基于两轴振动信息融合的变压器绕组机械故障诊断方法

技术特征：

1.基于两轴振动信息融合的变压器绕组机械故障诊断方法，其特征在于，该方法包括如下步骤：

2.根据权利要求1所述的基于两轴振动信息融合的变压器绕组机械故障诊断方法，其特征在于，所述步骤一的绕组振动测试过程中由于同状态下绕组轴向、辐向振幅为相同数量级，辐向振幅均大于轴向振幅，因此在故障诊断中应综合考虑两个所述振动传感器的轴振动信息，将制电流与幅值的变化关系曲线采用最小二乘拟合得到的正常状态下振动幅值与短路电流标幺值平方之间的关系曲线，曲线方程为：

3.根据权利要求1所述的基于两轴振动信息融合的变压器绕组机械故障诊断方法，其特征在于，所述步骤三中小波包分析属于非线性时频分析法，具有良好的时频定位以及自适应能力，通过小波包分解获得信号第j层第k个节点对应能量e(j,k)的计算公式为：

4.根据权利要求1所述的基于两轴振动信息融合的变压器绕组机械故障诊断方法，其特征在于，所述步骤四中bp神经网络的bp神经网络结构的输入层：x＝(x1,x2,…xi,…x10)t为神经网络输入向量，文中取绕组两轴振动信号3层小波包分解后各节点能量占比及能谱熵共10个数据组成输入层对应10个神经元，

技术总结
本发明公开了基于两轴振动信息融合的变压器绕组机械故障诊断方法，首先，通过拟合负载电流与绕组两轴基频(100Hz)振幅得到拟合曲线，计算两轴曲线斜率比初步判别绕组是否存在机械故障；其次，运用小波包分解分别获取两轴振动信号各节点能量占比和能谱熵组成特征向量；最后，融合轴向、辐向振动特征向量组成特征向量库，利用BP神经网络实现两轴信息融合分类诊断。本发明的有益效果是，故障诊断准确率可达到94.9％，相较于单一信息源准确率提高了5.1％以上，为变压器绕组机械状态评估提供了新的途径。

技术研发人员：杨文荣,石小晖
受保护的技术使用者：河北工业大学
技术研发日：
技术公布日：2024/1/13