Page 50 - 《应该声学》2022年第2期

218 2022 年 3 月

方法的可行性。但上述所用模型主要基于早期的听 现了较高的识别准确率。
觉模型，没有考虑耳蜗内的外毛细胞。而外毛细胞
的主动放大机制对微弱声信号的感知至关重要 [18] 。 1 变压器绕组状态识别流程
针对上述问题，本文提出将考虑外毛细胞的听
觉外周模型运用于变压器绕组识别之中。首先，对 变压器运行过程中，经验丰富的工人主要根据
采集的变压器声信号进行去均值和消除趋势项的 变压器产生的声音来检测变压器是否出现异常 [16] 。
处理；然后，预处理后的声信号经过听觉外周模型 与传统的针对信号进行处理的方法不同，人耳是根
处理生成听觉谱，并对听觉谱提取多种统计特征； 据声信号的听觉特征进行状态识别的。为了将听觉
最后，将不同特征融合成为特征向量，输入到遗传 系统在复杂背景噪声环境下的优越识别性能引入
算法优化的支持向量机进行煤矸识别。研究结果表 到变压器绕组识别中，本文提出了基于变压器声听
明，本文所提出的基于听觉模型的煤矸识别方法实 觉谱特征的模式识别方法，具体流程如图1所示。

ᑟ᧚
ԫ
ԫ ˗ ܱඐጺᑊവی Я ᑟ᧚྅ ԍ
ԍ ᮕ ඐ ྲ ஃેՔ᧚఻ ٨
٨ ᏿ ጺ զ ᑟ᧚ ढ़ ፉ
ܦ ܫ ໚ ᑊ ᝀ ᚸ ጸ
ေ
ฉ
η വ ៨ Ռ ᥌͜ካข ࿄
Ղ ٨ ۳अᒛവی ی
গ
զᝀܱևവی
Ϡए
ηՂᖍԩ ྲढ़ଢԩ ԫԍ٨ፉጸ࿄গគѿ
图 1 变压器绕组松动识别流程
Fig. 1 The process of transformer winding looseness recognition
该识别方法主要由信号获取、特征提取和变压 试样本的干扰，测试地是半消声实验室。测试条件
器绕组状态识别 3 个过程组成。信号获取阶段，首 是通过控制绕组预紧力来模拟绕组不同程度的松
先通过测试传声器采集不同程度变压器绕组松动 动情况，以采集变压器在 20%、60%、100% 和 140%
的声信号；再将采集的声信号进行去均值和消除趋 预紧力工作条件下的声音样本。变压器声信号测试
势项的预处理，以减少信号采集环境和传感器性能 系统如图2 所示，参照标准 GB/T 1094.10–2003《电
对所采集信号准确性的影响。特征提取阶段，将预 力变压器第10部分：声级测定》，将声传感器布置在
处理后的声信号输入到听觉外周模型，经过中耳滤 离变压器 1 m 的轮廓线上 [19] 。测试时，变压器工作
波器滤波、基底膜模型选频、外毛细胞模型放大和 发出的声音通过声传感器传入数据采集仪中。数据
内毛细胞模型换能作用后，产生内毛细胞电压信号， 采集仪和笔记本电脑之间通过采集软件相连，将采
实现多个特征频率听觉信号的提取，以此构成听觉 集的声音样本保存为分析软件可读的通用型文件，
谱，并在听觉谱的基础上提取多类统计特征。变压 以便进行后续的分析处理。
器绕组状态识别阶段，先进行单个特征的识别测试，
以验证提取特征有效性；再融合不同的统计特征构
ࣰरԫԍ٨
成最优融合特征，使用遗传算法优化的支持向量机 ܦ͜ਖ٨
进行分类，以进一步提高识别准确率。

2 信号获取 ஝૶᧔ᬷ́
ቸᝮవႃᑨ
2.1 信号采集试验
本文通过采集变压器绕组松动故障样本来验
证所提出混合系统的有效性。测试对象是一台型号 图 2 变压器声信号测试系统
SC 800/10 的干式变压器。为了减少周围噪声对测 Fig. 2 Transformer acoustic signal test system