基于MPSO-MLE的变电站设备异常声源定位方法

发布时间：2024-03-21 02:33

　　变电站电力设备的可听声信号中包含着丰富的振动、放电等信息,对电力设备声音信号的定位及分析是实现设备运行状态评估及故障诊断的有效手段之一。针对变电站全站设备,实现对设备异常声音信号的快速巡检及定位可有效地提升设备故障检测效率。为此基于非接触式声音传感器阵列,从统计分析的角度出发提出了利用极大似然估计法对全站电力设备声源进行定位的方法,并利用变异的粒子群优化算法降低运算量,实现了低信噪比环境下的设备故障声源高效精确定位。仿真分析及实验室测试表明,所提出的设备异常声源定位方法及系统在低信噪比环境中其定位误差比MUSIC方法降低约30%,可快速、有效地定位设备异常声源,为后续设备故障精确定位及诊断提供参考。

【文章页数】：9 页

【部分图文】：

图1传感器均匀面阵模型

f=2c/，c为声速，f为入射声音信号的频率，为入射声音信号的波长；dx和dy分别为相邻2个传感器在x轴和y轴方向的间距。在图1(b)中，子阵列1的方向向量为ax，其余子阵列需考虑y轴方向上的偏移，方向向量分别为

图2MPSO-MLE算法流程图

最终本文提出的基于MPSO-MLE可听声定位算法流程图如图2所示。3仿真研究与结果分析

图3仿真声音信号时域图

对PSO算法进行参数设置，为提高算法的效率并保证算法的搜索能力，迭代次数取500，粒子数为20[22]，粒子维数是2，分别是声音来源的方向角和俯仰角，适应度函数为似然函数，变异信任度阈值设为0.45。根据式(20)和式(21)对粒子速度和位置进行更新，迭代得到变电站声源方向角的估....

图4不同信噪比的仿真定位结果

取信噪比为–10～10dB，运用蒙特卡洛统计处理方法在不同信噪比情况下分别进行50次仿真实验，取定位结果的统计平均值，并按式(23)计算3种方法的定位结果误差，各方法的定位结果如表1所示，绘制均方误差曲线如图6所示。图5不同算法的适应度曲线图

本文编号：3933688