基于Gammatone滤波器倒谱系数与鲸鱼算法优化随机森林的干式变压器机械故障声音诊断
为有效提取变压器声音信号中的机械状态信息并识别其典型机械故障,依据人类听觉系统优异的声音识别能力,提出了一种基于Gammatone滤波器倒谱系数(GFCC)和鲸鱼算法优化随机森林(WA-RF)的变压器机械故障声音诊断方法.首先计算了变压器声音信号的GFCC,引入信息熵提取了GFCC中的主要声音特征信息.采用鲸鱼算法通过优化随机森林中决策树基分类器的规模和特征子集,构造了基于优化随机森林的变压器典型机械故障分类模型.对以某10 kV干式变压器正常与典型机械故障下声音信号的计算结果表明,所构建的基于GFCC主要特征参数和鲸鱼算法优化随机森林的变压器典型机械故障模型具有较好的识别效果,准确率可达95%以上,且具有优良的抗噪性能和鲁棒性.
电力变压器、声音信号、故障诊断、Gammatone滤波器倒谱系数、信息熵、鲸鱼算法、随机森林
40
TM41(变压器、变流器及电抗器)
2020-09-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
191-196,224