基于EEMD和深度自编码器的变压器机械故障声学诊断方法

为提高电力变压器机械故障诊断的准确性，依据变压器声音信号与机械状态之间的关联特性，提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和深度自编码器(Stacked Auto Encoder,SAE)的变压器机械故障声学诊断方法。首先采用EEMD对变压器原始声音信号进行分解，提取信号的时频能量特征；然后构建基于SAE的变压器机械故障识别模型，通过无监督自学习和有监督微调完成深层特征挖掘和识别；最后以某10 kV变压器为试验对象，采用典型机械状态下的声音信号对故障识别模型进行训练优化。算例结果表明，与传统的故障诊断方法相比，所提方法能更好地对变压器机械故障进行识别。