基于新奇检测的两级电气故障声纹识别算法

摘要：

基于闭集算法的声纹识别模型由几类故障样本与正常样本训练得到,同时假设后续输入样本同属于这几个确定的类别.在应用中,强环境噪声等陌生类别可能导致大量误报.为在室外等多噪声环境下降低误报率,同时保持故障样本召回率,提出了一种基于新奇检测的两级声纹识别算法.以断路器储能电机为实验对象,对1种正常工况和3种异常工况的声音信号进行加窗、分帧等预处理,随后提取梅尔频率倒谱系数(Mel frequency cestrum coefficient,MFCC)特征向量,最后使用单类支持向量机(one-class support vector machine,one-class SVM)作为第1级新奇检测算法分离陌生类,再使用C参数支持向量机(c-support vector machine,C-SVM)作为第2级算法进行识别.实验结果表明,与现有的单级声纹识别方法相比,所提出的方法可以有效检出陌生类,在信噪比高于20dB时故障样本召回率下降小于0.33％,在信噪比低于-20dB时误报率下降超过63.47％.

关键词：新奇检测、电气故障、声纹识别、故障诊断、支持向量机

所属期刊栏目：45

分类号：TM721(输配电工程、电力网及电力系统)

在线出版日期：2021-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2888-2895