基于RBF神经网络的变压器绕组及铁心振动信号分离方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110532885A(43)申请公布日2019.12.03(21)申请号201910697274.3(22)申请日2019.07.30(71)申请人西安交通大学地址710049陕西省西安市咸宁西路28号(72)发明人汲胜昌王一林张凡师愉航(74)专利代理机构西安通大专利代理有限责任公司61200代理人李鹏威(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)G06T5/10(2006.01)G01H17/00(2006.01)权利要求书1页说明书4页附图4页(54)发明名称基于RBF神经网络的变压器绕组及铁心振动信号分离方法(57)摘要本发明公开了一种基于RBF神经网络的变压器绕组及铁心振动信号分离方法，包括以下步骤：在变压器不同工况下，采集变压器绕组的振动信号、变压器铁心的振动信号以及变压器绕组与铁心的混合信号，将变压器绕组与铁心的混合信号作为径向基神经网络的输入层，将变压器绕组的振动信号及变压器铁心的振动信号作为径向基神经网络的输出层，对径向基神经网络进行训练，然后利用训练后的径向基神经网络对待分离的变压器绕组与铁心的混合信号进行分离，得分离后的变压器绕组的振动信号及变压器铁心的振动信号，该方法能够准确的分离变压器绕组及铁心的振动信号，以准确保留绕组及铁心的振动特性。CN110532885ACN110532885A权利要求书1/1页1.一种基于RBF神经网络的变压器绕组及铁心振动信号分离方法，其特征在于，包括以下步骤：在变压器不同工况下，采集变压器绕组的振动信号、变压器铁心的振动信号以及变压器绕组与铁心的混合信号，将变压器绕组与铁心的混合信号作为径向基神经网络的输入层，将变压器绕组的振动信号及变压器铁心的振动信号作为径向基神经网络的输出层，对径向基神经网络进行训练，然后利用训练后的径向基神经网络对待分离的变压器绕组与铁心的混合信号进行分离，得分离后的变压器绕组的振动信号及变压器铁心的振动信号。2.根据权利要求1所述的基于RBF神经网络的变压器绕组及铁心振动信号分离方法，其特征在于，基于压电式振动加速度传感器的变压器测振系统采集变压器油箱表面的振动信号作为变压器绕组与铁心的混合信号。3.根据权利要求1所述的基于RBF神经网络的变压器绕组及铁心振动信号分离方法，其特征在于，训练后的径向基神经网络包括用于分离变压器铁心振动信号的铁心神经网络及用于分离变压器绕组振动信号的绕组神经网络。4.根据权利要求1所述的基于RBF神经网络的变压器绕组及铁心振动信号分离方法，其特征在于，采集变压器铁心的时域振动信号，再对变压器铁心的时域振动信号进行傅里叶变换，得变压器铁心的频域振动信号，然后将变压器铁心的频域振动信号输入到径向基神经网络的输出层，将变压器绕组与铁心的混合信号输入到径向基神经网络的输入层，对径向基神经网络进行训练，得铁心神经网络。5.根据权利要求1所述的基于RBF神经网络的变压器绕组及铁心振动信号分离方法，其特征在于，采集变压器绕组的时域振动信号，再对变压器绕组的时域振动信号进行傅里叶变换，得变压器绕组的频域振动信号，然后将变压器绕组的频域振动信号输入到径向基神经网络的输出层，将变压器绕组与铁心的混合信号输入到径向基神经网络的输入层，对径向基神经网络进行训练，得绕组神经网络。2CN110532885A说明书1/4页基于RBF神经网络的变压器绕组及铁心振动信号分离方法技术领域[0001]本发明属于变压器振动信号的分离技术领域，涉及一种基于RBF神经网络的变压器绕组及铁心振动信号分离方法。背景技术[0002]变压器是电力系统最重要的设备之一，其安全运行已与国家经济发展紧密的联系了起来。如果变压器出现故障，将导致大面积停电，这样不仅影响了工厂的生产，也影响了民众的生活。因此，为了及时发现变压器的事故隐患，避免突发事故，提高变压器运行的可靠性，开展变压器故障诊断方法的研究具有十分重要的意义。[0003]综合目前国内外关于变压器振动信号分离的研究现状来看，以独立分量分析算法(ICA)为代表主流的盲源分离算法对源信号的独立性要求较高，但由于铁心振动信号与绕组振动信号在振幅、频谱中相似度很高，混合矩阵的可靠性存疑，因此主流的盲源分离等盲源分离算法分离出的信号并不能准确地保留绕组及铁心的振动特性。发明内容[0004]本发明的目的在于克服上述现有技术的缺点，提供了一种基于RBF神经网络的变压器绕组及铁心振动信号分离方法，该方法能够准确的分离变压器绕组及铁心的振动信号，以准确保留绕组及铁心的振动特性。[0005]为达到上述目的，本发明所述的基于RBF神经网络的变压器绕组