一种强噪音背景下基于混沌理论对比学习变压器故障诊断方法

本发明公开了一种强噪音背景下基于混沌理论对比学习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无标签数据集和有标签数据集，将采集的信号进行归一化处理；第二步，利用蜣螂优化算法获得各个故障状态下振动信号进行ICEEMDAN分解的最佳参数，将振动信号进行ICEEMDAN分解以获取多个模态分量IMF，计算各个模态分量的多尺度模糊熵，筛选较小熵值的分量并重构信号，进行数据清洗去噪；第三步，将降噪后的无标签数据集随机数据增强，并定义正负样本对，进行相空间重构，完成对比学习预训练模型，将训练好的编码器参数迁移到下游任务；第四步，将降噪后的有标签数据集进行相空间重构，微调后输入训练好的编码器中；第五步，将无标签测试数据经过预处理及相空间重构后输入训练好的编码器内；第六步，将输出特征输入到分类器分类完成故障诊断。本发明有效的解决了变压器故障诊断中由于强噪音环境和缺少带标记数据导致的诊断精度低的问题以及振动信号非线性特性导致的误判、漏判问题。