一种基于声学成像技术的变压器机械故障诊断方法与流程

本发明涉及属于电力技术领域，涉及一种基于声学成像技术的变压器机械故障诊断方法。

背景技术：

电力系统中的变压器故障产生的振动及噪声主要是基于振动信号测量与分析的，并形成了一套完整的理论体系和方法，如：频谱分析技术、幅值参数指标分析、冲击脉冲技术、共振解调技术等。基于振动信号的故障诊断方法必须把传感器布置在振动设备的表面，然而对于带电设备、复杂部件振动表面、高温或油垢等恶劣环境下传感器的布置比较困难，而且仅能对振动表面的若干孤立测点的振动信号进行分析，因此只能反应设备局部的振动信息，很多情况下无法得到所关注部件的振动信息，设备整体的振动情形难以呈现；同时对于某些需要停机安装振动传感器的场合，停机安装将带来较大的经济损失；另外，由于设备故障的多样性，故障特征也各不相同，在某些故障下振动特征并不明显，而其他特征(如声学特征)比较明显，因此有必要寻求一种有效的非接触式监测与分析手段。

技术实现要素：

本发明的目的在于克服上述现有技术的缺点，提供了一种基于声学成像技术的变压器机械故障诊断方法，该方法能够采用非接触的方式实现变压器机械故障的诊断，并且不需要对变压器进行停机。

为达到上述目的，本发明所述的基于声学成像技术的变压器机械故障诊断方法包括以下步骤：

1)在变压器工作过程中，通过传声器阵列检测变压器各机械状态下产生的噪声信号，再根据变压器各机械状态下产生的噪声信号绘制变压器各机械状态下的声场分布，然后根据变压器各机械状态下的声场分布构建变压器各机械状态的声像样本库；

2)从变压器各机械状态的声像样本库中提取变压器各机械状态下声场分布的所有声像特征；

3)对步骤2)得到的变压器各机械状态下声场分布的所有声像特征采用模式识别技术训练得到各声像特征的识别率，然后根据各声像特征的识别率确定最优声像特征，并建立最优声像特征与变压器的机械状态之间的对应关系，然后根据最优特征与变压器的机械状态之间的对应关系构建分类器；

4)通过传声器阵列检测待测变压器工作过程中产生的噪声信号，并根据待测变压器工作过程中产生的噪声信号绘制待测变压器的声场分布，再提取待测变压器工作过程中声场分布的所有声像特征，然后对待测变压器工作过程中声场分布的所有声像特征采用模式识别技术训练得到待测变压器工作过程中各声像特征的识别率；

5)根据步骤4)得到的待测变压器工作过程中各声像特征的识别率确定待测变压器的最优声像特征，再将待测变压器的最优声像特征输入到分类器中，得待测变压器的机械状态，实现变压器机械故障的诊断。

传声器阵列中的各传声器的相位一致。

步骤1)中根据变压器各机械状态下产生的噪声信号利用声学成像技术绘制变压器各机械状态下的声场分布。

步骤2)中利用图像处理技术及特征提取技术提取变压器各机械状态下声场分布的所有声像特征。

步骤4)中根据变压器工作过程中产生的噪声信号采用声学成像技术绘制待测变压器的声场分布。

变压器各机械状态下声场分布的所有声像特征包括视觉特征、统计特征、变换系数特征及代数特征。

本发明具有以下有益效果：

本发明所述的基于声学成像技术的变压器机械故障诊断方法在具体操作时，由于变压器各机械状态产生的噪声信号不同，本发明以变压器为声源，通过传声器阵列采用非接触的方式检测变压器各种机械状态下产生的噪声信号，并根据检测的噪声信号绘制变压器各机械状态下的声场分布，从而得到变压器各机械状态下声场分布的声像特征、最优声像特征、以及最优声像特征与变压器的机械状态之间对应关系，在对待测变压器机械状态的判断过程中，只需通过传声器阵列采集待测变压器工作过程中产生的噪声信号，并确定待测变压器工作过程中的最优声像特征，并采用对比的方式，即可获知待测变压器的机械状态，从而判断出待测变压器是否出现机械故障，并且不需要待测对变压器进行停机处理，同时检测的成本较低，并且灵敏度及准确度较高。

附图说明

图1为变压器振动噪声产生及传播示意图；

图2为本发明中故障诊断问题的示意图；

图3为本发明的流程图。

具体实施方式

下面结合附图对本发明做进一步详细描述：

变压器振动由变压器本体的振动以及冷却装置的振动引起，变压器本体主要包括铁心及绕组，振动产生及传播过程如附图1所示。

其中，绕组振动主要由通有交变电流的线圈在漏磁场中所受动态电磁力引起，而铁心的振动主要由硅钢片的磁致伸缩现象以及硅钢片之间涡流作用引起的电磁力产生，由图1可得，变压器振动及噪声信号能够最直接反映其内部机械结构的改变，因此将其作为变压器状态诊断依据的科学性及可靠性不言而喻。

变压器的故障诊断就是鉴别变压器的运行状态是否正常，然后确定故障的性质、部位及原因，最后提出解决故障的措施。

根据变压器全部可能发生的机械状态构成状态空间S，其可测特征向量构成特征空间Y，则状态空间和特征空间的关系如图2所示，当系统处于某一个机械状态s时，系统具有特定的特征y，即存在映射：

g：S→Y

反之，一定的特征也对应相应的机械状态，即也存在映射：

f:Y→S

由图2可知，故障诊断的目的就是根据可测量的特征向量，通过映射来判断系统所处的机械状态；如果把不同机械状态认为是不同的“模式”，“状态识别”就转化为“模式识别”，因此，故障诊断问题本质上就是一类模式识别问题，常规声诊断技术主要通过有限个测点测量声信号，然后利用信号处理技术提取声信号的特征进行故障诊断，因此常规声诊断技术可以看作是基于声信号的模式识别，噪声信号为向量信号，因此识别特征是从向量信号中提取出来的，而利用阵列测量及声成像技术得到了设备声场的声场量分布，在进行特征提取的时候就需要采用矩阵或图像的特征提取技术，因此，利用声像进行故障诊断的实质是基于声像模式识别的故障诊断。

本发明在进行噪声信号检测时，先将传声器阵列固定在阵列支架上，再将阵列支架固定在变压器周围，通过传声器阵列检测变压器产生的噪声信号，再通过数据采集系统对各传声器采集的噪声信号进行同步采集，然后再输入到计算机中，计算机根据各传声器采集的噪声信号以及各传声器的位置采用声学成像技术绘制待测变压器的声场分布。

数据采集系统同步采集多通道传声器的电信号，除了针对单独的声音采集中需要关注的动态范围、位数、抗混叠滤波器及、内置IEPE激励等要求外，针对麦克风阵列应用还要求通道间相位一致性好，一般会选择每通道独立ADC的采集设备。

参考图3，本发明所述的基于声学成像技术的变压器机械故障诊断方法包括以下步骤：

1)在变压器工作过程中，通过传声器阵列检测变压器各机械状态下产生的噪声信号，再根据变压器各机械状态下产生的噪声信号绘制变压器各机械状态下的声场分布，然后根据变压器各机械状态下的声场分布构建变压器各机械状态的声像样本库；

2)从变压器各机械状态的声像样本库中提取变压器各机械状态下声场分布的所有声像特征；

3)对步骤2)得到的变压器各机械状态下声场分布的所有声像特征采用模式识别技术训练得到各声像特征的识别率，然后根据各声像特征的识别率确定最优声像特征，并建立最优声像特征与变压器的机械状态之间的对应关系，然后根据最优特征与变压器的机械状态之间的对应关系构建分类器；

4)通过传声器阵列检测待测变压器工作过程中产生的噪声信号，并根据待测变压器工作过程中产生的噪声信号绘制待测变压器的声场分布，再提取待测变压器工作过程中声场分布的所有声像特征，然后对待测变压器工作过程中声场分布的所有声像特征采用模式识别技术训练得到待测变压器工作过程中各声像特征的识别率；

5)根据步骤4)得到的待测变压器工作过程中各声像特征的识别率确定待测变压器的最优声像特征，再将待测变压器的最优声像特征输入到分类器中，得待测变压器的机械状态，实现变压器机械故障的诊断。

传声器阵列中的各传声器的相位一致。

步骤1)中根据变压器各机械状态下产生的噪声信号利用声学成像技术绘制变压器各机械状态下的声场分布。

步骤2)中利用图像处理技术及特征提取技术提取变压器各机械状态下声场分布的所有声像特征。

步骤4)中根据变压器工作过程中产生的噪声信号采用声学成像技术绘制待测变压器的声场分布。

变压器各机械状态下声场分布的所有声像特征包括视觉特征、统计特征、变换系数特征及代数特征。

视觉特征包括图像的边缘、轮廓、形状、纹理和区域；

统计特征包括灰度直方图和矩特征，其中，矩特征包括Hu矩、旋转矩、正交矩及复数矩等；

变换系数特征：对图像进行各种数学变换，如傅立叶变化、离散余弦变化、小波变换等，利用变换后的系数作为图像的一种特征；

代数特征：主要反映图像的某种代数属性，由于图像可以表示为矩阵形式，因此可以对其进行各种数学变换或矩阵分解，如奇异值分解的奇异值向量就是一种代数特征，可用作图像特征。