基于Mel时频谱-卷积神经网络的变压器铁芯声纹模式识别方法

刘云鹏岳浩天张重远王博闻罗世豪

华北电力大学;

摘要：

为了实现变压器设备声学指纹的不停电检测,提出了一种基于Mel时频谱-卷积神经网络的变压器铁芯声纹识别模型.首先,通过铁芯模型振动与噪声试验平台,研究铁芯在不同工况下的振动声信号,将采集到的振动与声音数据进行了关联性分析和比对,验证了声信号同振动信号一样均能够有效反映铁芯的运行状态;然后,对采集到的声音数据进行Mel时频谱预处理降维,并将降维结果作为深度学习的数据集;最后构建了Mel时频谱-卷积神经网络变压器铁芯声纹模式识别模型,通过超参数调整和网络结构优化设计,实现不同运行工况声信号的准确识别.研究结果表明:该文提出的Mel时频谱-CNN识别模型对3种不同工况的声信号识别率达到了99.71％.论文研究…展开v

关键词：变压器声纹、状态监测、铁芯、Mel时频谱、深度学习、卷积神经网络

所属期刊栏目：46

分类号：TP391.4;TP18;TM341

资助基金：国家电网有限公司总部科技项目5200-201955095A-0-0-00

在线出版日期：2020-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：413-422