基于深度稀疏自编码器的电抗器机械故障振动诊断方法OACSTPCD

为提高电抗器机械故障智能诊断的准确性,基于电抗器振动信号与机械状态之间的关联特性和规律,提出了一种基于深度稀疏自编码器(SAE)的电抗器机械故障振动诊断方法。首先,采用小波包分解算法对电抗器原始振动信号进行分解,提取信号的时频能量矩阵;然后,构建基于SAE网络的电抗器机械故障诊断模型,通过无监督自学习和有监督微调完成时频能量矩阵深层特征挖掘和电抗器机械故障识别分类;最后,以某10 kV油浸式电抗器为试验对象,使用不同机械状态下的振动数据对故障识别模型进行训练优化。算例结果表明,相比于传统振动诊断方法,所提方法能够更好地对电抗器机械故障进行识别分类,准确率可达98%。