3.2系统结构GZAFV-06型便携式声纹振动监测与诊断系统由IEPE式振动(加速度)传感器、声纹(自由场)传感器、驱动电机电流传感器、数据采集装置、云服务器（采用B/S结构）、通讯子系统及供电系统构成，本系统的框架示意图如下图3所示。3.2.1传感器GZAFV-06型便携式声纹振动监测与诊断系统传感层由IEPE式振动(加速度)传感器、声纹(自由场)传感器及驱动电机电流传感器，传感器外观及参数如下表1所示。振动传感器集成电荷放大器，将声纹振动信号转换成与之成正比的电压信号；自由场传感器是一种利用电容量变化而引起声电转换作用的传感器；电流传感器采用微型卡扣结构，便于现场安装，节省空间。传感器安装示意图如下图4所示，变压器声纹振动监测与诊断系统所有传感器单元与变压器本体无电气连接，安装简单方便，适用于在线监测与诊断或带电监测与诊断。声纹振动监测具体知识介绍。浙江研发振动监测工作
三、技术方案3.1系统原理变压器振动主要包括OLTC切换时的瞬态振动、电流通过绕组时电动力引起的绕组振动、硅钢片的磁致伸缩及硅钢片接缝处与叠片之间的漏磁导致铁芯振动、以及冷却装置工作时的振动。其中冷却系统引起的基本振动频率小于100Hz，不作为变压器振动监测与诊断分析的内容。变压器内部振动信号通过绝缘油、支撑单元、加强筋结构等多种途径传播，可由安装于外壁的振动传感器测得。OLTC切换过程中，分接选择器动作、切换开关动作、动静触头碰撞等机械动作产生声纹振动信号。信号包含触头分合状态、三相触头是否同期、触头表面是否平整、切换是否到位等信息，可反映分接开关结构磨损、卡滞、松动、变形等故障。切换过程中若储能弹簧性能发生改变或储能过程中存在机构卡塞等现象，必然伴随着电机驱动力矩的变化，使驱动电机电流发生变化。因此驱动电机电流与声纹振动的两类信号融合分析，可更加有效的评价OLTC的运行状况和疑似故障类型。研发振动指纹是什么GZAFV-06T型便携式变压器声纹振动 监测与诊断系统声纹振动监测与诊断技术的应用意义。
其中，l**信号递归图中斜对角线的长度，P(l)**对角线长度为l的对角线的条数，Im**斜对角线的最小长度。DET值是一个介于0和I之间的数，对于正常运行的GIS而言，其机械结构确定性很高，其DET值接近1。(6)能量相似度(EDR):能量相似度分析用于衡量不同负载条件下各个监测点的振动能量相似性,振动能量分布特性的改变能够反映GIS内部机械结构的变化，其定义的公式如下：EDR=1Mi=1Mvi-μ×100%其中，vi为各频率信号归一化能量，μ为能量平均值。能量相似度分析通过对比测量信号的能量与目标能量差异来判断GIS振动是否异常。当某个测点的EDR值突然变大，这意味着该测点附近的机械结构可能出现异常。
3.1.2功能特点Ø采用加速度传感器监测GIS本体振动信号，监测主机/IED具备多个传感测点连续实时或周期性自动监测功能；Ø具备诊断分析功能，监测主机/IED可向综合分析单元传送标准化数据、分析结果和预警信息，并接收下传控制命令；Ø具有比对分析功能，可将测量数据与标准信号、历史测量信号进行比对分析；Ø具有断电不丢失存储数据、复电自启动、自复位的功能，可连续监测、存储及导出1年以上数据；Ø具备振动信号时域波形展示、频谱分析(基频为100Hz)功能，可自动提取峰值频率、总谐波畸变率、频谱互相关系数、频率复杂度、振动平稳性、能量相似度、振动相关性等特征参量，作为GIS运行状态分析参量，且用户可定义设置报警阈值。下页图3为正常状态与异常状态时，GIS本体的振动信号的时域波形及频域谱图。杭州国洲电力科技有限公司振动声学指纹在线监测技术的未来发展趋势。
AFV信号分析法AFV信号分析法是采用AFV传感器监测AFV信号，获得OLTC的状态数据和工作模式，从而对其状态进行判断的方法。OLTC在切换时，其内部主要机构部件的运动撞击和摩擦都会产生脉冲冲击力，该信号会通过静触头或变压器油传到变压器箱壁上。传到变压器外壳上的振动是内部多种激励现象的响应，包含着大量的设备机械状态数据。OLTC的故障类型与其振动特性的变化存在着紧密关系，通过对AFV信号的监测和诊断，即可判断出OLTC切换时间的变化、触头接触不良、触头磨损、弹簧弹性下降和电弧等故障，从而可以诊断出OLTC处于正常状态或是故障状态。触头在分/合的切换过程中，由于伴随着机械、化学、头材料消耗，造成触头凹凸不平和变形，从而引起触头压力接触电阻和开矩参数的变化，使得OLTC的振动特征也随之改变。GZAFV-01型声纹振动监测系统的相关标准。特高压GIS振动监测推荐货源
杭州国洲电力科技有限公司振动声学指纹在线监测服务的客户满意度调查。浙江研发振动监测工作
能量分布曲线
基于小波变换的声纹振动信号多分辨率分析结果如下图3.8所示。原始信号经8层分解后产生第8层的近似分量和第1层至第8层的详细分量，计算各层详细分量信号能量，可获得信号能量分布曲线。比对正常状态与异常状态能量分布曲线，可判断OLTC运行状态，并提取互相关系数、最大值、平均值、峰度、偏度作为状态诊断特征参量。下图3.7为正常与异常状态的声纹振动信号能量分布曲线比对。
时频能量分布矩阵(ATF图谱)
获取声纹振动信号的时频能量分布矩阵，同时反映原始信号时域、频域特性及能量分布。将信号时频分布矩阵分为6个区间，计算各区间平均值作为特征参量，用于OLTC正常状态与异常状态比对。下图3.9为正常状态下声纹振动信号时频能量矩阵。 浙江研发振动监测工作
