摘要
Abstract
1 绪论
1.1 选题的目的和意义
1.2 变压器绕组变形与铁心故障原因
1.2.1 变压器绕组变形
1.2.2 变压器铁心故障
1.3 变压器绕组变形与铁心故障诊断方法研究
1.3.1 绕组变形诊断方法
1.3.2 铁心故障诊断方法
1.4 振动分析法在变压器故障诊断中的技术发展现状
1.5 本文的主要内容
2 变压器振动机理研究
2.1 变压器工作原理及结构
2.1.1 变压器工作原理
2.1.2 变压器结构
2.2 变压器振动传播途径
2.3 变压器绕组振动分析
2.3.1 绕组受力分析
2.3.2 绕组轴向振动数学模型
2.3.3 绕组运行状况与振动信号的关系
2.4 变压器铁心振动分析
2.4.1 磁致伸缩原理
2.4.2 铁心运行状况与振动信号的关系
2.5 本章小结
3 变压器振动在线监测系统
3.1 振动信号在线监测
3.1.1 测点布置
3.1.2 传感器选型及工作原理
3.2 振动信号采集
3.2.1 信号调理
3.2.2 A/D转换
3.3 本章小结
4 变压器振动信号分析与处理
4.1 小波包变换
4.2 希尔伯特-黄变换
4.2.1 瞬时频率
4.2.2 固有模态函数
4.2.3 经验模态分解
4.2.4 希尔伯特谱及边际谱
4.3 希尔伯特-黄变换在变压器机械振动信号中的应用
4.3.1 固有模态函数的自适应阈值去噪
4.3.2 铁心振动信号分析
4.3.3 绕组振动信号分析
4.4 本章小结
5 变压器振动信号特征提取
5.1 传统故障诊断特征参数
5.2 基于小波包和信息熵的信号特征提取方法
5.2.1 Shannon信息熵理论
5.2.2 小波包能量熵
5.2.3 变压器振动信号小波包能量熵的提取
5.2.4 诊断实例分析
5.3 本章小结
6 变压器机械故障智能诊断
6.1 粒子群算法
6.1.1 算法原理
6.1.2 算法流程
6.1.3 惯性权值的引入
6.1.4 算法的改进
6.1.5 性能测试
6.2 改进粒子群算法优化BP神经网络
6.2.1 BP神经网络算法
6.2.2 BP神经网络的缺陷
6.2.3 BP神经网络的优化
6.2.4 诊断实例分析
6.3 改进粒子群算法优化最小二乘支持向量机
6.3.1 最小二乘支持向量机分类算法
6.3.2 最小二乘支持向量机的优化
6.3.3 诊断实例分析
6.4 本章小结
7 结论与展望
7.1 结论
7.2 展望
致谢
参考文献
攻读硕士期间发表的论文及参加项目