斗式提升機在BengtssonC等人的基礎上對，狀態(tài)的智能識別作了大量研究工作。首先應用小波多尺度分析對振動信號的包絡進行平滑處理，然后求取各種狀態(tài)下信號包絡的自相關函數作為狀態(tài)特征量，用狀態(tài)特征量去訓練自組織映射神經網絡(s0M)作為故障診斷的依據。

      在斗式提升機設備運行狀態(tài)下，計算出振動信號的最小量化誤差(定義為SOM的所有權值向量(瑪)和振動信號包絡的自相關函數(幾)之間的最小歐氏距離)，通過和正常值的比較來判斷OLTC的運行狀態(tài)。KangP等人在此基礎上開發(fā)了一套基于振動分析的OLTC在線檢測系統(tǒng)。采用在PC機上的分析軟件，可以對突發(fā)的和緩變的OLT：對斗式提升機的故障進行準確地識別。

      該高智能性的系統(tǒng)目前已經安裝在斗式提升機的多個變電站中11/33kV的變壓器上，應用結果表明，該系統(tǒng)能夠正確反映OLTC的運行狀態(tài)，如觸頭老化、彈簧失效和部件松動等。近年來，又研究了連續(xù)小波變換(CET)在OLTC狀態(tài)識別中的應用。

      由于C研的zrl具有良好的時域多尺度細化特性，因此可以從振動信號中提取更加豐富的局部特征信息�，F場運行結果表明，CWT方法不僅能夠對突發(fā)的OLTC故障作出正確的判斷，還能對斗式提升機的OLTC的劣化程度和剩余壽命做出正確的評估，由此可制定出合理的維護計劃。