基于人工神经网络的电力变压器声纹识别技术

摘要：

针对变压器运行状态声纹识别的应用需求以及BP神经网络识别模型准确率较低等问题,提出了一种改进人工神经网络的变压器声纹识别技术.该技术以变压器声纹信号中的MFCC系数作为模型的输入特征向量,在BOA算法中引入动态权重因子和变异因子对BP神经网络权值和阈值进行寻优,开展声纹识别.实验结果表明,利用变压器声纹信号的32 维MFCC特征系数可使识别准确率达到90%以上,优化后算法的运算速度比PSO-BP神经网络与BOA-BP神经网络提高了9.24%和8.64%,具有更高的运算效率和识别准确率.

关键词：声纹识别、BP神经网络、特征向量、权重因子、动态寻优、模式识别、变异因子、状态检测

所属期刊栏目：46

分类号：TM744(输配电工程、电力网及电力系统)

资助基金：甘肃省科技重大专项计划项目19ZD2GA003

在线出版日期：2024-10-07（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：380-387