基于改进MFCC和3D-CNN的变压器铁心松动故障声纹识别模型

基于改进MFCC和3D-CNN的变压器铁心松动故障声纹识
别模型
崔佳嘉;马宏忠
【期刊名称】《电机与控制学报》
【年(卷),期】2022(26)12
【摘要】为了准确提取变压器铁心松动故障时的声纹特征,提出一种基于改进的梅尔频率倒谱系数(MFCC)和三维卷积神经网络(3D-CNN)的变压器声纹识别模型。

首先对变压器噪声信号进行分帧加窗处理,提取梅尔频率倒谱系数(MFCC);然后运用局部线性嵌入算法(LLE)对现有的MFCC特征向量降维改进;最后使用三维卷积神经网络对变压器铁心松动故障进行识别。

以某10 kV变压器为对象进行空载试验,采集铁心在不同松动程度下的声纹信号。

计算结果表明,使用改进后的MFCC特征向量提取算法及3D-CNN模型具有良好的识别效果,准确率可达到98.33%,且平均迭代的时间可降至8.511 26 s。

最终研究结果可为变压器的噪声治理提供依据。

【总页数】11页(P150-160)
【作者】崔佳嘉;马宏忠
【作者单位】河海大学能源与电气学院
【正文语种】中文
【中图分类】TH212;TH213.3
【相关文献】
1.基于改进变量预测模型的变压器故障诊断
2.基于振动的电力变压器铁心松动故障诊断研究
3.基于改进凝聚层次聚类算法的变压器绕组及铁心故障诊断研究
4.基于变压器声纹Mel语谱图-ResNet的铁心松动故障诊断
5.基于CEEMDAN-小波阈值和3D-CNN的变压器铁心松动故障诊断模型
因版权原因，仅展示原文概要，查看原文内容请购买。