本發(fā)明涉及振動監(jiān)測，尤其涉及基于毫米波雷達(dá)的大型變壓器套管振動監(jiān)測方法。

背景技術(shù)：

1、變壓器作為電力系統(tǒng)中的核心設(shè)備，其運(yùn)行狀態(tài)對整個電網(wǎng)的安全和穩(wěn)定性至關(guān)重要，尤其是大型變壓器套管的振動狀態(tài)，能夠反映出設(shè)備內(nèi)部結(jié)構(gòu)的健康程度和潛在的故障風(fēng)險。傳統(tǒng)的振動監(jiān)測多依賴于機(jī)械傳感器的接觸式監(jiān)測方法，但這種方式由于安裝復(fù)雜、維護(hù)不便，且難以避免設(shè)備運(yùn)行時的電磁干擾，導(dǎo)致測量數(shù)據(jù)不穩(wěn)定。此外，機(jī)械傳感器的長期使用易受磨損影響，從而降低監(jiān)測精度和使用壽命。

2、毫米波雷達(dá)作為一種無接觸、抗干擾能力強(qiáng)的高精度檢測技術(shù)，在振動監(jiān)測中展現(xiàn)出顯著優(yōu)勢，利用毫米波雷達(dá)對變壓器套管進(jìn)行非接觸式振動檢測，能夠穿透電磁干擾，適應(yīng)復(fù)雜的電力環(huán)境，然而，毫米波雷達(dá)檢測的原始回波信號中包含了大量環(huán)境噪聲和多路徑效應(yīng)，導(dǎo)致信號質(zhì)量不穩(wěn)定。此外，目前基于毫米波雷達(dá)的振動監(jiān)測技術(shù)通常缺乏對振動信號中的多維度特征（如頻率、相位和幅度）進(jìn)行深度提取的能力，難以提供準(zhǔn)確的振動狀態(tài)變化模式。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了基于毫米波雷達(dá)的大型變壓器套管振動監(jiān)測方法。

2、基于毫米波雷達(dá)的大型變壓器套管振動監(jiān)測方法，包括以下步驟：

3、s1，通過毫米波雷達(dá)裝置對變壓器套管的振動進(jìn)行無接觸式實時監(jiān)測，生成原始回波（振動）信號；

4、s2，對原始回波信號進(jìn)行預(yù)處理，剔除異常突變頻段，并生成穩(wěn)定的振動信號；

5、s3，對振動信號進(jìn)行多路徑效應(yīng)的分離，利用毫米波雷達(dá)的回波特征與變壓器套管表面反射信號間的相位差，生成振動模式解耦矩陣，分離出基礎(chǔ)振動、共振頻率與高頻振動三個振動維度的獨(dú)立信號，構(gòu)建多維振動信號；

6、s4，基于解耦后的多維振動信號，利用頻域分析、小波包分解和希爾伯特-黃變換提取振動特征，生成對應(yīng)振動狀態(tài)的頻率、相位和幅度的振動特征曲線；

7、s5，基于特征曲線在時間軸的動態(tài)變化，通過時間序列分析獲得振動特征曲線的振動變化模式，基于正常工況下的特征曲線歷史數(shù)據(jù)，設(shè)定振動頻率、相位偏移、幅度波動的閾值范圍，將不同的振動變化模式歸類為正常、異常類型，形成異常模式的分類標(biāo)準(zhǔn)，將振動變化模式與異常模式分類標(biāo)準(zhǔn)進(jìn)行對比，分析是否存在異常。

8、可選的，所述s1中原始毫米波雷達(dá)信號的獲取具體包括：

9、將毫米波雷達(dá)裝置定位在變壓器套管的對準(zhǔn)位置，預(yù)設(shè)雷達(dá)發(fā)射與接收的角度，使雷達(dá)信號能有效覆蓋套管表面，毫米波雷達(dá)裝置持續(xù)向變壓器套管發(fā)射高頻毫米波信號，通過調(diào)整發(fā)射頻率以適應(yīng)變壓器運(yùn)行環(huán)境下的最佳檢測頻段，確保信號穿透電磁干擾并穩(wěn)定反射至雷達(dá)接收器，毫米波雷達(dá)裝置的接收器同步捕捉從套管表面反射回的原始毫米波信號，形成包括振動頻率、振動幅度、相位變化信息的原始回波信號。

10、可選的，所述s2中的預(yù)處理通過對原始回波信號進(jìn)行頻域分析，識別出在目標(biāo)振動頻率范圍外的異常頻段，使用帶通濾波器，僅保留目標(biāo)振動頻率范圍內(nèi)的信號，將識別出的異常頻段進(jìn)行剔除。

11、可選的，所述s3具體包括：

12、s31，對毫米波雷達(dá)接收到的回波信號進(jìn)行相位提取和計算，基于毫米波雷達(dá)與變壓器套管表面反射信號的相位差，識別不同路徑中的回波信號分量；

13、s32，利用提取出的多路徑的相位差數(shù)據(jù)，建立振動模式解耦矩陣，將原始振動信號中因多路徑效應(yīng)導(dǎo)致的疊加信號進(jìn)行分解，分離出基礎(chǔ)振動、共振頻率和高頻振動三個維度的信號，以形成多維振動信號，得到反映不同振動特性的獨(dú)立信號。

14、可選的，在毫米波雷達(dá)的回波信號中，不同路徑的信號會產(chǎn)生不同的相位變化，導(dǎo)致多路徑效應(yīng)，所述毫米波雷達(dá)發(fā)射的原始回波信號為，其中，是信號的幅度；是毫米波信號的頻率，是初始相位，從變壓器套管反射的回波信號因不同路徑的延遲而產(chǎn)生相位偏移，設(shè)接收到的回波數(shù)據(jù)為：，其中，是第條路徑信號的幅度，是第條路徑的相位延遲，取決于路徑長度和雷達(dá)裝置的位置，相位差表示為第和第條路徑的相位差：，通過測量不同路徑間的相位差,確定各路徑的相對延遲。

15、可選的，振動模式解耦矩陣的構(gòu)建：為分離基礎(chǔ)振動、共振頻率和高頻振動，利用相位差構(gòu)建振動模式解耦矩陣，所述振動模式解耦矩陣由相位差數(shù)據(jù)構(gòu)成，用于表示不同振動成分的分布，包括基礎(chǔ)振動、共振頻率和高頻振動，則振動模式解耦矩陣表達(dá)為：

16、；

17、其中，分別是對應(yīng)基礎(chǔ)振動成分的權(quán)重系數(shù)，分別是對應(yīng)共振頻率成分的權(quán)重系數(shù)，分別是對應(yīng)高頻振動成分的權(quán)重系數(shù)，矩陣根據(jù)多路徑相位差數(shù)據(jù)確定，使得每一類振動成分在信號中獨(dú)立表達(dá)。

18、可選的，所述多維振動信號通過解耦矩陣的逆矩陣對進(jìn)行變換，可得分離的基礎(chǔ)振動、共振頻率和高頻振動信號：

19、，其中，表示基礎(chǔ)振動信號，表示共振頻率信號，表示高頻振動信號，為原始回波信號的向量表達(dá)，表示為：。

20、可選的，所述s4具體包括：

21、s41，頻域分析：對解耦后的多維振動信號進(jìn)行快速傅里葉變換，將信號從時域轉(zhuǎn)換到頻域，提取信號的主頻率成分，以獲得振動信號的基礎(chǔ)頻率特征，快速傅里葉變換表示為：

22、，其中，頻域中振動信號表示，描述振動信號在不同頻率下的能量分布，通過計算，識別信號的主頻率成分，是頻率，為傅里葉變換運(yùn)算符，主頻率成分為后續(xù)的振動特征曲線提供了一個基準(zhǔn)，可以在頻率、相位和幅度特征曲線中明確地標(biāo)記出主頻率，從而幫助更清晰地觀察振動信號的主振動模式及其動態(tài)變化情況；

23、s42，小波包分解：頻域分析后，對多維振動信號進(jìn)行小波包分解，逐層分解不同頻帶的信號能量，提取出在時間和頻率上均具有高分辨率的振動成分，捕捉振動信號中的細(xì)微變化，生成分層的頻率與幅度特征數(shù)據(jù)，分解層級下的分量表示為：

24、，其中，表示經(jīng)過小波包分解后的振動信號的分量，包含分解層級和分解節(jié)點的頻帶信息，是分解的層級數(shù)，表示分解節(jié)點，是小波基函數(shù)，對不同頻帶的振動信號進(jìn)行分解，在每一級分解中，通過計算小波包系數(shù),獲得每個頻帶的幅度特征，為原始時域信號的離散表示，從而細(xì)致描述不同頻帶的振動狀態(tài)；

25、s43，希爾伯特-黃變換：對分解后的振動信號應(yīng)用希爾伯特-黃變換，提取信號的瞬時頻率和瞬時幅度特征，構(gòu)建振動信號的頻率、相位和幅度特征曲線，反映振動狀態(tài)在時間軸上的變化情況；

26、s44，特征曲線生成：將提取的頻率、相位和幅度特征在時間軸上進(jìn)行繪制,以生成振動特征曲線，以反映當(dāng)前振動狀態(tài)的動態(tài)特征。

27、可選的，所述s43的希爾伯特-黃變換中，將小波分解后的信號進(jìn)行經(jīng)驗?zāi)B(tài)分解,分解為一系列固有模態(tài)函數(shù)imfs,記為：，其中，是第個imf分量，對每imf分量進(jìn)行希爾伯特變換，得到瞬時頻率和瞬時幅度：，其中，是瞬時幅度，反映振動信號在時間點的振幅特征，是瞬時頻率，表示信號時間點的頻率特征，定義為，為瞬時相位，表示信號在某時刻的相位角，為imf的數(shù)量，決定振動信號的分解層級數(shù)。

28、可選的，所述s5中振動特征曲線表示為，表示頻率、相位或幅度特征在時間的值，將其表示為趨勢成分、周期成分和隨機(jī)成分的組合：

29、，其中，表示信號的趨勢成分，表示信號的周期成分，表示信號中的隨機(jī)成分；

30、所述趨勢成分使用滑動平均法提取，以平滑特征曲線的長期變化趨勢，對于滑動平均法，定義一個窗口大小，計算趨勢成分：，表示在時間點i上的特征值，趨勢成分反映了特征曲線的長期變化，如振動信號的持續(xù)上升或下降趨勢；

31、所述周期成分的提取通過周期性平滑或基于已知周期性信息，得到周期成分，周期成分表示信號中的重復(fù)性波動；

32、所述隨機(jī)成分通過將中的、去除獲得。

33、本發(fā)明的有益效果：

34、本發(fā)明，通過毫米波雷達(dá)的無接觸式監(jiān)測結(jié)合噪聲抑制，實現(xiàn)了對變壓器套管振動信號的高精度提取，通過頻域分析與帶通濾波器，將原始回波信號中的環(huán)境噪聲和異常頻段剔除，獲得穩(wěn)定的振動信號，此后，利用多路徑效應(yīng)分離和相位差計算，生成振動模式解耦矩陣，精準(zhǔn)分離出基礎(chǔ)振動、共振頻率和高頻振動三個維度，確保了信號獨(dú)立成分的清晰提取，為后續(xù)的特征分析奠定了高質(zhì)量的信號基礎(chǔ)。

35、本發(fā)明，通過多層次處理，實現(xiàn)了頻率、相位和幅度的全方位動態(tài)特征提取，頻域分析提取主頻率特征，小波包分解逐層捕捉細(xì)微的振動變化，最后使用希爾伯特-黃變換提取瞬時頻率與瞬時幅度，生成反映振動狀態(tài)的特征曲線，對特征曲線進(jìn)行時間序列分析，通過將曲線分解為趨勢成分、周期成分和隨機(jī)成分，識別動態(tài)變化模式，基于振動特征的動態(tài)變化和歷史工況數(shù)據(jù)設(shè)定異常閾值，形成了異常模式的分類標(biāo)準(zhǔn)，實現(xiàn)了實時智能預(yù)警和分類反饋。