[發明專利]基于集成深度置信網絡的變壓器故障診斷方法及系統

在審

• 申請號: 202010066133.4
• 申請日: 2020-01-20
• 公開（公告）號: CN111259834A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 何怡剛;張朝龍;時國龍;張慧;何鎏璐;杜博倫
• 申請（專利權）人: 武漢大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 張宇

1.一種基于集成深度置信網絡的變壓器故障診斷方法，其特征在于，包括：

獲取各類型變壓器在不同故障類型下的若干組振動信號，提取各所述振動信號的特征，由提取后的各組振動信號對應的特征構成訓練數據；

由所述訓練數據分別對若干個學習率不同的深度置信網絡進行訓練，得到各深度置信網絡的故障診斷正確率；

保留滿足要求的故障診斷正確率對應的目標深度置信網絡，由各所述目標深度置信網絡組建集成深度置信網絡，以通過所述集成深度置信網絡對變壓器進行故障診斷。

2.根據權利要求1所述的方法，其特征在于，所述提取各所述振動信號的特征，包括：

分別對各所述振動信號進行傅里葉變換得到各所述振動信號的傅里葉系數，分別將各所述振動信號的傅里葉系數歸一化后作為各所述振動信號的特征。

3.根據權利要求1或2所述的方法，其特征在于，各所述深度置信網絡由多個受限玻爾茲曼機逐個堆疊而成，每個所述受限玻爾茲曼機均由1個可見層和1個隱含層構成，每個所述可見層由多個可見層單元構成，每個所述隱含層由多個隱含層單元構成，其中，可見層為受限玻爾茲曼機的輸入層，隱含層為受限玻爾茲曼機的輸出層，每個受限玻爾茲曼機的輸出層作為下一個受限玻爾茲曼機的輸入層。

4.根據權利要求3所述的方法，其特征在于，由所述訓練數據分別對若干個學習率不同的深度置信網絡進行訓練，得到各深度置信網絡的故障診斷正確率，包括：

對于任一深度置信網絡，由所述深度置信網絡對所述訓練數據進行特征提取，將提取后的數據作為所述訓練數據的特征數據；

利用所述深度置信網絡自帶的分類器，基于所述訓練數據的特征數據得到所述深度置信網絡的故障診斷正確率。

5.根據權利要求4所述的方法，其特征在于，由所述深度置信網絡對所述訓練數據進行特征提取，將提取后的數據作為所述訓練數據的特征數據，包括：

由所述訓練數據無監督地訓練所述深度置信網絡的結構及其參數；

利用所述深度置信網絡自帶的分類器及所述訓練數據的標簽信息，有監督地訓練所述深度置信網絡的結構及其參數，其中，所述標簽信息用來表示所述訓練數據中的各組數據對應的故障類型；

利用所述深度置信網絡中堆疊的多個受限玻爾茲曼機對所述訓練數據進行逐層特征提取，將最后一個受限玻爾茲曼機中提取的特征作為所述訓練數據的特征數據。

6.根據權利要求5所述的方法，其特征在于，利用所述深度置信網絡自帶的分類器，基于所述訓練數據的特征數據得到所述深度置信網絡的故障診斷正確率，包括：

由得到第k個深度置信網絡對應的故障診斷正確率Diagnosis accuracy_k，其中，k＝1…N，N為深度置信網絡的數量，N_{validating data}為所述訓練數據的特征數據數量，N_kcorrect為第k個深度置信網絡自帶分類器正確識別的特征數據數量。

7.根據權利要求6所述的方法，其特征在于，所述保留滿足要求的故障診斷正確率對應的目標深度置信網絡，由各所述目標深度置信網絡組建集成深度置信網絡，包括：

獲取N個所述故障診斷正確率的平均正確率Mean diagnosis accuracy；

將所述故障診斷正確率低于所述平均正確率Mean diagnosis accuracy所對應的深度置信網絡淘汰，得到剩下的目標深度置信網絡；

由Extra accuracy_t＝Diagnosis accuracy_t-Mean diagnosis accuracy獲取第t個所述目標深度置信網絡的額外正確率Extra accuracy_t，其中，t＝1…T，T為所述目標深度置信網絡的數量，Diagnosis accuracy_t為第t個所述目標深度置信網絡的故障診斷正確率；

由為第t個所述目標深度置信網絡分配權重值Weight_t；

將各所述目標深度置信網絡連同各自對應的權重值，形成集成深度置信網絡。