[發(fā)明專(zhuān)利]一種基于小波變換和DBN的風(fēng)機(jī)變流器故障診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710819150.9
• 申請(qǐng)日: 2017-09-12
• 公開(kāi)（公告）號(hào): CN107632258A
• 公開(kāi)（公告）日: 2018-01-26
• 發(fā)明（設(shè)計(jì)）人: 柴毅;魏善碧;劉延興;何昊陽(yáng);孫秀玲;何馨
• 申請(qǐng)（專(zhuān)利權(quán)）人: 重慶大學(xué)
• 主分類(lèi)號(hào): G01R31/34
• 分類(lèi)號(hào): G01R31/34
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于小波變換和DBN的風(fēng)機(jī)變流器故障診斷方法，其特征在于：包括以下步驟：

步驟一，在不同的故障下運(yùn)行，測(cè)量得到機(jī)側(cè)三相電的電流。

步驟二，利用小波變換將三相電的電流信號(hào)在各個(gè)尺度下分解得到各個(gè)尺度下相應(yīng)的能量系數(shù)。

通過(guò)適當(dāng)?shù)剡x擇尺度因子和平移因子,可以得到一個(gè)伸縮窗，適當(dāng)?shù)剡x擇基本小波，就可以使小波變換在時(shí)域和頻域上都具有表征信號(hào)局部特征的能力。根據(jù)這一特點(diǎn)，可以把多分辨率特性應(yīng)用到信號(hào)的功率譜特征的提取。應(yīng)用Mallat算法，即小波分解與重構(gòu)的快速算法，可以實(shí)現(xiàn)功率譜特征的有效提取。

將風(fēng)電變流器的三相電流信號(hào)采用dB3小波基，進(jìn)行5層分解，在各個(gè)細(xì)節(jié)層進(jìn)行信號(hào)重構(gòu)，然后求出每層的能量值。故障信號(hào)在不同尺度分解下的能量值大小反映了其在該尺度對(duì)應(yīng)頻率下的特征，將能量值按順序排成一列，構(gòu)成一個(gè)向量，該向量就可以表示故障信號(hào)在各個(gè)頻率下的特征。雖然大多數(shù)故障信號(hào)在各個(gè)尺度下的特征存在明顯的區(qū)別，但是如下圖所示的不同故障信號(hào)的頻率特征并沒(méi)有差別，這是因?yàn)槠涔收闲盘?hào)是相同的，只是發(fā)生的位置不同。

步驟三，用能量系數(shù)構(gòu)造特征向量，并將其歸一化。

借助小波分析的時(shí)頻特性可以準(zhǔn)確判斷出故障發(fā)生的位置，因此引入位置特征變量，當(dāng)故障發(fā)生位置為正半周期是該變量為1，在負(fù)半周期發(fā)生時(shí)該變量為-1，否則為0。此時(shí)，該向量可以看作是與某一故障相對(duì)應(yīng)的特征向量。

步驟四，利用得到的特征向量訓(xùn)練深度信念網(wǎng)絡(luò)，得到模型參數(shù)

預(yù)訓(xùn)練完成之后，每層RBM可以得到初始化的參數(shù)，組成了DBN的初步框架，接下來(lái)需要對(duì)DBN作調(diào)優(yōu)訓(xùn)練，進(jìn)一步優(yōu)化網(wǎng)絡(luò)各層的參數(shù)，以使得網(wǎng)絡(luò)的判別性能更好。調(diào)優(yōu)過(guò)程是有監(jiān)督學(xué)習(xí)過(guò)程，即采用標(biāo)簽數(shù)據(jù)進(jìn)行訓(xùn)練，利用BP算法對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行微調(diào)，最終使網(wǎng)絡(luò)達(dá)到全局最優(yōu)。這個(gè)性能會(huì)比單純BP算法訓(xùn)練效果要好，因?yàn)樗恍枰獙?duì)網(wǎng)絡(luò)的參數(shù)空間進(jìn)行一個(gè)局部的搜索，相比BP神經(jīng)網(wǎng)絡(luò)，訓(xùn)練速度要快，而且收斂時(shí)間短。

步驟五，輸入測(cè)試集測(cè)試得到的深度信念網(wǎng)絡(luò)，得到分類(lèi)準(zhǔn)確率。

2.根據(jù)權(quán)利要求1所述的一種基于小波變換和DBN的風(fēng)機(jī)變流器故障診斷方法，其特征在于將小波變換與DBN相結(jié)合，小波變換獲得風(fēng)機(jī)變流器三相電流的能量系數(shù)，從不同尺度刻畫(huà)變流器的運(yùn)行工況。采用DBN表達(dá)變流器故障特征，從而描述特征的變化流形，從而提高變流器故障的診斷準(zhǔn)確性。