上设置P个测点，获取变压器振动信号，选取振动幅值最大的测点D作为最佳测点；

步骤2：计算测点D采集振动信号的最大Lyapunov指数，判断其混沌特性；

步骤3：计算具有混沌特性的振动信号的关联维数、Kolmogorov熵作为变压器绕组松动故障的混沌特征参考值；

步骤4：将振动信号进行相空间重构，得到相空间轨迹；

步骤5：采用蜉蝣优化算法优化K-means算法的初始聚类簇中心，再对相空间轨迹聚类，最终对所得K个簇中心计算簇中心矩之和与矢径偏移作为变压器绕组松动故障的几何特征参考值；

步骤6：变压器绕组非正常状态的混沌特征与几何特征与参考值对比，实现精确识别故障。

2.根据权利要求1所述的一种基于混沌理论和蜉蝣优化K-means算法的变压器绕组松动故障特征提取方法，其特征在于：在步骤1中，在正常状态的变压器箱体上设置P个测点，获取变压器振动信号，选取振动幅值最大的测点D作为最佳测点，步骤如下：

步骤1.1：将P个压电式加速度传感器通过磁性底座分别固定在变压器箱体顶端的位置，用来获取变压器表面振动数据；

步骤1.2：测量得到变压器测点振动信号，根据时域信号图，选取振动幅值最大的测点D作为变压器最佳测点。

3.根据权利要求1或2所述的一种基于混沌理论和蜉蝣优化K-means算法的变压器绕组松动故障特征提取方法，其特征在于：在步骤2中，计算测点D采集振动信号的最大Lyapunov指数，判断其混沌特性，步骤如下：

步骤2.1：对于振动信号时间序列x₁，x₂，…，x_k，…，嵌入维数m，时间延迟τ，则重构相空间

Y(t_i)＝(x(t_i)，x(t_i+τ)，…，x(t_i+(m-1)τ))，i＝1，2，…，N  (1)

其中，嵌入维数m与延迟时间τ的确定方法如下：

定义引入时间序列的关联积分为

式中：M＝N-(m-1)τ；d_ij＝max||x_i-x_j||；θ(x)为开关函数；r为其中的搜索半径；

对于已知的时间序列{x_i}，i＝1，2，…，N，将其划分为τ个不相交的子集

定义每个子集的S(m，N，r，τ)为

定义差量

ΔS(m，τ)＝max{S(m，r_j，τ)}-min{S(m，r_j，τ)}  (6)

式(6)刻画了关于搜索半径r的最大偏差，延迟时间τ可以在S(m，r，τ)的零点和ΔS(m，τ)的第一个极小值处取得；

由Brock等人得出的统计结论表明：当2≤m≤5，(s为时间序列的均方差)，N≥500时渐近分布(样本量充分大的极限分布)能够有很好的近似；

据此，取m＝2，3，4，5，计算

由式(7)可计算的第一个零点处或由式(8)计算的第一个极小值处对应的延迟时间的较小值作为τ的结果。由式(9)可计算S_cor的最小值处对应的τ_w作为时间窗口，根据τ_ω＝(m-1)τ可计算得出m的结果为

步骤2.2：取初始点Y(t₀)，设其与最近邻点Y₀(t₀)的距离为L₀，追踪这两点的时间演化，直到t₁时刻，其间距超过某规定值ε＞0，L′₀＝|Y(t₁)-Y₀(t₁)|＞ε，保留Y(t₁)邻近另外一个点Y₁(t₁)，使得L′₁＝|Y(t₁)-Y₁(t₁)|＜ε，并且与之夹角尽可能的小，继续上述过程，直至Y(t)到达时间序列的终点N，这时追踪演化过程总的迭代次数为M，则最大Lyapunov指数为

判断振动信号的最大Lyapunov指数是否大于0，大于0则证明具有混沌特性。