一种基于小波神经网络和小波技术的变压器噪声预测方法

摘要

本发明公开了一种基于小波神经网络和小波技术的变压器噪声预测方法，利用小波基函数取代传统BP神经网络隐含层神经元双曲正切S型激励函数，并在调整神经网络参数时引入动量因子，使得预测模型具有更快的收敛速度和更高的误差精度。利用小波分解技术对振动和噪声数字信号经行分解，将得到的小波低频系数作为预测模型的输入-输出对，当建模完成后，利用小波重构技术对预测得到的小波低频系数经行重构，得到预测的噪声数字信号。本发明不仅减少了训练样本的数量，缩短了神经网络中神经元的训练时间，而且还避免因变压器实测噪声数据中含有环境高频干扰噪声而导致预测效果差的问题。

主权项

一种基于小波神经网络和小波技术的变压器噪声预测方法，其特征在于，具体实施步骤如下：步骤1，分别采集变压器表面的I个不同位置处的振动数字信号、变压器外某点处的噪声数字信号，其中，I≥2；步骤2，利用小波函数对采集到的I路振动数字信号进行小波分解，将分解得到的小波低频系数进行归一化后作为小波神经网络输入量；利用小波函数对采集到的噪声数字信号进行小波分解，将分解得到的小波低频系数进行归一化后作为小波神经网络输出量；步骤3，通过对小波神经网络中神经元进行训练学习，在输入量和输出量之间建立相应的映射关系，最终建立基于三层拓扑结构的小波神经网络的预测模型；步骤4，利用步骤3中建立的预测模型，实现变压器的噪声预测，具体为：A.首先对采集到的变压器表面I个不同位置处的振动数字信号进行小波分解，然后将分解得到的小波低频系数进行归一化处理，最后将归一化后的数据输入预测模型中；B.利用预测模型对接收到的数据进行计算后输出计算结果；C.首先对预测模型的输出结果进行反归一化处理，然后将得到的对应噪声的小波低频系数进行小波重构，从而得到预测出的噪声数字信号。