(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211123198.3 (22)申请日 2022.09.15 (71)申请人 国网河南省电力公司电力科 学研究 院 地址 450052 河南省郑州市二七区嵩 山南 路85号 (72)发明人 王磊磊　张嵩阳　张壮壮　王东晖　 王广周　李媛　郭星　刘卫坡　 田旭　耿进锋　吕中宾　姚德贵　 吴西博　马德英　程思远　关弘路　 杨涛　 (74)专利代理 机构 郑州知己知识产权代理有限 公司 41132 专利代理师 姜新宇(51)Int.Cl. G01R 31/62(2020.01) G01H 17/00(2006.01) G06F 17/15(2006.01) G06F 17/16(2006.01) (54)发明名称 设备状态分类模型的构建方法、 使用方法、 计算机可读介质、 装置 (57)摘要 本发明涉及一种设备状态分类模型的构建 方法、 一种设备状态分类模型的使用方法、 一种 存储有设备状态分类程序的计算机可读介质、 一 种设备状态 辨识装置， 分别提取声纹信号的短时 过零率、 谱质心、 短时能量作为特征参量， 提取振 动信号的偏度、 峭度、 波峰因子、 形状因子作为特 征参量， 进而进行特征融合； 最后利用随机森林 分类器实现变压器不同工况的状态 辨识。 由于融 合了声、 振信号的各自特点， 因此能够得到更为 丰富的测试设备特征信息参量， 并实现设备状态 分类。 权利要求书2页 说明书11页 附图3页 CN 115421078 A 2022.12.02 CN 115421078 A 1.一种设备状态分类模型的构建方法， 其特 征在于， 包括以下步骤： 步骤1、 获取设备不同运行状态下的声纹数据和振动数据； 步骤2、 提取声纹数据的短时过零率、 谱质心和短时能量， 提取振动数据的偏度、 峭度、 波峰因子和形状因子； 步骤3、 使用融合分类算法处理短时过零率、 谱质心、 短时能量、 偏度、 峭度、 波峰因子和 形状因子， 获得设备状态分类模型。 2.如权利要求1所述的设备状态分类模型的构建方法， 其特征在于， 在所述步骤2之前， 还使用稀疏变换算法处 理所述声纹数据和/或所述振动数据。 3.如权利要求2所述的设备状态分类模型的构建方法， 其特征在于， 所述稀疏变换算法 包括： 取所述步骤1获得的设备不同运行状态下的声纹数据或振动数据， 得到样本数据； 使用测量矩阵得到压缩测量值y＝Af， 式中， y为数据的压缩测量值， A为数据的测量矩 阵， f为样本数据； 其中， 测量矩阵采用托普利兹矩阵； 采用最佳 方向法构造、 优化稀疏基向量Φ， 优化目标函数为 式中， B表示稀疏系数矩阵， f表示样本数据， αi表示稀疏系数矩阵B的列向量， ζ表示某一 常数， N*表示正整数； 对于稀疏系数矩阵B的元 素α(n)， 采用最小l1范数优化求解， 即有 对于稀疏基向量Φ， 采用Mo ore‑Penrose广义逆求 解方法进行求 解， 即有 式中，“T”表示矩阵转置； 声纹数据或振动数据的稀疏系数矩阵为 式中， y为数据的压缩测量值， A为数 据的测量矩阵， Φ为优化后的稀疏基向量。 4.如权利要求1所述的设备状态分类模型的构建方法， 其特征在于， 所述步骤2中获得 的短时过零 率为 所述步骤2中获得的谱质心为 所述步骤2中获得的短时能量 为 所述步骤2中获得的偏度为 所述步骤2中获得的峭度为 权　利　要　求　书 1/2 页 2 CN 115421078 A 2所述步骤2中获得的波峰因子为 所述步骤2中获得的形状因子为 其中， ξ表示某一常数， n＝1,2, …,N， N为信号时域总 离散点， xn 表示第n个离散点对应的幅值， Fn表示信号频率， En表示离散时域信号短时傅里叶变换后所 对应频率的谱能量， M表示频域离散总点数， P( ·)表示概率计算， ωn(·)表示汉明窗函数， υ表示帧移长度， 表示原始信号幅值的平均值。 5.如权利要求1所述的设备状态分类模型的构建方法， 其特征在于， 在所述步骤3 中， 所 述融合分类算法为梯度提升决策树方法， 其映射关系可定义 为 式中， β 表示初始模型， yi表示预测值， loss(yi,F(x))表示损失函数， F(x)表示与模型相 关的函数值。 6.如权利要求1所述的设备状态分类模型的构建方法， 其特征在于， 所述设备为变压 器。 7.一种设备状态分类模型的使用方法， 其特 征在于， 包括以下步骤： 步骤a、 采集所述设备的声纹信号和振动信号； 步骤b、 提取声纹数据的短时过零率、 谱质心和短时能量， 提取振动数据的偏度、 峭度、 波峰因子和形状因子； 步骤c、 将所述短时过零率、 所述谱质心、 所述短时能量、 所述偏度、 所述峭度、 所述波峰 因子和所述形状因子输入使用权利要求1 ‑6中任一项 所述的构建方法构建的设备状态分类 模型， 所述设备状态分类模型输出设备状态。 8.一种存储有设备状态分类程序的计算机可读介质， 其特征在于， 所述设备状态分类 程序被处 理器时执 行以下步骤： 步骤a、 获取 所述设备的声纹信号和振动信号； 步骤b、 提取声纹数据的短时过零率、 谱质心和短时能量， 提取振动数据的偏度、 峭度、 波峰因子和形状因子； 步骤c、 将所述短时过零率、 所述谱质心、 所述短时能量、 所述偏度、 所述峭度、 所述波峰 因子和所述形状因子输入使用权利要求1 ‑6中任一项 所述的构建方法构建的设备状态分类 模型， 所述设备状态分类模型输出设备状态。 9.一种设备状态辨识装置， 包括处理器和存储有设备状态分类程序的计算机可读介 质， 其特征在于， 所述处 理器用于执 行如权利要求8所述的设备状态分类程序。 10.如权利要求9所述的设备状态辨识装置， 其特征在于， 还包括声纹传感器、 振动传感 器和输出模块， 所述声纹传感器用于采集所述设备 的声纹信号， 所述振动传感器用于采集 所述设备的振动信号， 所述处理器用于接收所述声纹信号和振动信号， 获得设备状态信息， 所述输出模块用于 输出所述设备状态信息 。权　利　要　求　书 2/2 页 3 CN 115421078 A 3