10.11684/j.issn.1000-310X.2021.04.015
声纹的变压器放电与机械故障诊断研究
变压器中的一些放电和机械故障会产生异常声,可用于故障检测.据此,该文提出基于可听声的变压器放电和机械故障诊断方法.针对机械故障声与变压器本体噪声特征相似易混淆的问题,提出改进小波包-BP神经网络算法,与传统小波包-BP神经网络算法相比声音识别率提高了5.7%.为提高声音识别系统的泛化性,提出基于梅尔对数频谱和卷积神经网络的声音识别算法.两种算法相互验证,提高了系统的可靠性.在真实变压器油箱中模拟了不同类型放电和机械故障.实验结果表明,该文提出的两种方法能成功识别放电声和机械故障声,声音识别率分别为99.6%和97.57%.
变压器、可听声、小波包、BP神经网络、卷积神经网络
40
TM411(变压器、变流器及电抗器)
北京市自然科学基金3202032
2021-08-04(万方平台首次上网日期,不代表论文的发表时间)
共9页
602-610