[發明專利]提升GIS設備故障診斷準確率的振動信號處理方法及裝置

在審

• 申請號: 202010844222.7
• 申請日: 2020-08-20
• 公開（公告）號: CN112069930A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 劉志翔;周克堅;梅杰;朱明;李永祥;李艷鵬;晉濤;張申;張振宇;聶德鑫;程林;張靜
• 申請（專利權）人: 國網山西省電力公司電力科學研究院;華中科技大學;國網電力科學研究院武漢南瑞有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01H17/00
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

1.一種提升GIS設備故障診斷準確率的振動信號處理方法，其特征在于，包括以下步驟：

步驟1，根據GIS設備的運行狀況，劃分成不同的健康等級，采集不同健康等級下的GIS設備振動信號；

步驟2，將所述GIS設備振動信號以一個GIS設備內部的電磁力周期為時間長度劃分成多個樣本，構建振動信號數據集；

步驟3，對所述振動信號數據集中所有樣本做歸一化處理，然后對歸一化處理后的樣本做一維轉二維的圖像化操作，獲得圖像化的振動信號，得到振動圖像數據集；

步驟4，將所述振動圖像數據集按照預設比例劃分為訓練集和測試集，構建基于卷積神經網絡的GIS設備故障診斷模型；

步驟5，將實時采集到的GIS設備振動信號歸一化處理后做圖像化操作，得到圖像化的振動信號輸入GIS設備故障診斷模型，得到當前GIS設備的健康等級，實現GIS設備故障診斷。

2.根據權利要求1所述的振動信號處理方法，其特征在于，步驟3中歸一化處理可以用公式表示為：

其中，X＝x₁，...，x_K是振動信號數據集中的原始樣本，x_i表示采樣點的值，max(x_i)表示采樣點中的最大值，min(x_i)表示采樣點中的最小值，K為樣本的采樣點個數。

3.根據權利要求1所述的振動信號處理方法，其特征在于，步驟3中的圖像化操作具體包括：

步驟3.1，歸一化處理后的振動信號數據集樣本表示為將振動信號數據集從直角坐標系映射到極坐標系：

其中，K為樣本的采樣點個數，i表示第i個采樣點，是極角，r_i是極徑；

步驟3.2，定義一種內積運算，用符號來表示，其數學描述如下式所示；

步驟3.3，將極坐標系下的振動信號數據集進行運算，得到類Gram矩陣G：

步驟3.4，將矩陣G中的元素轉換成像素值，并按照矩陣中的位置排列，得到振動圖像數據集。

4.根據權利要求1所述的振動信號處理方法，其特征在于，所述步驟4中的訓練基于卷積神經網絡的GIS設備故障診斷模型包括：

步驟4.1，搭建卷積神經網絡，將振動圖像訓練集作為輸入，輸出為GIS設備的健康等級；

步驟4.2，訓練基于卷積神經網絡的GIS設備故障診斷模型，選用交叉熵作為訓練的損失函數；

步驟4.3，測試基于卷積神經網絡的GIS設備故障診斷模型，將振動圖像測試集輸入到已經訓練好的卷積神經網絡模型，得到預測的健康等級，然后將預測的健康等級與真實的健康等級對比，計算預測準確率，該準確率用于評估模型的精度。

5.一種提升GIS設備故障診斷準確率的振動信號處理裝置，其特征在于，包括：

振動信號采集模塊，用于根據GIS設備的運行狀況，劃分成不同的健康等級，采集不同健康等級下的GIS設備振動信號；

振動信號構建模塊，用于將所述GIS設備振動信號以一個GIS設備內部的電磁力周期為時間長度劃分成多個樣本，構建振動信號數據集；

振動圖像獲取模塊，用于對所述振動信號數據集中所有樣本做歸一化處理，然后對歸一化處理后的樣本做一維轉二維的圖像化操作，獲得圖像化的振動信號，得到振動圖像數據集；

診斷模型構建模塊，用于將所述振動圖像數據集按照預設比例劃分為訓練集和測試集，構建基于卷積神經網絡的GIS設備故障診斷模型；

故障診斷模塊，用于將實時采集到的GIS設備振動信號歸一化處理后做圖像化操作，得到圖像化的振動信號輸入GIS設備故障診斷模型，得到當前GIS設備的健康等級，實現GIS設備故障診斷。