基于變壓器故障噪聲監(jiān)測診斷技術的音頻特征提取方法研究

摘

要：變壓器在運行過程中可能會出現(xiàn)不同類型的故障，導致變壓器發(fā)出異常聲響。通過采集變壓器故障運行時的異常音頻，并提取音頻特征量進行分析處理，就可判斷出變壓器的故障類型。此種變壓器故障診斷方法的關鍵點在于采集變壓器運行中的故障音頻信號并提取其特征量，尤其是從包含環(huán)境噪聲的混合音頻中準確提取有效的故障特征量是該方法的技術核心?，F(xiàn)通過研究Hilbert-Huang變換在音頻分析中的應用，探討了變壓器故障音頻特征分離和提取的有效方法。關鍵詞：變壓器故障診斷；音頻特征；Hilbert-Huang變換0

引言變壓器是電力系統(tǒng)中的重要設備，其運行穩(wěn)定性直接影響供電質量，因此變壓器運行狀態(tài)監(jiān)測及故障診斷已成為電網(wǎng)維護的一項重要工作。目前，傳統(tǒng)的變壓器監(jiān)測一般需要使用接觸式測量儀器進行巡檢，人力成本高，效率低?；诖耍疚奶岢隽艘环N以音頻分析為基礎的新檢測手段：根據(jù)變壓器運行時聲音的變化來反映變壓器運行狀態(tài)的變化，即在變壓器發(fā)生故障時提取音頻特征信息，使用經(jīng)驗模態(tài)分解（EMD）方法將信號分解成若干IMF特征分量并進行Hilbert變換，得到相應的Hilbert譜，最后通過科學算法和軟件分析將異常運行時的音頻特征量與正常運行時的特征量做對比分析，從而實現(xiàn)變壓器故障診斷功能。在利用音頻特征監(jiān)測變壓器狀態(tài)時，對音頻信號的處理是其核心步驟，主要包括音頻特征的提取及故障特征的識別與判斷。由于變壓器型號種類多、結構復雜、工作環(huán)境多樣，因此在實際采樣過程中采集到的音頻除了含有變壓器自身固有機械振動產(chǎn)生的正常音頻以外，還有許多環(huán)境噪聲干擾混雜于其中，需要對采集的音頻信號做降噪處理，從中分離并提取有效的音頻特征。本文就如何分離并提取音頻特征進行探討分析。

1

Hilbert-Huang變換簡介Hilbert-Huang變換是由黃鍔等人提出的一種新的信號分析法。該分析方法是在經(jīng)驗模態(tài)分解（EMD）方法的基礎上，結合Hilbert譜的概念和分析改進Hilbert譜之后得出的方法，被命名為Hilbert-HuangTransform（簡稱HHT），即希爾伯特黃變換。在實際工程中對于變電站設備故障噪聲音頻特征的提取，一般多采用梅爾頻率倒譜系數(shù)（MFCC）方法。該方法是一種頻域分析方法，它模擬了人耳非線性聽覺特性，并且基于梅爾刻度對頻帶進行等距劃分，使得間隔頻帶更加接近于人類的聽覺，故其被廣泛運用于各類聲音信號的處理中。但這種提取方法在加性噪聲的情況下穩(wěn)定性和精度并不高，所以還需要進一步改進，目前采用較多的改進方案是將其與隱馬爾可夫模型結合運用。Hilbert-Huang變換是一種時域分析方法。首先利用經(jīng)驗模態(tài)分解（EMD）方法將一個混合信號分解成若干IMF分量，通過Hilbert變換得到各個IMF的Hilbert譜，將每個IMF分量的Hilbert譜分解成獨立的子向量，最后匯總所有IMF的Hilbert譜，合成原始信號的Hilbert譜，從而達到分離混合信號的目的。同經(jīng)典的傅里葉變換信號分析方法相比，EMD方法克服了用傅里葉變換方法提取信號頻譜時必須要利用信號的全部時域信息這一缺點，具有良好的時頻分辨率和自適應性，能夠完美地重構原始信號。Hilbert-Huang變換適用于對非線性、非平穩(wěn)信號的分析處理，具有完全自適應性，可以在時間和頻率上同時達到很高的精度，可用于突變信號的分析。這種方法非常適用于變電站背景噪聲強的混合音頻處理，能夠從復雜的背景噪聲中分離出有效的音頻信號。

2

Hilbert-Huang變換的應用2.1

經(jīng)驗模態(tài)分解（EMD）Hilbert-Huang變換首先要進行的就是通過EMD方法將信號分解，這個信號可以是平穩(wěn)的、線性的，也可以是不平穩(wěn)的、非線性的，EMD的主要作用是將信號分解成若干個IMF，每一個IMF必須滿足兩個條件：（1）信號的極值點（極大值或極小值）數(shù)目和過零點數(shù)目相等或最多相差一個；（2）由局部極大值構成的上包絡線和由局部極小值構成的下包絡線的平均值為零。其過程如下：首先獲得給定的信號的所有極點，用三次樣條插值函數(shù)求出上下包絡線，上下包絡線的均值記為，與的差記為，則：由于通常情況下此時的還不是一個IMF分量序列，這就需要對重復上述操作，直到過零點的數(shù)目和極點的數(shù)目相等或僅相差一個，且各個瞬時平均值都等于零，從而得出第一個IMF分量。然后用減去，得到殘余信號，再用重復上述操作，得到第二個IMF分量、第三個IMF分量……，最后得到第個IMF分量和殘余信號，滿足給定的終止條件時結束（足夠小或者是單調函數(shù)）。最終獲得的表達式為：2.2

Hilbert譜和Hilbert邊際譜對于每一個分解出來的IMF分量，做Hilbert變換：生成的解析信號為：由此得到瞬時振幅和瞬時相位的函數(shù)：進一步可求出瞬時頻率：將所有分量的Hilbert譜匯總，就得到了：這個表達式省略了殘余函數(shù)，它可能是一個單調函數(shù)，也可能是一個常數(shù)。表示取實部，展開式稱為Hilbert譜，記為：由此對上式進行積分就可以進一步得到Hilbert邊際譜：3

仿真實驗實驗采用兩組信號源，其中一組為多周期混合信號線性疊加的模擬信號函數(shù)：另外一組為一段實地采樣音頻，為混合音頻信號，該音頻信號同時包含隨機環(huán)境噪聲以及具有固定周期和規(guī)律的特定信號，對兩組信號分別進行Hilbert-Huang變換。首先對模擬函數(shù)信號進行分解，分解結果如圖1所示。其中，圖1（a）為函數(shù)的原始信號，圖1（b）為函數(shù)原始信號的頻譜。經(jīng)過Hilbert-Huang變換后，通過EMD方法將函數(shù)信號分解，按頻率由高到低排列得：IMF1為分解得到的特征分量；IMF2為分解得到的分量；IMF3為分解得到的分量；IMF4為分解后的殘余項。函數(shù)IMF分量如圖2所示，圖2（a）（b）（c）（d）為各IMF分量波形圖，圖2（e）（f）（g）（h）為IMF分量對應的頻譜。以IMF2特征分量為例，對函數(shù)信號進行Hilbert-Huang變換后，得到能夠反映IMF2分量特征的物理量。IMF2的特征波形及其頻譜、包絡線、瞬時頻率、調制信號和調制信號的頻譜如圖3所示。在完成對多周期混合信號線性疊加模擬信號的分析之后，再對含有大量隨機噪聲的實地采樣音頻信號進行處理，根據(jù)原始信號繪制波形圖及其對應的頻譜，如圖4所示。

經(jīng)過Hilbert-Huang變換的EMD分解后，混合音頻被成功分解成15個IMF分量，其中前4個頻率最高，所含信息量相對較大的4個IMF分量的波形圖如圖5（a）（b）（c）（d）所示，其對應的頻譜如圖5（e）（f）（g）（h）所示。對分解求得的15組IMF分量分別進行Hilbert-Huang變換的EMD分解后，便可提取出每一個IMF分量的特征波形及其頻譜、包絡線、瞬時頻率、調制信號和調制信號的頻譜等可以反映此分量特征信息的特征量，通過將這些特征量與變壓器正常運行時的音頻特征量進行對比分析，即可及時判斷變壓器的運行狀態(tài)或者故障類型。

4

結語Hilbert-Huang變換在不平穩(wěn)、非線性信號的分析處理上體現(xiàn)出來的優(yōu)越性，使得這種方法在地震波分析、機械故障診斷、語音信號處理等多