抗环境音干扰的设备声音故障监测方法

变压器等大型设备在运行过程中发声具有辨识性和平稳性的特点，但容易受各种环境音的干扰，针对该问题，本文利用声音信号处理、特征提取、模式匹配等技术，提出了一种抗多种环境音干扰的设备声音故障监测方案.首先对在各种环境声音中变压器的正常和故障声音进行采集和预处理，然后对其提取出MFCC特征并降维，对变压器正常工作声音特征通过OPTICS算法进行训练，得到一个具有多个分类的标准集，最后将标准集与包含故障声音的测试样本进行匹配，若出现不匹配情况但经人工检验为误报，则将其归为新的分类.实验结果表明：该方法不仅能很好的识别样本，也能在新的正常声音出现时通过标准集增强模块来优化标准集，从而提高识别准确率并降低误警率.     

一起500千伏变压器多维状态监测与故障诊断

为了提升变压器故障诊断水平并有效实现状态检修,本文针对一起500千伏主变压器内部潜伏性故障案例介绍了利用多种在线监测、离线检测等手段与故障诊断方法快速准确查找出变压器故障原因及位置。它通过采用油色谱检测、变压器振动及声音检测、容性设备在线监测、变压器局部放电检测、带电测试等多维状态监测技术开展变压器状态评价及故障诊断,并帮助实现对主变压器内部故障的准确定位和制定状态检修策略。该主变在通过状态监测及故障诊断后实现隐患故障快速准确定位,并通过紧急处理重新恢复正常运行状态,从而避免一起重大设备事故发生。结果表明,应用变压器油溶解气体色谱分析检测技术,可通过排除法准确地判断变压器故障性质和严重程度,它是早期发现变压器潜伏性故障特别有效的方法。同时,采用基于交叉小波的变压器振动信号特征量提取方法分析评价结果表明,变压器铁芯发生接地故障后其振动信号存在大量50赫兹谐波分量。借助振动及声音检测技术,能够有助于变压器故障诊断及准确定位,提高设备状态检修效率。     

基于声纹识别的变压器工况检测方法及验证系统

通过对大型电力变压器（电抗器）声纹信号采集、处理与特征分析,提出了一种基于声纹识别技术的变压器工况检测方法及验证系统,实现对变压器工作状态的判断检测。首先,通过声纹采集传感器实地采集获取73组变压器音频,共约1800 min;其次,分别运用分段、分帧、加窗音频预处理方法对所采集的变压器声纹进行去噪处理;再次,综合运用能量特征、频率特征、梅尔频率倒谱系数、频率压缩方法提取变压器声纹特征并进行有效融合;最后,针对变压器工况声音由稳定工作状况发出的声音与不稳定的瞬时杂音加性叠加问题,提出一种基于余弦相似度算法实现声纹叠加的分离检测,同时建立一套变压器工况检测与验证分析系统。     

基于小波分析的三角钢琴踏板机械故障检测方法

针对采集的三角钢琴踏板机械信号故障检测准确率低的问题,提出基于小波分析的三角钢琴踏板机械信号故障检测方法。采用频谱感知算法构建一个三角钢琴音频信号的多源信息采集模型,获取三角钢琴踏板机械音频信号;为提高钢琴踏板机械信号获取的准确率,通过频谱特征分离方法对采集信号进行降噪处理,采用小波包变换中的Mel倒谱系数MFCC对处理后的信号进行频谱特征分解;最后基于分解频谱特征进行三角钢琴音频信号的特征识别优化。实验表明,在相同的数据量下,对比于12维的MFCC频谱特征分解方法,提出的小波包分解的MFCC方法可分解出更多的钢琴频谱特征峰值,为后续三角钢琴踏板机械信号故障检测提供了有效的数据。实验发现,对比于传统卷积神经网络的音频特征识别方法,本方法的识别精度最高可达95.6%,且均保持在90及以上。综合分析可知,本方法可实现三角钢琴踏板机械信号故障准确识别。     

基于MFCC特征提取的故障预测与评价方法

针对渐变故障的准确预测问题,提出了一种基于Mel频率倒谱系数(Mel frequency cestrum coefficient,MFCC)特征提取的故障预测方法.首先通过监测对象上安装的声传感器获得机器当前运行的声音信号;然后声音信号经过预处理后,将其进行Mel变换,获得其MFCC特征向量;最后经SVM分析器对机器运行时的测试数据和所存机器正常运行样本数据进行聚类分析,给出机器的健康评价.测试了海马M3发动机存在撞击声、轻敲声、轰鸣声时的健康度以及分析了采集的声信号存在噪声时的抗噪性能.实验结果表明,MFCC特征值能够作为机器健康预测的特征向量,且方法在预测的准确性和鲁棒性方面具有优势.     

虚拟逆变装置电压故障检测系统的设计

电力电子逆变设备是工业生产中的关键设备。针对电力电子逆变设备的故障,设计了一种基于LabVIEW的逆变装置故障检测系统,构建了多功能操作界面,实现了5通道信息的实时采集及显示、频谱分析、故障检测及报警、历史数据查询等功能。所设计的检测系统经过测试,可以实时检测故障信号并记录故障信号的特征,对解决实际问题具有可行性和实用性。     

基于小波分析的图书馆电子阅览设备故障检测方法

针对图书馆电子阅览设备在长时间运行时受到其他设备干扰的影响,导致设备故障的检测性能变差,以提高图书馆电子阅览设备故障的检测性能为目的,提出了基于小波分析的图书馆电子阅览设备故障检测方法.利用小波分析法将电子阅览设备故障信号与干扰信号分离,采集到无干扰的故障信号,对采集到的电子阅览设备故障信号进行预处理,得到梅尔倒谱系数...     

基于优化神经网络的变压器故障诊断方法研究

传统基于反向传播（BackPropagation,BP）神经网络的电力变压器故障诊断方法正判率较低,本文利用粒子群算法优化神经网络算法进而对变压器故障诊断展开研究。具体做法是在电力变压器油的气体分析过程中采用优化后的神经网络方法进行故障诊断,其中优化算法为邻域粒子群算法,将经过采集、归类、预处理后的变压器油气体相关数据输入优化后的BP神经网络,利用网络进行充分优化与训练,完成电力变压器的故障类别诊断。案例分析结果显示本文基于神经网络的变压器故障诊断方法提高了故障类别诊断的正确率。     

基于振动信号分析的大型变压器运行故障实时监测方法研究

为实现对变压器运行故障的精准监测,以某发电站提供的大型变压器为例,设计基于振动信号分析的大型变压器运行故障实时监测方法。首先,根据监测需求,在变压器柜体上安装振动传感器,采集大型变压器运行振动信号;其次,利用振动信号分析技术转换极值点信号,实现大型变压器运行振动信号本征模态的分解;最后,进行实验分析。实验结果表明,利用该方法监测的大型变压器运行故障振动信号频率曲线,与实际故障信号振动频率曲线基本重合,优于对照组。     

基于拉曼光谱的电力变压器绝缘故障自动定位系统设计

电力变压器绝缘故障定位是提高电力变压器稳定性的关键,提出一种基于拉曼光谱的电力变压器绝缘故障自动定位方法。采用卷积稀疏自编码器进行电力变压器绝缘故障特征检测,提取电力变压器绝缘故障的拉曼光谱特征量,根据电力变压器的能源、负荷差异性进行受扰响应特性分析,构建电力变压器绝缘故障辨识模型,采用深度学习方法进行电力变压器绝缘故障检测中的收敛性判断,根据拉曼光谱的频谱特征分布进行电力变压器绝缘故障的自动定位。结合API接口和SS/E23节点网络拓扑模型实现电力变压器绝缘故障自动定位系统设计。仿真测试结果表明,采用该方法进行电力变压器绝缘故障定位的准确性较高,故障的可视化分辨能力较强。     

基于神经网络的变压器故障声识别研究

作为新兴的变压器故障识别技术，声音识别对于变压器故障的识别尤为重要，然而在声音识别过程中，常常受到环境中其他声音的影响而降低识别的准确率，基于此，文章提出一种基于MFCC声音特征提取以及人工神经网络（ANN）模型相结合的变压器故障声音识别的方法，为了提高模型的训练精度，文章对比分析了Levenberg-Marquardt算法、Bayesian Regularization算法以及Scaled Conjugate Gradient算法的收敛性与准确性，选取收敛速度快、误差较小的Levenberg-Marquardt算法来实现ANN模型的误差反向传播并完成故障诊断的验证，验证结果表明，文章所采用的模型对于100个验证样本数据的预测准确率为92%，最终证实模型能够很好的应用于变压器故障的声识别。     

基于贝叶斯网络的电力变压器局部放电故障检测

针对传统电力变压器故障检测方法对电力系统中潜藏的故障问题检测水平不足,准确率较低,无法及时准确的发现异常隐患等问题,提出基于贝叶斯网络的变压器局部放电故障检测方法;首先通过传感器获取电力变压器不同状态下运行过程中的参数数据,对局部放电故障发生的概率和范围进行合理性评估,提取评估概率数据综合为样本数据集,构建贝叶斯网络故障树;根据逻辑规则转化为贝叶斯网络,推演计算故障节点之间的算例关系,利用贝叶斯原理抽取故障特征指标与异常概率之间的关联关系,利用模糊描述方法构建故障特征关联函数,计算可得故障特征模糊函数动态变化关系,实现对变压器故障发生的概率与位置信息的判断与确定;实验结果表明,利用贝叶斯网络对电力变压器局部放电故障检测准确率达到85%以上,最高可达96%,说明该方法具有较高的检测准确率,能够有效提高电力变压器放电故障检测的有效性。     

基于△MFCC和KNN的挖掘设备声音识别

为保障电缆不受外力破坏,运用声音信号处理和模式识别技术,对挖掘设备声音信号进行识别。主要研究内容有:1声音信号的倒谱域特征参数分析:Mel频率倒谱系数(MFCC),一阶差分Mel频率倒谱系数(△MFCC);2采用KNN的识别算法进行测试。理论分析和实验结果表明,对于4种设备声音信号,△MFCC识别率可达86.69%,满足实际应用需求。提出的挖掘设备声音信号处理及识别算法具有通用性,可用于地下管道监测等领域。     

变压器故障诊断技术综述

变压器设备在电力系统中起到了重要的作用,其健康、稳定的运行关系到电压转换、电能分配的顺利实现,而故障诊断技术能够为变压器的正常运转保驾护航。本文详细综述国内外变压器故障诊断技术的研究现状,分析变压器故障诊断的发展历程,对比研究不同诊断方法的优劣及适应场景,分析传统变压器故障数据提取方法——溶解气体分析法以及基于声音信号的变压器故障数据提取方法,最终提出变压器故障诊断未来的研究重点及发展趋势,为变压器故障的诊断提供一定的参考。     

基于FPGA的EMD算法实现方法的研究

针对基于FPGA的嵌入式系统在机械设备状态检测和故障监测设备中的应用需求,为提升检测设备的性能和检测设备便携性,研究了EMD信号分解方法在FPGA平台上的实现。主要研究了基于Xilinx FPGA平台实现EMD算法的方法,直接处理实时采集到的振动信号,通过FPGA模块对采集到的信号进行EMD分解,用于后续信号的分析。将EMD算法移植到FPGA平台,将减少故障检测设备对上位机设备的需求,符合故障检测设备微型化、便携式的发展方向。     

公共场所典型异常声音的特征提取

针对采用梅尔倒谱系数(MFCC)表征异常声音时识别率低下问题,提出获取MFCC的改进方法,包括对公共场所典型异常声音信号的特性分析和MFCC提取过程中滤波器组的重新设计。基于公共场所异常声音数据库的实验结果表明,与MFCC特征提取方法相比,该方法提高了特征参数在识别系统中的效率,具有一定的优越性和实用性。     

基于知识图谱的电力变压器绝缘故障监测方法

通过传感器采集电力变压器数据，只能获取当前运行数据，导致变压器绝缘故障监测结果与实际情况不一致，为此提出基于知识图谱的电力变压器绝缘故障监测方法。采用RBF神经网络建立了变压器绝缘故障监测模型；依据知识图谱三元组成和生命周期，设计数据抽取步骤，抽取变压器历史数据，构建电力变压器知识图谱；设置变压器温度和功率值，设计故障监测步骤，实现变压器绝缘故障监测。实验结果表明：本文方法在案例1和案例2中，监测变压器绝缘故障产生原因与案例设置原因一致，监测效果较好。     

压电式加速度传感器振动信号采集系统

针对变压器产生的振动信号的特征,设计了一种基于压电式加速度传感器的变压器振动信号采集系统。以振动控制台为试验对象,利用此系统对控制台输出的振动信号进行采集,并用快速傅里叶变换对采集到的振动信号进行分析。实验结果表明：该系统将压电式加速度传感器输出的电荷信号转换成了标准的电压信号,能够准确、实时地采集振动信号,为变压器故障在线监测奠定了基础。     

基于Android的嵌入式机器声音故障检测系统的设计与实现

针对目前多数故障检测系统缺乏实时性和高精度,以Android为平台,设计一个基于小波包分解的嵌入式机器声音信号故障检测系统。介绍故障检测系统的总体框架。围绕声音采集、预处理和故障判断三个功能模块,阐述系统在实现过程中的一些关键算法,实现声音信号的去噪处理和故障特征提取。实验分析结果表明,该系统运行简便可靠,具有一定的适用性和实用价值。     

大型煤炭机电设备的故障检测方法研究

研究大型煤炭机电设备故障准确检测的问题.在大型煤炭机电设备故障检测过程中,由于硬件设备的数量较多,各个硬件设备之间的关系比较复杂,大型煤炭机电设备频繁启动不可避免,容易出现电压稳定性较差的问题,导致传统的故障检测信号发生突变,从而降低了故障检测的准确性.为了避免上述缺陷,提出了一种基于K均值聚类算法的大型煤炭机电设备故障检测方法.利用K均值聚类方法,对采集的检测信号进行分类处理,提取出机电设备故障信号.对故障信号进行定位处理,从而实现大型煤炭机电设备故障检测.实验结果表明,利用改进算法进行大型煤炭机电设备故障检测,能够有效提高检测的准确性,取得了令人满意的效果.