摘要
本发明公开了一种多传感器多域特征融合的变压器故障诊断方法，包括以下步骤：第一步，获取变压器箱体振动信号数据集，将采集的信号进行去中心化处理；第二步，采用蜣螂优化的ICEEMD方法分解去中心化后的变压器振动信号，计算其IMF分量与原信号的皮尔逊相关系数，选择强相关的分量对变压器振动信号进行重建，从而对变压器振动信号进行滤波和去噪；第三步，分别采用MVAR模型、VMD‑BIS分解和黎曼流形提取变压器振动信号中的时域、频域和空域特征，构造联合特征向量；第四步，采用核主成分分析算法进行融合降维，得到融合降维特征向量；第五步，构建核极限学习机模型，结合时‑频‑空融合特征对其参数进行训练，并结合哈里斯鹰优化算法对其超参数进行优化，进而得到最优的核极限学习机分类模型。本发明有效的解决了变压器故障诊断中振动信号非线性特性导致的误判、漏判和分布不均衡导致诊断率低的问题。
