本发明涉及变压器红外图像诊断，具体涉及一种基于振动特性引导的干式变压器声音信号降噪方法及系统。
背景技术：
1、作为地铁牵引供电系统的核心设备，牵引变压器至关重要，其故障可能导致严重的安全问题和重大经济损失。因此，对牵引变压器进行状态监测以确保其安全运行对城市轨道交通具有重要意义。声学传感器可在一定距离内对牵引变压器进行非接触式监控，并可同时监控多个设备，从而促进设备的低成本维护。因此，声学监测已成为变压器状态监测和健康管理的一个重要发展方向。然而，声音信号极易受到噪声的影响，这限制了其在实际应用中的有效性。因此，迫切需要开发高效的声音信号去噪技术。
2、近年来兴起的深度学习(deep learning,dl)技术，能够显著提高声音信号降噪的效果。已有国内外学者将深度学习模型应用于电气设备的声音信号降噪中。secic等利用深度神经网络提取变压器有载分接开关音频信号的特征，在高噪声环境下实现了变压器有载分接开关的故障诊断。xu等使用随机森林将变压器声音信号划分为不同的状态，随后通过自适应降噪技术去除背景噪音。li等从噪声污染的到达时间序列中提取特征以训练变分自编码器,然后使用训练好的变分自编码器重构时序数据。虽然上述技术取得了较好的效果，但训练深度学习模型需要无噪声的声音信号，而干式变压器处于变电所中，难以采集无噪声的声音信号用于训练降噪模型。
技术实现思路
1、本发明的目的在于提供一种基于振动特性引导的干式变压器声音信号降噪方法及系统，以解决上述背景技术中存在的至少一项技术问题。
2、为了实现上述目的，本发明采取了如下技术方案：
3、第一方面，本发明提供一种基于振动特性引导的干式变压器声音信号降噪方法，包括：
4、获取待处理的干式变压器声音信号；
5、利用预先训练好的降噪模型对获取的声音信号及进行处理，得到声音信号降噪结果；其中，训练所述降噪模型包括：通过加速度传感器和声学传感器采集大量的同方向干式变压器振动信号和声音信号；进行信号的时域与频域分析，证明信号的相似性；使用高斯核密度估计求解运行与空载状态下的振动信号的两类概率密度函数；使用两类概率密度函数改进变分自编码器的损失函数，得到改进的变分自编码器；扩充数据集并划分为训练集和测试集；利用训练集进行改进变分自编码器模型训练。
6、作为本发明第一方面的进一步限定，声音信号包括：风机噪音干扰、人声干扰、高斯白噪声干扰，共3种常见噪音干扰，及在相对安静环境下采集的声音信号。
7、作为本发明第一方面的进一步限定，所收集到的振动信号与声音信号，采样率为10khz。
8、作为本发明第一方面的进一步限定，信号分析方法为pearson相关系数和快速傅里叶分析。
9、作为本发明第一方面的进一步限定，数据扩增方法具体为：使用滑动窗口采样法，窗口大小为1000(包含5个周期的振动数据)，窗口滑动步长为50。通过数据扩增的方法，可以扩大数据集的样本数量，降低模型的过拟合和对信号初始相位的依赖度。
10、作为本发明第一方面的进一步限定，求解振动信号概率密度函数的方法为高斯核密度估计。
11、作为本发明第一方面的进一步限定，改进的损失函数，是将损失函数中kl散度改为空载和运行时的概率密度函数。
12、作为本发明第一方面的进一步限定，基于pytorch框架构建改进的vae，使用python调用改进的vae，对其输入长度为1000，采样率为10khz的包含噪声的声音信号，实现信号降噪。
13、第二方面，本发明提供一种基于振动特性引导的干式变压器声音信号降噪系统，包括：
14、获取模块，用于获取待处理的干式变压器声音信号；
15、处理模块，用于利用预先训练好的降噪模型对获取的声音信号及进行处理，得到声音信号降噪结果；其中，训练所述降噪模型包括：通过加速度传感器和声学传感器采集大量的同方向干式变压器振动信号和声音信号；进行信号的时域、频域和pearson相关性分析，证明信号的相似性；求解振动信号在空载和运行时的的概率密度函数；将vae损失函数中kl散度的更改为两类状态下的概率密度，得到改进的变分自编码器；扩充数据集并划分为训练集和测试集；利用训练集进行模型训练。
16、第三方面，本发明提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如第一方面所述的基于振动特性引导的干式变压器声音信号降噪方法。
17、第四方面，本发明提供一种计算机设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如第一方面所述的基于振动特性引导的干式变压器声音信号降噪方法。
18、第五方面，本发明提供一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如第一方面所述的基于振动特性引导的干式变压器声音信号降噪方法的指令。
19、本发明有益效果：能够在不需要无噪声信号的同时，实现干式变压器声音信号的有效降噪；能够在干式变压器不同的工作状态下实现声音信号的有效降噪。
20、本发明附加方面的优点，将在下述的描述部分中更加明显的给出，或通过本发明的实践了解到。
1.一种基于振动特性引导的干式变压器声音信号降噪方法，其特征在于，包括：
2.根据权利要求1所述的基于振动特性引导的干式变压器声音信号降噪方法，其特征在于，声音信号包括：风机噪音干扰、人声干扰、高斯白噪声干扰及在相对安静环境下采集的声音信号；所收集到的振动信号与声音信号，采样率为10khz。
3.根据权利要求1所述的基于振动特性引导的干式变压器声音信号降噪方法，其特征在于，信号分析方法为pearson相关系数和快速傅里叶分析。
4.根据权利要求1所述的基于振动特性引导的干式变压器声音信号降噪方法，其特征在于，数据扩增方法具体为：使用滑动窗口采样法，窗口大小为1000，窗口滑动步长为50。
5.根据权利要求1所述的基于振动特性引导的干式变压器声音信号降噪方法，其特征在于，求解振动信号概率密度函数的方法为高斯核密度估计。
6.根据权利要求1所述的基于振动特性引导的干式变压器声音信号降噪方法，其特征在于，使用python调用改进的vae，对其输入长度为1000，采样率为10khz的包含噪声的声音信号，实现信号降噪。
7.一种基于振动特性引导的干式变压器声音信号降噪系统，其特征在于，包括：
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-6任一项所述的基于振动特性引导的干式变压器声音信号降噪方法。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如权利要求1-6任一项所述的基于振动特性引导的干式变压器声音信号降噪方法。
10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-6任一项所述的基于振动特性引导的干式变压器声音信号降噪方法的指令。