噪声与振动控制

噪声与振动控制 ›› 2025, Vol. 45 ›› Issue (5): 123-130.

• 信号处理与故障诊断 • 上一篇    下一篇

基于FRCMDE与IBOA-LSSVM的变压器故障声纹诊断方法

高家通1，康兵1, 2，许志浩1, 2，王宗耀1, 2, 3，丁贵立1, 2，袁小翠1, 2   

  1. ( 1. 南昌工程学院电气工程学院，南昌330099；
    2. 南昌工程学院江西省高压大功率电力电子与电网智能量测工程研究中心，南昌330099；
    3. 江西派源科技有限公司，南昌330099 )
  • 收稿日期:2024-01-26 修回日期:2024-05-27 出版日期:2025-10-18 发布日期:2025-10-13

Fault Voiceprint Diagnosis Method for Transformers Based on FRCMDE and IBOA-LSSVM

  • Received:2024-01-26 Revised:2024-05-27 Online:2025-10-18 Published:2025-10-13

PDF

摘要： 为提高多尺度散布熵对信号演化敏感度，提升变压器故障声纹诊断准确率，将分数阶精细复合多尺度散布熵(Fractional Refined Composite Multiscale Dispersion Entropy，FRCMDE)运用于变压器声纹特征提取。首先，确定FRCMDE参数，提取不同状态下变压器声音信号的FRCMDE熵特征；其次，采用改进蝴蝶算法(Improved Butterfly Optimization Algorithm，IBOA)对最小二乘支持向量机(Least Squares Support Vector Machine，LSSVM)进行参数优化并构建IBOA-LSSVM模型，利用IBOA-LSSVM模型对特征数据进行分类，实现变压器故障声纹诊断；最后，为验证该方法的有效性，将其与其他经典方法比较，研究结果表明：所建FRCMDE-IBOA-LSSVM模型可有效区分8 种状态下的变压器声音信号，诊断准确率达到99.69 %，均高于其他方法。该方法可为变压器不停电监测与故障声纹诊断提供参考。

关键词: 故障诊断, 变压器, 声纹诊断, 分数阶精细复合多尺度散布熵, 改进蝴蝶优化算法