基于SSWT-GLCM与改进WOA-SVM的变压器机械故障时频诊断

• Published in: 振动、测试与诊断 Vol. 44; no. 6; pp. 1135 - 1143
• Main Authors: 杨义, 李晓华, 李俊聪, 赵文彬, 陈皖皖, 夏能弘
• Format: Journal Article
• Language: Chinese
• Published: 上海电力大学电气工程学院 上海,200090 01.12.2024
• Subjects: 变压器; 同步压缩小波变换; 故障分类; fault classification; 灰度共生矩阵; improved whale optimization algorithm-support vector machine(WOA-SVM)algo-rithm; transformer; synchrosqueezed wavelet transform(SSWT); gray-level co-occurrence matrix(GLSM); 改进鲸鱼算法优化-支持向量机算法
• ISSN: 1004-6801
• DOI: 10.16450/j.cnki.issn.1004-6801.2024.06.012

TM933; 为进一步提高变压器故障诊断精度,提出一种基于同步压缩小波变换(synchrosqueezed wavelet transform,简称SSWT)-灰度共生矩阵(gray-level co-occurrence matrix,简称GLCM)的变压器机械故障时频诊断方法.首先,利用SSWT对变压器振动信号进行时频分析,得到能量堆叠密集的二维时频图,有效保留了变压器振动信号的主要特征信息;其次,联合描述区域像素关系的GLCM提取出二维时频图的主要特征信息,为后续故障诊断模型提供有效的特征参数;最后,通过改进鲸鱼算法优化(whale optimization algorithm,简称WOA)对支持向量机(support vector machine,简称SVM)的关键参数进行优化,建立了基于改进WOA-SVM的变压器典型机械故障时频诊断模型.实验结果表明,所构建的改进WOA-SVM故障诊断模型具有较高的识别精度和运算效率,为基于振动信号的变压器机械故障时频诊断提供了技术支撑.