一种基于声纹成像的GIS故障诊断方法及系统技术方案

本发明专利技术公开了一种基于声纹成像的GIS故障诊断方法及系统。本发明专利技术的诊断系统包括采集模块、成像定位模块、故障诊断模块和PC模块；本发明专利技术的诊断方法为：通过声成像方法定位异常声信号，再对采集到的GIS声信号做EMD自适应分解，并计算各个IMF分量的一维谱熵作为特征元素代入SVM中，能够对GIS的多种故障类型进行一次性的诊断判别，简单快捷，可以避免故障源辐射出的声信号被其他干扰源所覆盖，一定程度上可以提高传声器阵列对期望方向上的声学特征采集效果，避免影响后续的故障诊断。避免影响后续的故障诊断。避免影响后续的故障诊断。

【技术实现步骤摘要】
一种基于声纹成像的GIS故障诊断方法及系统


[0001]本专利技术涉及电力设备噪声振动信号采集分析
，具体地说是一种基于声纹成像的GIS故障诊断方法及系统。

技术介绍

[0002]目前GIS设备机械故障检测的主要方式为振动信号分析。通过在GIS设备壳体表面放置振动传感器，分析传感器接收到的振动信号，根据振动信号频谱的变化即可判断GIS是否出现机械故障，并对故障类型进行分类。但采用振动分析时，振动传感器只能安装在设备表面，只能获取局部位置的振动信号，难以反映GIS设备整体的运行状况。
[0003]GIS设备由于机械故障所造成的异常振动会辐射出声信号，根据声信号与振动信号的同理性，可用GIS辐射出的声信号进行故障诊断。基于声学的故障诊断具有非接触式、操作简单快捷、不影响设备正常运行的优点。
[0004]但是，采用声学信号进行故障诊断最大的难点在于背景噪声的干扰，不同于振动信号，声信号的信噪比较振动信号低的多，特别是在环境干扰噪声较大的情况下，故障源辐射出的声信号极易被其他干扰源所覆盖，且当传声器阵列的测点位置选择不当会导致该处的声学特征采集效果变差，严重影响后续的故障诊断。

技术实现思路

[0005]本专利技术所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于声纹成像的GIS故障诊断方法及系统，其适用于干扰噪声较强的声信号采集环境，利用声源可视化原理，提取GIS辐射出的声信号并进行故障诊断。
[0006]为实现上述目的，本专利技术采用如下技术方案：一种基于声纹成像的GIS故障诊断方法，其包括以下步骤：
[0007]S1、采集GIS辐射出的声信号；
[0008]S2、对所述步骤S1中采集的GIS辐射出的声信号进行时频分析和特征提取，对异常声源的位置进行定位；
[0009]S3、对采集到的声信号进行EMD分解，并求取分解后IMF分量的一维谱熵，作为训练样本代入SVM模型模块中得到故障类型；
[0010]S4、将步骤S2和S3得到的故障诊断结果进行可视化处理，并同时进行存储和报警提醒。
[0011]进一步地，所述步骤S1中，采集GIS辐射出的声信号所用的设备为传声器阵列和数据采集仪，两者之间采用数据线连接；传声器阵列获取GIS辐射出的声信号采用的是远场声源信号模型：
[0012][0013]式中，r为声源与传声器阵列中心的距离，L为各传声器之间的间距，λ为声信号的
波长；
[0014]根据传声器的分布位置不同，不同位置上的传声器接收到的信号存在一定的时间延迟，以第一个传声器作为参考，则声信号到达其他传声器的时间相对于第一个传声器的时间延迟为：
[0015]τ
m
＝d cosθ/c，m＝1,2,Λ,M，
[0016]式中，c为声速，d为相邻两个传声器之间的距离，θ为远场声源的入射角度，τ
m
为时间延迟，M为阵元数；
[0017]阵列波束形成的输出为：
[0018][0019]式中，w
m
为加权系数，p
m
为所对应阵元接收到的复声压信号，t为时间；
[0020]用矢量表示上式可得：
[0021][0022]式中，X(t)为阵列的M
×
1维快拍数据矢量，w(θ)为各传声器的方向矢量，P(t)为阵列接受的空间信号源矢量，为阵元m所对应的输出。
[0023]进一步地，所述声信号的EMD分解包括以下步骤：
[0024]a、令原始信号为x(t)，为获取信号的上下包络线，首先找出所需的极大值点和极小值点，对这两类点用插值的方式分别拟合原始信号的波形，构造出上包络线和下包络线；
[0025]b、计算上下包络线的平均值m1，并计算h1＝x(t)
‑
m1，若h1满足IMF分量的条件，则令h1为IMF1，并进入下一个循环；
[0026]c、若h1不满足条件，将h1替代原始信号x(t)，并重复步骤a和步骤b，得到h2，并判断新生成的h2是否满足上述条件，若还未满足条件，继续循环步骤a和步骤b，直到获得满足条件的IMF1；
[0027]d、若h1为IMF1，则为计算下一个IMF分量，需要将h1从原始信号x(t)中分离出来，得到可以继续分解的信号：
[0028]R1＝x(t)
‑
IMF1；
[0029]e、将R1替代需要分解的信号，重复循环步骤a
‑
d，循环至满足结束条件，最终得到n个满足条件的IMF分量和残差R
n
，信号x(t)表示为：
[0030][0031]计算各个IMF分量的一维谱熵：
[0032][0033]式中，q(j)为第j个功率谱在整个IMF中所占的百分比；N为IMF包含的谱线条数；
[0034]f、最后将这些IMF分量的一维谱熵作为样本代入SVM模型模块中训练样本，得到具体故障类型的诊断结果。
[0035]更进一步地，步骤e中，所述的结束条件为R
n
的极值点数小于两个。
[0036]更进一步地，分解得到的IMF分量需要满足以下两个条件：
[0037]条件一、在所需要分解的信号中，极点数和过零点数的差值需要控制在一个以内；
[0038]条件二、在任意时刻，信号中由极大值点插值所构建的上包络线和极小值点所构建的下包络线均值为零。
[0039]本专利技术采用的另一种技术方案为：一种基于声纹成像的GIS故障诊断系统，其包括：
[0040]采集模块，用于采集GIS辐射出的声信号；
[0041]成像定位模块，用于对采集的GIS辐射出的声信号进行时频分析和特征提取，定位异常声源位置；
[0042]故障诊断模块，用于对采集到的声信号进行EMD分解，并求取分解后IMF分量的一维谱熵，作为训练样本代入SVM模型模块中得到诊断结果；
[0043]PC模块，将成像定位模块和故障诊断模块得到的故障诊断结果进行可视化处理，并将故障诊断结果存储于存储器中，若故障诊断模块中判断GIS设备出现故障，会触发PC模块中的报警器。
[0044]进一步地，所述采集模块包括传声器阵列和数据采集仪，两者之间采用数据线连接。
[0045]进一步地，所述成像定位模块包括时频分析模块和声源定位模块，声源定位模块用于定位异常声源位置，时频分析模块用于对采集的GIS辐射出的声信号进行时频分析。
[0046]进一步地，所述故障诊断模块包括特征提取模块和SVM模型模块；所述的特征提取模块对采集到的声信号进行EMD分解，并求取分解后IMF分量的一维谱熵，所述的一维谱熵作为训练样本代入SVM模型模块中，得到诊断结果。
[0047]进一步地，所述PC模块包括显示屏、存储器和报警器。
[0048]本专利技术具有以下有益效果：本专利技术通过声成像方法定位异常声信号，再对采集到的GIS声信号做EMD自适应分解，并计算各个IMF分量的一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于声纹成像的GIS故障诊断方法，其特征在于，包括以下步骤：S1、采集GIS辐射出的声信号；S2、对所述步骤S1中采集的GIS辐射出的声信号进行时频分析和特征提取，对异常声源的位置进行定位；S3、对采集到的声信号进行EMD分解，并求取分解后IMF分量的一维谱熵，作为训练样本代入SVM模型模块中得到故障类型；S4、将步骤S2和S3得到的故障诊断结果进行可视化处理，并同时进行存储和报警提醒。2.根据权利要求1所述的一种基于声纹成像的GIS故障诊断方法，其特征在于，所述步骤S1中，采集GIS辐射出的声信号所用的设备为传声器阵列和数据采集仪，两者之间采用数据线连接；传声器阵列获取GIS辐射出的声信号采用的是远场声源信号模型：式中，r为声源与传声器阵列中心的距离，L为各传声器之间的间距，λ为声信号的波长；根据传声器的分布位置不同，不同位置上的传声器接收到的信号存在一定的时间延迟，以第一个传声器作为参考，则声信号到达其他传声器的时间相对于第一个传声器的时间延迟为：τ
m
＝dcosθ/c，m＝1,2,Λ,M，式中，c为声速，d为相邻两个传声器之间的距离，θ为远场声源的入射角度，τ
m
为时间延迟，M为阵元数；阵列波束形成的输出为：式中，w
m
为加权系数，p
m
为所对应阵元接收到的复声压信号，t为时间；用矢量表示上式可得：式中，X(t)为阵列的M
×
1维快拍数据矢量，w(θ)为各传声器的方向矢量，P(t)为阵列接受的空间信号源矢量，为m阵元所对应的输出。3.根据权利要求1所述的一种基于声纹成像的GIS故障诊断方法，其特征在于，所述声信号的EMD分解包括以下步骤：a、令原始信号为x(t)，为获取信号的上下包络线，首先找出所需的极大值点和极小值点，对这两类点用插值的方式分别拟合原始信号的波形，构造出上包络线和下包络线；b、计算上下包络线的平均值m1，并计算h1＝x(t)
‑
m1，若h1满足IMF分量的条件，则令h1为IMF1，并进入下一个循环；c、若h1不满足条件，将h1替代原始信号x(t)，并重复步骤a和步骤b，得到h2，并判断新生成的h2是否满足上述条件，若还未满足条件，继续循环步骤a和步骤b，直到获得满足条件的IMF1；d、若h1为IMF1，则为计算下一个IMF分量，需要将h1从原始信号x(t)中分离出来，得到可
以继续分解的信号：R1＝x(t)
‑
IMF1；e、将R1替代需要分解的信号...

【专利技术属性】
技术研发人员：王劭鹤，金涌涛，赵琳，杨勇，董雪松，陈孝信，王绍安，王枭，王涛，
申请(专利权)人：上海睿深电子科技有限公司，
类型：发明
国别省市：