基于MDF-BSRNet的变压器声纹故障诊断方法

摘要

针对单个传感器的变压器故障诊断方法不能充分提取特征信息，导致故障诊断精度较低的问题，提出了一种基于多传感器数据融合(multi-sensor data fusion, MDF)和双尺度残差网络(bi-scalar residual network, BSRNet)相结合的变压器故障诊断方法(MDF-BSRNet)。首先，构造了一种MDF方法，对多传感器采集的声纹信号进行融合并生成三维像素矩阵，从非线性数据的高维特征中捕获包含的低维特征，提高特征提取能力；其次，提出了一种BSRNet的智能故障诊断方法，通过学习三维矩阵中的深层和浅层特征，捕捉不同空间维度的故障特征，提高故障诊断能力；最后，通过实际采集的变压器声纹数据对所提方法进行试验验证，结果表明，所提方法故障识别准确率为97.75%,优于其他深度学习方法，对多传感器声纹数据融合实际工程变压器故障诊断的研究具有重要意义。

关键词

变压器 / 故障诊断 / 多传感器融合 / 双尺度残差网络 / 多传感器数据融合

基金资助

国家自然科学基金资助项目(51675350)