基于CNN算法的并联电抗器机械故障诊断方法

为解决并联电抗器的机械故障诊断问题，本文提出了一种基于卷积神经网络算法的机械故障诊断方法。首先以一台10 kV并联电抗器为研究对象搭建了振动实验平台，在油箱表面采集了5种机械状态下的振动信号，将原始振动信号进行预处理得到其时域波形与频谱，然后分析了振动时频特性并验证了其区分机械状态的可行性，因此将振动信号输入分类模型中进行特征自适应提取和训练，最终通过分类器输出结果达到诊断的目的。该方法与传统的故障诊断方法相比，不但省略了人工提取特征环节，并且减少了误判问题，最终可以以较高的精度诊断电抗器机械故障。因此，本文提出的方法对并联电抗器的安全可靠运行具有重要意义。